BANKTHINK.

银行业务可以使用更多带有干技能的领导者

现在注册

当新的银行法案通过时,文本是以法律语言编写的框架水平。但要实际生效,那种语言的大部分语言都需要被监管机构解释,然后被财务管理人员及其银行运营人员解释,然后转化为技术驱动的行动。

后一种工作是由那些拥有科学,技术,工程和数学,或茎,技能,包括软件工程师,数据科学家和其他专业人士的技能的人来完成的,这些专业人员通过计算机代码将法律条款和法规转变为可行的金融服务活动和算法。

重要的是,在本信息的前端,立法者,监管机构和金融高管的前端 - 在这些技能中熟悉,以便在某些情况下,后端绊倒,并且在某些情况下,宣称无法实施。

在他的 最近的证词 在Facebook的首席执行官Mark Zuckerberg之前,通过提到公司使用人工智能来回应许多问题。然后,他反复被派对与委员会工作人员一起举行进一步解释。

然而,立法者没有准备好提问Zuckerberg关于AI如何工作,例如,从其社交网络中删除虚假的故事。在其他听证会中也是如此,包括几年前的JPMORANG“伦敦鲸鱼”交易损失的考试或关于高频交易或高盛抵押贷款支持证券的高频交易或风险的讨论。在每种情况下,立法者提出了广泛的陈述,陈述了肤浅的问题,并将详细的问题留给了后续讨论中的工作人员。

国会研究服务最近报道了 专业背景 目前的541名国会成员。这些立法者的主要职业是终身政治/公共服务(238);法律(218);商业(208);和教育(99)。其中,只有47个立法者,他们早期的背景,表明学习熟练能力的干技能,包括一个物理学家,一个化学家和11名会计师。

问题是,很少有人理解在数字工厂的封面下发生了什么,这些工厂越来越多地替换了银行的操作环境。这种数字转换,自上次出现易于理解的ATM和信用卡以来,向互联网和纳秒交易网络的较少理解的方式提供了较少的互联网和纳秒交易。

现在,这种数字银行环境有望成为一个技术奥秘,随着数学上的INTSENSE AI计划的出现和区块链的发明 - 这是在已经存在的黑匣子的衍生品,风险建模和算法交易之上。

虽然立法者不需要深入了解数学或计算机编码,但它们肯定需要有能力询问探测问题。理想情况下,他们应该能够制定具有意识所需的数字施工材料的立法框架。

但它不仅仅是需要采用这些技能的政策制定者 - 他们也对金融管理人员越来越有价值。首席执行官应该能够质疑和挑战他们的直接报告如何通过使用算法和代码来监督监管的实施。

然而,在最近的一项调查中,普华永道发现了这一点 只有一半的金融服务CEO 53%,相信自己具有强大的数字技能。从二十年前在PWC首席执行官调查中首次提出问题时,这一点变化了很少。然后,互联网只是在银行活动的主流中出现,并拥有数字技能并不像今天那样影响。

通过向前发展更多的干技能,高管可以推动他们的直接报告以获取更详细的答案,而不是召开任务队代表他们这样做。首席执行官将在董事会和行政水平更深入地参与,提高关于风险管理和数据分析之前的疑问问题。

也许目前使用数学上强烈的物理和统计数据计算风险加权资产的混乱可以通过高管和立法者更好地预见(并防止)物理和心理等干预技能的立法者。这些职业将阐明依赖于物理世界的不可变法律的挑战,以模拟人类行为和人口统计数据的驾驶更多的金融体系。

在这些数学上强烈的风险理论失败,银行监管机构现在正在恢复使用更加理解的杠杆比率和资本到资产比率。这似乎是对最早缺少的持续挑战的认可,这些挑战是最早的立法框架,通过银行管理员默许的阶段缺失,这使得不可信的风险管理制度的虚假叙述,这是未能管理风险的风险。

但在逆行衍生品的报告中出现了更加令人震惊的问题,如道德 - 弗兰克法案和国际规则下的授权。意图是汇总此数据,以便可以监控系统风险。今天有数十亿美元的贸易报告,已由银行发出,延迟执行设施和衍生品经销商,以全球网络为25个新创建的贸易存储库。但是,由于规定了数据元素的标准,因此无法为风险分析汇总此数据。监管机构,如立法者和银行领导,还有更多的工作要做。

政策制定者和财务高管有责任获得干扰技能,使他们能够了解商业在数字时代的工作原理 - 以及该行业应该开始将它们持有更高的标准。

用于本文的重印和许可请求, 点击这里.
财务条例 政策制定 数据科学 机器学习 人工智能 MBS.
更多来自美国银行家