GRA · AI and Financial Model Risk
Spatial financeWhere capital meets hazard, exposure and transition
Financial discipline overview
مەترسیی مۆدێل management is the discipline of controlling the risks that arise from using quantitative models and AI سیستەمەکان in financial decisions. It developed in banking around valuation and capital models and now covers credit, insurance pricing, reserving, trading, fraud detection, anti-money-laundering, customer service and generative AI tools. This page describes the discipline as research rather than execution: where models are used, how they are governed and what shared understanding the industry needs.
- میتۆدەکانی STEM
- 4
- ئەو ڕێگا بنەڕەتییانەی ئەم بوارە بەکاریان دەهێنێت
- بابەتەکان
- 8
- لاپەڕەکانی بابەت لەم بوارەدا
- هاوتاکان
- 5
- پلاتفۆرمەکانی بوارە هاوبەشەکان لە ناو تۆڕەکەدا
- زنجیرەی ڕاپۆرت
- 2
- زنجیرەی Reports کە بەشدارییان تێدا دەکات
The model landscape in finance.
| ناوچە | Typical models | Main risks |
|---|---|---|
| Lending | Credit scoring, probability of default, affordability | Unfair outcomes, poor performance in new conditions |
| بیمە | Pricing, reserving, catastrophe and claims models | Mispricing, reserve shortfalls, discrimination |
| بازاڕەکان | Valuation, trading, market risk | Mis-valuation, correlated behaviour in stress |
| Capital and liquidity | Regulatory and economic capital, stress testing | Understated risk, false comfort |
| تاوانی دارایی | Fraud and transaction monitoring | Missed crime, excessive false alerts |
| Operations and service | Generative AI assistants, document processing | Inaccurate output, data leakage, dependency |
Field overview.
The screen a team would use to follow this subject: its measures, states and decisions. Names are examples and values are illustrative.
Where models drive financial decisions.
| بەکارهێنان | Model type | Main risk |
|---|---|---|
| Credit decisions | Scorecards and machine learning | Bias, drift |
| Insurance pricing and reserving | GLMs, machine learning, catastrophe models | Non-stationarity, opacity |
| Capital and stress testing | Internal models, scenario models | Assumption risk |
| Fraud and AML | Anomaly detection | False positives and negatives |
| Operations and customer service | Generative AI | Hallucination, data leakage |
Shocks travel between these parts, and AI and Financial Model Risk studies the links: When does a model fail, and who notices? The evidence base is model records and monitoring data.
The core of the discipline.
- 01
Inventory and tiering
Knowing every model in use, its owner and its materiality. See model risk governance.
- 02
ستانداردەکانی گەشەپێدان
Documented design, data and assumptions, with testing before use.
- 03
Independent validation
Effective challenge by people independent of the developers.
- 04
چاودێری
Ongoing checks of performance and drift, with thresholds for review. See model monitoring and drift.
- 05
Use controls
Human oversight and limits on where a model may be used. See human-in-the-loop controls.
What shared understanding the industry needs.
Each institution governs its own models. What none can see alone is how مەترسیی مۆدێل accumulates across the sector: how many firms rely on similar data, vendors or techniques, how methods for validating machine learning and generative AI compare, and where common failures are emerging. That precompetitive picture is the focus of this platform. How model failures can spread is set out on financial-system transmission.
Methods include uncertainty quantification and model validation, AI evaluation and assurance engineering, machine learning and statistics. Sector scenarios appear on the scenarios page as they are reviewed.
Nothing on this platform validates, approves or certifies any model, vendor or institution, and nothing is legal, regulatory or investment advice. Analysis is sector-level research.
Where this page’s references lead.
ئەو لەش و بەڵگەنامانەی ئەم لاپەڕەیەیان لەگەڵ دەخوێنرێتەوە. دۆخ و وەشانەکان دەگۆڕێن؛ هەر بەستەرێک دەچێتە لای لەشی دەرکەر.
Pages in Financial discipline overview.
پرسیار و وەڵام.
Does GRA advise firms on their models?
Is model risk only a banking concern?
Why does AI change model risk management?
Which methods does the discipline use?
لەم لاپەڕەیەوە بەڵگە پێشکەش بکە.
Reports is the Consortium’s quarterly publication. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work.
- ئیمەیڵGateway GW-GRAلەم لاپەڕەیەوە بینێرەبەڵگە، ڕاستکردنەوە، بابەت، ڕێگا، پێداچوونەوە، وەرگێڕان یان تێکردنی پڕۆفایل. بە نیشانەی ئەم لاپەڕەیە دەگات، بۆ ئەوەی دەستکاریکەری خاوەنەکەی وەریبگرێت.
- Zenodoتەکیەی کراوەدایبنێ و بیدە بە کۆمەڵگاتۆماری خۆت لە Zenodo بە ORCID iD ی خۆت بڵاو بکەرەوە، پاشان لەوێ بیدە بە کۆمەڵگای Reports. سەرپەرشتیارەکان پێداچوونەوەی بۆ دەکەن؛ DOI هەر هی تۆیە.
- ReportsGlobal Risks Allianceهەموو ڕێگاکانی بەشداری ببینەجۆرەکانی بەشداری، هەریەکە چۆن پێداچوونەوەی بۆ دەکرێت، چ ناوبردنێک وەردەگریت، مۆڵەتەکە و ئەوەی هەرگیز وەرناگیرێت.
هەرگیز داتای کەسی، وردەکاریی هەستیاری ژێرخان یان هیچ شتێک مەنێرە کە مافی بڵاوکردنەوەت نییە. بەشدارییەک پێش بەکارهێنان پێداچوونەوەی بۆ دەکرێت؛ ناردنی ماف نابەخشێت بە نووسەرایەتی یان بەڕێوەبردنی ڕاگەیاندن، و پاڵپشتی دارایی هەرگیز دۆزینەوەیەک ناکڕێت.
Bring an exposure or capital question to the Alliance.
زانیاری و پرسیار ئەمڕۆ کراوەن. پرسیارێک ژمارەی ئاماژەی پێدەدرێت و هەنگاوی دواتر دیاری دەکات؛ داواکاری، پارەدان، تەرخانکردنی کۆمپیوتەر و تۆمارکردن تەنیا کاتێک دەکرێنەوە کە تیم، مەرج و توانای پێداچوونەوەیان هەبێت.
بەڵگەنامە یاساییەکان.
نەخشە، داتا و وێنەکانی ئەم ماڵپەڕە بۆ ناوەڕۆک و زانیاریی گشتی پیشان دراون. ئامۆژگاری، پێشبینی یان ئاگادارکردنەوە نین؛ سنوورەکانی زانیارییەکە لە ڕەتکردنەوەی بەرپرسیارێتی و ئاگاداریی داتادا دەستنیشان کراون.