Event- and Data-Centric Enterprise Risk-Adjusted Return Management
A Banking Practitioner’s Handbook
- 2022
- Buch
- Verfasst von
- Kannan Subramanian R
- Dr. Sudheesh Kumar Kattumannil
- Verlag
- Apress
Über dieses Buch
Eine ganzheitliche Sicht des unternehmensrisikobereinigten Renditemanagements im Bankwesen. In diesem Buch wird empfohlen, dass eine Bank ihr silogedämpftes Betriebsmodell in ein agiles Unternehmensmodell umwandelt. Es bietet einen ereignisorientierten, prozessbasierten, datenzentrierten Ansatz, um Banken bei der Planung und Umsetzung eines risikobereinigten Renditemodells (ERRM) zu unterstützen, wobei der Schwerpunkt auf geschäftlichen Ereignissen, Prozessen und einer lose gekoppelten Unternehmensdienstleistungsarchitektur liegt. Die meisten Banken leiden unter einem Mangel an qualitativ hochwertigen Daten für ein risikobereinigtes Renditemanagement. Dieses Buch bietet eine Unternehmensdatenmanagement-Methodik, die die Datenqualität verbessert, indem sie Datenontologie und Taxonomie definiert und verwendet. Es erweitert die Datenerzählung um eine Erklärung der Charakteristika von Risikodaten, den Einsatz von maschinellem Lernen und stellt eine Wissensmanagement-Methodik für Unternehmen zur Optimierung von Risiko und Rendite zur Verfügung. Das Buch bietet zahlreiche Beispiele für Prozessautomatisierung, Datenanalyse, Ereignismanagement, Wissensmanagement und Verbesserungen bei der Quantifizierung von Risiken. Das Buch bietet Anleitungen zu den zugrunde liegenden Wissensbereichen Bankwesen, Risikomanagement, Unternehmensarchitektur, Technologie, Eventmanagement, Prozesse und Datenwissenschaft. Der erste Teil des Buches erklärt den aktuellen Stand der Bankenarchitektur und ihre Grenzen. Nach der Definition eines Zielmodells wird ein Ansatz zur Bestimmung der "Lücke" erläutert und der zweite Teil des Buches führt Banken zur Umsetzung des risikobereinigten Renditemodells im Unternehmen.Was Sie lernen Wissen, was die Siloarchitektur verursacht, und ihre Auswirkungen Implementieren eines risikobereinigten Renditemodells (ERRM) Unternehmensarchitektur und -technologieDefinieren Sie eine ReferenzarchitekturUnternehmensdatenmanagementmethodeDefinieren und verwenden Sie eine Ontologie und TaxonomyErstellen Sie ein multidimensionales UnternehmensrisikomodellVerstehen Sie die Relevanz ereignisgetriebener Architektur aus der Perspektive der Geschäftsgenerierung und des Risikomanagements Implementieren Sie fortschrittliche Analyse- und Wissensmanagementfähigkeiten Wer dieses Buch für die globale Bankengemeinschaft ist, einschließlich: Führungskräfte einer Sie ist auch für Anbieter von Bankensoftware, Bankberater, Wirtschaftsprüfer, Risikomanagementberater, Bankenaufsichtsbehörden und staatliche Finanzexperten relevant.
Mit KI übersetzt
Über dieses Buch
Take a holistic view of enterprise risk-adjusted return management in banking. This book recommends that a bank transform its siloed operating model into an agile enterprise model. It offers an event-driven, process-based, data-centric approach to help banks plan and implement an enterprise risk-adjusted return model (ERRM), keeping the focus on business events, processes, and a loosely coupled enterprise service architecture.
Most banks suffer from a lack of good quality data for risk-adjusted return management. This book provides an enterprise data management methodology that improves data quality by defining and using data ontology and taxonomy. It extends the data narrative with an explanation of the characteristics of risk data, the usage of machine learning, and provides an enterprise knowledge management methodology for risk-return optimization. The book provides numerous examples for process automation, data analytics, event management, knowledge management, and improvements to risk quantification.
The book provides guidance on the underlying knowledge areas of banking, enterprise risk management, enterprise architecture, technology, event management, processes, and data science. The first part of the book explains the current state of banking architecture and its limitations. After defining a target model, it explains an approach to determine the "gap" and the second part of the book guides banks on how to implement the enterprise risk-adjusted return model.
What You Will Learn
Know what causes siloed architecture, and its impactImplement an enterprise risk-adjusted return model (ERRM)Choose enterprise architecture and technologyDefine a reference enterprise architectureUnderstand enterprise data management methodologyDefine and use an enterprise data ontology and taxonomyCreate a multi-dimensional enterprise risk data modelUnderstand the relevance of event-driven architecture from business generation and risk management perspectivesImplement advanced analytics and knowledge management capabilities
Who This Book Is For
The global banking community, including: senior management of a bank, such as the Chief Risk Officer, Head of Treasury/Corporate Banking/Retail Banking, Chief Data Officer, and Chief Technology Officer. It is also relevant for banking software vendors, banking consultants, auditors, risk management consultants, banking supervisors, and government finance professionals.
Anzeige
Inhaltsverzeichnis
-
Frontmatter
-
Chapter 1. Commercial Banks, Banking Systems, and Basel Recommendations
Kannan Subramanian R, Dr. Sudheesh Kumar KattumannilDieses Kapitel bietet eine detaillierte Untersuchung der Rolle der Geschäftsbanken als Finanzintermediäre und betont die Bedeutung eines effektiven Risikomanagements. Sie deckt verschiedene Finanzmärkte ab, darunter Währungs-, Geld-, Kapital- und Rohstoffmärkte, und untersucht die Produktportfolios des Treasury, des Corporate und des Retail Banking. Das Kapitel beleuchtet die Bedeutung des Liquiditätsmanagements und risikobereinigter Renditemodelle für Unternehmen und bietet Einblicke in das Bankenökosystem und die Entwicklung der Baseler Risikomanagementempfehlungen. Darüber hinaus werden die Schlüsselaspekte von Bankprodukten wie Cashflows und Vertragsspezifikationen sowie die Bedeutung von Cashflows im Risikomanagement diskutiert. Das Kapitel berührt auch die Bankenaspekte der Baseler Empfehlungen, einschließlich der Entwicklung von Risikomanagementmodellen und der Rolle von Derivaten beim Risikomanagement. Insgesamt vermittelt das Kapitel ein umfassendes Verständnis der Bankenbranche, wobei der Schwerpunkt auf Risikomanagement und regulatorischer Compliance liegt.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractCommercial banks play a critical role as financial intermediaries and channel funds from savers to borrowers in an efficient manner. In doing so, banks are exposed to market, credit, liquidity, and operational risks. These risks should be proactively managed in a holistic manner with a focus on risk appetite and risk-adjusted returns. Members of banks’ upper management need an enterprise view of the risks so as to improve capital allocation decisions. During the last decade, with an objective of moving toward an enterprise risk-management model, banks have increased their investments in transforming their operating model. -
Chapter 2. Siloed Risk Management Systems
Kannan Subramanian R, Dr. Sudheesh Kumar KattumannilDas Kapitel "Siloed Risk Management Systems" untersucht den aktuellen Stand des Risikomanagements bei Geschäftsbanken, wobei der Schwerpunkt auf dem fragmentierten und bandenmäßigen Ansatz liegt, der in diesen Institutionen häufig anzutreffen ist. Sie vertieft die verschiedenen Risikomanagementlösungen, die in verschiedenen Geschäftsbereichen umgesetzt werden, wie Markt- und Kreditrisiken im Finanzministerium, Kreditrisiken bei der Kreditvergabe, Geldwäschebekämpfung und Terrorismusfinanzierung (AML-CFT), operatives Risiko und Betrugsmanagement. Der Text diskutiert die Datenanforderungen für das Risikomanagement, einschließlich der Notwendigkeit granularer Daten und der funktionalen Überschneidungen zwischen Systemen. Außerdem werden die Herausforderungen beim Umgang mit diesen Risiken hervorgehoben, wie die unbefriedigende Qualität der Daten und die Inkonsistenzen zwischen den Systemen. Das Kapitel bietet einen detaillierten Überblick über diese Implementierungen des Risikomanagements und betont die Notwendigkeit eines stärker integrierten und weiterentwickelten Ansatzes, um regulatorische Anforderungen wie Basel III zu erfüllen. Darüber hinaus werden die spezifischen Merkmale und Modelle von Risikomanagementsystemen wie Instrumentenmodellierung, Kurvendefinitionen und szenariobasierte Simulationen behandelt. Das Kapitel schließt mit einer Diskussion über die Bedeutung der Datenübertragung und die Notwendigkeit, ein einheitlicheres und weiterentwickeltes Rahmenwerk für das Risikomanagement bei Geschäftsbanken zu etablieren.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractThe as-is environment comprises the source systems explained in Section 1.3 of Chapter 1 and the risk management solutions explained in this chapter. The narrative in this chapter does not follow Basel III requirements, nor does it discuss quantitative risk modeling. There are numerous books on the quantitative modeling of each of the risk types. The objective of this chapter is to describe the different risk management solutions available to a commercial bank, the scope of the implementations, the data requirements for risk management, and the siloed nature of the solutions. In almost all banks, the risk data is fragmented and the environment is “band-aided.” -
Chapter 3. ERRM Gap Analysis & Identification
Kannan Subramanian R, Dr. Sudheesh Kumar KattumannilDieses Kapitel befasst sich mit der Entwicklung des Bankwesens, der Technologie und des Risikomanagements, wobei der Schwerpunkt auf der Siloarchitektur und fragmentierten Datenverarbeitungsumgebungen liegt, mit denen Banken konfrontiert sind. Er skizziert einen fünfstufigen Prozess der Lückenanalyse und Identifizierung zur Umsetzung eines Enterprise Risk-Adjusted Return (ERR) -Modells, das darauf abzielt, Banken zukunftssicher zu machen. Das Kapitel unterstreicht die Notwendigkeit eines progressiven Ansatzes in Bezug auf betriebliche Effizienz, risikobereinigte Rendite und Kundenerfahrung und betont die Bedeutung der Standardisierung von Abläufen und Gebäudekapazitäten. Außerdem werden die Herausforderungen komplexer Bankenumgebungen, die Auswirkungen regulatorischer Anforderungen wie Basel III und die Notwendigkeit eines ganzheitlichen, datenzentrierten Ansatzes für das Risikomanagement von Unternehmen diskutiert. Das Kapitel schließt mit einer konzeptionellen Betrachtung der geschäftlichen und technischen Architektur, die für die Implementierung eines ERR-Modells erforderlich ist, und betont die Bedeutung von Echtzeit-Treasury-Management, Liquiditätsmanagement für Unternehmen und fortschrittlicher Analytik.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractIt is appropriate to use the term “enterprise risk–return management” (ERRM) rather than just enterprise risk management, as risks are inherent in any business activity, and a bank’s primary objectives are growth and profits. Basel’s BCBS 239 guidance on risk data aggregation can be effective only when a bank has an enterprise data model and governance. Many of the banks that have implemented or are implementing risk aggregation projects have not rectified their fractured architecture and fragmented data processing environment. -
Chapter 4. ERR Model Implementation Methodology
Kannan Subramanian R, Dr. Sudheesh Kumar KattumannilDas Kapitel skizziert die Methodik zur Umsetzung des ERR-Modells, wobei der Schwerpunkt auf der Auswahl der relevanten Architektur und Technologie liegt. Es umfasst Unternehmens- und Risikomanagement, einschließlich serviceorientierter Architekturen, Mikroservices, ereignisgesteuerter Architekturen und Unternehmensdatenmanagement. Die ERRM-Methodik legt den Schwerpunkt auf die Erstellung eines Transformationsplans auf höchster Ebene und die Entwicklung einer robusten Governance-Struktur. Wichtige Meilensteine und die Verantwortlichkeiten des Kernteams werden ebenso hervorgehoben wie die Bedeutung des Kostenmanagements für Unternehmen und der Preise für Geldtransfers. Das Kapitel diskutiert auch die Überarbeitung der Risikorahmen, Stresstests und die angemessene Eigenkapitalausstattung und schließt mit der Bedeutung des Wissensmanagements von Unternehmen für das Erreichen risikobereinigter Renditen.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractThe upcoming chapters, 4 to 10, discuss how a bank can implement the ERRM model. The discussion guides the bank in selecting the relevant architecture and technology to build its ERRM capabilities. This book is for banks that buy software solutions. The bank needs to know its requirements, evaluate the vendor’s solution, and work with the vendor to make the ERR model implementation successful. Banks cannot live with limitations imposed by legacy issues or by their vendor solutions. -
Chapter 5. Enterprise Architecture
Kannan Subramanian R, Dr. Sudheesh Kumar KattumannilDas Kapitel vertieft das Konzept der Unternehmensarchitektur und ihre entscheidende Rolle bei der Implementierung eines risikobereinigten Renditemodells für Unternehmen. Es betont die Notwendigkeit einer lose gekoppelten, interoperablen, flexiblen und skalierbaren Architektur, um in einer Ära offenen Bankings und Echtzeit-Zahlungen die risikobereinigten Renditen zu maximieren. Das Kapitel behandelt verschiedene Architekturstile, darunter Service-orientierte Architektur (SOA) und Mikroservice-Architektur, und erklärt, wie diese genutzt werden können, um ein effektives Risikomanagementsystem für Unternehmen zu schaffen. Darüber hinaus werden die Vorteile ereignisgetriebener Architektur und Prozessautomatisierung beim Risikomanagement und der Verbesserung der operativen Effizienz untersucht. Das Kapitel schließt mit praktischen Beispielen und Fallstudien, die die praktische Anwendung dieser architektonischen Prinzipien in der Bankenbranche beleuchten.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
Abstract“Architecture” is defined by IEEE 1471 as “the fundamental organization of a system embodied in its components, their relationships to each other and to the environment and the principles guiding its design and evolution.” Using this definition, it can be stated that an architecture is a concept that is based on the relationship of its components. As risk and returns are intertwined, this book submits that enterprise risk ontology is an important aspect of the enterprise risk-adjusted return model and risk management system(s). -
Chapter 6. Enterprise Data Management
Kannan Subramanian R, Dr. Sudheesh Kumar KattumannilDas Kapitel beginnt mit der Erläuterung der gemeinsamen Elemente und Unterschiede zwischen Buchhaltungs- und Risikomanagementdaten, wobei die Bedeutung des Verständnisses dieser Unterschiede für ein effektives Unternehmensdatenmanagement hervorgehoben wird. Anschließend werden zwei beliebte Methoden des Datenmanagements vorgestellt und verglichen, bevor eine einzigartige Unternehmensdatenmanagementmethodik präsentiert wird, die das Beste von beidem kombiniert. Das Kapitel behandelt auch die Bedeutung von Data Governance und den Einsatz von Ontologien und Datenvirtualisierung bei der Verwaltung von Unternehmensdaten. Darüber hinaus wird die Ontologie der Unternehmensrisikodaten und ihre Rolle im Risikomanagement detailliert erläutert. Das Kapitel schließt mit einer Diskussion der Herausforderungen und Lösungen bei der Einführung von Unternehmensdatenmanagement im Bankwesen.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractAccounting and risk data have common elements, but there are fundamental differences in their character and usage. This chapter explains enterprise data management by focusing on the data common to both the accounting and the risk management systems. -
Chapter 7. Enterprise Risk Data Management (A Subset of Enterprise Data Management)
Kannan Subramanian R, Dr. Sudheesh Kumar KattumannilDieses Kapitel vertieft die Feinheiten des Enterprise Risk Data Management (EDM), mit besonderem Fokus auf Risikodaten. Er erklärt, wie Prozesse mithilfe einer Geschäftsprozessmanagementsuite orchestriert werden können, um verschiedene Arten von Risiken in Echtzeit zu managen. Das Kapitel diskutiert die Bedeutung einer Abstimmung des Risikomanagements mit dem Rahmenwerk für Risikoappetit und unterstreicht die Notwendigkeit einer weltweit anerkannten einzigen Risikomaßnahme. Darüber hinaus bietet es Einblicke in den einzigartigen Charakter von Risikodaten und die Herausforderungen ihrer Bewältigung und betont die Rolle ontologiegetriebener Methoden und Prozessautomatisierung bei der Erreichung eines effektiven Risikomanagements. Das Kapitel untersucht auch den Einsatz eines ontologiegetriebenen Ansatzes der Systemdynamik, um die Kausalanalyse zu verbessern und strukturelle Mängel in Risikomanagementsystemen zu beheben. Insgesamt bietet das Kapitel einen umfassenden Leitfaden zur Verbesserung des Risikomanagements innerhalb von Finanzinstituten.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractThe structure of this chapter is similar to that in the previous chapter on enterprise data management (EDM), but here the focus is on risk data. -
Chapter 8. Data Science and Enterprise Risk–Return Management
Kannan Subramanian R, Dr. Sudheesh Kumar KattumannilDas Kapitel vertieft sich in die Schnittmenge zwischen Datenwissenschaft und Risikomanagement von Unternehmen und betont die Notwendigkeit für Banken, ihre Daten wissenschaftlich zu verwalten, um die risikobereinigten Renditen zu verbessern. Es werden die Faktoren diskutiert, die für die kritische Bedeutung des Datenmanagements verantwortlich sind, wie Wettbewerb, Finanzderivate, Projektfinanzierung und regulatorische Änderungen. Das Kapitel gliedert sich in vier Abschnitte: eine Einführung in die Mathematik und Statistik des Risikomanagements, einen Überblick über Theorien und Modelle des Risikomanagements, eine Diskussion über die Steuerung von Risikomodellen und einen Abschnitt über die Auswahl der Datenverteilungen für operative Risikoverluste. Das Kapitel beleuchtet die grundlegenden Unterschiede zwischen Buchführungs- und Risikodaten, die Anwendung verschiedener statistischer Techniken und die Bedeutung von Data Governance bei der Risikomodellierung. Es bietet auch praktische Beispiele und Vergleiche verschiedener statistischer Modelle und ist daher eine wertvolle Ressource für Fachleute auf diesem Gebiet.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractBanks are beginning to move in the direction of managing their data as a science, realizing that the approach can support them in improving risk-adjusted returns. Bank management staff have to use their human capital to build and manage their enterprise knowledge management. Banks should consider the information technology team data providers. Data scientists play an important role in providing and improving risk-adjusted return methods, models, and techniques. -
Chapter 9. Advanced Analytics and Knowledge Management
Kannan Subramanian R, Dr. Sudheesh Kumar KattumannilDas Kapitel beginnt, indem es auf der Diskussion über das Unternehmensdatenmanagement aus früheren Kapiteln aufbaut, die fortgeschrittene Analysen und Wissensmanagement abdeckt. Er erklärt die verschiedenen Arten fortgeschrittener Analytik, einschließlich deskriptiver, prädiktiver, präskriptiver und Entdeckungsanalysen, und wie sie für risikobereinigte Renditen genutzt werden können. Das Kapitel bietet auch einen Ansatz zur Beurteilung der Reife der Analysefähigkeit einer Organisation und diskutiert den Einsatz von maschinellem Lernen im Risikomanagement. Sie unterstreicht die Bedeutung des Wissensmanagements für die Stärkung der Entscheidungsfindung und die Verbesserung risikobereinigter Renditen. Das Kapitel schließt mit praktischen Beispielen und Anwendungen fortgeschrittener Analytik und Wissensmanagement im Bankwesen, was es zu einer wertvollen Ressource für Fachleute macht, die ihr Verständnis dieser Themen verbessern wollen.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
-
Chapter 10. ERRM Capabilities & Improvements
Kannan Subramanian R, Dr. Sudheesh Kumar KattumannilDieses Kapitel vertieft die Fähigkeiten und Verbesserungen des unternehmensrisikobereinigten Renditemodells (ERRM) und hebt die erheblichen Vorteile hervor, die es den Banken bietet. Er beginnt mit einer Erklärung des unternehmerischen und unternehmensinternen Liquiditätsmanagements und betont die Bedeutung des Liquiditätsdrehkreuzes für Unternehmen (Enterprise Liquidity Hub, ELH) bei der Verwaltung von Cashflows in Echtzeit und außerbilanzielle Verpflichtungen. Das Kapitel untersucht dann das dynamische Asset-Liability-Management (ALM) und diskutiert, wie Banken ihre Bilanzen optimieren und Risiken effektiver managen können. Darüber hinaus umfasst es Bilanzoptimierung, Stresstests und den Einsatz moderner Analysen und maschinellen Lernens zur Vorhersage von Cashflows. Durch die Umsetzung der Empfehlungen in diesem Kapitel können die Banken ihr Liquiditätsmanagement, ihre Risikobewertung und die allgemeine Finanzstabilität verbessern.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractThe benefits that a bank can derive from implementing the recommended capabilities are explained in Chapter 5 (“Enterprise Architecture”) and Chapter 9 (“Advanced Analytics and Knowledge Management”). This chapter wraps up the book by explaining the other significant benefits of implementing the enterprise risk-adjusted return model. -
Backmatter
- Titel
- Event- and Data-Centric Enterprise Risk-Adjusted Return Management
- Verfasst von
-
Kannan Subramanian R
Dr. Sudheesh Kumar Kattumannil
- Copyright-Jahr
- 2022
- Verlag
- Apress
- Electronic ISBN
- 978-1-4842-7440-8
- Print ISBN
- 978-1-4842-7439-2
- DOI
- https://doi.org/10.1007/978-1-4842-7440-8
Informationen zur Barrierefreiheit für dieses Buch folgen in Kürze. Wir arbeiten daran, sie so schnell wie möglich verfügbar zu machen. Vielen Dank für Ihre Geduld.
