GRA · هوش مصنوعی و ریسک الگوی مالی
مالی فضاییجایی که سرمایه به مخاطره، مواجهه و گذار برمیخورد
الگوهای شخص ثالث
Firms use vendor credit scores, fraud models, catastrophe models, market data analytics and foundation models they did not build and cannot fully inspect. Responsibility for model risk stays with the firm. This page sets out how third-party model risk arises, how firms validate what they cannot see, the evidence available, and who decides.
Third party models on the record.
Third party models: how the risk develops.
Vendor dependencies and due diligence. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.
Limited transparency
Vendors protect their methods as trade secrets. Firms may get documentation and performance reports but not code, data or training details, which limits validation.
مدلهای مشترک، خطاهای مشترک
When many firms use the same vendor model, its errors affect them all at once and can move markets or credit supply together.
Updates change behaviour
Vendors update models and data on their own schedules. Without notice and change analysis, a firm’s validated model can change silently.
Validation by outcomes
Where internals are hidden, firms validate through benchmarking, outcome analysis and testing on their own data, which needs time and data.
چرخهٔ عمر ریسک الگو.
صفحهای که یک تیم برای پیگیری این موضوع به کار میبرد: سنجهها، وضعیتها و تصمیمهای آن. نامها نمونهاند و مقادیر نمایشی.
چرخهٔ عمر ریسک الگو
Third party models · Model inventory · Committee 8
چرخهٔ عمر
- سیاههثبتشده
- تدوینمستندشده
- اعتبارسنجیمستقل
- تأییدکمیته
- اجراکنترلها
- پایشآستانهها
- بازبینیسالانه
- بازنشستهسازیکنارگذاری
مدلها
| MD-709 PD retail | ردهٔ 1 | 9 months | 1 | معوق |
| MD-561 LLM complaints triage | ردهٔ 1 | هرگز | 0 | اعتبارسنجی نشده |
| MD-601 IFRS 9 staging | ردهٔ 1 | 3 months | 0 | تأییدشده |
| MD-088 marketing propensity | ردیف 3 | 14 ماه | 1 | تأییدشده |
دامنهٔ اعتبارسنجی
- استواری مفهومی
- در حال انجام
- تحلیل دستاوردها
- در انتظار
- سنجش تطبیقی
- در انتظار
- حدود استفاده
- بازبینی انسانی لازم است
چه چیزی اندازهگیری میشود و با چه کیفیتی.
هر نشانگر واحد، بسامد بهروزرسانی، نوع منبع پشت آن و برچسب شواهدی را که یک مقدار میداشت، همراه دارد. هیچ مقداری نشان داده نمیشود: یک برنامه آنها را تحت اختیار خود فراهم میکند.
| نشانگر | واحد | تناوب | نوع منبع | برچسب |
|---|---|---|---|---|
| Third-party models in inventory | شمار به تفکیک رده | سالانه | فهرست مدلها | DECLARED |
| Vendor models with full documentation | سهم | سالانه | Vendor management records | DECLARED |
| Vendor model changes notified | شمارش | در سال | Vendor notices | گزارششده |
| Third-party models validated on own data | سهم | سالانه | سوابق اعتبارسنجی | DECLARED |
| تمرکز استفاده از مدلهای فروشندگان در میان بنگاهها | share of firms using top vendors | دورهای | پیمایشهای نظارتی | گزارششده |
| Contracts with model change notice clauses | سهم | دورهای | بازبینی قراردادها | DECLARED |
What third party models means for exposure, loss and capital.
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.
مجاری انتقال
چگونه یک شوک در مدلهای شخص ثالث به ریسک اعتباری، بازار، پذیرهنویسی، نقدینگی و عملیاتی میرسد و بازخورد میدهد.
شواهد از کجا میآیند.
مجموعهدادههای عمومی و سوابق نهادی نامبرده، هر یک با ردهٔ پروانهٔ خود. منابع مبتنی بر توافق تنها بر پایهٔ شرایطشان به کار میروند و هرگز بازنشر نمیشوند.
| منبع | آنچه فراهم میکند | رستهٔ پروانه |
|---|---|---|
| SR 11-7 guidance on vendor and third-party models | Expectations for using external models | مالکیت عمومی |
| Interagency guidance on third-party relationships (United States banking agencies) | انتظارات مدیریت ریسک اشخاص ثالث | مالکیت عمومی |
| گزارش FSB دربارهٔ پیامدهای هوش مصنوعی برای ثبات مالی | Third-party and concentration risks from AI | رایگان، شرایط FSB |
| EU AI Act obligations for providers and deployers | Division of duties between AI providers and users | رایگان، شرایط بازاستفادهٔ اتحادیهٔ اروپا |
| Vendor model documentation and performance reports | Information vendors provide to users | Proprietary, terms per vendor |
چه کسی تصمیم میگیرد و شواهد در خدمت چیست.
هوش مصنوعی و ریسک الگوی مالی شواهد را آماده میکند. تصمیمهای زیر را مراجع نامبرده بر پایهٔ قواعد خود میگیرند، و هرگز سکو.
| چه کسی تصمیم میگیرد | پرسش | شواهدی که این صفحه به آنها خدمت میکند |
|---|---|---|
| کارکردهای ریسک مدل | How to validate and approve third-party models | مستندسازی، محکها و آزمون پیامد |
| Procurement and legal | Which transparency and change terms to require | Contract practice and regulatory expectations |
| ناظران | اینکه آیا استفاده از مدل فروشنده بهطور کافی اداره میشود و آیا تمرکز اهمیت دارد | Surveys and review findings |
| Vendors | چه مستنداتی و چه اطلاعیهای باید ارائه شود | Customer and regulatory requirements |
خروجیهایی که این موضوع تولید میکند
- راهنمای اعتبارسنجی مدلهایی که شرکتها نمیتوانند بازرسی کنند
- Brief on concentration in vendor and foundation models
- یادداشت روش دربارهٔ تحلیل تغییر برای بهروزرسانیهای فروشندگان
- Questions for procurement on model transparency terms
آنچه کارشناسان میپرسند.
The questions concern responsibility for models one did not build.
- Does the institution understand how a vendor model works well enough to validate its use?
- What documentation, testing evidence and access does the vendor provide?
- How are vendor model updates communicated, tested and approved?
- How many institutions rely on the same vendor, and what happens if it fails or changes?
- Can the institution exit or replace the model if needed?
سازوکارها و محرکها.
Vendors often protect their models as intellectual property, limiting the transparency available to users. Institutions must still validate the model’s use for their own purposes, typically through outcome testing, benchmarking and contractual rights to documentation. Updates by the vendor can change model behaviour without the institution’s knowledge.
Concentration is a sector-wide concern. When many institutions use the same vendor model or AI provider, a flaw, outage or change affects them together, creating correlated errors and operational dependencies that no single institution can manage alone.
چگونه مطالعه میشود و روشها کجا متوقف میشوند.
| روش یا داده | آنچه نشان میدهد | محدودیتها |
|---|---|---|
| Vendor due diligence | Vendor capability, controls and transparency | Limited by vendor disclosure |
| Outcome and benchmark testing | Performance on the institution’s own data | Does not reveal internal logic |
| Contract and exit analysis | Rights to information, notification and exit | Rights may be hard to exercise |
| Concentration mapping | Shared dependencies across the sector | نیازمند اطلاعات تجمیعی |
چگونه مطالعه میشود و آنچه روشها نمیتوانند بگویند.
- 01مهندسی ارزیابی و اطمینانبخشی هوش مصنوعیاعتبارسنجی مدلهای یادگیری ماشین · آزمون تیم قرمز برای هوش مصنوعی مولد · ارزیابی انصافکاربرد در اینجا
- 02احتمال و آمارآزمون واسنجی · آمار رانش · مقایسهٔ نتایج گروههاکاربرد در اینجا
- 03کمّیسازی عدم قطعیت و اعتبارسنجی مدلبازههای پیشبینی برای مدلهای خسارت · مجموعههای مدل · سرمایه یا ضربهگیرهای ریسک مدلکاربرد در اینجا
- 04هوش مصنوعی و یادگیری ماشینمدلهای اعتباری تقویتشده با گرادیان · مدلهای زبانی در عملیات · تشخیص ناهنجاریکاربرد در اینجا
پرسش و پاسخ.
Who is responsible for a vendor model’s risk?
How can a firm validate a model it cannot see?
Why does vendor concentration matter?
آیا خرید یک مدل، ریسک آن را به فروشنده منتقل میکند؟
Why is vendor concentration a stability concern?
What should an institution be able to obtain from a model vendor?
Does the platform rate vendors?
از این صفحه شواهد مشارکت دهید.
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.
- 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.