Dynamika zmian w sektorze finansowym wyprzedza obowiązujące regulacje

W ostatnich latach pojawiło się wiele nowych rodzajów ryzyka, które mają coraz istotniejszy wpływ na funkcjonowanie sektora finansowego. Dotychczas osoby zarządzające obszarem ryzyka w bankach skupiały się na mierzeniu i zarządzaniu tradycyjnymi odmianami ryzyka, takimi jak ryzyko kredytowe czy rynkowe, oraz na ograniczeniach regulacyjnych. Rozwój technologiczny oraz powiązane z nim kwestie bezpieczeństwa cybernetycznego, rosnące znaczenie czynników środowiskowych i zmian klimatycznych, a także nagłe i zupełnie nieprzewidywalne zdarzenia, takie jak pandemia Covid-19, wymusiły na sektorze bankowym zmianę dotychczasowego podejścia do zarządzania ryzykiem.
 

Regulacje nie nadążają za dynamiką zmian

Analizując krajobraz regulacyjny sektora finansowego oraz kierunek przyszłych zmian, studenci nie powinni skupiać się wyłącznie na obowiązujących zapisach. Muszą pamiętać, że system regulacji ewoluował na przestrzeni lat - od Umowy Kapitałowej z 1988 roku aż po oczekujący na wdrożenie Fundamentalny przegląd księgi handlowej (FRTB)

– podkreśla prof. John C. Hull.

FRTB, czyli zestaw propozycji Bazylejskiego Komitetu Nadzoru Bankowego dotyczących nowego wymogu kapitałowego dla banków związanego z ryzykiem rynkowym, powstał w odpowiedzi na kryzys finansowy w latach 2007-2008, któremu nie zapobiegły wcześniej obowiązujące regulacje. Jego wdrożenie było już wielokrotnie przekładane. FRTB wymaga od banków wprowadzenia daleko idących zmian, ale nadal nie jest pewne, czy zmierza w dobrym kierunku i czy rzeczywiście przyczyni się do skuteczniejszego pomiaru poziomów ryzyka.

Założenia FRTB powstawały w nieco innych okolicznościach i mogą okazać się mało przydatne do zarządzania kluczowymi obszarami ryzyka, z jakim aktualnie mierzą się banki. Obecnie obserwujemy więcej restrykcji bankowych dotyczących transakcji na własny rachunek. Kryzys wywołany pandemią ciągle trwa. Sytuacja w obszarze ryzyka stóp procentowych oraz ich poziomu w stosunku do wskaźnika inflacji jest bardzo dynamiczna

– mówi Przemysław Szczygielski, partner, lider sektora finansowego w Polsce, lider zarządzania ryzykiem oraz doradztwa regulacyjnego, Deloitte.

FRTB jest też znacznie bardziej skomplikowany niż wcześniejsze regulacje i wymaga bardziej złożonych wyliczeń. Nie jest zatem zaskoczeniem, że inicjatywa nie zyskała zbyt wielkiej popularności wśród banków. Wiele z nich wskazuje, że gdyby nie wymogi regulacyjne, nie podejmowałyby się wprowadzenia takiego rozwiązania, bo w ich opinii w rzeczywistości nie usprawnia ono wewnętrznego zarządzania ryzykiem - wskazuje John C. Hull.

Proces wprowadzania nowych regulacji jest zbyt wolny i nie nadąża za dynamiką zachodzących zmian. To samo dotyczy legislacji związanej z sektorem technologicznym. Niektóre nowe zapisy prawne pojawiają się zbyt późno, po wydarzeniach, przed którymi w rzeczywistości miały chronić
- podkreśla John C. Hull.
 

Pandemii nie dało się przewidzieć, ale rzadkie, nieoczekiwane zdarzenia o dużym oddziaływaniu wykazują się już pewną regularnością

Coraz poważniejsze dla działalności instytucji bankowych wydają się ryzyka pozafinansowe w postaci zmian klimatycznych, zrównoważonego rozwoju oraz uwzględnienia czynników ESG czy ryzyka przejścia. Niedostrzeganie tego typu zagrożeń, ale też dosyć wysoki poziom niepewności co do podejścia, jakie przyjmą organy regulacyjne i ustawodawcy, może powodować kłopoty, np. dla niektórych firm czy sektorów, które z dekarbonizacją czy redukcją emisji nie radzą sobie wystarczająco dobrze.

Przy zarządzaniu ryzykiem warto pamiętać o zachowaniu elastyczności. Z pewnością jeszcze nie raz zostaniemy wystawieni na próbę, zatem należy spodziewać się pojawienia nowych obszarów ryzyka oraz kolejnych kryzysów finansowych. Wybuch pandemii jest żywym przykładem jednorazowego, całkowicie nieprzewidywalnego kryzysu, na który sektor bankowy nie był przygotowany. Teraz, gdy już do niego doszło, możemy się zastanowić, czy coś podobnego wydarzy się za 5 lub 10 lat. Oczywiście przewidzenie kolejnego kryzysu, jego charakteru i okoliczności, nie jest do końca możliwe. Dlatego głównym narzędziem do radzenia sobie z tego rodzaju nietypowymi wydarzeniami powinna być elastyczność – mówi John C. Hull.
 

Tradycyjny sektor finansowy może się sporo nauczyć od start-upów

Tradycyjne instytucje finansowe mogą z powodzeniem uczyć się od start-upów elastyczności w podejściu nie tylko do sytuacji kryzysowych, ale i do bieżącej działalności. Porównanie dużych instytucji bankowych ze start-upami, które mogą sobie pozwolić na znacznie bardziej swobodne funkcjonowanie, pokazuje, że sztywna struktura organizacyjna ogranicza zakres działań, które można podjąć w sytuacji kryzysowej.

Start-upy z natury są bardziej skłonne do rozwijania nowych narzędzi i wypróbowywania innowacyjnych rozwiązań. Korzystają z rozwijających się technologii, takich jak uczenie maszynowe i data science, czyli przetwarzanie dużych zbiorów danych.

Z drugiej jednak strony, tradycyjne instytucje finansowe mają do dyspozycji klientów i dane, których start-upy nie posiadają. Dzięki temu interakcje między tymi dwoma typami podmiotów mogą przybierać różne formy. Czasami banki kupują start-upy, a czasami tworzą osobne działy zajmujące się wykorzystaniem innowacyjnych technologii, które funkcjonują równolegle do dotychczasowych struktur, z pominięciem biurokratycznych przeszkód. Dodatkowo, otwarta bankowość, które zyskuje coraz większą popularność, promuje wdrażanie start-upowych rozwiązań, jako dodatków do głównych usług bankowych oferowanych klientom.

Uczenie maszynowe

Sektor finansowy coraz częściej wykorzystuje uczenie maszynowe, na przykład do podejmowania decyzji kredytowych, zarządzania ryzykiem rynkowym, wykrywania oszustw czy przypadków prania pieniędzy. Fundusze hedgingowe i emerytalne mocno inwestują w uczenie maszynowe na potrzeby zarządzania swoimi portfelami. Z kolei w sektorze ubezpieczeniowym zastosowanie uczenia maszynowego pozwala na bardziej precyzyjne określenie ryzyka oraz skuteczniejsze rozpatrywanie roszczeń dzięki odpowiednim algorytmom. Oprócz tego istnieje również wiele innych narzędzi, jak na przykład Przetwarzanie języka naturalnego (ang. Natural Language Processing), które umożliwia skanowanie i analizowanie dokumentów prawnych, chat boty odpowiadające na zapytania klientów, analiza sentymentu (ang. sentiment analysis) stosowana do poznania natychmiastowej reakcji rynku na nowe produkty lub programy reklamowe, czy też algorytmy wspierające działy HR w procesach rekrutacyjnych. Niestety zdarza się, że regulacje nie nadążają za praktyką biznesową. Z pewnością system, którego zmiana zajęła 10 lat nie jest idealny w obliczu dzisiejszego, szybko zmieniającego się świata.

Istotne jest, aby osoby zajmujące się sektorem finansowym posiadały podstawową wiedzę z zakresu uczenia maszynowego. Nie muszą być specjalistami w tej dziedzinie, ale powinni dysponować odpowiednim poziomem znajomości tematu, aby móc swobodnie rozmawiać z ekspertami. To właśnie managerowie, a nie specjaliści ds. danych, są najwłaściwszymi osobami do dokonania oceny czy organizacja potrzebuje danej aplikacji czy nie.

John Hull wskazuje, że studenci finansów mają świadomość kierunku, w którym zmierza świat. Trzecia rewolucja przemysłowa dotyczyła cyfryzacji. Obecnie jesteśmy na etapie czwartej, która polega na uczeniu się na podstawie dużych zbiorów danych. Wcześniej znajomość Excela była wystarczającą umiejętnością, aby przetrwać w świecie finansów. W dzisiejszych czasach znajomość programowania w Phytonie oraz możliwości jego zastosowania w aplikacjach do uczenia maszynowego zaczyna odgrywać coraz większą rolę.

Oczywiście uczenie maszynowe nie jest odpowiedzią na wszystko. Opiera się na istniejących danych i tym samym na założeniu, że przyszłość w pewnym stopniu będzie przypominała przeszłość. Musimy być przygotowani na takie zdarzenia, jak pandemia Covid-19, które wpływają na zachowanie klientów instytucji finansowych. Jednocześnie stosując nowe narzędzia uczenia maszynowego powinniśmy zawsze kierować się własnym osądem - podkreśla Przemysław Szczygielski.