AI ክሬዲት ስጋት ሞዴሊንግ፡ የብድር ስጋት ስራዎችን ማቀላጠፍ

• ደራሲ:
• የደራሲ ስም

  ኳንተምሩን አርቆ እይታ
• የካቲት 27, 2023

የብድር ስጋትን ሞዴል የማውጣት ችግር ባንኮችን ለብዙ አሥርተ ዓመታት ሲያውክ ቆይቷል። የማሽን መማር እና አርቴፊሻል ኢንተለጀንስ (ML/AI) ሲስተሞች የተመለከተውን መረጃ ለመተንተን እና የበለጠ ተለዋዋጭ እና ትክክለኛ ሞዴሎችን ለማቅረብ አዳዲስ ዘዴዎችን ይሰጣሉ።

AI ክሬዲት ስጋት ሞዴሊንግ አውድ

የክሬዲት ስጋት ተበዳሪው የብድር ክፍያውን ያለመክፈል እና ለአበዳሪው የገንዘብ ፍሰት ኪሳራ ሊያስከትል የሚችለውን አደጋ ያመለክታል. ይህንን አደጋ ለመገምገም እና ለመቆጣጠር አበዳሪዎች እንደ ነባሪ የመሆን እድል (PD)፣ በነባሪ ተጋላጭነት (EAD) እና በኪሳራ የተሰጠ ነባሪ (LGD) ያሉ ሁኔታዎችን መገመት አለባቸው። በ 2004 የታተመው እና በ 2008 የተተገበረው ባዝል II መመሪያዎች በባንክ ኢንዱስትሪ ውስጥ የብድር ስጋትን ለመቆጣጠር ደንቦችን ያቀርባል. በBasel II የመጀመሪያ ምሰሶ ስር፣ የክሬዲት ስጋት ደረጃውን የጠበቀ፣ የውስጥ መሰረት ደረጃ አሰጣጥን መሰረት ያደረገ፣ ወይም የላቀ የውስጥ ደረጃ አሰጣጦችን መሰረት ያደረገ አቀራረብ በመጠቀም ሊሰላ ይችላል።

የዳታ ትንታኔ እና AI/ML አጠቃቀም በብድር ስጋት ሞዴሊንግ ውስጥ እየጨመረ መጥቷል። እንደ ስታቲስቲካዊ ዘዴዎች እና የብድር ውጤቶች ያሉ ባህላዊ አቀራረቦች ቀጥተኛ ያልሆኑ ግንኙነቶችን በተሻለ ሁኔታ ማስተናገድ እና በመረጃው ውስጥ የተደበቁ ባህሪያትን ሊለዩ በሚችሉ በላቁ ቴክኒኮች ተጨምረዋል። የሸማቾች ብድር፣ የስነ ሕዝብ አወቃቀር፣ የገንዘብ፣ የሥራ ስምሪት እና የባህሪ መረጃ ሁሉም የመተንበይ አቅማቸውን ለማሻሻል ወደ ሞዴሎች ውስጥ ሊካተት ይችላል። በቢዝነስ ብድር ውስጥ፣ መደበኛ የብድር ነጥብ በሌለበት፣ አበዳሪዎች የብድር ብቃትን ለመገምገም የንግድ ትርፋማነት መለኪያዎችን ሊጠቀሙ ይችላሉ። ይበልጥ ትክክለኛ የሆኑ ሞዴሎችን ለመገንባት የማሽን የመማሪያ ዘዴዎችን የመጠን ቅነሳን መጠቀም ይቻላል.

የሚረብሽ ተጽእኖ

የ AI ክሬዲት ስጋት ሞዴልን በመተግበር፣ የሸማቾች እና የንግድ ስራ ብድር የበለጠ ትክክለኛ እና ተለዋዋጭ የብድር ሞዴሎችን ሊቀጥሩ ይችላሉ። እነዚህ ሞዴሎች አበዳሪዎች ስለ ተበዳሪዎቻቸው የተሻለ ግምገማ እንዲሰጡ እና ጤናማ የብድር ገበያ እንዲኖር ያስችላል። ይህ ስትራቴጂ ለንግድ አበዳሪዎች ጠቃሚ ነው፣ ምክንያቱም ትናንሽ ኢንተርፕራይዞች የብድር ብቃትን ለመገመት ምንም መለኪያ ስለሌላቸው መደበኛ የብድር ውጤቶች ለተጠቃሚዎች በሚሰሩበት መንገድ።

በክሬዲት ስጋት ሞዴሊንግ ውስጥ ሊተገበር ከሚችለው አንዱ AI ሊተገበር የሚችለው የተፈጥሮ ቋንቋ ማቀነባበሪያ (NLP) እንደ ኩባንያ ዘገባዎች እና የዜና መጣጥፎች ያሉ ያልተዋቀሩ መረጃዎችን ለመተንተን ተገቢ መረጃዎችን ለማውጣት እና ስለ ተበዳሪው የፋይናንስ ሁኔታ ጠለቅ ያለ ግንዛቤ ለማግኘት ነው። ሌላው ጥቅም ላይ ሊውል የሚችለው ሊብራራ የሚችል AI (XAI) ትግበራ ሲሆን ይህም ስለ ሞዴል ​​የውሳኔ አሰጣጥ ሂደት ግንዛቤን የሚሰጥ እና ግልጽነትን እና ተጠያቂነትን ያሻሽላል። ነገር ግን፣ በክሬዲት ስጋት ሞዴሊንግ ውስጥ AI መጠቀም የስነምግባር ስጋቶችን ያስነሳል፣ ለምሳሌ ሞዴሎችን ለማሰልጠን ጥቅም ላይ በሚውለው መረጃ ላይ እምቅ አድልዎ እና ኃላፊነት የተሞላበት እና ሊብራራ የሚችል የውሳኔ አሰጣጥ አስፈላጊነት።

በዱቤ ስጋት ውስጥ AI አጠቃቀምን የሚመረምር ኩባንያ ምሳሌ ስፒን ትንታኔ ነው። ጀማሪው የፋይናንስ ተቋማት የብድር ስጋት ሞዴል ደንብ ሪፖርቶችን በራስ ሰር ለመፃፍ AI ይጠቀማል። የኩባንያው መድረክ፣ RiskRobot፣ እንደ አሜሪካ እና አውሮፓ ባሉ የተለያዩ ክልሎች ያሉ ደንቦችን መከበራቸውን ለማረጋገጥ ባንኮች መረጃውን ከማዘጋጀትዎ በፊት እንዲሰበስቡ፣ እንዲዋሃዱ እና እንዲያጸዱ ይረዳል። እንዲሁም ትክክለኛነትን ለማረጋገጥ ለተቆጣጣሪዎች ዝርዝር ሪፖርቶችን ይጽፋል. እነዚህን ሪፖርቶች መፃፍ ብዙውን ጊዜ ከ6-9 ወራት ይወስዳል ነገር ግን ስፒን አናሌቲክስ ያንን ጊዜ ወደ ሁለት ሳምንታት ሊቀንስ ይችላል ይላል። 

የ AI ክሬዲት ስጋት ሞዴሊንግ መተግበሪያዎች

አንዳንድ የ AI ክሬዲት ስጋት ሞዴሊንግ መተግበሪያዎች የሚከተሉትን ሊያካትቱ ይችላሉ፡

• አይአይን በብድር ስጋት ሞዴልነት የሚጠቀሙ ባንኮች ዝርዝር ዘገባዎችን ለማውጣት የሚፈጀውን ጊዜና ጥረት በእጅጉ በመቀነስ የፋይናንስ ተቋማት አዳዲስ ምርቶችን በፍጥነት እና በዝቅተኛ ወጪ እንዲጀምሩ ያስችላቸዋል።
• በ AI የተጎላበቱ ስርዓቶች ከፍተኛ መጠን ያላቸውን መረጃዎች ከሰዎች በበለጠ ፍጥነት እና በትክክል ለመተንተን ስራ ላይ ይውላሉ፣ ይህም የበለጠ ትክክለኛ የአደጋ ግምገማን ሊያስከትል ይችላል።
• እነዚህ ልቦለድ ክሬዲት ስጋት ሞዴል መሳሪያዎች መሰረታዊ የክሬዲት ነጥቦችን ለመለየት እና ለዚህ ያልተጠበቀ ገበያ ተግባራዊ ለማድረግ በማደግ ላይ ባሉ በታዳጊው አለም ውስጥ ያሉ ብዙ 'ባንክ የሌላቸው' ወይም 'ባንክ የሌላቸው' ሰዎች እና ንግዶች የፋይናንስ አገልግሎት እያገኙ ነው።
• የሰው ተንታኞች የስህተቶችን ስጋት ለመቀነስ AI ላይ የተመሰረቱ መሳሪያዎችን እንዲጠቀሙ ስልጠና እየተሰጣቸው ነው።
• የፋይናንስ ተቋማት የተጭበረበሩ ብድሮችን ወይም የብድር ማመልከቻዎችን አደጋ ለመቀነስ የሚረዱ የሰው ሰራሽ የማሰብ ዘዴዎች የማጭበርበር ድርጊቶችን ንድፎችን ለመለየት ጥቅም ላይ ይውላሉ.
• የማሽን መማሪያ ስልተ ቀመሮች በታሪካዊ መረጃ ላይ የሰለጠኑ ስለወደፊቱ ስጋት ትንበያ ለመስጠት፣ ይህም የገንዘብ ተቋማት ለአደጋ ተጋላጭነቶችን በንቃት እንዲቆጣጠሩ ያስችላቸዋል።

አስተያየት ለመስጠት ጥያቄዎች

• ንግዶች የብድር ብቃታቸውን ለመለካት ምን ዓይነት መለኪያ መጠቀም አለባቸው ብለው ያምናሉ?
• AI ወደፊት የሰው የብድር ስጋት ተንታኞች ሚና ሲለውጥ እንዴት ያዩታል?