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
Writer首席执行官May Habib指出,企业在构建和扩展AI智能体时面临重大挑战。智能体在构建、运行和改进方式上与传统软件截然不同,需要抛弃传统软件开发生命周期。智能体不会可靠地遵循规则,而是结果导向、具备解释和适应能力。企业需要采用目标导向方法,设计业务逻辑蓝图而非工作流程。质量保证也需要评估非二元行为和实际应用表现。智能体维护需要新的版本控制系统,涵盖提示、模型设置等所有影响行为的因素。
中科院团队开发的SimpleGVR系统革新了AI视频增强技术,通过直接在潜在空间处理和创新的分阶段训练策略,能够将AI生成的低分辨率视频高效提升至高清画质。该系统不仅提升分辨率,还能修正AI视频特有的颜色混合等问题,在多项指标上超越现有顶级方法,为AI视频生成领域提供了实用的解决方案。
Salesforce首席执行官马克·贝尼奥夫表示,公司正大力推进人工智能应用,AI代理现在承担了公司30%至50%的工作。他认为员工应适应AI替代人工的趋势,转向更高价值的工作。然而,这一变化导致约1000名员工被裁,虽然公司计划招聘同等数量新员工,但主要专注于销售AI技术。这一趋势在科技行业普遍存在,今年已有超过63000个科技岗位消失,AI被认为是重要原因之一。
浙江大学联合腾讯AI实验室提出KnowRL方法,通过在强化学习中集成事实性奖励机制,有效解决慢思维AI模型在推理过程中的幻觉问题。该方法在保持原有推理能力的同时,显著提升了模型的事实准确性,为构建更可靠的AI系统提供了新思路。