AI útlánaáhættulíkön: Hagræðing í rekstri útlánaáhættu

• Höfundur:
• Höfundur nafn

  Quantumrun Foresight
• Febrúar 27, 2023

Vandamálið við að móta útlánaáhættu hefur hrjáð banka í áratugi. Vélnám og gervigreind (ML/AI) kerfi bjóða upp á nýjar aðferðir til að greina gögnin sem taka þátt og veita kraftmeiri, nákvæmari líkön.

Gervigreind útlánaáhættulíkanasamhengi

Útlánaáhætta vísar til áhættunnar á því að lántakandi standi í greiðslufalli af lánum sínum, sem leiðir til taps á sjóðstreymi fyrir lánveitandann. Til að meta og stjórna þessari áhættu verða lánveitendur að áætla þætti eins og líkur á vanskilum (PD), áhættuskuldbindingu við vanskil (EAD) og tapsbundið vanskil (LGD). Basel II leiðbeiningarnar, sem gefnar voru út árið 2004 og innleiddar árið 2008, veita reglur um stjórnun útlánaáhættu í bankaiðnaðinum. Samkvæmt fyrstu stoð Basel II er hægt að reikna út útlánaáhættu með því að nota staðlaða, innri grunnmat sem byggir á eða háþróaðri innri matsaðferð.

Notkun gagnagreiningar og gervigreindar/ML hefur orðið sífellt algengari í útlánaáhættulíkönum. Hefðbundnar aðferðir, eins og tölfræðilegar aðferðir og lánstraust, hafa verið bætt við fullkomnari tækni sem getur betur séð um ólínuleg tengsl og auðkennt dulda eiginleika í gögnunum. Neytendalán, lýðfræðileg, fjárhagsleg, atvinnu- og hegðunargögn geta öll verið felld inn í líkön til að bæta forspárgetu þeirra. Í útlánum til fyrirtækja, þar sem ekki er staðlað lánstraust, geta lánveitendur notað arðsemismælingar til að meta lánstraust. Einnig er hægt að nota vélanámsaðferðir til að draga úr vídd til að búa til nákvæmari líkön.

Truflandi áhrif

Með innleiðingu á gervigreind útlánaáhættulíkönum geta lánveitingar til neytenda og fyrirtækja notað nákvæmari og kraftmeiri útlánalíkön. Þessi líkön gefa lánveitendum betra mat á lántakendum sínum og gera ráð fyrir heilbrigðari lánamarkaði. Þessi stefna er gagnleg fyrir lánveitendur fyrirtækja, þar sem smærri fyrirtæki hafa engin viðmið til að dæma lánstraust þeirra á sama hátt og staðlað lánstraust virkar fyrir neytendur.

Ein hugsanleg notkun gervigreindar í útlánaáhættulíkönum er að nota náttúrulega málvinnslu (NLP) til að greina óskipulögð gögn, svo sem fyrirtækjaskýrslur og fréttagreinar, til að draga út viðeigandi upplýsingar og öðlast dýpri skilning á fjárhagsstöðu lántaka. Önnur hugsanleg notkun er innleiðing skýranlegs gervigreindar (XAI), sem getur veitt innsýn í ákvarðanatökuferli líkans og bætt gagnsæi og ábyrgð. Hins vegar vekur notkun gervigreindar í útlánaáhættulíkönum einnig siðferðilegar áhyggjur, svo sem hugsanlega hlutdrægni í gögnum sem notuð eru til að þjálfa líkön og þörfina fyrir ábyrga og skýra ákvarðanatöku.

Dæmi um fyrirtæki sem kannar notkun gervigreindar í útlánaáhættu er Spin Analytics. Ræsingin notar gervigreind til að skrifa sjálfkrafa skýrslur um útlánaáhættulíkanareglur fyrir fjármálastofnanir. Vettvangur fyrirtækisins, RiskRobot, hjálpar bönkum að safna saman, sameina og hreinsa gögn fyrir vinnslu þeirra til að tryggja að farið sé að reglum á mismunandi svæðum, svo sem í Bandaríkjunum og Evrópu. Það skrifar einnig ítarlegar skýrslur fyrir eftirlitsaðila til að tryggja nákvæmni. Að skrifa þessar skýrslur tekur venjulega 6-9 mánuði, en Spin Analytics heldur því fram að það geti stytt þann tíma í minna en tvær vikur. 

Notkun gervigreindar útlánaáhættulíkana

Sum forrit gervigreindar útlánaáhættulíkana geta falið í sér:

• Bankar sem nota gervigreind í útlánaáhættulíkönum til að draga verulega úr þeim tíma og fyrirhöfn sem þarf til að framleiða ítarlegar skýrslur, sem gerir fjármálastofnunum kleift að setja nýjar vörur á markað hraðar og með lægri kostnaði.
• Gervigreindarkerfi eru notuð til að greina mikið magn af gögnum hraðar og nákvæmari en menn, sem gæti leitt til nákvæmara áhættumats.
• Meira „bankalaust“ eða „underbankað“ fólk og fyrirtæki í þróunarlöndunum fá aðgang að fjármálaþjónustu þar sem hægt er að beita þessum nýju útlánaáhættulíkönum til að greina og beita grunnlánastigum á þennan vanþróaða markað.
• Mannlegir sérfræðingar eru þjálfaðir í að nota gervigreindarverkfæri til að draga úr hættu á villum.
• Gervigreindarkerfi eru notuð til að greina mynstur sviksamlegra athafna og hjálpa fjármálastofnunum að draga úr hættu á sviksamlegum lánum eða lánsumsóknum.
• Vélræn reiknirit eru þjálfuð á sögulegum gögnum til að spá fyrir um framtíðaráhættu, sem gerir fjármálastofnunum kleift að stjórna fyrirbyggjandi áhættuáhættu.

Spurningar til að tjá sig um

• Hvaða mælikvarða telur þú að fyrirtæki ættu að nota til að mæla lánstraust sitt?
• Hvernig sérðu fyrir þér að gervigreind breyti hlutverki útlánaáhættusérfræðinga í framtíðinni?