د AI کریډیټ خطر ماډلینګ: د کریډیټ خطر عملیات ساده کول

• لیکونکی:
• د لیکوال نوم

  Quantumrun وړاندوینه
• د فبرورۍ په 27، 2023

د کریډیټ خطر ماډل کولو ستونزه د لسیزو راهیسې بانکونه ځپلي دي. د ماشین زده کړې او مصنوعي استخباراتو (ML/AI) سیسټمونه د شاملو معلوماتو تحلیل کولو لپاره نوي میتودونه وړاندیز کوي او ډیر متحرک ، ډیر دقیق ماډلونه چمتو کوي.

د AI کریډیټ خطر ماډلینګ شرایط

د کریډیټ خطر هغه خطر ته اشاره کوي چې پور اخیستونکی به د دوی د پور تادیاتو کې ډیفالټ وي، چې په پایله کې د پور ورکوونکي لپاره د نغدو جریان ضایع کیږي. د دې خطر ارزولو او اداره کولو لپاره، پور ورکوونکي باید د فکتورونو اټکل وکړي لکه د ډیفالټ احتمال (PD)، په ډیفالټ کې افشا کول (EAD)، او د ضایع شوي ډیفالټ (LGD). د باسل II لارښودونه، چې په 2004 کې خپاره شوي او په 2008 کې پلي شوي، د بانکدارۍ صنعت کې د کریډیټ خطر اداره کولو لپاره مقررات چمتو کوي. د باسل II د لومړۍ ستنې لاندې، د کریډیټ خطر د معیاري، د داخلي بنسټ درجه بندي پر بنسټ، یا د پرمختللي داخلي درجه بندي پر بنسټ طریقې په کارولو سره محاسبه کیدی شي.

د ډیټا تحلیلونو او AI/ML کارول د کریډیټ خطر ماډلینګ کې په زیاتیدونکي توګه پراخه شوي. دودیزې تګلارې، لکه د احصایې میتودونه او د کریډیټ نمرې، د ډیرو پرمختللو تخنیکونو لخوا ضمیمه شوي چې کولی شي غیر خطي اړیکې په ښه توګه اداره کړي او په ډاټا کې پټې ځانګړتیاوې وپیژني. د مصرف کونکي پور ورکول ، ډیموګرافیک ، مالي ، کارموندنه ، او د چلند ډیټا ټول په ماډلونو کې شامل کیدی شي ترڅو د دوی وړاندوینې وړتیا ښه کړي. د سوداګرۍ په پور ورکولو کې، چیرې چې د کریډیټ معیاري سکور شتون نلري، پور ورکوونکي کولی شي د سوداګرۍ د ګټو میترونو څخه کار واخلي ترڅو د اعتبار ارزونه وکړي. د ماشین زده کړې میتودونه د ابعاد کمولو لپاره هم کارول کیدی شي ترڅو نور دقیق ماډلونه رامینځته کړي.

ګډوډي اغیزې

د AI کریډیټ خطر ماډلینګ پلي کولو سره ، مصرف کونکي او سوداګرۍ پور ورکول کولی شي ډیر دقیق او متحرک پور ورکولو ماډلونه استخدام کړي. دا ماډلونه پور ورکوونکو ته د دوی پور اخیستونکو غوره ارزونه ورکوي او د پور ورکولو صحي بازار ته اجازه ورکوي. دا ستراتیژي د سوداګرۍ پور ورکوونکو لپاره ګټوره ده، ځکه چې کوچنۍ تصدۍ هیڅ معیار نلري چې د دوی د اعتبار وړتوب قضاوت وکړي لکه څنګه چې د مصرف کونکو لپاره د معیاري کریډیټ نمرې فعالیت کوي.

د کریډیټ خطر ماډلینګ کې د AI احتمالي غوښتنلیک د طبیعي ژبې پروسس کولو (NLP) کارول دي ترڅو غیر منظم شوي ډیټا تحلیل کړي ، لکه د شرکت راپورونه او خبر مقالې ، د اړوندو معلوماتو استخراج او د پور اخیستونکي مالي وضعیت ژور پوهه ترلاسه کولو لپاره. بله احتمالي کارول د تشریح وړ AI (XAI) پلي کول دي، کوم چې کولی شي د ماډل پریکړه کولو پروسې ته بصیرت چمتو کړي او روڼتیا او حساب ورکونې ته وده ورکړي. په هرصورت، د کریډیټ خطر ماډلینګ کې د AI کارول اخلاقي اندیښنې هم راپاروي، لکه د ماډلونو روزنې لپاره کارول شوي معلوماتو کې احتمالي تعصب او د مسؤلیت او تشریح وړ پریکړې کولو اړتیا.

د یو شرکت یوه بیلګه چې د کریډیټ خطر کې د AI کارولو سپړنه کوي سپن تجزیه ده. پیل د AI کاروي ترڅو په اتوماتيک ډول د مالي موسسو لپاره د کریډیټ خطر ماډلینګ مقرراتو راپورونه ولیکي. د شرکت پلیټ فارم، RiskRobot، د بانکونو سره مرسته کوي د معلوماتو راټولولو، یوځای کولو، او د پروسس کولو دمخه پاکولو کې مرسته کوي ترڅو په مختلفو سیمو کې د مقرراتو سره مطابقت یقیني کړي، لکه متحده ایالات او اروپا. دا د تنظیم کونکو لپاره مفصل راپورونه هم لیکي ترڅو دقیقیت ډاډمن کړي. د دې راپورونو لیکل معمولا 6-9 میاشتې وخت نیسي، مګر د سپن تحلیل ادعا کوي چې دا کولی شي دا وخت له دوو اونیو څخه کم کړي. 

د AI کریډیټ خطر ماډلینګ غوښتنلیکونه

د AI کریډیټ خطر ماډلینګ ځینې غوښتنلیکونه ممکن پدې کې شامل وي:

• بانکونه د کریډیټ خطر ماډلینګ کې AI کاروي ترڅو د تفصيلي راپورونو چمتو کولو لپاره اړین وخت او هڅې د پام وړ کم کړي، مالي موسسو ته اجازه ورکوي چې نوي محصولات په چټکۍ او ټیټ لګښت پیل کړي.
• د AI ځواک لرونکي سیسټمونه د انسانانو په پرتله خورا ګړندي او دقیق ډیټا تحلیل کولو لپاره ګمارل شوي ، په احتمالي توګه د خطر دقیق ارزونو لامل کیږي.
• په پرمختللې نړۍ کې ډیر 'غیر بانکي' یا 'کم بانک شوي' خلک او سوداګرۍ مالي خدماتو ته لاسرسی ترلاسه کوي ځکه چې دا نوي کریډیټ خطر ماډل کولو وسیلې د دې بې برخې بازار لپاره د لومړني کریډیټ نمرو پیژندلو او پلي کولو لپاره کارول کیدی شي.
• بشري شنونکي روزل شوي ترڅو د AI پر بنسټ وسیلې وکاروي ترڅو د خطا خطر کم کړي.
• د مصنوعي استخباراتو سیسټمونه د درغلیو فعالیتونو نمونو موندلو لپاره کارول کیږي، د مالي ادارو سره مرسته کوي چې د جعلي پورونو یا کریډیټ غوښتنلیکونو خطر کم کړي.
• د ماشین زده کړې الګوریتمونه په تاریخي معلوماتو کې روزل کیږي ترڅو د راتلونکي خطر په اړه وړاندوینې وکړي، مالي موسسو ته اجازه ورکوي چې په فعاله توګه د احتمالي خطر افشا کیدو اداره کړي.

د نظر ورکولو لپاره پوښتنې

• تاسو کوم میټریک باور لرئ چې سوداګرۍ باید د دوی د اعتبار وړ معیارونو لپاره کار واخلي؟
• تاسو څنګه په راتلونکي کې د انساني کریډیټ خطر شنونکو رول بدلولو لپاره AI تصور کوئ؟