LSEG ha ampliado su mercado de Modelos como Servicio (Models-as-a-Service) añadiendo Open Risk Analytics desde su división de Post Trade Solutions, ofreciendo a bancos, fondos de cobertura, gestores de activos y equipos de tesorería analíticas de riesgo multiactivo accesibles a través de la Analytics API de LSEG. El servicio permite cálculos a nivel de cartera sobre tipos de interés, FX, inflación, materias primas y renta variable, a la vez que admite entornos compatibles con IA, incluidos Visual Studio Code, JupyterLab, Model Context Protocol e integraciones con Microsoft Copilot.
Los cambios en la infraestructura de riesgo se orientan a modelos de servicio
Las grandes instituciones financieras históricamente han operado sistemas de riesgo gestionados internamente, construidos mediante combinaciones de infraestructura propietaria, software de proveedores y entornos de analítica personalizados. Estos sistemas a menudo se volvieron caros desde el punto de vista operativo, fragmentados entre clases de activos y difíciles de escalar de manera eficiente.
La expansión de LSEG aborda esta transición al ofrecer analíticas de riesgo como servicios alojados externamente, accesibles mediante APIs y flujos de trabajo cloud-native. El entorno alojado brinda a las firmas acceso a cálculos que incluyen Value at Risk, Potential Future Exposure, Credit Valuation Adjustment, pruebas de estrés, P&L Explain, análisis de sensibilidad y modelado de flujos de caja, sin necesidad de mantener internamente toda la pila analítica.
Aysegul Erdem, directora de Modelling Solutions en LSEG, afirmó: “Este hito incorpora las Risk Analytics de Post Trade Solutions a LSEG MaaS como parte de una visión más amplia para ofrecer analíticas multiactivo a escala”. Erdem señaló que integrar las analíticas en flujos de trabajo impulsados por IA podría ayudar a las firmas a automatizar procesos tradicionales de riesgo mientras se mejora la eficiencia y la generación de información sobre la cartera.
La integración de IA como tema central de infraestructura
El aspecto estratégicamente importante del despliegue implica integrar analíticas de riesgo en flujos de trabajo asistidos por IA. Las instituciones financieras experimentan cada vez más con sistemas de IA capaces de resumir exposiciones, interpretar escenarios de mercado, automatizar procesos de flujo de trabajo y generar análisis de cartera de forma dinámica.
Al exponer los modelos de riesgo mediante APIs compatibles con herramientas de desarrollo e integraciones con IA, LSEG sitúa su infraestructura de analíticas dentro de la transformación de IA más amplia que se está llevando a cabo en los servicios financieros. La referencia a Microsoft Copilot y a estándares abiertos de flujos de trabajo refleja cómo los proveedores de infraestructura diseñan cada vez más productos orientados a la interoperabilidad con sistemas externos de IA, en lugar de interfaces propietarias aisladas.
Este cambio importa porque el software financiero empresarial evoluciona cada vez más hacia entornos componibles donde las analíticas, herramientas de IA, capas de datos y sistemas operativos interactúan dinámicamente mediante APIs. Por tanto, las analíticas de riesgo se convierten en servicios legibles por máquina integrados en entornos de automatización más amplios, en lugar de informes estáticos generados periódicamente por equipos de riesgo.
La accesibilidad a analíticas en tiempo real o casi en tiempo real puede afectar materialmente la forma en que las firmas monitorean la exposición a contrapartes, los requisitos de margen, los riesgos de liquidez y la sensibilidad de la cartera durante mercados volátiles.
Complejidad de la gestión del riesgo de cartera
Las instituciones operan cada vez más a través de carteras multiactivo que abarcan derivados listados, productos OTC, FX, materias primas, renta variable y instrumentos de renta fija, mientras enfrentan simultáneamente expectativas regulatorias más estrictas en torno a pruebas de estrés, gestión de colateral e informes de exposición.
Value at Risk sigue siendo una de las herramientas principales que usan las instituciones para estimar pérdidas potenciales de la cartera bajo condiciones normales de mercado. Las pruebas de estrés evalúan la resiliencia de la cartera ante escenarios extremos, mientras que Credit Valuation Adjustment mide la exposición crediticia de contrapartes incluida en posiciones de derivados. Las analíticas de P&L Explain ayudan a las firmas a descomponer las ganancias y pérdidas de la cartera en factores de riesgo subyacentes y movimientos del mercado.
Stuart Smith, director de Post Trade Solutions en LSEG, comentó: “Las analíticas de riesgo solo crean valor cuando las firmas pueden operacionalizarlas”. Smith recalcó que la entrega alojada, los datos de mercado curados y los modelos transparentes permiten a las firmas ejecutar cálculos a nivel de cartera y análisis de exposición a escala.
Muchas firmas poseen grandes cantidades de datos de riesgo, pero aun así les cuesta integrar analíticas de manera eficiente en la toma de decisiones operativa en tiempo real, lo que refleja un desafío más amplio dentro de las finanzas institucionales.
Expansión de la infraestructura Post-Trade
El despliegue refuerza la estrategia más amplia de infraestructura post-trade de LSEG. La compañía dijo que el servicio admite a más de 3.000 firmas a través de flujos de trabajo vinculados a la gestión de colateral, el procesamiento de margen, el riesgo de contrapartes y las operaciones de derivados OTC.
La infraestructura post-trade se volvió estratégicamente importante a medida que la regulación de derivados, los mandatos de compensación central y los requisitos de colateral se expandieron globalmente tras la crisis financiera. Ahora, las instituciones enfrentan grandes cargas operativas en torno a la conciliación de operaciones, la optimización de márgenes, los flujos de liquidación y el reporte regulatorio.
Proveedores de infraestructura como LSEG se posicionan cada vez más como plataformas centralizadas capaces de estandarizar esos procesos operativos en grandes ecosistemas financieros. La incorporación de analíticas de riesgo escalables fortalece ese posicionamiento porque la gestión del riesgo y los flujos de colateral operan cada vez más juntos dentro de la infraestructura institucional de derivados.
El movimiento refleja la consolidación más amplia dentro de la infraestructura de mercados financieros, donde las bolsas, operadores de compensación, empresas de datos de mercado y proveedores de analíticas fusionan cada vez más capas operativas en ecosistemas empresariales integrados. La combinación de LSEG de datos de mercado, APIs de analíticas, infraestructura post-trade y flujos de trabajo compatibles con IA muestra cómo los proveedores de infraestructura financiera compiten cada vez más por la profundidad del ecosistema, en lugar de por productos independientes.
Preguntas frecuentes
¿Qué analíticas de riesgo específicas ofrece el servicio ampliado de LSEG?
La oferta de Models-as-a-Service de LSEG incluye Value at Risk, Potential Future Exposure, Credit Valuation Adjustment, pruebas de estrés, P&L Explain, análisis de sensibilidad y modelado de flujos de caja. Estos cálculos cubren carteras multiactivo que abarcan tipos de interés, FX, inflación, materias primas y renta variable.
¿Qué entornos de desarrollo admite el servicio?
Los modelos alojados operan a través de Visual Studio Code y JupyterLab mientras también admiten flujos de trabajo habilitados para IA mediante Model Context Protocol e integraciones con herramientas, incluidas Microsoft Copilot.
¿Cuántas instituciones financieras usan actualmente la infraestructura post-trade de LSEG?
Según LSEG, el servicio admite a más de 3.000 firmas mediante flujos de trabajo vinculados a la gestión de colateral, el procesamiento de margen, el riesgo de contrapartes y las operaciones de derivados OTC.
¿Por qué es importante la accesibilidad a analíticas en tiempo real para la gestión del riesgo?
La accesibilidad a analíticas en tiempo real o casi en tiempo real puede afectar materialmente cómo las firmas monitorean la exposición a contrapartes, los requisitos de margen, los riesgos de liquidez y la sensibilidad de la cartera durante mercados volátiles, permitiendo una toma de decisiones operativas más rápida.
