Zgodność z MiFID III

Profil ryzyka bez ankiet

Obiektywna ocena ryzyka na podstawie rzeczywistych transakcji.

Jak to działa

Od konta bankowego do profilu ryzyka w czterech krokach

Klient podłącza swoje konto przez open banking

Dlaczego riscore

Wiarygodny, szybki i użyteczny sposób pomiaru tolerancji ryzyka

01

Behawioralny profil ryzyka oparty na PSD2

Klient podłącza konto raz. Algorytm odczytuje wzorce transakcyjne i zwraca obiektywny profil ryzyka — bez formularzy.

02

Stworzone z myślą o MiFID III

Metodologia zgodna z europejskimi wymogami adekwatności. Ścieżka audytowa wpisana w produkt od pierwszego dnia.

03

Jedno połączenie z bankiem zamiast długich formularzy

Klient podłącza konto przez open banking — resztę robi riscore. Bez 15-minutowych ankiet, bez hipotetycznych scenariuszy.

04

Każda ocena w pełni audytowalna

Każdy wynik ma znacznik czasu, wersję i jest gotowy do eksportu — Twój zespół compliance dostaje pełny ślad audytowy. Zgodne z wymogami EU AI Act dla systemów wysokiego ryzyka.

Gdzie metody ankietowe zawodzą

Tradycyjne metody zawodzą na trzy sposoby. Riscore rozwiązuje każdy z nich.

Deklaracje nie oddają rzeczywistości

Samoocena zniekształcona przez nadmierną pewność siebie i błędy poznawcze

Dane behawioralne z rzeczywistych transakcji

To, co klient faktycznie robi — nie to, co deklaruje

Wypełniony formularz nie ochroni Cię przed regulatorem

Nadzorca sprawdza faktyczne zrozumienie klienta, nie odhaczone checkboxy

Dokumentacja audytowa od pierwszego dnia

Każda ocena oznaczona czasem, wersjonowana, gotowa do eksportu

Długi onboarding odstrasza klientów

Każde kolejne pytanie to ryzyko utraty klienta

Jedno połączenie z bankiem, zero formularzy

Pełny profil ryzyka w kilka sekund, nie kilkanaście minut

Use cases

Obiektywna ocena ryzyka w każdym procesie compliance

01

KYC i onboarding

Profil ryzyka wbudowany w onboarding

Zastąp długie ankiety oceną opartą na transakcjach. Mniej porzuconych procesów, szybsza ścieżka do pierwszej inwestycji, gotowa dokumentacja MiFID III.

02

Klasyfikacja klientów

Automatyczna ocena adekwatności dla inwestorów detalicznych

Klasyfikuj klientów na podstawie tego, co faktycznie robią z pieniędzmi. Obiektywnie, powtarzalnie, w zgodzie z regulatorem.

03

Monitoring na żywo

Tolerancja ryzyka aktualizowana w czasie rzeczywistym

Wychwytuj zmiany w zachowaniach finansowych klienta. Reaguj, gdy jego profil ryzyka przestaje pasować do portfela — zanim zrobi to nadzorca.

Zespół

Nauka, która stoi za riscore

Finanse behawioralne, analiza danych i doświadczenie regulacyjne.

Team Member 6

Role placeholder

Bio placeholder for movement preview.

Team Member 1

Role placeholder

Bio placeholder for movement preview.

Team Member 2

Role placeholder

Bio placeholder for movement preview.

Team Member 3

Role placeholder

Bio placeholder for movement preview.

Team Member 4

Role placeholder

Bio placeholder for movement preview.

Team Member 5

Role placeholder

Bio placeholder for movement preview.

Team Member 6

Role placeholder

Bio placeholder for movement preview.

Team Member 1

Role placeholder

Bio placeholder for movement preview.

Projekt dofinansowany przez Narodowe Centrum Badań i Rozwoju

Integracja

Dwa modele integracji. Jeden silnik scoringowy.

Zacznij od API, żeby ruszyć szybko. Przejdź na on-premise, gdy wymaga tego compliance.

API

Szybki start

Dla zespołów z własnymi developerami, które chcą pełnej kontroli nad doświadczeniem inwestora

Co dostajesz

RESTful API z endpointami: consent, scoring, status

Ty budujesz UI — riscore dostarcza dane

Środowisko sandbox z danymi testowymi

Webhooks (zmiana scoringu, wygaśnięcie zgody)

Wynik scoringu jako wartość liczbowa + breakdown kategorii

Co budujesz po swojej stronie

UI, integracja consent flow, logika biznesowa, obsługa błędów

Czas do produkcji

Tygodnie

On-premise

Pełna kontrola

Dla regulowanych instytucji, które potrzebują silnika scoringowego w obrębie własnej infrastruktury

Co dostajesz

Silnik scoringowy riscore wdrożony na Twojej infrastrukturze

Pełna kontrola nad danymi — transakcje nie opuszczają Twoich serwerów

Połączenie PSD2 skonfigurowane na Twoich istniejących integracjach bankowych

Aktualizacje modelu w wersjonowanych paczkach

Dedykowane wsparcie wdrożeniowe i integracyjne

Co budujesz po swojej stronie

Integracja z systemami wewnętrznymi, UI, utrzymanie silnika scoringowego

Czas do produkcji

Miesiące

Bezpieczeństwo i compliance

Stworzone dla regulowanego środowiska

Każda warstwa riscore zaprojektowana z myślą o compliance, prywatności i audytowalności.

Zgodność z MiFID II/IIIPSD2 · dostęp tylko do odczytuRODO · minimalizacja danych w projekcieSzyfrowanie bankowe · AES-256 + TLS 1.3Infrastruktura w UEZgodność z ISO 27000Wyniki gotowe do audytuGranularna zgoda · w każdej chwili odwoływalnaWyjaśnialny scoring ryzykaTesty biasu w tokuDORA
Zobacz szczegóły compliance w FAQ ↓

FAQ

Masz pytania?

Odpowiedz 1 placeholder. Zastap docelowa tresc FAQ.

Odpowiedz 2 placeholder. Zastap docelowa tresc FAQ.

Odpowiedz 3 placeholder. Zastap docelowa tresc FAQ.

Odpowiedz 4 placeholder. Zastap docelowa tresc FAQ.

Odpowiedz 5 placeholder. Zastap docelowa tresc FAQ.

Odpowiedz 6 placeholder. Zastap docelowa tresc FAQ.

Profil ryzyka Twojego klienta
w mniej niż 60 sekund

Zobacz behawioralne profilowanie ryzyka w akcji — bez zobowiązań, bez opłat.

Zaczynamy

Zostaw dane — odezwiemy się w ciągu jednego dnia roboczego.

ABOUT THE PROJECT

Funded research,
commercialized impact

Godlo + Barwy RP

NCBR logo

UMCS logo

Programme

LIDER XV (NCBR)

Agreement no.

LIDER15/0203/2024

Duration

01.06.2025 - 31.05.2028

Total funding

PLN 1,760,562.50

Warren - generatywny model przewidujacy poziom tolerancji ryzyka u inwestorow indywidualnych

The project aims to develop Warren - an algorithm that profiles individual investors based on risk tolerance and behavioral-psychological traits using open banking data. The solution enables precise risk profile determination, which is critical for investment decisions. Open banking data provides reliable insight reflecting actual client behavior, eliminating self-assessment bias. The algorithm enables tailored investment offers matching the investor's current situation and needs.

Principal investigator: dr Rafal Muda - Institute of Management and Quality Sciences / Institute of Economics and Finance, Maria Curie-Sklodowska University (UMCS), Lublin

Funding statement (PL - official, non-translated per regulations):

Projekt finansowany przez Narodowe Centrum Badan i Rozwoju w ramach Programu LIDER XV.