Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Проблемы финансового моделирования с позиций экономической безопасности. Монография
.pdf
141
вынужден удерживать собственность до совершения продажи, также должен
быть сведен к минимуму [163].
Банк Mandiri (крупнейший банк в Индонезии), за счет внедрения data-
driven аналитического решения Cloudera (с масштабом аналитики больших
данных в 13тБ) и более адресного моделирования сумел значительно снизить
собственные расходы на IT- инфраструктуру благодаря формированию
кастомизированных клиентских предложений, что в свою очередь увеличило
эффективность кросс-продаж и послепродажных кампаний продаж [174].
Лидер рынка международных денежных переводов Western Union (WU) на
основе технологии анализа больших данных с использованием платформы
Cloudera Enterprise Data Hub готовит кастомизированные предложения по курсам
конвертации иностранных валют к доллару США для представителей различных
национальных культур в разных районах локации своих офисов: китайской,
филиппинской, латиноамериканской [174].
В одном из трех крупнейших кредитных бюро мира Experian хранится,
анализируется и продается информация о кредитных историях более чем одного
миллиарда заемщиков со всего мира. Зарабатывает данное кредитное бюро не
только на обеспечении доступа к кредитным историям (в т.ч. в режиме онлайн),
но и на оказании скоринговых, маркетинговых услуг, а также услугах по
проверке надежности клиентами своих контрагентов в рамках защиты от
мошенничества (fraud) и «identity theft» [174].
Крупнейший российский банк − Сбербанк России применяет аналитику
больших данных для целей кредитного скоринга, проведения сегментации
клиентов в различных целях, борьбы с мошенничеством, в рамках управления
рисками и персоналом (в т.ч. в рамках мотивационных программ), для
повышения качества клиентского сервиса во внутренних структурных
подразделениях (ВСП).
Вторая по величине российская банковская группа − ВТБ также использует
специализированные решения по анализу больших данных для подготовки
отчетности, сегментации и навигации клиентов, сбора и анализа обратной связи
от клиентов в социальных сетях и на специализированных банковских форумах.
Крупнейший российский частный банк − «Альфа-Банк» также использует
технологии работы с большими данными для кредитного скоринга,
прогнозирования клиентопотока, изучения пользовательского поведения
клиентов на своем сайте, в социальных сетях, формируя для них
кастомизированные предложения по первичным и вторичным (кросс-) продажам
своих продуктов.
142
Крупнейший в России моноофисный банк − «Тинькофф-банк» − также
использует большие данные для оценки кредитоспособности своих клиентов,
анализе их потребностей, в продажах, маркетинге и управлении рисками [136].
В современных условиях можно выделить два основных подхода по
практическому внедрению технологий работы с большими данными: первый −
покупка клиентами готового «коробочного» программного обеспечения (ПО, в
основном облачного решения), в которое уже «встроены» соответствующие
технологии; второй (применяемый, компаниями финансового сектора: банками,
финансовыми и страховыми компаниями) для целей обеспечения большей
сохранности клиентских данных и иной персональной информации − разработка
ПО собственными силами с привлечением, при необходимости, сторонних
экспертов и консультантов на этапе разработки, тестирования и опытной
эксплуатации [175].
Алгоритмическая торговля
Алгоритмическая торговля в последние годы получила широкое
распространение из-за растущих возможностей компьютеров.
Автоматизированный процесс анализа больших данных позволяет
компьютерным программам совершать финансовые сделки на скоростях и
частотах, которые не могут совершать люди. Благодаря применению
математических моделей, алгоритмическая торговля генерирует сделки по
наилучшим ценам и с минимальными рисками. Также она обеспечивает очень
быстрое и своевременное размещение сделок, а также снижает вероятность
ошибок из-за «ручного ввода» сделок и «человеческого фактора».
Инвестиционные банки, компании по управлению активами и финансовые
службы компаний активно используют аналитику больших данных для принятия
обоснованных инвестиционных решений. В сочетании с большими данными
алгоритмическая торговля использует обширные исторические данные со
сложными математическими моделями для максимизации доходности
инвестиционных портфелей.
В отличие от принятия решений, на которые могут влиять различные
источники информации, человеческие эмоции и предвзятость, алгоритмические
сделки выполняются исключительно на финансовых моделях и данных. А
отслеживание всего потока новостей в реальном времени, данных социальных
сетей и биржевых сводок в одном алгоритмическом «движке» помогает
генерировать лучшие торговые решения.
Примерами успешно внедренных проектов по анализу больших данных
для последующего инвестирования являются платформы Enigma и Quandl,
143
которые применяются крупнейшими в мире хедж-фондами для эффективного и
оперативного анализа сотен тысяч различных источников информации.
Робо-эдвайзинг. Робо-советники
Робо-советники используют инвестиционные алгоритмы и большие
объемы данных на единой цифровой платформе. Предлагаемые ими инвестиции
основаны на теории современного портфеля, требующей минимального
взаимодействия с финансовыми консультантами, т.к. акцент делается на
долгосрочных инвестициях с поддержанием стабильной доходности.
Примером решения, использующего специальные алгоритмы для
автоматизации инвестиционных рекомендаций, чтобы снизить их стоимость и
повысить доступность, является робо-эдвайзер Betterment. Это платформа,
применяющая технологии искусственного интеллекта (ИИ), которая способна
самостоятельно определить риск-профиль клиента, выбрать для него
инвестиционную стратегию на основе готовых портфелей из биржевых фондов
(ETF) и затем планомерно ее реализовывать, генерируя «торговые решения».
Турецкий Garanti Bank встроил технологию работы с большими данными
с робо-советником в собственную систему проведения платежей iGaranti. На ее
основе банк анализирует структуру клиентских транзакций, а сами клиенты
получают возможность осуществлять платежи своим друзьям и знакомым из
списка контактов в адресной книге телефона, а также в социальной сети Facebook
[176].
В России еще в 2015 году Альфа-банк внедрил сервис-приложение Sense,
позиционирующееся как «персональный финансовый помощник». Приложение
анализирует весь комплекс финансовых транзакций клиента по картам, собирает
статистику по расходам, генерируя советы: «сколько денег отложить, когда пора
оплатить услуги ЖКХ или внести платеж по кредиту»[150]. Похожий сервис
предлагается Сбербанком в приложении «Сбербанк-онлайн».
Банк ВТБ в пилотном режиме летом 2019 года запустил сервис голосового
помощника на базе IVR в контакт-центре, обрабатывающий 25% от всех
обращений. Голосовой помощник может предоставить информацию о выпуске,
стадии готовности и балансе карты. Оно дает возможность получения ПИН-кода,
получения и контроля графика платежей по кредиту, а также узнать текущий
остаток задолженности по кредиту. Если необходима консультация сотрудника,
помощник распознает это и переадресует звонок в контакт-центр банка [177].
Ранее банк из группы ВТБ запустил сервис «Смарт SMS» представлявший собой
стандартные сообщения-отчеты об операциях по карте в виде диаграмм.
Регуляторный комплаенс
144
Специализированные компании предлагают услуги по анализу больших
данных и искусственному интеллекту для обеспечения требований
регуляторного комплаенса. Предлагаемые ими IT-решения помогают банкам и
финансовым компаниям прогнозировать и моделировать регуляторный риск с
помощью алгоритмов машинного обучения. В частности, программное
обеспечение (ПО) обеспечивает соблюдение нормативных требований в
отношении борьбы с отмыванием денег (AML), автоматический мониторинг
данных транзакций клиентов для выявления аномалий и снижения ложных
срабатываний при обнаружении мошенничества по сравнению с ранее
применяемыми методами, основанными на правилах. Банки и финансовые
компании интегрируют программное обеспечение в свои корпоративные сети
передачи данных. Затем сотрудник банка (компании) может загрузить данные
транзакции клиента или записи о доходах от продаж в AMA. Алгоритм, лежащий
в основе программного обеспечения, проверяет данные, чтобы протестировать и
сравнить несколько различных моделей риска, таких как дефолт с учетом потерь
(LGD), вероятность дефолта (PD) и другие регуляторные модели. В результате
система предоставляет пользователям возможность просмотра информации из
данных на панели инструментов, что позволяет им искать, обнаруживать и
прогнозировать риски.
Примером специализированного решения в области регуляторного
комплаенса посредством работы с большими данными является платформа
Ayasdi’s Model Accelerator (AMA,) компании Ayasdi. Услугами платформы
пользуются Citi-group и HSBC. В частности, с помощью ПО компании в 2017
году Citi создала модели прогноза выручки и резерва капитала для прохождения
стресс-тестов регулятора (ФРС). Компонент для машинного обучения с обратной
связью в рамках проекта был представлен в форме идей руководителей бизнесподразделений, которые вновь были вовлечены в оценку окончательной
эффективности прогностической модели. До интеграции со
специализированным ПО методология регулирования, которой следовала Citi,
представляла собой девятимесячный процесс с участием сотен сотрудников.
После завершения проекта это время было сокращено до трех месяцев с
использованием менее 100 сотрудников.
Другими примерами известных RegTech-компаний и созданных ими
инструментов являются [157]:
- IdentityMind Global: предоставляет услуги по борьбе с
мошенничеством и управлению рисками для цифровых транзакций путем
мониторинга работы платежных организаций;
145
- Trunomi: безопасно управляет согласием на использование личных
данных клиентов;
- Suade: помогает банкам представлять необходимые регуляторные
отчеты без нарушения их архитектуры;
- Silverfinch: связывает управляющих активами и страховщиков с
помощью утилиты для сбора данных о фондах для соответствия требованиям
Solvency II;
- PassFort: автоматизирует сбор и хранение данных проверки клиентов
в рамках процедур due diligence;
- Fund Recs: контролирует, как данные управляются и обрабатываются
отраслью финансовых фондов;
- Chainalysis (сервис для отслеживания криптовалютных операций
активно используется ФБР, Налоговым управлением США и Европолом):
разрабатывает инфраструктуру для технологической поддержки
криптовалютных торгов и для преобразования существующих блокчейнпротоколов [165].
Мобильный банкинг, электронные кошельки, IoT, бесконтактные
платежи, биометрия и удаленная идентификация, открытые программные
интерфейсы (API)
Стремясь быть «максимально близкими» к клиенту, банки активно
развивают технологии мобильного банкинга, электронных «кошельков» и
переводов, биометрии и удаленной идентификации при обслуживании.
Commnowealth Bank Australia использует технологию мобильного
эквайринга с помощью специального планшета, принимающего платежи как с
бесконтактных, так и чиповых карт, значительно упростив работу продавцов и
работников сферы услуг. Bank BPH и Getin Bank в Польше используют
технологии биометрической аутентификации по отпечатку пальца в собственной
сети банкоматов. Citibank в своих новых высокотехнологичных офисах в Азии
использует современные технологии визуализации и самообслуживания с
возможностью видеосвязи (на настенных видеопанелях и экранах банкоматов),
последующим консультированием и оформлением банковских услуг через
банкоматы и планшеты [176].
Один из крупнейших мировых банков английский банк Barclays
инвестировал значительные средства в модернизацию собственного мобильного
приложения Barclays Mobile Banking, уже более пяти лет сохраняя лидирующие
позиции в английских специализированных рейтингах, оценивающих
надежность защиты, скорость, удобство и полноту мобильных сервисов
146
различных банков и финансовых компаний [178]. Помимо стандартного набора
основных опций (платежи и переводы, история покупок, подтверждение
операций одноразовыми паролями, оперативная блокировка потерянной карты с
инициированием ее перевыпуска), в нем применяются современные цифровые
технологии: для входа в приложение используется биометрическая
идентификация по отпечатку пальца, используются «голосовые команды» для
отправки переводов, есть возможность оцифровки и хранения клиентами своих
документов при помощи облачных технологий (в мобильном приложении
применяется система Cloudit).
Благодаря внедрению специальных законодательных норм регламентации
оказания услуг цифрового банкинга, а также единых платежных стандартов на
территории ЕС в скандинавских странах (Финляндии, Швеции и Норвегии)
современные цифровые технологии применяются практически всеми банками
(95% от общего числа). При этом ими активно пользуются около 70% клиентов
этих банков [179].
У около 1,7 млрд человек из самых бедных государств мира нет счетов в
банках, у многих из них даже нет документов, которые дают возможность такой
счет открыть. В этой ситуации приходит на помощь Fintech. Мобильный банкинг
активно развивается на территории Африки, в том числе среди наименее
развитых в экономическом отношении стран с отсутствием традиционной
финансовой инфраструктуры в виде сетей банковских офисов и банкоматов.
Показательным примером успешно внедренного решения является
зародившаяся в Кении система мобильных денежных транзакций M-Pesa. Она
появилась в 2007 году в качестве простой системы денежных переводов по
мобильному телефону, когда телефонные операторы принимали у клиентов
наличные с возможностью проведения в дальнейшим безналичных переводов
посредством SMS. По мере развития и подключения новых технологий, M-Pesa
за несколько лет превратилась в самостоятельную и сложную платформу
расчетов, дающую клиентам возможность: оплачивать коммунальные услуги,
проводить международные денежные переводы, открывать депозиты и получать
кредиты (сервис M-Shwari), покупать медицинскую страховку (сервис M-Tiba),
рассчитываться в торговой сети (сервис по эквайрингу Lipa na M-Pesa),
выполнять бесконтактные платежи (сервис M-Pesa 1tap). Расчеты в M-Pesa не
анонимны − для оформления аккаунта нужно предъявить паспорт. А сам аккаунт
защищен PIN-кодом. Сервис mySafaricom предлагает использовать сервисы MPesa на современных смартфонах. Это упрощает платежи благодаря удобному
интерфейсу. M-Pesa представлена в 10 странах под разными брендами. Активнее
147
всего сервис используют в Кении (19,3 млн человек) и соседней Танзании, Конго,
Лесото и Мозамбик (13,9 млн). Кроме того, существуют похожие решения,
которые были запущены на основе экспертизы Vodafone (например, M-Paisa в
Афганистане) или просто другими мобильными операторами [180]. Также
подобная система распространена в Румынии и Индии [167].
Хорошим примером возможностей технологии «интернет вещей» (IoT)
служит кейс Citibank. Этот американский банк был одним из первых, кто дал
возможность своим клиентам открывать двери в помещения, в которых
расположены банкоматы (ATM), используя смартфон, тогда как обычно эта
операция выполняется при помощи кредитной карты. В мобильном банке Fidor
процесс регистрации по правилам KYC полностью проходит в цифровом
формате через видеоидентификацию, и электронная карта сразу же выдается
новому клиенту [181].
Разработчики, создавшие высокотехнологичный сервис для начисления
заработной платы Gusto, сумели удачно совместить мобильные платежи с
облачными технологиями [165].
Адаптивная аутентификация позволяет существенно снизить риски,
повысить безопасность, а также позволяет узнать «хороших» пользователей и
упростить для них работу с системой.
На российском рынке электронных кошельков (E-wallets) активную
позицию занимают пять отечественных игроков и один зарубежный: WebMoney
Transfer, Яндекс.Деньги, QIWI, RBK Money, Деньги@mail.ru и Международная
платежная система PayPal. WebMoney Transfer предлагает функции мгновенных
переводов, а также совершать обмен валют, по более выгодному курсу, чем в
обычных банках и «обменниках». Использовать данную систему можно как с
компьютера, так и с мобильного телефона. Яндекс.Деньги − вторая по
популярности платежная система на территории СНГ – позволяет безопасно
обменивать и переводить онлайн валюту другим пользователям, сохраняя в
безопасности все данные о переводах. Еще один российский платежный сервис
QIWI специализируется на моментальной оплате различных услуг, начиная с
банковских кредитов и заканчивая оплатой коммунальных платежей. Однако, в
отличие от других сервисов, оплату можно производить не только через
компьютер или мобильный телефон, но также и с помощью специальных
терминалов самообслуживания. RBK Money (RUpay) позволяет производить
операции по оплате платежей и покупок в интернете, выводу денег на счет
банков с более чем 30 цифровыми «валютами» быстро и безопасно. Замыкает
список отечественных лидеров кошелек Деньги@mail.ru. Транзакции в данной
148
системе можно проводить с любого компьютера или устройства, так как
идентификация клиента производится через его электронный адрес. Зарубежным
конкурентом для российских сервисов является международная платежная
система PayPal. Для развития технологии «электронных кошельков» в
Российской Федерации был принят законопроект, увеличивший максимальный
размер суммы, размещаемой в «кошельке» с 100 тысячи до 400 тысяч рублей
[182].
Активное распространение интернет-торговли вкупе с ростом доли
безналичных расчетов в экономике сформировали спрос на мобильный
эквайринг среди предприятий среднего и малого бизнеса. Мобильные
терминалы (M-POS) дают бизнесу возможность с минимальными затратами на
оборудование организовать прием к оплате банковских карт.
Заинтересованность банков в сотрудничестве со стартапами, предлагающими
решения в области мобильного эквайринга, обусловлена ростом их оборотов по
своим карточным продуктам без осуществления существенных затрат и с
минимальными рисками. Известной компанией в этой сфере является стартап
2Can, начавший работу еще в 2012 году с получения инвестиций от фондов
Inventure Partners и Almaz Capital Partners на сумму более 7 млн долларов США
и взимающий комиссию менее стандартного размера (3% с платежа). Решение
заметно упрощает прием платежей для малого бизнеса и индивидуальных
предпринимателей (ИП), так как затраты на приобретение терминала для приема
карт и мобильное приложение не превышают 9 тыс. рублей [150].
Самым распространенным мобильным банком в России является
мобильный банк от ПАО Сбербанк России (мобильное приложение «Сбербанконлайн»), которым могут пользоваться даже люди с плохим зрением с помощью
технологии VoiceOver [159].
При помощи мобильного приложения Сбербанк-онлайн можно открывать
счета и вклады, делать заказ карт, в том числе виртуальных без физического
носителя, конвертировать валюту, покупать и продавать драгоценные металлы
на безналичные металлические счета, получать кредиты по предодобренным
предложениям, либо заполнив заявку прямо в приложении. Также в приложении
доступны финансовые советы, есть возможность анализа трат и контроля своего
бюджета, реализована функция геолокации с навигацией до ближайшего офиса
или банкомата. С помощью мобильного приложения «Сбербанк-Инвестор»
клиенты могут удаленно проводить операции на организованном рынке ценных
бумаг (ОРЦБ).
149
В октябре 2019 года стартовал еще один проект ПАО Сбербанк России в
рамках общей концепции мобильного банкинга и развития технологий
удаленного обслуживания: по приему на кассах магазинов платежей за
жилищно-коммунальные услуги, телевидение, интернет и сотовую связь. Целью
проекта названо обеспечение доступности финансовых услуг в удаленных и
малонаселенных пунктах страны. Расплатиться за услуги ЖХК и другие услуги
пришедшие в сельский магазин и подключившиеся к проекту клиенты смогут не
только картой Сбербанка, но и любого другого банка. Чтобы провести платеж,
достаточно считать штрихкод с квитанции на оплату услуг или выбрать нужный
вариант из списка в онлайн-кассе, при этом по завершении операции выдается
такой же чек, как и в офисах Сбербанка. За счет развития нового сервиса
Сбербанк экономит на открытии отделений, арендной плате и зарплате
сотрудников, а также на содержании банкоматов [183].
Пионером и наиболее ярким представителем моноофисного «цифрового»
продавца финансовых услуг в российском банковском секторе является
Тинькофф банк, первый российский банк, который полностью отказался от
отделений, привлекая и обслуживая клиентов через интернет и колл-центр с
помощью собственной высокотехнологичной платформы дистанционного
банковского обслуживания (ДБО). Помимо занимающего первые строчки в
потребительских рейтингах мобильного банка, Тинькофф «производит» и
моноприложения, доступные как для клиентов, так и для неклиентов банка («С
карты на карту – быстрые переводы денег», «Штрафы ГИБДД», MoneyTalk). В
2017 году банк открыл собственную FinTech-школу, в рамках которой
предлагает участникам специальные курсы, посвященные индустрии
финансовых технологий, а также различным языкам программирования и
машинному обучению в финансовой сфере [184].
Банк «Тинькофф» также использует автоматизированную систему (АС)
идентификации клиента по голосу, которая с помощью современных технологий
идентификации опознает «по параметрам голоса» клиентов банка при звонке в
колл-центр (при этом не нужны ни паспортные данные, ни кодовое слово). В
данной АС голос оценивается по сотне критериев, таким как тембр, ритм,
частотная модуляция и т.д. На основе этих данных формируется «слепок» голоса
меньше чем за минуту [150]. Схожую технологию внедряет и ПАО Сбербанк
России.
Монетизация банковской инфраструктуры является одним из ключевых
трендов будущего развития. Речь идет о предоставлении банковской
инфраструктуры (Banking as a Platform) сторонним компаниям для того, чтобы
150
те могли на ее основе создавать и выводить на рынок собственные цифровые
финансовые сервисы, такие как проверки клиентов (KYC), кредиты, депозиты,
кастомизированные банковские карты, платежи, эскроу-сервисы и др. Например,
немецкий Solaris Bank уже сейчас предоставляет банковские сервисы стартапам,
которые формируют из них продукт для собственной клиентской аудитории.
Недавно Solaris Bank стал партнером Alipay по предоставлению инфраструктуры
эквайринга, что позволит ему ежегодно обслуживать платежи более 13 млн
туристов из Китая [185].
Серьезную конкуренцию кредитным организациям при проведении
мобильных платежей уже составляют не только телеком-операторы, но и
традиционные почтовые сервисы. Так, летом 2019 года крупнейший российский
почтовый сервис Mail.ru внедрил виджет для быстрой оплаты счетов из списка
входящих писем. Через него можно оплатить штрафы ГИБДД или пополнить
счет мобильного телефона. Mail.ru предлагает компаниям подключиться к
сервису, согласовав уникальный идентификатор и встраивая в письмо
специальный код. Письма с кнопками оплаты проходят дополнительную
проверку безопасности с целью исключить фишинг и другие способы обманным
путем получить доступ к финансовым данным пользователя [186].
3.3. Соотношение инновационности и стабильности
Проблемы согласования инновации и стабильности достаточно остро стоят
в финансовой сфере. Дело в том, что в любой сфере эти два разнородных явления
практически совместимы. Так, новое служит для нарушения привычного. Оно
подрывает традиции, привычки и сложившийся уклад. Цифрация и большие
данные подготавливают условия для формирования новой среды
функционирования финансов, которая достаточно хрупка, и ее стабильность
постоянно нарушается. Ход и последствия внедрения цифровых технологий
определить сложно. Поскольку постоянно происходят вводы в рынок нового, то
невозможно наладить полное его регулирование и проводить полный
мониторинг его деятельности. Однако рынок постоянно адаптируется к новым
рискам благодаря государственным надзорным органам и регуляторам,
обеспечивается надзор за стабильностью, учитываются новые риски, связанные
с большими данными и цифровой трансформацией финансов.
В шумпетеровском процессе «творческого разрушения» инновации
стимулируют развитие, но и ведут к разрушениям. Повышенная нестабильность
финансовых посредников, их работников, разрывы в навыках, меняющаяся
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]