Generativ dataintelligens

Fintech

Förvandla finansiella institutioner för snabbare avvecklingscykler

Republiserad av Platon
Republiserad av Platon

Datum:

Visningar: 0

Den 28 maj 2024 kommer Securities and Exchange Commission (SEC) i USA att implementera en

avgörande förändring i värdepappershandelssektorn: övergång till en T+1-avvecklingscykel. Denna förändring – att minska avvecklingsperioden från två arbetsdagar efter handelsdagen till bara en – är ett strategiskt steg för att mildra marknadsvolatiliteten och minska kredit- och avvecklingsrisker. Men övergången innebär betydande utmaningar för finansinstitut, särskilt i deras backoffice-verksamhet. Så, vad är de och hur kan de övervinnas?

Vad är T+1- och T+2-uppgörelser?

T+1-avvecklingscykeln är en finansiell praxis där transaktioner som utförs före 4:30 avvecklas nästa handelsdag. Till exempel kommer en affär som görs på måndag före 4:30 att avgöras på tisdag. Denna process innebär överföring av värdepapper och/eller medel från säljarens konto till köparens konto, vilket skiljer sig från T+2-avvecklingen, som reglerar affärer två arbetsdagar efter transaktionen. Och enligt
SEC -ordförande Gary Gensler, "T+1 är utformat för att gynna investerare och minska kredit-, marknads- och likviditetsriskerna i värdepapperstransaktioner som marknadsaktörer står inför."

Och så, övergången till en T+1-avvecklingscykel sätter enorm press på befintliga back-office-processer av flera skäl. För det första är avvecklingscykeln en övervägande manuell process som förlitar sig på batchdatabehandling. För att övergå till en T+1-avvecklingscykel krävs en mer effektiv och realtidsdatahanteringsmetod, samt tillgång till korrekt och uppdaterad information för att underlätta snabb avstämning och rapportering. 

För det andra, med en kortare avvecklingscykel blir det mindre tid för felkorrigering, vilket ökar risken för avvecklingsmisslyckanden. Finansiella institutioner måste förbättra sina riskhanteringsmetoder för att snabbt identifiera och åtgärda eventuella avvikelser i handelsdetaljer. I slutändan håller de befintliga metoderna snabbt på att bli föråldrade och ineffektiva inför denna nya, snabba avvecklingscykel. För att anpassa sig måste företagen omedelbart automatisera dessa manuella processer och övergå till händelsebaserad realtidsbehandling för att möjliggöra dessa snabbare avvecklingscykler.

Att övervinna T+1-övergångsutmaningar 

Finansiella institutioner behöver ett nytt tillvägagångssätt för att hjälpa till i denna övergång. En av de viktigaste tillgångarna här kommer att vara verktyg som möjliggör en smidig och effektiv automatisering av befintliga batchprocesser i en Operational Trade Store (ODS) – en databas som integrerar data från flera källor för operationell rapportering. 

Samtidigt innebär äldre avvecklingssystem ofta manuella uppgifter som är tidskrävande och felbenägna, men de senaste innovationerna i moderna utvecklardataplattformar skulle kunna ge en lösning med flera fördelar. 

Till exempel kan användning av flexibla datamodeller på utvecklingsstadiet möjliggöra en mer intuitiv datalagringsmetod, påskynda utvecklingsprocesser genom att minska behovet av komplexa datatransformationer eller Object-Relational Mapping (ORM). Samtidigt har tillväxten av användarvänliga utvecklarplattformar också kommit långt när det gäller att minska inlärningskurvan för utvecklare, vilket underlättar snabbare adoption. Dessutom, med ett rikt frågespråk, kan komplexa frågor förenklas, vilket minimerar behovet av omfattande kodning, medan ett mycket skalbart format innebär att plattformar kan hantera större volymer av handelsdata och höga samtidighetsnivåer. 

På grund av alltför komplicerade äldre batchbehandlingsmetoder är processen att konsolidera transaktionsdata i backoffice-system fylld av utmaningar. Även om de länge har varit branschstandarden innebär begränsningar som stela scheman, svårigheter med horisontell skalning och långsam prestanda att denna process inte längre är optimal för post-trade management. 

Men med en realtid operational trade data store (ODS) som lösning, gör detta tillvägagångssätt det möjligt för finansiella företag att konsolidera transaktionsdata i realtid, vilket effektiviserar backoffice-verksamheten och förbättrar beslutsfattandets effektivitet. Till exempel kan handelsbordsdata införlivas i en ODS i realtid genom Change Data Capture (CDC). Detta skapar sedan en centraliserad handelsbutik som fungerar som en primär källa för nedströms handelsavveckling och efterlevnadssystem, vilket främjar snabbare avvecklingstider och förbättrad datanoggrannhet.

Potentialen med artificiell intelligens och maskininlärning för att hantera handelsavvecklingsrisker

Genom att anta avancerad teknik som artificiell intelligens (AI) och maskininlärning (ML), brottas finansinstitutioner ofta med utmaningen att integrera dessa innovationer i äldre system på grund av deras oflexibilitet och motståndskraft mot modifiering. Att bygga en ODS med ett flexibelt schema gör det möjligt för dem att effektivt integrera AI/ML-modeller i sin handelsplattform för att effektivt hantera stora volymer handelsdata i realtid. Denna flexibilitet underlättar sömlös integration med olika AI/ML-plattformar, vilket gör att organisationer kan anpassa sig till förändringar i AI-landskapet utan omfattande modifieringar av infrastrukturen. Dessutom, med ett flexibelt dataschema som kan rymma alla datastrukturer, format eller källor, kommer institutioner att framtidssäkra sig själva med den anpassningsförmåga och smidighet som krävs för att möta utvecklande teknologier och regelverk.

Integrering med AI/ML-plattformar är avgörande för att hantera handelsavvecklingsrisker effektivt, och underlätta utvecklingen av AI/ML-modeller för mer effektiv hantering av potentiella misslyckanden i handelsavvecklingen, både när det gäller kostnad och tid. Prediktiv analys gör det ytterligare möjligt för företag att förutsäga tillgänglighet och efterfrågan, vilket optimerar lagren för utlåning och upplåning.

Mot flexibilitet och anpassningsförmåga

När finansiella institutioner brottas med utmaningen att minska avvecklingens varaktighet från T+2 till T+1, finns det fortfarande hållbara lösningar för att underlätta en potentiellt ojämn övergång. Genom att automatisera manuella processer och använda realtidsdatalager kan institutioner uppnå operativ excellens och uppfylla SEC:s T+1-deadline för avveckling. 

I händelse av T+0-avvecklingscykler måste institutioner utrustas med flexibla dataplattformar för att säkerställa att de är bättre förberedda att anpassa sig till nya regler. Det är uppmuntrande att se att många ledande banker börjar modernisera sin infrastruktur, vilket leder till minskad time-to-market, lägre totala ägandekostnader och förbättrad utvecklarproduktivitet.

plats_img

Senaste intelligens

plats_img

Copyright @ 2024 Plato Technologies Inc.