近日,SAS荣获由《亚洲风险》杂志颁发的2023年度最佳IFRS 17解决方案大奖。亚洲风险大奖是亚洲风险管理领域历史最悠久的奖项之一,旨在表彰那些“以有效和创新的方式服务于金融机构的解决方案提供商”。
近一年来,SAS扩展了风险管理解决方案,进一步丰富了产品线,赢得了亚洲风险大奖的高度认可。值得注意的是,SAS于2022年收购了专业的风险软件提供商Kamakura,并在今年宣布将投资10亿美元进一步开发行业解决方案。
最近获得的其他奖项包括:
•跃升至Chartis风险技术百强榜(RiskTech 100®)第二位
•荣获由《亚洲银行家》颁发的2023年度“中国最佳合规风险技术实施”奖
•首次获评Chartis资产负债管理(ALM)解决方案象限®领导者
•赢得Risk.net五项2023风险技术奖
2023年,国际财务报告准则第17号(IFRS 17)在亚洲几个主要国家和地区得到了广泛实施。SAS®IFRS 17解决方案也赢得了来自行业和客户的赞誉。
孟泰人寿保险有限公司(Muang Thai Life Assurance PCL)会计部执行副总裁Pornprapa Komonsuti表示:“我们之所以选择SAS,是因为他们拥有端到端的整体解决方案,能够满足我们全部的IFRS 17合规需求。”
“SAS解决方案的丰富功能和技术成熟度给我们留下了深刻印象,例如无缝编排的工作流程和持续的数据验证,简化了从数据采集到生成报告的整个流程。SAS 拥有丰富的实施经验,并提供专业的技术支持服务,确保了项目的顺利实施。”
为保险公司赋能,应对行业变革
今天的保险公司必须符合严格的新合规标准,管理海量相关数据,并与内外部利益相关者和监管机构保持沟通协作。为了满足IFRS 17的相关要求,选择功能全面的、具有细粒度分析和强大数据管理能力的解决方案是至关重要的。
去年,SAS在其IFRS 17解决方案中集成了下列功能:
•财务预测能力——可根据IFRS 17准则预测未来各种情境下的财务状况和业绩。
•图形化配置界面——方便用户维护配置项,并区分全局和本地配置。
•增强型端到端工作流——可将数据回滚到流程中断的位置继续处理,而无需从头开始运行。
•“存档和恢复”设置——用于已审批结束的业务周期,可释放服务器资源并提高性能。
“近十年来,保险公司面临的最大挑战之一,就是采用新的负债估值和财务披露准则。”SAS高级副总裁兼风险研究与定量解决方案主管Troy Haines表示。
“在这个新的合规时代,SAS IFRS 17解决方案可以说是由那些奋战在第一线的保险业和风险管理人士共同塑造的。我们已经将财务和风险管理整合到同一个生态系统之中,该生态系统包含了财务报告生命周期的每一个环节。所有这些都旨在促进现代化保险公司的合规性和业务增长。”
想知道SAS IFRS 17解决方案如何助您简化财务报表和审计报告吗?了解更多信息,请访问www.sas.com/ifrs17。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。