Реализация прогноза метрик процентного риска банковской книги в ALM-платформе

Реализация системы сценарного анализа риск метрик в части процентного риска банковской книги, чистого процентного дохода, маржинальности банка

Создана и внедрена система сценарного анализа и прогноза метрик процентного риска банковской книги, чистого процентного дохода, маржинальности банка.

Ежемесячно данные метрики используются банком для управления структурой продуктов банковской книги и хеджированием  процентного риска с целью оптимизации доходов банка.

Arenadata Hadoop, PostgreSQL, кластер Kubernetes (бэкенд — Java 17 + Spring Boot 3, фронтэнд — ReactJS, оркестрация – Camunda), интеграция — Artemis MQ, продвинутая система мониторинга (Prometheus + Grafana)

• Объемная и сложная методология расчета с большом количеством различных метрик. Добавление специфических разрезов под каждую метрику в прогнозную финансовую модель увеличило объем обрабатываемой информации, но при этом необходимо было обеспечивать высокую производительность системы, чтобы не допустить падения скорости расчета одного сценария.

• Учет и планирование параллельной миграции общебанковского аналитического хранилища.

• Обеспечение технологической независимости и требований высокой производительности потребовали нестандартного решения реализации расчетного движка системы в Arenadata Hadoop.

• Учет требования к масштабируемости потребовало платформенного подхода к реализации фронтальной части системы управления расчетами.

• Обеспечение требований к достаточной для пользователя гибкостью настроек сценариев расчетов, удобством и скоростью работы с их большим количеством, временем заполнения и сложностью работы с сценарными наборами параметров.

В 2023 году была создана и внедрена ALM платформа, которая отвечает на следующие вопросы которые возникают перед любым Банком и его Казначейством:

• Как повлияет изменение ставок, макроэкономических показателей на будущий доход банка?

• Какие будут оптимальные источники привлечения денег (фондирования)?

• Какие будут нормативы ликвидности, нормативы достаточности капитала?

• Как оптимально распределить ресурсы банка?

• Какие будут регуляторные/внутренние меры процентного риска к концу года?

• Какой будет дефицит ликвидности?

• Какие оптимальные источники фондирования?

В 2024 году в рамках совершенствования процессов управления рисками банка внедряется сценарный расчет прогноза метрик процентного риска банковской книги.

Процентный риск — риск изменения доходов из-за изменения процентных ставок — является одним из основных рисков, которые несет на себе банк. Ключевые метрики в банковском секторе РФ: Ф0409127 (сведения о риски процентной ставки, чувствительность чистого процентного дохода, чувствительность экономического капитала.

С 2022 по 2024 годы ключевая ставка банка России динамично изменялась, и это оказало влияние на процентный риск.   Повышение качества управления банком процентным риском имеет большое значение с точки зрения финансовой стабильности банка, его доходов, так и финансовой системы РФ, в целом.

Проект является частью масштабной разработки и внедрения ALM-платформы в бизнес-процессы банка — риск-системы, автоматизирующей расчеты фактических значений и сценарного прогноза метрик балансовых рисков и доходов банка.

Ядро системы — модуль прогнозирования динамики эволюции баланса банка на уровне каждой сделки. Для построения прогноза система моделирует работу основных участников жизненного цикла баланса и сделок банка — клиента банка, бизнес-подразделения, финансового подразделения, казначейства.

После проведения симуляционного прогнозного моделирования эволюции баланса система рассчитывает детальный прогноз структуры баланса банка, который является основой для расчета всех риск-метрик, в частности метрик процентного риска.

Головная организация ВТБ