کتاب معاملاتی روزانه

سرمایه گذاری در زیرساخت ها پر زرق و برق نیست. اما یک بازسازی متفکر برای سالهای آینده سود سهام را پرداخت می کند.

بررسی اساسی کتاب تجارت (FRTB) بسیاری از عناصر جدید را به چارچوب خطر بازار بازل معرفی می کند. 1 1. "حداقل نیازهای سرمایه برای ریسک بازار" (BCBS 352) ، کمیته نظارت بانکی ، بانک برای تسویه حساب بین المللی ، ژانویه 2016 ، Bis.org. برخی از مهمترین آنها شامل روش ها و رویکردهای جدید است - از جمله کمبود مورد انتظار ، یک رویکرد استاندارد اصلاح شده برای محاسبه نیازهای سرمایه و عوامل خطر غیر قابل حمل (NMRF) - و همچنین فرایندها و اشکال جدید حاکمیت (به عنوان مثال ، آزمون انتساب P& Lو مصوبات سطح میز). بانک ها تلاش های عظیمی را برای افزودن این قابلیت ها انجام می دهند.

در موضوعات مورد علاقه خود جریان داشته باشید

خواسته های ضمنی که این تغییرات در زیرساخت های تجاری در معرض تجارت ایجاد می کند-داده ها و سیستم هایی که از روش ها و فرآیندهای پیشرفته معرفی شده توسط FRTB پشتیبانی می کنند ، کمتر مورد توجه قرار می گیرند. در واقع ، ممکن است به نظر برسد که FRTB فقط برخی از خانه داری سبک را می خواهد. مقاله بازل به سختی از زیرساخت ها یاد می کند. اما پیامدها در واقع بسیار زیاد است: در بانک های بزرگتر ، آنچه لازم است چیزی جز یک تعمیرات اساسی اساسی نیست. در بانک های کوچکتر ، سهام به اندازه بالایی نیست ، اما این موسسات نیز کارهایی برای انجام دارند.

در طول صنعت ، زیرساخت های ریسک تجاری علائم کرنش را در مواجهه با انطباق FRTB نشان می دهد. در عین حال ، به این دلیل است که بانک ها از زمان معرفی بازل 2. 5 در این زمینه مورد سرمایه گذاری قرار گرفته اند و همیشه کار را از نظر استراتژیک برطرف نکرده اند. در واقع ، در یک بررسی مک کینزی در سال 2017 از بانک ها در مورد اولویت های آنها برای ریسک معامله شده ، بانک ها کیفیت داده ها و پیشرفت های خود را در صدر لیست در صدر لیست قرار می دهند. یكی از موضوعات بزرگتری كه بسیاری از بانك ها به دنبال آن هستند ، معماریهای موازی و در عین حال نادرست و در امور مالی (از جمله مدل های مختلف قیمت گذاری یا ارزیابی ، منابع داده های بازار و دانه بندی ریسک-فاکتور) است که منجر به نتایج متناقض و گیج کننده می شود.

مطالعات کمی با تأثیر کمی (QIS) توسط کمیته بازل و بسیاری از تحلیل های خود بانکها در مورد آزمون انتساب P& L جدید نشان می دهد که بیش از 70 درصد از میزهای موجود در یک بانک در آزمون شکست می خورند. یعنی بانکها نمی توانند P& L و رانندگان آن را به اندازه کافی توضیح دهند. یا تعداد زیادی از موارد اضافی مورد نیاز برای به دست آوردن حق جمعیت را در نظر بگیرید ، کار جدی نقشه برداری از فاکتور ریسک ، داده های بازار بی نظیر ، داده های مرجع از دست رفته و شکستگی های مدل قیمت گذاری ناشی از کالیبراسیون غیر استرس: همه چالش های زیرساختی هستندبشرحتی قبل از اینکه FRTB کامل شود ، این چالش ها و سایر چالش ها منجر به نتایج ضعیف پشتی و نظارت بیشتر "اضافه کردن" هزینه های سرمایه-به عنوان مثال ، چند برابر ارزش در معرض خطر (VAR) بیشتر از پنج-همانطور که در یک مطالعه 2013 بیان شده استکمیته بازل. 2 2. "برنامه ارزیابی قوام نظارتی (RCAP): تجزیه و تحلیل دارایی های دارای ریسک ریسک برای ریسک بازار" (BCBS 240) ، کمیته بازل در مورد نظارت بانکی ، بانک برای شهرک های بین المللی ، ژانویه 2013 ، Bis.org.

بانکهایی که بین خطوط الزامات اصلی FRTB می خوانند و شروع به رفع زیرساخت های خود کردند ، اکنون یک مزیت استراتژیک دارند. اما تأخیر تأیید شده اجرای FRTB تا اول ژانویه 2022 ، سایر بانک ها را به عنوان زندگی (نمایشگاه 1) پرتاب کرده است. 3 3. "بازل سوم: نهایی کردن اصلاحات پس از بحران" و "خلاصه سطح بالا از اصلاحات بازل سوم" (BCBS 424) ، کمیته بازل در مورد نظارت بانکی ، بانک برای شهرک های بین المللی ، دسامبر 2017 ، bis.org. از نظر ما ، فقط زمان کافی قبل از مهلت مهلت برای مقابله با چالش های عمیق تر وجود دارد. بانکها به جای ساحل به خط پایان ، باید روی اجرای FRTB به روشی هوشمندانه تمرکز کنند ، از جمله هدف استراتژیک گسترده تر از ارتقاء زیرساخت های ریسک تجاری از جلو به عقب.

بانکهایی که این مسیر را انتخاب می کنند ، مزایایی را در بهره وری سرمایه ، صرفه جویی در هزینه و ساده سازی عملیاتی به دست می آورند. ما معتقدیم که این مزایا می تواند میزان کامل کاهش ROE بانک ها ناشی از FRTB و سایر مقررات را کاهش دهد - کاهش ما با سه درصد تخمین می زنیم. در این مقاله ، پرونده تجاری برای تعمیرات اساسی زیرساخت ها ، از جمله منابع اصلی کارآیی و پس انداز را بررسی خواهیم کرد. اصول طراحی یک زیرساخت بهترین کلاس ؛و مراحلی که بانک ها می توانند برای اجرای این ایده ها انجام دهند.

به بانکها فرصتی طلایی داده شده است تا خانه های تجاری خود را به ترتیب انجام دهند و مرحله ای را برای همه فن آوری های پیشرفته (اتوماسیون فرایند روباتیک ، جریان کار هوشمند ، یادگیری ماشین و غیره) تنظیم کنند که به طور کامل صنعت را بازسازی می کنند. 4 4. آینده مدیریت ریسک در دوره دیجیتال ، گزارشی مشترک از موسسه بین المللی دارایی و مک کینزی و شرکت ، دسامبر 2017.

پرونده سرمایه گذاری در زیرساخت ها

انطباق با FRTB تنها دلیل ترمیم زیرساخت ها نیست ، اما این یک قدرت قدرتمند است. یک معماری فنی جلو به عقب منسجم و تنظیم سازمانی تراز شده ، بسیاری از منابع اختلاف را بین دیدگاه های تجاری ، خطر و امور مالی از بین می برد. با این کار ، احتمال تأیید نظارت افزایش می یابد.

یک مثال را بگیرید: تراز بهتر بین دفتر جلوی و ریسک مورد نیاز تحت FRTB غیرممکن است مگر اینکه هر دو زیرساخت داده های کارآمد و سازگار در سطح کارآمد داشته باشند. بدون آن ، بانکها نمی توانند اختلافات بین P& L ریسک و دفتر جلو را از بین ببرند - به عنوان مثال ، تفاوت هایی که در حساسیت ، پشتی و انتساب P& L ایجاد می شود.

به همان اندازه مهم ، تعمیرات اساسی از زیرساخت های تجاری در معرض تجارت ، از دیدگاه تجارت ، برجسته می شود. معیارهای اصلی ریسک ، مانند حساسیت ، ارزش در معرض خطر یا کمبود مورد انتظار و دارایی های ریسک دار (RWA) ، فقط مفاهیم فنی یا نظارتی نیستند بلکه پایه و اساس تصمیم گیری مدیران ارشد هستند. برای تولید اندازه گیری قابل اعتماد ، سریع و با کیفیت بالا (همانطور که در BCBS239 مشخص شده است) ، یک موسسه به داده های قابل اعتماد و با کیفیت بالا پردازش شده توسط COGS یک مدل عملیاتی کارآمد نیاز دارد. فقط در این صورت بانک می تواند مشخصات ریسک کامل و سودآوری خود را بشناسد و استراتژی خود را با اطمینان انجام دهد.

اساسی هر دو استدلال - رعایت و تجارت - مزایای قابل توجهی از ثبات و کارآیی دارند.

ثبات از طریق طبقه بندی های منحصر به فرد

قوام مهم برای ایجاد اعتماد و اعتماد به نفس در معیارها است. طبقه بندی داده های منحصر به فرد (یا فرهنگ لغت یا کتابخانه) و یک مدل داده روشن ، امکان پذیرش و یک اصل و نسب داده روشن را برای کل جریان ریسک ریسک معاملات جلو به عقب فراهم می کند."منابع طلایی" - منابع داده برای یک نوع داده خاص ، به عنوان مرجع در کلیه محاسبات پایین دست در سراسر بانک استفاده می شود - اعتماد به نفس را در اختیار شما قرار می دهد و با اطمینان از اینکه فقط یک نسخه از حقیقت برای هر نوع داده در بانک وجود دارد ، پاسخگویی را ارائه می دهد.(توجه داشته باشید که در صورت استفاده از همان طبقه بندی ها و ساختار داده های یکسان ، می توانند چنین منبع طلایی را تشکیل دهند.) به عنوان مثال ، استفاده از یک منبع داده های بازار برای هر دو ریسک و محاسبات P& L به طور مستقیم نتایج پشتی و انتساب P& L را بهبود می بخشد و می تواند تراز شده را تقویت کنداندازه گیری ، پاک کردن ریسک عملیاتی در آشتی داده ها و افزایش کیفیت و کامل بودن داده ها.

آیا دوست دارید در مورد عمل خطر ما بیشتر بدانید؟

علاوه بر این ، برای انواع داده های خاص و همچنین اجرای کافی در اطراف آن باید یک مدل مالکیت و اشتراک روشن وجود داشته باشد. به عبارت دیگر ، مالکیت به طور معمول در بالادست قرار دارد ، جایی که داده ها ایجاد یا منبع می شوند ، و سیستم های پایین دست و کاربران در منابع طلایی بالادست مشترک هستند.

اثرات ضرب و شتم طبقه بندی های منحصر به فرد و منابع طلایی به سازمان وسیع تر گسترش می یابد. با استاندارد سازی عوامل خطر و حساسیت در سراسر یک شرکت ، مثلاً یا با استفاده جهانی از همان کتابخانه های مدل قیمت گذاری ، بانک ها می توانند با اعتماد به نفس بیشتری حرکت کنند زیرا محصولات جدید را طراحی می کنند یا پایگاه داده های مختلفی را در جستجوی بینش های جدید به هم می پیوندند.

ما نمونه های مختلفی از بانک ها را برای ایجاد منابع طلایی برای داده های بازار و داده های مرجع و همچنین یک کتابخانه مدل قیمت گذاری با صرفه جویی در هزینه قابل توجه و پس انداز سرمایه قابل توجه فراتر از آن مشاهده می کنیم (نمایشگاه 2).

کارآیی: استاندارد سازی ، اتوماسیون و برون سپاری

کارآیی همیشه مورد استقبال قرار می گیرد ، اما به ویژه اکنون با توجه به ظرفیت محاسباتی قابل توجهی بالاتر و نیازهای ذخیره سازی FRTB (مانند افزایش ده برابر تعداد محاسبات بردار P& L و خواسته های گزارش در سطح میز). علاوه بر این ، اگر زیرساخت ها به طور کارآمد کار کنند ، مزایای قوام - "طلایی" منابع - به سرعت از دست می رود. در درجه اول ، این یک تعصب قدرتمند برای استاندارد سازی و اتوماسیون در هر صورت ممکن ایجاد می کند. به عنوان مثال ، بانکها باید طبقه بندی های ریسک و مرجع خود را استاندارد کنند تا بتوانند بدون تمرینات نقشه برداری وقت گیر ، به راحتی از منابع طلایی خود استفاده کنند. استاندارد سازی همچنین ممکن است بدان معنی باشد که بانک ها به مجوزهای فروشنده کمتری و نگهداری کمتری نیاز دارند و می توانند کارکنان و ظرفیت محاسباتی را آزاد کنند. تمیز کردن خودکار داده ها (به طور بالقوه با استفاده از روشهای پیشرفته-تحلیلی و روشهای یادگیری ماشین) و تولید گزارش خودکار ، محرک های اصلی دیگر کارایی هستند ، زیرا آنها به برخی از فعالیت های فشرده منابع می پردازند.

راندمان سازمانی نیز در دسترس است. به عنوان مثال ، فرایندهایی مانند تولید و گزارش دهی و P& L و همچنین توسعه و اعتبار سنجی مدل ها می توانند به مراکز خدمات مشترک و مراکز تعالی منتقل شوند.

کارآیی همچنین از تصدیق این که همه چیز را نمی توان در خانه انجام داد ، ناشی می شود. برون سپاری فرآیندهای مربوطه به عنوان معمول و استفاده از محصولات از فروشندگان ارزش افزوده و به یک بانک کمک می کند تا از درون خود تمرکز کند. این فرآیندها شامل منابع داده و تمیز کردن داده های بازار و مرجع است. جمع آوری داده های معاملات برای NMRF ؛قیمت گذاری و مدل سازی خطر ؛و توسعه ، تولید ، گزارش دهی و اعتبار سنجی مدل ها. کارآیی یک عارضه جانبی مثبت نیست بلکه یک انتخاب طراحی است.

اندازه فرصت

در یک محیط رقابتی و نامشخص ، راندمان سرمایه و صرفه جویی در هزینه به محرک های مهمی برای تقویت ROE تبدیل می شود. هر دو از یک زیرساخت در معرض خطر تجارت استفاده می شوند.

و هر دو ممکن است برای مقابله با کاهش احتمالی ROE به دلیل FRTB لازم باشند. به طور متوسط ، ROE صنعت جهانی در چند سال گذشته در تک رقمی باقی مانده است (8. 6 درصد در سال 2016). ROE از ده بازیکن برتر بازار جهانی سرمایه ، با 9. 7 درصد. برای چند سال آینده ، محدودیت های نظارتی ، که بسیاری از آنها در FRTB تجسم یافته اند ، به احتمال زیاد بر سودآوری فشار می آورند. میانگین ROE در بازار سرمایه در بازار سرمایه ممکن است تا سال 2022 حدود 34 درصد کاهش یابد ، که عمدتاً در نتیجه نیازهای بالاتر سرمایه است (نمایشگاه 3). ما تخمین می زنیم که ، به طور متوسط ، ده بانک برتر بازار سرمایه در هر یک باید 9 میلیارد دلار سرمایه اضافی را رزرو کنند که از این تعداد 4. 5 میلیارد دلار مستقیماً از FRTB نتیجه می گیرد. 5. ما این تخمین را قبل از بانک برای شهرک های بین المللی منتشر کرده ایم که مقاله مشاوره اخیر خود را منتشر کرده است. سود کاهش یافته منجر به عوارض استراتژیک می شود ، نه تنها در توانایی بانک ها برای تأمین مالی رشد آینده. و رشد درآمد در بسیاری از نقاط جهان در حال کند شدن است.

راندمان سرمایه. بررسی مدیریت سرمایه مک کینزی این واقعیت را برجسته می کند که بانک ها ، به ویژه در اروپا ، زمینه قابل توجهی برای بهبود مدیریت ترازنامه های خود دارند. 6 6. Behard Babel ، Daniela Gius ، Roland Schneider ، and Sebastian Schneider ، Survey Management Management Capital McKinsey 2015 ، اکتبر 2015. بانک ها می توانند از سه مجموعه از اهرم های فنی استفاده کنند که به طور مشترک می توانند RWA ها را 10 تا 15 درصد کاهش دهند:

• کیفیت داده ها و زیرساخت ها را بهبود بخشید. مدیریت داده های مؤثر می تواند حتی در رویکرد استاندارد (STA) هزینه های سرمایه را کاهش دهد. به عنوان مثال ، بانک ها می توانند یک مدل داده جامع ، مرتبط و متقاطع را تهیه کنند که موضوعاتی مانند طبقه بندی محصول و تقسیم بندی و نحوه تخصیص موقعیت ها به مدلهای مربوطه ، رویکردها و دسته های ریسک را در نظر می گیرد. آنها می توانند شکاف های موجود در داده ها را شناسایی کرده و آنها را با بررسی در دسترس بودن سری زمانی داده های بازار تاریخی و تهیه همه رتبه های خارجی مربوطه ، آنها را کاهش دهند. در حقیقت ، بهره برداری از طیف گسترده ای از منابع داده های خارجی (مانند مخازن تجاری در حال ظهور و آب و برق صنعت) برای اطمینان از مجموعه داده های جامع مطلوب است. سرانجام ، بانکها می توانند داده های خود را از طریق پراکندگی و پروکسی های متفکرانه برای داده های سخت به دست آورند و اعتبار دهند.
• فرایندها را تقویت کنید. بسیاری از فرآیندهای موجود در محاسبه نیازهای سرمایه - مانند مدیریت محافظت ، توری و وثیقه - می توانند با اطمینان از پوشش کامل و به موقع و استحکام روند ، و همچنین با اجازه انحراف محدود ، افزایش یابد. علاوه بر این ، فرآیند داده درگیر می تواند استاندارد و خودکار شود. مانند راندمان هزینه (که قبلاً ذکر شد) ، این رویکرد می تواند به ضبط راندمان سرمایه کمک کند.
• مدل ها و روش ها را با دقت انتخاب و پارامتر کنید. یکی از اهرم های اصلی برای بهره وری سرمایه (و صحت در ضبط مشخصات ریسک) در حال انتخاب رویکرد داخلی مدل (IMA) است-به ویژه ، برای محصولاتی که مصرف کنندگان سنگین RWA هستند. در واقع ، رویکرد استاندارد اغلب منجر به هزینه های سرمایه محافظه کارانه تر می شود و تجویز بیشتری می شود و انعطاف پذیری کمتری را برای بانک ها برای بهینه سازی بیشتر ارائه می دهد. تجزیه و تحلیل داخلی QIS و بانک ها از تأثیر FRTB نشان می دهد که استفاده از IMA منجر به افزایش 1. 5 بار در RWA های خطر بازار ، در مقابل 2. 5 برای STA می شود. در حالی که چشمگیر است ، این سود کارآیی سرمایه باید در برابر پیچیدگی عملیاتی و هزینه اجرای و حفظ IMA وزن شود. نوسانات بالقوه در سرمایه ناشی از جابجایی از IMA به STA هنگامی که میزهای خاصی از آزمون انتساب P& L شکست می خورند نیز مسئله ای است. به ویژه ، بانک های کوچکتر ممکن است در مورد IMA متفاوت از بانک های بزرگتر تصمیم بگیرند. و آن بانک های بزرگتر ممکن است پرتفوی یا میز را با دقت در نظر بگیرند تا شرط های خود را برای تأیید اولیه IMA قرار دهند - آنها باید برندگان واضح باشند.

بانک ها باید مدل های مورد نیاز FRTB را مانند کمبود مورد انتظار ، هزینه خطر پیش فرض و NMRF ها بسازند و تقویت کنند. همانطور که انجام می دهند ، آنها باید نوع مدل (به عنوان مثال ، انتخاب تجدید ارزیابی کامل یا رویکرد مبتنی بر حساسیت) ، و همچنین پارامترهای اساسی مدل مانند پوشش فاکتور ریسک و فرضیات مربوط به همبستگی و نقدینگی را با دقت در نظر بگیرند.

عوامل خطر منطقه ای از نگرانی ویژه است. FRTB برای نگه داشتن محصولات غیرقانونی و مرتبط با NMRF ، مانند جفت ارزهای عجیب و غریب و نام های اعتباری منفرد کوچک ، یک هزینه سرمایه شیب دار را معرفی می کند. عوامل خطر مانند اینها با فرکانس مشاهده آنها تعریف می شود. NMRF ها کمتر از 24 مشاهده در سال دارند و بیش از 30 روز بین مشاهدات وجود ندارد. NMRFS به تنهایی سرمایه در معرض خطر بازار را 35 درصد افزایش می دهد ، و این نشان می دهد که برای نشان دادن مشاهده عوامل خطر ، ارزش مادی برای بانک ها وجود دارد. علاوه بر تهیه اطلاعات بازار از فروشندگان ، صرافی ها و مخازن تجاری ، بانک ها می توانند با جمع آوری داده های معامله در بین خود - به عنوان مثال ، از طریق یک ابزار صنعتی ، معیار مشاهده را رعایت کنند.

صرفه جویی در هزینه. دستیابی به ROE های دو رقمی همچنین به صرفه جویی در هزینه های ارائه شده توسط یک زیرساخت مدرن بستگی دارد. به طور معمول ، این بین 15 تا 20 درصد از پایه هزینه زیرساخت های فعلی یا 250 میلیون دلار تا 350 میلیون دلار برای متوسط ده بانک برتر بازار سرمایه جهانی است.(چنین کارآیی هایی اضافی برای صرفه جویی در هزینه قابل توجهی است که قبلاً در چند سال گذشته به دست آمده است.) علاوه بر این ، این حرکات صرفه جویی در هزینه با بهینه سازی فرآیند و استاندارد سازی که در ابتدا توضیح داده شده است ، هم افزایی قابل توجهی دارند.

پس انداز هزینه را می توان به سه روش اصلی بدست آورد. با زیرساخت سیستم ها ، که اغلب دارای عناصر تکراری و داده ها هستند ، شروع کنید. بانک ها می توانند انبارهای داده منحصر به فرد را در منابع طلایی متمرکز کنند ، برنامه های تکراری را حذف کنند و محاسبه ریسک جلوی دفتر را "موتورها" محاسبه کنند (و سخت افزار و افرادی که از آنها حمایت می کنند). ما نمونه هایی از بانکها را مشاهده کرده ایم که چشم انداز تکه تکه شده خود را در حدود 40 یا موتورهای ریسک جلوی دفتر در کمتر از پنج و با تأثیر بی نظیری بر پس انداز قرار می دهند.

استاندارد سازی و اتوماسیون ، با کمک های قوی آنها در کارآیی ، در صرفه جویی در هزینه نقش دارند. بنابراین اولویت بندی بهتر فعالیت ها ، مانند سلسله مراتب گزارش های مورد نیاز است. بانک ها همچنین می توانند خروجی های خود را ساده تر کنند. از بین بردن اطلاعات "خوب برای داشتن" گزارش ها را ساده تر می کند. تثبیت گزارش های خطر برای گیرندگان مختلف به یک باعث صرفه جویی در وقت و تلاش می شود. اتوماسیون کار دستی را کاهش می دهد و با کاهش قابل توجه تعداد خطاها ، اثربخشی را بهبود می بخشد.

سوم ، بانک ها می توانند هزینه های خود را متقابل کنند. سیستم عامل های جدید و برنامه های کاربردی صنعت داده های مشترک - برجسته ترین ، داده های بازار و داده های مرجع - را ارائه می دهند و هزینه فعالیت های مشترکی را که همه بانک ها باید انجام دهند کاهش می دهد ، اما این مزیت رقابتی را برای هر چیزی ارائه نمی دهد.

یک بانک بزرگ اروپایی ، که به ویژه از مشکلات مربوط به برنامه های کاربردی تکراری و سردرگمی در بین منابع داده خود مشکل داشت ، اخیراً بیشتر این حرکات سرمایه و صرفه جویی در هزینه را در بازی قرار داده است. این پنج ابتکار عمل را تعریف کرد. در جبهه فناوری ، این بانک تعداد برنامه ها را کاهش داده و تولید برخی از خدمات را به یک سرویس مشترک منتقل می کند. در مورد داده ها ، برای ساخت منابع طلایی کار می کرد. در ریسک و امور مالی ، حاکمیت را تراز کرد و کارهای فنی انجام داد تا گزارش های P& L و ریسک را در تراز قرار دهد. این فرآیندهای آن را ساده کرد. سرانجام ، این بانک از مدیریت تقاضا برای کاهش هزینه توسعه جدید (به عنوان مثال ، با درخواست کاربران برای اولویت بندی عملکردهای جدید در برنامه های ریسک) و هزینه های مربوط به کار روزانه سیستم ها (کاهش شکستگی های روزانه ، به عنوان مثال و مرتبط ، استفاده کرد. هزینه پشتیبانی و نگهداری). هزینه ها بیش از 10 درصد کاهش یافت. تحویل نظارتی سریعتر شد. و صحت اطلاعات بهبود یافته است.

ساخت زیرساخت های جدید

البته انجام این اقدامات چالش برانگیز است - و با کمبود بودجه اجرای و منابع دیگر در بانکهایی که در ایجاد سود مشکل دارند ، سخت تر می شود. با این وجود ، با دیدن چندین بانک با موفقیت در حال توسعه و اجرای برنامه هایی برای بازسازی زیرساخت ها ، ما پنج عمل مهم برای موفقیت آنها را شناسایی کردیم.

اولویت بندی خوب

در یک بانک بزرگ ، هزینه های اجرای که شامل بخش های قابل توجهی از این تغییرات زیرساخت ها است ، احتمالاً 100 میلیون دلار تا 200 میلیون دلار هزینه خواهد داشت. در عین حال ، بانک ها به سرعت پس انداز سرمایه و هزینه های عملیاتی را شروع می کنند. با دقت وزن این مزایا و هزینه ها برای هر کلاس دارایی ، جغرافیا و گروه میزهای تجاری یک اهرم اصلی برای مدیریت دامنه ، پیچیدگی و هزینه اجرای آن است.

نظارت ارشد را ایجاد کنید

بانک های پیشرو ، کمیته حاکمیتی را به طور خاص برای زیرساخت های بازار سرمایه به عقب ایجاد کرده اند. این کمیته مسئولیت نظارت اصلی خود را با طراحی زیرساخت های استراتژیک ، تشریح و نظارت بر نقشه راه تحول ، نظارت بر پیشرفت های انجام شده در پروژه های زیرساخت های ایجاد اطلاعات و حل هرگونه مسائلی که ممکن است ناشی از الزامات متناقض باشد ، انجام می دهد. به طور معمول ، چنین کمیته ای شامل مقامات ارشد بازارهای سرمایه ، ریسک اعتباری بازار/معامله شده و امور مالی است. مدیران ارشد جمع آوری داده های ریسک و گزارش ریسک ؛و دیگران در صورت لزوم.

سوء استفاده از هم افزایی با برنامه های در حال انجام

برنامه های تجاری و نظارتی که در حال انجام است ممکن است اهداف مختلفی داشته باشند اما اغلب به همان زیرساخت ها لمس می کنند. یک مثال می تواند برنامه ای برای توسعه پیش بینی های ضرر شوک بازار جهانی (GMS) باشد ، همانطور که در مورد تجزیه و تحلیل جامع سرمایه و بررسی (CCAR) لازم است. سایر برنامه های نظارتی شامل بررسی هدفمند مدل های داخلی (TRIM) ، آزمون استرس اداره بانکی اروپا (EBA) ، بازارهای دستورالعمل ابزارهای مالی 2 (MIFID 2) برای بانک های اروپایی ، دستورالعمل های مربوط به نرخ بهره در کتاب بانکی(IRRBB) ، رویکرد استاندارد برای اندازه گیری قرار گرفتن در معرض ریسک اعتباری طرف مقابل (SA-CCR) و IFRS 9.

بانک ها معمولاً با قرار دادن حلقه های تراز و بازخورد یا برنامه های کارکنان با همان همکاران ، سعی می کنند این همپوشانی ها را مدیریت کنند. در سازمان های بزرگ ، این امر بسیار دشوار می شود ، به ویژه هنگامی که برنامه ها توسط بخش های مختلف راه اندازی می شوند یا در جغرافیای مختلف واقع می شوند. بانکها باید در جستجوی هم افزایی بین FRTB و سایر برنامه های نظارتی در حال انجام باشند و از این هم افزایی ها در حرکت به سمت یک زیرساخت متمرکزتر (از جمله منابع داده طلایی ، API به موتورهای محاسبه کلیدی و غیره) بهره برداری کنند. در تجربه ما ، یک رویکرد تولیدی نسبت به یک بستر متمرکز تر برای ریسک معامله شده با برنامه هایی که همپوشانی قابل توجهی انتظار می رود ، مانند FRTB و CCAR GMS (نمایشگاه 4) شروع می شود. با اتصال نزدیک به زیرساخت ها برای مطابقت با برنامه های نظارتی بزرگ ، بانک ها می توانند مزایای کارآیی قابل توجهی را بدست آورند.

تجدید نظر در ساخت یا گزینه های خرید

در پاسخ به FRTB ، فروشندگان پلتفرم و داده ها شروع به ارائه راه حل های زیرساختی و همچنین مؤلفه هایی مانند موتورهای ریسک جلوی دفتر ، سیستم های جمع آوری و گزارش دهی و سیستم عامل های مدیریت داده می کنند. با وجود طیف گسترده ای از راه حل های موجود در دسترس تجاری ، بانک ها در موقعیتی راحت برای بررسی معاملات خرید یا ساخت خود قرار دارند. آنها سپس می توانند تلاش های اجرای خود را بر روی مناطقی که راه حل های داخلی برای اطمینان از انعطاف پذیری یا سایر خصوصیات مورد نظر مورد نیاز هستند ، متمرکز کنند. بسیاری از بانک ها هنوز فکر می کنند که بخش خاصی از زیرساخت ها به آنها مزیت رقابتی می بخشد. اما با توجه به اینکه خطر به طور فزاینده ای استاندارد می شود ، این استدلال کمتر معنی دارد و گزینه خرید جذاب تر می شود.

استعداد امن

با توجه به کتاب نظارتی گسترده کار در بسیاری از بانک ها ، افراد دارای توانایی های مربوطه تقاضای زیادی دارند: همه به دنبال متخصصان آنالیز ماهر ، مهندسان داده ها و توسعه دهندگان فناوری اطلاعات و مدیران برنامه آگاه هستند. یک راه حل این است که چنین افرادی را به طور مکرر در سراسر بانک بچرخانید. مورد دیگر فراهم کردن فضایی الهام بخش برای جذب و حفظ آن استعداد است. اما رویکردهای خلاقانه تری برای مدیریت استعداد وجود دارد: همکاری با FinTechs و سایر فروشندگان ممکن است یکی باشد. دیگری می تواند همکاری در این بانک باشد (به عنوان مثال ، با ساختن مراکز مشترک-تحلیلی پیشرفته یا داده های آنالیز داده). بانکها باید با پیوستن به جوامعی که استعدادهای دیجیتال در آن زندگی می کنند ، مانند کنفرانس ها و انجمن های توسعه دهنده آنلاین ، مسائل را از بین ببرند. به این ترتیب ، بانک ها خود را درست در مقابل استعدادهای استعدادی قرار می دهند و می توانند مردم را به سمت مشاغل قانع کننده در فناوری با خطر بانکی جذب کنند.

زمان راهی برای دزدیدن ما دارد. همانطور که اخیراً یکی از رهبران ریسک گفت ، "FRTB ما را وادار می کند تا خانه داری را که باید سالها پیش انجام می دادیم انجام دهیم."هر بانک باید پیام را به قلب خود ببرد و صبر نکند تا مهلت بعدی دور شود.