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 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

MySQL 内存使用率常用分析语句

《MySQL内存使用率常用分析语句》用户整理了MySQL内存占用过高的分析方法,涵盖操作系统层确认及数据库层bufferpool、内存模块差值、线程状态、performance_schema性能数据... 目录一、 OS层二、 DB层1. 全局情况2. 内存占js用详情最近连续遇到mysql内存占用过高导致

深度解析Nginx日志分析与499状态码问题解决

《深度解析Nginx日志分析与499状态码问题解决》在Web服务器运维和性能优化过程中,Nginx日志是排查问题的重要依据,本文将围绕Nginx日志分析、499状态码的成因、排查方法及解决方案展开讨论... 目录前言1. Nginx日志基础1.1 Nginx日志存放位置1.2 Nginx日志格式2. 499

Olingo分析和实践之EDM 辅助序列化器详解(最佳实践)

《Olingo分析和实践之EDM辅助序列化器详解(最佳实践)》EDM辅助序列化器是ApacheOlingoOData框架中无需完整EDM模型的智能序列化工具,通过运行时类型推断实现灵活数据转换,适用... 目录概念与定义什么是 EDM 辅助序列化器?核心概念设计目标核心特点1. EDM 信息可选2. 智能类

Olingo分析和实践之OData框架核心组件初始化(关键步骤)

《Olingo分析和实践之OData框架核心组件初始化(关键步骤)》ODataSpringBootService通过初始化OData实例和服务元数据,构建框架核心能力与数据模型结构,实现序列化、URI... 目录概述第一步:OData实例创建1.1 OData.newInstance() 详细分析1.1.1

Olingo分析和实践之ODataImpl详细分析(重要方法详解)

《Olingo分析和实践之ODataImpl详细分析(重要方法详解)》ODataImpl.java是ApacheOlingoOData框架的核心工厂类,负责创建序列化器、反序列化器和处理器等组件,... 目录概述主要职责类结构与继承关系核心功能分析1. 序列化器管理2. 反序列化器管理3. 处理器管理重要方

SpringBoot中六种批量更新Mysql的方式效率对比分析

《SpringBoot中六种批量更新Mysql的方式效率对比分析》文章比较了MySQL大数据量批量更新的多种方法,指出REPLACEINTO和ONDUPLICATEKEY效率最高但存在数据风险,MyB... 目录效率比较测试结构数据库初始化测试数据批量修改方案第一种 for第二种 case when第三种

解决1093 - You can‘t specify target table报错问题及原因分析

《解决1093-Youcan‘tspecifytargettable报错问题及原因分析》MySQL1093错误因UPDATE/DELETE语句的FROM子句直接引用目标表或嵌套子查询导致,... 目录报js错原因分析具体原因解决办法方法一:使用临时表方法二:使用JOIN方法三:使用EXISTS示例总结报错原

MySQL中的LENGTH()函数用法详解与实例分析

《MySQL中的LENGTH()函数用法详解与实例分析》MySQLLENGTH()函数用于计算字符串的字节长度,区别于CHAR_LENGTH()的字符长度,适用于多字节字符集(如UTF-8)的数据验证... 目录1. LENGTH()函数的基本语法2. LENGTH()函数的返回值2.1 示例1:计算字符串