توسّع LSEG تحليلات المخاطر إلى سير عمل مدفوع بالذكاء الاصطناعي

قامت LSEG بتوسيع سوقها للنماذج بوصفها خدمة (Models-as-a-Service) عبر إضافة Open Risk Analytics من قطاع حلول ما بعد التداول (Post Trade Solutions)، بما يتيح للبنوك وصناديق التحوط ومديري الأصول وفرق الخزانة الحصول على تحليلات مخاطر متعددة الأصول عبر LSEG Analytics API. يمكّن. الخدمة من إجراء حسابات على مستوى المحفظة عبر أسعار الفائدة والFX والتضخم والسلع والأسهم، مع دعم بيئات متوافقة مع الذكاء الاصطناعي تشمل Visual Studio Code وJupyterLab وModel Context Protocol، بالإضافة إلى عمليات تكامل مع Microsoft Copilot.

تحولات في بنية المخاطر نحو نماذج الخدمة

كانت المؤسسات المالية الكبيرة تاريخياً تدير أنظمة مخاطر ضمنياً داخلية، مبنية عبر توليفات من بنية تحتية مملوكة وبرمجيات من موردين وبيئات تحليلية مخصصة. غالباً ما أصبحت هذه الأنظمة مكلفة تشغيلياً، ومجزأة عبر فئات الأصول، وصعبة على نطاق واسع.

تعالج توسعة LSEG هذا التحول عبر تقديم تحليلات المخاطر كخدمات مستضافة خارجياً يمكن الوصول إليها عبر واجهات برمجة التطبيقات (APIs) ومسارات عمل قائمة على السحابة. تتيح البيئة المستضافة للشركات الوصول إلى حسابات تشمل Value at Risk وPotential Future Exposure وCredit Valuation Adjustment واختبارات الضغط وP&L Explain والتحليل الحساس للمتغيرات ونمذجة التدفقات النقدية، دون الحاجة إلى صيانة كامل مكدس التحليل داخلياً.

قالت Aysegul Erdem، رئيسة حلول النمذجة في LSEG: “يُعد هذا الإنجاز نقلة بخصوص تحليلات المخاطر التابعة لحلول ما بعد التداول لدى LSEG إلى نماذجها بوصفها خدمة (LSEG MaaS) ضمن رؤية أوسع لتقديم تحليلات متعددة الأصول على نطاق واسع.” وأشارت Erdem إلى أن دمج التحليلات داخل مسارات عمل تقودها أنظمة ذكاء اصطناعي يمكن أن يساعد الشركات على أتمتة عمليات مخاطر تقليدية مع تحسين الكفاءة وتوليد رؤى أعمق حول المحافظ.

دمج الذكاء الاصطناعي بوصفه محوراً للبنية التحتية

تتمثل النقطة الاستراتيجية الأهم في عملية الإطلاق في دمج تحليلات المخاطر ضمن مسارات عمل مدعومة بالذكاء الاصطناعي. تجري المؤسسات المالية بشكل متزايد تجارب على أنظمة ذكاء اصطناعي قادرة على تلخيص التعرضات، وتفسير سيناريوهات السوق، وأتمتة عمليات سير العمل، وتوليد تحليل للمحفظة بشكل ديناميكي.

من خلال إتاحة نماذج المخاطر عبر APIs متوافقة مع أدوات التطوير وتكاملات الذكاء الاصطناعي، تضع LSEG بنيتها التحليلية داخل إطار التحول الأوسع للذكاء الاصطناعي الجاري في الخدمات المالية. يشير ذكر Microsoft Copilot ومعايير سير العمل المفتوحة إلى كيفية تصميم مقدمي البنية التحتية لمنتجاتهم بشكل متزايد حول قابلية التشغيل البيني مع أنظمة ذكاء اصطناعي خارجية، بدلاً من واجهات مملوكة منعزلة.

وتكمن أهمية هذا التحول في أن برمجيات التمويل المؤسسي تتطور بشكل متزايد نحو بيئات قابلة للتركيب (composable)، حيث تتفاعل التحليلات وأدوات الذكاء الاصطناعي وطبقات البيانات والأنظمة التشغيلية ديناميكياً عبر APIs. لذلك تصبح تحليلات المخاطر خدمات قابلة للقراءة بواسطة الآلة، مدمجة داخل بيئات أتمتة أوسع، لا مجرد تقارير ثابتة تُنتج دورياً من فرق المخاطر.

يمكن لإتاحة التحليلات في الوقت الحقيقي أو شبه الوقت الحقيقي أن تؤثر بشكل ملموس في كيفية مراقبة الشركات لتعثرات الأطراف المقابلة والحدود الخاصة بالهامش ومخاطر السيولة وحساسية المحافظ خلال الأسواق المتقلبة.

تعقيد إدارة مخاطر المحافظ

تعمل المؤسسات بشكل متزايد عبر محافظ متعددة الأصول تمتد إلى المشتقات المدرجة ومنتجات OTC والFX والسلع والأسهم والأدوات ذات الدخل الثابت، بينما تواجه في الوقت نفسه توقعات تنظيمية أشد حول اختبارات الضغط وإدارة الضمانات والإفصاح عن التعرضات.

لا يزال Value at Risk واحداً من الأدوات الأساسية التي تستخدمها المؤسسات لتقدير خسائر محتملة للمحفظة في ظل ظروف سوق طبيعية. تقيم اختبارات الضغط متانة المحفظة تحت سيناريوهات قصوى، بينما يقيس Credit Valuation Adjustment تعرض الائتمان للأطراف المقابلة المضمّن داخل مراكز المشتقات. تساعد تحليلات P&L Explain الشركات على تفكيك مكاسب وخسائر المحفظة إلى عوامل مخاطر كامنة وتحركات في السوق.

علّق Stuart Smith، مدير حلول ما بعد التداول في LSEG: “لا تولد تحليلات المخاطر قيمة إلا عندما تستطيع المؤسسات تشغيلها تشغيلياً.” وشدد Smith على أن التسليم المستضاف وبيانات السوق المُنقّاة والنماذج الواضحة تتيح للشركات إجراء حسابات على مستوى المحافظ وتحليل التعرضات على نطاق واسع.

تمتلك العديد من الشركات كميات كبيرة من بيانات المخاطر، لكنها ما تزال تواجه صعوبة في دمج التحليلات بكفاءة داخل اتخاذ القرار التشغيلي في الوقت الحقيقي، ما يعكس تحدياً أكبر داخل التمويل المؤسسي.

توسع بنية ما بعد التداول

يعزز الإطلاق استراتيجية LSEG الأوسع للبنية التحتية لما بعد التداول. قالت الشركة إن الخدمة تدعم أكثر من 3,000 شركة عبر مسارات عمل مرتبطة بإدارة الضمانات ومعالجة الهامش وإدارة مخاطر الأطراف المقابلة وعمليات المشتقات من نوع OTC.

أصبحت بنية ما بعد التداول ذات أهمية استراتيجية مع اتساع تنظيم المشتقات وتفويضات المقاصة المركزية ومتطلبات الضمانات عالمياً عقب الأزمة المالية. تواجه المؤسسات الآن أعباء تشغيلية كبيرة حول مطابقة الصفقات وتحسين الهامش ومسارات تسوية المعاملات والإفصاحات التنظيمية.

يضع مقدمو البنية التحتية مثل LSEG أنفسهم بشكل متزايد بوصفهم منصات مركزية قادرة على توحيد تلك العمليات التشغيلية عبر نظم مالية كبيرة. ويعزز إضافة تحليلات مخاطر قابلة للتوسع هذا التموضع، لأن إدارة المخاطر ومسارات الضمانات تعملان بشكل متزايد معاً داخل بنية المشتقات المؤسسية.

يعكس هذا التحول تَكثيفاً أوسع داخل بنية أسواق المال حيث يندمج مشغلو البورصات وشركات المقاصة ومقدمو بيانات السوق ومقدمو التحليلات بشكل متزايد في طبقات تشغيلية متكاملة ضمن منظومات مؤسسية. وتوضح مجموعة LSEG من بيانات السوق وواجهات برمجة تطبيقات التحليلات وبنية ما بعد التداول ومسارات العمل المتوافقة مع الذكاء الاصطناعي كيف يتنافس مقدمو البنية التحتية المالية بشكل متزايد على عمق المنظومة، وليس على منتجات مستقلة.

الأسئلة الشائعة

ما تحليلات المخاطر المحددة التي توفرها الخدمة الموسعة لدى LSEG؟ تتضمن عروض LSEG بوصفها نماذج (Models-as-a-Service) Value at Risk وPotential Future Exposure وCredit Valuation Adjustment واختبارات الضغط وP&L Explain والتحليل الحساس للمتغيرات ونمذجة التدفقات النقدية. تغطي هذه الحسابات محافظ متعددة الأصول تمتد عبر أسعار الفائدة والFX والتضخم والسلع والأسهم.

ما بيئات التطوير التي يدعمها. الخدمة؟ تعمل النماذج المستضافة عبر Visual Studio Code وJupyterLab، مع دعم مسارات عمل ممكّنة بالذكاء الاصطناعي عبر Model Context Protocol والتكامل مع أدوات تشمل Microsoft Copilot.

كم عدد المؤسسات المالية التي تستخدم حالياً بنية ما بعد التداول لدى LSEG؟ وفقاً لـ LSEG، تدعم الخدمة أكثر من 3,000 شركة عبر مسارات عمل مرتبطة بإدارة الضمانات ومعالجة الهامش ومخاطر الأطراف المقابلة وعمليات المشتقات من نوع OTC.

لماذا تُعد إتاحة التحليلات في الوقت الحقيقي مهمة لإدارة المخاطر؟ يمكن لإتاحة التحليلات في الوقت الحقيقي أو شبه الوقت الحقيقي أن تؤثر بشكل ملموس في كيفية مراقبة الشركات لتعثرات الأطراف المقابلة والمتطلبات الخاصة بالهامش ومخاطر السيولة وحساسية المحافظ خلال الأسواق المتقلبة، بما يمكّن من اتخاذ قرارات تشغيلية أسرع.