LSEG 已通过其 Post Trade Solutions 业务部门新增 Open Risk Analytics，扩展其 Models-as-a-Service（模型即服务）市场。该举措为银行、对冲基金、资产管理机构以及资金团队提供可通过 LSEG 的 Analytics API 访问的多资产风险分析。该服务支持在利率、外汇、通胀、商品和股票等领域进行组合层面的计算，同时支持与 AI 兼容的环境，包括 Visual Studio Code、JupyterLab、Model Context Protocol，并与 Microsoft Copilot 集成。
大型金融机构历来会在内部构建由专有基础设施、供应商软件和定制分析环境组合而成的自主管理风险系统。这些系统往往在运营上成本高昂，按资产类别碎片化，并且难以高效扩展。
LSEG 的扩展通过提供可通过 API 和云原生工作流访问的外部托管风险分析，来应对这一转型。托管环境让企业能够在无需在内部维护完整分析技术栈的情况下，获得包括 Value at Risk、Potential Future Exposure、Credit Valuation Adjustment、压力测试、P&L Explain、敏感性分析和现金流建模在内的计算能力。
LSEG 的 Modelling Solutions 负责人 Aysegul Erdem 表示：“这一里程碑将我们的 Post Trade Solutions 的 Risk Analytics 作为更广泛愿景的一部分，带入 LSEG MaaS，从而在规模化层面交付多资产分析。”Erdem 指出，将分析集成到由 AI 驱动的工作流中，或可帮助企业实现传统风险流程的自动化，同时提升效率并生成更具洞察力的组合分析。
本次推出在战略上至关重要的一个方面，是将风险分析集成到 AI 辅助的工作流中。金融机构正日益尝试使用能够汇总敞口、解读市场情景、自动化工作流流程并动态生成组合分析的 AI 系统。
通过暴露与开发工具和 AI 集成兼容的 API 风险模型，LSEG 将其分析基础设施置于金融服务领域正在进行的更广泛 AI 转型之中。对 Microsoft Copilot 的提及以及对开放工作流标准的强调，反映了基础设施提供商越来越倾向于围绕与外部 AI 系统的互操作性来设计产品，而不是依赖孤立的专有接口。
这种转变之所以重要，是因为企业级金融软件正日益发展为可组合环境：分析、AI 工具、数据层和运营系统通过 API 动态协同互动。因此，风险分析成为可被机器读取的服务，嵌入到更广泛的自动化环境中，而不是由风险团队周期性生成的静态报告。
实时或接近实时的分析可达性，可能会实质性影响企业在波动市场中监测对手方敞口、保证金要求、流动性风险以及组合敏感性的方式。
机构正日益在涵盖在交易所上市衍生品、场外产品、外汇、商品、股票以及固定收益工具的多资产组合上运营，同时还面临对压力测试、抵押品管理和敞口披露的更严格监管预期。
Value at Risk 仍是机构用于在正常市场条件下估算潜在组合损失的主要工具之一。压力测试评估组合在极端情景下的韧性，而 Credit Valuation Adjustment 衡量嵌入在衍生品头寸中的对手方信用敞口。P&L Explain 分析帮助企业将组合的收益与损失分解为底层风险因素和市场变动。
LSEG 的 Post Trade Solutions 董事 Stuart Smith 表示：“只有当企业能够把风险分析投入运营落地时，这些风险分析才会创造价值。”Smith 强调，托管式交付、精心整理的市场数据以及透明的模型，让企业能够在规模化层面运行组合层面的计算和敞口分析。
许多企业拥有大量风险数据，但仍难以将分析高效整合到实时运营决策中，这反映了机构金融内部更大的挑战。
此次推出强化了 LSEG 更广泛的 post-trade 基础设施战略。公司表示，该服务可通过与抵押品管理、保证金处理、对手方风险以及场外衍生品运营相关的工作流支持超过 3,000 家企业。
在金融危机之后，随着衍生品监管、中央清算要求和抵押品要求在全球范围内扩展，post-trade 基础设施变得在战略上愈发重要。机构如今在交易对账、保证金优化、结算工作流以及监管报告方面面临巨大的运营负担。
像 LSEG 这样的基础设施提供商，正越来越多地将自己定位为能够在庞大的金融生态系统中对这些运营流程进行标准化的集中式平台。可扩展的风险分析增强了这一定位，因为在机构衍生品基础设施内部，风险管理与抵押品工作流越来越紧密地协同运作。
这一举措反映了金融市场基础设施内部的更广泛整合趋势：交易所、清算运营商、市场数据公司以及分析提供商正逐步合并运营层面，形成一体化的企业生态系统。LSEG 结合市场数据、分析 API、post-trade 基础设施以及与 AI 兼容的工作流，展示了金融基础设施提供商正如何在“生态系统深度”而非单一独立产品上展开竞争。
LSEG 扩展后的服务具体提供哪些风险分析？
LSEG 的 Models-as-a-Service 业务包括 Value at Risk、Potential Future Exposure、Credit Valuation Adjustment、压力测试、P&L Explain、敏感性分析以及现金流建模。这些计算覆盖跨利率、外汇、通胀、商品和股票的多资产组合。
该服务支持哪些开发环境？
托管模型通过 Visual Studio Code 和 JupyterLab 运行，同时通过 Model Context Protocol 以及包含 Microsoft Copilot 在内的工具集成，支持 AI 启用的工作流。
目前有多少金融机构使用 LSEG 的 post-trade 基础设施？
根据 LSEG 的说法，该服务通过与抵押品管理、保证金处理、对手方风险以及场外衍生品运营相关的工作流支持超过 3,000 家企业。
为什么实时分析可达性对风险管理很重要？
实时或接近实时的分析可达性可能会实质性影响企业在波动市场中监测对手方敞口、保证金要求、流动性风险以及组合敏感性的方式，从而实现更快的运营决策。
