점점 더 상호 연결되는 글로벌 경제에서 조직이 데이터를 신뢰하고 효과적으로 사용할 수 있는 능력은 혁신, 성장 및 경쟁력의 토대입니다.
고품질 데이터 생태계는 조직이 새로운 기회를 파악하고 포착할 수 있게 해주는 변화와 혁신의 원동력입니다. 동시에 낮은 데이터 품질은 비효율성을 초래하고 조직을 규제 및 평판 위험에 노출시킬 수 있습니다.
GLEIF는 LEI 데이터의 품질, 신뢰성 및 사용 편의성을 최적화하기 위해 최선을 다하고 있습니다. 2017년부터 글로벌 LEI 시스템에서 달성한 전반적인 데이터 품질 수준을 투명하게 보여주기 위해 월간 전용 보고서를 발행하고 있습니다.
이 새로운 블로그 시리즈에서는 GLEIF의 데이터 품질 이니셔티브에 대한 업계의 폭넓은 이해와 인식을 돕기 위해 보고서에 포함된 주요 메트릭을 살펴봅니다.
이번 달 블로그에서는 "누가 누구를 소유하는가?"라는 질문에 대한 답을 제공하는 레벨 2 이해도를 살펴봅니다
레벨 1 데이터는 "누가 누구인가?"라는 질문에 답하지만, 오늘날과 같이 상호 연결된 금융 세계에서 투명성은 회사의 이름이나 등록 번호를 아는 것 이상으로 그 배후에 누가 있는지를 이해하는 것입니다. 이를 가능하게 하기 위해"누가 누구를 소유하는가?"라는 질문에 답하기 위해 레벨 2 데이터가 도입되었습니다.
글로벌 LEI 시스템(GLEIS) 내에서 레벨 2 데이터는 직접 및 최종 회계 연결 모기업뿐만 아니라 해외 지사 및 투자 펀드도 식별하여 관계를 파악합니다.
직접 회계 연결 모기업은 재무제표에서 법인을 연결하는 가장 낮은 수준의 회사입니다. 이와 대조적으로 최종 회계 연결 모기업은 모기업이 없는 최상위 수준의 회사입니다.
GLEIF는 월간 보고서를 통해 이 관계 데이터를 추적 및 게시하여 모기업 관계 보고의 완전성에 대한 투명성을 제공합니다. 모기업 관계 메트릭은 직접 및 최종 모기업과 지사를 포함하여 하나 이상의 유효한 모기업 법인(게시 또는 만료)이 있는 LEI 기록의 수를 계산하며, 보고 예외는 제외합니다. 2025년 10월 현재 135,451개의 LEI가 모기업 관계 메트릭을 충족했습니다. 완전한 모기업 정보에는 완전하고 검증된 모기업 세부 정보가 포함된 LEI 기록의 수가 표시되며, 같은 달 전체 LEI 모집단의 93.13%인 2,892,126개의 LEI를 차지합니다.
이러한 지표는 모기업 및 소유권 관계가 GLEIS 전반에 걸쳐 얼마나 포괄적으로 공개 및 유지되고 있는지에 대한 명확한 그림을 제공하며, 글로벌 금융 생태계의 신뢰, 책임 및 투명성을 향상시키려는 GLEIF의 사명을 강화합니다. 이러한 가시성은 규제기관, 기업, 애널리스트가 개별 법인이 아닌 전체 기업 그룹의 위험을 평가하여 재무 안정성, 컴플라이언스 및 책임 투자 관행을 강화하는 데 도움이 됩니다.
법인이 스스로를 투자 펀드로 신고하는 경우, 이는 다수의 투자자가 실질적으로 소유하고 자산 운용사 또는 경우에 따라 펀드 자체에서 이들을 대신하여 관리하는 집합 투자 체계로 정의됩니다. 2025년 10월 현재 GLEIS에 투자 펀드로 등록된 법인은 150,774개이며, 이들은 크게 세 가지 유형의 펀드 관계로 분류됩니다:
펀드 관리 법인: 펀드의 구성, 운영, 위험 관리를 담당하는 법인.
엄브렐러 구조: 투자 목적, 투자자, 자산과 부채가 분리된 여러 하위 펀드를 포함하는 모회사로, 각각 다른 투자 목적, 투자자, 분리된 자산과 부채를 가지고 있습니다.
마스터-피더 구조: 하나 이상의 피더 펀드가 단일 마스터 펀드에 독점적으로 또는 거의 전적으로 투자하는 구조입니다.
레벨 2 보고 강화
GLEIS의 기반이 되는 데이터 투명성의 토대를 강화하기 위해 GLEIF는 레벨 2 보고를 통해 관계 데이터의 품질과 무결성을 지속적으로 개선하기 위해 최선을 다하고 있습니다.
레벨 2 보고를 강화하기 위한 최근의 주요 이니셔티브에는 엄격한 데이터 품질 점검 추가와 정책 적합성 플래그(PCF) 도입이 포함됩니다. 이와 동시에 GLEIF는 관계 데이터 추출의 자동화 및 정확성을 더욱 향상하기 위해 인공지능(AI)의 사용을 모색하고 있습니다:
11월 13일부터 시행되는 2025년 규칙 설정 업데이트의 일환으로 GLEIF는 관계 데이터의 정확성과 일관성을 더욱 향상시키기 위해 새로운 데이터 품질 점검을 도입했으며, 이는 향후 보고서와 DQ 대시보드에 반영될 예정입니다. 이러한 점검은 보고된 법인 간의 링크가 논리적이고 확립된 관계 보고 규칙 및 데이터 품질 표준을 준수하는지 확인하기 위해 고안되었습니다. 구체적인 점검 사항으로는 지점의 본사 주소가 본사의 법적 주소와 일치하는지, 그 반대의 경우도 마찬가지인지 확인, 이전 시 관계의 등록 상태가 일치하는지 확인, 법인의 법적 형태가 그러한 관계를 금지하는 경우 법인이 다른 법인을 통합하지 않는지 확인, 모기업의 법적 형태에 따라 다른 법인을 통합할 것으로 예상되지 않는 경우 모기업 관계를 보고하지 않는지 확인 등이 있습니다.
또한 순환 관계를 방지하고 모든 직계 모기업과 그 자회사가 동일한 최종 모기업 또는 동일한 보고 예외에 수렴하도록 함으로써 보고된 직계 모기업 연쇄의 무결성을 지속적으로 지원합니다. 이를 통해 비지점 법인이 관계 기록과 충돌하지 않도록 예외를 신중하게 관리하면서 완전하고 별개의 모기업 정보를 보고하는지 확인하고, 기록이 비활성 상태일 때 자식 관계가 올바른 등록 상태를 사용하는지 확인합니다.
2024년 4월에 출시된 PCF는 각 LEI 기록이 규제감독위원회(ROC) 정책을 충족하는지 여부를 판단하는 간단한 도구입니다. 적합 상태를 결정하는 기준 중 하나는 레벨 2 보고입니다. 레벨 2 보고가 완료되었다는 것은 법인이 직접 및 최종 모기업에 대한 데이터를 보고했거나 이 데이터를 보고하지 않은 것에 대한 허용 가능한 사유 중 하나를 제공했음을 의미합니다.
적합 상태의 법인은 투명성과 책임에 대한 강한 의지를 보여줍니다. 이들의 검증된 소유권 정보를 통해 보다 효과적인 거래 모니터링과 기업 구조를 보다 명확하게 파악할 수 있습니다. PCF는 출범 이후 2024년 4월 87.97%에서 2025년 10월 89.62%로 적합성 수준이 상승하는 등 레벨 2 데이터 품질의 측정 가능한 개선에 기여했습니다.
GLEIF는 또한 구조화되지 않은 연례 보고서에서 모-자회사 관계 추출을 자동화하기 위해 AI를 시범적으로 사용했습니다. 이 접근 방식은 대규모 언어 모델(LLM)을 활용하여 기업의 연례 보고서를 직접 읽고 구조화된 자회사 목록을 생성한 후 다단계 검증 프로세스를 통해 이를 구체화합니다. 이 파일럿은 AI 기반 추출이 실현 가능하고 수동 방식과 비교할 수 있을 만큼 유사하게 많은 수의 법인을 식별하고 수동 검토에서 간과하는 자회사를 포착할 수 있음을 입증했습니다. AI 정확도는 계속 개선되고 있지만, 초기 결과에 따르면 자동화된 방식과 수작업 방식을 결합하면 가까운 미래에 가장 포괄적인 범위를 제공할 수 있을 것으로 보입니다. 아직 초기 단계이기는 하지만, 이 연구는 기존의 데이터 검증 및 분석 프로세스를 보완할 수 있는 AI의 잠재력을 강조합니다.
데이터를 기회로 전환
이러한 이니셔티브는 함께 LEI 기록이 정확하고 신뢰할 수 있으며 관할 지역 간 상호 운용성을 유지하는 데 필수적인 역할을 하고 있습니다. 데이터 사용자, 규제기관 및 기관이 이러한 고품질 데이터 세트에 점점 더 의존함에 따라 더욱 지능적인 시스템을 구축하고 컴플라이언스 자동화를 개선하며 글로벌 소유 구조에 대한 심층적인 통찰력을 확보할 수 있게 되어 궁극적으로 디지털 생태계 전반에서 신뢰, 책임 및 혁신을 촉진할 수 있게 됩니다.
블로그 게시물에 댓글을 추가하려면 영어 GLEIF 웹사이트 블로그 기능을 이용하여 댓글을 추가해주십시오. 이름과 성을 써서 자신이 누구인지 밝혀주십시오. 이름은 댓글 옆에 표시됩니다. 이메일 주소는 공개되지 않습니다. 토론 게시판을 이용하거나 게시물을 등록하는 것은 GLEIF 블로그 정책 약관을 준수하는 것에 동의하는 행위이므로, 해당 약관을 주의 깊게 읽어주십시오.
조니차 마놀로바는 Global Legal Entity Identifier Foundation(GLEIF) 데이터 품질 관리 및 데이터 과학 팀을 이끌고 있습니다. 2018년 4월부터 혁신적인 데이터 분석 접근 방식을 도입하여 확립된 데이터 품질 및 데이터 거버넌스 프레임워크를 향상하고 개선하는 일을 맡고 있습니다. 과거에는 PwC Forensics의 국제 금융 조사에서 포렌식 데이터 분석 프로젝트를 관리했습니다. 독일 마르부르크 필리프 대학교에서 기계 학습에 중점을 둔 컴퓨터 공학 학위를 이수했습니다.
