Peter Plochan, Σύμβουλος Κύριας Διαχείρισης Κινδύνων EMEA στην SAS – Σειρά Συνεντεύξεων

Peter Plochan είναι ο Σύμβουλος Κύριας Διαχείρισης Κινδύνων EMEA στην SAS που βοηθά τα χρηματοπιστωτικά ιδρύματα να αντιμετωπίσουν τις προκλήσεις τους σχετικά με τη χρηματοοικονομική και τη ρυθμιστική διαχείριση κινδύνων, τη διαχείριση επιχειρησιακού κινδύνου, τη διακυβέρνηση κινδύνου, την προοπτική ανάλυση κινδύνου, τις δοκιμές αντοχής, τη διαχείριση κινδύνου μοντέλων, τη μοντελοποίηση κινδύνου και τη διαχείριση κινδύνου κλιματικής αλλαγής.

Ο Peter έχει υπόβαθρο στη χρηματοοικονομική (μεταπτυχιακό στην Τραπεζική) και είναι πιστοποιημένος Διαχειριστής Χρηματοοικονομικού Κινδύνου (FRM) με πάνω από 19 χρόνια εμπειρίας στη διαχείριση κινδύνων στον χρηματοοικονομικό τομέα. Έχει βοηθήσει διάφορα τράπεζα και ασφαλιστικά ιδρύματα με υλοποιήσεις διαχείρισης κινδύνων μεγάλης κλίμακας, εργαζόμενος τόσο εσωτερικά όσο και εξωτερικά ως σύμβουλος διαχείρισης κινδύνων (PwC). Από τη στιγμή που εντάχθηκε στη SAS το 2014, ο Peter λειτουργεί ως παγκόσμιος ενεργός ειδικός τομέα – αξιοποιώντας τις τελευταίες τάσεις στην ανάλυση κινδύνων & τεχνολογία με την βαθιά του εμπειρία στη διαχείριση κινδύνων & χρηματοοικονομική.

Έχετε εργαστεί σε μεγάλους χρηματοπιστωτικούς οργανισμούς και συμβουλευτικές εταιρείες, όπως PwC, ABN AMRO, Atradius, και τώρα SAS, με εκτενή εμπειρία στη ρυθμιστική τράπεζας, τη διαχείριση επιχειρησιακού κινδύνου και τις χρηματοοικονομικές δοκιμές αντοχής. Αναπολώντας την καριέρα σας, ποιες δομικές αδυναμίες στον τρόπο που οι τράπεζες προσεγγίζουν τον γεωπολιτικό κίνδυνο παραμένουν εξαιρετικά ανεπίλυτες;

Διοργάνωσα πρόσφατο διαδικτυακό σεμινάριο με ειδικούς γεωπολιτικού κινδύνου. Ένας επικεφαλής υπεύθυνος κινδύνου μιας τράπεζας συνοψίσε το συνεχές πρόβλημα λέγοντας: «Η αργή διαχείριση κινδύνου είναι κακή διαχείριση κινδύνου». Όταν αντιμετωπίζουν γεωπολιτικά σοκ, οι τράπεζες συχνά χρειάζονται ξαφνική και γρήγορη ανταπόκριση.

Η παγκόσμια οικονομία γίνεται όλο και πιο διασυνδεδεμένη. Και αυτό σημαίνει ότι η ταχύτητα οποιασδήποτε μετάδοσης από ένα γεωπολιτικό σοκ αυξάνεται επίσης.

Φυσικά, τα γεωπολιτικά σοκ είναι ποικίλα, από αλλαγές στις τιμές του πετρελαίου έως εμπορικούς πολέμους και δασμούς, έως πυροβολισμούς, μεταξύ άλλων.

Οι τράπεζες και τα χρηματοοικονομικά ιδρύματα δεν μπορούν να περιμένουν πολύ για να αξιολογήσουν την επίπτωση τέτοιων σοκ στα ισολογισμούς τους. Η ταχύτητα παραμένει βασική.

Τα τελευταία 10 χρόνια, ο κλάδος των χρηματοοικονομικών υπηρεσιών έχει βελτιώσει την ικανότητά του να εκτελεί υπολογισμούς κινδύνου πιο γρήγορα από ποτέ. Ωστόσο, οι δοκιμές αντοχής παραμένουν μία από τις πιο υπολογιστικά απαιτητικές και διαδικαστικά βαριές δραστηριότητες στα χρηματοοικονομικά ιδρύματα.

Οι τράπεζες πρέπει να δημιουργήσουν ένα απογραφή των δανείων και των περιουσιακών τους στοιχείων, ώστε να αξιολογήσουν ποια τμήματα του ισολογισμού τους είναι ευάλωτα σε συγκεκριμένα σοκ. Ένας βασικός παράγοντας επιτυχίας σε αυτή την προσπάθεια είναι το πόσο λεπτομερείς και πλήρεις είναι οι απογραφές που δημιουργούν οι τράπεζες, καθώς και το πόσο διεξοδικές είναι οι αναλύσεις και οι αξιολογήσεις κινδύνου.

Για παράδειγμα, οι τράπεζες πρέπει να εξετάζουν όχι μόνο τα γεωπολιτικά σοκ αυτά καθαυτά, αλλά και τις έμμεσες επιπτώσεις τους, που μερικές φορές είναι λιγότερο προφανείς και αναπτύσσονται πιο αργά από τα ίδια τα σοκ. Τι κάνει μια αιχμή στις τιμές του πετρελαίου όχι μόνο στο πρατήριο βενζίνης αλλά σε ολόκληρη την αλυσίδα εφοδιασμού; Και πώς μπορεί μια άνοδος των τιμών του πετρελαίου να επηρεάσει όχι μόνο τη βενζίνη, το ντίζελ και άλλα κόστη μεταφοράς, αλλά και τα κόστη και τις τιμές των λιπασμάτων, των πλαστικών και ακόμη των φαρμακευτικών προϊόντων που παράγονται σε συγκεκριμένη χώρα ή περιοχή;

Σε πολλές περιπτώσεις, οι τράπεζες δεν έχουν βαθιά κατανόηση των πιθανών επιπτώσεων των γεωπολιτικών σοκ στους πελάτες τους και στις αλυσίδες εφοδιασμού των πελατών τους, γεγονός που καθιστά τη διαχείριση γεωπολιτικού κινδύνου πιο δύσκολη.

Μέσω της διαχείρισης γεωπολιτικού κινδύνου, οι τράπεζες προσπαθούν να κατανοήσουν καλύτερα και να αξιολογήσουν την επίπτωση των σοκ στους πελάτες τους και στα δάνεια των πελατών, που αποτελούν το μεγαλύτερο μέρος των ισολογισμών των τραπεζών. Η διαχείριση γεωπολιτικού κινδύνου για τις τράπεζες προσπαθεί να απαντήσει σε μια ερώτηση που φαίνεται απλή στην επιφάνεια αλλά είναι πολύπλοκη στο βάθος: Τι θα σημαίνει αυτό το σοκ για κάθε πελάτη της τράπεζας και την ικανότητά του να αποπληρώσει τα δάνεια;

Όπως και στη διαχείριση κλιματικού κινδύνου (που έχει πολλές ομοιότητες με τη διαχείριση γεωπολιτικού κινδύνου), κάθε τράπεζα πρέπει να εμβαθύνει πολύ περισσότερο από ό,τι συνήθως κάνει. Συλλέγοντας και αναλύοντας τα σωστά δεδομένα και εφαρμόζοντας μεθοδολογίες όπως οι δοκιμές αντοχής, μια τράπεζα μπορεί να κατανοήσει καλύτερα την έκθεση των πελατών της σε ένα σοκ και τον δικό της κίνδυνο ισολογισμού.

Με το να αντιμετωπίζουν όλη τη διαχείριση κινδύνου – για γεωπολιτικό κίνδυνο, κλιματικό κίνδυνο, πιστωτικό κίνδυνο, κίνδυνο ρευστότητας, κ.λπ. – ως κάτι πολύ περισσότερο από μια άσκηση συμμόρφωσης, οι τράπεζες μπορούν να αποκαλύψουν πληροφορίες που μπορούν να καθοδηγήσουν τον βασικό επιχειρηματικό σχεδιασμό.

Χρησιμοποιώντας αναλυτικές πληροφορίες από ένα ισχυρό πρόγραμμα διαχείρισης κινδύνου (συμπεριλαμβανομένων των δοκιμών αντοχής), η τράπεζα μπορεί να λάβει καλύτερες επιχειρηματικές αποφάσεις για τη μετρίαση του γεωπολιτικού και άλλων κινδύνων και να ενισχύσει την επιχειρησιακή της ανθεκτικότητα.

Για τους αναγνώστες που δεν είναι εξοικειωμένοι με τον όρο, τι ακριβώς είναι η «δοκιμή αντοχής» στις τράπεζες και γιατί έχει γίνει ολοένα και πιο σημαντική στο σημερινό γεωπολιτικό και οικονομικό περιβάλλον;

Η δοκιμή αντοχής είναι μια μορφή ανάλυσης σεναρίων. Χρησιμοποιώντας προοπτικές προσομοιώσεις, μια τράπεζα ή άλλη χρηματοοικονομική εταιρεία μπορεί να εξετάσει μια οικονομική κατάσταση (π.χ., πτώση του πληθωρισμού, αύξηση των φόρων ή του κόστους ηλεκτρισμού) ή αλλαγή και να αξιολογήσει την επίπτωσή της στους οικονομικούς και κινδύνου δείκτες της τράπεζας και στην απόδοσή της.

Η δοκιμή αντοχής είναι μία από τις πιο πολύπλοκες και υπολογιστικά απαιτητικές δραστηριότητες σε ένα χρηματοοικονομικό ίδρυμα, απαιτώντας πολλές σύνθετες υπολογισμούς. Για να απαντήσουν σε βασικές ερωτήσεις «τι θα γίνει αν…» και να κατανοήσουν καλύτερα τις επιπτώσεις των γεωπολιτικών, κλιματικών και άλλων κινδύνων, οι τράπεζες πρέπει να συλλέξουν δεδομένα για τους πελάτες τους, τις οικονομικές τάσεις (από δημόσιες και ιδιωτικές πηγές) και την ευαισθησία τους στους συγκεκριμένους κινδύνους που θέλουν να αξιολογήσουν. Στη συνέχεια πρέπει να αναλύσουν αυτά τα δεδομένα για να ανακαλύψουν πιθανές επιπτώσεις στα χαρτοφυλάκια δανείων και στους ισολογισμούς τους.

Οι γεωπολιτικές δοκιμές αντοχής εστιάζουν στον καθορισμό της μελλοντικής απόδοσης μιας τράπεζας βάσει των επιπτώσεων σοκ όπως ο πόλεμος, οι εμπορικοί περιορισμοί, οι δασμοί και οι κυρώσεις, μεταξύ άλλων. Οι γεωπολιτικές δοκιμές αντοχής μοιράζονται πολλά από τα ίδια χαρακτηριστικά με τις κλιματικές δοκιμές αντοχής, οι οποίες εστιάζουν στις επιπτώσεις των κλιματικών σοκ (π.χ., πλημμύρες ή συνεχώς αυξανόμενες θερμοκρασίες).

Η δοκιμή αντοχής είναι ένα βασικό εργαλείο διαχείρισης κινδύνου και μια μηχανή λήψης αποφάσεων. Δεδομένου ότι καμία τράπεζα δεν διαθέτει μολυβδόσφαιρα, δεν ξέρει ποιο σενάριο ή σοκ θα συμβεί στη συνέχεια. Ωστόσο, οι τράπεζες μπορούν να εκτελέσουν ανάλυση «τι θα γίνει αν…» βασισμένη σε πιθανές καταστάσεις για να καθορίσουν μελλοντικούς κινδύνους και δυνατότητες – ακόμη και ευκαιρίες – για τους πελάτες τους και τις δικές τους λειτουργίες και να χρησιμοποιήσουν τα αποτελέσματα για να αρχίσουν την προετοιμασία ανάλογα.

Ο γεωπολιτικός κίνδυνος αυξάνεται, με τα σοκ να εμφανίζονται πιο γρήγορα από ποτέ και συχνά να επικαλύπτονται. Δεδομένου ότι τα γεωπολιτικά γεγονότα επηρεάζουν ταυτόχρονα τις αγορές, το εμπόριο και τις αλυσίδες εφοδιασμού, οι δοκιμές αντοχής βοηθούν τις τράπεζες να προσομοιώσουν μελλοντικά σενάρια νωρίτερα και να προετοιμάσουν πιθανές αντιδράσεις.

Όπως μου ανέφερε ένας άλλος CRO σε πρόσφατο πάνελ, «Η γνώση χωρίς δράση δεν έχει αξία». Εφαρμόζοντας αναλυτικές πληροφορίες, η δοκιμή αντοχής υποστηρίζει καλύτερες επιχειρηματικές αποφάσεις. Το αποτέλεσμα; Οι τράπεζες μπορούν να λάβουν ενημερωμένες ενέργειες για να αντιμετωπίσουν τα γεωπολιτικά σοκ ενώ βελτιώνουν τη στρατηγική τους.

Τα γεωπολιτικά σοκ σήμερα συχνά εξελίσσονται ταυτόχρονα σε εμπορικούς, ενεργειακούς, εμπορευμάτων, κυβερνοαπειλές και αλυσίδες εφοδιασμού. Μπορούν τα παραδοσιακά μοντέλα κινδύνου των τραπεζών να διαχειριστούν ακόμη αυτό το είδος διασυνδεδεμένου συστημικού κινδύνου;

Μερικώς.

Όταν σκεφτόμαστε την παραδοσιακή μοντελοποίηση κινδύνου των τραπεζών και την ικανότητά της να διαχειριστεί διασυνδεδεμένο και συστημικό κίνδυνο, υπάρχουν δύο επίπεδα στα οποία οι τράπεζες αξιολογούν την επίπτωση των γεωπολιτικών σοκ στα χαρτοφυλάκια τους.

Το πρώτο επίπεδο είναι στο μακροοικονομικό επίπεδο. Εάν υπάρχει σοκ τιμών πετρελαίου, για παράδειγμα, μια τράπεζα θα προσπαθήσει να κατανοήσει την υψηλού επιπέδου επίπτωση στην περιφερειακή ή τοπική οικονομία όπου βρίσκεται ένας πελάτης.

Έτσι, εάν ο πελάτης μιας τράπεζας είναι ένας μεγάλος κατασκευαστής με έδρα το Τέξας, η οικονομία της πολιτείας μπορεί στην πραγματικότητα να βελτιωθεί κατά τη διάρκεια ενός σοκ πετρελαίου, καθώς παράγει πετρέλαιο. Η μακροοικονομική μοντελοποίηση κινδύνου της τράπεζας μπορεί να υποδείξει ότι οι εταιρείες στο Τέξας είναι πιο πιθανό να ευημερήσουν καθώς η ανεργία μειώνεται και ο όγκος των επιχειρήσεων αυξάνεται τοπικά, για παράδειγμα. Από την άλλη πλευρά, οι περισσότερες άλλες οικονομίες θα επηρεαστούν αρνητικά, κάτι που θα επηρεάσει δυσμενώς τις επιχειρηματικές δραστηριότητες όλων των εταιρειών του Τέξας.

Σήμερα, στο μακροοικονομικό επίπεδο, οι περισσότερες τράπεζες διαθέτουν μια ισχυρή βάση όσον αφορά τη μοντελοποίηση. Στις δοκιμές αντοχής τους, μπορούν να μετατρέψουν τα γεωπολιτικά σοκ σε μακροοικονομικούς δείκτες (σε επίπεδο πολιτείας, χώρας ή περιοχής).

Χρησιμοποιώντας το παράδειγμά μας, μια τράπεζα θα διαθέτει ένα μοντέλο που προβλέπει τι θα συμβεί στον τομέα της βιομηχανίας στο Τέξας όσον αφορά την πιθανότητα αθέτησης, εάν το ΑΕΠ της πολιτείας αυξηθεί κατά ένα συγκεκριμένο ποσοστό.

Έτσι, τα μοντέλα κινδύνου των τραπεζών είναι ήδη εξοπλισμένα να αναλύουν τις μακροοικονομικές επιπτώσεις των γεωπολιτικών σοκ στους πελάτες (και δανειολήπτες) της τράπεζας.

Αλλά το δεύτερο επίπεδο παραμένει μια πρόκληση.

Σε επίπεδο μικρο, μια τράπεζα πρέπει να εστιάσει για να αξιολογήσει την ευαισθησία ενός συγκεκριμένου πελάτη σε ένα συγκεκριμένο γεωπολιτικό σοκ και τον κίνδυνο αθέτησης του πελάτη ως αποτέλεσμα.

Τι θα κάνει μια πτώση 50% στην παραγωγή λιπασμάτων σε έναν κατασκευαστή αυτοκινήτων; Όχι πολύ, τουλάχιστον όχι άμεσα (αν και αυτός ο κατασκευαστής πιθανότατα θα νιώσει τις συνέπειες του υψηλού πληθωρισμού). Αλλά εάν ο πελάτης είναι αγροτικός παραγωγός, μπορεί να σημαίνει μεγάλη πτώση εσόδων.

Σε μικροεπίπεδο, οι τράπεζες χρειάζονται λεπτομερή δεδομένα και ειδικότητα στις δοκιμές αντοχής και τη μοντελοποίηση κινδύνου. Πρέπει να εστιάσουν σε επιχειρηματικούς τομείς, περιοχές και μεμονωμένους αντισυμβαλλόμενους στα χαρτοφυλάκια τους, και να κατανοήσουν ποιοι πελάτες είναι ευαίσθητοι σε ποιους τύπους γεωπολιτικών κινδύνων. Τελικά, οι τράπεζες χρειάζονται πληροφορίες για το πώς ένα συγκεκριμένο σοκ θα επηρεάσει κάθε πελάτη και την ικανότητά του να αποπληρώσει τα δάνεια, καθώς και για να υποστηρίξουν αποφάσεις σχετικά με το αν θα χορηγήσουν δάνεια, θα αλλάξουν όρους ή ακόμη και θα επιλέξουν να μην χορηγήσουν πίστωση.

Αυτό που καθιστά τη μικρομοντελοποίηση ιδιαίτερα προκλητική είναι ότι συχνά δεν μπορείτε να γενικεύσετε σε όλη τη βιομηχανία ή περιοχή. Ένας αγροτικός πελάτης της τράπεζας μπορεί να είναι ένας πράσινος παραγωγός που δεν χρησιμοποιεί κανένα λίπασμα. Έτσι, η λήψη υποθέσεων βάσει της βιομηχανίας ή του τομέα ενός πελάτη μπορεί να οδηγήσει σε λανθασμένες πληροφορίες και αποφάσεις.

Δεδομένου ότι οι τράπεζες συνήθως δεν διαθέτουν λεπτομερή δεδομένα για τις λειτουργίες ενός πελάτη, πρέπει να ισορροπήσουν το κόστος και την προσπάθεια συλλογής αυτών των λεπτομερών δεδομένων – μέσω ερευνών και ερωτηματολογίων, για παράδειγμα – με τα οφέλη που λαμβάνουν από την μεγαλύτερη λεπτομέρεια στα μοντέλα τους.

Μερικές φορές αυτά τα δεδομένα είναι δύσκολο να ληφθούν. Ένας πελάτης τράπεζας μπορεί, για παράδειγμα, να μην γνωρίζει αν το λίπασμά του διέρχεται από το Στενό του Χορμούζ.

Όσο πιο λεπτομερή είναι τα δεδομένα που συλλέγει μια τράπεζα, τόσο περισσότερες πιθανές πληροφορίες μπορεί να εξάγει. Αλλά όσο πιο βαθιά πηγαίνει, τόσο πιο ακριβό είναι σε χρόνο και προσπάθεια η συλλογή αυτών των πληροφοριών.

Για να ξεπεράσουν αυτήν την πρόκληση, οι τράπεζες συχνά υιοθετούν μια προσέγγιση Pareto – ο παλιός κανόνας 80/20 εξακολουθεί να ισχύει. Οι τράπεζες συχνά έχουν το 80% της έκθεσής τους ή του κινδύνου τους εντός του 20% του χαρτοφυλακίου ή των πελατών τους. Έτσι μπορούν να επικεντρωθούν στις κορυφαίες εκθέσεις τους και να προσπαθήσουν να απλοποιήσουν το υπόλοιπο. Η απλοποίηση θα περιλαμβάνει την εκτέλεση ανάλυσης σε (υπο)περιοχή και/ή (υπο)τομέα αντί για επίπεδο μεμονωμένου πελάτη.

Όπως και στις κλιματικές δοκιμές αντοχής, η έλλειψη ή η περιορισμένη διαθεσιμότητα δεδομένων δεν αποτελεί δικαιολογία για να παραλείψετε αυτές τις αξιολογήσεις κινδύνου.

Το κύριο μήνυμα από τις οδηγίες της Ευρωπαϊκής Κεντρικής Τράπεζας (ECB) σχετικά με τον κλιματικό κίνδυνο ισχύει και για τον γεωπολιτικό κίνδυνο. Η ECB παραδέχτηκε ότι οι τράπεζες συχνά δεν διαθέτουν όλα τα δεδομένα που απαιτούνται για τις κλιματικές δοκιμές αντοχής. Και ότι οι τράπεζες που λαμβάνουν δράση βασιζόμενες σε περιορισμένα δεδομένα θα αντιμετωπίσουν προκλήσεις και σφάλματα. Αλλά η ECB σημείωσε ότι η μη λήψη δράσης είναι ακόμη μεγαλύτερος κίνδυνος. Έτσι, οι τράπεζες πρέπει να δράσουν, ακόμη και με περιορισμένα δεδομένα. Η ίδια λογική ισχύει για την ανάλυση γεωπολιτικού κινδύνου.

Πώς αρχίζουν οι τράπεζες να χρησιμοποιούν τεχνητή νοημοσύνη και μεγάλα γλωσσικά μοντέλα για την παρακολούθηση σε πραγματικό χρόνο των γεωπολιτικών εξελίξεων και τη μετατροπή τους σε εφαρμόσιμες αξιολογήσεις κινδύνου;

Οι τράπεζες αρχίζουν να χρησιμοποιούν πράκτορες AI για την ανάλυση μη δομημένων δεδομένων, μια τυπική περίπτωση χρήσης για την AI.

Για παράδειγμα, οι τράπεζες μπορούν να εφαρμόσουν πράκτορες AI σε ειδησεογραφικές πύλες, αναζητώντας προεπιλεγμένο κείμενο που μπορεί να υποδεικνύει ότι έρχεται ένα γεωπολιτικό σοκ, και να ενεργοποιούν συναγερμούς εντός του ιδρύματος.

Και όπως συζητήθηκε προηγουμένως, οι τράπεζες θέλουν να κατανοήσουν καλύτερα τους κύριους πελάτες τους και πού διανέμονται γεωγραφικά οι λειτουργίες και οι αλυσίδες εφοδιασμού τους. Ορισμένες τράπεζες αναπτύσσουν πράκτορες AI για να περιηγηθούν στις αποκαλύψεις πελατών και άλλες δημόσιες πληροφορίες ώστε να κατανοήσουν πού βρίσκονται τα κύρια εργοστάσια και προμηθευτές μιας εταιρείας. Όταν συμβαίνει ένα σοκ σε μια συγκεκριμένη περιοχή, η τράπεζα μπορεί να κατανοήσει καλύτερα την επίπτωσή του σε αυτόν τον πελάτη.

Οι τράπεζες με εκατοντάδες εταιρείες στο χαρτοφυλάκιό τους χρειάζονται να εκτελούν αυτές τις αναλύσεις σε κλίμακα. Οι πράκτορες AI μπορούν να βοηθήσουν στην αυτοματοποίηση τμημάτων των υπολογισμών των δοκιμών αντοχής. Έτσι, εάν ορισμένα γεωπολιτικά γεγονότα υπερβούν τα προεπιλεγμένα όρια που έχει θέσει η τράπεζα, ο πράκτορας μπορεί να ετοιμάσει μακροοικονομικά σενάρια και να εκτελέσει αυτόματα έναν υπολογισμό δοκιμής αντοχής.

Και σε ένα άλλο παράδειγμα, η AI και τα μεγάλα γλωσσικά μοντέλα (LLMs) μπορούν να βοηθήσουν στην εξήγηση των αποτελεσμάτων της δοκιμής αντοχής σε επιχειρηματικούς χρήστες και ανώτερους διαχειριστές. Βάσει προεπιλεγμένων οδηγών, οι πράκτορες AI μπορούν ακόμη να προτείνουν ορισμένες διορθωτικές ενέργειες.

Έτσι, η AI χρησιμοποιείται ήδη για διάφορα τμήματα της διαδικασίας δοκιμής αντοχής, αν και βρισκόμαστε στα αρχικά στάδια.

Πολλοί χρηματοπιστωτικοί οργανισμοί αντιμετωπίζουν ήδη περιορισμούς προσωπικού και πόρων εντός των ομάδων κινδύνου και συμμόρφωσης. Πού παρέχει η AI αυτή τη στιγμή το μεγαλύτερο λειτουργικό πλεονέκτημα;

Για τις ομάδες κινδύνου και συμμόρφωσης των τραπεζών, η AI βοηθά στην αυτοματοποίηση της συλλογής δεδομένων, της δημιουργίας σεναρίων, της εκτέλεσης υπολογισμών και της ερμηνείας. Αυτό δίνει σε αυτές τις ομάδες περισσότερο χρόνο για να ερμηνεύσουν τα αποτελέσματα της ανάλυσης μοντέλων και να συμβουλεύσουν τη διοίκηση σχετικά με τη στρατηγική κινδύνου.

Η παραδοσιακή, η γενετική και η πράκτορια AI υποστηρίζουν επίσης πολλές δραστηριότητες στις γεωπολιτικές δοκιμές αντοχής. Αυτό περιλαμβάνει τη συλλογή δεδομένων και την ανάλυση της ευαισθησίας των πελατών (και των λειτουργιών, αλυσίδων εφοδιασμού κ.λπ.) και των χαρτοφυλακίων της τράπεζας σε γεωπολιτικά σοκ. Όπως σημειώθηκε προηγουμένως, τα LLMs και οι πράκτορες AI μπορούν επίσης να βοηθήσουν στην εξήγηση των αποτελεσμάτων των δοκιμών αντοχής στη διοίκηση για να υποστηρίξουν καλύτερες αποφάσεις.

Αξίζει να σημειωθεί ότι η χρήση AI και αναλυτικών μοντέλων για αποφάσεις εισάγει πρόσθετους κινδύνους, επειδή το μοντέλο μπορεί να είναι λανθασμένο ή να μην είναι αρκετά ακριβές.

Οι τράπεζες εκτελούν διαχείριση κινδύνου μοντέλων για πάνω από μια δεκαετία. Και όπως πολλοί διαχείριση κινδύνου μοντέλων λένε, «Όλα τα μοντέλα είναι λανθασμένα, αλλά κάποια είναι χρήσιμα.»

Δεδομένου ότι τα μοντέλα είναι μια απλοποίηση μιας μελλοντικής κατάστασης, από τη φύση τους δεν είναι εντελώς ακριβή. Οι τράπεζες και οι χρηματοοικονομικές οργανώσεις πρέπει να είναι προσεκτικές και να διαχειρίζονται τον κίνδυνο μοντέλων καθώς εφαρμόζουν μοντέλα με τεχνητή νοημοσύνη για δοκιμές αντοχής και διαχείριση κινδύνου.

Η διακυβέρνηση AI είναι κρίσιμη για τις τράπεζες και τις χρηματοοικονομικές εταιρείες. Βοηθάει στην προστασία και διαχείριση ευαίσθητων δεδομένων και στη συμμόρφωση με τους κανονισμούς, εξασφαλίζοντας ταυτόχρονα διαφάνεια και διαχείριση κινδύνου.

Η διακυβέρνηση είναι ιδιαίτερα σημαντική για τα μοντέλα AI και μηχανικής μάθησης (ML), τα οποία μπορούν να κάνουν ακριβείς προβλέψεις αλλά μπορούν επίσης να αντιδράσουν ακατάλληλα σε απρόσμενες καταστάσεις, οδηγώντας σε λανθασμένες αποφάσεις. Τα μοντέλα AI και ML χρειάζονται συχνή παρακολούθηση απόδοσης και επανεξέταση δεδομένων. Η εποπτεία μέσω της διακυβέρνησης AI και της διαχείρισης κινδύνου μοντέλων εξασφαλίζει διαφάνεια, με τη τράπεζα να μπορεί να εξηγήσει σαφώς – στους ρυθμιστές και τη διοίκηση – πώς λειτουργούν τα μοντέλα AI της και τις αποφάσεις που προκύπτουν από αυτά.

Έχετε περάσει χρόνια δουλεύοντας σε κλιματικό κίνδυνο και πλαίσια βιωσιμότητας για χρηματοπιστωτικά ιδρύματα. Θεωρείτε ότι οι δοκιμές αντοχής γεωπολιτικού κινδύνου θα γίνουν εξίσου στρατηγικά σημαντικές όσο η ανάλυση κλιματικού κινδύνου;

Ναι. Η διαχείριση γεωπολιτικού κινδύνου θα γίνει όλο και πιο συνηθισμένη πρακτική για τις τράπεζες και τις χρηματοοικονομικές εταιρείες. Όλο και περισσότερο, αυτοί οι κίνδυνοι θα ενσωματωθούν στα παραδοσιακά μοντέλα πιστωτικού και αγοραστικού κινδύνου καθώς γίνονται τυπικό μέρος των συνολικών προσπαθειών διαχείρισης κινδύνου στον τραπεζικό και χρηματοοικονομικό τομέα.

Ο κλιματικός κίνδυνος έχει ωθήσει τις τράπεζες να εκσυγχρονίσουν τα πλαίσια δοκιμών αντοχής, λόγω της πολυπλοκότητας και της ενδεχόμενης τεράστιας επίπτωσης στην οικονομική απόδοση.

Αναλόγως, ο γεωπολιτικός κίνδυνος – και η ταχύτητα και συχνότητα των γεγονότων και σοκ – μπορεί να επηρεάσει σημαντικά τα οικονομικά αποτελέσματα των τραπεζών. Επιδέσμευει τις τράπεζες να αξιολογούν (μέσω δοκιμών αντοχής), να μετριάζουν και να λογαριάζουν αυτόν τον κίνδυνο.

Και τα δύο είναι και θα συνεχίσουν να είναι στρατηγικά σημαντικά, καθώς οι τράπεζες αντιμετωπίζουν γεωπολιτικά σοκ όπως η σύγκρουση στο Ιράν και οι συνέπειές της, καθώς και συνεχιζόμενες κλιματικές επιπτώσεις όπως η πρόβλεψη του «Super» ή «Godzilla» El Niño για φέτος.

Πολλοί οργανισμοί εξακολουθούν να θεωρούν τις δοκιμές αντοχής κυρίως ως κανονιστική απαίτηση αντί για στρατηγικό εργαλείο. Ποιες ευκαιρίες χάνουν οι τράπεζες ακολουθώντας αυτήν την προσέγγιση;

Είναι βραχυπρόσκοπτο για μια τράπεζα να εστιάζει τις δοκιμές αντοχής κυρίως στην επίτευξη κανονιστικής συμμόρφωσης. Ενώ η τήρηση των κανονισμών είναι κρίσιμη, οι δοκιμές αντοχής μπορούν να βοηθήσουν τις χρηματοοικονομικές οργανώσεις να κάνουν πολύ περισσότερα από τη μόνη συμμόρφωση.

Ακολουθώντας μια πιο στρατηγική προσέγγιση στις δοκιμές αντοχής, οι τράπεζες μπορούν να διεξάγουν αναλύσεις «τι θα γίνει αν…» που αξιολογούν πιθανά σενάρια και την επίπτωση εναλλακτικών αντιδράσεων τόσο στα γεωπολιτικά σοκ όσο και στην κλιματική αλλαγή.

Τα αποτελέσματα αυτών των αναλύσεων «τι θα γίνει αν…» μπορούν να βοηθήσουν μια τράπεζα να επιλέξει τη βέλτιστη πορεία, να αναγνωρίσει νέες επιχειρηματικές ευκαιρίες, να προσαρμόσει τη στρατηγική δανεισμού της και να βρει ανταγωνιστικό πλεονέκτημα μέσω των προσπαθειών διαχείρισης κινδύνου.

Τα δεδομένα και τα μοντέλα είναι ήδη διαθέσιμα. Είναι μια χαμένη ευκαιρία να μην τα χρησιμοποιηθούν πλήρως.

Φυσικά, η αποδοτικότητα, η ευελιξία και η ωριμότητα των υποκείμενων διαδικασιών και συστημάτων δοκιμής αντοχής μιας τράπεζας θα καθορίσουν τι μπορεί να επιτύχει η τράπεζα. Και αν η δοκιμή αντοχής είναι απλώς μια απάντηση στη ρυθμιστική συμμόρφωση ή μια πιο ολοκληρωμένη μηχανή υποστήριξης αποφάσεων.

Όπως μου είπε εκείνος ο CRO, «Η γνώση χωρίς δράση δεν έχει αξία».

Η πρόσφατη έκθεση, Climate Stress Testing Methodologies: Current Practices, Challenges, and the Road Ahead, συγκρίνει τις τρέχουσες πρακτικές· εντοπίζει κενά στη μοντελοποίηση, τη διακυβέρνηση και την υποδομή· και προσφέρει πρακτικές συμβουλές για την ενσωμάτωση των κλιματικών δοκιμών αντοχής στα βασικά πλαίσια κινδύνου. Η έκθεση, από το United Nations Environment Programme Finance Initiative (UNEP FI) και τη SAS, βασίζεται σε συνεισφορές από 21 παγκόσμιες τράπεζες.

Καθώς τα χρηματοπιστωτικά ιδρύματα εξαρτώνται όλο και περισσότερο από συστήματα με τεχνητή νοημοσύνη και αυτοματοποιημένη μοντελοποίηση, ανησυχείτε για νέες μορφές κινδύνου μοντέλων που εμφανίζονται εντός της ίδιας της τραπεζικής υποδομής;

Όπως σημειώθηκε προηγουμένως, η διαχείριση κινδύνου μοντέλων αποτελεί βασική διαδικασία στις τράπεζες για πάνω από 10 χρόνια. Και η επιταχυνόμενη υιοθέτηση της AI και των αναλυτικών μοντέλων εισάγει πρόσθετο κίνδυνο, επειδή μπορεί να είναι ανακριβή.

Πρόσφατα συντόνισα μια εικονική συζήτηση πάνελ με επικεφαλής διαχείρισης κινδύνου μοντέλων (MRM). Ένα από τα κύρια συμπεράσματα, επιβεβαιωμένο τόσο από τους ειδικούς όσο και από το παγκόσμιο κοινό, ήταν ότι οι κίνδυνοι AI είναι σημαντικά υψηλότεροι από τους κλασικούς κινδύνους μοντέλων.

Οι τράπεζες και οι χρηματοοικονομικές εταιρείες πρέπει να υιοθετήσουν και να εφαρμόσουν ολοκληρωμένη διακυβέρνηση AI για την προστασία και διαχείριση ευαίσθητων δεδομένων, τη συμμόρφωση με τους κανονισμούς και την εξασφάλιση διαφάνειας και αποτελεσματικής διαχείρισης κινδύνου.

Ποιοι γεωπολιτικοί παράγοντες κινδύνου θεωρείτε ότι υποτιμώνται περισσότερο από τον χρηματοπιστωτικό τομέα: κυβερνοσύγκρουση, κατακερματισμός του εμπορίου, πίεση κυριαρχικού χρέους, διακοπή ενέργειας, αστάθεια αλυσίδας εφοδιασμού ή κάτι άλλο;

Όλοι αυτοί είναι παράγοντες κινδύνου που μπορούν να προκύψουν από γεωπολιτικά γεγονότα. Και θα έλεγα ότι ο πιο προβληματικός για τις τράπεζες είναι η διακοπή της αλυσίδας εφοδιασμού.

Αυτό συνδέεται με τη προηγούμενη συζήτησή μας για μακροοικονομικούς και μικροοικονομικούς παράγοντες.

Εάν υπάρχει σοκ τιμών πετρελαίου, για παράδειγμα, μια τράπεζα μπορεί να αναλύσει τους μακροαριθμούς και να δει την προκύπτουσα αστάθεια της αγοράς και την πίεση στον πιστωτικό και τη ρευστότητα.

Αλλά είναι πιο δύσκολο για τις τράπεζες να αξιολογήσουν την επίπτωση στο χαρτοφυλάκιό τους, επειδή οι περισσότερες τράπεζες δεν διαθέτουν λεπτομερή μικροεπίπεδο πληροφορίες για το πώς ένα τέτοιο σοκ επηρεάζει κάθε πελάτη και τις λειτουργίες του.

Για τις τράπεζες, πρόκειται για τη χρήση των δοκιμών αντοχής ώστε να καθορίζουν καλύτερα πώς τα γεωπολιτικά γεγονότα και η κλιματική αλλαγή επηρεάζουν το χαρτοφυλάκιο δανείων τους και την ικανότητα κάθε πελάτη να τα αποπληρώσει.

Φυσικά, πιο συχνά από ό,τι όχι, αυτοί οι παράγοντες κινδύνου δεν εμφανίζονται μεμονωμένα, αλλά σε συνδυασμό. Έτσι, δεν είναι ότι οι τράπεζες υποτιμούν κάποιον από αυτούς. Μέσω του ισχυρού εργαλείου των δοκιμών αντοχής, οι τράπεζες μπορούν να αξιολογήσουν καλύτερα την επίπτωση πολλαπλών παραγόντων και παραγόντων στις λειτουργίες τους και στη συνολική έκθεση κινδύνου.

Κοιτάζοντας τα επόμενα πέντε χρόνια, πώς βλέπετε τις δοκιμές αντοχής με ενισχυμένη AI να αλλάζουν τον τρόπο που οι τράπεζες κατανεμηούν κεφάλαιο, αξιολογούν κίνδυνο και προετοιμάζονται για μελλοντικές κρίσεις;

Τα επόμενα πέντε χρόνια, η AI θα βοηθήσει τις τράπεζες να σχηματίσουν πολύ καλύτερη εικόνα των μελλοντικών σεναρίων. Και οι δοκιμές αντοχής με τεχνητή νοημοσύνη θα γίνουν λιγότερο περιοδική άσκηση και περισσότερο συνεχής δυνατότητα.

Οι τράπεζες θα εκτελούν περισσότερα σενάρια, πιο συχνά, και θα τα χρησιμοποιούν για να ενημερώνουν τις επιχειρηματικές αποφάσεις.

Επειδή οι χρηματοοικονομικές εταιρείες που μπορούν να δράσουν γρήγορα με βάση τις πληροφορίες που παρέχει η AI θα έχουν σαφές ανταγωνιστικό πλεονέκτημα, ειδικά σε γρήγορα εξελισσόμενες γεωπολιτικές κρίσεις.

Οι τράπεζες και οι τεχνολογικές τους ομάδες και εταίροι πρέπει να παραμείνουν δεσμευμένοι στη δημιουργία διαδικασιών που ενισχύουν την εμπιστοσύνη στους υπολογισμούς που παράγονται από AI.

Έτσι, όταν μια τράπεζα χρησιμοποιεί ένα γενετικό εργαλείο AI με το σύστημα Διαχείρισης Περιουσιακών Στοιχείων & Υποχρεώσεων (ALM), για παράδειγμα, μπορεί να εμπιστευτεί τα αποτελέσματα και να μην ανησυχεί υπερβολικά για ψευδείς πληροφορίες.

Ή όταν εκτελεί μια δοκιμή αντοχής γεωπολιτικού ή κλιματικού κινδύνου, η τράπεζα μπορεί να έχει ακόμη μεγαλύτερη εμπιστοσύνη στα αποτελέσματα της ανάλυσης και στις επιχειρηματικές αποφάσεις που λαμβάνει ως αποτέλεσμα.

Σας ευχαριστούμε για τη σπουδαία συνέντευξη. Οι αναγνώστες που θέλουν να μάθουν περισσότερα για το έργο και την ηγεσία σκέψης του Peter Plochan μπορούν να επισκεφθούν PeterPlochan.com ή να εξερευνήσουν τις λύσεις διαχείρισης κινδύνου, αναλυτικών δεδομένων και AI που προσφέρει η SAS.