Aandachtsgebieden R&D Labs

R&D Labs zorgt ervoor dat we innovatie op de voorgrond plaatsen bij Ortec Finance. Op technologisch gebied omvat dit het adviseren over belangrijke software architectuur beslissingen, het assisteren bij de ontwikkeling van productuitbreidingen, het focussen op niet-functionele aspecten en het organiseren van evenementen om kennis te delen. Op methodologisch gebied betekent dit dat we modellen ontwikkelen (of up-to-date blijven met methoden) die de behoeften van onze klanten het best ondersteunen. In alle gevallen werken we nauw samen met onze chapters en engineering teams.

Aandachtsgebieden

Technologie

High Performance Computing
Gebruikerservaring
Distributed Ledger Technologies
Kunstmatige intelligentie
Cyber Security
(Micro) Service Oriented Architectures

Ortec Finance levert rekenintensieve simulatiemodellen die veel data en rekenkracht vereisen. Er is een toenemende behoefte aan snelheid. Mensen willen realtime dienstverlening terwijl de datavolumes alleen maar toenemen.

Bij R&D Labs werken en experimenteren we met geavanceerde technologie op dit gebied: GPU computing, many core-processors en gedistribueerde programmeermodellen die gebruik maken van een serverless of containergebaseerde architectuur.

Als ervaren en deskundig aanbieder van technologie voor investeringsbeslissingen ontwerpen we voor onze modellen een gebruikersinterface die naadloos aansluit bij de behoeften van onze klanten. We maken deze interfaces ook toegankelijk voor de niet-deskundige gebruiker. Daarnaast onderzoeken we alternatieven voor muis&klik-interfaces en de toegevoegde waarde van mixed reality bij het nemen van investeringsbeslissingen.

Wij geloven dat DLT's een serieuze impact zullen hebben op de financiële wereld. R&D Labs streeft ernaar het risicobeheer voor gerobotiseerde financiële diensten toegankelijk te maken en bij te dragen aan de wereldwijde standaard. Bijvoorbeeld door prototyping van gedecentraliseerde financiële diensten op het gebied van pensioenen en verzekeringen.

Kunstmatige intelligentie wordt binnen het financieel risicomanagement nog beperkt toegepast. Regelgevers vereisen vaak een hoge mate van economische interpreteerbaarheid van risicomanagementmodellen. Ons huidige onderzoek is vooral gericht op het in evenwicht brengen van de interpreteerbaarheid met modelnauwkeurigheid, door het benutten en combineren van econometrische-, statistische- en machine learning technieken.

De meeste van onze klanten geven de voorkeur aan zorgeloze SAAS-oplossingen, die buiten hun bedrijf worden gehost. Applicaties draaien op private of hybride clouds en moeten vaak worden aangesloten op het gebruikersbeheersysteem van de klant. Beveiliging is essentieel, zowel voor de applicatiesoftware als voor de gebruikte infrastructuur.

Markten en klanten eisen innovatie, terwijl technologie het gemakkelijker maakt de beste componenten van meerdere leveranciers te combineren tot een integrale oplossing. Om ons snel aan te passen met behoud van onze toegevoegde waarde, definiëren we kerndiensten die kunnen worden gebruikt in meerdere oplossingen. Zowel in UI- of API-vorm, als stand-alone product of als onderdeel van een bredere oplossing.

Modelling

Prognoses
Besluitvorming over investeringen
Risico's van klimaatverandering
Vastgoed waarderingen
Waarderen van derivaten

Om de investeringsbeslissingen van onze klanten te ondersteunen, zijn goed onderbouwde inschattingen van toekomstige risico's en rendementen essentieel. We proberen wetenschappelijke modellen op te schalen naar reële toepassingen met meer beleggings categorieën, economische factoren en langere beleggingshorizonnen. We ontwikkelen modellen die de juiste balans hebben tussen enerzijds een voorspelling op basis van historische data en anderzijds gedegen expertise van toekomstige risico's en rendementen.

Met behulp van het simuleren van toekomstige risico's en rendementen helpen we onze klanten de juiste investeringsbeslissingen te nemen . Dit aandachtsgebied omvat traditionele portefeuille-optimalisatie, robuuste optimalisatie, dynamisch beleggingsbeleid en robo-advise toepassingen.

Een veranderend klimaat is voor institutionele beleggers een van de grootste zorgen voor de toekomst. Wij nemen het klimaatrisico op in onze toekomstgerichte voorspellingsmodellen. Dit doen we door economische prognoses op te stellen bij verschillende scenario’s voor de opwarming van de aarde. Met behulp van deze prognoses ondersteunen we klimaatbewuste beleggingsbeslissingen en analyses van klimaatrisico-scenario's, voor informatieverstrekking en rapportagedoeleinden.

Met behulp van geavanceerde econometrische modellen en een unieke datasets ontwikkelen we modellen voor de waardering van huizenprijzen. De prijzen worden verklaard door kenmerken van de woningen, zoals locatie en grootte. Deze modellen kunnen bijvoorbeeld worden gebruikt voor fiscale doeleinden die een consistente en verklaarbare waardering vereisen.

Met name verzekeraars, maar ook pensioenfondsen, kunnen opties hebben die zijn ingebed in de producten die ze aanbieden. Denk aan winstdeling. De waardering van dergelijke producten vereist een risiconeutrale modelering. Om prognoses van toekomstige waarderingen te verkrijgen, richten we ons op het consistent combineren van een risico-neutrale waardering met ons realistische prognosemodel.

Aandachtsgebieden