Публикации

Intersoft Lab в СМИ - истории успеха клиентов, интервью и мнения экспертов компании, обзоры рынка CPM

Строить прогнозы финансовых показателей деятельности банка надо каждый день

Зачем автоматизировать прогнозирование и как нейронные сети помогают машине прогнозирования на базе ХД «Контур» просчитать за несколько часов десятки прогнозов финансового состояния банка - в интервью NBJ генерального директора Intersoft Lab Валерия Чаусова.

NBJ: Мы беседуем в разгар ежегодной бюджетной кампании. С одной стороны, учет неопределенности – неотъемлемая составляющая планирования и бюджетирования, с другой, все чаще финансовые директора сетуют на архаичность традиционных подходов к подготовке планов и управлению достижением финансовых целей. Почему проверенные технологии больше не устраивают банки?

В. Чаусов: Все верно, неопределенность является источником рисков. Корреляция уровня неопределенности и риск-аппетита во многом определяет бизнес-стратегию банка и задает ориентиры для планирования. Чем выше неопределенность на макроуровне, в отрасли, тем сложнее прогнозировать влияние риск-факторов на финансовые показатели деятельности банка. Возрастает вариативность планирования, частота подготовки прогнозов, сложность прогнозных моделей, ужесточаются требования к качеству и детальности самих прогнозов.

Еще два-три года назад при планировании банки прорабатывали преимущественно два варианта - основной и пессимистичный. Сегодня этого недостаточно. Ситуация меняется так быстро, что строить прогнозы надо каждый день, анализируя разные сценарии развития экономики и их влияние на выполнение планов и достижение целей. Наиболее распространенные табличные технологии планирования и подходы к прогнозированию на основе экспертных оценок оказались не готовы к таким вызовам.

 

NBJ: В чем уязвимость табличных технологий? Какие требования к инструментам прогнозирования сегодня актуальны?

В. Чаусов: Автоматизация прогнозирования включает несколько этапов: разработку модели и алгоритмов расчета риск-факторов, подготовку данных, расчет прогноза и представление его результатов. Сбор данных для прогнозирования в электронных таблицах - отдельная ресурсоемкая задача. Обычно данные готовятся в полуручном режиме. Это означает, что их получение и консолидация трудозатратны, продолжительны, на каждом шаге неизбежны ошибки, всякое изменение модели прогнозирования требует перестройки процесса подготовки данных. Это принципиально ограничивает вариативность и частоту подготовки прогнозов на основе табличных технологий. Для сравнения: «машина» прогнозирования на базе хранилища данных (ХД) «Контур» за один день может обсчитать десятки прогнозов по различным сценариям. Это легко объяснить: в ХД достаточно данных, в том числе исторических, чтобы «запитать» практически любые модели прогнозирования, программировать алгоритмы расчетов не требуется, они выбираются из встроенной библиотеки. Риск-менеджер может оперативно настраивать новые модели и тут же производить расчеты, не обращаясь в другие службы за данными.

Возьмем, например, стресс-тестирование. Крупные банки стараются проводить стресс-тесты ежеквартально. Чаще эту задачу решают, наверное, в одном-двух известным всем банках, и точно не в таблицах. А с «машиной» прогнозирования на основе ХД стресс-тесты на ежедневной основе могут стать нормой для кредитной организации любого масштаба.

Еще один важный момент: в табличных системах прогнозы, как правило, строятся по агрегированному состоянию портфелей. Механизмы на базе ХД позволяют оперативно рассчитывать будущие значения позиций по договорам в разрезе необходимых аналитических признаков. Допустим, с учетом аналитики модель стресс-тестирования использует несколько сот риск-факторов. Даже задать их значения вручную небыстро, что уж говорить о трудоемкости настройки нескольких моделей прогнозирования и скорости их обсчета с помощью таблиц.

Автоматизация должна дать риск-менеджерам возможность строить детальные прогнозы не просто быстро, а молниеносно, чтобы проверить самые невероятные гипотезы, моделируя множество сценариев. 

 

NBJ: Мы привыкли видеть банки «на передовой» автоматизации, а теперь цифровизации. Почему же банки не спешат наращивать детальность, частоту, надежность своих прогнозов? Какие стоп-факторы для автоматизации прогнозирования Вы можете назвать?

В. Чаусов: Начну с того, что цифровизация имеет приоритеты, а приоритеты имеют свойство меняться. Еще в начале года банки были сосредоточены на оцифровке фронт-офисных процессов и клиентских сервисов. Кризис, вызванный пандемией, проявил незрелость внутренних процессов - управления прибыльностью, ликвидностью и рисками - и инициировал ускорение их цифровой перестройки. Сегодня для многих банков этот фокус и, в частности автоматизация прогнозирования, в приоритете.

Дело в том, что прогнозирование - важная составляющая не только риск-ориентированного планирования, но и мониторинга исполнения планов. Экономическую ситуацию конца весны еще в начале года никто не мог даже предположить. Пришлось перестраиваться на ходу, и этот опыт очень помог банкам принять ценность прогнозной функции в управлении достижением целей. Когда год назад мы рассказывали, что скользящее прогнозирование помогает контролировать отклонение будущих финрезультатов от намеченных показателей, то не встречали такого понимания, как сейчас. На мой взгляд, кризис сформировал запрос на прогнозирование как со стороны риск-подразделений, так и со стороны финансовых директоров и топ-менеджеров. Это важное достижении уходящего года.

Если говорить о критериях готовности банков к внедрению инструментов прогнозирования, то главным является доступность, качество и историческая глубина корпоративных данных. Данные являются основой для прогнозирования риск-факторов и расчета будущего состояния портфелей с учетом рисков. Поэтому для обладателей хранилищ данных автоматизация прогнозной функции - вопрос нескольких месяцев.

 

NBJ: Вы говорите, что кризис никто не мог предположить. Тогда в чем ценность прогнозирования? Какую пользу оно способно принести банкам?

В. Чаусов: Информационная система только исполняет то, что заложил в нее разработчик. Если специалисты не смогли предсказать, что пандемия станет катализатором экономического кризиса, не стоит ждать этого и от программного обеспечения. Все просто: сначала человек учит ИТ-систему предсказывать, потом она делает это намного быстрее и точнее, чем человек. В этом заключается ее основная ценность. В частности, она ясно видна, когда кризис случается, и необходимо срочно определяться, какие шаги предпринять.

Например, в платформе «Контур» мы используем нейронные сети для прогнозирования риск-факторов. Мы даже разработали технологию подбора и обучения нейронных сетей для прогнозирования значений различных риск-факторов. Правильный выбор позволяет сократить время обучения сетей и снизить требования к данным. В результате по отдельным риск-факторам при наличии плотных массивов исторических данных точность прогнозов достигает 98%. Главный эффект от применения нейронных сетей для прогнозирования - возможность за ограниченное время, скажем, за несколько часов, просчитать по разным сценариям десятки прогнозов финансового состояния банка.

Источник: Национальный банковский журнал (NBJ), №11, 2020