GRA · هوش مصنوعی و ریسک الگوی مالی
مالی فضاییجایی که سرمایه به مخاطره، مواجهه و گذار برمی‌خورد
مرور انضباط مالی
ریسک مدل management is the discipline of controlling the risks that arise from using quantitative models and AI سامانه‌ها 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.
- روش‌های STEM
- 4
- روش‌های مرجعی که این حوزه به کار می‌بندد
- موضوع‌ها
- 8
- صفحه‌های موضوعی در این حوزه
- همتایان
- 5
- سکوها در میدان‌های مشترک در سراسر شبکه
- مجموعهٔ گزارش‌ها
- 2
- مجموعه‌گزارش‌های Reports که در آن‌ها مشارکت دارد
The model landscape in finance.
| مساحت | Typical models | Main risks |
|---|---|---|
| اعطای وام | Credit scoring, probability of default, affordability | Unfair outcomes, poor performance in new conditions |
| بیمه | Pricing, reserving, catastrophe and claims models | Mispricing, reserve shortfalls, discrimination |
| بازارها | Valuation, trading, ریسک بازار | Mis-valuation, correlated behaviour in stress |
| سرمایه و نقدینگی | Regulatory and economic capital, stress testing | Understated risk, false comfort |
| جرائم مالی | 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.
| استفاده | 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 | هوش مصنوعی مولد | Hallucination, data leakage |
Shocks travel between these parts, and AI and Financial ریسک الگوی 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
استانداردهای توسعه
Documented design, data and assumptions, with testing before use.
- 03
Independent validation
Effective challenge by people independent of the developers.
- 04
پایش
Ongoing checks of performance and drift, with thresholds for review. See model monitoring and drift.
- 05
Use controls
نظارت انسانی 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 الگوی 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.
نهادها و اسنادی که این صفحه بر پایهٔ آن‌ها خوانده می‌شود. وضعیت و ویراست‌ها تغییر می‌کنند؛ هر پیوند به نهاد صادرکننده می‌رود.
Pages in Financial discipline overview.
پرسش و پاسخ.
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?
از این صفحه شواهد مشارکت دهید.
گزارش‌ها 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.
- ایمیلدروازهٔ GW-GRAاز همین صفحه ارسال کنیدشواهد، یک اصلاحیه، یک مورد، یک روش، یک داوری، یک ترجمه یا ورودی نمایه. با برچسب این صفحه میرسد تا ویراستار مسئول آن را دریافت کند.
- Zenodoسپردهٔ بازآن را واگذار کنید و به جامعه ارائه دهیدسابقهٔ خود را با شناسهٔ ORCID خود در Zenodo منتشر کنید و سپس آن را در همانجا به جامعهٔ Reports ارسال کنید. گزینشگران آن را داوری می‌کنند؛ DOI از آنِ شما میماند.
- گزارش‌هاGlobal Risks Allianceهمهٔ راههای مشارکت را ببینیدانواع مشارکت، نحوهٔ بررسی هر یک، اعتباری که دریافت میکنید، مجوز و آنچه هرگز پذیرفته نمیشود.
هرگز داده شخصی، جزئیات حساس زیرساخت یا چیزی را که حق اشتراکش را ندارید نفرستید. هر مشارکت پیش از استفاده داوری می‌شود؛ ارسال آن حق مؤلفی یا ویرایشی نمی‌دهد و حمایت مالی هرگز یافته‌ای را نمی‌خرد.
یک پرسش دربارهٔ مواجهه یا سرمایه را نزد اتحاد مطرح کنید.
اطلاعات و درخواست‌ها امروز باز است. هر درخواست یک شمارهٔ پیگیری می‌گیرد و گام بعدی را مشخص می‌کند؛ درخواست‌های عضویت، پرداخت‌ها، تخصیص رایانش و ثبت‌نام‌ها تنها زمانی باز می‌شوند که تیم، شرایط و ظرفیت داوری آن‌ها فراهم باشد.
اسناد حقوقی.
نقشه‌ها، داده‌ها و ارقام این سایت برای زمینه و اطلاعات عمومی نشان داده می‌شوند. توصیه، پیش‌بینی یا هشدار نیستند؛ حدود این اطلاعات در سلب مسئولیت‌ها و اعلامیه‌های داده بیان شده است.