用于数据分析、风险管理和自动合规的分布式计算机框架
阅读：120发布：2020-05-16
专利汇可以提供用于数据分析、风险管理和自动合规的分布式计算机框架专利检索，专利查询，专利分析的服务。并且这里所述的 风 险管理平台能够实现旨在管理、解析和分析数据的自动化 框架 ，以便于在分布式计算机环境中遵守相关政策。通过实施在本文中描述的技术，实体可以确保其符合最新的监管政策，识别新出现的风险，并进行更有效的运营计划。风险管理平台可以生成界面，个人(也称为“用户”)可以通过该界面与风险管理平台进行交互。通过这些界面，用户可以将编程模型应用于与实体相关联的财务数据，以预测在几种经济场景下实体的业绩。，下面是用于数据分析、风险管理和自动合规的分布式计算机框架专利的具体信息内容。
1.一种用于促进模拟会话的计算机实施的方法，在所述模拟会话中参与者通过管理由虚构实体所采用的金融策略来彼此竞争，所述方法包括：
由处理器接收第一输入，所述第一输入表示由第一参与者提交的以发起涉及多个参与者的模拟会话的请求；
由所述处理器接收第二输入，所述第二输入表示由第二参与者提交的以加入所述模拟会话的请求；
通过所述处理器使得第一显示器呈现第一界面，通过所述第一界面，所述第一参与者能够定义第一虚构实体的金融策略，
其中所述第一界面包括第一多个图形元素，每个图形元素允许所述第一参与者指定所述第一虚构实体的不同财政特性；
通过所述处理器使得第二显示器呈现第二界面，通过所述第二界面，所述第二参与者能够定义第二虚构实体的金融策略，
其中所述第二界面包括第二多个图形元素，每个图形元素允许所述第二参与者指定所述第二虚构实体的不同财政特性；
通过所述处理器使得与历史金融事件相关的信息被发布到所述第一界面和第二界面以供所述第一参与者和第二参与者查看，
其中所述使得包括：
使得与所述历史金融事件相关的多媒体内容被呈现在所述第一界面和第二界面上；
通过所述处理器以允许如下操作：所述第一参与者和第二参与者通过与所述第一多个图形元素和第二多个图形元素进行交互以修改所述第一虚构实体和第二虚构实体的所述金融策略；
通过所述处理器模拟，
在所述历史金融事件期间基于由所述第一参与者定义的所述金融策略，
所述第一虚构实体的业绩，以及
在所述历史金融事件期间基于由所述第二参与者定义的所述金融策略，
所述第二虚构实体的业绩；以及
通过所述处理器，使得与所述第一虚构实体和第二虚构实体的模拟业绩相关的输出被发布到所述第一界面和第二界面以供所述第一参与者和第二参与者查看。
2.根据权利要求1所述的计算机实施的方法，进一步包括：
响应于接收到所述第一输入，通过所述处理器使得界面显示，通过所述界面，所述第一参与者能够指定所述模拟会话的特性，
其中所述特性为参与者的最大数量，参与者的最小数量，或总轮数。
3.根据权利要求1所述的计算机实施的方法，其中所述允许包括：
允许所述第一参与者通过所述第一界面修改所述第一虚构实体的资产负债表，投资策略，或投资分配；以及
允许所述第二参与者通过所述第二界面修改所述第二虚构实体的资产负债表，投资策略，或投资分配。
4.根据权利要求1所述的计算机实施的方法，其中使得与所述第一虚构实体和第二虚构实体的模拟业绩相关的输出被发布到所述第一界面和第二界面以供所述第一参与者和第二参与者查看包括：
使雷达图被呈现在所述第一界面和第二界面上，所述雷达图包括与所述第一虚构实体相关联的第一轨迹和与所述第二虚构实体相关联的第二轨迹。
5.根据权利要求1所述的计算机实施的方法，其中所述模拟会话包括多轮，在所述多轮中模拟所述第一虚构实体和第二虚构实体的业绩，并且其中所允许的操作和所述模拟在每轮期间被执行。
6.根据权利要求5所述的计算机实施的方法，其中每轮对应于不同的历史金融事件，通过所述历史金融事件，所述第一虚构实体和第二虚构实体由所述第一参与者和第二参与者指导。
7.根据权利要求5所述的计算机实施的方法，其中每轮对应于所述历史金融事件的不同阶段，通过所述历史金融事件，所述第一虚构实体和第二虚构实体由所述第一参与者和第二参与者指导。
8.一种计算机实施的方法，包括：
通过处理器使得对个体可访问的界面的显示；
通过所述处理器获取用于模拟由所述个体通过所述界面上传的经济业绩的编程模型；
通过所述处理器从适配器获取与实体相关联的财务数据，所述适配器被编程为从源获得所述财务数据；
通过所述处理器接收第一输入，所述第一输入指定经济场景的宏观经济特性，中观经济特性，或微观经济特性；
基于所述第一输入通过所述处理器改变所述编程模型以产生改变的模型；以及通过将所述改变的模型应用于所述财务数据，由所述处理器来模拟所述经济场景中的所述实体的经济业绩。
9.根据权利要求8所述的计算机实施的方法，其中所述实体为金融机构，并且其中所述财务数据指定现金流，一个或多个类别的持有量，可用现金，未偿还贷款，或其任何组合。
10.根据权利要求8所述的计算机实施的方法，其中所述适配器为提取-转换-加载(ETL)适配器，其被配置为自动地：
从所述源提取所述财务数据；
将所述财务数据转换成适合于由所述处理器处理的格式；以及
将所述财务数据加载到所述处理器可访问的本地存储库中。
11.根据权利要求8所述的计算机实施的方法，进一步包括：
通过所述处理器接收第二输入，所述第二输入表示修改由所述改变的模型产生的输出的请求；
基于所述第二输入，通过所述处理器来识别修改操作；以及
通过所述处理器将所述修改操作应用于所述输出。
12.根据权利要求8所述的计算机实施的方法，进一步包括：
通过所述处理器将由所述改变的模型产生的输出转发到与商业智能工具相连接的应用程序编程接口(API)，
其中所述商业智能工具被配置为在接收到所述输出时，基于所述输出来生成报告。
13.根据权利要求8所述的计算机实施的方法，进一步包括：
通过所述处理器将所述财务数据，所述改变的模型，以及由所述改变的模型产生的输出加载到所述处理器可访问的本地存储库。
14.根据权利要求8所述的计算机实施的方法，进一步包括：
通过所述处理器将由所述改变的模型产生的输出以电子表格或平面文件的形式传输至计算设备。
15.根据权利要求14所述的计算机实施的方法，其中所述计算设备与所述个体相关联。
16.一种电子设备，包括：
存储器，其包括用于产生为特定编程模型所定制的新的提取-转换-加载(ETL)适配器的指令，
其中所述指令在由处理器执行时，使得所述处理器：
获取多个编程模型，
其中，所述多个编程模型中的每个编程模型被设计为基于作为输入而被提供的财务数据，产生表示经济场景中的预测业绩的输出；
为所述多个编程模型中的每个编程模型创建特征向量，从而创建多个特征向量；
识别对应于所述多个编程模型的多个ETL适配器；
通过执行将所述多个特征向量和所述多个ETL适配器视为输入的机器学习算法来生成预测模型；
获取所述特定编程模型；
为所述特定编程模型创建新的特征向量；以及
通过执行将所述新的特征向量视为输入的所述预测模型来产生新的ETL适配器。
17.根据权利要求16所述的电子设备，其中每个特征向量指定模型类别，脚本语言，脚本输入参数，已采用相应的编程模型的个体的特性，或其任何组合。
18.根据权利要求16所述的电子设备，其中所述多个ETL适配器中的每个ETL适配器被配置为自动地：
从给定的源提取财务数据；
将所述财务数据转换成适合于由相应的编程模型处理的格式；以及
将所述财务数据加载到相应的编程模型可访问的本地存储库中。
19.根据权利要求16所述的电子设备，其中所述指令进一步使得所述处理器：
使得个体可访问的界面的显示；
其中所述特定编程模型由所述个人通过所述界面被上传。
20.根据权利要求16所述的电子设备，其中所述多个编程模型与将要模拟业绩的不同实体相关联。
用于数据分析、风险管理和自动合规的分布式计算机框架
[0001] 相关申请交叉引用
[0002] 本申请要求于2018年3月20日提交的标题为“Distributed Computer Framework for Data Analysis，Risk Management，and Automated Compliance”的美国临时申请号62/645，741的优先权，该临时申请通过引用整体并入本文。
技术领域
背景技术
[0004] 术语“风险分析”一词是指评估在公司、政府，或环境部门内发生不利经济事件的可能性的过程。风险分析(也称为“风险管理”)通常涉及对与给定行动方案相关联的潜在不确定性的详细研究。例如，在金融机构的情况下，风险分析可能涉及预测(predict)现金流量，估计收益的方差(例如，来自股票和抵押贷款)，以及预报(forecast)未来的经济状况。从历史上看，负责执行风险管理的人员(也称为“从业人员”)与预报专业人员协同工作，以尽量最小化对公司实体(或简称“实体”)的财务健康产生负面影响的意外事件的数量。然而，由于新政策的引入和大量数据的可用性，这种技术变得越来越容易出错。
[0005] 由于新的经济监管模式，参与分析可能影响实体的新出现的风险的从业人员必须继续通过创新重新对自己进行定位。风险分析的目标是降低高风险事件导致实体发生损失的可能性。但是，由于不确定性或担心承担责任而拒绝进入业务关系通常不是该实体的可行选择。如上所述，风险分析传统上是人为进行的，这导致准确性、可靠性、一致性、清晰性(例如，在推理方面)和及时性方面的降低。即使在最先进的计算设备的帮助下，由于各种各样的信息源之间缺乏互连性，大多数风险分析都是以短视和孤立的方式执行的。虽然这些源可以通过网络(例如，私网或公网，例如互联网)彼此连接，但是由这些源维护的信息片段不能以有意义的方式连接。因此，不能及时分析这些信息片段。附图说明
[0006] 通过结合附图对详细描述的研究，本领域技术人员将更清楚该技术的几种特征。通过示例而非限制的方式在附图中示出了本技术的实施例，其中同样的附图标记可以表示类似的元件。
[0007] 图1描绘了用于执行部门间(inter-departmental)、多跳报告的集中式模型的示例。
[0008] 图2包括示出了优化技术的示例的流程图，其中金融机构同时采用合规框架以及日常运营计划。
[0009] 图3演示了除了与每个部门一起工作的更多的风险管理从业人员之外，如何使金融机构在新规则下仍然可以采用监管前(pre-regulation)模式。
[0010] 图4描绘了用于执行部门间、多跳报告的分散式模型的示例。
[0011] 图5示出了通常在金融机构的几个部门之间有共同之处的风险管理操作。
[0012] 图6描绘了根据本技术的实施例的用于代表金融机构执行风险分析的过程的流程图。
[0013] 图7包括根据本技术的几种实施例的智能连接器的概括图示，该智能连接器负责获取、查看和处理数据。
[0016] 图10示出了包括风险管理平台的网络环境。
[0018] 图12包括当用户在图11的界面上的“功能(Functions)”选项卡下选择“CCAR/DFAST产生(Production)”条目时可能出现的界面的示例。
[0019] 图13A-H包括当用户在图11的界面上的“功能”选项卡下选择“场景分析(Scenario Analysis)”条目时可能出现的界面的示例。
[0020] 图14包括当用户在图11的界面上的“功能”选项卡下选择“归因分析(Attribution Analysi)”条目时可能出现的界面的示例。
[0021] 图15A-B包括当用户在图11的界面上的“库存(Inventory)”选项卡下选择“模型管理(Model Management)”条目时可能出现的界面的示例。
[0022] 图16A-B包括当用户在图11的界面上的“库存”选项卡下选择“场景管理(Scenario Management)”条目时可能出现的界面的示例。
[0023] 图17A-J包括可以由风险管理平台或通信地连接到风险管理平台的商业智能工具产生的报告的示例。
[0024] 图18包括过往的金融危机的可视代表，风险管理平台可以使用它来为未来的金融危机做好准备。
[0025] 图19包括界面的示例，其中两个受训者(例如，南希(Nancy)和鲍勃(Bob))同时考虑如何指导他们各自的虚构金融机构通过虚构的金融危机。
[0026] 图20包括界面的示例，通过该界面，受训者可以创建新的模拟会话。
[0027] 图21A-B包括可以在模拟会话之前出现的界面的示例。
[0028] 图22A-C包括在模拟会话期间可能出现的界面的示例。
[0029] 图23A-L描绘了可以由负责代表金融机构执行风险分析过程的个人(John Doe)看到的界面的示例。
[0030] 图24A-I包括通过商业智能工具(此处为Power 和 )获得的结果的示例。
[0031] 图25是示出了可以实施本文所描述的至少一些操作的处理系统的示例的框图。
[0032] 该附图仅出于说明的目的描绘了几种实施例。本领域技术人员将认识到，在不脱离本技术原理的情况下，可以采用替代实施例。因此，虽然在附图中示出了特定实施例，但是该技术可以进行各种修改。具体实施例
[0033] 这里所述的是能够实施旨在管理、解析和分析数据的自动化框架，以便在分布式计算环境中遵守相关政策的风险管理平台。通过实施本文描述的技术，主体可以确保其遵守最新的监管政策、识别新出现的风险，并进行更有效的运营计划。如下面进一步描述的，风险管理平台可以生成界面，个体(也称为“用户”)可以通过该界面与风险管理平台交互。通过这些界面，用户可以开发模型/将模型应用于与实体相关联的数据。用户可以是由该实体雇用或代表该实体工作的从业人员。
[0034] 起初，用户可以上传被设计用于促进对风险管理平台的预测性经济预报的编程模型(或简称“模型”)，以及模型作为输入所需的数据。例如，用户可以上传与该实体相关联的一个或多个财务报表，并且风险管理平台可以解析财务报表以建立现金流，高风险类别的持有量，手头现金等。基于此信息，风险管理平台可以自动评估实体在几种经济场景下的风险状况。在一些实施例中，风险管理平台允许用户通过指定宏观经济、微观经济或行业特定的特性来进一步定义这些经济场景。因此，用户可以评估特定细分市场(例如，商业房地产市场)的放缓对实体的可用资本、贷款水平、息差、变现能力头寸(position)，或资本回报的潜在影响。这些知识可以使实体能够先发制人地采取适当的行动来解决弱点。
[0035] 可以参考特定实体、计算机程序、系统配置、网络等来描述实施例。然而，本领域技术人员将认识到这些特征同样适用于其他实体类型、计算机程序类型、系统配置、网络类型，等。例如，尽管可以在用于测量金融机构的监管合规性的模型的情境下描述实施例，但是相关特征可以类似地适用于被应用到其他行业中的实体的模型，例如保险、药品、游戏，等。
[0036] 此外，该技术可以通过使用专用硬件(例如，电路)，用软件和/或固件适当编程的可编程电路，或专用硬件和可编程电路的组合来体现。因此，实施例可以包括具有指令的机器可读介质，该指令可以用于对计算设备进行编程以执行用于获取与给定实体相关联的财务数据的过程，基于该财务数据确定合规状态，将模型应用于该财务数据，根据模型产生的输出等预测给定实体的未来经济健康状况。
[0037] 术语
[0039] 除非上下文另有明确要求，否则词语“包括(comprise)”和“包括(comprising)”应以包含性的含义而不是排他性或穷举性的含义(即，以“包括但不限于”的含义)来解释。术语“被连接”、“被耦合”，或其任何变体旨在包括两个或更多个元件之间的直接或间接的任何连接或耦合。耦合/连接可以是物理的、逻辑的，或其组合。例如，尽管不共享物理连接，但是设备可以彼此电连接或通信地耦合。
[0040] 术语“基于”也应被解释为包含性意义而不是排他性或穷举性意义。因此，除非另有说明，否则术语“基于”旨在表示“至少部分地基于”。
[0041] 术语“模块”泛指软件组件，硬件组件和/或固件组件。模块通常是功能组件，可以根据指定的输入生成有用的数据或其他输出。模块可以是独立的。计算机程序可包括一个或多个模块。因此，计算机程序可以包括负责完成不同任务的多个模块或负责完成所有任务的单个模块。
[0042] 当用于引用多个项目的列表时，单词“或”旨在涵盖以下所有解释：列表中的任何项目，列表中的所有项目，以及列表中项目的任意组合。
[0043] 在此描述的任何过程中执行的步骤的顺序是示例性的。然而，除非与物理可能性相反，否则可以以各种顺序和组合执行这些步骤。例如，可以向在此处描述的过程添加或移除步骤。同样，可以替换步骤或对步骤进行重新排序。因此，任何过程的描述都是开放式的。
[0044] 数据分析、风险发现，和风险管理
[0045] 通常，实体出于防御性目的进行风险分析，但这种做法也可能具有攻击性目的。一方面，这些实践可以使实体建立一道很大程度上坚不可摧的防线，以防范将影响实体的财务状况的高风险事件。另一方面，这些实践可以使实体从更广泛的视角分析攻击性机会。攻击性机会的示例是未开发的细分市场或客户群。目前，实体运营的商业环境变得越来越复杂(例如，由于法规的增加)，并且在高度监管的商业环境中的可获利润逐渐变少。这些因素共同使得实体之间的竞争更加激烈。
[0046] 为了改进传统的风险分析过程，从业人员应该采用创新的技巧和技术用于识别/控制风险，以及他们自己的专业技能，以识别、开发和捕获商业意义上的“蓝海”。在实体的日常风险管理中，有三个共同的痛点：(1)信息不对称；(2)实时信息处理要求；(3)风险控制的成本。
[0047] 以金融机构为例。首先，作为风险分析过程(也称为“风险管理过程”)的一部分，(例如，由风险控制部门的从业人员)考虑的信息通常是不对称的。即使属于金融机构的信息可能是一致的，属于客户或对方的信息通常也会是碎片的。然而，风险管理的基础在于从各方获取事实的、有效的，和完整的信息。不对称主要体现在三个方面。首先，金融机构与客户/对方之间的信息的外部不对称。这种不对称性主要影响准确掌握真实运营情况、融资目的、还款来源，以及客户/对方的管理有效性的能力。例如，尽管多个金融机构可能同时为单个企业融资，但一些金融机构可能会在违约发生之前撤退，而其他金融机构可能会等到企业申请破产。显而易见，有效的风险管理的一个优点是能够获得与客户/对方相关联的更多非公开信息。其次，(1)商业部门和风险控制部门和(2)员工和高级管理人员之间信息的内部不对称性是重要的风险来源。第三，(1)金融机构及其子公司，(2)主要办事处及其分支机构，以及(3)实体及其子公司之间的信息不对称是另一个值得关注的领域。目前，许多金融机构趋向于组织结构复杂、地域分布广，以及管理半径长。所有这些特征往往趋向于导致风险相关信息的不良传输，从而降低风险管理的效率和有效性。实际上，在某些情况下，风险相关信息的传输的延迟可能导致风险控制部门对影响金融机构财务状况的高风险事件完全没有准备。
[0048] 其次，风险控制部门可能无法及时将风险相关信息视为风险管理流程的一部分。如今，客户(也称为“顾客”)对企业(如金融机构)提供的服务的及时性要求相对较高，效率已成为企业间竞争的主要因素之一。在许多情况下，给定项目留给风险控制部门考虑风险性的时间非常有限。例如，潜在客户可能会要求金融机构在几天内做出有关融资的决策。收集足够的信息以在有限的时间范围内做出准确、明智的决策对风险控制部门的从业人员提出了重大挑战。
[0049] 第三，实施某些风险控制措施的成本可能过高。许多风险控制措施在识别、管理，或预防风险方面都是有效的，但由于这样做的成本很高，这些风险控制措施无法付诸实施。例如，对于债权人实体(例如金融机构)而言，确认与债务人实体有关的财务信息的真实性、实体之间复杂的关系、隐性担保的关系，以及异常资本交易是非常重要的，但是时间和劳动力成本往往很高。因此，许多从业人员要么被动地接受实体提供的财务信息是真实的，要么对财务信息进行简单的验证。这可能严重影响对实体(或涉及实体的交易)所引起的实际风险的判断是否准确。
[0050] 如商业银行等行业长期以来一直是复杂的、劳动密集型的、创新性较低的，并且受到严格监管。在2007年次贷危机爆发前的十年中，金融机构(也称为“金融实体”或“银行”)的创新超过了风险管理和控制能力。为应对次贷危机，全球银行业模式出现了重大缺陷，特别是在风险管理方面。为了弥补这一缺陷，监管实体，如联邦储备银行，实施了极其严格的规则，迫使金融机构降低风险贷款，制定合规政策，并发展风险管理政策。实施这些规则后，金融机构开始招募大量员工协助合规工作的履行。这些合规工作的履行增加了金融机构的成本，同时也扼杀了曾经利润丰厚的贷款业务。如今，大多数金融机构缺乏系统的风险分析方法，使他们能够：
[0051] 1.以较少人工对监管机构要求的规则合规；以及
[0052] 2.找到合法的商业机会(例如，可通过实体支持的分销渠道访问的潜在客户，符合客户简档的潜在客户，或满足内部规则和/或投资需求的潜在客户)和有利可图的商业机会。
[0053] 这个问题不仅是金融机构所面临的，还是医疗保健、制药和其他类似行业的实体所面临的。虽然可以在金融机构的情境下描述实施例，但是本领域技术人员将认识到这些特征同样适用于其他行业中的实体。
[0054] 基本问题和相关技术挑战
[0055] 十年前，大多数金融机构都以“类似孤岛”的方式运作。换句话说，大多数金融机构在决定是否寻求商业机会时都只考虑有限的信息。例如，尽管将大部分决策授权给当地办事处或子公司，但总公司(也称为“公司总部”)可能承担了收集和报告信息的责任。即使在公司内，各部门也可以孤立地执行日常操作。每个部门可能都有自己的规程、技术、数据存储库、模型，和/或报告标准。虽然这些孤立的安排显著提高了部门内部的效率，但这种安排并非设计用于跨部门协作。这些孤立的安排在行业衰退周期(例如次贷危机期间的银行业)造成了显著的歧义和信息不对称，并对风险的积累和经济泡沫的破灭有重要的贡献。
[0056] 典型的部门间、多跳报告周期如图4所示，其中以商业银行业务场景为例。起初，金融机构将收集和分析信息的任务分配给不同的职能部门(functional unit)(例如，信用部门、资金部、操作风险部门，等)。然后，每个职能部门将执行适当的任务，并以孤立完成(silo-make)的方式审查结果。也就是说，每个职能部门都会在对部门间问题的有限考虑的情况下审查结果。然后可以收集这样的分析(也称为“孤立分析”)并将其呈现给跨部门委员会，例如，以合并的呈现形式。在这些呈现过程中，通常会认识到部门间的问题，并将其反馈给每个职能部门以进行额外分析。在分析反馈过程的若干次反复之后可以做出最终决定。由于完成过程需要多个职能部门多次审查中间结果，因此该过程可能需要几个月才能完成。
[0057] 一般而言，金融机构需要至少两个月的时间来编制全面的风险报告。然而，这种延迟可能导致金融机构对某些高风险事件毫无准备。此外，综合风险报告将严重依赖人力劳动，因此几乎总有错误和不一致。
[0058] 为解决上述信息不对称问题，监管机构制定了规则，要求覆盖到的金融机构在“集中式”模式下建立更加透明和稳健的风险评估过程。虽然图4示出了用于管理风险的“分散式”模型，但图1示出了用于管理风险的“集中式”模型。如图1所示，通过采用集中式模型来管理风险，金融机构可以移除一些或全部中间人工审查/干预，从而流线化风险管理流程。流线过程可以在几分钟或更短的时间内由单个计算设备自动执行。该计算设备可以生成一系列报告(例如，ALCO，CMC，场景开发委员会，董事会RC，批发信用委员会，和零售信用委员会报告)，然后将这些报告同时或依次地发送到不同的部门(例如，财务/财务控制部门、运营风险、信用、风险测量，和资金部门)。这些部门通常可以在不超过两天的时间内审查报告。因此，图4中所示的多月过程可以减少为图1所示的多日过程。
[0059] 为了符合新的监管范例，金融机构需要在短暂的时间内汇集来自多个部门的信息，并且最终的风险报告必须显示汇总的、跨部门的分析。因此，这些新规则显著增加了打破孤立安排和及时评估风险的需要。这些规则为金融机构制定了明确的指导原则，但同时也促使参与风险管理的从业人员为遵守法规而走捷径。几乎所有主要受监管的金融机构都选择对现有模型，技术和/或系统进行微调，而不是投资设计新模型，技术和/或系统。金融机构选择这条路线的一个原因是由于重新设计熟悉的流程所涉及的成本和精力。实施不力的重新设计的缺点是金融机构的失败。实际上，大多数金融机构只是聘请了更多的从业人员，指派这些从业人员与各部门合作，并要求这些从业人员充当信使和信息收集者。然而，这种策略已经将第一痛点(即，信息不对称)转变为第二痛点(即，处理的及时性)和第三痛点(即，提高的合规成本)。
[0060] 图3演示了除了与每个部门一起工作的更多的风险管理从业人员之外，如何使金融机构在新规则下仍然可以采用监管前(pre-regulation)模式。简而言之，图3示出了过去十年中许多金融机构采用的低效合规框架的示例。这些额外招聘的主要原因是为了确保监管合规性，这在很大程度上独立于日常业务操作。
[0061] 同时，图2包括示出了优化技术的流程图，其中金融机构同时采用合规框架以及日常运营计划。如下面进一步描述的，风险管理平台可以负责采用合规框架。为了采用合规框架，风险管理平台可以实施智能连接，该智能连接旨在与金融机构的各部门间的几乎所有预先存在的过程一起工作。“通用插头”技术可以提供部门间协作能力和及时的风险评估，同时无需进行完全的重新设计，因为：
[0062] 1.该技术在很大程度上避免了在实施大型和/或侵入式新系统中的运营风险；
[0063] 2.该技术通过产生由机器学习开发的建议，降低了从业人员对新系统的培训难度；以及
[0064] 3.该技术大幅降低了部署新系统的成本。
[0065] 数据分析，风险管理和自动合规框架
[0066] I.智能连接器
[0067] 本文描述的技术的设计(也称为“智能连接器”或“通用插头”)首先对响应于新的监管要求所通常需要的风险管理操作进行深入分析。如图5所示，关键的风险管理操作通常在金融机构的各个部门中共享六个共同任务。下面将更深入地描述这六项任务。
[0068] 1.执行数据的控制、查看和平衡
[0069] 健全的风险分析过程通常首先要确保用于分析的数据可以与官方来源相关联。这些数据可能包括日期、帐户数量、帐户活动、帐户功能、帐户历史记录、相关产品和与帐户相关联的个人、帐户的层次结构，等。指定数据版本的元数据、数据的来源、数据的提供者，或数据的格式也可以被验证和/或记录。
[0070] 从历史上看，对于从业人员来说，以及时和精确的方式手动执行此任务一直是一项挑战，因为此任务要求从业人员拥有对整个数据格局的完整认知。但是，如今在大多数金融机构中，数据量已变得难以处理。通过使用智能连接器，风险管理平台可以检测对信息的请求(例如，由为给定金融机构工作的从业人员提交)，然后基于给定金融机构的数据存储库中的内在信息为每个请求推荐适当的数据。此外，智能连接器能够便于自动生成风险分析过程中涉及的所有记录/行为的审计日志。因此，智能连接器可以在风险分析过程的进行中智能地监视从业人员执行的活动。
[0071] 2.为下游分析过程执行数据提取、转换、和加载(“ETL”)操作
[0072] 由于金融机构将会需要综合有关经济市场、监管规则、客户(例如，金融机构向其提供贷款的实体和个人)、金融机构的部门的信息，以及他们自己的传统信息，在风险分析过程(或多个风险分析过程)的进行中，几乎所有的从业人员都将不可避免地处理多种信息来源。由于金融机构运营模式的孤立性，尽管数十年来一直在推动数据集中化/同质化，但数据通常会以各种形式出现。例如，数据可能采用Microsoft 工作表，数据库，平面文件，以及由第三方软件(如 R或 )生成的结构的形式。
[0073] 金融机构通常会对格式化/存储数据有不同的偏好，并且没有主导的，通用的或行业标准的做法。在执行风险分析过程之前，从业人员历来花费超过一半的时间对数据执行ETL操作。减少执行ETL操作所花费的时间的一种方法是为常用的数据表单构建适配器，例如上面提到的那些。本文描述的智能连接器可以提供连接到这些不同数据存储库，服务，结构等的应用程序编程接口(“API”)。因此，风险管理平台可以实施智能连接器以确保在风险分析过程期间无论有多少来源负责提供数据，被处理的数据都可以被轻松查看。智能连接器还可以支持推荐引擎，该推荐引擎向风险管理平台的用户通知最佳和/或最常用的存储库和ETL操作。
[0074] 3.执行分析操作或分析平台
[0075] 风险分析过程是强制性任务，在没有主导的，通用的或行业标准做法的意义上可能与ETL操作类似。因此，整个行业的金融机构采用了各种各样的分析集成开发环境(“IDE”)和分析平台(例如， R， C++，C#， 定量风险管理(QRM)， Wind Information)，以促进风险分析过程的完成。执行
编程模型(或简称“模型”)，特别是那些需要在不同分析平台中依次执行操作的模型，代表了过程互连和自动化中的另一个潜在瓶颈。此外，分析IDE中的选项数量为从业人员带来了难以解决的问题，因为：
编程模型(或简称“模型”)，特别是那些需要在不同分析平台中依次执行操作的模型，代表了过程互连和自动化中的另一个潜在瓶颈。此外，分析IDE中的选项数量为从业人员带来了难以解决的问题，因为：
[0076] i.给定的从业人员不可能精通所有分析IDE；以及
[0077] ii.给定的从业人员不可能准确地知道金融机构内的哪些过程被改变，修改或开发。
[0078] 处理此问题(并且还减少执行延迟)的一种方法是为常用的分析平台构建适配器，例如上面提到的那些。这里描述的智能连接器可以提供连接到这些各种分析平台的API。通过实施智能连接器，风险管理平台能够与这些常用的分析平台无缝连接，从而消除了最痛苦的方面之一的重新设计风险分析过程。此外，智能连接器可能能够向风险管理平台的用户通知哪些操作/IDE最常用于给定任务，哪个操作/IDE最适合于给定任务，哪个操作/IDE可用于促进给定任务的完成，等。
[0079] 4.修改分析结果以考虑管理覆盖或自由裁量权
[0080] 负责任的从业人员通常会根据即时事实，管理上的自由裁量权，和/或分析操作的已知限制来改变分析操作的结果。修改通常基于每个金融机构的独特业务情况，并且可以对单个事件、单个客户(例如，金融机构向其提供贷款的实体)、一组账户、特定行业、特定地理位置、特定产品、共享共同的特征的特定产品部分等进行修改。为了便于输入这些修改，智能连接器可以创建/支持可以指导用户执行适当类型的修改操作修改通道以及简单操作的图形用户界面(“EOGUI”)。在实践中，EOGUI可以体现为简化的界面，其在单一事件分析、群组调整、顶级调整等上覆盖管理上的自由裁量权。
[0081] 5.编制报告以满足监管和管理上的要求
[0082] 金融机构持续严重依赖传统方式(例如，Microsoft 演示文稿和Microsoft 图表)向决策者呈现分析结果。但是，基于人工编制的Microsoft PowerPoint演示文稿会在实时交付风险分析过程的结果时产生瓶颈。与此同时，金融机构的某些部门已经开始通过使用商业智能软件(也称为“商业智能工具”)，如
和 来生成交互式仪表板。但是，大多数金融机构仍远未采用系统化的
企业级商业智能工具。
和 来生成交互式仪表板。但是，大多数金融机构仍远未采用系统化的
企业级商业智能工具。
[0083] 通过在风险管理平台使用的分析引擎(也称为“分析模块”)与几种资源(例如，传统计算机程序和/或更新的商业智能工具)之间创建无缝API连接，智能连接器可以作为通用连接。因此，智能连接器可以促进不同资源之间的互连，以增加金融机构采用这些资源的可能性。此外，智能连接器可以基于历史使用来推荐最流行(或最合适)的报告模板。推荐的报告模板可以由金融机构的几个风险管理部门使用。如下面进一步描述的，可以在没有人为干预的情况下自动填充这些报告模板内的至少一些区域。例如，智能连接器可以采用机器学习算法来发现适合于给定报告模板内的每个区域的内容的类型和/或格式，然后相应地填充这些区域。因此，智能连接器可以允许风险管理平台提供报告功能，该报告功能通过使用各种报告工具对现成的，静态的，或交互式的报告进行自动创建和/或组合。
[0084] 6.将分析结果发送到下游操作
[0085] 结果共享技术的格局也各不相同，传统方式包括Microsoft Excel电子表格，逗号分隔值(“CSV”)文件，电子邮件和关系数据库以及新兴手段，如替代数据存储库和Web出版物。这些系统之间的不兼容性以及在这些系统之间进行切换的需求通常会显著降低吞吐量。为了解决这个问题，智能连接可以支持发布功能，该功能将主流数据格式的分析结果记录并发送到下游操作或利益相关者，例如工作表，数据库(例如，关系数据库)，平面文件，电子邮件，等。
[0086] 图6描绘了根据本技术的实施例的用于代表金融机构执行风险分析的过程600的流程图。该流程图示出了智能连接器在由风险管理平台执行时如何处理数据以完成风险分析评估。过程600的一个关键是能够创建与几种发布媒介的连接集合，从而无论媒介如何，都可以在上游操作(也称为“发布过程”或“发送过程”)以及下游操作(也称为“接收过程”)之间建立无延迟的连接。
[0087] 起初，风险管理平台可以获得一组模型和输入参数(步骤601)。通常，用户将通过图形用户界面(或简称“界面”)将模型和/或输入参数直接上传到风险管理平台。然而，在一些实施例中，风险管理平台可以被配置为查看与金融机构相关联的数据存储库，以在没有用户输入的情况下发现模型和/或输入参数。例如，用户可以是为金融机构(例如，在风险管理组中)工作的从业人员或代表金融机构工作的从业人员。每个模型可以是用SAS，R，Python，MATLAB编写的脚本的形式，或者用于创建编程模型的一些其他常用编程语言。
[0088] 接下来，风险管理平台可以通过智能连接器采用的灵活提取-转换-加载(ETL)适配器获得代表模型特征的数据(步骤602)。模型特征的示例包括时变预测信息、经济预报场景，和其他高级配置。ETL适配器可以与几种数据源连接，例如Microsoft Excel电子表格、数据库(例如，列表数据结构)，和网络可访问存储器(也称为“云存储器”)，以获取信息。该信息可以与贷款、证券、信用评级、地理位置、行业，和/或与风险管理平台获得的模型相关的其他特征相关。在一些实施例中，灵活的ETL适配器由智能连接器通过使用与现有模型及其元数据相对应的脚本进行的监督机器学习工作自动生成。例如，如果具有给定特征集的模型(例如，特征集A)使用来自特定源的数据(例如，表T1由表2加入)，则可以将相同的灵活ETL适配器分配给具有给定特征集的新获得的模型。特征集可以指定模型类别、脚本语言、脚本输入参数、频繁执行这些模型的用户，或其任何组合。
[0089] 此后，智能连接器可以从与金融机构相关联的财务报表中获得数据点，然后将这些数据点作为通过界面的输入应用于模型特征(步骤603)。在一些实施例中，提示用户通过界面上传财务报表(或财务报表中包括的信息的摘要)，而在其他实施例中，风险管理平台查看与金融机构相关联的数据存储库以发现财务报表，而没有用户输入。宏观经济和/或微观经济因素也可以通过界面被应用于模型特征(步骤604)。这些因素可能包括失业率、国内生产总值(“GDP”)增长率、行业预报，等。例如，风险管理平台可能会解析金融机构的财务报表，以发现其在高风险类别中的持有量、现金流，以及手头现金流量，然后将这些信息片段应用于经济预报模型，以预测一个或多个经济场景中金融机构的财务状况。
[0090] 然后可以通过使用风险管理平台认为的必要的分析平台适配器基于模型脚本的编程语言和/或硬件环境来执行模型脚本(步骤605)。结果最初可以保存到永久存储介质中。在执行模型脚本之后，风险管理平台可以允许用户决定是否执行操作以修改结果(步骤606)。例如，用户可以基于诸如行业、细分(市场)、位置，市场条件等因素来确定是否修改由模型脚本产生的输出。在一些实施例中，风险管理平台可以自动确定是否执行预定义的修改操作。例如，如果预定百分比的其他用户已经应用了修改操作，则风险管理平台可以确定应该修改由模型脚本产生的输出。这些其他用户可以包括为与用户相同的金融机构工作的从业人员，为不同于用户的不同金融机构工作的从业人员，或其任何组合。
[0091] 如果用户选择修改结果，则可以根据修改操作通过界面修改模型脚本产生的输出(步骤607)，然后可以报告、发布修改后的结果，或者可以通过API访问修改后的结果(步骤608)。在一些实施例中，修改操作是预定义的(例如，由用户或风险管理平台预定义)，而在其他实施例中，修改操作由用户在完成风险分析过程时动态创建。相反，如果用户选择不修改结果，则可以简单地报告、发布或通过API访问未修改的结果(步骤608)。如下面进一步描述的，该结果(无论是修改的还是未修改的)通常由商业智能工具使用预先创建的报告模板来呈现。附加地或替代地，可以使用期望的发布介质来共享结果，诸如数字文件、电子邮件、数据库表、web发布，等。
[0092] II.智能连接器存储库管理
[0093] 可以为不同的商业实体(例如，金融机构A、金融机构B、金融机构C)，不同类型的商业实体(例如，金融机构、保险提供商，和药品制造商)，不同来源等开发智能连接器。因此，本文所述的是一个存储库管理工具，其可以创建、配置、修改和管理智能连接器，以及执行多个智能连接器的级联网络。在某些情况下，实体可以采用多个智能连接器的网络作为综合风险分析系统的一部分。例如，风险管理平台可以采用第一智能连接器与第一数据源连接，第二智能连接器与第二数据源接口，第三智能连接器与第一商业智能工具连接等。
[0094] 图7包括智能连接器700的概括图示，该智能连接器700负责根据本技术的各种实施例获取、查看，和处理数据。虽然图7示出了在一些实施例中可以如何实施智能连接器，但是本领域技术人员将认识到智能连接器可以以其他方式实施。例如，另一智能连接器可以被设计为与不同的信息源连接，执行以不同编程语言编写的模型脚本等。
[0095] 起初，智能连接器700可以从云存储器，公用数据库，私用数据库等获取与给定实体相关联的数据(步骤701)。数据可能采用Microsoft 工作表，数据库，平面文件，或由第三方软件(如 R，或 )生成的结构。通过执行ETL操作(步骤702)，智能连接器可以从数据获得元数据以执行创建输入数据库所需的过程703。
[0096] 类似地，智能连接器700可以获取用SAS，R，Python，MATLAB等编写的模型脚本。这些模型脚本可以由负责代表给定实体执行风险分析过程的从业人员上传。在一些实施例中，存储库管理工具704在库中查看，编入目录或存储这些模型脚本以供后续使用。例如，在接收到表示给定模型脚本的选择的输入时，存储库管理工具407可以从输入数据库703获取适当的数据，然后将该数据作为输入提供给给定的模型脚本以产生输出。该输出可以被存储在输出数据库705中。
[0097] 如图7所示，模型脚本产生的输出可以通过几种不同的方式处理。在一些实施例中，输出(或其一部分)被转发到商业智能工具(例如，经由API)以便以商业友好的方式呈现给用户(步骤706)。在一些实施例中，智能连接器700将输出(或其一部分)向下游转发以进一步查看(步骤707)。适当的下游过程可以基于从输出，模型脚本或输出本身提取的元数据。在一些实施例中，智能连接器700将修改操作应用于输出(或其一部分)(步骤708)。例如，修改操作可以被应用来考虑大型商业房地产(“CRE”)贷款的即将发生的违约对给定实体的影响。作为另一示例，可以应用修改操作来考虑尚未考虑到的现金流的突然增加。在应用修改规则之后，智能连接器700可以执行步骤706或步骤707。因此，智能连接器700可以将修改的输出或未修改的输出(也称为“原始输出”或“原始结果”)转发给商业智能工具、下游过程、下游系统，等。
[0098] 图8包括存储库管理工具的概括图示，该存储库管理工具被设计为通过图形用户界面(或简称“界面”)接收输入，用户可以通过该界面创建，修改和删除智能连接器及其附随信息。每个智能连接器及其附随信息(例如，元数据)可以一起称为“智能连接器模块”。
[0099] 界面800通常由三个区分的部分组成，每个部分都被设计成便于智能连接器模块的创建，修改或删除。配置数据存储801可以保留元数据和规则，以规定作为模型的输入所提供的数据应该如何被收集、过滤、格式化，等。这样的行为可以使数据更容易被后续过程消化。元数据可包括：
[0100] 1.用于数据库、文件、云存储器，和/或其他类型的数据存储的数据类型元数据；
[0101] 2.数据存储的资源路径，包括主要的云存储提供商的预定义连接器；以及[0102] 3.ETL操作，其调整驻留在输入数据库中的数据的格式(例如，图7的输入数据库703)。
[0103] 存储库管理工具可以维护包括每个模型的元数据的第一数据结构802。元数据可以指定，例如名称、创建日期、脚本语言、模型理论，和/或其他风险管理平台执行相应模型所需的特性。除了元数据之外，第一数据结构802可以包含用户友好的标签，其指定每个模型的适当场景。存储库管理工具可以支持使用户能够添加，修改或删除这些用户友好标签的界面。
[0104] 存储库管理工具还可以维护将业务过程映射到商业智能工具的第二数据结构803。风险管理平台可以使用这些关系来确定模型产生的输出应该路由到何处。例如，风险管理平台可以通过查看第二数据结构803，发现第一模型产生的输出应该被转发到第一商业智能工具，第二模型产生的输出应该被转发到第二商业智能工具以及第三只能工具，等。
[0105] 在一些实施例中，存储库管理工具还维护第三数据结构804，其将业务过程映射到报告过程的另一方面，例如发布格式和发布方法。发布格式的示例包括平面文件，数据库表，和Microsoft Excel电子表格，而发布方法的示例包括电子邮件，本地存储库，云存储器，直接发布(例如，到互联网)，或排队。例如，风险管理平台可以通过查看第三数据结构804来发现由第一模型产生的输出应该以平面文件的形式传递到本地存储库，而由第二模块产生的输出应该作为电子邮件中包含的Microsoft Excel电子表格被传递到用户。
[0106] 此外，存储库管理工具可以维护第四数据结构805，该第四数据结构805包括在输出已经被存储在输出数据库(例如，图7的输出数据库705)之后可以被应用于由模型产生的输出的修改规则。例如，风险管理平台可以通过查看第四数据结构805来发现由与给定实体相关联的模型产生的输出应该经历特定的一组修改规则。
[0107] 驻留在配置数据存储801和这些其他数据结构802，803，804，805内的信息被存储在智能连接器数据存储806中。因此，在一些实施例中，智能连接器数据存储806可包括促进风险分析过程所需的所有信息。
[0108] 图9示出了如何使用监督机器学习技术来训练预测模型以为新模型创建ETL适配器。可以在用户通过界面将新模型上传到风险管理平台之后(例如，在使用新模型执行风险分析过程之前)执行这种技术。通常，ETL适配器将定义如何将从给定源(也称为“源数据”)获取的数据转换为可由给定模型使用的格式。
[0109] 起初，风险管理平台可以识别可以被应用于由智能连接器获取的数据的一个或多个现有模型900。然后，风险管理平台可以查看现有模型900以从每个现有模型中提取特征向量，从而产生一个或多个特征向量901。该特征向量可以包括诸如模型类别、脚本语言、脚本输入参数，采用相应的模型的用户的特性等等之类的特征。
[0110] 此后，风险管理平台可以通过应用考虑特征向量901和至少一个现有ETL适配器902作为输入的机器学习算法903来生成预测模型906。机器学习算法903可以是设计用于产生预测模型906的梯度下降算法。为了为新模型804产生新的ETL适配器907，风险管理平台可以识别新模型904，从新模型904中提取新的特征向量905，然后提供新的特征向量905作为预测模型906的输入，其可以产生新的ETL适配器907作为输出。这样的过程允许风险管理平台产生为新模型904定制的新ETL适配器907。
[0111] HI.风险管理平台
[0112] 如上所述，一些实体有义务定期(例如，每季度或每年)完成风险分析过程。但是，有几个因素已经开始使合规变得越来越困难。因此，在此所述的风险管理平台能够实施旨在管理、解析，和分析数据的自动化框架，以便于在分布式计算机环境中遵守相关政策。通过实施本文所述的技术，实体(例如，涉及医疗保健、药品、金融、游戏，等)可以确保其遵守最新的监管政策，识别新出现的风险并且进行更有效的运营计划。
[0113] 图10示出了包括风险管理平台1002的网络环境1000。用户可以经由界面1004与风险管理平台1002连接。风险管理平台1002可以负责开发和/或将模型应用于与给定实体相关联的数据。例如，在金融机构的情况下，风险管理平台1002可以生成警告以通知金融机构关于主要风险因素对其投资的影响。风险管理平台1002还使金融机构能够实时评估几种宏观经济、微观经济，或实体特定的情况下的风险头寸(risk positions)。例如，风险管理平台1002的用户可能能够评估多家庭房地产市场放缓对金融机构的资本充足率、不良贷款水平、息差、变现能力头寸，和资本回报的影响。这些认知可以使金融机构能够先发制人地采取适当的行动来解决所识别的弱点。
[0114] 在一些实施例中，用户可以从多个预定义的经济场景中进行选择，而在其他实施例中，用户能够通过指定经济相关的特性来创建合理的经济场景。例如，在从源接收数据时，风险管理平台1002可以应用自然语言处理算法来自动读取结构化的、半结构化的，或非结构化的数据。源的示例包括云存储器、公用数据库、私用数据库、平面文件，等。风险管理平台1002可以使用该数据来生成用于风险和合规目的的经济场景。风险管理平台1002还可以负责创建图形用户界面，通过该图形用户界面，用户可以查看实体信息(例如，名称、位置、持有量、现金流)，模型信息(例如，相应的经济参数)，审查由模型产生的报告，管理偏好，等。
[0115] 如图10所示，风险管理平台1002可以驻留在网络环境1000中。因此，风险管理平台1002可以被连接到一个或多个网络1006a-b。网络1006a-b可以包括个域网(PAN)、局域网(LAN)、广域网(WAN)、城域网(MAN)、蜂窝网络、互联网，等。另外或可选地，风险管理平台
1002可以通过短程通信协议通信地耦合到计算设备，例如蓝牙( )或近场通信(NFC)。
1002可以通过短程通信协议通信地耦合到计算设备，例如蓝牙( )或近场通信(NFC)。
[0116] 优选地，可以通过web浏览器、桌面应用、移动应用，或通过互联网提供的各种服务的(over-the-top(0TT))应用访问界面1004。因此，可以在个人计算机、平板计算机、移动工作站、个人数字助理(PDA)、移动电话、游戏机、音乐播放器、可穿戴电子设备(例如，手表或健身配件)、网络连接的(“智能”)电子设备(例如，电视或家庭辅助设备)、虚拟/增强现实系统(例如，头戴式显示器)，或一些其他的电子设备。
[0117] 风险管理平台1002的一些实施例在本地托管。也就是说，风险管理平台1002可以驻留在用于访问界面1004的计算设备上。例如，风险管理平台1002可以体现为在移动电话上执行的移动应用或在膝上型计算机上执行的桌面应用。风险管理平台1002的其他实施例由Amazon Web (AWS)，Google Cloud PlatformTM，Microsoft 或类似技术操作的云计算服务执行。在这样的实施例中，风险管理平台1002可以驻留在通信地耦合到一个或多个内容计算机服务器1008的主计算机服务器上。内容计算机服务器1008可以包括与几种实体、模型、由模型产生的历史输出(或历史输出的分析)，和其他资产(asset)相关联的数据。这些信息也可以存储在主计算机服务器上。
[0118] 在网络可访问界面的情境中描述了某些实施例。然而，本领域技术人员将认识到，界面不一定必须经由网络访问。例如，计算设备可以被配置为执行不需要网络访问的独立计算机程序。相反，独立计算机程序可以在单个时间点或周期性地(例如，每周，每天或每小时)下载必要的资产(例如，数据，模型和处理操作)。如果用户希望风险管理过程的结果保持机密，则可能需要这样的设计。
[0119] 通常，风险管理平台包括三个功能模块：(1)用于执行综合资本分析和评估(CCAR)以及多德-弗兰克(Dodd-Frank)法案压力测试(DFAST)的模块；(2)分析几种经济场景的模块；(3)用于分析模型归因的模块。图11包括图形用户界面(或简称“界面”)的示例，当用户访问时，允许用户从这些功能模块中进行选择。为了利用这些功能模块，可以提示用户通过风险管理平台输入凭证(例如，用户名和密码)。
[0120] 图12包括当用户在图11的界面上的“功能”选项卡下选择“CCAR/DFAST产生”条目时可能出现的界面的示例。该界面可以允许用户选择/提供压力测试中使用的不同参数的值。这些参数包括：
[0121] 1.产生日期(Production Date)：该值表示压力测试应开始的日期。
[0122] 2.场景(Scenario)：用户可以指定金融机构的经济场景和宏观经济情况。
[0123] 在执行压力测试时，经济场景(也称为“外部市场场景”)可以被设定为“base(基准)”，“adverse(不利)”或“severely adverse(严重不利)”。这些条目表示整个经济的不同场景。风险管理平台可以被配置为在单一场景或多个场景(例如，上述每个经济场景)中估计实体的财务状况。
[0124] 3.模型(Model)：用户可以指定应该采用哪个(哪些)模型作为风险分析过程的一部分。这些模型可以对应于不同的产品线，业务线等。可以允许用户选择单一模型或多个模型。
[0125] 在调整这些参数之后，用户可以选择标记为“通过场景运行模型(Run Model Through Scenario)”的图形元素来启动压力测试。
[0126] 图13A包括当用户在图11的界面上的“功能”选项卡下选择“场景分析”条目时可能出现的界面的示例。很像图12中所示的界面，该界面可以允许用户选择/提供场景分析中使用的不同参数的值。这些参数包括
[0127] 1.产生日期：该值表示场景分析应开始的日期。
[0128] 2.场景：用户可以指定金融机构的经济场景和宏观经济情况。在执行场景分析时，经济场景(也称为“外部市场场景”)可以被设定为“基准”，“不利”或“严重不利”。这些条目表示整个外部市场的几种不同的经济后果。这些条目表示整个经济的不同场景。风险管理平台可以被配置为在单一场景或多个场景(例如，上述每个经济场景)中估计实体的风险状态。
[0129] 3.模型：用户可以指定应该采用哪个(哪些)模型作为风险分析过程的一部分。这些模型可以对应于不同的产品线，业务线等。可以允许用户选择单一模型或多个模型。
[0130] 在调整这些参数之后，用户可以选择标记为“前往管理决策(Go to Management Decisions)”的图形元素。在接收到表示对图形元素的选择的输入时，风险管理平台可以生成包括金融机构的资产负债表的界面，如图13B所示。在一些实施例中，资产负债表将由用户上传，而在其他实施例中，代表用户将资产负债表从数据存储库中自动获取。可以允许用户选择资产负债表中的某些条目。例如，如图13B所示，风险管理平台可以在视觉上区分可以修改的那些条目。当用户选择这些条目中的一个时，风险管理平台可以允许用户调整所选条目中的值(例如，通过改变相应区域中的数字)。例如，用户可以选择在未来几个季度更改CRE贷款的总值。作为另一个示例，用户可以选择将所选资产类型的信贷提取出(draw out)用于未来的季度。风险管理平台允许用户在执行风险分析时改变这些值，而不是要求用户改变源数据。
[0131] 图13C包括界面的示例，通过该界面，用户可以通过更改资产负债表中的值来改变给定产品线，业务线或行业的金融机构的财政策略。在这里，风险管理平台已将财政策略描绘为线图，但是在其他实施例中可以使用其他视觉手段(例如，条状图或表格)。用户可以通过将线拖向所期望的值或单击所期望的值来改变财政策略(在这种情况下，线可能会自动移动)。例如，如果用户期望金融机构减少其未来的CRE持有量，则用户可以为未来季度选择较低的值(例如，Q4为45,000，Q5为40,000，Q6为35,000，等)。在此类实施例中，风险管理平台可以自动地将线拟合到用户指定的值。
[0132] 在进行期望的改变(如有)之后，风险管理平台可以代表用户自动地配平(balance)金融机构的资产负债表。在一些实施例中，风险管理平台可以识别受此类行动影响的条目。例如，在图13D中，风险管理平台突出显示了在配平过程中被修改的那些条目。可以允许用户自由地修改这些条目。例如，用户可以改变单一企业帐户或多个企业帐户的条目。然后，可以在资产负债表的其余部分自动地实施用户指定的任何改变。例如，如果用户指定金融机构预计在未来几个季度增加涉及给定实体的商业贷款，那么风险管理平台可以更新标记为“总额：贷款和租赁(净)(Total：Loans&Leases(Net))”下的“商业和工业(Commercial&Industrial)”的行中的每个条目。
[0133] 为了继续进行，用户可以选择标记为“保存并前往场景(Save&Go to Scenarios)”的图形元素。在接收到表示图形元素的选择的输入时，风险管理平台可以生成允许用户改变经济场景的几个方面的界面，如图13E所示。通过该界面，用户可以通过定义单一市场或多元市场中的宏观经济，中观经济或微观经济风险因素来调整经济场景。用户可以改变影响经济场景的几种因素。因素的示例包括三个月的国债利率，国内生产总值(GDP)，可支配收益，抵押贷款利率，汇率，消费者物价指数(CPI)，关税税率，债券信用评级，伦敦银行间同业拆借利率(LIBOR)，等。通常，这些因素可以彼此独立地变化。每个因素的初始基线可能来自，例如穆迪分析(Moody’s Analytics)，标准普尔公司(Standard&Poor’s)，联邦储备系统，或内部经济学家所产生的代表经济预报的来源。因此，用户可以改变某些因素以考虑个人认知，市场趋势等。
[0134] 然后，用户可以选择标记为“前往覆盖(Go to Overlay)”的图形元素。在接收到表示图形元素的选择的输入时，风险管理平台可以生成允许用户对由场景分析产生的结果进行管理级别调整的界面，如图13F所示。因此，用户可以在模型产生的输出已经被优化，发布等之前进行管理级别的调整。这些管理级别的调整可以考虑意外事件，特殊场景以及金融机构的现有风险分析过程中的不足。此类事件的示例包括实体/国家之间贸易关系的显著变化，导致金融机构的税务相关费用发生变化的税法改革，(例如，联邦储备系统的)货币政策的变化，对税收，公司或财产相关费用等有影响的公司(例如，跨国公司)决策。
[0135] 风险管理平台可以结合图13F的界面向用户显示历史决策。因此，用户可能了解到关于管理级别调整的过往决策。例如，金融机构可访问的私用来源中的可用的信息可能表示给定的借入方的损失可能超过基线经济预报。在一些实施例中，用户可以选择创建代表新管理调整的新条目。在此类实施例中，用户可以选择标记为“新建(Create New)”的图形元素，并且风险管理平台可以生成图13G中所示的界面。通过此界面，用户可以调整个人贷款。例如，用户可以在发现金融机构的借入方正遭受通常导致破产的现金流问题时增加损失率。如图13G所示，用户还可以经由界面的相应区域调整集团贷款人，地区，行业和投资组合。这些贷款调整可能会以加数或乘数的形式改变场景分析的结果。另外地或替代地，用户可以选择修改代表现有管理调整的现有条目。当用户选择编辑现有条目时，可以显示类似于图13G中所示的界面，尽管区域已经被填充。用户可以通过修改至少一个区域然后保存该修改来编辑现有条目。
[0136] 在进行必要的管理调整之后，用户可以选择标记为“创建(Create)”的图形元素以保存输入到区域中的信息。然后风险管理平台可以再次呈现图13F的界面。如果用户对场景分析的参数感到满意，则用户可以选择标记为“保存并运行(Save&Run)”的图形元素。
[0137] 然后，风险管理平台可以运行场景分析。图13H包括由用户完成的场景分析的日志的界面的示例。如图13H所示，风险管理平台可以为要执行的每个分析(也称为“作业”)分配状态。状态查看包括：(1)用于当前正在执行的那些作业的“进行中(In Progress)”；(2)用于已经完成且没有问题的那些作业的“成功(Success)”；(3)用于无法完成的那些作业的“失败(Failure)”；(4)用于已经完成但遇到问题的那些作业的“警告(Warning)”。通常，如果作业被分配了“失败”或“警告”的状态，则风险管理平台可以建议用户在没有彻底调查的情况下不使用任何平台生成的报告。然而，如果风险管理平台完成了没有问题的作业，则相应的条目可以被标记为“成功”。为了查看结果，用户可以选择标记为“雷达图(Radar Chart)”的图形元素。如下面进一步描述的，结果可以以几种方式呈现。虽然已经在场景分析的情境下描述了这些状态，但是本领域技术人员将认识到风险分析过程的其他方面也可以用类似的状态来标记。
[0138] 图14包括当用户在图11的界面上的“功能”选项卡下选择“归因分析”条目时可能出现的界面的示例。很像图12和13A中所示的界面，该界面可以允许用户选择/提供用于执行归因分析的不同参数的值。这些参数包括：
[0139] 1.开始日期(Start Date)：此值表示归因分析应开始的日期。
[0140] 2.结束日期(End Date)：此值表示归因分析应结束的日期。
[0141] 3.起始场景(Starting Scenario)：此值指定归因分析应开始的经济场景。
[0142] 4.结束场景(Ending Scenario)：此值指定归因分析应结束的经济场景。
[0143] 5.财务模型参数(Financial Model Parameter)：这些值指定要用作归因分析的一部分的模型的不同参数。
[0144] 在指定这些参数之后，用户可以选择标记为“运行分析(Run Analysis)”的图形元素。在接收到表示图形元素的选择的输入时，风险管理平台可以执行归因分析，以及分析每个财务模型参数的影响。
[0145] 图11-14示出了用户如何使用风险管理平台完成风险分析过程。更具体地，这些界面示出了用户如何能够易于定义风险分析过程的参数以在几分钟内完成历史上需要数天或数周的任务。同时，图15A-16B示出了用户如何采用风险管理平台来添加，删除，查看和/或修改风险分析过程的不同方面。
[0146] 除了上述三个功能模块之外，风险管理平台的一些实施例还包括两个额外功能模块：(1)用于管理模型的模块(也称为“模型管理模块”)；以及(2)用于管理经济场景的模块(也称为“场景管理模块”)。图15A-B包括可以由模型管理模块生成的界面的示例，而图16A-B包括可以由场景管理模块生成的界面的示例。
[0147] 图15A包括当用户在图11的界面上的选择“库存”选项卡下的“模型管理”条目时可能出现的界面的示例。该界面可以提供可用于模拟金融机构的未来业绩的所有模型的列表。可以允许用户编辑，查看或删除这些模型。例如，用户可以选择基于金融机构的商业策略的变化来编辑给定模型。作为另一个示例，用户可以选择删除不再需要的给定模型(例如，因为该模型被设计为模拟CRE贷款的业绩并且金融实体不再发行CRE贷款)。
[0148] 为了添加新模型，用户可以选择标记为“新建”的图形元素。在接收到表示图形元素的选择的输入时，风险管理平台可以生成提示用户输入创建模型所需的信息的界面，如图15B所示。例如，界面可以包括用于以下项目的区分的区域：模型名称，投资组合名称(例如，资产类型或产品线名称)，投资组合标识符，编程语言(例如，SAS，R，Python)，模型分类(例如，指定模型是否涉及信用风险，收入等)，状态(例如，指定模型是否在专家审查过程中留存(survived))，描述，理论(例如，现金流贴现(“DCF”)，Black Scholes等)，创建日期，到期日，层/级(例如，指定潜在分析对金融机构的成功的重要程度)，归因或输入参数等。然后，用户可以通过选择标记为“选择文件(Choose Files)”的图形元素来上传模型文件。
[0149] 图16A包括当用户在图11的界面上选择“库存”选项卡下的“场景管理”条目时可能出现的界面的示例。通常，每个模型将要求指定某些经济场景参数(例如，由用户或风险管理平台)。通常用于风险分析的经济场景(也称为“外部市场情况”)包括乐观场景，不利场景，和非常不利的场景。图16A中所示的界面允许用户编辑，删除和修改这些预设的经济场景的各方面。例如，金融机构可能是技术公司的战略合作伙伴，因此可能对技术公司所做的业务决策有更深入的洞察力。这些洞察力可能导致金融机构对经济场景的看法与常规的主流经济预报不同。例如，如果金融机构知道技术公司想要在给定位置购买房产，则金融机构可以增加给定位置的房地产价格预报和/或减少其他位置的房地产价格预报。
[0150] 为了指定新经济场景的情况，用户可以选择标记为“新建”的图形元素。在接收到表示图形元素的选择的输入时，风险管理平台可以生成允许用户输入创建新经济场景所需的信息的界面，如图16B所示。换句话说，风险管理平台可以允许用户指定新经济场景的参数。
[0151] 风险管理平台完成风险分析过程后，风险管理平台必须以清晰，有意义的方式显示结果。在一些实施例中，风险管理平台可以使得生成交互式报告。例如，可以允许用户点击内容(例如，图像和图形)，修改过滤器等。图17A-J包括可以由风险管理平台或通信地连接到风险管理平台的商业智能工具产生的报告的示例。
[0152] 图17A包括按位置，财产类型和企业示出的贷款余额和损失的报告的示例。该报告可由金融机构的批发信用委员会审查以评估每个市场细分的业绩，以及需要采取哪些行动(如有)来降低经济风险。图17B中所示的示例报告类似于图17A中所示的示例报告，但更加强调特定位置(这里是明尼苏达州)。
[0153] 图17C包括按位置示出的贷款损失的报告的示例。该报告可由金融机构的管理风险委员会审查以在不同地区建立最佳资金分配以最小化风险。
[0154] 图17D包括具有损失归因分析的报告的示例。更具体地，该报告显示了导致金融机构从上一财政季度到当前财政季度的损失变化的原因。该报告可由金融机构的管理风险委员会审查以决定应对哪些风险来源(如有)进行套期保值。
[0155] 图17E包括按位置，行业和企业示出的贷款余额和损失的报告的示例。该报告可由金融机构的批发信用委员会审查以确定每个市场细分的业绩，以及需要采取哪些行动(如有)来降低经济风险。
[0156] 图17F包括按位置，消费者年龄，信用评分，职业等示出的贷款余额和损失的报告的示例。该报告可以由金融机构的零售信用委员会审查以在各种市场细分中确定业绩，以及需要采取什么行动(如有)来降低经济风险和增加收益。
[0157] 图17G-I包括在不同的利率预报下显示资产负债表的健康性的报告的示例(例如，在现金流，持续时间，凸性，变现能力覆盖，股权的经济价值等方面)。这些报告可由金融机构的资产和负债管理委员会(ALCO)审查以决定金融机构是否需要买/卖资产，筹集资金，买/卖衍生品等。
[0158] 图17J包括可由资本管理委员会(CMC)或金融机构的高管层(C-suite)审查以评估总体财务健康的报告的示例。通过查看报告，CMC可以确定需要做出哪些战略决策(如有)来提高业绩。
[0159] 在一些实施例中，这些报告中的至少一个是由风险管理平台响应于这样做的明确指令而产生的。例如，风险管理平台可以被配置为在接收到表示用户与标记为，例如“完成分析(Complete Analysis)”或“创建报告(Create Report)”的图形元素的交互的输入时产生报告。在其他实施例中，这些报告中的至少一个报告由风险管理平台在满足某些情况时自动生成。例如，风险管理平台可以响应于确定给定用户改变风险分析过程的参数(例如，通过改变经济场景，资产负债表等)而自动更新为给定用户产生的报告。
[0160] 风险管理培训
[0161] 风险管理平台代表沙箱环境(sandbox environment)，其中可以在不同的经济场景下模拟例如金融机构的实体的业绩。为了促进风险分析过程的执行，风险管理平台可以维护可用于培训用户的过往经济场景库。例如，用户可以是在执行风险分析过程中具有很少或没有经验的预期的从业人员。
[0162] 例如，通过查看过往的金融危机，负责代表金融机构执行风险分析过程的用户可以更好地理解如何为未来的金融危机做好准备。如图18所示，风险管理平台可以维护从1763年到2017年的59次重大和中等金融危机的记录。这些金融危机发生在不同国家，影响到不同行业等。例如，图18的可视代表包括20世纪30年代发生的大萧条，20世纪80年代发生的日本资产价格泡沫，20世纪90年代发生的储蓄和贷款危机，以及21世纪发生的次级抵押贷款危机。风险管理平台允许用户在遭遇几种经济场景时应用各种风险控制措施，以发现哪些风险控制措施有助于实体减少损失，规避风险等。
[0163] 风险管理平台还可以向用户提供用于模拟例如金融机构的实体的业绩的“竞技场”。在一些实施例中，这些用户(也称为“受训者”)可以充当彼此竞争的虚构金融机构的高级决策者。通过制定风险资本分配的战略决策，这些受训者可以通过几种经济场景指导虚构的金融机构，看看哪个虚构的金融机构能够获得最高的投资回报。在一些实施例中，风险管理平台被配置为基于历史金融事件的库生成假设的金融事件。在其他实施例中，风险管理平台被配置为从库中选择历史金融事件之一。虽然可以在金融危机的情境下描述实施例，但是本领域技术人员将认识到风险管理平台可以促进涉及其他类型的金融事件的模拟，例如经济衰退，泡沫等。因此，风险管理平台可能会要求每个受训者指导他们虚构的金融机构通过例如次级抵押贷款危机。
[0164] 如下面进一步描述的，在阅读假设的金融危机的概要之后，每个受训者可以调整其虚构的金融机构的资产和负债的余额(例如，通过修改虚构的资产负债表)。然后，风险管理平台可以基于假设的金融危机的特性来模拟每个虚构的金融机构的业绩(例如，通过预测现金流，利润/损失，资产/负债等)。在一些实施例中，另一个用户(也称为“从业人员”，“培训师”或“指导员”)能够审查虚构的金融机构的业绩，然后与受训者讨论业绩以提高受训者对风险管理的理解。
[0165] 培训可以通过受训者彼此竞争的多人游戏进行。图19包括两个受训者(例如，南希和鲍勃)同时考虑如何通过虚构的金融危机来指导他们各自的虚构的金融机构的界面的示例。最初，这些受训者将访问风险管理平台(例如，通过访问适当的域然后提供凭证)。然后，受训者可以选择标记为“风险培训(Risk Training)”或“模拟(Simulation)”的图形元素来访问代表大厅的界面。该界面可以显示当前正在进行的模拟会话(也称为“游戏”)，参与这些游戏的受训者以及这些游戏的状态。受训者可以选择加入包括至少一名其他受训者的现有游戏，或者受训者可以选择创建新游戏。
[0166] 为了创建新游戏，受训者可以选择标记为“新游戏(New Game)”的图形元素。在接收到表示对图形元素的选择的输入时，风险管理平台可以生成允许受训者指定新游戏特性的界面，如图20所示。例如，可以提示受训者指定参与者的最大数量，参与者的最小数量，轮次总数等。然后，受训者可以选择标记为“创建房间(Create Room)”的图形元素来启动新游戏。
[0167] 在第一受训者(例如，南希)已经启动游戏之后，风险管理平台可以要求第一受训者等待其他受训者进入游戏，如图21A所示。风险管理平台可以动态地将游戏显示给其他受训者。在这里，例如，第二受训者(例如，鲍勃)可以查看当前可用的任何游戏，然后通过选择标记为“进入(Enter)”的图形元素来选择由第一受训者启动的游戏。在已经表示对游戏感兴趣的受训者的数量达到指定限度之后，风险管理平台可以表示游戏可以开始。例如，风险管理平台可以将游戏的状态改变为“准备就绪(Ready)”，如图21B所示。此外，风险管理平台可以生成向每个受训者提醒游戏准备开始的通知。在开始游戏时，每位培训师可以选择标记有“开始/进入游戏(Start/Enter Game)”的图形元素。
[0168] 通常，游戏被分为多轮(例如，两轮，三轮，五轮)。在一些实施例中，每轮代表单一虚构的金融危机的不同阶段，而在其他实施例中，每轮代表不同的虚构的金融危机。轮次数可以基于参与者数量，虚构的金融危机等。在每轮开始时，风险管理平台可以向每个受训者展示几条信息片段：(1)由受训者控制的虚构金融机构的操作表示；(2)由其他受训者控制的虚构金融机构的操作表示；和/或(3)受训者目前采用的管理策略。图22A包括可在准备游戏时向受训者展示的界面的示例。在一些实施例中，每个受训者可以通过选择标记为“参见财务报表细节(See Financial Statement Details)”的图形元素来浏览其虚构的金融机构的资产负债表。在受训者审查/修改与其各自的虚构金融机构相对应的数据之后，每个受训者可以选择标记为“准备下一个事件(Ready for Next Event)”的图形元素开始游戏。
[0169] 对于每轮游戏，风险管理平台可以基于受训者做出的决策来模拟虚构的金融机构的业绩。如图22B所示，可以在每轮中向受训者展示关于虚构的经济危机的若干信息片段。例如，风险管理平台可以显示概述了虚构的金融危机的多媒体内容(例如，视频)，虚构的金融危机的文本描述等。在游戏过程中，每个受训者可以调整他们各自的虚构金融机构的管理决策。受训者可以通过改变图22A-C的界面上所示的区域中的值来进行这些调整。例如，受训者可以调整分配给商业房地产，商业/工业贷款或抵押贷款的当前比率，分配给这些市场细分的未来比率，这些市场细分中的当前集中度，这些市场细分中的未来集中度等。在做出所需的调整之后，每个受训者可以选择标记为“提交策略(Submit Strategy)”的图形元素以进入下一轮游戏。
[0170] 然后，风险管理平台可以基于受训者进行的调整来模拟虚构的金融机构的业绩。因此，风险管理平台可以基于相应受训者采用的新管理策略在虚构的金融危机(或多个虚构的金融危机)期间模拟每个虚构金融机构的业绩。图22C包括概述了每个金融机构相对于游戏中涉及的其他金融机构的业绩的界面的示例。然后风险管理平台可以自动进入游戏的下一轮。
[0171] 由风险管理平台执行的模拟对于个体贷款水平是准确的，并且不同的模型可以用于不同的资产类型以向受训者提供现实的场景。例如，在一些实施例中，风险管理平台采用具有用于商业房地产(“CRE”)贷款，商业和工业(“CNI”)贷款，小额贷款和微贷款(microloans)，抵押贷款，汽车贷款，信用卡，定期存款，非到期存款等的具有单独算法的异步并行处理系统。
[0172] 示例的危机场景
[0173] 图23A-L描绘了可以由负责代表金融机构执行风险分析过程的个人(John Doe)看到的界面的示例。如图23A所示，John Doe最初可以打开Web浏览器并导航到由风险管理平台管理的网站。在访问网站之后，John Doe可以选择标记为“登录(Login)”的图形元素，然后输入风险管理平台的凭证(例如，用户名和密码)，如图23B所示。通常，凭证与账户相关联，并且风险管理平台可以基于与凭证相关联的许可级别来确定John Doe应该可以访问哪些特征(如有)。例如，在发现John Doe是风险管理平台的非付费用户时，风险管理平台可以使第一组特征可用。然而，一旦发现John Doe是风险管理平台的付费用户，风险管理平台可以使第二组特征可用。
[0174] 为了代表金融机构完成风险分析过程，John Doe可以在标记为“功能”的选项卡下选择标记为“场景分析”的图形元素，如图23C所示。此后，John Doe可以设置风险分析过程的参数。例如，如图23D所示，可以提示John Doe选择产生数据然后选择进行灵敏度分析的场景/模型。在选择了所期望的场景/模型之后，John Doe选择标记为“管理决策(Management Decisions)”的图形元素。如图23E所示，在选择标记为“管理决策”的图形元素时，John Doe可以被引导到界面(也称为“管理决策界面”)，通过该界面，他可以通过修改金融机构的资产负债表来改变金融机构的投资组合策略。John Doe可以通过双击相应的行标题对某些条目(例如，突出显示的条目)应用灵敏度震荡(sensitivity shock)。例如，在双击标记为“商业房地产(Commercial Real Estate)”的行标题时，风险管理平台可以呈现图23F中所示的界面。通过此界面，John Doe可以在未来的时间间隔(此处，接下来的九个财政季度)中修改预报的平衡曲线。例如，可以允许John Doe沿着曲线向上/向下拖动点，并且风险管理平台可以自动地将曲线拟合到John Doe指定的点。图23G描绘了标记为“商业房地产”的资产负债表条目的震荡后平衡曲线的示例。在最终确定曲线之后，John Doe可以选择标记为“保存(Save)”的图形元素。如图23H所示，此类行动可以导致John Doe被自动重引导到管理决策界面。
[0175] 在完成金融机构的投资组合策略后，John Doe可以选择标记为“保存并前往场景”的图形元素，以对将影响风险分析过程的宏观经济因素应用灵敏度。如图23I所示，在选择标记为“保存并前往场景”的图形元素时，John Doe可以被引导到一个界面(也称为“场景定制界面”)，通过该界面，他可以定制模拟金融机构的业绩的经济场景。与管理决策界面类似，场景定制界面使John Doe能够改变定义经济场景的外部风险动因。例如，John Doe可以选择外部风险动因(例如，从下拉菜单中)，改变相应的预报曲线(例如，通过沿着曲线向上/向下拖动点)，然后选择标记为“保存”的图形元素以保存改变后的预报曲线。例如，在图23J中，John Joe已经改变了外部风险动因(在此是三个月的国债利率)以在未来大约八个财政季度内经历最小值。
[0176] 在完成每个外部风险动因的灵敏度震荡后，John Doe可以选择标记为“前往覆盖”的图形元素。如图23K所示，John Doe可以被定向到一个界面(也称为“覆盖界面”)，通过该界面，他可以对风险管理平台产生的结果使用覆盖。这些覆盖允许John Doe进行有针对性的修改以确保结果准确反映金融机构可能的经济状况。例如，John Doe可能会使用覆盖，该覆盖会导致与酒店相关联的每个CRE贷款在风险管理平台产生的结果之上额外获得10，000美元的损失。作为另一个示例，John Doe可以使用覆盖，使住宅抵押收入在预定数量的财政季度内减少10％，15％或25％以预测经济衰退的影响。
[0177] 此后，John Doe可以选择标记为“保存并运行”的图形元素。如图23L所示，此类行为可能会导致John Doe被重引导到一个界面(也称为“作业状态界面”)，通过该界面，他可以查看不同过程的状态，以及访问这些过程的结果。
[0178] 为了查看风险管理平台产生的结果，John Doe可以访问商业智能程序(也称为“商业智能工具”)。例如，图24A-I包括通过Power 和 提供的结果的示例。John Doe可以通过与这些界面中可用的过滤器进行交互来查看不同的报告/信息。例如，如图24C所示，如果John Doe在“州(State)”下选择“加利福尼亚(California)”，则图表/表格可以自动被更新以反映与加利福尼亚相关的信息。
[0179] 处理系统
[0180] 图25是示出了可以实施在此描述的至少一些操作的处理系统2500的示例的框图。例如，处理系统2500的一些组件可以托管在包括风险管理平台(例如，图10的风险管理平台
1002)的计算设备上。
1002)的计算设备上。
[0181] 处理系统2500可包括一个或多个中央处理单元(“处理器”)2502，主存储器2506，非易失性存储器2510，网络适配器2512(例如，网络接口)，视频显示器2518，输入/输出设备2520，控制设备2522(例如，键盘和指示设备)，包括存储介质2526的驱动单元2524，和与总线2516通信地连接的信号产生设备2530。总线2516被示出为一个抽象概念，它代表任何一个或多个物理总线和/或点对点连接，其由适当的桥接器，适配器，或控制器连接。因此，总线2516可包括，例如系统总线，外设部件互连(PCI)总线或PCI-Express总线，超传输或工业标准体系结构(ISA)总线，小型计算机系统接口(SCSI)总线，通用串行总线(USB)，IIC(I2C)总线，或电气和电子工程师协会(IEEE)标准1394总线(也称为“火线”)。
[0182] 处理系统2500可以共享与以下类似的计算机处理器体系结构：台式计算机，平板计算机，个人数字助理(PDA)，移动电话，游戏机，音乐播放器，可穿戴电子设备(例如手表或健身追踪器)，网络连接(“智能”)设备(例如电视或家庭助理设备)，虚拟/增强现实系统(例如头戴式显示器)，或能够执行指定了处理系统2500要采取的行动的一组指令(依次的或其他的)的另一电子设备。
[0183] 虽然主存储器2506，非易失性存储器2510和存储介质2526(也称为“机器可读介质”)显示为单个介质，术语“机器可读介质”和“存储介质”应包括存储一组或多组指令2528的单一介质或多个媒介(例如，集中式/分布式数据库，和/或相关联的缓存和服务器)。术语“机器可读介质”和“存储介质”还应视为包括能够存储，编码或携带由处理系统2500执行的一组指令的任何介质。
[0184] 通常，为实施本公开的实施方案而执行的例程可以作为操作系统的一部分或作为指定应用，组件，程序，对象，模块，或指令顺序(统称为“计算机程序”)的一部分来实施。计算机程序通常包含在计算设备中的不同内存和存储设备中的不同时间设置的一个或多个指令(例如，指令2504，2508，2528)。当被一个或多个处理器2502读取和执行时，指令使处理系统2500执行涉及本公开的几个方面的元件的操作。
[0185] 此外，虽然已经在功能完备的计算设备的情境下描述了实施方案，但是本领域技术人员将理解几种实施方案能够以不同形式作为程序产品被分布。无论特定类型的机器或计算机可读介质如何实际影响分布，本公开均适用。
[0186] 机器可读存储介质，机器可读介质，或计算机可读介质的其他示例包括可记录型介质，例如易失性和非易失性存储设备2510，软盘和其他可移动磁盘，硬盘驱动器，光盘(例如，光盘只读存储器(CD ROMS)，数字通用磁盘(DVD))，和传输类型媒介，例如数字和模拟通信链路。
[0187] 网络适配器2512使处理系统2500能够通过处理系统2500和外部实体支持的任何通信协议，使处理系统2500外部的实体调解网络2514中的数据。网络适配器2512可包括网络适配器卡，无线网络接口卡，路由器，接入点，无线路由器，交换机，多层交换机，协议转换器，网关，桥接器，桥接路由器，集线器，数字媒体接收器，和/或转发器。
[0188] 网络适配器2512可以包括控制和/或管理计算机网络中的访问/代理数据的许可并跟踪不同机器和/或应用之间的不同信任级的防火墙。防火墙可以是具有硬件和/或软件组件的任何组合的任何数量的模块，其能够在特定的一组机器和应用，机器和机器，和/或应用和应用之间实行预定的访问权限(例如以规范这些实体之间的流量和资源共享)。防火墙还可以管理和/或访问访问控制列表，该访问控制列表详述了许可，包括个体，机器，和/或应用对对象的访问和操作权限，以及许可的权利在什么情况下成立。
[0189] 这里所述技术由可编程电路(例如，一个或多个微处理器)，软件和/或固件，专用硬接线(即，不可编程)的电路，或其组合实施。专用电路的形式可以是一个或多个专用集成电路(ASIC)，可编程逻辑设备(PLD)，现场可编程门阵列(FPGA)等。
[0190] 示例
[0191] 在以下示例中阐述了本技术的几个方面。
[0192] 1.一种用于促进模拟会话的计算机实施的方法，在模拟会话中参与者通过管理由虚构实体所采用的金融策略来彼此竞争，该方法包括：
[0193] 由处理器接收第一输入，第一输入表示由第一参与者提交的以发起涉及多个参与者的模拟会话的请求；
[0194] 由处理器接收第二输入，第二输入表示由第二参与者提交的以加入模拟会话的请求；
[0195] 通过处理器使得第一显示器呈现第一界面，通过第一界面，第一参与者能够定义第一虚构实体的金融策略，
[0196] 其中第一界面包括第一多个图形元素，每个图形元素允许第一参与者指定第一虚构实体的不同财政特性；
[0197] 通过处理器使得第二显示器呈现第二界面，通过第二界面，第二参与者能够定义第二虚构实体的金融策略，
[0198] 其中第二界面包括第二多个图形元素，每个图形元素允许第二参与者指定第二虚构实体的不同财政特性；
[0199] 通过处理器使得与历史金融事件相关的信息被发布到第一界面和第二界面以供第一参与者和第二参与者查看，
[0200] 其中使得包括：
[0201] 使得与历史金融事件相关的多媒体内容被呈现在第一界面和第二界面上；
[0202] 通过处理器以允许如下操作：第一参与者和第二参与者通过与第一多个图形元素和第二多个图形元素进行交互以修改第一虚构实体和第二虚构实体的金融策略；
[0203] 通过处理器模拟，
[0204] 在历史金融事件期间基于由第一参与者定义的金融策略，第一虚构实体的业绩，以及
[0205] 在历史金融事件期间基于由第二参与者定义的金融策略，第二虚构实体的业绩；以及
[0206] 通过处理器，使得与第一虚构实体和第二虚构实体的模拟业绩相关的输出被发布到第一界面和第二界面以供第一参与者和第二参与者查看。
[0207] 2.根据示例1的计算机实施的方法，进一步包括：
[0208] 响应于接收到第一输入，通过处理器使得界面显示，通过界面，第一参与者能够指定模拟会话的特性，
[0209] 其中特性为参与者的最大数量，参与者的最小数量，或总轮数。
[0210] 3.根据示例1的计算机实施的方法，其中允许包括：
[0211] 允许第一参与者通过第一界面修改第一虚构实体的资产负债表，投资策略，或投资分配；以及
[0212] 允许第二参与者通过第二界面修改第二虚构实体的资产负债表，投资策略，或投资分配。
[0213] 4.根据示例1的计算机实施的方法，其中使得与第一虚构实体和第二虚构实体的模拟业绩相关的输出被发布到第一界面和第二界面以供第一参与者和第二参与者查看包括：
[0214] 使雷达图被呈现在第一界面和第二界面上，雷达图包括与第一虚构实体相关联的第一轨迹和与第二虚构实体相关联的第二轨迹。
[0215] 5.根据示例1的计算机实施的方法，其中模拟会话包括多轮，在多轮中模拟第一虚构实体和第二虚构实体的业绩，并且其中所允许的操作和模拟在每轮期间被执行。
[0216] 6.根据示例5的计算机实施的方法，其中每轮对应于不同的历史金融事件，通过历史金融事件，第一虚构实体和第二虚构实体由第一参与者和第二参与者指导。
[0217] 7.根据示例5的计算机实施的方法，其中每轮对应于历史金融事件的不同阶段，通过历史金融事件，第一虚构实体和第二虚构实体由第一参与者和第二参与者指导。
[0218] 8.一种计算机实施的方法，包括：
[0219] 通过处理器使得对个体可访问的界面的显示；
[0220] 通过处理器获取用于模拟由个体通过界面上传的经济业绩的编程模型；
[0221] 通过处理器从适配器获取与实体相关联的财务数据，适配器被编程为从源获得财务数据；
[0222] 通过处理器接收第一输入，第一输入指定经济场景的宏观经济特性，中观经济特性，或微观经济特性；
[0223] 基于第一输入通过处理器改变编程模型以产生改变的模型；以及
[0224] 通过将改变的模型应用于财务数据，由处理器来模拟经济场景中的实体的经济业绩。
[0225] 9.根据示例8的计算机实施的方法，其中实体为金融机构，并且其中财务数据指定现金流，一个或多个类别的持有量，可用现金，未偿还贷款，或其任何组合。
[0226] 10.根据示例8的计算机实施的方法，其中适配器为提取-转换-加载(ETL)适配器，其被配置为自动地：
[0227] 从源提取财务数据；
[0228] 将财务数据转换成适合于由处理器处理的格式；以及
[0229] 将财务数据加载到处理器可访问的本地存储库中。
[0230] 11.根据示例8的计算机实施的方法，进一步包括：
[0231] 通过处理器接收第二输入，第二输入表示修改由改变的模型产生的输出的请求；
[0232] 基于第二输入，通过处理器来识别修改操作；以及
[0233] 通过处理器将修改操作应用于输出。
[0234] 12.根据示例8的计算机实施的方法，进一步包括：
[0235] 通过处理器将由改变的模型产生的输出转发到与商业智能工具相连接的应用程序编程接口(API)，
[0236] 其中商业智能工具被配置为在接收到输出时，基于输出来生成报告。
[0237] 13.根据示例8的计算机实施的方法，进一步包括：
[0238] 通过处理器将财务数据，改变的模型，以及由改变的模型产生的输出加载到处理器可访问的本地存储库。
[0239] 14.根据示例8的计算机实施的方法，进一步包括：
[0240] 通过处理器将由改变的模型产生的输出以电子表格或平面文件的形式传输至计算设备。
[0241] 15.根据示例14的计算机实施的方法，其中计算设备与个体相关联。
[0242] 16.一种电子设备，包括：
[0243] 存储器，其包括用于产生为特定编程模型所定制的新的提取-转换-加载(ETL)适配器的指令，
[0244] 其中指令在由处理器执行时，使得处理器：
[0245] 获取多个编程模型，
[0246] 其中，多个编程模型中的每个编程模型被设计为基于作为输入而被提供的财务数据，产生表示经济场景中的预测业绩的输出；
[0247] 为多个编程模型中的每个编程模型创建特征向量，从而创建多个特征向量；
[0248] 识别对应于多个编程模型的多个ETL适配器；
[0249] 通过执行将多个特征向量和多个ETL适配器视为输入的机器学习算法来生成预测模型；
[0250] 获取特定编程模型；
[0251] 为特定编程模型创建新的特征向量；以及
[0252] 通过执行将新的特征向量视为输入的预测模型来产生新的ETL适配器。
[0253] 17.根据示例16的电子设备，其中每个特征向量指定模型类别，脚本语言，脚本输入参数，已采用相应的编程模型的个体的特性，或其任何组合。
[0254] 18.根据示例16的电子设备，其中多个ETL适配器中的每个ETL适配器被配置为自动地：
[0255] 从给定的源提取财务数据；
[0256] 将财务数据转换成适合于由相应的编程模型处理的格式；以及
[0257] 将财务数据加载到相应的编程模型可访问的本地存储库中。
[0258] 19.根据示例16的电子设备，其中指令进一步使得处理器：
[0259] 使得个体可访问的界面的显示；
[0260] 其中特定编程模型由个人通过界面被上传。
[0261] 20.根据示例16的电子设备，其中多个编程模型与将要模拟业绩的不同实体相关联。
[0262] 附注
[0263] 已经出于说明和描述的目的提供了所要求保护的主题的几种实施例的前述描述。其并非旨在穷举或将所要求保护的主题限制为所公开的精确形式。许多修改和变化对于本领域技术人员来说是显而易见的。选择和描述实施例是为了最好地描述本发明的原理及其实际应用，从而使相关领域的技术人员能够理解所要求保护的主题，几种实施例，以及适合于预期的特定用途的几种修改。
[0264] 尽管具体实施方式描述了某些实施例和预期的最佳模式，但无论具体实施方式如何详细出现，该技术都可以以多种方式实施。实施例在其实施细节上可以有很大不同，但仍然包含在说明书中。在描述几种实施例的某些特征或方面时使用的特定术语不应被视为暗示在此重新定义该术语以将其限制于与该术语相关联的技术的任何特定特性，特征或方面。通常，以下权利要求中使用的术语不应被解释为将技术限制于说明书中公开的特定实施例，除非那些术语在此明确定义。因此，本技术的实际范围不仅包括所公开的实施例，还包括实践或实施所述实施例的所有等同方式。
[0265] 说明书中使用的语言的选择主要是出于可读性和指导目的。其选择可能不为限定或划定主题。因此，本技术的范围旨在不受本具体实施方式的限制，而是受基于此的申请所授权的任何权利要求的限制。因此，多种实施方案的公开旨在说明而非限制如所附权利要求中阐述的技术的范围。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种商业智能ETL的封装方法及系统 | 2020-05-17 | 570 |
| 一种医疗数据处理平台 | 2020-05-17 | 375 |
| 一种物流区块链应用系统 | 2020-05-13 | 119 |
| 一种基于CRM系统的客户智能打分方法及系统 | 2020-05-16 | 683 |
| 以服务导向架构的走动式指令重组的设计实现于实时商业智能系统 | 2020-05-08 | 907 |
| 用于从动物组织中回收食用蛋白质粉、Ω-3油以及纯化蒸馏水的自动化方法和系统 | 2020-05-15 | 753 |
| 一种用于医疗平台的数据处理方法 | 2020-05-18 | 407 |
| 一种酒产品生产供需管理平台 | 2020-05-19 | 343 |
| 一种航空公司商业智能信息管理系统 | 2020-05-08 | 886 |
| 一种便于管理的低功耗电子价签 | 2020-05-18 | 692 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
商业智能热门专利
QQ群二维码
意见反馈
意见反馈