在有限的資源與高度不可預測的未來，筆者相信如何有效測量並分配風險因子管理成本（圖2），就會影響到投資者可否在下一個多頭市場到來前的生存關鍵。
除了傳統討論的信用和市場價格風險，筆者也分享近期與國際同業觀察重點：
1.資訊不對稱風險：我們必須要知道的既有資訊取得時效性及正確性，同時須詢問後找出我們所不知道資訊的成本及時程，前提要做到不知為不知也。
2.資金流動性風險：在美元匯率及利率再創近年新高後，資金成本也大幅攀升，如何應用現有資產替代或換取資金（交換資產與再買回交易之可行性）。
3.資訊國安風險：在去全球化過程中，民主與極權國家對抗而增加的網路及基礎建設攻擊，各國法規禁止資訊跨境，增加了資安防衛、教育與保險成本。
4.作業文化風險：除了減少人工作業以降低出錯率跟提升效率，更重要的是培養能針對習以為常的市場情境、作業流程與賺錢專案提出質疑的風管文化。
5.ESG法規風險：檢視多區域規範對投資標的發展與主流資金流向的影響，法規變革對內部實施ESG投資揭露、實施規範的架構改變成本與人力評估。
夢境二 資料整合分析加速化，橫看成嶺側成峰，遠近高低各不同
不難想見，要有效測量、配置到控管所有投資相關風險因子，我們必須收集、整合大量與不同類型資料並將其數位化，以達到即時性要求，但因資料來源繁多、定義不同，相信讀者也有過不識廬山真面目，只緣身在此山中的感覺。投資機構不論規模大小，如果有完整的資料治理文化，就有契機提早發現風險偏離值而盡速處理。筆者也在此提供資料分層管理概念分享如下（圖3）及對治理、分析和收集／驗證簡略說明。
A.資料治理（Data Governance）
跳入執行面前，管理層如可制定好的方向框架、資料／績效定義、單位權責歸屬和定期檢視方針，可避免在茫茫的數據海中迷失並多走不必要的冤枉路。
B.資料收集與驗證（Data Collection & Validation）
如食品安全溯源，當上游資料源無法提供正確及具時效性的原始數據，那後續業務運用分析也徒然。如何管理資料源服務水平（SLA）及進行後續自動化整合與驗證以創造單一紀錄（Single Data Record），即是治理方針制定後的作業基石。
C.資料分析（Data Analysis）
在得到可信任的單一資料紀錄後，業務單位方可依各風險管理需求來監控各暴險與異常狀態進行早期通報。有意義的資料分析如穿透法，也可以讓管理層更了解真正風險集中區，以計算在極端市場情境下的存活率或提前分散風險部位。
