គំរូហានិភ័យឥណទាន AI៖ ធ្វើឱ្យប្រតិបត្តិការហានិភ័យឥណទានប្រសើរឡើង

• អ្នកនិពន្ធ:
• ឈ្មោះអ្នកនិពន្ធ

  ការទស្សន៍ទាយ Quantumrun
• ខែកុម្ភៈ 27, 2023

បញ្ហានៃគំរូហានិភ័យឥណទានបានញាំញីធនាគារអស់ជាច្រើនទសវត្សរ៍មកហើយ។ ប្រព័ន្ធរៀនម៉ាស៊ីន និងបញ្ញាសិប្បនិមិត្ត (ML/AI) ផ្តល់នូវវិធីសាស្រ្តថ្មីក្នុងការវិភាគទិន្នន័យដែលពាក់ព័ន្ធ និងផ្តល់នូវគំរូដែលមានភាពស្វាហាប់ និងត្រឹមត្រូវជាងមុន។

បរិបទគំរូហានិភ័យឥណទាន AI

ហានិភ័យឥណទានសំដៅទៅលើហានិភ័យដែលអ្នកខ្ចីនឹងខកខានការទូទាត់ប្រាក់កម្ចីរបស់ពួកគេ ដែលបណ្តាលឱ្យបាត់បង់លំហូរសាច់ប្រាក់សម្រាប់អ្នកឱ្យខ្ចី។ ដើម្បីវាយតម្លៃ និងគ្រប់គ្រងហានិភ័យនេះ អ្នកឱ្យខ្ចីត្រូវតែប៉ាន់ប្រមាណកត្តាដូចជាប្រូបាប៊ីលីតេនៃលំនាំដើម (PD) ការប៉ះពាល់នៅលំនាំដើម (EAD) និងលំនាំដើមដែលផ្តល់ឱ្យការបាត់បង់ (LGD) ។ គោលការណ៍ណែនាំរបស់ Basel II ដែលបានបោះពុម្ពក្នុងឆ្នាំ 2004 និងបានអនុវត្តក្នុងឆ្នាំ 2008 ផ្តល់នូវបទប្បញ្ញត្តិសម្រាប់ការគ្រប់គ្រងហានិភ័យឥណទាននៅក្នុងឧស្សាហកម្មធនាគារ។ នៅក្រោមសសរស្តម្ភទីមួយនៃ Basel II ហានិភ័យឥណទានអាចត្រូវបានគណនាដោយប្រើស្តង់ដារ ការវាយតម្លៃផ្អែកលើមូលដ្ឋានខាងក្នុង ឬវិធីសាស្រ្តផ្អែកលើការវាយតម្លៃផ្ទៃក្នុងកម្រិតខ្ពស់។

ការប្រើប្រាស់ការវិភាគទិន្នន័យ និង AI/ML កាន់តែរីករាលដាលនៅក្នុងគំរូហានិភ័យឥណទាន។ វិធីសាស្រ្តបែបប្រពៃណី ដូចជាវិធីសាស្ត្រស្ថិតិ និងពិន្ទុឥណទានត្រូវបានបំពេញបន្ថែមដោយបច្ចេកទេសកម្រិតខ្ពស់បន្ថែមទៀត ដែលអាចដោះស្រាយទំនាក់ទំនងដែលមិនមែនជាលីនេអ៊ែរបានប្រសើរជាងមុន និងកំណត់លក្ខណៈមិនទាន់ឃើញច្បាស់នៅក្នុងទិន្នន័យ។ ការផ្តល់ប្រាក់កម្ចីអតិថិជន ទិន្នន័យប្រជាសាស្រ្ត ហិរញ្ញវត្ថុ ការងារ និងអាកប្បកិរិយាអាចត្រូវបានដាក់បញ្ចូលទៅក្នុងគំរូដើម្បីបង្កើនសមត្ថភាពព្យាករណ៍របស់ពួកគេ។ នៅក្នុងការផ្តល់ប្រាក់កម្ចីអាជីវកម្ម ដែលជាកន្លែងដែលមិនមានពិន្ទុឥណទានស្តង់ដារ អ្នកផ្តល់ប្រាក់កម្ចីអាចប្រើរង្វាស់ប្រាក់ចំណេញអាជីវកម្មដើម្បីវាយតម្លៃភាពសក្តិសមនៃឥណទាន។ វិធីសាស្ត្ររៀនម៉ាស៊ីនក៏អាចត្រូវបានប្រើសម្រាប់ការកាត់បន្ថយវិមាត្រ ដើម្បីបង្កើតគំរូត្រឹមត្រូវបន្ថែមទៀត។

ផលប៉ះពាល់រំខាន

ជាមួយនឹងការអនុវត្តគំរូហានិភ័យឥណទាន AI ការផ្តល់ប្រាក់កម្ចីអតិថិជន និងអាជីវកម្មអាចប្រើប្រាស់គំរូផ្តល់ប្រាក់កម្ចីដែលមានភាពត្រឹមត្រូវ និងថាមវន្តជាងមុន។ គំរូទាំងនេះផ្តល់ឱ្យអ្នកខ្ចីនូវការវាយតម្លៃកាន់តែប្រសើរឡើងអំពីអ្នកខ្ចីរបស់ពួកគេ និងអនុញ្ញាតឱ្យមានទីផ្សារផ្តល់ប្រាក់កម្ចីដែលមានសុខភាពល្អជាងមុន។ យុទ្ធសាស្រ្តនេះគឺមានអត្ថប្រយោជន៍សម្រាប់អ្នកផ្តល់ប្រាក់កម្ចីអាជីវកម្ម ដោយសារសហគ្រាសតូចៗមិនមានស្តង់ដារដើម្បីវិនិច្ឆ័យភាពសក្តិសមនៃឥណទានរបស់ពួកគេតាមរបៀបដូចគ្នាទៅនឹងពិន្ទុឥណទានស្តង់ដារសម្រាប់អ្នកប្រើប្រាស់។

កម្មវិធីដ៏មានសក្តានុពលមួយនៃ AI នៅក្នុងគំរូហានិភ័យឥណទានគឺការប្រើដំណើរការភាសាធម្មជាតិ (NLP) ដើម្បីវិភាគទិន្នន័យដែលមិនមានរចនាសម្ព័ន្ធ ដូចជារបាយការណ៍របស់ក្រុមហ៊ុន និងអត្ថបទព័ត៌មាន ដើម្បីទាញយកព័ត៌មានដែលពាក់ព័ន្ធ និងទទួលបានការយល់ដឹងកាន់តែស៊ីជម្រៅអំពីស្ថានភាពហិរញ្ញវត្ថុរបស់អ្នកខ្ចី។ ការប្រើប្រាស់សក្តានុពលមួយទៀតគឺការអនុវត្ត AI (XAI) ដែលអាចពន្យល់បាន ដែលអាចផ្តល់ការយល់ដឹងអំពីដំណើរការធ្វើការសម្រេចចិត្តនៃគំរូ និងកែលម្អតម្លាភាព និងគណនេយ្យភាព។ ទោះជាយ៉ាងណាក៏ដោយ ការប្រើប្រាស់ AI ក្នុងការបង្កើតគំរូហានិភ័យឥណទានក៏បង្កើនការព្រួយបារម្ភអំពីសីលធម៌ផងដែរ ដូចជាភាពលំអៀងដែលអាចកើតមាននៅក្នុងទិន្នន័យដែលប្រើដើម្បីបណ្តុះបណ្តាលគំរូ និងតម្រូវការសម្រាប់ការសម្រេចចិត្តប្រកបដោយការទទួលខុសត្រូវ និងអាចពន្យល់បាន។

ឧទាហរណ៍នៃក្រុមហ៊ុនដែលរុករកការប្រើប្រាស់ AI ក្នុងហានិភ័យឥណទានគឺ Spin Analytics ។ ការចាប់ផ្តើមប្រើប្រាស់ AI ដើម្បីសរសេររបាយការណ៍បទប្បញ្ញត្តិគំរូហានិភ័យឥណទានដោយស្វ័យប្រវត្តិសម្រាប់ស្ថាប័នហិរញ្ញវត្ថុ។ វេទិការបស់ក្រុមហ៊ុន RiskRobot ជួយធនាគារក្នុងការប្រមូលផ្តុំ បញ្ចូលចូលគ្នា និងសម្អាតទិន្នន័យមុនពេលដំណើរការវា ដើម្បីធានាបាននូវការអនុលោមតាមបទប្បញ្ញត្តិនៅក្នុងតំបន់ផ្សេងៗគ្នា ដូចជាសហរដ្ឋអាមេរិក និងអឺរ៉ុប។ វាក៏សរសេររបាយការណ៍លម្អិតសម្រាប់និយតករដើម្បីធានានូវភាពត្រឹមត្រូវ។ ការសរសេររបាយការណ៍ទាំងនេះជាធម្មតាចំណាយពេល 6-9 ខែ ប៉ុន្តែ Spin Analytics អះអាងថាវាអាចកាត់បន្ថយពេលវេលានោះមកតិចជាងពីរសប្តាហ៍។ 

ការអនុវត្តគំរូហានិភ័យឥណទាន AI

កម្មវិធីមួយចំនួននៃគំរូហានិភ័យឥណទាន AI អាចរួមមាន:

• ធនាគារដែលប្រើប្រាស់ AI ក្នុងការបង្កើតគំរូហានិភ័យឥណទាន ដើម្បីកាត់បន្ថយពេលវេលា និងការខិតខំប្រឹងប្រែងយ៉ាងសំខាន់ក្នុងការផលិតរបាយការណ៍លម្អិត ដែលអនុញ្ញាតឱ្យស្ថាប័នហិរញ្ញវត្ថុចាប់ផ្តើមផលិតផលថ្មីកាន់តែលឿន និងក្នុងតម្លៃទាប។
• ប្រព័ន្ធដែលដំណើរការដោយ AI ដែលកំពុងត្រូវបានប្រើប្រាស់ដើម្បីវិភាគទិន្នន័យដ៏ច្រើនបានលឿន និងត្រឹមត្រូវជាងមនុស្ស ដែលនាំឱ្យមានការវាយតម្លៃហានិភ័យត្រឹមត្រូវជាងមុន។
• មនុស្ស និងអាជីវកម្មដែល 'គ្មានធនាគារ' ឬ 'ធនាគារក្រោមធនាគារ' កាន់តែច្រើនក្នុងប្រទេសកំពុងអភិវឌ្ឍន៍ទទួលបានសិទ្ធិប្រើប្រាស់សេវាកម្មហិរញ្ញវត្ថុ ដោយសារឧបករណ៍គំរូហានិភ័យឥណទានប្រលោមលោកទាំងនេះអាចត្រូវបានអនុវត្តដើម្បីស្វែងយល់ និងអនុវត្តពិន្ទុឥណទានជាមូលដ្ឋានចំពោះទីផ្សារដែលមិនទាន់បានរក្សាទុកនេះ។
• អ្នកវិភាគមនុស្សត្រូវបានបណ្តុះបណ្តាលឱ្យប្រើឧបករណ៍ដែលមានមូលដ្ឋានលើ AI ដើម្បីកាត់បន្ថយហានិភ័យនៃកំហុស។
• ប្រព័ន្ធបញ្ញាសិប្បនិមិត្តដែលកំពុងត្រូវបានប្រើប្រាស់ដើម្បីស្វែងរកគំរូនៃសកម្មភាពក្លែងបន្លំ ជួយស្ថាប័នហិរញ្ញវត្ថុកាត់បន្ថយហានិភ័យនៃកម្ចីក្លែងបន្លំ ឬកម្មវិធីឥណទាន។
• ក្បួនដោះស្រាយការរៀនម៉ាស៊ីនកំពុងត្រូវបានបណ្តុះបណ្តាលលើទិន្នន័យប្រវត្តិសាស្រ្ត ដើម្បីបង្កើតការព្យាករណ៍អំពីហានិភ័យនាពេលអនាគត ដែលអនុញ្ញាតឱ្យស្ថាប័នហិរញ្ញវត្ថុគ្រប់គ្រងយ៉ាងសកម្មនូវហានិភ័យដែលអាចកើតមាន។

សំណួរដើម្បីផ្តល់យោបល់

• តើ​ម៉ែត្រ​មួយ​ណា​ដែល​អ្នក​ជឿ​ថា​អាជីវកម្ម​គួរ​ប្រើ​ដើម្បី​កំណត់​តម្លៃ​ឥណទាន​របស់​ពួកគេ?
• តើអ្នកស្រមៃមើល AI ផ្លាស់ប្តូរតួនាទីរបស់អ្នកវិភាគហានិភ័យឥណទានមនុស្សដោយរបៀបណានាពេលអនាគត?