Modelu risg credyd AI: Symleiddio gweithrediadau risg credyd

• Awdur:
• enw awdur

  Rhagolwg Quantumrun
• Chwefror 27, 2023

Mae problem modelu risg credyd wedi bod yn bla ar fanciau ers degawdau. Mae systemau dysgu peiriannau a deallusrwydd artiffisial (ML/AI) yn cynnig dulliau newydd o ddadansoddi'r data dan sylw a darparu modelau mwy deinamig a chywir.

Cyd-destun modelu risg credyd AI

Mae risg credyd yn cyfeirio at y risg y bydd benthyciwr yn methu â thalu ei daliadau benthyciad, gan arwain at golli llif arian i'r benthyciwr. Er mwyn asesu a rheoli'r risg hon, mae'n rhaid i fenthycwyr amcangyfrif ffactorau megis y tebygolrwydd o ddiffygdalu (PD), y datguddiad yn ddiofyn (EAD), a'r diffygdalu a roddwyd ar sail colled (LGD). Mae canllawiau Basel II, a gyhoeddwyd yn 2004 ac a weithredwyd yn 2008, yn darparu rheoliadau ar gyfer rheoli risg credyd yn y diwydiant bancio. O dan Golofn Gyntaf Basel II, gellir cyfrifo risg credyd gan ddefnyddio dull safonedig, seiliedig ar radd sylfaen fewnol, neu ddull uwch yn seiliedig ar raddfeydd mewnol.

Mae'r defnydd o ddadansoddeg data ac AI/ML wedi dod yn fwyfwy cyffredin mewn modelu risg credyd. Mae dulliau traddodiadol, megis dulliau ystadegol a sgorau credyd, wedi cael eu hategu gan dechnegau mwy datblygedig a all ymdrin yn well â pherthnasoedd aflinol a nodi nodweddion cudd yn y data. Gellir ymgorffori data benthyca defnyddwyr, demograffig, ariannol, cyflogaeth ac ymddygiad i gyd mewn modelau i wella eu gallu rhagfynegi. Mewn benthyca busnes, lle nad oes sgôr credyd safonol, gall benthycwyr ddefnyddio metrigau proffidioldeb busnes i asesu teilyngdod credyd. Gellir defnyddio dulliau dysgu peiriant hefyd i leihau dimensioldeb er mwyn adeiladu modelau mwy cywir.

Effaith aflonyddgar

Gyda gweithrediad modelu risg credyd AI, gall benthyca defnyddwyr a busnesau ddefnyddio modelau benthyca mwy cywir a deinamig. Mae'r modelau hyn yn rhoi gwell asesiad i fenthycwyr o'u benthycwyr ac yn caniatáu ar gyfer marchnad fenthyca iachach. Mae'r strategaeth hon o fudd i fenthycwyr busnes, gan nad oes gan fentrau llai feincnod i farnu eu teilyngdod credyd yn yr un modd ag y mae sgorau credyd safonol yn gweithredu i ddefnyddwyr.

Un cymhwysiad posibl o AI mewn modelu risg credyd yw defnyddio prosesu iaith naturiol (NLP) i ddadansoddi data anstrwythuredig, megis adroddiadau cwmni ac erthyglau newyddion, i echdynnu gwybodaeth berthnasol a chael dealltwriaeth ddyfnach o sefyllfa ariannol benthyciwr. Defnydd posibl arall yw gweithredu AI egluradwy (XAI), a all roi mewnwelediad i broses gwneud penderfyniadau model a gwella tryloywder ac atebolrwydd. Fodd bynnag, mae defnyddio AI mewn modelu risg credyd hefyd yn codi pryderon moesegol, megis tuedd bosibl yn y data a ddefnyddir i hyfforddi modelau a'r angen am wneud penderfyniadau cyfrifol ac egluradwy.

Enghraifft o gwmni sy'n archwilio'r defnydd o AI mewn risg credyd yw Spin Analytics. Mae'r cwmni cychwyn yn defnyddio AI i ysgrifennu adroddiadau rheoleiddio modelu risg credyd yn awtomatig ar gyfer sefydliadau ariannol. Mae platfform y cwmni, RiskRobot, yn helpu banciau i agregu, uno, a glanhau data cyn ei brosesu i sicrhau cydymffurfiaeth â rheoliadau mewn gwahanol ranbarthau, megis yr Unol Daleithiau ac Ewrop. Mae hefyd yn ysgrifennu adroddiadau manwl i reoleiddwyr i sicrhau cywirdeb. Mae ysgrifennu'r adroddiadau hyn fel arfer yn cymryd 6-9 mis, ond mae Spin Analytics yn honni y gall leihau'r amser hwnnw i lai na phythefnos. 

Cymwysiadau modelu risg credyd AI

Gall rhai cymwysiadau o fodelu risg credyd AI gynnwys:

• Banciau sy'n defnyddio AI mewn modelu risg credyd i leihau'n sylweddol yr amser a'r ymdrech sydd eu hangen i gynhyrchu adroddiadau manwl, gan ganiatáu i sefydliadau ariannol lansio cynhyrchion newydd yn gyflymach ac am gost is.
• Systemau wedi'u pweru gan AI yn cael eu defnyddio i ddadansoddi symiau mawr o ddata yn gyflymach ac yn gywirach na bodau dynol, gan arwain o bosibl at asesiadau risg mwy cywir.
• Mwy o bobl a busnesau 'heb eu bancio' neu 'dan fanciau' yn y byd datblygol yn cael mynediad at wasanaethau ariannol gan fod modd defnyddio'r offer modelu risg credyd newydd hyn i ganfod a chymhwyso sgorau credyd sylfaenol i'r farchnad hon nad yw'n cael ei gwasanaethu'n ddigonol.
• Dadansoddwyr dynol yn cael eu hyfforddi i ddefnyddio offer seiliedig ar AI i leihau'r risg o gamgymeriadau.
• Systemau cudd-wybodaeth artiffisial yn cael eu defnyddio i ganfod patrymau o weithgarwch twyllodrus, gan helpu sefydliadau ariannol i leihau'r risg o fenthyciadau twyllodrus neu geisiadau credyd.
• Algorithmau dysgu peirianyddol yn cael eu hyfforddi ar ddata hanesyddol i wneud rhagfynegiadau am risg yn y dyfodol, gan alluogi sefydliadau ariannol i reoli amlygiadau risg posibl yn rhagweithiol.

Cwestiynau i wneud sylwadau arnynt

• Pa fetrig ydych chi'n credu y dylai busnesau ei ddefnyddio i feincnodi eu haddasrwydd credyd?
• Sut ydych chi'n rhagweld AI yn newid rôl dadansoddwyr risg credyd dynol yn y dyfodol?