신용 손실 예측을 위한 레퍼런스 아키텍처 - 복제됨

학습할 내용:

• 개인 대출, 기업 대출, 총계정원장(GL) 및 거시경제 시나리오 데이터를 수집하고 통합하는 엔드투엔드 레이크하우스 아키텍처
• Lakehouse Federation 및 Lakeflow Connect가 클라우드와 온프레미스 시스템 전반에서 안전하고 확장 가능한 데이터 통합을 지원하는 방법
• 다운스트림 모델 실행을 위해 데이터를 표준화, 조정 및 품질 검사하는 데 레이크하우스를 활용하는 방법
• Databricks를 사용하여 Python, R 또는 SAS로 구축된 모델을 운영하고 Databricks Workflows로 워크플로를 오케스트레이션하는 방법
• 대규모 CECL 및 스트레스 테스트를 지원하기 위해 Databricks 클러스터를 사용하는 확장 가능한 컴퓨팅 레이어
• 데이터 계보(lineage), 감사 가능성 및 규정 준수를 시행하기 위해 Unity Catalog를 사용하는 중앙 집중식 데이터 및 모델 카탈로그, 보안 모델 및 제어 기능
• Lakehouse Apps를 통해 신용 리스크 팀과 재무 팀 간에 안전한 협업, 조정 및 예측 승인을 수행하는 방법

CECL 및 스트레스 테스트를 위한 신용 손실 예측 현대화

1. 포트폴리오 데이터 소스 및 수집
   • 개인 대출, 기업 대출 및 관련 익스포저 데이터에 액세스하고 수집
   • 조정 및 데이터 무결성을 위해 계좌 수 및 잔액을 포함한 GL 데이터 수집
   • 온프레미스 또는 클라우드 데이터 시스템에서 네이티브 CDC 기반 수집을 위해 Lakeflow Connect 를 사용하거나, 안전하고 확장 가능하며 중복 없는 데이터 액세스를 위해 Lakehouse Federation 을 활용하세요.
2. 거시경제 시나리오 데이터
   • API를 통해 Moody's 시나리오와 같은 거시경제 시나리오 데이터를 연결하고 소싱
   • 맞춤형 시나리오 확장 로직을 통합하거나 내부 시나리오 데이터 세트를 플랫폼에 직접 수집
3. 데이터 거버넌스 및 관리
   • 포트폴리오 데이터, 시나리오 데이터, 모델 출력, 오버레이 및 공시 보고서 전반에서 메타데이터 거버넌스를 중앙 집중화하기 위해 Unity Catalog 를 활용합니다. 계보 추적(Lineage tracking)을 통해 데이터 신뢰성과 감사 준비성을 보장합니다.
   • 행 수준 액세스 제어를 통해 개인 및 기업 대출 데이터를 표준화하여 다중 자산 클래스 통합을 지원
   • 정제된 Silver 테이블로 데이터 품질 검사 및 GL 조정을 수행하고 데이터 제어 승인
   • 규제 표준에 대한 완전한 감사 가능성과 준수를 위해 시스템 테이블 및 내장된 감사 추적을 활용
4. 모델 실행 구현
   • Python, R 또는 SAS로 개발된 모델을 구현하거나 가져옵니다. 모델을 MLflow에 등록합니다.
   • 시나리오 및 기간별 변수 도출, 모델 스코어링 및 기대신용손실(ECL) 계산을 위한 로직 정의
5. CECL 및 스트레스 테스트 워크플로
   • 시나리오 분석, 민감도 분석 및 기여도 분석을 위한 워크플로 구축
   • 복잡한 모델 파이프라인에 대한 자동화, 모니터링 및 스케줄링을 제공하는 Databricks Workflows를 사용하여 대규모로 워크플로 실행
6. 비즈니스 인텔리전스
   • 포트폴리오 데이터 및 시나리오 데이터를 검토하고 분석하기 위해 Databricks SQL 사용
   • 각 시나리오 및 기간별 대출 수준 신용 손실 분석 수행
   • 완전한 투명성과 추적성을 바탕으로 대화형 방식으로 결과를 탐색하고 가정을 검증
7. 신용 리스크 및 재무 협업
   • Lakehouse Apps (웹 애플리케이션)를 통해 신용 리스크 팀과 재무 팀 간의 실시간 협업 지원
   • 개별 평가를 지원하기 위해 최종 사용자 컴퓨팅 스프레드시트 업로드
   • 경영진 오버레이 및 승인 제어를 적용하고, GL 전기, 공시 보고 등을 위해 다운스트림 리스크 및 재무 시스템과 통합

혜택

1. 규제 준수 및 감사 가능성
   자동화된 데이터 계보, 내장된 제어 기능 및 감사 준비가 된 워크플로를 통해 CECL, CCAR, IFRS 9 및 기타 규제 프레임워크 준수 보장
2. 복잡한 계산을 위한 확장 가능한 성능
   컴퓨팅 집약적인 금융 워크로드를 위해 설계된 자동 확장 Databricks 클러스터 를 사용하여 신용 손실 모델 및 시나리오를 쉽게 실행
3. 비용 효율적인 아키텍처
   추가 소프트웨어 라이선스 비용이 없는 사용량 기반 요금제를 활용하여, 수요에 맞춘 유연한 리소스 사용과 더 낮은 TCO를 실현하세요.
4. 안전한 엔터프라이즈 지원 플랫폼
   내장된 보안, ID 관리 및 거버넌스 기능을 통해 민감한 리스크 데이터가 엔터프라이즈 및 규제 표준에 따라 보호되고 관리되도록 보장합니다.
5. 완전한 맞춤 설정이 가능한 셀프 서비스
   셀프 서비스 플랫폼을 통해 내부 팀이 모델링 환경을 직접 소유하고 조정 할 수 있도록 지원하는 동시에, 엔터프라이즈 시스템과의 완전한 맞춤 설정, 자동화 및 통합을 지원합니다.