LSEG telah memperluas marketplace Models-as-a-Service dengan menambahkan Open Risk Analytics dari divisi Post Trade Solutions, menyediakan bank, hedge fund, asset manager, dan tim treasury dengan analitik risiko multi-aset yang dapat diakses melalui LSEG’s Analytics API. Layanan ini memungkinkan perhitungan level portofolio untuk suku bunga, FX, inflasi, komoditas, dan saham, sekaligus mendukung lingkungan yang kompatibel dengan AI, termasuk Visual Studio Code, JupyterLab, Model Context Protocol, serta integrasi dengan Microsoft Copilot.
Pergeseran Infrastruktur Risiko ke Model Layanan
Institusi keuangan besar sebelumnya biasanya mengoperasikan sistem risiko yang dikelola secara internal, dibangun melalui kombinasi infrastruktur milik sendiri, perangkat lunak vendor, dan lingkungan analitik kustom. Sistem-sistem ini sering kali menjadi mahal secara operasional, terpecah antar kelas aset, dan sulit diskalakan secara efisien.
Ekspansi LSEG menanggapi transisi ini dengan menyediakan analitik risiko sebagai layanan yang di-host secara eksternal dan dapat diakses lewat API serta alur kerja cloud-native. Lingkungan yang di-host memberi perusahaan akses ke perhitungan termasuk Value at Risk, Potential Future Exposure, Credit Valuation Adjustment, stress testing, P&L Explain, analisis sensitivitas, dan pemodelan cashflow tanpa harus memelihara seluruh tumpukan analitik secara internal.
Aysegul Erdem, Head of Modelling Solutions di LSEG, menyatakan: “Tonggak ini membawa Risk Analytics dari Post Trade Solutions kami ke LSEG MaaS sebagai bagian dari visi yang lebih luas untuk menghadirkan analitik multi-aset dalam skala.” Erdem menambahkan bahwa mengintegrasikan analitik ke dalam alur kerja yang didorong AI dapat membantu perusahaan mengotomatiskan proses risiko tradisional sekaligus meningkatkan efisiensi dan menghasilkan wawasan portofolio.
Integrasi AI sebagai Tema Infrastruktur Inti
Aspek yang secara strategis penting dari peluncuran ini melibatkan integrasi analitik risiko ke dalam alur kerja berbantuan AI. Institusi keuangan semakin sering bereksperimen dengan sistem AI yang mampu merangkum eksposur, menginterpretasikan skenario pasar, mengotomatiskan proses alur kerja, dan menghasilkan analisis portofolio secara dinamis.
Dengan mengekspos model risiko melalui API yang kompatibel dengan alat pengembangan dan integrasi AI, LSEG menempatkan infrastruktur analitiknya dalam transformasi AI yang lebih luas yang sedang berlangsung di layanan keuangan. Referensi pada Microsoft Copilot dan standar alur kerja terbuka mencerminkan bagaimana penyedia infrastruktur kian merancang produk dengan berfokus pada interoperabilitas dengan sistem AI eksternal, bukan antarmuka milik sendiri yang terisolasi.
Perubahan ini penting karena perangkat lunak keuangan perusahaan semakin berkembang menjadi lingkungan yang dapat disusun (composable), di mana analitik, alat AI, lapisan data, dan sistem operasional berinteraksi secara dinamis melalui API. Analitik risiko karenanya menjadi layanan yang dapat dibaca mesin, terintegrasi ke dalam lingkungan otomasi yang lebih luas, bukan laporan statis yang dihasilkan berkala oleh tim risiko.
Aksesibilitas analitik real-time atau hampir real-time dapat secara nyata memengaruhi cara perusahaan memantau eksposur pihak lawan, kebutuhan margin, risiko likuiditas, dan sensitivitas portofolio selama pasar yang volatil.
Kompleksitas Manajemen Risiko Portofolio
Institusi kini beroperasi di portofolio multi-aset yang mencakup derivatif terdaftar, produk OTC, FX, komoditas, saham, dan instrumen pendapatan tetap, sambil menghadapi ekspektasi regulasi yang lebih ketat terkait stress testing, manajemen agunan, serta pelaporan eksposur.
Value at Risk tetap menjadi salah satu alat utama yang digunakan institusi untuk mengestimasi potensi kerugian portofolio dalam kondisi pasar normal. Stress testing menilai ketahanan portofolio di bawah skenario ekstrem, sementara Credit Valuation Adjustment mengukur eksposur kredit pihak lawan yang tertanam dalam posisi derivatif. Analitik P&L Explain membantu perusahaan menguraikan keuntungan dan kerugian portofolio ke faktor risiko yang mendasarinya serta pergerakan pasar.
Stuart Smith, Director of Post Trade Solutions di LSEG, berkomentar: “Analitik risiko hanya menciptakan nilai ketika perusahaan dapat mengoperasionalkannya.” Smith menekankan bahwa pengiriman yang di-host, data pasar terkurasi, dan model yang transparan memungkinkan perusahaan menjalankan perhitungan level portofolio dan analisis eksposur dalam skala.
Banyak perusahaan memiliki jumlah besar data risiko, tetapi masih kesulitan mengintegrasikan analitik secara efisien ke dalam pengambilan keputusan operasional real-time, mencerminkan tantangan yang lebih besar dalam keuangan institusional.
Perluasan Infrastruktur Post-Trade
Peluncuran ini memperkuat strategi infrastruktur post-trade LSEG yang lebih luas. Perusahaan mengatakan layanan ini mendukung lebih dari 3.000 perusahaan melalui alur kerja yang terkait dengan manajemen agunan, pemrosesan margin, risiko pihak lawan, dan operasi derivatif OTC.
Infrastruktur post-trade menjadi penting secara strategis karena regulasi derivatif, mandat central clearing, dan kebutuhan agunan berkembang secara global setelah krisis keuangan. Institusi kini menghadapi beban operasional besar terkait rekonsiliasi transaksi, optimasi margin, alur kerja penyelesaian (settlement), dan pelaporan regulatori.
Penyedia infrastruktur seperti LSEG kian memposisikan diri sebagai platform terpusat yang mampu menstandardisasi proses operasional tersebut di seluruh ekosistem keuangan yang besar. Penambahan analitik risiko yang dapat diskalakan memperkuat posisi ini karena manajemen risiko dan alur kerja agunan semakin beroperasi bersama di dalam infrastruktur derivatif institusional.
Langkah ini mencerminkan konsolidasi yang lebih luas di dalam infrastruktur pasar keuangan, di mana bursa, operator kliring, perusahaan data pasar, dan penyedia analitik semakin menggabungkan lapisan operasional menjadi ekosistem perusahaan yang terintegrasi. Kombinasi LSEG antara data pasar, API analitik, infrastruktur post-trade, dan alur kerja yang kompatibel dengan AI menunjukkan bagaimana penyedia infrastruktur keuangan kian bersaing berdasarkan kedalaman ekosistem, bukan produk yang berdiri sendiri.
FAQ
Analitik risiko spesifik apa yang disediakan oleh layanan LSEG yang diperluas?
Penawaran LSEG Models-as-a-Service mencakup Value at Risk, Potential Future Exposure, Credit Valuation Adjustment, stress testing, P&L Explain, analisis sensitivitas, dan pemodelan cashflow. Perhitungan ini mencakup portofolio multi-aset yang meliputi suku bunga, FX, inflasi, komoditas, dan saham.
Lingkungan pengembangan apa yang didukung layanan ini?
Model yang di-host beroperasi melalui Visual Studio Code dan JupyterLab, sekaligus mendukung alur kerja berbasis AI melalui Model Context Protocol dan integrasi dengan alat termasuk Microsoft Copilot.
Berapa banyak institusi keuangan yang saat ini menggunakan infrastruktur post-trade LSEG?
Menurut LSEG, layanan ini mendukung lebih dari 3.000 perusahaan melalui alur kerja yang terkait dengan manajemen agunan, pemrosesan margin, risiko pihak lawan, dan operasi derivatif OTC.
Mengapa aksesibilitas analitik real-time penting untuk manajemen risiko?
Aksesibilitas analitik real-time atau hampir real-time dapat secara nyata memengaruhi cara perusahaan memantau eksposur pihak lawan, kebutuhan margin, risiko likuiditas, dan sensitivitas portofolio selama pasar yang volatil, memungkinkan pengambilan keputusan operasional yang lebih cepat.
