Transformer les institutions financières pour des cycles de règlement plus rapides
- La Securities and Exchange Commission (SEC) des États-Unis prévoit de passer à un cycle de règlement T+1 pour réduire la volatilité du marché et les risques de crédit et de règlement.
- Cette transition présente des défis pour les institutions financières en termes d'opérations de back-office, nécessitant une approche plus efficace de la gestion des données et une amélioration des pratiques de gestion des risques.
- Les outils d'automatisation et l'utilisation de plateformes flexibles basées sur les événements peuvent aider à faciliter cette transition vers des cycles de règlement plus rapides. De plus, l'intelligence artificielle et l'apprentissage automatique peuvent être utilisés pour gérer les risques liés au règlement commercial.
Le 28 mai 2024, la Securities and Exchange Commission (SEC) des États-Unis mettra en œuvre un changement crucial dans le secteur du négoce de titres : passer à un cycle de règlement T+1. Ce changement – réduisant la période de règlement de deux jours ouvrables après la date de transaction à un seul – est une mesure stratégique visant à atténuer la volatilité du marché et à diminuer les risques de crédit et de règlement. Cependant, la transition présente des défis importants pour les institutions financières, notamment dans leurs opérations de back-office. Alors, quels sont-ils et comment les surmonter ?
Que sont les règlements T+1 et T+2 ?
Le cycle de règlement T+1 est une pratique financière où les transactions exécutées avant 16h20 sont réglées le jour de bourse suivant. Par exemple, une transaction effectuée le lundi avant 16h20 sera réglée le mardi. Ce processus consiste à transférer des titres et/ou des fonds du compte du vendeur vers le compte de l'acheteur, à la différence du règlement T+2, qui règle les transactions deux jours ouvrés après la transaction. Et, selon le président de la SEC, Gary Gensler, « T+1 est conçu pour profiter aux investisseurs et réduire les risques de crédit, de marché et de liquidité dans les transactions sur titres auxquels sont confrontés les acteurs du marché ».
Ainsi, le passage à un cycle de règlement T+1 exerce une pression immense sur les processus de back-office existants pour plusieurs raisons. Premièrement, le cycle de règlement est un processus essentiellement manuel, reposant sur le traitement de données par lots. Pour passer à un cycle de règlement T+1, une approche de gestion des données plus efficace et en temps réel est nécessaire, ainsi qu'un accès à des informations précises et à jour pour faciliter un rapprochement et un reporting en temps opportun.
Deuxièmement, avec un cycle de règlement plus court, il y a moins de temps pour corriger les erreurs, ce qui augmente le risque d'échecs de règlement. Les institutions financières doivent améliorer leurs pratiques de gestion des risques pour identifier et corriger rapidement toute divergence dans les détails des transactions. En fin de compte, les méthodes existantes deviennent rapidement obsolètes et inefficaces face à ce nouveau cycle de règlement accéléré. Pour s'adapter, les entreprises doivent automatiser de toute urgence ces processus manuels et passer à un traitement en temps réel basé sur les événements afin de permettre ces cycles de règlement plus rapides.
Surmonter les défis de la transition T+1
Les institutions financières ont besoin d’une nouvelle approche pour faciliter cette transition. L'un des atouts les plus importants ici sera les outils permettant une automatisation fluide et efficace des processus par lots existants dans un magasin commercial opérationnel (ODS) – une base de données qui intègre des données provenant de plusieurs sources pour les rapports opérationnels.
Dans le même temps, les systèmes de règlement existants impliquent souvent des tâches manuelles chronophages et sujettes aux erreurs, mais les innovations récentes dans les plateformes de données de développement modernes pourraient présenter une solution présentant plusieurs avantages.
Par exemple, l'utilisation de modèles de données flexibles au stade du développement peut permettre une approche de stockage de données plus intuitive, accélérant les processus de développement en réduisant le besoin de transformations de données complexes ou de mappage objet-relationnel (ORM). Dans le même temps, la croissance des plates-formes de développement conviviales a également grandement réduit la courbe d’apprentissage des développeurs, facilitant ainsi une adoption plus rapide. De plus, grâce à un langage de requête riche, les requêtes complexes peuvent être simplifiées, minimisant ainsi le besoin de codage approfondi, tandis qu'un format hautement évolutif signifie que les plateformes peuvent gérer de plus grands volumes de données commerciales et des niveaux de concurrence élevés.
En raison des méthodes de traitement par lots existantes trop complexes, le processus de consolidation des données de transaction dans les systèmes de back-office se heurte à de nombreux défis. Bien qu'ils constituent depuis longtemps la norme de l'industrie, des limitations telles qu'un schéma rigide, des difficultés de mise à l'échelle horizontale et des performances lentes signifient que ce processus n'est plus optimal pour la gestion post-trade.
Cependant, avec un magasin de données commerciales opérationnelles (ODS) en temps réel comme solution, cette approche permet aux sociétés financières de consolider les données de transaction en temps réel, ce qui rationalise les opérations de back-office et améliore l'efficacité de la prise de décision. Par exemple, les données du trade desk peuvent être intégrées dans un ODS en temps réel grâce à Change Data Capture (CDC). Cela crée ensuite un magasin commercial centralisé qui sert de source principale pour les systèmes de règlement et de conformité des échanges commerciaux en aval, favorisant des délais de règlement plus rapides et une meilleure précision des données.
Le potentiel de l’intelligence artificielle et de l’apprentissage automatique pour gérer les risques liés au règlement commercial
En adoptant des technologies avancées telles que l’intelligence artificielle (IA) et l’apprentissage automatique (ML), les institutions financières sont souvent confrontées au défi d’intégrer ces innovations dans les systèmes existants en raison de leur manque de flexibilité et de leur résistance aux modifications. Construire un ODS avec un schéma flexible leur permet d'intégrer efficacement des modèles IA/ML dans leur plateforme commerciale pour gérer efficacement de gros volumes de données commerciales en temps réel. Cette flexibilité facilite une intégration transparente avec différentes plateformes d'IA/ML, permettant aux organisations de s'adapter aux changements du paysage de l'IA sans modifications importantes de l'infrastructure. De plus, grâce à un schéma de données flexible capable de s'adapter à n'importe quelle structure, format ou source de données, les institutions seront à l'épreuve du temps grâce à l'adaptabilité et à l'agilité requises pour faire face à l'évolution des technologies et des réglementations.
L'intégration aux plateformes d'IA/ML est cruciale pour gérer efficacement les risques de règlement commercial et faciliter le développement de modèles d'IA/ML pour une gestion plus efficace des échecs potentiels de règlement commercial, à la fois en termes de coût et de temps. L'analyse prédictive permet en outre aux entreprises de prévoir la disponibilité et la demande, optimisant ainsi les stocks pour les prêts et les emprunts.
Vers la flexibilité et l’adaptabilité
Alors que les institutions financières sont aux prises avec le défi de réduire la durée de règlement de T+2 à T+1, il reste des solutions viables pour faciliter une transition potentiellement difficile. En automatisant les processus manuels et en adoptant des référentiels de stockage de données en temps réel, les institutions peuvent atteindre l'excellence opérationnelle et respecter le délai de règlement T+1 de la SEC.
Dans l’éventualité de cycles de règlement T+0, les institutions doivent être équipées de plateformes de données flexibles pour garantir qu’elles soient mieux préparées à s’adapter aux nouvelles réglementations. Il est encourageant de constater que de nombreuses grandes banques commencent à moderniser leur infrastructure, ce qui entraîne une réduction des délais de mise sur le marché, une diminution du coût total de possession et une amélioration de la productivité des développeurs.