IT-PRAXIS/ STRATEGIE2. Juli 2019

FRTB und XVA: Wie In‑Memory‑Computing hilft, die Herausforderungen zu stemmen  

Nikita Ivanov ist Gründer des Apache Ignite Projektes und CTO von GridGain SystemsGridGain Systems

Die Erstellung einer Fundamental Review of the Trading Book (FRTB) und von Bewertungs­an­passungen (XVA) sind wahrscheinlich die größten gesetzlichen und geschäftlichen Heraus­for­der­ungen, denen sich Banken mit Kapital­markt­präsenz stellen müssen. FRTB fordert eine Angleichung von Front-Office, XVA sowie Markt- und Kredit­risiko­modellen. Der Basler Ausschuss für Bankenaufsicht schätzt, dass FRTBs Eigenkapitalanforderungen um 40 % erhöhen und die Kosten für die Umsetzung der gesetzlichen Auflagen bei Preisgestaltung und Handel deutlich erhöhen wird. Im Vergleich zu Basel 2.5 sind die Anforderungen an Rechenleistung und Skalierbarkeit durch FRTB und XVA enorm. Die Berechnungen von Stresstests und Backtesting können um das 50fache steigen. Doch den Banken mit den schnellsten Berechnungen erschließen sich große Vorteile – mit In-Memory-Computing.

von Nikita Ivanov, Gründer des Apache Ignite Projekts und CTO von GridGain Systems

Etliche Banken und FinTechs haben bereits verschiedene In-Memory-Computing-Technologien und -Lösungen als Grundlage für ihr FRTB und ihre Handelssysteme eingeführt.

Durch den Einsatz von In-Memory-Computing (IMC) können Banken die erforderlichen XVA-Berechnungen schnell implementieren, kontinuierlich neue Risikomodelle berechnen und neue Wertpapiere nahezu in Echtzeit bewerten.”

Fundamental Review of the Trading Book (FRTB)

FRTB ist eine umfassende Überarbeitung des regulatorischen Rahmens für die Berechnung von Marktrisiken. Sie erfordert wesentliche Änderungen in der Daten- und IT-Infrastruktur, da Risiko- und Preiskalkulationen miteinbezogen werden müssen. Banken müssen ihre Berechnungen nun auf umfangreiche historische Daten stützen und darüber hinaus deutlich mehr Berechnungen durchführen. Allein um einen neuen Handel zu bewerten, kann die Bestimmung des Risikowertes für den erwarteten Fehlbetrag in der FRTB bis zu 12.000 Berechnungen umfassen.

Aufgrund des Wettbewerbsdrucks müssen Banken diese Berechnungen viel schneller als früher durchführen. Die Bank, die als Erste einen Handel richtig bewertet, hat die beste Chance auf Profit.”

Die Banken, die dies nicht tun, dürften Einnahmen verlieren und ihr Geschäft gefährden, insbesondere angesichts der erwarteten hohen Kosten für FRTB und XVA.

Bewertungsanpassungen (XVA)

In-Memory-Computing in der Struktur
GridGain Systems

Ein zen­tra­ler Be­stand­teil der neu­en Re­gu­la­ri­en der FRTB sind XVA, ver­schie­de­ne Be­wer­tungs­an­pas­sun­gen, die die Kos­ten al­ler di­rek­ten und in­di­rek­ten Ri­si­ken ei­nes Han­dels be­rück­sich­ti­gen, ein­schlie­ß­lich Kre­dit- (CVA), Fi­nan­zie­rungs- (FVA), Ka­pi­tal- (KVA), Schul­den- (DVA) und Mar­ge­n­an­pas­sun­gen (MVA). Im Ide­al­fall wer­den die­se Kos­ten vor­ab kal­ku­liert und in den tat­säch­li­chen Preis des Han­dels ein­be­zo­gen, um die Ren­ta­bi­li­tät zu ge­währ­leis­ten und das Ri­si­ko für das Un­ter­neh­men zu sen­ken. Da­bei ist ei­ne schnel­le Re­chen­leis­tung ent­schei­dend:

Um XVA durch­zu­füh­ren, kann ein Port­fo­lio von 10.000 Han­dels­ge­schäf­ten mit De­ri­va­ten bis zu 600 Mil­li­ar­den Pre­sent-Va­lue-Be­rech­nun­gen ge­ne­rie­ren und zu meh­re­ren Te­ra­byte an Da­ten führen.

In-Memory-Computing stellt die Geschwindigkeit und Skalierbarkeit bereit, die Banken für die Umstrukturierung durch die vielen neuen Initiativen benötigen: bei der Markteinführung neuer Angebote und Dienstleistungen, für die Verbesserung der gesamten Geschäftsleistung bis hin zur Erfüllung von Risikoeinschätzungen und regulatorischen Anforderungen in Echtzeit. Beispiele für Analysen, die in Echtzeit ausgeführt werden sollen, sind:

1. Markt- und Kreditrisikomanagement
2. Portfoliobewertung
3. Preisanalysen
4. Pre-Deal Limit Check
5. Cybersecurity und Fraud Prevention
6. Gesetzliche Compliance, inklusive Basel I, II, III und FRTB
7. Omnichannel Banking

Wie In-Memory-Computing bei FRTB und XVA helfen kann

Banken nutzen In-Memory-Computing seit vielen Jahren als Teil ihrer Infrastruktur für High Performance Computing (HPC), Risikoanalyse und Compliance. Zu den Anforderungen von Compliance zählen mittlerweile auch Basel I, II, III und neuerdings FRTB und XVA. Hauptargument für den Einsatz von In-Memory-Computing ist, dass Transaktionsverarbeitung und -analyse in Echtzeit kombiniert werden kann. So können Unternehmen Echtzeit-Risiko-, Analyse- und Compliance-Berechnungen, wie beispielsweise Monte-Carlo-Simulationen, in viele ihrer Handelsaktivitäten integrieren – von der Preisgestaltung bis hin zur Abwicklung.

Gartner nennt diesen Ansatz Hybrid Transactional/Analytical Processing (HTAP). Die Grundlage für HTAP in Echtzeit ist In-Memory-Computing. Dank IMC können Banken große Datensätze im RAM eines verteilten Clusters On-Premise, in einer privaten oder in einer öffentlichen Cloud-Infrastruktur verarbeiten. Zudem können Berechnungen der Daten in SQL, Java, .NET oder anderen Sprachen durchgeführt werden. Dabei wird der Code lokal im RAM ausgeführt.

Diese Architektur ermöglicht es Unternehmen, bis zu mehreren Petabytes an Daten zu skalieren. Mit einer linearen horizontalen Skalierung wird zudem der Netzwerk-Traffic minimiert, der immer ein Engpass bei großen Datenmengen ist.”

Autor Nikita Ivanov, CTO GridGain Systems
Nikita Ivanov ist Gründer des Apache Ignite Projektes und CTO von GridGain Systems. Ivanov begann bei GridGain mit der Entwicklung fortschrittlicher, verteilter In-Memory-Datenverarbeitungstechnologien. Ivanov verfügt über mehr als 20 Jahre Erfahrung in der Entwicklung von Softwareanwendungen sowie von HPC- und Middleware-Plattformen und unterstützt andere Startups und namhafte Unternehmen wie Adaptec, Visa und BEA Systems.
Ein weiterer Grund spricht für In-Memory-Computing. Richtig angewendet können viele verschiedene Projekte in ein und demselben Cluster unterstützt werden. Oft wird IMC zunächst nur als In-Memory-Datagrid über bestehenden SQL- oder NoSQL-Datenbanken verwendet. Banken verbesserten so die Skalierbarkeit ihrer bestehenden Systeme, um neue Risikokalkulationen für ES (Expected Shortfall) und XVA hinzuzufügen, ohne dass die bestehende Infrastruktur ersetzt werden musste. Einige IMC-Technologien können für neue Applikationen und Dienstleistungen auch als In-Memory-Datenbank (IMDB) dienen, die Daten im RAM sowie auf Festplatte speichert und darüber hinaus auch Streaming-Analytik mit Spark oder Machine- und Deep-Learning-Funktionalitäten unterstützt.

In-Memory-Computing in der Praxis: Aus gesetzlichen Anforderungen strategische Vorteile und Produkte entwickeln

Ein führendes Finanzdienstleistungsunternehmen, konkret eine der 20 weltweit größten Banken, stand vor der Herausforderung, eine neue Handelsplattform für mehrere interne Clients als auch neue Übernahmen zu schaffen, die sowohl FRTB als auch weitere Anforderungen unterstützt. Die anfängliche Implementierung mit .NET und einer NoSQL-Datenbank war zu langsam, um die im Rahmen der Integration erforderliche Rechenleistung und Skalierbarkeit zu erreichen.

Durch das Einfügen von In-Memory-Computing zwischen die NoSQL-Datenbank und die .NET-Applikation konnte die Bank den Datenzugriff um das 100fache beschleunigen und dynamisch skalierbar machen. Alle FRTB- und weitere Anforderungen an das Computing werden nun bewältigt. Dabei musste weder die NoSQL-Datenbank noch .NET ersetzt werden. Die Bank senkte damit außerdem die Gesamtbetriebskosten um das 20fache.

IMC unterstützt zahlreiche Drittanbietertechnologien. Das und die Möglichkeit, überall eingesetzt zu werden (On-Premise oder in der Cloud), eröffnete der Bank zudem eine weitere Geschäftsmöglichkeit: das neue Trading-System anderen Investmentbanken anzubieten.

Banken, die neue FRTB- und XVA-Anforderungen erfüllen wollen, sollten sich über In-Memory-Computing und seine Leistungs- und Skalierbarkeitsvorteile informieren.aj

Schreiben Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert