신용 손실 예측을 위한 참조 아키텍처
Databricks 데이터 인텔리전스 플랫폼에서 대출 포트폴리오, 경제 시나리오, 위험 모델을 통합하여 확장 가능하고 투명하며 감사 가능하고 비용 효율적인 CECL 및 스트레스 테스트를 지원합니다.
학습할 내용
- 소매 대출, 상업 대출, 일반 원장 (GL) 및 거시경제 시나리오 데이터를 수집하고 통합하는 종단간 레이크하우스 아키텍처
- 클라우드 및 온-프레미스 시스템 간에 안전하고 확장 가능한 데이터 통합을 지원하는 Lakehouse Federation과 Lakeflow Connect의 사용
- 레이크하우스를 사용하여 하류 모델 실행을 위한 데이터 표준화, 조정 및 품질 검사
- Python, R 또는 SAS에서 구축된 모델을 Mosaic AI로 운영화하고 Databricks 워크플로우로 워크플로우를 조정하는 방법
- 대규모 CECL 및 스트레스 테스트를 지원하기 위해 Databricks 클러스터를 사용하는 확장 가능한 컴퓨트 레이어
- 중앙 집중식 데이터 및 모델 카탈로그, Unity Catalog를 이용한 보안 모델 및 제어로 데이터 유래, 감사 가능성 및 규제 준수를 강화
- Lakehouse Apps가 신용 위험 및 재무 팀 간의 안전한 협업, 조정 및 예측 승인을 가능하게 하는 방법
CECL 및 스트레스 테스트를 위한 신용 손실 예측 현대화
- 포트폴리오 데이터 소스 및 수집
- 소매 대출, 상업 대출 및 관련 노출 데이터에 접근하고 수집
- 대조 및 데이터 무결성을 위해 GL 데이터, 포함하여 계정 수와 미수 잔액, 수집
- 사용 Lakeflow Connect 온-프레미스 또는 클라우드 데이터 시스템에서 네이티브, CDC 기반 수집, 또는 Lakehouse Federation 을 활용하여 안전하고 확장 가능하며 중복 없는 데이터 접근을 제공
- 거시경제 시나리오 데이터
- API를 통해 Moody’s 시나리오와 같은 거시경제 시나리오 데이터를 연결하고 출처
- 플랫폼에 직접 사용자 정의 시나리오 확장 로직을 포함시키거나 내부 시나리오 데이터셋을 즉시 적용
- 데이터 거버넌스 및 관리
- 활용 Unity Catalog 포트폴리오 데이터, 시나리오 데이터, 모델 출력, 오버레이 및 공시 보고를 걸쳐 메타데이터 거버넌스를 중앙화. Lineage tracking 데이터 신뢰성 및 감사 준비를 보장.
- 다중 자산 클래스 통합을 활성화하고, 행 수준 접근 제어를 사용하여 소매 및 상업 대출 데이터를 표준화합니다
- 데이터 품질 검사 및 GL 대조를 정제된 Silver 테이블로 수행하고 데이터 컨트롤에 서명
- 활용 system tables 및 내장 감사 추적을 통해 완전한 감사 가능성 및 규제 표준 준수
- 모델 실행 구현
- Python, R 또는 SAS에서 개발된 모델을 구현하거나 가져옵니다. 모델을 MLflow.에 등록.
- 변수 파생, 모델 점수 및 시나리오 및 시간 수평에 따른 예상 신용 손실 (ECL) 계산을 위한 로직 정의
- CECL 및 스트레스 테스트 워크플로우
- 시나리오 분석, 민감도 분석 및 속성 분석을 위한 워크플로우 구축
- Databricks 워크플로우를 사용하여 복잡한 모델 파이프라인에 대한 자동화, 모니터링 및 스케줄링을 제공하는 대규모 워크플로우 실행
- 비즈니스 인텔리전스
- 사용 Databricks SQL 포트폴리오 데이터와 시나리오 데이터를 검토하고 분석
- 각 시나리오 및 수평에 대한 대출 수준 신용 손실 분석 수행
- 결과를 대화식으로 탐색하고 완전한 투명성 및 추적성으로 가정을 검증
- 신용 위험 및 금융 협업
- Lakehouse Apps(웹 애플리케이션)을 통해 신용 위험 및 재무 팀 간의 실시간 협업을 가능하게 합니다
- 개별 평가를 지원하기 위해 최종 사용자 컴퓨팅 스프레드시트를 업로드합니다
- 관리 오버레이와 결재 컨트롤을 적용하고, GL 포스팅, 공시 보고 등을 위한 하류 위험 및 재무 시스템과 통합
장점
- 규제 준수 및 감사 가능성
CECL, CCAR, IFRS 9 및 기타 규제 프레임워크를 준수하도록 보장하며, 자동화된 데이터 라인리지, 내장 컨트롤 및 감사 준비 워크플로우를 통해 이를 달성 - 복잡한 계산을 위한 확장 가능한 성능
계산 집약적인 금융 작업을 위해 설계된 자동 확장 Databricks 클러스터 를 사용하여 신용 손실 모델 및 시나리오를 쉽게 실행 - 비용 효율적인 아키텍처
추가 소프트웨어 라이선스 비용 없이 사용 기반의 가격 모델 을 활용하여 TCO를 낮추고 요구에 맞게 유연한 리소스 사용을 가능하게 합니다 - 안전하고, 기업용으로 준비된 플랫폼
내장된 보안, 신원 관리 및 거버넌스 기능은 민감한 위험 데이터가 기업 및 규제 표준에 따라 보호되고 관리되도록 보장합니다 - 완전한 사용자 정의를 통한 자체 서비스
내부 팀이 자신의 모델링 환경을 소유하고 적응시킬 수 있도록 자체 서비스 플랫폼을 통해, 동시에 완전한 사용자 정의, 자동화 및 엔터프라이즈 시스템과의 통합을 지원합니다
