穆迪分析发布新产品用于监管计算和信用风险报告的Banking Cloud Credit Risk以扩充其SaaS产品线

本文主要是介绍穆迪分析发布新产品用于监管计算和信用风险报告的Banking Cloud Credit Risk以扩充其SaaS产品线,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

伦敦--(美国商业资讯)--全球金融情报提供商穆迪分析(Moody's Analytics)推出了云原生监管计算和报告引擎Banking Cloud Credit Risk。该工具采用软件即服务(SaaS)解决方案,可帮助银行了解以及应对最新的监管要求,而无需重新部署和维护内部软件。

该解决方案配置了预定义的监管规则和报告模板,为银行的信用风险计算和监管报告提供更大的灵活性和更快的处理时间,支持巴塞尔银行监管委员会(BCBS)标准、欧洲银行管理局(EBA)资本指令法规以及当地监管机构使用的各类国家裁量权。此外,监管更新和软件维护由穆迪分析统一管理,这让金融机构可以按需订制报告数量。

Banking Cloud Credit Risk使金融机构能够轻松识别和理解不同报告期或监管要求之间的差异,并评估未来监管趋势对业务的影响,以制定更明智的商业决策。该计算引擎还允许用户同时采用标准法的和内部评级法进行风险加权资产的并行计算,这将在Basel III信用风险规则修订版于2022年正式实施后成为一项硬性规定。

凭借直观的数据管理,银行可以快速加载、转换和调和其数据,从增强的数据沿袭功能和适应监管要求的单一信息源准则中受益。

穆迪分析总经理Andy Frepp表示:与我们所有的云原生监管解决方案一样,我们设计的Banking Cloud Credit Risk可以帮助金融机构提高业务效率,降低IT基础设施成本,并更快地响应不断变化的法规要求。银行需要遵守新的要求并管理其合规成本。提供灵活性和可扩展性的技术是实现这些目标的关键。

Banking Cloud Credit Risk成为穆迪分析云原生监管和会计解决方案套件的最新产品,该套件还包括用于欧洲AnaCredit报告的Transactional Reporting Tool,以及用于美国当前预期信用损失(CECL)计算和报告的ImpairmentStudio

穆迪分析于上月荣获2019RegTech Insight Awards交易报告最佳供应商解决方案(AnaCredit)奖。此外,穆迪分析还赢得了2019 Chartis RiskTech100®CECL类别奖Chartis Research报告评估了17家提供CECL解决方案的供应商。

点击此处了解有关穆迪分析Banking Cloud Credit Risk解决方案的更多信息。

有关穆迪分析最新的监管报告见解,请访问银行监管技术资源中心

关于穆迪分析

穆迪分析致力于为市场提供金融信息和各种分析工具,帮助企业领导人做出更好、更快的决策。我们将深厚的风险管理专长、广博的信息资源及创新的技术应用融会贯通,帮助我们的客户自信地驰骋于不断发展变化的市场。我们以提供业界领先、屡获殊荣的解决方案而著称,涵盖研究、数据、软件及专业服务,可灵活搭配组合,提供顺畅无碍的客户体验。我们对卓越的追求、开放的思维方式以及对满足客户需求的重视,使我们成为全球数千家组织机构所信赖的伙伴。有关穆迪分析的详细信息,敬请访问公司网站或在TwitterLinkedIn上关注我们。

穆迪分析公司是穆迪公司(Moody's Corporation, 纽约证交所股票代码:MCO)旗下子公司。穆迪公司2018年财报收入44亿美元,全球员工约13,200人,业务分布42个国家。

这篇关于穆迪分析发布新产品用于监管计算和信用风险报告的Banking Cloud Credit Risk以扩充其SaaS产品线的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/554856

相关文章

Python实现精确小数计算的完全指南

《Python实现精确小数计算的完全指南》在金融计算、科学实验和工程领域,浮点数精度问题一直是开发者面临的重大挑战,本文将深入解析Python精确小数计算技术体系,感兴趣的小伙伴可以了解一下... 目录引言:小数精度问题的核心挑战一、浮点数精度问题分析1.1 浮点数精度陷阱1.2 浮点数误差来源二、基础解决

修复已被利用的高危漏洞! macOS Sequoia 15.6.1发布

《修复已被利用的高危漏洞!macOSSequoia15.6.1发布》苹果公司于今日发布了macOSSequoia15.6.1更新,这是去年9月推出的macOSSequoia操作... MACOS Sequoia 15.6.1 正式发布!此次更新修复了一个已被黑客利用的严重安全漏洞,并解决了部分中文用户反馈的

Python文本相似度计算的方法大全

《Python文本相似度计算的方法大全》文本相似度是指两个文本在内容、结构或语义上的相近程度,通常用0到1之间的数值表示,0表示完全不同,1表示完全相同,本文将深入解析多种文本相似度计算方法,帮助您选... 目录前言什么是文本相似度?1. Levenshtein 距离(编辑距离)核心公式实现示例2. Jac

Python中经纬度距离计算的实现方式

《Python中经纬度距离计算的实现方式》文章介绍Python中计算经纬度距离的方法及中国加密坐标系转换工具,主要方法包括geopy(Vincenty/Karney)、Haversine、pyproj... 目录一、基本方法1. 使用geopy库(推荐)2. 手动实现 Haversine 公式3. 使用py

Android 缓存日志Logcat导出与分析最佳实践

《Android缓存日志Logcat导出与分析最佳实践》本文全面介绍AndroidLogcat缓存日志的导出与分析方法,涵盖按进程、缓冲区类型及日志级别过滤,自动化工具使用,常见问题解决方案和最佳实... 目录android 缓存日志(Logcat)导出与分析全攻略为什么要导出缓存日志?按需过滤导出1. 按

Linux中的HTTPS协议原理分析

《Linux中的HTTPS协议原理分析》文章解释了HTTPS的必要性:HTTP明文传输易被篡改和劫持,HTTPS通过非对称加密协商对称密钥、CA证书认证和混合加密机制,有效防范中间人攻击,保障通信安全... 目录一、什么是加密和解密?二、为什么需要加密?三、常见的加密方式3.1 对称加密3.2非对称加密四、

MySQL中读写分离方案对比分析与选型建议

《MySQL中读写分离方案对比分析与选型建议》MySQL读写分离是提升数据库可用性和性能的常见手段,本文将围绕现实生产环境中常见的几种读写分离模式进行系统对比,希望对大家有所帮助... 目录一、问题背景介绍二、多种解决方案对比2.1 原生mysql主从复制2.2 Proxy层中间件:ProxySQL2.3

python使用Akshare与Streamlit实现股票估值分析教程(图文代码)

《python使用Akshare与Streamlit实现股票估值分析教程(图文代码)》入职测试中的一道题,要求:从Akshare下载某一个股票近十年的财务报表包括,资产负债表,利润表,现金流量表,保存... 目录一、前言二、核心知识点梳理1、Akshare数据获取2、Pandas数据处理3、Matplotl

python panda库从基础到高级操作分析

《pythonpanda库从基础到高级操作分析》本文介绍了Pandas库的核心功能,包括处理结构化数据的Series和DataFrame数据结构,数据读取、清洗、分组聚合、合并、时间序列分析及大数据... 目录1. Pandas 概述2. 基本操作:数据读取与查看3. 索引操作:精准定位数据4. Group

MySQL中EXISTS与IN用法使用与对比分析

《MySQL中EXISTS与IN用法使用与对比分析》在MySQL中,EXISTS和IN都用于子查询中根据另一个查询的结果来过滤主查询的记录,本文将基于工作原理、效率和应用场景进行全面对比... 目录一、基本用法详解1. IN 运算符2. EXISTS 运算符二、EXISTS 与 IN 的选择策略三、性能对比