젠OTC, 최적수송 이론으로 무차익거래 로컬 변동성 곡면 생성…MATLAB으로 서비스화

In this Deep Tech Insight column, the financial technology startup genOTC is presented as a case of verifying markets that cannot be directly observed. Using optimal transport theory, it generates local volatility surfaces that match market data and satisfy no-arbitrage conditions, developed with MATLAB through modeling, numerical analysis, validation and deployment via Docker and Amazon EC2. genOTC is expanding its calibration tool into a platform for pricing, backtesting and quant libraries, and plans to extend to commodities and bonds.

在这篇Deep Tech Insight专栏中，金融科技初创公司genOTC被作为验证无法直接观察的金融市场的案例。该公司利用最优传输理论，生成与市场数据一致且满足无套利条件的局部波动率曲面，并借助MATLAB完成建模、数值分析、验证，再通过Docker和Amazon EC2部署。genOTC正把校准工具扩展为包含定价、回测和量化库的平台，并计划扩展到大宗商品和债券。

このDeep Tech Insightのコラムは、直接観測できない金融市場を検証する事例として、フィンテックスタートアップのgenOTCを取り上げている。同社は最適輸送理論を用いて、市場データと一致し無裁定条件を満たすローカルボラティリティ曲面を生成し、MATLABでモデリング、数値解析、検証を行い、DockerとAmazon EC2で展開している。genOTCはキャリブレーションツールを価格算定、バックテスト、クオンツライブラリを含むプラットフォームへ拡張しており、今後は商品や債券への適用拡大を計画している。

Cette chronique Deep Tech Insight présente la startup fintech genOTC comme un cas de vérification de marchés non directement observables. Grâce à la théorie du transport optimal, elle génère des surfaces de volatilité locale cohérentes avec les données de marché et sans arbitrage, développées avec MATLAB (modélisation, analyse numérique, validation) puis déployées via Docker et Amazon EC2. genOTC élargit son outil de calibration en une plateforme de valorisation, de backtesting et de bibliothèques quantitatives, et prévoit de l'étendre aux matières premières et aux obligations.