번역：HaUn Kim - Original Blog Link
이 블로그는 데이터브릭스의 파트너인 Avanade와 공동으로 작성되었습니다. 특히 Avanade의 최고기술책임자(CTO)인 Dael Williamson에게 특별히 감사드립니다.
현재 금융 기관은 비즈니스가 직면한 새로운 위험과 위협에 대응하기 위해 여전히 많은 노력을 기울이고 있습니다. 특히 은행 부문의 리스크 관리는 최근 몇 년 동안 더욱 복잡해지고 있습니다.
첫째로, 엄청난 컴퓨팅 성능과 과거 데이터를 분석할 수 있는 능력이 필요한 새로운 프레임워크 (예: FRTB)가 도입되고 있습니다. 둘째로, 규제 당국은 감독 대상 은행에 대한 투명성과 설명 가능성을 요구하고 있습니다. 마지막으로, 새로운 기술과 비즈니스 모델의 도입으로 인해 건전한 리스크 거버넌스의 필요성이 이전보다 더욱 높아졌습니다. 하지만 은행 업계 가 이러한 요구를 효과적으로 충족하는 것은 쉽지 않습니다.
민첩한 리스크 관리를 위한 접근 방식
전통적인 은행은 온프레미스 인프라에 의존하는 것으로는 더 이상 리스크를 효과적으로 관리할 수 없습니다. 은행은 레거시 기술의 비효율적인 계산 방식을 버리고 데이터와 고급 분석을 활용하여 시장 및 경제 변동성에 신속하게 대응할 수 있는 현대적이고 민첩한 리스크 관리 방식을 구축해야 합니다.
고객과의 협업을 통해 알 수 있듯이, 지난 10년 동안 금융 위기와 같은 새로운 위협이 등장하면 과거 데이터와 통합된 리스크 모델의 예측값이 빠르게 퇴화됩니다. 다행히도 오늘날에는 클라우드 네이티브 빅데이터 인프라를 기반으로 하는 오픈소스 기술을 활용하여 금융 리스크 분석 및 관리를 민첩하고 미래지향적인 접근 방식으로 수행할 수 있게 되었습니다.
기존 데이터 세트의 투명성 및 신뢰성의 한계
리스크 분석가는 비즈니스가 직면한 리스크 요인을 대규모로, 그리고 실시간으로 식별하고 정량화하기 위해 기존 데이터를 대체 데이터 세트로 보강하는 새로운 방법을 모색해야 합니다. 이를 위해 리스크 관리팀은 클라우드 컴퓨팅의 유연성과 Apache SparkTM와 같은 오픈 소스 컴퓨팅 프레임워크의 견고함을 활용하여 시뮬레이션을 수만 건에서 수백만 건까지 효율적으로 확장할 수 있어야 합니다.
실험의 투명성과 데이터의 신뢰성을 모두 확보하여 모델 개발 라이프사이클을 가속화하고, 과학과 공학 간의 간극을 좁히며, 은행이 보다 강력한 리스크 관리 접근 방식을 갖출 수 있도록 지원해야 합니다.
데이터의 정리는 리스크를 이해하고 완화하는 데 매우 중요합니다
데이터를 구성하고 수집하는 방식은 신뢰성을 높이고 유연성을 확보하며 정확한 데이터 모델을 만드는 데 매우 중요합니다. 특히 자산 관리 및 투자 은행과 같은 분야의 재무 리스크 모델을 구축할 때 이는 더욱 중요합니다.
금융 분야에서 리스크 관리는 투자 결정에 있어서 불확실성을 식별, 분석, 수용 또는 완화하는 프로세스입니다.
데이터가 대규모 종속 관계 및 시퀀스 도구와 분리된 독립적인 파이프라인 내에서 흐르도록 구성되고 설계된다면 재무 위험 모델을 실행하는 데 걸리는 시간을 크게 단축할 수 있습니다. 데이터의 유연성이 향상되고 분석이 용이해지므로 기관은 글로벌 및 지역 수준 뿐만 아니라 회사 전체에 걸쳐 리스크 포트폴리오를 적용할 수 있습니다.
특히 은행은 온프레미스 인프라와 레거시 기술의 한계로 인해 최근까지 현대적인 리스크 관리 관행을 효과적으로 구축할 수 있는 도구를 확보하지 못했습니다. 최신 리스크 관리 프레임워크는 당일 뷰, 온디맨드 집계, 미래 대비/확장형 리스크 평가 및 관리 기능을 지원합니다.
과거 수익률을 정확한 예측 모델로 대체하기
재무 리스크 모델링에는 다양한 데이터 소스를 활용하여 예측 가능한 재무 및 신용 리스크 모델을 구축해야 합니다. 현대적인 리스크 및 포트폴리오 관리 관행은 과거 수익률에만 의존하는 것이 아니라 현재 이용 가능한 다양한 정보를 수용해야 합니다.
예를 들어, Atkins 등의 백서에서는 금융 뉴스를 활용하여 종가보다 더 정확하게 주식 시장 변동성을 예측하는 방법에 대해 설명합니다. 이를 통해 대체 데이터를 활용하여 리스크 분석가가 현대 경제를 더 잘 이해하고 외부 충격에 대해 실시간으로 더 잘 이해하고 대응할 수 있는 지능을 보강할 수 있습니다.
클라우드의 최신 위험 관리 모델
또한, Avanade와 데이터브릭스는 Apache Spark, Delta Lake, MLflow를 활용하여 실제 환경에서 데이터를 구성하고 value-at-risk (VAR) 데이터 모델을 신속하게 배포하는 방법을 시연했습니다. 이를 통해 금융 기관은 클라우드를 통해 리스크 관리 관행을 현대화하고 데이터브릭스를 활용하여 데이터 분석에 대한 통합된 접근 방식을 채택할 수 있습니다.
고객은 클라우드 컴퓨팅의 유연성과 확장성, 그리고 조직 내 데이터의 상호 작용을 활용하여 비즈니스가 직면한 리스크를 더 잘 이해하고 정확한 금융 시장 리스크 계산을 신속하게 개발할 수 있습니다. Avanade와 데이터브릭스를 통해 기업은 어떻게 위험을 최소화할 수 있는지 파악한 후, 노출을 줄이기 위해 신속하게 위험 조치를 적용할 수 있는 위치와 방법을 정확하게 찾아낼 수 있습니다.