Agrégation et notation des tiers au niveau du groupe

Rationaliser la chaîne de traitement et de calcul des fonds propres.

Dans les conditions de marché actuelles, l’optimisation du calcul des fonds propres pondérés (RWA) est un enjeu important car cela a un impact direct sur la réduction du coût du capital réglementaire. Dans le même temps, l’utilisation d’une méthodologie interne, si elle permet une meilleure allocation en étant au plus près des risques spécifiques de chaque contrepartie et de chaque produit, génère par ailleurs des problématiques aiguës de data management. Il n’est pas étonnant de voir des projets où 80% du budget a été absorbé pour répondre à des difficultés liées à la réconciliation et au traitement de la qualité des données.

Ces difficultés s’accroissent dans les organisations très fragmentées, telles que les banques mutualistes ou régionalisées, ou encore les groupes très filialisés. Plus particulièrement, l’agrégation des référentiels de contreparties, la mise à jour de ces référentiels et la synchronisation avec les moteurs de notation (parfois automatiques, parfois manuels) peut rapidement tourner au cauchemar. Si vous avez déjà travaillé sur ces sujets, il est probable que vous ayez été confronté à l’une de ces contraintes techniques :

Les différences de formats de référentiels à réconcilier au niveau du Groupe
La gestion des mises à jour, à la fois des informations des contreparties et des caractéristiques des référentiels – et leur audit
La capacité à interfacer le référentiel tiers avec le moteur de notation de façon fluide et sans désynchronisation (compte tenu des éventuelles duplications de données)
Les problèmes de performance : notations parfois très longues
Les problématiques d’audit lorsque les informations de contreparties évoluent et/ou que les modèles de notation évoluent
La difficulté à tester et simuler les résultats de nouveaux modèles sur un échantillon de données réel et profond
La difficulté à ouvrir ces plateformes aux nouvelles approches : Spark, R, Python …

Toutes ces problématiques peuvent être gérées nativement et de manière uniformisée par la plateforme Scaled Risk. Notre technologie temps-réel permet d’automatiser et d’unifier, au sein d’un seul outil ouvert :

l’intégration de données en silos (de différents formats, provenant de différentes sources)
le stockage, la gouvernance et l’audit de ces données
la réconciliation et le traitement de leur qualité
l’intégration de calculs
la simulation et le back-testing
l’ouverture au monde de la data science

Alors que les budgets informatiques à engager même pour un changement technique mineur pour le calcul et le reporting des fonds propres, excèdent rapidement plusieurs millions d’euros, et que chaque demande d’audit tourne au cauchemar, Scaled Risk apporte aux organisations bancaires une réponse de nouvelle génération flexible et économique permettant de rationaliser la chaîne de traitement et de calcul des fonds propres réglementaires.