A LSEG expandiu seu marketplace de Models-as-a-Service ao adicionar o Open Risk Analytics de sua divisão de Post Trade Solutions, oferecendo a bancos, fundos hedge, gestores de ativos e equipes de tesouraria análises de risco multiactivo acessíveis via a Analytics API da LSEG. O serviço permite cálculos no nível de portfólio para taxas de juros, FX, inflação, commodities e ações, ao mesmo tempo em que oferece suporte a ambientes compatíveis com IA, incluindo Visual Studio Code, JupyterLab, Model Context Protocol e integrações com o Microsoft Copilot.
Mudanças na infraestrutura de risco em direção a modelos de serviço
Grandes instituições financeiras historicamente operaram internamente sistemas de risco gerenciados, construídos a partir de combinações de infraestrutura proprietária, software de fornecedores e ambientes de análises personalizados. Esses sistemas frequentemente se tornaram operacionalmente caros, fragmentados entre classes de ativos e difíceis de escalar de forma eficiente.
A expansão da LSEG endereça essa transição ao oferecer análises de risco como serviços hospedados externamente, acessíveis via APIs e fluxos de trabalho nativos de nuvem. O ambiente hospedado dá às empresas acesso a cálculos como Value at Risk, Potential Future Exposure, Credit Valuation Adjustment, stress testing, P&L Explain, análise de sensibilidade e modelagem de cashflow, sem precisar manter toda a pilha analítica internamente.
Aysegul Erdem, Head of Modelling Solutions na LSEG, afirmou: “Este marco traz as nossas Risk Analytics de Post Trade Solutions para o LSEG MaaS como parte de uma visão mais ampla de entregar análises multiactivo em escala”. Erdem observou que integrar análises em fluxos de trabalho orientados por IA pode ajudar as empresas a automatizar processos tradicionais de risco enquanto melhora a eficiência e a geração de insights sobre portfólio.
Integração de IA como tema central de infraestrutura
Um aspecto estrategicamente importante do lançamento envolve integrar análises de risco em fluxos de trabalho assistidos por IA. Instituições financeiras estão cada vez mais testando sistemas de IA capazes de resumir exposições, interpretar cenários de mercado, automatizar processos de workflow e gerar análise de portfólio de forma dinâmica.
Ao disponibilizar modelos de risco via APIs compatíveis com ferramentas de desenvolvimento e integrações com IA, a LSEG posiciona sua infraestrutura analítica dentro da transformação de IA mais ampla em andamento no setor de serviços financeiros. A referência ao Microsoft Copilot e a padrões abertos de workflow reflete como provedores de infraestrutura estão cada vez mais desenhando produtos com base na interoperabilidade com sistemas externos de IA, em vez de interfaces proprietárias isoladas.
Essa mudança importa porque o software financeiro corporativo evolui cada vez mais para ambientes composáveis, nos quais análises, ferramentas de IA, camadas de dados e sistemas operacionais interagem de forma dinâmica por meio de APIs. As análises de risco, portanto, passam a ser serviços legíveis por máquina integrados a ambientes de automação mais amplos, em vez de relatórios estáticos gerados periodicamente por equipes de risco.
A acessibilidade de análises em tempo real ou quase tempo real pode afetar materialmente como as empresas monitoram exposição a contrapartes, exigências de margem, riscos de liquidez e sensibilidade do portfólio durante mercados voláteis.
Complexidade da gestão de risco de portfólio
As instituições operam cada vez mais em portfólios multiactivo que abrangem derivativos listados, produtos OTC, FX, commodities, ações e instrumentos de renda fixa, ao mesmo tempo em que enfrentam expectativas regulatórias mais rigorosas sobre stress testing, gestão de garantias (collateral) e reporte de exposição.
O Value at Risk continua sendo uma das principais ferramentas que as instituições usam para estimar perdas potenciais de portfólio sob condições normais de mercado. Stress testing avalia a resiliência do portfólio sob cenários extremos, enquanto Credit Valuation Adjustment mede a exposição de crédito de contrapartes embutida nas posições de derivativos. As análises de P&L Explain ajudam as empresas a decompor ganhos e perdas de portfólio em fatores de risco subjacentes e movimentos de mercado.
Stuart Smith, Director of Post Trade Solutions na LSEG, comentou: “Análises de risco só criam valor quando as empresas conseguem operacionalizá-las”. Smith destacou que a entrega hospedada, os dados de mercado curados e modelos transparentes permitem que as empresas executem cálculos no nível de portfólio e análises de exposição em escala.
Muitas empresas têm grandes quantidades de dados de risco, mas ainda enfrentam dificuldades para integrar análises de forma eficiente na tomada de decisão operacional em tempo real, refletindo um desafio maior dentro das finanças institucionais.
Expansão da infraestrutura de post-trade
O lançamento reforça a estratégia mais ampla de infraestrutura de post-trade da LSEG. A empresa disse que o serviço oferece suporte a mais de 3.000 empresas por meio de fluxos de trabalho ligados à gestão de garantias, processamento de margem, risco de contrapartes e operações de derivativos OTC.
A infraestrutura de post-trade se tornou estrategicamente importante à medida que a regulação de derivativos, as exigências de clearing central e as exigências de garantias se expandiram globalmente após a crise financeira. As instituições agora lidam com grandes encargos operacionais relacionados à conciliação de negociações, otimização de margem, fluxos de liquidação (settlement) e reporte regulatório.
Provedores de infraestrutura como a LSEG estão cada vez mais se posicionando como plataformas centralizadas capazes de padronizar esses processos operacionais em grandes ecossistemas financeiros. A inclusão de análises de risco escaláveis fortalece esse posicionamento porque a gestão de risco e os fluxos de garantias cada vez mais operam juntos dentro da infraestrutura institucional de derivativos.
A mudança reflete uma consolidação mais ampla dentro da infraestrutura de mercados financeiros, em que bolsas, operadores de clearing, empresas de dados de mercado e provedores de analytics cada vez mais unem camadas operacionais em ecossistemas empresariais integrados. A combinação da LSEG de dados de mercado, APIs de analytics, infraestrutura de post-trade e fluxos de trabalho compatíveis com IA ilustra como provedores de infraestrutura financeira passam a competir cada vez mais pela profundidade do ecossistema, em vez de produtos isolados.
FAQ
Quais análises específicas de risco o serviço expandido da LSEG oferece?
A oferta de Models-as-a-Service da LSEG inclui Value at Risk, Potential Future Exposure, Credit Valuation Adjustment, stress testing, P&L Explain, análise de sensibilidade e modelagem de cashflow. Esses cálculos abrangem portfólios multiactivo que vão desde taxas de juros, FX, inflação, commodities e ações.
Quais ambientes de desenvolvimento o serviço suporta?
Os modelos hospedados operam via Visual Studio Code e JupyterLab, enquanto também oferecem suporte a fluxos de trabalho habilitados para IA via Model Context Protocol e integrações com ferramentas incluindo o Microsoft Copilot.
Quantas instituições financeiras atualmente usam a infraestrutura de post-trade da LSEG?
De acordo com a LSEG, o serviço oferece suporte a mais de 3.000 empresas por meio de fluxos de trabalho ligados à gestão de garantias, processamento de margem, risco de contrapartes e operações de derivativos OTC.
Por que a acessibilidade a análises em tempo real é importante para a gestão de risco?
A acessibilidade a análises em tempo real ou quase tempo real pode afetar materialmente como as empresas monitoram exposição a contrapartes, exigências de margem, riscos de liquidez e sensibilidade do portfólio durante mercados voláteis, permitindo uma tomada de decisão operacional mais rápida.
