GARP:应用Excel建模的利与弊

最近，我惊讶地发现，2021年电子竞技行业的收入超过了10亿美元，比2020年增长了近15%。我不太理解观看别人玩电子游戏的吸引力，但后来我了解到，这些竞赛已经涉及到用Excel建模。这正是我们现在要谈论的主题！
 

 

金融建模世界杯(FMWC)电竞大赛向来自世界各地的参赛者发起挑战，要求他们使用微软Excel解决复杂的问题，以赢得1万美元的现金奖励和他们同行的尊重。比赛配有现场直播、倒计时、评分算法和现场解说。

 

虽然这对一些人来说可能听起来很无聊，但对于我们这些每天使用Excel的人来说，比赛尤其吸引人。尽管Excel有种种缺点，但仍然是经济学家、风险建模师、金融专业人士和其他很多职业人员的主要工具。与其他分析工具不同，Excel快速、醒目、容易获得和无处不在。

 

然而，从模型治理的角度来看，使Excel如此强大的灵活性也使它们特别脆弱。在谷歌上搜索“典型的Excel错误”，会出现数十个引人注目的例子——从财务报告到学术研究，再到政策分析。

 

使用过Excel的用户都知道，操作过程中很容易在公式中指向错误的单元格，或者忘记更新引用，从而导致计算错误。因此，在会计应用中使用Excel会立即引起审计人员的注意。事实上，人们的怀疑是如此之高，以至于在常规业务流程中使用Excel可能会被冠以令人生畏的"终端用户计算"称号，并有苛刻的审计和验证要求，以阻止其使用。

 

鉴于模型治理和审计团队的高度关注，为什么金融机构（以及其他组织）仍在使用Excel？

 

原因之一是方便。Excel使我们能够(1)在瞬间计算出不同时期的差异或增长率；(2)只需拖动几个单元格就能生成简单的预测；以及(3)只需点击几下鼠标就能在图表中显示数据。

 

最重要的是，与他人分享我们的工作是毫不费力的，不需要特殊的软件。我们的同事可以审查我们的结果，轻松地修改假设，和/或扩展分析。事实上，从首席执行官到最初级的分析师，每个人都可以很容易地合作进行相同的分析。

 

简而言之：Excel使数据分析大众化。由于这个原因，尽管有其他（更强大的）编程语言和应用程序，它们仍然是研究人员和分析人员的主要工具。

 

管理数据风险：寻找中间道路：

 

各机构采取不同的方法来管理数据分析。一些机构允许员工选择他们喜欢的任何工具来生成分析结果并支持决策。其他机构则非常关注控制问题，迫使每个人都进入一个单一的平台--或者至少努力让每个人朝这个方向发展。

 

但公司有时做得太过分了。例如，我曾在一家公司工作，公司治理团队建议完全禁止使用Excel，以最大限度地降低操作风险。不出所料，这并没有取得很好的效果。

 

与往常一样，管理风险的最佳方法介于两者之间。有些应用程序，如财务报告，绝对需要对数据和可重复性进行严格控制。因此，财务报告的Excel不足以管理复杂的计算，也不容易审计。

 

然而，对于许多其他应用程序来说，Excel建模可能是分析人员探索和可视化数据的一个有效的起点——即在投入费用编写代码，在受控的环境中归纳、总结、建模和预测数据之前。在开始建模项目之前，使用Excel表格进行快速回顾可能会发现明显的错误、异常或其他数据问题，从而节省时间和精力。

 

最近，我一直在探索如何利用Excel表格的所有优势，同时使其更加强大，不容易出现"大鲸鱼"式的错误。建议包括：

 

1.将原始数据存储在单独的选项卡上。

 

这可以完成两件事。首先，它清楚地描述了输入数据和任何导出或计算数据之间的关系。其次，使用来自单一来源的新数据更新Excel表格要容易得多，而不是试图在单个字段和公式中手动输入数据。

 

2.尽可能利用应用程序编程接口（API）。

 

与第1项相关，为了减少操作人员错误，我们应该尽可能减少手动剪切和粘贴。

 

幸运的是，大多数数据提供商现在提供的API允许用户直接访问和刷新数据源。例如，我所在的穆迪分析公司（Moody’s Analytics）允许用户将Excel表格直接链接到我们的数据库，这样他们就可以加载最新的经济指标和预测数据，而无需手动复制或参考其他文件。这大大减少了复制和粘贴错误的机会。
 

 

3.将Excel表格与其他编程工具结合起来，进行更复杂的计算。

 

这种方法提供了两全其美的效果，即以可控的方式将功能扩展到更广泛的受众，而不要求用户掌握新的技能。

 

为了说明这一点，假设您有一个用R编程语言开发的信用违约模型，它不仅将借款人和贷款特征作为输入，而且还将几个经济指标的预测作为输入，比如GDP、利率和就业与人口的比率。

 

用R语言编码的模型将提供模型治理政策所要求的所有可重复性、过程控制和可审计性的优势--但也会迫使用户具备R语言的工作知识来操作该模型。或者，用户可以通过利用Excel插件，如Basic Excel R Toolkit（BERT）来避免学习R；通过这个插件，用户能够在Excel表格中指定所有需要的输入字段，在后台将这些字段传递给R代码，并提供信贷模型的结果--而无需离开Excel。

 

毫无疑问，Excel表格将继续发展——它们可以向用户学习，并直接在后台生成可审计的代码。有一天，我们可能会在Excel中构建复杂的回归模型或运行机器学习算法，并自动进行回测和记录，从而进一步降低操作风险，并将功能扩展到更大范围的非程序员群体。在那之前，我们可以通过一些最佳实践来显著降低使用Excel的操作风险。

 

最后的一些想法：

 

我自己的软件使用之旅是从Excel表格程序Lotus 1-2-3开始的。这是一个了不起的软件，它提高了分析员的工作效率和生产力，以前他们不得不用纸、铅笔和手动计算器（如果他们幸运的话）进行计算。

 

然后，Excel出现了，并以其图形化的点击环境释放了更大的功能。突然间，非程序员可以利用一个工具，允许他们实时更新数字，并快速运行假设情景，而无需记住一长串的命令。他们甚至可以制作专业图表，将数据可视化，并将他们的想法传达给更多人。

 

从模型风险管理和治理的角度来看，Excel表格确实构成了一种风险。但是，通过禁止使用它们来减轻这种风险是错误的。它们是理想的应用工具，在这种应用中，不仅答案很重要，而且答案的交流也很重要，因为在Excel表格中"展示你的工作"相对容易。

 

Excel也是进行更为复杂分析的第一步，在应用编程软件之前，我最开始就是通过Excel来分析了解各国COVID-19感染趋势的。事实上，正如金融建模世界杯电竞赛所展示的那样，Excel表格可以用创造性和创新性的方式来解决各种各样的问题。

 

与其抱怨，风险经理和审计师需要承认Excel表格在一个运转良好的风险管理部门中发挥的作用。Excel的最佳实践和新功能可以显著地降低操作风险，同时它的扩展分析功能将给这些机构带来一定的价值。

 

Cristian deRitis是穆迪分析公司的副首席经济学家。作为模型研究和开发的负责人，他专门负责分析当前和未来的经济状况、消费信贷市场和房地产市场。在加入穆迪分析公司之前，他曾为房利美工作。除了他发表的研究报告，Cristian还在两项关于信用模型技术的美国专利中被提名。

 

本文来源于GARP公众号，版权归原作者所有，如有侵权请联系删除；