GRA · KI und Risiken von Finanzmodellen
Räumliche FinanzanalyseWo Kapital auf Gefahr, Exposition und Transition trifft
Kredit- und Preismodelle
Kreditscores, Modelle der Ausfallwahrscheinlichkeit und Versicherungspreismodelle entscheiden darüber, wer Kredit oder Versicherungsschutz erhält und zu welchem Preis. Maschinelles Lernen kann die Vorhersage verbessern, aber auch Intransparenz, Instabilität und Proxy-Diskriminierung mit sich bringen. Diese Modelle fließen zudem in Rückstellungen und Kapital ein. Diese Seite legt dar, wie Kredit- und Preismodelle versagen, wie ihre Risiken gemessen werden, von welchen Daten sie abhängen und wer über ihre Verwendung entscheidet.
Kredit- und Preismodelle im Protokoll.
Credit and pricing models: how the risk develops.
Automatisierte Entscheidungen im Finanzbereich. Das nachstehende Dossier legt dar, wie sich das Risiko entwickelt, was gemessen wird, woher die Daten stammen, wie modelliert wird und wer entscheidet.
Data reflect the past
Models learn from historical lending and claims that reflect past decisions, economic conditions and exclusions. Applicants unlike past borrowers are scored with less reliable evidence.
Die Leistung sinkt unter neuen Bedingungen
In stabilen Phasen angepasste Modelle können Ausfälle oder Schäden falsch einschätzen, wenn sich Zinsen, Inflation oder Arbeitslosigkeit verschieben, also dann, wenn genaue Risikoschätzungen am wichtigsten sind.
Proxies create unfair outcomes
Variables correlated with protected characteristics can produce disparate outcomes without using those characteristics directly. Law and supervisors constrain which factors may be used.
Errors reach capital and provisions
Probability of default and loss given default estimates feed expected credit loss provisions and capital. Systematic optimism understates both until losses arrive.
Was Kredit- und Preismodelle für Exposition, Verlust und Kapital bedeuten.
Die Ansichten zu Exposition, Verlust, Szenario und Kapital, die eine Risikoverantwortliche, ein Aufseher oder ein Finanzministerium verlangen würde, samt den Rahmenwerken, gegen die berichtet wird. Die Strukturen folgen der aufsichtsrechtlichen und versicherungsmathematischen Praxis. Die Werte sind illustrativ: niemals Preise, Ratings oder Beratung.
Kapital-, Solvenz- und Fiskalindikatoren
The indicators a risk officer, supervisor or ministry of finance reads first on credit and pricing models.
| Indikator | Einheit | Wer es liest | Rahmenwerk |
|---|---|---|---|
| CET1-Quote | % der risikogewichteten Aktiva | Banken, Aufsichtsbehörden | Basel-Rahmenwerk |
| Liquiditätsdeckungsquote | % der gestressten Abflüsse | Banken, Zentralbanken | Basel-Rahmenwerk |
| Solvenzquote | % der Solvenzkapitalanforderung | Versicherer, Aufsichtsbehörden | IAIS-Kernprinzipien für Versicherungen |
| Combined Ratio | % der verdienten Prämie | Versicherer | Versicherungsmathematische Praxis |
| Absicherungslücke | nicht versicherter Anteil des wirtschaftlichen Verlusts | Versicherer, Finanzministerien | Veröffentlichte Verluststatistiken |
| Staatsverschuldung | % des BIP | Finanzministerien, IWF | Rahmen für Schuldentragfähigkeit |
| Bruttofinanzierungsbedarf | % des BIP pro Jahr | Finanzministerien, Investoren | Rahmen für Schuldentragfähigkeit |
Was gemessen wird und wie gut.
Jeder Indikator trägt seine Einheit, seinen Rhythmus, die Art der zugrunde liegenden Quelle und die Evidenzkennzeichnung, die ein Wert tragen würde. Es werden keine Werte gezeigt: Ein Programm liefert sie unter seiner eigenen Autorität.
| Indikator | Einheit | Takt | Quellentyp | Kennzeichnung |
|---|---|---|---|---|
| Trennschärfe von Scorecards | Gini-Koeffizient oder Fläche unter der Kurve | vierteljährlich | Modellüberwachung | GESCHÄTZT |
| Kalibrierung der Ausfallwahrscheinlichkeit | observed default rate against predicted, ratio | jährlich | Back-testing | GESCHÄTZT |
| Population-Stability-Index | dimensionslos | monatlich | Modellüberwachung | GESCHÄTZT |
| Unterschiede der Genehmigungsquoten zwischen Gruppen | Verhältnis der Zustimmungsraten | periodisch | Analyse der Fairness bei der Kreditvergabe | GESCHÄTZT |
| Übersteuerungen von Modellentscheidungen | share of decisions | monatlich | Entscheidungsprotokolle | BEOBACHTET |
| Anpassungen von Modellen für erwartete Kreditverluste | Aktualität von Anpassungen nach dem Modelllauf | vierteljährlich | Financial statements | Veröffentlichte Statistiken |
Woher die Evidenz stammt.
Benannte öffentliche Datensätze und institutionelle Aufzeichnungen, jeweils mit ihrer Lizenzklasse. Quellen auf Vereinbarungsbasis werden nur zu ihren Bedingungen genutzt und niemals weiterveröffentlicht.
| Quelle | Was es liefert | Lizenzklasse |
|---|---|---|
| EBA-Leitlinien zur Kreditvergabe und -überwachung | Erwartungen an Kreditentscheidungsmodelle, einschließlich automatisierter Modelle | Kostenlos, EU-Weiterverwendungsbedingungen |
| CFPB-Rundschreiben zu nachteiligen Maßnahmen und komplexen Algorithmen | United States expectations for explaining credit denials | Gemeinfrei |
| HMDA-Daten | Daten zu Hypothekenanträgen und -ergebnissen in den Vereinigten Staaten | Gemeinfrei |
| Offenlegungen zum Kreditrisiko nach Säule 3 der Banken | Probability of default back-testing and model outcomes | Öffentliche Register, Bedingungen je Bank |
| Aktuarielle und versicherungsaufsichtliche Veröffentlichungen zu Preismodellen | Praxis und Erwartungen an Preismodelle | Kostenfrei, Bedingungen je nach Herausgeber |
Wer entscheidet und wozu die Evidenz dient.
KI und finanzielles Modellrisiko bereitet Evidenz auf. Die nachstehenden Entscheidungen werden von den genannten Behörden nach ihren eigenen Regeln getroffen, nie von der Plattform.
| Wer entscheidet | Die Frage | Evidenz, der diese Seite dient |
|---|---|---|
| Credit risk and pricing committees | Welche Modelle mit welchen Overlays zu verwenden sind | Evidenz zu Leistung, Kalibrierung und Fairness |
| Modellvalidierer | Ob Modelle für den Zweck geeignet sind | Rückvergleich und Benchmark-Vergleich |
| Aufsichtsbehörden für Geschäftsgebaren und faire Kreditvergabe | Ob die Ergebnisse des Modells rechtmäßig und fair sind | Outcome data and adverse action practice |
| Prüfungsausschüsse | Ob Rückstellungsmodelle und Overlays angemessen sind | Modellergebnisse und Begründung der Anpassung |
Ergebnisse, die dieses Thema hervorbringt
- Leitfaden zu Leistungsmaßen für Kredit- und Preismodelle
- Methodenhinweis zur Prüfung auf Proxy-Diskriminierung
- Kurzdarstellung zu Anpassungen nach der Modellierung und dem, was sie offenlegen
- Fragen an Kreditausschüsse zu den Grenzen von Modellen
Was Fachleute fragen.
Fragen zu Kreditvergabe und Preisgestaltung verbinden Genauigkeit, Fairness und Rechtmäßigkeit.
- Does the model predict default or loss accurately across all customer groups?
- Do input variables act as proxies for characteristics that law protects?
- Kann die Institution einem Kunden erklären, warum ein Kredit abgelehnt oder ein Preis festgesetzt wurde?
- Wie schneidet das Modell im Verlauf des Konjunkturzyklus ab, und nicht nur unter günstigen Bedingungen?
- Wie wirken sich alternative Datenquellen auf Genauigkeit, Inklusion und Datenschutz aus?
Mechanismen und Treiber.
Credit models estimate the likelihood that a borrower will repay; pricing models estimate expected losses and costs. Both learn from historical data, which reflects past lending practices, economic conditions and social inequalities. A model can be accurate on average while performing poorly for groups underrepresented in the data, or can reproduce historical discrimination through correlated variables.
Credit models are especially exposed to economic regime change: relationships that held in an expansion may break in a downturn. Some jurisdictions classify AI used to assess the creditworthiness of individuals as high-risk, with specific obligations for providers and users.
Wie es untersucht wird und wo die Methoden enden.
| Methode oder Daten | Was es zeigt | Grenzen |
|---|---|---|
| Tests auf Trennschärfe und Kalibrierung | Genauigkeit und Kalibrierung über Gruppen hinweg | Geschützte Merkmale dürfen nicht erfasst werden |
| Fairnessmetriken | Disparities in outcomes or errors | Unterschiedliche Kennzahlen können sich widersprechen |
| Erklärungsmethoden | Main drivers of individual decisions | Näherungsweise Erklärungen komplexer Modelle |
| Through-the-cycle backtesting | Leistung unter verschiedenen Bedingungen | Wenige Abschwünge in den Daten |
Wie es untersucht wird und was die Methoden nicht sagen können.
- 01Wahrscheinlichkeit und StatistikKalibrierungstests · Driftstatistiken · Vergleich der Ergebnisse zwischen GruppenHier angewandt
- 02Künstliche Intelligenz und maschinelles LernenGradient-Boosting-Kreditmodelle · Sprachmodelle im Betrieb · AnomalieerkennungHier angewandt
- 03Unsicherheitsquantifizierung und ModellvalidierungVorhersageintervalle für Verlustmodelle · Modellensembles · Kapital- oder Puffer für ModellrisikoHier angewandt
- 04Engineering für KI-Evaluierung und -AssuranceValidierung von Modellen des maschinellen Lernens · Red-Teaming generativer KI · FairnessbewertungHier angewandt
Fragen und Antworten.
Was misst ein Gini-Koeffizient bei einer Scorecard?
Was ist eine Anpassung nach dem Modell (Post-Model Adjustment)?
Kann ein Modell diskriminieren, ohne geschützte Merkmale zu verwenden?
Verbessern alternative Daten die Inklusion?
Does the platform assess lenders’ models?
Evidenz von dieser Seite aus beitragen.
Reports ist die vierteljährliche Publikation des Konsortiums. Was Sie über dieses Thema wissen, kann in der nächsten Ausgabe zu Evidenz, einem Fall oder einer Korrektur werden, Ihnen zugeschrieben und unter CC BY 4.0 veröffentlicht, soweit es Ihr eigenes Werk ist.
- E-MailPortal GW-GRAVon dieser Seite aus sendenEvidenz, eine Korrektur, ein Fall, eine Methode, eine Prüfung, eine Übersetzung oder ein Beitrag zu einem Profil. Sie kommt mit dieser Seite gekennzeichnet an, sodass die zuständige Redaktion sie erhält.
- ZenodoOpen depositDeposit it and submit to the communityPublish your own record on Zenodo with your ORCID iD, then submit it to the Reports community there. Curators review it; the DOI stays yours.
- ReportsGlobal Risks AllianceSee every way to contributeThe contribution types, how each is reviewed, what credit you receive, the licence and what is never accepted.
Senden Sie nie personenbezogene Daten, sensible Infrastrukturdetails oder etwas, das Sie nicht weitergeben dürfen. Ein Beitrag wird vor der Nutzung geprüft; das Einsenden begründet weder Urheberschaft noch redaktionelle Rechte, und Sponsoring erkauft nie ein Ergebnis.
Bringen Sie eine Frage zu Exposition oder Kapital in die Alliance ein.
Information und Anfragen sind heute offen. Eine Anfrage erhält ein Aktenzeichen und nennt den nächsten Schritt; Bewerbungen, Zahlungen, Rechenzuteilungen und Registrierungen öffnen erst, wenn Team, Bedingungen und Prüfkapazität bestehen.
Rechtliche Dokumente.
Karten, Daten und Zahlen auf dieser Website werden zu Kontext- und allgemeinen Informationszwecken gezeigt. Sie sind weder Beratung noch Prognosen oder Warnungen; die Grenzen der Information sind in den Haftungsausschlüssen und Datenhinweisen dargelegt.