Кибербезопасность в условиях электронного банкинга. Практическое пособие

В этих условиях финансовая отчетность, поступающая с задержкой на 4,5 месяца, уже не может адекватно отражать реальное положение участников финансового рынка. Бухучет должен вернуться к истокам и снова стать «фотоснимком реальности», не ее редуцированной виртуальной версией. Динамичность современного мира требует от бухучета «серийной съемки» с высокой частотой обновления информации. Но это, в свою очередь, означает необходимость перехода от дискретных учета и контроля к перманентным (т. е. от анализа отчетов к обработке Big Data, поступающих в режиме онлайн).

Современные технологические решения уже сейчас позволяют хранить и обрабатывать весь объем информации, генерируемой финансовым рынком (NYSE собирает за день 1 терабайт данных). На подходе «четвертая волна» повышения эффективности электронных коммуникаций – возникновение среды систем, основанных на технологиях программных роботов (robotic process automation, RPA), возможно, с элементами AI.

С таким ростом сложности мира финансов становится затруднительно корректно классифицировать и лицензировать поставщиков финансовых сервисов, а для их контроля придется применять SupTech. Фактически вместо анализа отчетности регулятор в ближайшем будущем должен перейти на постоянный мониторинг участников финансового рынка с использованием технологий BI[322], предикативного анализа и предсказательной аналитики.

Исходными данными для подобной системы должны служить не отчеты о состоянии финансов организации «в моменте», а данные операционного учета транзакций (Smart Data, т. е. большие данные, очищенные от шумов, структурированные и валидированные), желательно описанных на языке XBRL[323].

Последнее важно, так как внедрение тегов XBRL, например в платежные сообщения, сформированные в соответствии со стандартом ISO 20022, позволит в автоматическом режиме контролировать ключевые показатели финансовых организаций и обеспечивать процедуры ПОД/ФТ. В некоторой степени моделью может служить European Reporting Framework (ERF)[324], но устранение дублирования и облегчение формирования отчетности не должны быть конечной целью предлагаемой системы.

В связи с этим одним из перспективных направлений развития проекта XBRL является работа по гармонизации понятийного аппарата, используемого при анализе Банком России как данных регуляторной отчетности, так и детальных данных и данных, поступающих из внешних источников.

Для дальнейшего использования формата XBRL на финансовом рынке доступны такие возможности, как использование продвинутой аналитики в целях моделирования поведения участников финансового рынка (во взаимосвязи с финансовым рынком, потребителями и между собой); применение pull-технологий сбора данных о поднадзорных организациях из различных источников («цифровые следы») на основе единой модели данных, открытой для рынка через XML-код (например, таксономия XBRL), возможно, в сотрудничестве с другими надзорными органами.

Отработав технологии сбора, обработки, анализа и защищенного хранения отчетности в формате XBRL, мегарегулятору необходимо сделать следующий шаг в совершенствовании регуляторной системы, перейдя на взаимодействие с поднадзорными организациями в режиме RegTech vs SupTech.

Уже сейчас банки тратят $80 млрд на управление рисками и комплаенс, и в соответствии с прогнозами Reuters к 2020 г. эта цифра должна возрасти до $120 млрд. К настоящему времени американские финансовые организации, в том числе находящиеся за пределами США, выплатили более $160 млрд штрафов за несоблюдение законодательства. Сфера финансовых услуг нуждается в более экономичных решениях для соблюдения законодательства без потерь в качестве. RegTech отлично вписывается в требования к автоматизации процессов, такие как:

– бесшовная автоматизация. Использование тегов XBRL в операционном учете позволяет полностью автоматизировать подготовку отчетности согласно действующим правилам и нормам и ее передачу регулятору. В более сложных случаях вполне возможно использовать технологии RPA;

– оперативное реагирование на изменения в регулировании. Нормативные акты могут быть переведены в алгоритмы, обеспечивающие донесение регуляторных требований до поднадзорных организаций через XML-код, пригодный для автоматического использования; таким образом, создаются предпосылки для перехода на настоящее машиночитаемое регулирование (Machine Readable Regulation);

– существенное сокращение комплаенс-рисков. Фактически регулирование может осуществляться в режиме M2M (см. ниже), сводя к минимуму риски как некорректной интерпретации нормативных актов поднадзорными организациями, так и их расширенного толкования регулятором.