Collateral management has, during the most recent years, been an increasingly important part of a bank’s operation. The bank is facing an allocation problem of how to post collateral to all its counterparties in order to mitigate the credit risk and the number of transactions that requires collateralization is increasing. This master thesis has investigated if it is possible to effectively solve this allocation problem and hence reduce the cost of collateral management by using numerical optimization. Four mathematical linear optimization models of different structure and characteristics have been developed which aims to reflect the complex nature of the problem. These models have been solved with real-life data and it can be concluded that optimization can be used in order to reduce the cost of the collateral allocation and that the problem can be efficiently solved in an acceptable amount of time. The solution showed a reduced cost of almost 15% for the selected business day compared to the cost of current collateral allocations. / Säkerhetshantering har under de senaste åren varit en allt viktigare del av en banks verksamhet. Banken står inför ett allokeringsproblem kring vilka säkerheter som ska ställas till dess motparter för att minska den kreditrisk som uppkommer i samband med lånehandeln samt att antalet transaktioner som kräver ett säkerställande ökar. Denna uppsats har undersökt möjligheten till att effektivt lösa detta allokeringsproblem och därigenom minska kostnaden för säkerhetshantering genom att använda numerisk optimering. Fyra matematiska linjära optimeringsmodeller av olika strukturer och egenskaper har utvecklats som syftar till att återspegla problemets komplexa natur. Dessa modeller har lösts med verklig data och slutsatsen är att optimering kan användas för att minska kostnaden för en banks säkerställande och att problemet effektivt kan lösas inom en acceptabel tidsram. Lösningen visade en reducerad kostnad på nästan 15% för den valda arbetsdagen jämfört med kostnaden för nuvarande allokering av säkerheter.

A mixed integer linear programming formulation is used to solve the problem of allocating assets from a bank to its counterparties as collateral within securities lending. The aim of the optimisation is to reduce the cost of allocated collateral, which is broken down into the components opportunity cost, counterparty risk cost and triparty cost. A solution consists of transactions to carry out to improve the allocation cost, each transaction consisting of sending a quantity of some asset from a portfolio to the bank or from the bank to some portfolio. The optimisation process is split into subproblems to separate obvious transactions from more complex optimisations. The reduction of each cost component is examined for all the subproblems. Two subproblems transform an initial collateral allocation into a feasible one which is then improved by the optimisation. Decreasing opportunity cost is shown to be an easier task than decreasing counterparty risk and triparty costs since the latter costs require a comparatively large number of transactions. The optimisation is run several times in a row, performing the suggested transactions after each solved iteration. The cost reduction of k optimisation iterations with 10 transactions per iteration is shown to be similar to the cost reduction of 1 optimisation iteration with 10k transactions. The solution time increases heavily with the number of iterations. The suggested transactions may need to be performed in a certain order. A precedence constrained problem takes this into account. The problem is large and the execution time is slow if a limit is imposed on the number of allowed transactions. A strategic selection of portfolios can limit the number of suggested transactions and still reach a solution which comes close to the optimal one. This can also be done by requiring that all suggested transactions must reduce the cost by a minimum amount. The final model is ready to be used in a semi-automatic fashion, where transactions are verified by a human who checks if they are sound. A fully automated process requires further testing on historical and recent data. / Ett blandat-heltal linjärt optimeringsproblem används för att lösa uppgiften att tilldela värdepapper från en bank till dess kunder som pant för värdepapperslån. Målet med optimeringen är att minska kostnaden av den tilldelade panten. Kostnaden bryts ned i komponenterna alternativkostnad, motpartsrisk och tripartykostnad. En lösning består av föreslagna transaktioner som ska genomföras för att förbättra den nuvarande säkerhetstilldelningens kostnad. En transaktion består av att ta hem eller skicka ut en kvantitet av ett visst värdepapper från eller till en av bankens kunders portföljer. Optimeringsproblemet bryts ned i flera delproblem med syfte att särskilja uppenbara föreslagna säkerheter till en godkänd tildelning som sedan blir en startpunkt för optimeringen. Att minska alternativkostnad visar sig vara enklare än att minska motpartsrisk och tripartykostnader på så sätt att de sistnämnda kostnaderna kräver fler transaktioner för att minskas. Optimeringen körs flera gånger i rad, där alla föreslagna transaktioner från en iteration genomförs innan nästa iteration körs. Kostnadsminskningen av k körningar med 10 transaktioner visar sig vara väldigt nära, om än något mindre, än en körning med 10k transaktioner. Exekveringstiden ökar drastiskt med antalet iterationer. De föreslagna transaktionerna kan behöva genomföras i en viss ordning. En problemformulering konstrueras som tar höjd för detta, men exekveringstiden är extremt lång när antalet transaktioner begränsas. Ett strategiskt urval av portföljer kan begränsa antalet föreslagna transaktioner utan att försämra lösningen särskilt mycket. På ett liknande sätt kan antalet föreslagna transaktioner minskas genom att lägga till ett villkor som säger att lönsamheten av en transaktion måste överskrida en given minsta tröskel. Den slutgiltiga modellen är redo att användas om de föreslagna transaktionerna granskas manuellt innan de genomförs. En helt automatisk process ligger längre fram i tiden efter ytterligare tester på historisk och nuvarande data.