Gradient-boosted credit models
Tree ensembles used in credit scoring are examined for gains in ranking power, sensitivity to data shifts and how their reasons can be explained to applicants.
GRA · هوش مصنوعی و ریسک الگوی مالی
مالی فضاییجایی که سرمایه به مخاطره، مواجهه و گذار برمیخورد
Artificial intelligence and machine learning are methods that learn patterns from data to predict, classify or generate. On this platform they are explained as the techniques behind modern credit, pricing, fraud and generative tools, and as sources of model risk with distinctive failure modes.
Artificial intelligence and machine learning develop algorithms that learn patterns from data to classify, predict or generate outputs. They are increasingly used for hazard detection, forecasting and decision support, and are themselves a source of risk. In artificial intelligence and financial stability, machine learning can scale detection and forecasting across interconnected systems. Its own failure modes must be weighed when automated outputs inform consequential decisions. The canonical description is on the STEM Commons.
Tree ensembles used in credit scoring are examined for gains in ranking power, sensitivity to data shifts and how their reasons can be explained to applicants.
Large language models used to summarise documents and draft responses are assessed for factual accuracy, grounding and data handling before deployment.
Unsupervised methods that flag unusual transactions or trades are examined for false positive rates and for how alerts are reviewed by staff.
نماهای مواجهه، زیان، سناریو و سرمایه که یک مدیر ریسک، ناظر یا وزارت دارایی میپرسد، همراه با چارچوبهایی که بر پایهٔ آنها گزارش میدهد. ساختارها از رویهٔ نظارتی و اکچوئری پیروی میکنند. مقادیر توضیحی است: هرگز قیمت، رتبه یا توصیه نیست.
How a shock in Artificial intelligence and machine learning for AI and financial model risk reaches credit, market, underwriting, liquidity and operational risk, and feeds back.
مجموعهدادهها و سوابقی که هوش مصنوعی و یادگیری ماشین در این سکو به کار میبرند، همراه با نقش هر یک و برچسبی که مقادیر آن دارند. منابع در فهرست منابع.
| داده | نقش | برچسب |
|---|---|---|
| Labelled historical decisions and outcomes | آموزش و آزمون | گزارششده |
| Evaluation datasets | Performance measurement | مشاهدهشده |
| مستندات مدل | Design and limits | DECLARED |
Process explorer · Process
9 steps·5 stages·1 gate
فرایند
هستهٔ AI RMF چهار کارکرد دارد: GOVERN، MAP، MEASURE و MANAGE، که GOVERN فراگیر است؛ ترتیب ترسیمشده یک خوانش رایج است، نه فهرست وارسی.
طرح کلی بیطرفانهٔ یک استاندارد یا روش خارجی منتشرشده، از نهاد صادرکنندهٔ آن. سابقهٔ عملیات نیست. Nexus هیچیک از گامهای نشاندادهشده را انجام، گواهی یا تأیید نمیکند. هر دروازه یا تصمیم متعلق به طرفی است که منبع نام میبرد. اقدامها لزوماً مجموعهای مرتب از گامها نیستند. قانون هوش مصنوعی اتحادیهٔ اروپا در این جریان ترسیم نشده است.
مدلها بر دادهٔ کنارگذاشتهشدهای ارزیابی میشوند که ساختار مکانی، زمانی و گروهی را رعایت میکند. استواری، واسنجی و انصاف در کنار دقت آزموده میشوند.
| بررسی | چگونه انجام میشود |
|---|---|
| Out-of-time testing | Models are tested on later periods than training data |
| Benchmark comparison | مدلهای پیچیده با جایگزینهای سادهتر مقایسه میشوند |
| ثبات | Performance and explanations are checked across retraining runs |
عملکرد هنگامی که شرایط استقرار با دادههای آموزش متفاوت باشد افت میکند. مدلها ممکن است سوگیریها را در خود رمزگذاری کنند و در رخدادهای نادر بدون هشدار روشن از کار بیفتند.
هوش مصنوعی و سامانههای خودمختار متولی هوش مصنوعی و یادگیری ماشین برای کنسرسیوم است و چگونگی کاربرد آن را در سکوها بازبینی میکند.
Reports نشریهٔ فصلی کنسرسیوم است. آنچه دربارهٔ این موضوع میدانید میتواند در ویراست بعدی به شواهد، یک مورد یا یک اصلاح تبدیل شود، به نام شما ثبت شود و در صورتی که کار خود شما باشد تحت CC BY 4.0 منتشر شود.
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.
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.
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.
این وبگاه تنها از کوکیهای کاملاً ضروری برای کارکرد خود و به خاطر سپردن گزینههای حریم خصوصی شما استفاده میکند. هیچ چیزی از شرکتهای دیگر بارگذاری نمیشود و ما هرگز اطلاعات شخصی شما را نمیفروشیم یا به اشتراک نمیگذاریم.
این وبگاه تنها از کوکیهای کاملاً ضروری برای کارکرد خود و به خاطر سپردن گزینههای حریم خصوصی شما استفاده میکند. هیچ چیزی از شرکتهای دیگر بارگذاری نمیشود و ما هرگز اطلاعات شخصی شما را نمیفروشیم یا به اشتراک نمیگذاریم. ما هیچ تبلیغی نمایش نمیدهیم. هر زمان میتوانید گزینههای خود را از طریق «گزینههای حریم خصوصی» در پایین هر صفحه بازبینی کنید.