构建现代金融风险管理平台bob体育客户端下载

本博客是与Databricks合作伙伴Avanade合作撰写的。特别感谢Avanade首席技术官Dael Williamson的贡献。

如今，金融机构仍在努力应对其业务面临的新风险和威胁。风险管理在过去几年中，尤其是在银行业内部，其复杂性有所增加。

首先，引入了新的框架(如FRTB)，这些框架可能需要强大的计算能力和分析多年历史数据的能力。其次，监管机构要求他们监管的银行提高透明度和解释性。最后，新技术和商业模式的引入意味着对健全风险治理的需求空前高涨。然而，银行业有效满足这些需求的能力并不是一件容易的事情。

敏捷的风险管理方法

依靠内部基础设施的传统银行已无法有效管理风险。银行必须放弃传统技术的低计算效率构建一个敏捷的现代风险管理实践能够快速响应市场和经济波动使用数据和先进的分析。

我们与客户的合作表明，随着新的威胁(比如过去十年的金融危机)的出现，历史数据和汇总风险模型很快就失去了预测价值。幸运的是，今天的现代化是基于由云原生大数据基础设施支持的开源技术实现的，这些技术为金融风险分析和管理带来了灵活和前瞻性的方法。

传统的数据集限制了透明度和可靠性

风险分析师必须使用替代数据集来补充传统数据，以探索大规模和实时识别和量化其业务面临的风险因素的新方法。风险管理团队必须能够利用云计算的灵活性和开源计算框架的健壮性，有效地将他们的模拟从数万到数百万Apache火花^TM．

它们必须将实验的透明度和数据的可靠性结合起来，弥合科学和工程之间的差距，使银行能够采用更稳健的风险管理方法，从而加快模型开发的生命周期。

数据组织对于理解和降低风险至关重要

如何组织和收集数据对于创建高度可靠、灵活和准确的数据模型至关重要。当涉及到为财富管理和投资银行等领域创建金融风险模型时，这一点尤为重要。

在金融领域，风险管理是识别、分析和接受或减少投资决策中的不确定性的过程。

当数据被组织和设计成在一个独立的管道中流动，与大量依赖项和顺序工具分离时，运行金融风险模型的时间将大大减少。数据更灵活，更容易分割，因此机构可以在全球和地区层面以及整个公司范围内应用其风险组合。

由于受到本地基础设施和遗留技术的限制，银行直到最近才拥有有效构建现代风险管理实践的工具。现代风险管理框架支持日内视图、按需聚合以及未来证明/扩大风险评估和管理的能力。

用高度精确的预测模型取代历史回报

金融风险建模应包括多个数据源，以创建更具预测性的金融和信用风险模型。现代风险和投资组合管理实践不应该仅仅基于历史回报，还必须包含当今可用的各种信息。

例如，白皮书阿特金斯等人的研究描述了如何财经新闻比收盘价更能预测股市波动．正如白皮书所指出的，使用替代数据可以极大地增强风险分析师的智能，使他们对现代经济有一个更描述性的视角，使他们能够更好地实时理解和应对外生冲击。

云中的现代风险管理模型

Avanade和Databricks演示了如何在现实世界中使用Apache Spark、Delta Lake和MLflow来组织数据并将其快速部署到风险价值(VAR)数据模型中。这使得金融机构能够将其风险管理实践现代化到云端，并采用统一的数据分析方法砖。

利用云计算的灵活性和规模以及组织数据的交互性水平，客户可以更好地了解其业务面临的风险，并快速制定准确的金融市场风险计算。通过Avanade和Databricks，企业可以确定可以降低多少风险，然后准确地确定在哪里以及如何快速应用风险措施来降低风险。

加入10月8日的“现代数据工程与Azure Databricks虚拟活动”，聆听埃维诺介绍埃维诺和Databricks如何通过我们的金融服务风险管理模型帮助您管理风险。今天就在这里注册。