LSEG розширила маркетплейс Models-as-a-Service, додавши Open Risk Analytics зі свого підрозділу Post Trade Solutions. Це дає банкам, хедж-фондам, керуючим активами та казначейським командам багатокласову аналітику ризиків, доступну через Analytics API LSEG. Послуга забезпечує розрахунки на рівні портфеля для процентних ставок, FX, інфляції, товарів і акцій, а також підтримує середовища, сумісні з AI, зокрема Visual Studio Code, JupyterLab, Model Context Protocol та інтеграціями з Microsoft Copilot.
Зміщення ризикової інфраструктури в бік сервісних моделей
Великі фінансові установи історично працювали з внутрішньо керованими системами ризиків, що будувалися через комбінацію власної інфраструктури, програмного забезпечення вендорів і кастомних аналітичних середовищ. Такі системи часто ставали операційно дорогими, фрагментувалися за класами активів і було важко масштабувати їх ефективно.
Розширення LSEG вирішує цей перехід, пропонуючи аналітику ризиків як зовні розміщені сервіси, доступні через API та хмарні workflow. Розміщене середовище дає компаніям змогу виконувати розрахунки, зокрема Value at Risk, Potential Future Exposure, Credit Valuation Adjustment, стрес-тестування, P&L Explain, аналіз чутливості та моделювання cashflow, не підтримуючи весь аналітичний стек у себе.
Айзегуль Ердем, керівниця Modelling Solutions у LSEG, заявила: «Ця віхa переносить нашу Risk Analytics із Post Trade Solutions у LSEG MaaS у межах ширшого бачення — масштабно надавати багатокласову аналітику». Ердем зазначила, що інтеграція аналітики в workflow, керовані AI, може допомогти компаніям автоматизувати традиційні процеси ризик-менеджменту та водночас підвищити ефективність і якість формування аналітичного бачення по портфелю.
Інтеграція AI як ключова тема інфраструктури
Стратегічно важливий аспект запуску — інтеграція аналітики ризиків у workflow, що підтримують AI. Фінансові установи дедалі частіше тестують AI-системи, здатні підсумовувати експозиції, інтерпретувати сценарії ринку, автоматизувати процеси workflow та генерувати портфельну аналітику динамічно.
Розкриваючи ризикові моделі через API, сумісні з інструментами розробки та AI-інтеграціями, LSEG розміщує свою аналітичну інфраструктуру в ширшій трансформації під AI, що триває в межах фінансових сервісів. Згадка Microsoft Copilot і відкритих стандартів workflow відображає те, як постачальники інфраструктури дедалі частіше проєктують продукти з акцентом на взаємодію з зовнішніми AI-системами, а не на ізольовані пропрієтарні інтерфейси.
Цей зсув важливий, оскільки корпоративне фінансове програмне забезпечення дедалі більше еволюціонує в бік компонуємих середовищ, де аналітика, AI-інструменти, шари даних і операційні системи динамічно взаємодіють через API. Тому аналітика ризиків стає сервісами, придатними для машинного читання, які вбудовуються в ширші середовища автоматизації, а не статичними звітами, що періодично генеруються командами ризиків.
Доступність аналітики в реальному часі або близькому до нього часовому режимі може суттєво вплинути на те, як компанії відстежують експозицію контрагентів, маржинальні вимоги, ризики ліквідності та чутливість портфеля під час волатильних ринків.
Складність управління ризиками портфеля
Установи дедалі частіше працюють із багатокласовими портфелями, що охоплюють біржові деривативи, OTC-продукти, FX, товари, акції та інструменти з фіксованим доходом, одночасно стикаючись із жорсткішими регуляторними очікуваннями щодо стрес-тестування, управління забезпеченням (collateral) і звітування про експозиції.
Value at Risk лишається одним із основних інструментів, якими установи оцінюють потенційні втрати портфеля за нормальних умов ринку. Стрес-тестування оцінює стійкість портфеля в екстремальних сценаріях, тоді як Credit Valuation Adjustment вимірює кредитну експозицію контрагента, вбудовану в позиції деривативів. Аналітика P&L Explain допомагає компаніям розкладати прибутки й збитки портфеля на базові фактори ризику та рухи ринку.
Стюарт Сміт, директор Post Trade Solutions у LSEG, прокоментував: «Аналітика ризиків створює цінність лише тоді, коли компанії можуть операціоналізувати її». Сміт підкреслив, що розміщена доставка, відібрані ринкові дані та прозорі моделі дозволяють компаніям запускати розрахунки на рівні портфеля й аналіз експозицій у масштабі.
Багато компаній мають великі обсяги даних про ризики, але все ще стикаються з труднощами інтегрувати аналітику ефективно в реальні операційні рішення в режимі близькому до реального часу — що відображає ширший виклик у інституційних фінансах.
Розширення post-trade інфраструктури
Запуск посилює ширшу стратегію LSEG у сфері post-trade інфраструктури. Компанія заявила, що сервіс підтримує понад 3,000 фірм через workflow, пов’язані з управлінням забезпеченням, обробкою маржі, ризиком контрагентів і операціями з OTC-деривативами.
Post-trade інфраструктура стала стратегічно важливою після фінансової кризи, коли в усьому світі розширилися регулювання для деривативів, мандати на центральне клірингування та вимоги до забезпечення. Тепер установи мають великі операційні навантаження щодо узгодження угод (trade reconciliation), оптимізації маржі, клірингових workflow та регуляторної звітності.
Такі постачальники інфраструктури, як LSEG, дедалі частіше позиціонують себе як централізовані платформи, здатні стандартизувати ці операційні процеси в межах великих фінансових екосистем. Додавання масштабованої аналітики ризиків посилює цю позицію, адже управління ризиками та workflow з collateral дедалі частіше працюють разом усередині інституційної деривативної інфраструктури.
Зміна відображає ширшу консолідацію в інфраструктурі фінансових ринків, де біржі, клірингові оператори, постачальники ринкових даних і аналітичні провайдери дедалі частіше об’єднують операційні рівні в інтегровані корпоративні екосистеми. Поєднання LSEG ринкових даних, аналітичних API, post-trade інфраструктури та workflow, сумісних із AI, показує, як постачальники фінансової інфраструктури дедалі частіше змагаються глибиною екосистеми, а не окремими продуктами.
FAQ
Яку саме аналітику ризиків надає розширений сервіс LSEG?
Пропозиція LSEG Models-as-a-Service включає Value at Risk, Potential Future Exposure, Credit Valuation Adjustment, стрес-тестування, P&L Explain, аналіз чутливості та моделювання cashflow. Ці розрахунки охоплюють багатокласові портфелі для процентних ставок, FX, інфляції, товарів і акцій.
Які середовища розробки підтримує сервіс?
Розміщені моделі працюють через Visual Studio Code і JupyterLab, а також підтримують workflow, увімкнені AI, через Model Context Protocol та інтеграції з інструментами, зокрема Microsoft Copilot.
Скільки фінансових установ наразі використовують post-trade інфраструктуру LSEG?
Згідно з LSEG, сервіс підтримує понад 3,000 фірм через workflow, пов’язані з управлінням забезпеченням, обробкою маржі, ризиком контрагентів і операціями з OTC-деривативами.
Чому важливий доступ до аналітики в реальному часі для управління ризиками?
Доступність аналітики в реальному часі або близькому до нього режимі може суттєво вплинути на те, як компанії відстежують експозицію контрагентів, маржинальні вимоги, ризики ліквідності та чутливість портфеля під час волатильних ринків, забезпечуючи швидше ухвалення операційних рішень.
