FT s nye rapporteringskrav til L&P-sektoren praktiske udfordringer og løsninger, set fra et uafhængigt administrationsselskab, hvor kunderne har mange forskellige løsninger. PandaConnect A/S: Adm. direktør Christian J. G. Herold Projektansvarlig Birgitte Jensen-Dahm Den 23. september 2014 1
Agenda Hvem er vi? Del 1: (kan downloades på finansanalytikernes hjemmeside) Praktiske udfordringer set fra kunderne (PandaConnect)? Del 2: Løsninger - For your eyes only Mulighederne i PandaCockpit set fra kunderne. Løsning af SII data. Løsning af Market Risk set fra kunderne i PandaCockpit (fase 1). Afslutning Spørgsmål. 2
Velkommen til PandaConnect Simply Portfolio Overview PandaConnect er et IT og administrationsselskab. Vi tilbyder en enkel, unik og global uafhængig administration af værdipapirer med understøttelse af egen IT-udvikling. Løsningen tilbydes i Danmark, Norge, Sverige, Finland, Færøerne, Island og Grønland. Vi administrer i dag en samlet formue på mange milliarder kroner. Vores kunder er primært institutionelle investorer. Vores medarbejdere er professionelle med en solid teoretisk og praktisk baggrund. Vi arbejder altid med en positiv indfaldsvinkel til alle opgaver. Ledelsen har været med siden starten i 1997, og har arbejdet i den finansielle branche siden 1989.
Hvad gør vi? Vi er kundens medarbejdere vi indsamler og simplificerer Jeres kapitalforvaltere og investeringsforeninger Jeres depotbanker m.m. Regnskab og rapporter Globale markedsdata, integration til analyseværktøjer etc. PandaCockpit Data loads Hosting Kunderne, Internationalt anerkendte revisorer, IT konsulenter etc. 4
Hvordan gør vi det? Back Office, typisk STP flow baseret på stordrift og synergi, men STP Data sources Custodians Investment Managers FTS Bloomberg FundCollect Import Area Scheduled load jobs Unification of data Transactions General corporate actions Transactions and holdings Load of unified data Operation and inspection Daily internal consistency controls Daily reconciliation towards custodians Individual corporate actions Core Engine Administration Users Rights Roles Portfolios Structure, opening and closing Custodies and cash accounts Instruments Audit trail Trigger and time based schedules E-markets Holdings Integration to other systems Manual data keying Prices E.g.: Not automated data feeds from custodians, free codes, unlisted prices, derivatives transactions and prices. Load of unified data Operation and inspection Price controls Price hierarchies Missing data Prices and static data Data loads (CSV via FTP) Data warehouse Reports (Excel, PDF and print as secure mail, FTP or in directories/archive) Cockpit (PC, Ipad and smart phones) Mail and SMS (alarms) Output 5
Men, hvad giver det af praktiske 6
Men, hvad giver det af praktiske Helt generelt er håndteringen af data blevet meget kompleks og på mere individuel basis end set før, hvilket koster megen stordrift og synergi, samt omkostninger for kunderne. Hvordan hjælper vi kunderne hermed? Hvordan skaber vi merværdi sammenholdt med kost? Praktiske udfordringer: Kunderne har forskellige behov (fra den store til den lille kunde): Kun data ekskl. investeringsforeninger m.m. Data inkl. udvalgte investeringsforeninger m.m. Data inkl. alle investeringsforeninger m.m. Data inkl. beregning af Market Risk. Etc. 7
Hvad giver det af praktiske Eksempler på praktiske udfordringer fortsat, Forskel på hvor langt kunderne er kommet/interesse for: Nogle har arbejdet intensivt med SII i mange år. Andre beregner maksimalt en gang i kvartalet, fordi det er et lovkrav. Andre kundesegmenter uden for L&P sektoren er ikke omfattet. Dvs. det er svært at få gang i en brugergruppe. 8
Hvad giver det af praktiske Eksempler på praktiske udfordringer fortsat, Forskel på hvor langt kapitalforvalterne er kommet herunder de udenlandske: Data løsningerne fra kapitalforvalterne til kunden er meget forskellige. De første er begyndt, at sende STP-dataflow. De fleste leverer meget manuelt f.eks. flytter kolonner, nye overskrifter etc. fra levering til levering. Andre vil / eller kan ikke leverer endnu! Kan kapitalforvalteren blive enige om en branche standard i Danmark? Udfordring: Kapitalforvalterne behandler kunderne forskelligt ud fra engagement, hvilket kræver vi/pandaconnect, skal skelne kunde for kunde på stamdata niveau. 9
Hvad giver det af praktiske Eksempler på praktiske udfordringer fortsat, En af de største udfordringer er investeringsforeninger pga. af kravet om fuldtransparens. Normalt kan kapitalforvalterne levere data på deres egne foreninger, men andres er mere vanskeligt. Hvem har ansvaret herfor? Kunden eller kapitalforvalteren? 10
Hvad giver det af praktiske Eksempler på praktiske udfordringer ved investeringsforeninger fortsat, Enkeltheden med nogle få investeringsforeninger forsvinder, især for de små kunder. Vi har kunder, som før havde få fondskoder, der nu har til mange tusinder. Er det besværet værd? Skal kapitalforvalterne hellere sælge diskretionære mandater til kunderne igen? 11
Hvad giver det af praktiske Eksempler på praktiske udfordringer ved investeringsforeninger fortsat, Kundens egne investeringer i investeringsforeninger. Hvem skal sikre et dataflow for disse? Hvem har ansvaret for de data kunden modtager er korrekte? Skal der vedlægges en erklæring fra foreningen eller fra en revisor? Udfordring: Vi har konstateret uoverensstemmelser mellem fuldtransparente/ semitransparente data, den officielle indre værdi i foreningen som anvendes i regnskabet etc.! Herunder fejl til prospekter f.eks. manglende valutaafdækning! Udfordring: Risikoen for erstatning ved fejlbehandling, må stige markant. 12
Hvad giver det af praktiske Eksempler på praktiske udfordringer vedr. royalty for data, En anden af de helt store er behandlingen af royalty for data. Kapitalforvalterne leverer typisk: Datapakker uden licens berettigelse og datapakker med licens berettigelse. I PandaConnect skal vi derfor skelne mellem hver kunde og kunne klarer et besøg fra S&P, bare vi kunne nøjes med FT Hvem har ansvaret for royalty, hvis det ikke er betalt korrekt? 13
Hvad giver det af praktiske Eksempler på praktiske udfordringer omkring royalty for data, især i investeringsforeninger, Udfordring: Kunder vil ikke betale royalty for data. Største udfordring er Ratings, men der er også brug for CIC-kode, Risk Category, NACE koder, modparter, varigheder etc. Hvorfor vil kunderne ikke betale? Fordi kunderne indtil videre kun skal benytte data engang i kvartalet, men skal betale royalty for daglig levering! Beløbene er meget høje, især for de små selskaber, som ikke har integrationer til data leverandører i forvejen. Kunderne synes allerede de har betalt for ydelsen i investeringsforeningen. Derfor bliver der behov for manuelle løsninger, men Finanstilsynet kræver fuldautomatiske løsninger hvordan løser vi dette? 14
Hvad giver det af praktiske Eksempler på andre praktiske udfordringer fortsat, Andre udfordringer for kunderne: Specielle fondskoder, f.eks. obligationer med derivater etc. Rådgivningsmandater. Forskelle fra land til land i tolkninger. Etc. 15
Agenda: DEL 2 Løsninger - For your eyes only Mulighederne i PandaCockpit set fra kunderne. Løsning af SII data. Løsning af Market Risk set fra kunderne i PandaCockpit (fase 1). 16
Afslutning Spørgsmål i øvrigt? 17