CALCULATION OF RISK USING BIG DATA

Technology Reply applies Big Data to the quantitative analysis of portfolio risk, increasing the efficiency and reducing the processing time to less than 5 minutes.

BACKGROUND

In leading Savings Management Companies, the main task of the Quantitative Management desks is to monitor the level of risk associated with the customer portfolio, in order to highlight potential risk situations and, consequently, to reallocate the portfolio by varying its composition. The current methodology for calculating risk and optimising the portfolio is based on a correlation matrix of increasing complexity, involving all the financial instruments that are potentially available as part of constantly changing portfolios. The frequency of optimisation is also increasing due to the natural evolution of the sector.

BENEFITS

  • Scalability
  • Centralised data repository
  • Process efficiency
  • Analytical effectiveness
  • Real-time
  • Data governance
  • Cost efficiency

SOLUTION

Modern data architectures provide insights for new technological and methodological approaches to handle the risk management processes associated with customer portfolios (Portfolio Risk). These not only enable a substantial increase in calculation speed, but also introduce numerous benefits in terms of efficiency and effectiveness.


  • Scalabilità: la capacità di gestire esigenze crescenti in termini di quantità di dati e frequenza di aggiornamento
  • Repository centralizzato dei dati: capacità di memorizzare i dati multi-strutturati, centralizzando dataset eterogenei
  • Efficienza di processo: capacità di incrementare notevolmente la fase di caricamento dei dati (fast ingestion) e di eseguire operazioni batch su grossi volumi di dati (elaborazione distribuita)
  • Efficacia analitica: possibilità di utilizzare sia la disponibilità di una grande quantità di dati che algoritmi di Machine Learning per identificare gli elementi d’interesse (quali, ad esempio, le target list)
  • Real time: la ricezione ed analisi in tempo reale di flussi dati e lo sfruttamento in qualità di trigger allo scopo di cogliere opportunità di business disponibili per periodi di tempo molto limitati (quali, ad esempio, Customer Engagement, Recommendation, Retention, eccetera)
  • Data governance: migliori opportunità di controllare il ciclo di vita del dato in funzione di reali necessità del business
  • Cost efficiency: la possibilità di basare il sistema su piattaforme di commodity hardware, presentando costi inferiori a parità di storage e capacità di elaborazione

L’intero processo, svolto con strumenti tradizionali, richiede frequenti interventi manuali e comporta elevati tempi di elaborazione. Con la migrazione ad un’architettura dell’informazione basata su paradigmi big data, il calcolo del rischio e la riallocazione dei portafogli possono essere svolti con maggiore efficienza e completa automazione, riducendo il tempo necessario all’elaborazione a meno di 5 minuti nella maggior parte delle circostanze.