【應對挑戰】四分三銀行擬加大風險技術轉型投資

全球銀行業自疫情後，面臨新一輪市場波動及不確定。自 2023 年，持續飆升的利率及流動性風險，已導致外國八家銀行倒閉。在地緣政治緊張局勢及通脹壓力影響下，信貸風險日益加劇，有關的監管亦越趨複雜，令業界需要不斷作出改革。FT Longitude 聯同數據分析及 AI 軟件供應商 SAS 進行全球風險管理調查，顯示 75% 銀行計劃增加風險技術基建投資，較 2021 年的 51% 有明顯升幅。此外，64% 銀行擬增加第三方軟件支出，高於 2021 年的 43%。

作為 2021 年一項類似聯合研究的跟進調查，是次最新的《風險管理轉型》研究報告，於 2024 年 10 月進行，訪問 300 位遍及 25 個國家的資深銀行業風險管理高管。結果顯示，銀行業領袖對風險管理創新的重視程度顯著提升，突顯科技對協助銀行增強韌性以克服逆境的關鍵作用。

調查結果五大重點

SAS 亦為此推出相關的數據儀表板，用戶可按地區、機構類型及資產規模查閱調查結果，以下為當中的五大重點：

對風險科技的投資正顯著增長

除早前提及的技術基建及第三方軟件投資迅速增加外，65% 銀行計劃聘用第三方諮詢及顧問服務，較 2021 年上升 15%。

風險建模成首要任務

風險建模成為銀行應對監管改革及實現風險流程自動化的首要任務，67% 銀行計劃在未來兩年提升風險建模能力，高於 2021年 的 54%。此外，認為風險建模能帶來競爭優勢的受訪高管，由 2021 年的 47% 躍升至 63%；而在歐洲、中東及非洲地區（EMEA），管理資產規模達 200 億至 500 億美元（AUM）的銀行中，這一比例更高達 72%。

業界非一面倒支持 AI

目前，只有少數銀行在風險管理（40%）、風險建模（30%）以及欺詐偵測（36%）等領域廣泛採用 AI，於這些領域採用生成式 AI 的比例更少，於風險管理僅為 17%、風險建模為 16%，欺詐偵測為 24%。美國的銀行在 AI 及生成式 AI 應用方面，較 EMEA 及亞太地區同業領先，當中以亞太地區銀行於這些領域採用 AI 及生成式 AI 的比例最低。50% 受訪者認為，缺乏技術人才是全面應用 AI 的主要障礙。

有效的數據管理及管治框架尤其重要

隨著銀行面對衆多不同來源的海量數據，有效的數據管理及管治框架顯得尤其重要。64% 的受訪高管認為，整合客戶數據有助改善風險管理，55% 認為能提升客戶體驗，51% 認為能加強偵測欺詐的能力。然而，僅 14% 的銀行計劃大幅整合客戶數據，亦只有少於半數（44%）計劃整合非客戶數據。值得關注的是，數據整合計劃因資產規模及地區而出現顯著差異。

致力完善資產負債管理系統和能力

目前只有約五份之一（22%）的風險主管，對流動性風險管理能力表示「非常滿意」，僅 20% 對資產負債管理（ ALM）系統表示「非常滿意」。約 80% 銀行表示，正在實施新一代 ALM 解決方案（38%）或全面提升 ALM 功能（41%）。而綜合資產負債表管理（IBSM）則成為備受受訪高管廣泛支持的首要投資目標，77% 計劃投資 IBSM 相關項目，以更完善評估利率與信貸風險的影響。目前美國的銀行及大型銀行在 ALM 整合方面處於領先位置。

SAS 風險、欺詐及合規解決方案高級副總裁 Stu Bradley 表示，隨著金融機構所面臨的風險較以往更互相關聯，它們需要一個由AI驅動的平台，評估資產負債表上不同項目的風險，並進行更全面的壓力測試。「機構在整個企業全面實施，並以更整合的方式取代過時的系統及基建，將可在各個不同領域受惠，並有助作出更卓越、更具優勢的策略性決策。」