AI ક્રેડિટ રિસ્ક મૉડલિંગ: ક્રેડિટ રિસ્ક ઑપરેશનને સુવ્યવસ્થિત કરવું

• લેખક:
• લેખક નામ

  ક્વોન્ટમરુન અગમચેતી
• ફેબ્રુઆરી 27, 2023

મોડલિંગ ક્રેડિટ રિસ્કની સમસ્યા બેન્કોને દાયકાઓથી સતાવી રહી છે. મશીન લર્નિંગ અને આર્ટિફિશિયલ ઇન્ટેલિજન્સ (ML/AI) સિસ્ટમ્સ સામેલ ડેટાનું વિશ્લેષણ કરવા અને વધુ ગતિશીલ, વધુ સચોટ મોડલ પ્રદાન કરવા માટે નવી પદ્ધતિઓ પ્રદાન કરે છે.

AI ક્રેડિટ રિસ્ક મોડેલિંગ સંદર્ભ

ધિરાણ જોખમ એ જોખમને દર્શાવે છે કે ઉધાર લેનાર તેમની લોનની ચૂકવણીમાં ડિફોલ્ટ કરશે, જેના પરિણામે શાહુકાર માટે રોકડ પ્રવાહની ખોટ થશે. આ જોખમનું મૂલ્યાંકન કરવા અને તેનું સંચાલન કરવા માટે, ધિરાણકર્તાઓએ ડિફોલ્ટની સંભાવના (PD), એક્સપોઝર એટ ડિફોલ્ટ (EAD), અને ખોટ-આપવામાં આવેલ ડિફોલ્ટ (LGD) જેવા પરિબળોનો અંદાજ કાઢવો જોઈએ. બેઝલ II માર્ગદર્શિકા, 2004 માં પ્રકાશિત અને 2008 માં લાગુ કરવામાં આવી હતી, જે બેંકિંગ ઉદ્યોગમાં ક્રેડિટ જોખમનું સંચાલન કરવા માટેના નિયમો પ્રદાન કરે છે. બેઝલ II ના પ્રથમ સ્તંભ હેઠળ, ધિરાણ જોખમની ગણતરી પ્રમાણિત, આંતરિક પાયાના રેટિંગ-આધારિત અથવા અદ્યતન આંતરિક રેટિંગ-આધારિત અભિગમનો ઉપયોગ કરીને કરી શકાય છે.

ક્રેડિટ રિસ્ક મોડેલિંગમાં ડેટા એનાલિટિક્સ અને AI/ML નો ઉપયોગ વધુને વધુ પ્રચલિત બન્યો છે. પરંપરાગત અભિગમો, જેમ કે આંકડાકીય પદ્ધતિઓ અને ક્રેડિટ સ્કોર્સ, વધુ અદ્યતન તકનીકો દ્વારા પૂરક છે જે બિન-રેખીય સંબંધોને વધુ સારી રીતે નિયંત્રિત કરી શકે છે અને ડેટામાં સુપ્ત લક્ષણોને ઓળખી શકે છે. ઉપભોક્તા ધિરાણ, વસ્તી વિષયક, નાણાકીય, રોજગાર અને વર્તણૂકીય ડેટાને તેમની આગાહી ક્ષમતાને સુધારવા માટે મોડલમાં સામેલ કરી શકાય છે. વ્યવસાય ધિરાણમાં, જ્યાં કોઈ પ્રમાણભૂત ક્રેડિટ સ્કોર નથી, ધિરાણકર્તાઓ ધિરાણપાત્રતાનું મૂલ્યાંકન કરવા માટે વ્યવસાય નફાકારકતા મેટ્રિક્સનો ઉપયોગ કરી શકે છે. વધુ સચોટ મોડલ બનાવવા માટે પરિમાણીયતા ઘટાડા માટે પણ મશીન લર્નિંગ પદ્ધતિઓનો ઉપયોગ કરી શકાય છે.

વિક્ષેપકારક અસર

AI ક્રેડિટ રિસ્ક મોડેલિંગના અમલીકરણ સાથે, ગ્રાહક અને વ્યવસાય ધિરાણ વધુ સચોટ અને ગતિશીલ ધિરાણ મોડલનો ઉપયોગ કરી શકે છે. આ મોડલ ધિરાણકર્તાઓને તેમના ઉધાર લેનારાઓનું વધુ સારું મૂલ્યાંકન આપે છે અને તંદુરસ્ત ધિરાણ બજાર માટે પરવાનગી આપે છે. આ વ્યૂહરચના વ્યવસાય ધિરાણકર્તાઓ માટે ફાયદાકારક છે, કારણ કે નાના સાહસો પાસે તેમની ક્રેડિટ યોગ્યતાનો મૂલ્યાંકન કરવા માટે કોઈ માપદંડ નથી જે રીતે ગ્રાહકો માટે પ્રમાણભૂત ક્રેડિટ સ્કોર્સ કાર્ય કરે છે.

ક્રેડિટ રિસ્ક મોડેલિંગમાં AI ની એક સંભવિત એપ્લિકેશન એ છે કે કંપનીના અહેવાલો અને સમાચાર લેખો જેવા અસંરચિત ડેટાનું વિશ્લેષણ કરવા માટે નેચરલ લેંગ્વેજ પ્રોસેસિંગ (NLP) નો ઉપયોગ કરીને સંબંધિત માહિતી મેળવવા અને લેનારાની નાણાકીય પરિસ્થિતિની ઊંડી સમજ મેળવવા માટે. અન્ય સંભવિત ઉપયોગ એ સમજાવી શકાય તેવા AI (XAI) નો અમલ છે, જે મોડેલની નિર્ણય લેવાની પ્રક્રિયામાં આંતરદૃષ્ટિ પ્રદાન કરી શકે છે અને પારદર્શિતા અને જવાબદારીમાં સુધારો કરી શકે છે. જો કે, ક્રેડિટ રિસ્ક મોડેલિંગમાં AI નો ઉપયોગ કરવાથી નૈતિક ચિંતાઓ પણ ઊભી થાય છે, જેમ કે મોડલ્સને તાલીમ આપવા માટે ઉપયોગમાં લેવાતા ડેટામાં સંભવિત પૂર્વગ્રહ અને જવાબદાર અને સમજાવી શકાય તેવા નિર્ણય લેવાની જરૂરિયાત.

ક્રેડિટ રિસ્કમાં AI ના ઉપયોગની શોધ કરતી કંપનીનું ઉદાહરણ સ્પિન એનાલિટિક્સ છે. સ્ટાર્ટઅપ નાણાકીય સંસ્થાઓ માટે ક્રેડિટ રિસ્ક મોડેલિંગ રેગ્યુલેશન રિપોર્ટ્સ આપમેળે લખવા માટે AI નો ઉપયોગ કરે છે. કંપનીનું પ્લેટફોર્મ, RiskRobot, યુ.એસ. અને યુરોપ જેવા વિવિધ પ્રદેશોમાં નિયમોનું પાલન સુનિશ્ચિત કરવા બેંકોને ડેટાને પ્રોસેસ કરતા પહેલા એકત્ર કરવામાં, મર્જ કરવામાં અને તેને સાફ કરવામાં મદદ કરે છે. તે ચોકસાઈની ખાતરી કરવા માટે નિયમનકારો માટે વિગતવાર અહેવાલો પણ લખે છે. આ અહેવાલો લખવામાં સામાન્ય રીતે 6-9 મહિનાનો સમય લાગે છે, પરંતુ સ્પિન એનાલિટિક્સ દાવો કરે છે કે તે તે સમયને બે અઠવાડિયાથી ઓછામાં ઘટાડી શકે છે. 

AI ક્રેડિટ રિસ્ક મોડેલિંગની એપ્લિકેશન

AI ક્રેડિટ રિસ્ક મૉડલિંગની કેટલીક એપ્લિકેશનમાં આનો સમાવેશ થઈ શકે છે:

• બેંકો ક્રેડિટ રિસ્ક મોડેલિંગમાં AI નો ઉપયોગ કરીને વિગતવાર અહેવાલો બનાવવા માટે જરૂરી સમય અને પ્રયત્નને નોંધપાત્ર રીતે ઘટાડે છે, જેનાથી નાણાકીય સંસ્થાઓ વધુ ઝડપથી અને ઓછા ખર્ચે નવી પ્રોડક્ટ લોન્ચ કરી શકે છે.
• AI-સંચાલિત સિસ્ટમોનો ઉપયોગ માનવો કરતાં વધુ ઝડપથી અને સચોટ રીતે મોટા પ્રમાણમાં ડેટાનું પૃથ્થકરણ કરવા માટે કરવામાં આવે છે, જે સંભવિતપણે વધુ સચોટ જોખમ મૂલ્યાંકન તરફ દોરી જાય છે.
• વિકાસશીલ વિશ્વમાં વધુ 'અનબૅન્ક્ડ' અથવા 'અંડરબેન્ક્ડ' લોકો અને વ્યવસાયો નાણાકીય સેવાઓની ઍક્સેસ મેળવે છે કારણ કે આ નવતર ક્રેડિટ રિસ્ક મોડેલિંગ ટૂલ્સ આ અન્ડરસર્વ્ડ માર્કેટમાં મૂળભૂત ક્રેડિટ સ્કોર્સને સમજવા અને લાગુ કરવા માટે લાગુ કરી શકાય છે.
• માનવ વિશ્લેષકોને ભૂલોના જોખમને ઘટાડવા માટે AI-આધારિત સાધનોનો ઉપયોગ કરવાની તાલીમ આપવામાં આવી રહી છે.
• આર્ટિફિશિયલ ઇન્ટેલિજન્સ સિસ્ટમ્સનો ઉપયોગ છેતરપિંડીની પ્રવૃત્તિની પેટર્ન શોધવા માટે કરવામાં આવે છે, જે નાણાકીય સંસ્થાઓને છેતરપિંડીયુક્ત લોન અથવા ક્રેડિટ એપ્લિકેશનના જોખમને ઘટાડવામાં મદદ કરે છે.
• ભવિષ્યના જોખમ વિશે આગાહી કરવા માટે ઐતિહાસિક ડેટા પર મશીન લર્નિંગ અલ્ગોરિધમ્સ પ્રશિક્ષિત કરવામાં આવી રહી છે, નાણાકીય સંસ્થાઓ સંભવિત જોખમ એક્સપોઝરને સક્રિય રીતે સંચાલિત કરવાની મંજૂરી આપે છે.

ટિપ્પણી કરવા માટેના પ્રશ્નો

• તમે શું માનો છો કે વ્યવસાયોએ તેમની ક્રેડિટપાત્રતાને બેન્ચમાર્ક કરવા માટે કયા મેટ્રિકનો ઉપયોગ કરવો જોઈએ?
• તમે ભવિષ્યમાં માનવ ધિરાણ જોખમ વિશ્લેષકોની ભૂમિકામાં AI બદલાવની કલ્પના કેવી રીતે કરો છો?