收购风险软件提供商Kamakura未满18个月,SAS即领衔Chartis风险技术领导者象限,助力金融公司全方位监管信贷资产组合
近日,Chartis发布了风险技术(RiskTech)象限报告《2023年信贷资产组合管理解决方案:市场与厂商格局》,将人工智能(AI)与分析领域的领导者SAS评为“信贷资产组合管理”(CPM)解决方案类别领导者。在随后的厂商分析报告中,Charis称赞SAS将“数据和分析无缝融入客户旅程的每一阶段”,使金融服务公司能够“从投资中获取到最大价值”。
Chartis象限报告是针对全球CPM市场发布的权威评估报告,在国际上享有盛誉。此次评估对象包括35家领先的CPM解决方案提供商。值得注意的是,在关于产品完整性的所有评估指标上,SAS一举拿下全部高分,其中包括平台与产品性能、工作流管理、CPM分析模型、新兴技术的采用,以及CPM生命周期相关用例。
“通过在SAS® Viya®平台上对Kamakura风险管理器(KRM)和Kamakura风险信息服务(KRIS)进行整合,SAS进一步增强了其行业领先的风险管理解决方案的实力,” Chartis首席研究员Sidhartha Dash表示:“从数据管理和信用评分到风险建模与合规管理,SAS都可以提供全方位的深度分析,帮助风险管理人员深入了解那些复杂的风险态势,以便调整其信贷资产组合。一旦拥有更紧密相关的战略视角,企业将能够更快、更自信地制定风险决策,同时更容易实现令人艳羡的、真正一体化的资产负债管理的目标。”
构建统一平台环境,提供无与伦比的能力
SAS在Chartis 2024年度风险技术百强榜(Risktech100®)中排名第二,以风险管理、反欺诈和合规技术方面的雄厚实力而闻名。SAS在CPM方面的表现也同样出色。在厂商分析报告中,Chartis对SAS Viya强大CPM性能的几大支柱进行了剖析:
· SAS资产负债管理解决方案:整合了KRM及其他资产负债表与资本管理软件,在综合风险评估、资产流动性、价值评估、存款模拟、转移定价和信贷分析等方面都具备极大的功能优势,并实现了工作流的无缝衔接。该方案可部署在现场或云端,为资产负债综合管理提供了所需的基础工具和技术。
· Chartis厂商分析报告指出,SAS风险建模与决策解决方案“通过利用直观的决策工具,把兼具广度和深度的SAS风险分析与企业数据管理进行有机结合,便于进行实时的资产组合监测以及决策制定” 。此外,“SAS在数据准备和分析方面的诸多能力都具备市场领先性,例如开源集成、模型治理和数据血缘分析,同时SAS平台可帮助金融机构以最快的速度进行分析模型的构建和部署,并将风险降至最低。”
· 值得一提的是,KRIS是第一个也是唯一一个提供Jarrow-Chava违约概率模型简化版商业应用的风险数据服务。KRIS提供76个国家42000多家公司的违约概率,数据每天持续更新,已被政府机构、资产管理公司、银行以及其他公共和私人公司广泛采用。
SAS Viya平台可实时监测风险因素的变化,这一作用十分关键。正如Chartis在厂商分析报告中所指出的那样,该平台“在整个CPM生命周期都凸显了出色的模型管理和压力测试性能,使公司能够对信贷资产组合的风险因素进行彻底评估”。此外,Chartis还称赞SAS蕴藏着更大的潜力:助力金融机构采用更先进的建模方法,以提高风险量化能力,从容应对气候风险、环境、社会和治理(ESG)等挑战。
无论2024年经济形势如何变化,只要在适合的平台上部署了适合的风险管理能力,金融服务公司将能够最大程度地降低潜在损失,并使其资产投资组合抵御经济衰退的影响。
“银行及整个金融行业都将持续面对利率和流动性风险。为助其应对这一风险挑战,SAS提供了一整套解决方案,从应对基本数据的挑战,乃至全面的资产负债管理。” SAS风险与欺诈管理&合规解决方案高级副总裁Stu Bradley表示:“我们与竞争对手的主要区别在于,能够在统一的平台上为客户提供行业领先的分析能力。SAS提供端到端的解决方案,覆盖整个资产负债管理流程,为企业实现更具整体性的决策制定奠定了基础。”
访问Chartis网站,查看风险技术百强榜之SAS介绍篇,了解这家分析巨头是如何利用10亿美元AI投资增强解决方案能力,从而帮助金融公司在不断变化的风险中走得更快、更远。
关于Chartis
Chartis是全球风险技术市场领先的研究与分析服务厂商。公司隶属Infopro Digital旗下,后者拥有Risk、WatersTechnology等多个市场领先品牌。Chartis的目标是支持企业通过改进风险管理、公司治理和法规遵循来提升业务表现;为客户提供风险技术领域全方位的深度分析和可行建议,协助客户做出明智的技术和业务决策。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。