LSEG đã mở rộng marketplace Nền tảng Dịch vụ theo Mô hình (Models-as-a-Service) bằng cách bổ sung Open Risk Analytics thuộc bộ phận Post Trade Solutions, cung cấp cho ngân hàng, quỹ phòng hộ, công ty quản lý tài sản và các nhóm quản trị kho bạc các phân tích rủi ro đa tài sản có thể truy cập thông qua LSEG’s Analytics API. Dịch vụ cho phép các phép tính cấp danh mục trên nhiều lĩnh vực như lãi suất, FX, lạm phát, hàng hóa và cổ phiếu, đồng thời hỗ trợ các môi trường tương thích với AI bao gồm Visual Studio Code, JupyterLab, Model Context Protocol và tích hợp với Microsoft Copilot.
Dịch chuyển Hạ tầng Rủi ro sang mô hình Dịch vụ
Các tổ chức tài chính lớn trước đây thường vận hành các hệ thống rủi ro do nội bộ quản lý, được xây dựng từ sự kết hợp giữa hạ tầng độc quyền, phần mềm của nhà cung cấp và môi trường phân tích tùy chỉnh. Các hệ thống này thường trở nên tốn kém về vận hành, bị phân mảnh theo từng nhóm tài sản và khó mở rộng hiệu quả.
Mở rộng của LSEG giải quyết quá trình chuyển đổi này bằng cách cung cấp phân tích rủi ro dưới dạng dịch vụ lưu trữ bên ngoài, có thể truy cập thông qua API và quy trình làm việc hướng cloud-native. Môi trường được lưu trữ cho phép các công ty tiếp cận các phép tính như Value at Risk, Potential Future Exposure, Credit Valuation Adjustment, stress testing, P&L Explain, phân tích độ nhạy và mô hình hóa dòng tiền mà không cần duy trì toàn bộ nền tảng phân tích bên trong.
Aysegul Erdem, Giám đốc Giải pháp Mô hình hóa tại LSEG, cho biết: “Mốc quan trọng này đưa Risk Analytics của Post Trade Solutions vào LSEG MaaS như một phần của tầm nhìn rộng hơn nhằm cung cấp phân tích đa tài sản ở quy mô lớn.” Erdem nhấn mạnh rằng việc tích hợp phân tích vào các quy trình làm việc do AI thúc đẩy có thể giúp các công ty tự động hóa các quy trình rủi ro truyền thống trong khi nâng cao hiệu quả và tạo ra hiểu biết sâu hơn về danh mục.
Tích hợp AI như chủ đề Hạ tầng cốt lõi
Khía cạnh có ý nghĩa chiến lược của kế hoạch triển khai là tích hợp phân tích rủi ro vào các quy trình làm việc có hỗ trợ AI. Các tổ chức tài chính ngày càng thử nghiệm các hệ thống AI có khả năng tóm tắt rủi ro phơi nhiễm, diễn giải các kịch bản thị trường, tự động hóa quy trình làm việc và tạo phân tích danh mục một cách linh hoạt.
Bằng cách mở các mô hình rủi ro thông qua API tương thích với các công cụ phát triển và các tích hợp AI, LSEG đặt hạ tầng phân tích của mình vào quá trình chuyển đổi AI rộng hơn đang diễn ra trong ngành dịch vụ tài chính. Việc đề cập đến Microsoft Copilot và các chuẩn quy trình làm việc mở cho thấy các nhà cung cấp hạ tầng ngày càng thiết kế sản phẩm dựa trên khả năng tương tác với các hệ thống AI bên ngoài, thay vì các giao diện độc quyền biệt lập.
Sự thay đổi này quan trọng vì phần mềm tài chính doanh nghiệp ngày càng phát triển theo hướng các môi trường có thể lắp ghép (composable), nơi các lớp phân tích, công cụ AI, lớp dữ liệu và hệ thống vận hành tương tác linh hoạt thông qua API. Do đó, phân tích rủi ro trở thành các dịch vụ có thể đọc bằng máy, tích hợp trong các môi trường tự động hóa rộng hơn thay vì các báo cáo tĩnh được tạo định kỳ bởi các nhóm rủi ro.
Khả năng truy cập phân tích theo thời gian thực hoặc gần thời gian thực có thể ảnh hưởng đáng kể đến cách các công ty theo dõi rủi ro phơi nhiễm đối tác, yêu cầu ký quỹ, rủi ro thanh khoản và độ nhạy của danh mục trong các giai đoạn thị trường biến động.
Độ phức tạp Quản lý Rủi ro Danh mục
Các tổ chức ngày càng vận hành trên các danh mục đa tài sản trải rộng từ các phái sinh niêm yết, sản phẩm OTC, FX, hàng hóa, cổ phiếu và các công cụ thu nhập cố định, đồng thời đối mặt với kỳ vọng quản lý chặt chẽ hơn về stress testing, quản lý tài sản đảm bảo (collateral) và báo cáo phơi nhiễm.
Value at Risk vẫn là một trong các công cụ chính mà các tổ chức dùng để ước tính các khoản lỗ tiềm năng của danh mục trong điều kiện thị trường bình thường. Stress testing đánh giá sức chịu đựng của danh mục dưới các kịch bản cực đoan, trong khi Credit Valuation Adjustment đo lường phơi nhiễm tín dụng của đối tác được gắn trong các vị thế phái sinh. Phân tích P&L Explain giúp các công ty tách bạch các khoản lãi/lỗ danh mục thành các yếu tố rủi ro nền tảng và biến động thị trường.
Stuart Smith, Giám đốc Post Trade Solutions tại LSEG, nhận xét: “Phân tích rủi ro chỉ tạo ra giá trị khi các công ty có thể vận hành hóa chúng.” Smith nhấn mạnh rằng việc triển khai theo hình thức lưu trữ (hosted), dữ liệu thị trường được chọn lọc và các mô hình minh bạch cho phép các công ty chạy các phép tính cấp danh mục và phân tích phơi nhiễm ở quy mô lớn.
Nhiều công ty sở hữu lượng lớn dữ liệu rủi ro nhưng vẫn gặp khó khăn trong việc tích hợp phân tích một cách hiệu quả vào việc ra quyết định vận hành theo thời gian thực, phản ánh một thách thức lớn hơn trong tài chính tổ chức.
Mở rộng Hạ tầng Post-Trade
Kế hoạch triển khai củng cố chiến lược hạ tầng post-trade rộng hơn của LSEG. Công ty cho biết dịch vụ hỗ trợ hơn 3,000 công ty thông qua các quy trình gắn với quản lý tài sản đảm bảo, xử lý ký quỹ (margin), rủi ro đối tác và hoạt động phái sinh OTC.
Hạ tầng post-trade trở nên quan trọng về mặt chiến lược khi quy định về phái sinh, các yêu cầu thanh toán bù trừ tập trung (central clearing mandates) và yêu cầu về tài sản đảm bảo mở rộng trên toàn cầu sau khủng hoảng tài chính. Các tổ chức hiện phải đối mặt với gánh nặng vận hành lớn liên quan đến đối soát giao dịch (trade reconciliation), tối ưu hóa ký quỹ, quy trình thanh toán (settlement) và báo cáo tuân thủ quy định.
Các nhà cung cấp hạ tầng như LSEG ngày càng định vị mình như các nền tảng tập trung có khả năng chuẩn hóa các quy trình vận hành đó trên quy mô hệ sinh thái tài chính lớn. Việc bổ sung các phân tích rủi ro có thể mở rộng củng cố định vị này vì việc quản lý rủi ro và quy trình tài sản đảm bảo ngày càng vận hành cùng nhau bên trong hạ tầng phái sinh của các tổ chức.
Động thái này phản ánh sự hợp nhất rộng hơn trong hạ tầng của thị trường tài chính, nơi các sàn giao dịch, nhà điều hành thanh toán bù trừ, công ty dữ liệu thị trường và nhà cung cấp phân tích đang ngày càng hợp nhất các lớp vận hành thành các hệ sinh thái doanh nghiệp tích hợp. Tổ hợp của LSEG gồm dữ liệu thị trường, API phân tích, hạ tầng post-trade và các quy trình làm việc tương thích với AI cho thấy các nhà cung cấp hạ tầng tài chính ngày càng cạnh tranh dựa trên chiều sâu hệ sinh thái thay vì các sản phẩm độc lập.
Câu hỏi thường gặp
Dịch vụ mở rộng của LSEG cung cấp những phân tích rủi ro cụ thể nào?
Gói Nền tảng theo Mô hình (Models-as-a-Service) của LSEG bao gồm Value at Risk, Potential Future Exposure, Credit Valuation Adjustment, stress testing, P&L Explain, phân tích độ nhạy và mô hình hóa dòng tiền. Các phép tính này bao phủ các danh mục đa tài sản trải rộng trên lãi suất, FX, lạm phát, hàng hóa và cổ phiếu.
Dịch vụ hỗ trợ những môi trường phát triển nào?
Các mô hình được lưu trữ hoạt động thông qua Visual Studio Code và JupyterLab, đồng thời hỗ trợ các quy trình làm việc có khả năng dùng AI thông qua Model Context Protocol và các tích hợp với các công cụ bao gồm Microsoft Copilot.
Có bao nhiêu tổ chức tài chính hiện đang sử dụng hạ tầng post-trade của LSEG?
Theo LSEG, dịch vụ hỗ trợ hơn 3,000 công ty thông qua các quy trình gắn với quản lý tài sản đảm bảo, xử lý ký quỹ (margin), rủi ro đối tác và hoạt động phái sinh OTC.
Vì sao khả năng truy cập phân tích theo thời gian thực lại quan trọng cho quản lý rủi ro?
Khả năng truy cập phân tích theo thời gian thực hoặc gần thời gian thực có thể ảnh hưởng đáng kể đến cách các công ty theo dõi rủi ro phơi nhiễm đối tác, yêu cầu ký quỹ, rủi ro thanh khoản và độ nhạy của danh mục trong các thị trường biến động, từ đó giúp ra quyết định vận hành nhanh hơn.
