信用損失予測のリファレンスアーキテクチャ - クローン

学べる内容：

• 個人向けローン、法人向けローン、総勘定元帳（GL）、マクロ経済シナリオデータを取り込んで統合する、エンドツーエンドのレイクハウスアーキテクチャ
• Lakehouse FederationとLakeflow Connectが、クラウドとオンプレミスシステム間における安全でスケーラブルなデータ統合をどのようにサポートするか
• 後続のモデル実行に向けて、データを標準化、照合、品質チェックするためのレイクハウスの活用方法
• Databricksを使用してPython、R、SASで構築されたモデルを運用化し、Databricks Workflowsでワークフローをオーケストレーションする方法
• 大規模なCECLやストレスチェックをサポートするための、Databricksクラスターを使用したスケーラブルなコンピューティングレイヤー
• データリネージ、監査可能性、規制コンプライアンスを確保するための、Unity Catalogによる中央集権的なデータおよびモデルカタログ、セキュリティモデル、コントロール
• Lakehouse Appsが、与信リスクチームと財務チームの間で安全なコラボレーション、調整、予測の承認をどのように可能にするか

CECLとストレスチェックに向けた信用損失予測の近代化

1. ポートフォリオのデータソースと取り込み
   • 個人向けローン、法人向けローン、および関連するエクスポージャーデータへのアクセスと取り込み
   • 照合とデータの整合性確保のために、口座数や残高を含むGLデータを取り込む
   • オンプレミスまたはクラウドデータシステムからのネイティブなCDCベースの取り込みに Lakeflow Connect を使用するか、安全でスケーラブル、かつ重複のないデータアクセスのために Lakehouse Federation を活用します
2. マクロ経済シナリオデータ
   • APIを介して、Moody'sのシナリオなどのマクロ経済シナリオデータに接続して取得します
   • 独自のシナリオ拡張ロジックを組み込むか、社内のシナリオデータセットをプラットフォームに直接取り込みます
3. データガバナンスとデータ管理
   • ポートフォリオデータ、シナリオデータ、モデル出力、オーバーレイ、開示レポートにわたるメタデータガバナンスを一元化するために Unity Catalog を活用します。 リネージトラッキング により、データの信頼性と監査への対応が保証されます。
   • 行レベルのアクセス制御により、個人向けおよび法人向けローンデータを標準化し、マルチアセットクラスの統合を可能にします
   • 整理されたSilverテーブルへのデータ品質チェックとGL照合を実行し、データコントロールを承認します
   • 規制基準への完全な監査可能性とコンプライアンスのために、 システムテーブル と組み込みの監査証跡を活用します
4. モデル実行の実装
   • Python、R、SASで開発されたモデルを実装またはインポートします。モデルを MLflow に登録します。
   • シナリオおよび時間軸ごとの変数導出、モデルスコアリング、予想信用損失（ECL）計算のロジックを定義します
5. CECLおよびストレスチェックのワークフロー
   • シナリオ分析、感度分析、要因分析のための ワークフロー を構築します
   • 複雑なモデルパイプラインの自動化、監視、スケジューリングを提供するDatabricks Workflowsを使用して、ワークフローを大規模に実行します
6. ビジネスインテリジェンス
   • ポートフォリオデータとシナリオデータをレビューおよび分析するために Databricks SQL を使用します
   • 各シナリオおよび期間におけるローンレベルの信用損失分析を実施します
   • 完全な透明性と追跡可能性を持って、インタラクティブに結果を探索し、仮定を検証します
7. 与信リスクと財務のコラボレーション
   • Lakehouse Apps （Webアプリケーション）を介して、与信リスクチームと財務チーム間のリアルタイムのコラボレーションを可能にします
   • 個別の評価をサポートするために、エンドユーザーコンピューティングのスプレッドシートをアップロードします
   • 経営陣によるオーバーレイと承認コントロールを適用し、GLへの転記や開示レポートなどのために、後続のリスクおよび財務システムと統合します

メリット

1. 規制コンプライアンスと監査可能性
   自動化されたデータリネージ、組み込みのコントロール および 監査に対応したワークフローを通じて、CECL、CCAR、IFRS 9などの規制フレームワークへのコンプライアンスを確保します
2. 複雑な計算に対応するスケーラブルなパフォーマンス
   計算負荷の高い金融ワークロード向けに設計された、自動スケーリングするDatabricksクラスター を使用して、信用損失モデルとシナリオを簡単に実行します
3. コスト効率に優れたアーキテクチャ
   追加のソフトウェアライセンス費用がかからない従量課金制の料金モデルを活用することで、TCOを削減し、需要に合わせた柔軟なリソース利用を実現します
4. セキュリティに優れたエンタープライズ対応プラットフォーム
   組み込みの セキュリティ、ID管理 および ガバナンス 機能により、機密性の高いリスクデータが保護され、企業および規制の基準に従って管理されます
5. 完全なカスタマイズが可能なセルフサービス
   セルフサービスプラットフォームを通じて、社内チームが独自のモデリング環境を所有および適応 できるようにすると同時に、完全なカスタマイズ、自動化、およびエンタープライズシステムとの統合をサポートします