AI несиелік тәуекелді модельдеу: Несиелік тәуекел операцияларын оңтайландыру

• автор:
• Автордың аты-жөні

  Кванттық болжау
• Ақпан 27, 2023

Несиелік тәуекелді модельдеу проблемасы банктерді ондаған жылдар бойы мазалап келеді. Машиналық оқыту және жасанды интеллект (ML/AI) жүйелері тартылған деректерді талдаудың жаңа әдістерін ұсынады және анағұрлым динамикалық, дәлірек үлгілерді ұсынады.

AI несиелік тәуекелді модельдеу контексті

Несиелік тәуекел қарыз алушының несие бойынша төлемдерін орындамау тәуекелін білдіреді, нәтижесінде несие беруші үшін ақша ағындары жоғалады. Бұл тәуекелді бағалау және басқару үшін несие берушілер дефолт ықтималдығы (PD), дефолт кезіндегі әсер ету (EAD) және шығынға байланысты дефолт (LGD) сияқты факторларды бағалауы керек. 2004 жылы жарияланған және 2008 жылы енгізілген Базель II нұсқаулары банк саласында несиелік тәуекелді басқарудың ережелерін қамтамасыз етеді. Базель II бірінші тірегі бойынша несиелік тәуекел стандартталған, ішкі негіз рейтингіне негізделген немесе кеңейтілген ішкі рейтингтерге негізделген тәсіл арқылы есептелуі мүмкін.

Деректер талдауын және AI/ML қолдану несиелік тәуекелді модельдеуде көбірек таралған. Статистикалық әдістер және несиелік ұпайлар сияқты дәстүрлі тәсілдер сызықтық емес қатынастарды жақсырақ өңдей алатын және деректердегі жасырын мүмкіндіктерді анықтай алатын неғұрлым жетілдірілген әдістермен толықтырылды. Тұтынушылық несиелеу, демографиялық, қаржылық, жұмыспен қамту және мінез-құлық деректері олардың болжау мүмкіндігін жақсарту үшін үлгілерге біріктірілуі мүмкін. Стандартты несиелік балл болмаған бизнесті несиелендіруде несие берушілер несие қабілеттілігін бағалау үшін бизнес табыстылық көрсеткіштерін пайдалана алады. Машиналық оқыту әдістерін дәлірек үлгілерді құру үшін өлшемді азайту үшін де пайдалануға болады.

Деструктивті әсер

Несие тәуекелінің AI моделін енгізу арқылы тұтынушылық және бизнесті несиелеу несиелеудің дәлірек және серпінді үлгілерін қолдана алады. Бұл модельдер несие берушілерге өздерінің қарыз алушыларын жақсырақ бағалауға мүмкіндік береді және сау несие нарығына мүмкіндік береді. Бұл стратегия бизнес-несие берушілер үшін тиімді, өйткені кішігірім кәсіпорындарда тұтынушылар үшін стандартты несиелік ұпайлар жұмыс істейтіндей олардың несие қабілеттілігін бағалау үшін ешқандай критерий жоқ.

Несиелік тәуекелді модельдеудегі AI әлеуетті қолданбаларының бірі компания есептері мен жаңалықтар мақалалары сияқты құрылымдалмаған деректерді талдау, тиісті ақпаратты алу және қарыз алушының қаржылық жағдайын тереңірек түсіну үшін табиғи тілді өңдеуді (NLP) пайдалану болып табылады. Басқа әлеуетті пайдалану үлгінің шешім қабылдау процесін түсінуге және ашықтық пен есептілікті жақсартуға мүмкіндік беретін түсіндірілетін AI (XAI) енгізу болып табылады. Дегенмен, несиелік тәуекелді модельдеуде AI пайдалану сонымен қатар модельдерді оқыту үшін пайдаланылатын деректердегі ықтимал ауытқу және жауапты және түсінікті шешім қабылдау қажеттілігі сияқты этикалық мәселелерді тудырады.

Несиелік тәуекелде AI пайдалануды зерттейтін компанияның мысалы Spin Analytics болып табылады. Стартап қаржы институттары үшін несиелік тәуекелді модельдеуді реттеу есептерін автоматты түрде жазу үшін AI пайдаланады. Компанияның RiskRobot платформасы АҚШ және Еуропа сияқты әртүрлі аймақтардағы ережелерге сәйкестікті қамтамасыз ету үшін банктерге деректерді өңдеуден бұрын біріктіруге, біріктіруге және тазалауға көмектеседі. Ол сонымен қатар дәлдікті қамтамасыз ету үшін реттеушілерге егжей-тегжейлі есептер жазады. Бұл есептерді жазу әдетте 6-9 айға созылады, бірақ Spin Analytics бұл уақытты екі аптадан аз уақытқа дейін қысқартуы мүмкін дейді. 

AI несиелік тәуекелді модельдеу қолданбалары

AI несиелік тәуекелді модельдеудің кейбір қолданбалары мыналарды қамтуы мүмкін:

• Қаржы институттарына жаңа өнімдерді тезірек және төмен бағамен шығаруға мүмкіндік беретін егжей-тегжейлі есептерді шығаруға қажетті уақыт пен күш-жігерді айтарлықтай қысқарту үшін несиелік тәуекелді модельдеуде AI қолданатын банктер.
• AI-мен жұмыс істейтін жүйелер үлкен көлемдегі деректерді адамдарға қарағанда тезірек және дәлірек талдау үшін қолданылады, бұл ықтимал тәуекелдерді дәлірек бағалауға әкеледі.
• Дамушы әлемде көбірек «банксіз» немесе «банксіз» адамдар мен кәсіпорындар қаржылық қызметтерге қол жеткізеді, өйткені несиелік тәуекелді модельдеудің осы жаңа құралдары осы жеткіліксіз қызмет көрсетілетін нарыққа негізгі несие ұпайларын анықтау және қолдану үшін қолданылуы мүмкін.
• Адам аналитиктері қателер қаупін азайту үшін AI негізіндегі құралдарды қолдануға үйретілуде.
• Жасанды интеллект жүйелері қаржылық институттарға алаяқтық несиелер немесе несиелік өтінімдер тәуекелін азайтуға көмектесетін алаяқтық әрекеттердің үлгілерін анықтау үшін пайдаланылады.
• Болашақ тәуекелдер туралы болжам жасау үшін тарихи деректер бойынша машиналық оқыту алгоритмдері оқытылады, бұл қаржы институттарына ықтимал тәуекелдерді алдын ала басқаруға мүмкіндік береді.

Түсініктеме беруге арналған сұрақтар

• Сіздің ойыңызша, бизнес несие қабілеттілігін бағалау үшін қандай көрсеткішті қолдануы керек?
• AI болашақта адамның несиелік тәуекелді талдаушылардың рөлін өзгертетінін қалай елестетесіз?