Deutsche Bank startet Anfang 2021 einen Früh­warn­dienst für Verzögerungen bei der Wert­papier­abwicklung

Die Deutsche Bank will Anfang 2021 einen Wertpapierabwicklungsdienst einführen, der vorausschauend erkenne, wenn bei der Abwicklung von in Bearbeitung befindlichen Wertpapier­-Transaktionen Verzögerungen drohen. Der überarbeitete Dienst soll den “Elastic Stack” und die Machine-Learning- und Anomalieerkennungsfunktionen von Elastic verwenden. Das soll den Kunden der Bank helfen, die mit der Einführung der neuen Central Securities Depositories Regulation (CSDR) 2021 drohenden Strafen zu vermeiden.

Schon 2020 hat die Deutsche Bank ihren Echtzeitabwicklungsdienst auf Euronext in Deutschland und im Vereinigten Königreich gestartet. Die Plattform ermöglicht den Operations-Teams der Bank Echtzeiteinblicke in Probleme, die die Abwicklung von Transaktionen verzögern können. Mithilfe von Dashboards, die auf Elasticsearch (einer verteilten RESTful-Suchmaschine und -Analytics-Engine) und Apache Kafka zurückgreifen, überwachen die Teams der Deutschen Bank aktiv die laufenden Transaktionen. Sobald gemeldet wird, dass eine Transaktion von Abwicklungsverzögerungen bedroht ist, erhalten die Teams Empfehlungen, um dagegen vorzugehen. Die Operations-Teams können auch anderen internen Teams und externen Kunden APIs anbieten, damit diese über die Such- und Analytics-Engine eigene Abwicklungsabfragen laufen lassen können.

Frühwarnsystem alarmiere bei Abwicklungsverzögerungen

Die Deutsche Bank plant, ihren Abwicklungsdienst durch Machine-Learning-Technologien zu ergänzen und so die Fähigkeiten der Plattform bei der Echtzeitüberwachung um Funktionen zur vorausschauenden Kontrolle zu erweitern. Machine Learning werde es der Bank ermöglichen, in Bearbeitung befindliche Transaktionen zu erkennen, bei denen Handlungsbedarf besteht, und die Teams zu alarmieren, bevor es zu Problemen mit den Transaktionen kommt.

Unser Ziel ist es, die Art und Weise zu verändern, wie Märkte auf Ausnahmen reagieren, und unsere Post-Trade-Operations mit Pre-Trade-Performance auszustatten. Wir sind jetzt in der Lage, Transaktionen in Echtzeit zu erkennen, die bislang nicht als risikobehaftet gemeldet wurden, und müssen uns weniger mit den Transaktionen beschäftigen, die zwar scheinbar risikobehaftet sind, bei denen sich aber anhand historischer Daten nachweisen lässt, dass deren Abwicklung immer rechtzeitig abgeschlossen werden konnte.“

Christopher Daniels, Director Data Products/Securities Services Deutsche Bank

Das dem aktualisierten Dienst zugrundeliegende Analytics-Modell stütze sich auf die Anomalie-Erkennung von Elastic, die wiederum die Saisonalität, Marktschwankungen und andere dynamische Faktoren berücksichtige. Anhand dieser Informationen sollen den Operations-Teams der Bank Dashboards und Handlungswarteschlangen bereitgestellt werden, die auf einer Vielzahl von Faktoren basieren.

Wir haben verschiedene Dashboards für Faktoren wie die Liquidität, die Abwicklungsleistung und die Risikoverwaltung entwickelt. Die Innovation ist aber die Ausführung von Machine-Learning-Algorithmen in der Produktionsumgebung zur Erkennung von Anomalien. Wir nutzen die Plattform, um die Signale zu ermitteln, die auf eine erhöhte Wahrscheinlichkeit für eine verspätete oder erfolglose Abwicklung hindeuten. So konzentrieren wir unsere Datengüteprüfungen auf Aktivitäten, die nicht mit dem typischen erwarteten Verhalten eines bestimmten Clusters im Einklang stehen. Dies ist eine sehr spannende Zeit in unserer Daten-Roadmap.“aj