AI ڪريڊٽ جي خطري جي ماڊلنگ: ڪريڊٽ جي خطري جي عملن کي منظم ڪرڻ

• الاهي:
• ليکڪ جو نالو

  Quantumrun اڳڪٿي
• فيبروري 27، 2023

ڪريڊٽ جي خطري کي ماڊل ڪرڻ جو مسئلو ڏهاڪن تائين بينڪن کي ڇڪايو آهي. مشين لرننگ ۽ مصنوعي ذهانت (ML/AI) سسٽم شامل ڪيل ڊيٽا جو تجزيو ڪرڻ ۽ وڌيڪ متحرڪ، وڌيڪ صحيح ماڊل مهيا ڪرڻ لاءِ نوان طريقا پيش ڪن ٿا.

AI ڪريڊٽ جي خطري جي ماڊلنگ جي حوالي سان

ڪريڊٽ جو خطرو ان خطري ڏانهن اشارو ڪري ٿو جيڪو قرض وٺندڙ پنهنجي قرض جي ادائيگي تي ڊفالٽ ڪندو، نتيجي ۾ قرض ڏيندڙ لاءِ نقد وهڪري جو نقصان. هن خطري جو جائزو وٺڻ ۽ ان کي منظم ڪرڻ لاءِ، قرض ڏيندڙن کي فڪٽرن جو اندازو لڳائڻ گهرجي جيئن ته ڊفالٽ جي امڪاني (PD)، نمائش تي ڊفالٽ (EAD)، ۽ نقصان ڏنو ويو ڊفالٽ (LGD). باسل II هدايتون، 2004 ۾ شايع ٿيل ۽ 2008 ۾ لاڳو ٿيل، بينڪن جي صنعت ۾ ڪريڊٽ جي خطري کي منظم ڪرڻ لاء ضابطا مهيا ڪن ٿا. باسل II جي پهرين ستون جي تحت، ڪريڊٽ جي خطري جو حساب ڪري سگهجي ٿو هڪ معياري، اندروني بنيادن جي درجه بندي جي بنياد تي، يا ترقي يافته اندروني درجه بندي جي بنياد تي.

ڊيٽا اينالائيٽڪس ۽ AI / ML جو استعمال ڪريڊٽ جي خطري جي ماڊلنگ ۾ تمام گهڻو وڌي چڪو آهي. روايتي طريقا، جهڙوڪ شمارياتي طريقا ۽ ڪريڊٽ سکور، وڌيڪ ترقي يافته ٽيڪنڪ جي ذريعي مڪمل ڪيا ويا آهن جيڪي بهتر طور تي غير لڪير رشتي کي هٿي وٺن ۽ ڊيٽا ۾ ويڪرائي خاصيتن جي سڃاڻپ ڪري سگھن ٿيون. صارفين جي قرض، ڊيموگرافڪ، مالي، روزگار، ۽ رويي جي ڊيٽا سڀني کي ماڊل ۾ شامل ڪري سگھجي ٿو انهن جي پيش گوئي جي صلاحيت کي بهتر ڪرڻ لاء. ڪاروباري قرضن ۾، جتي ڪو به معياري ڪريڊٽ سکور نه آهي، قرضدار شايد ڪاروباري منافعي جي ميٽرڪ استعمال ڪري سگھن ٿا ڪريڊٽ جي قابليت جو جائزو وٺڻ لاء. مشين سکيا جا طريقا به استعمال ڪري سگھجن ٿا dimensionality جي گھٽتائي لاءِ وڌيڪ صحيح ماڊل ٺاهڻ لاءِ.

خراب ڪندڙ اثر

AI ڪريڊٽ جي خطري جي ماڊلنگ تي عمل ڪرڻ سان، صارفين ۽ ڪاروباري قرضن کي وڌيڪ صحيح ۽ متحرڪ قرض ڏيڻ جا ماڊل ملازمت ڪري سگھن ٿا. اهي ماڊل قرض ڏيندڙن کي انهن جي قرضدارن جو بهتر جائزو ڏين ٿا ۽ صحت مند قرض ڏيڻ واري مارڪيٽ جي اجازت ڏين ٿا. هي حڪمت عملي ڪاروباري قرض ڏيندڙن لاءِ فائديمند آهي، ڇاڪاڻ ته ننڍن ادارن وٽ ڪو به معيار نه هوندو آهي ته جيئن انهن جي اعتبار جو اندازو لڳائي سگهجي، ساڳيءَ طرح صارفين لاءِ معياري ڪريڊٽ سکور جو ڪم.

ڪريڊٽ جي خطري جي ماڊلنگ ۾ AI جي هڪ امڪاني درخواست قدرتي ٻولي پروسيسنگ (NLP) استعمال ڪري رهي آهي غير منظم ڊيٽا جو تجزيو ڪرڻ لاءِ، جهڙوڪ ڪمپني رپورٽون ۽ خبرون آرٽيڪل، لاڳاپيل معلومات ڪڍڻ ۽ قرض وٺندڙ جي مالي صورتحال جي گهڻي ڄاڻ حاصل ڪرڻ لاءِ. ٻيو امڪاني استعمال قابل وضاحت AI (XAI) جو نفاذ آهي، جيڪو هڪ ماڊل جي فيصلي سازي جي عمل ۾ بصيرت مهيا ڪري سگهي ٿو ۽ شفافيت ۽ احتساب کي بهتر بڻائي ٿو. جڏهن ته، ڪريڊٽ جي خطري جي ماڊلنگ ۾ AI استعمال ڪندي اخلاقي خدشات پڻ وڌائي ٿو، جهڙوڪ ماڊل کي تربيت ڏيڻ لاء استعمال ڪيل ڊيٽا ۾ امڪاني تعصب ۽ ذميوار ۽ وضاحت جي فيصلي جي ضرورت آهي.

ڪريڊٽ جي خطري ۾ AI جي استعمال کي ڳولڻ واري ڪمپني جو هڪ مثال اسپين اينالائيٽڪس آهي. شروعاتي AI استعمال ڪري ٿو پاڻمرادو لکڻ لاءِ ڪريڊٽ ريسڪ ماڊلنگ ريگيوليشن رپورٽون مالي ادارن لاءِ. ڪمپني جو پليٽ فارم، RiskRobot، بينڪن کي ڊيٽا کي گڏ ڪرڻ، ضم ڪرڻ ۽ صاف ڪرڻ ۾ مدد ڪري ٿو ان کي پروسيس ڪرڻ کان اڳ مختلف علائقن، جهڙوڪ آمريڪا ۽ يورپ ۾ ضابطن جي تعميل کي يقيني بڻائڻ لاءِ. اهو پڻ ريگيوليٽرز لاء تفصيلي رپورٽون لکندو آهي انهي جي درستگي کي يقيني بڻائڻ لاء. انهن رپورٽن کي لکڻ ۾ عام طور تي 6-9 مهينا لڳن ٿا، پر اسپين تجزياتي دعويٰ ڪري ٿو ته اهو ان وقت کي گهٽائي سگھي ٿو ٻن هفتن کان به گهٽ. 

AI ڪريڊٽ جي خطري جي ماڊلنگ جون درخواستون

AI ڪريڊٽ جي خطري جي ماڊلنگ جي ڪجهه ايپليڪيشنن ۾ شامل ٿي سگھي ٿي:

• بئنڪون AI استعمال ڪندي ڪريڊٽ جي خطري جي ماڊلنگ ۾ خاص طور تي وقت ۽ ڪوشش کي گھٽائڻ لاءِ تفصيلي رپورٽون تيار ڪرڻ جي لاءِ، مالي ادارن کي اجازت ڏئي ٿي ته نئين پروڊڪٽس کي وڌيڪ تيزيءَ سان ۽ گهٽ قيمت تي لانچ ڪن.
• AI-طاقتور سسٽم کي ملازم ڪيو پيو وڃي ڊيٽا جي وڏي مقدار جو تجزيو ڪرڻ لاءِ انسانن جي ڀيٽ ۾ وڌيڪ جلدي ۽ صحيح طور تي، ممڪن طور تي وڌيڪ صحيح خطري جي جائزي جي ڪري.
• ترقي پذير دنيا ۾ وڌيڪ 'غير بئنڪ ٿيل' يا 'انڊر بئنڪڊ' ماڻهو ۽ ڪاروبار مالي خدمتن تائين رسائي حاصل ڪري رهيا آهن جيئن اهي ناول ڪريڊٽ جي خطري جي ماڊلنگ جا اوزار سمجهي سگهجن ٿا ۽ بنيادي ڪريڊٽ سکور کي هن غير محفوظ مارڪيٽ تي لاڳو ڪري سگهن ٿا.
• انساني تجزيه نگارن کي تربيت ڏني پئي وڃي AI تي ٻڌل اوزار استعمال ڪرڻ لاءِ غلطين جي خطري کي گهٽائڻ لاءِ.
• مصنوعي انٽيليجنس سسٽم استعمال ڪيو پيو وڃي دوکي جي سرگرمين جي نمونن کي ڳولڻ لاء، مالي ادارن جي مدد ڪري فريب قرضن يا ڪريڊٽ ايپليڪيشنن جي خطري کي گهٽائڻ ۾.
• مشين لرننگ الگورتھم کي تربيت ڏني پئي وڃي تاريخي ڊيٽا تي مستقبل جي خطري بابت اڳڪٿيون ڪرڻ لاءِ، مالي ادارن کي اجازت ڏئي ٿي ته هو فعال طور تي امڪاني خطري جي نمائش کي منظم ڪن.

تبصرو ڪرڻ لاء سوال

• توهان ڪهڙي ميٽرڪ تي يقين رکو ٿا ڪاروبار کي استعمال ڪرڻ گهرجي انهن جي ڪريڊٽ جي معيار جي معيار لاءِ؟
• توهان مستقبل ۾ انساني ڪريڊٽ جي خطري جي تجزيه نگارن جي ڪردار کي تبديل ڪندي AI کي ڪيئن تصور ڪندا آهيو؟