एआई क्रेडिट रिस्क मॉडलिंग: क्रेडिट रिस्क ऑपरेशंस को व्यवस्थित करना

• लेखक:
• लेखक का नाम

  क्वांटमरन दूरदर्शिता
• फ़रवरी 27, 2023

मॉडलिंग क्रेडिट जोखिम की समस्या ने दशकों से बैंकों को परेशान किया है। मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस (एमएल/एआई) सिस्टम शामिल डेटा का विश्लेषण करने के लिए नए तरीके प्रदान करते हैं और अधिक गतिशील, अधिक सटीक मॉडल प्रदान करते हैं।

एआई क्रेडिट जोखिम मॉडलिंग संदर्भ

क्रेडिट जोखिम उस जोखिम को संदर्भित करता है जो एक उधारकर्ता अपने ऋण भुगतान पर चूक करेगा, जिसके परिणामस्वरूप ऋणदाता के लिए नकदी प्रवाह का नुकसान होगा। इस जोखिम का आकलन और प्रबंधन करने के लिए, उधारदाताओं को डिफ़ॉल्ट की संभावना (पीडी), डिफ़ॉल्ट पर जोखिम (ईएडी) और हानि-दिए गए डिफ़ॉल्ट (एलजीडी) जैसे कारकों का अनुमान लगाना चाहिए। बेसल II दिशानिर्देश, 2004 में प्रकाशित और 2008 में लागू, बैंकिंग उद्योग में क्रेडिट जोखिम के प्रबंधन के लिए नियम प्रदान करते हैं। बेसल II के पहले स्तंभ के तहत, क्रेडिट जोखिम की गणना एक मानकीकृत, एक आंतरिक नींव रेटिंग-आधारित, या एक उन्नत आंतरिक रेटिंग-आधारित दृष्टिकोण का उपयोग करके की जा सकती है।

क्रेडिट रिस्क मॉडलिंग में डेटा एनालिटिक्स और एआई/एमएल का उपयोग तेजी से प्रचलित हो गया है। पारंपरिक दृष्टिकोण, जैसे कि सांख्यिकीय तरीके और क्रेडिट स्कोर, अधिक उन्नत तकनीकों द्वारा पूरक किए गए हैं जो गैर-रैखिक संबंधों को बेहतर ढंग से संभाल सकते हैं और डेटा में छिपी हुई विशेषताओं की पहचान कर सकते हैं। उपभोक्ता ऋण, जनसांख्यिकीय, वित्तीय, रोजगार और व्यवहारिक डेटा सभी को उनकी भविष्यवाणी क्षमता में सुधार के लिए मॉडल में शामिल किया जा सकता है। व्यापार उधार में, जहां कोई मानक क्रेडिट स्कोर नहीं है, ऋणदाता साख का आकलन करने के लिए व्यावसायिक लाभप्रदता मेट्रिक्स का उपयोग कर सकते हैं। अधिक सटीक मॉडल बनाने के लिए मशीन सीखने के तरीकों का उपयोग आयामीता में कमी के लिए भी किया जा सकता है।

विघटनकारी प्रभाव

एआई क्रेडिट रिस्क मॉडलिंग के कार्यान्वयन के साथ, उपभोक्ता और व्यापार ऋण अधिक सटीक और गतिशील ऋण देने वाले मॉडल को नियोजित कर सकते हैं। ये मॉडल उधारदाताओं को उनके उधारकर्ताओं का बेहतर मूल्यांकन देते हैं और एक स्वस्थ उधार बाजार की अनुमति देते हैं। यह रणनीति व्यापार उधारदाताओं के लिए फायदेमंद है, क्योंकि छोटे उद्यमों के पास उपभोक्ताओं के लिए मानक क्रेडिट स्कोर की तरह ही उनकी साख का न्याय करने के लिए कोई बेंचमार्क नहीं है।

क्रेडिट जोखिम मॉडलिंग में एआई का एक संभावित अनुप्रयोग असंरचित डेटा का विश्लेषण करने के लिए प्राकृतिक भाषा प्रसंस्करण (एनएलपी) का उपयोग कर रहा है, जैसे कि कंपनी की रिपोर्ट और समाचार लेख, प्रासंगिक जानकारी निकालने और उधारकर्ता की वित्तीय स्थिति की गहरी समझ हासिल करने के लिए। एक अन्य संभावित उपयोग व्याख्या योग्य एआई (एक्सएआई) का कार्यान्वयन है, जो एक मॉडल की निर्णय लेने की प्रक्रिया में अंतर्दृष्टि प्रदान कर सकता है और पारदर्शिता और उत्तरदायित्व में सुधार कर सकता है। हालांकि, क्रेडिट जोखिम मॉडलिंग में एआई का उपयोग नैतिक चिंताओं को भी उठाता है, जैसे मॉडल को प्रशिक्षित करने के लिए उपयोग किए जाने वाले डेटा में संभावित पूर्वाग्रह और जिम्मेदार और व्याख्यात्मक निर्णय लेने की आवश्यकता।

क्रेडिट जोखिम में एआई के उपयोग की खोज करने वाली कंपनी का एक उदाहरण स्पिन एनालिटिक्स है। वित्तीय संस्थानों के लिए स्वचालित रूप से क्रेडिट जोखिम मॉडलिंग विनियमन रिपोर्ट लिखने के लिए स्टार्टअप एआई का उपयोग करता है। कंपनी का प्लेटफॉर्म, रिस्करोबोट, बैंकों को अमेरिका और यूरोप जैसे विभिन्न क्षेत्रों में नियमों के अनुपालन को सुनिश्चित करने के लिए इसे संसाधित करने से पहले डेटा एकत्र करने, मर्ज करने और साफ करने में मदद करता है। यह सटीकता सुनिश्चित करने के लिए नियामकों के लिए विस्तृत रिपोर्ट भी लिखता है। इन रिपोर्टों को लिखने में आमतौर पर 6-9 महीने लगते हैं, लेकिन स्पिन एनालिटिक्स का दावा है कि यह उस समय को घटाकर दो सप्ताह से भी कम कर सकता है। 

एआई क्रेडिट रिस्क मॉडलिंग के अनुप्रयोग

एआई क्रेडिट रिस्क मॉडलिंग के कुछ अनुप्रयोगों में शामिल हो सकते हैं:

• क्रेडिट जोखिम मॉडलिंग में एआई का उपयोग करने वाले बैंक विस्तृत रिपोर्ट तैयार करने के लिए आवश्यक समय और प्रयास को काफी कम कर देते हैं, जिससे वित्तीय संस्थानों को अधिक तेज़ी से और कम लागत पर नए उत्पाद लॉन्च करने की अनुमति मिलती है।
• बड़ी मात्रा में डेटा का मनुष्यों की तुलना में अधिक तेज़ी से और सटीक विश्लेषण करने के लिए एआई-संचालित सिस्टम नियोजित किया जा रहा है, जो संभावित रूप से अधिक सटीक जोखिम आकलन के लिए अग्रणी है।
• विकासशील देशों में अधिक 'अनबैंक्ड' या 'अंडरबैंक' वाले लोग और व्यवसाय वित्तीय सेवाओं तक पहुंच प्राप्त कर रहे हैं क्योंकि इन नए क्रेडिट जोखिम मॉडलिंग टूल को इस अंडरसर्व्ड मार्केट में बुनियादी क्रेडिट स्कोर को समझने और लागू करने के लिए लागू किया जा सकता है।
• त्रुटियों के जोखिम को कम करने के लिए एआई-आधारित उपकरणों का उपयोग करने के लिए मानव विश्लेषकों को प्रशिक्षित किया जा रहा है।
• धोखाधड़ी गतिविधि के पैटर्न का पता लगाने के लिए आर्टिफिशियल इंटेलिजेंस सिस्टम का उपयोग किया जा रहा है, जिससे वित्तीय संस्थानों को धोखाधड़ी वाले ऋण या क्रेडिट आवेदनों के जोखिम को कम करने में मदद मिलती है।
• मशीन लर्निंग एल्गोरिदम को भविष्य के जोखिम के बारे में भविष्यवाणी करने के लिए ऐतिहासिक डेटा पर प्रशिक्षित किया जा रहा है, जिससे वित्तीय संस्थानों को संभावित जोखिम जोखिम को सक्रिय रूप से प्रबंधित करने की अनुमति मिलती है।

टिप्पणी करने के लिए प्रश्न

• आप क्या मानते हैं कि व्यवसायों को अपनी साख की कसौटी पर कसने के लिए किस मीट्रिक का उपयोग करना चाहिए?
• आप भविष्य में एआई को मानव ऋण जोखिम विश्लेषकों की भूमिका बदलने की कल्पना कैसे करते हैं?