金融行业动态
发布时间：2018-05-22
内容转载自：GARP协会，作者：Andrew Gray
由于大量外部动力正在改变金融体系的各个部分，因此风险管理人员现在面临着比以往任何时候都更加复杂和不可预测的环境。
随着全球市场与市场参与者之间的相互联系日益深入，来自更广泛来源的新威胁正在涌现，引发了风险管理职能的发展和扩大。
行业正在采取多种方式应对这些挑战，包括采取更全面的方法来管理风险，将风险管理体系应用于风险管理，并将重点放在复原力上，以确保市场和公司能够快速吸收和反弹破坏性事件。
在这些领域发展能力需要更新的概念框架以及对人员，流程和技术的重大投资。除此之外，许多风险部门已经开始探索金融科技如何支持这些目标。
这项工作的核心是关注如何采用数据驱动的方式来管理风险，并利用新的创新来更有效地识别，减轻和应对当今企业面临的广泛风险。
利用企业数据
由于近年来风险管理职能扩展到包括系统性风险，技术和信息安全风险，物理安全风险，业务连续性管理和供应商风险，企业已经开始在整个企业范围内全面管理风险，并深入了解各种风险企业面临的风险是相互关联的。
这种理解和管理风险的新方法使企业数据管理比以往任何时候都更加关键。
在整个行业中，企业开始考虑建立数据湖以捕获，存储和分析跨学科的大量定性和定量结构化和非结构化数据。这一点很重要，因为它可以让风险管理者全面了解部门或业务部门内部和部门之间的风险，并使他们能够了解风险家族之间的关系。
除了这些努力之外，高速计算正在帮助企业更加频繁地测量风险，以应对市场动态的快速变化。随着存储成本的降低和云技术的采用越来越多，企业现在可以维护大量的数据，可以根据需要进行挖掘，以便对趋势和其他见解进行更深入的分析。
应用全系统方法
鉴于金融市场的相互关联性以及金融体系的复杂性和适应性行为，公司也在考虑超出其机构范围的风险。
但是，由于传统的风险管理工具可能无法预测这种新环境中的行为，因此需要新的技术和资源来理解和减轻风险，特别是在涉及到极端且不可预测但看似合理的风险时。
该行业越来越多地利用场景分析和压力测试来达到这些目的，因为它们超越了常见的风险因素，包括运营和技术事件的潜力。
此外，还有可能使用网络分析，基于代理的建模和其他技术来了解复杂的网络。最近，一些监管机构表示，这些工具可能能够更好地识别，模拟和分析金融系统中的数据。
存储在整个企业中的定量和定性数据不仅对于理解当前的风险至关重要，而且对于前瞻性分析也是有用的输入。
此外，如果数据来源于网络的所有部分，这些分析功能更强大，这加强了对空间中所有参与者更好的信息共享以及共同数据分类和标准的需求。
例如，在网络安全领域，业界正在这些领域取得良好进展，全行业针对网络攻击情景，更好的信息共享以及制定协议来支持威胁情报分发。
建立韧性
随着行业面临更多样化和不可预测的风险，中断变得不可避免。因此，公司需要做的不仅仅是识别和管理风险。他们还必须建立韧性以尽可能有效地检测和恢复中断。
今天的风险管理方法需要正确的文化，思维方式，技能集和学习过程。例如，在DTCC，所有员工都被赋予风险管理者的权力，并成为我们保护组织的第一道防线。
技术还可以在建立韧性方面发挥关键作用。特别是大数据分析和人工智能提供了各种好处，可以帮助组织更有效地处理数据。
例如，机器学习可以让分析人员查看运营数据和事件数据，以辨别趋势和模式，这些趋势和模式可能是未来中断的指标，并可能阻止它们实现。还可以利用模型来确定压力事件所需的财务资源，并根据市场环境变化使用无监督学习技术实时自动纠正能力。
连接所有这些新技术将使我们能够创建一个架构来支持我们所说的“智能弹性”。其基础是一个数据湖，由结构化和非结构化数据组成，能够捕捉风险的各个方面，根据强大的企业数据管理原则构建，并能够从更广泛的网络中获取数据。
数据中心可以由扩展企业访问和共享，从而可以让用户实时监控风险。用于场景和复杂系统分析以及机器学习算法的扩展的相关分析工具可用于生成洞察，自动更新风险管理模型，以确定保护其机构以及更广泛的金融网络所需资源的大小。
金融科技具有很大的潜力，可以帮助建立反映当今危机后现实的风险管理框架，专注于庞大的适应性系统，并解释相互关联的全球市场的复杂性。
随着行业不断加强风险管理实践以应对快速变化的环境，企业必须应用广泛的全系统风险视图，在其框架中构建智能弹性，并不断评估技术如何提高其能力。
Andrew Grey是存管信托和清算公司集团首席风险官的董事总经理。
注：上述文章内容，仅代表作者(Andrew Gray)自己的观点。本站点仅做转载，并不视为认同其意见。内容由Google翻译。
本文由中国FRM考试网(www.frm.cn)整理编写，采编自：GARP协会。版权归原作者所有。如有侵权请联系删除。本文仅供参考、交流之目的。
复制本文链接
模拟题库
214
