28년 2024월 XNUMX일, 미국 증권거래위원회(SEC)는 다음과 같은 조치를 시행할 예정입니다.

중추적인 변화 증권 거래 부문에서는 T+1 결제 주기로 이동합니다. 거래일로부터 영업일 기준 XNUMX일에서 XNUMX일로 결제 기간을 단축하는 이러한 변화는 시장 변동성을 완화하고 신용 및 결제 위험을 줄이기 위한 전략적 조치입니다. 그러나 이러한 전환은 금융 기관, 특히 백오피스 운영에 있어 심각한 과제를 안겨줍니다. 그렇다면 그것들은 무엇이며 어떻게 극복할 수 있습니까?

T+1 및 T+2 합의란 무엇입니까?

T+1 결제주기는 오후 4시 30분 이전에 체결된 거래가 다음 거래일에 결제되는 금융 관행입니다. 예를 들어, 월요일 오후 4시 30분 이전에 이루어진 거래는 화요일에 결제됩니다. 이 프로세스에는 판매자의 증권 및/또는 자금이 구매자의 계좌로 이체되는 과정이 수반되는데, 이는 거래 후 영업일 기준 2일 후에 거래를 결제하는 T+XNUMX 결제와 다릅니다. 그리고 따르면
SEC 의장 Gary Gensler, “T+1은 투자자에게 이익을 주고 시장 참가자가 직면하는 증권 거래에서 신용, 시장 및 유동성 위험을 줄이기 위해 설계되었습니다.”

따라서 T+1 결제 주기로의 전환은 여러 가지 이유로 기존 백오피스 프로세스에 엄청난 압력을 가하고 있습니다. 첫째, 정산 주기는 일괄 데이터 처리에 의존하는 주로 수동 프로세스입니다. T+1 정산 주기로 전환하려면 보다 효율적이고 실시간 데이터 관리 접근 방식이 필요하며 시기적절한 조정 및 보고를 용이하게 하기 위해 정확한 최신 정보에 대한 액세스가 필요합니다. 

둘째, 정산 주기가 짧을수록 오류 정정 시간이 부족해 정산 실패 위험이 높아진다. 금융 기관은 거래 세부 사항의 불일치를 신속하게 식별하고 해결하기 위해 위험 관리 관행을 강화해야 합니다. 궁극적으로 기존 방법은 이러한 새롭고 빠른 정산 주기에 직면하여 빠르게 구식화되고 비효율적으로 변하고 있습니다. 이에 적응하기 위해 기업은 이러한 수동 프로세스를 시급히 자동화하고 이벤트 기반 실시간 처리로 전환하여 더 빠른 정산 주기를 지원해야 합니다.

T+1 전환 과제 극복 

금융 기관은 이러한 전환을 지원하기 위해 새로운 접근 방식이 필요합니다. 여기서 가장 중요한 자산 중 하나는 운영 보고를 위해 여러 소스의 데이터를 통합하는 데이터베이스인 ODS(Operational Trade Store)에서 기존 배치 프로세스를 원활하고 효율적으로 자동화할 수 있는 도구입니다. 

동시에 기존 결제 시스템에는 시간이 많이 걸리고 오류가 발생하기 쉬운 수동 작업이 포함되는 경우가 많지만 최신 개발자 데이터 플랫폼의 최근 혁신을 통해 여러 가지 장점이 있는 솔루션을 제시할 수 있습니다. 

예를 들어, 개발 단계에서 유연한 데이터 모델을 사용하면 보다 직관적인 데이터 저장 접근 방식이 가능해 복잡한 데이터 변환이나 ORM(객체 관계형 매핑)의 필요성이 줄어들어 개발 프로세스가 가속화됩니다. 동시에 사용자 친화적인 개발자 플랫폼의 성장은 개발자의 학습 곡선을 줄이고 더 빠른 채택을 촉진하는 데 큰 도움이 되었습니다. 또한 풍부한 쿼리 언어를 사용하면 복잡한 쿼리를 단순화하여 광범위한 코딩의 필요성을 최소화할 수 있으며, 확장성이 뛰어난 형식은 플랫폼이 더 많은 양의 거래 데이터와 높은 동시성 수준을 관리할 수 있음을 의미합니다. 

지나치게 복잡한 레거시 일괄 처리 방법으로 인해 백오피스 시스템에서 거래 데이터를 통합하는 프로세스는 어려움을 겪고 있습니다. 이는 오랫동안 업계 표준이었지만 엄격한 스키마, 수평 확장의 어려움, 느린 성능 등의 제한으로 인해 이 프로세스는 더 이상 거래 후 관리에 적합하지 않습니다. 

그러나 실시간 운영 거래 데이터 저장소(ODS)를 솔루션으로 사용하면 금융회사가 거래 데이터를 실시간으로 통합하여 백오피스 운영을 간소화하고 의사결정 효율성을 높일 수 있습니다. 예를 들어, CDC(Change Data Capture)를 통해 무역 데스크 데이터를 실시간으로 ODS에 통합할 수 있습니다. 그런 다음 다운스트림 거래 정산 및 규정 준수 시스템의 기본 소스 역할을 하는 중앙 집중식 거래 상점을 생성하여 정산 시간을 단축하고 데이터 정확성을 향상시킵니다.

무역 결제 위험 관리를 위한 인공 지능 및 기계 학습의 잠재력

금융 기관은 AI(인공 지능) 및 ML(머신 러닝)과 같은 고급 기술을 채택하면서 유연성이 없고 수정에 대한 저항력이 있기 때문에 이러한 혁신을 기존 시스템에 통합하는 데 어려움을 겪는 경우가 많습니다. 유연한 스키마로 ODS를 구축하면 AI/ML 모델을 거래 플랫폼에 효과적으로 통합하여 대량의 거래 데이터를 실시간으로 효율적으로 처리할 수 있습니다. 이러한 유연성은 다양한 AI/ML 플랫폼과의 원활한 통합을 촉진하므로 조직은 인프라를 대대적으로 수정하지 않고도 AI 환경의 변화에 ​​적응할 수 있습니다. 또한 모든 데이터 구조, 형식 또는 소스를 수용할 수 있는 유연한 데이터 스키마를 통해 기관은 진화하는 기술 및 규정에 직면하는 데 필요한 적응성과 민첩성을 통해 미래에도 대비할 수 있습니다.

AI/ML 플랫폼과의 통합은 무역 결제 위험을 효율적으로 관리하고 비용 및 시간 측면에서 잠재적인 무역 결제 실패를 보다 효과적으로 관리하기 위한 AI/ML 모델 개발을 촉진하는 데 중요합니다. 예측 분석을 통해 기업은 가용성과 수요를 예측하여 대출 및 차입을 위한 재고를 최적화할 수 있습니다.

유연성과 적응성을 향하여

금융 기관이 결제 기간을 T+2에서 T+1로 단축하는 과제와 씨름하고 있는 가운데, 잠재적으로 불안정한 전환을 완화할 수 있는 실행 가능한 솔루션이 남아 있습니다. 수동 프로세스를 자동화하고 실시간 데이터 저장소 저장소를 채택함으로써 기관은 운영 우수성을 달성하고 SEC의 T+1 결산 기한을 충족할 수 있습니다. 

T+0 결제 주기가 종료되는 경우, 기관은 새로운 규정에 더 잘 적응할 수 있도록 유연한 데이터 플랫폼을 갖추어야 합니다. 많은 주요 은행이 인프라를 현대화하기 시작하여 출시 시간을 단축하고 총 소유 비용을 낮추며 개발자 생산성을 향상시키는 것은 고무적인 일입니다.

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
• 출처: https://www.finextra.com/blogposting/25518/transforming-financial-institutions-for-quicker-settlement-cycles?utm_medium=rssfinextra&utm_source=finextrablogs