Modelització del risc de crèdit d'IA: racionalització de les operacions de risc de crèdit

• autor:
• nom de l'autor

  Previsió de Quantumrun
• Febrer 27, 2023

El problema de la modelització del risc de crèdit ha afectat els bancs durant dècades. Els sistemes d'aprenentatge automàtic i intel·ligència artificial (ML/AI) ofereixen nous mètodes per analitzar les dades implicades i proporcionar models més dinàmics i precisos.

Context de modelització del risc de crèdit d'IA

El risc de crèdit es refereix al risc que un prestatari no compleixi els pagaments dels seus préstecs, la qual cosa comporta una pèrdua de fluxos d'efectiu per al prestador. Per avaluar i gestionar aquest risc, els prestadors han d'estimar factors com ara la probabilitat d'incompliment (PD), l'exposició en cas d'incompliment (EAD) i l'incompliment per pèrdua (LGD). Les directrius de Basilea II, publicades el 2004 i implementades el 2008, proporcionen regulacions per a la gestió del risc de crèdit en el sector bancari. Sota el primer pilar de Basilea II, el risc de crèdit es pot calcular mitjançant un enfocament estandarditzat, basat en la qualificació de la fundació interna o un enfocament avançat basat en qualificacions internes.

L'ús de l'anàlisi de dades i l'IA/ML s'ha fet cada cop més freqüent en la modelització del risc de crèdit. Els enfocaments tradicionals, com els mètodes estadístics i les puntuacions de crèdit, s'han complementat amb tècniques més avançades que poden gestionar millor les relacions no lineals i identificar les característiques latents de les dades. Les dades de préstecs al consumidor, demogràfiques, financeres, laborals i de comportament es poden incorporar als models per millorar la seva capacitat predictiva. En els préstecs empresarials, on no hi ha una puntuació de crèdit estàndard, els prestadors poden utilitzar mètriques de rendibilitat empresarial per avaluar la solvència. Els mètodes d'aprenentatge automàtic també es poden utilitzar per reduir la dimensionalitat per crear models més precisos.

Impacte disruptiu

Amb la implementació del model de risc de crèdit d'IA, els préstecs al consumidor i a les empreses poden utilitzar models de préstecs més precisos i dinàmics. Aquests models ofereixen als prestadors una millor avaluació dels seus prestataris i permeten un mercat de préstecs més saludable. Aquesta estratègia és beneficiosa per als prestadors empresarials, ja que les empreses més petites no tenen cap punt de referència per jutjar la seva solvència de la mateixa manera que funcionen les puntuacions de crèdit estàndard per als consumidors.

Una possible aplicació de la IA en el modelatge del risc de crèdit és utilitzar el processament del llenguatge natural (NLP) per analitzar dades no estructurades, com ara informes d'empresa i articles de notícies, per extreure informació rellevant i obtenir una comprensió més profunda de la situació financera d'un prestatari. Un altre ús potencial és la implementació d'IA explicable (XAI), que pot proporcionar informació sobre el procés de presa de decisions d'un model i millorar la transparència i la responsabilitat. Tanmateix, l'ús de la IA en la modelització del risc de crèdit també planteja preocupacions ètiques, com ara un possible biaix en les dades utilitzades per formar models i la necessitat de prendre decisions responsable i explicable.

Un exemple d'una empresa que explora l'ús de la IA en el risc de crèdit és Spin Analytics. La startup utilitza IA per escriure automàticament informes de regulació de modelització de risc de crèdit per a institucions financeres. La plataforma de l'empresa, RiskRobot, ajuda els bancs a agregar, fusionar i netejar les dades abans de processar-les per garantir el compliment de les normatives de diferents regions, com ara els EUA i Europa. També redacta informes detallats per als reguladors per garantir la precisió. L'escriptura d'aquests informes sol trigar entre 6 i 9 mesos, però Spin Analytics afirma que pot reduir aquest temps a menys de dues setmanes. 

Aplicacions de la modelització del risc de crèdit d'IA

Algunes aplicacions del modelatge de risc de crèdit d'IA poden incloure:

• Els bancs utilitzen IA en la modelització del risc de crèdit per reduir significativament el temps i l'esforç necessaris per produir informes detallats, permetent a les institucions financeres llançar nous productes més ràpidament i a un cost més baix.
• S'utilitzen sistemes basats en intel·ligència artificial per analitzar grans quantitats de dades amb més rapidesa i precisió que els humans, cosa que podria conduir a avaluacions de risc més precises.
• Més persones i empreses "no bancàries" o "subbancaritzades" del món en desenvolupament que accedeixen als serveis financers, ja que aquestes noves eines de modelització de risc de crèdit es poden aplicar per discernir i aplicar puntuacions creditícies bàsiques a aquest mercat poc servit.
• Els analistes humans estan formats per utilitzar eines basades en IA per reduir el risc d'errors.
• S'utilitzen sistemes d'intel·ligència artificial per detectar patrons d'activitat fraudulenta, ajudant a les institucions financeres a reduir el risc de préstecs o sol·licituds de crèdit fraudulentes.
• S'estan entrenant algorismes d'aprenentatge automàtic amb dades històriques per fer prediccions sobre el risc futur, cosa que permet a les institucions financeres gestionar de manera proactiva les possibles exposició al risc.

Preguntes per comentar

• Quina mètrica creus que haurien d'utilitzar les empreses per comparar la seva solvència?
• Com penseu que la IA canviarà el paper dels analistes de risc de crèdit humà en el futur?