Prediction intervals for loss models
Les prévisions de pertes sont présentées avec des intervalles issus de méthodes bootstrap ou bayésiennes, de sorte que les décisions tiennent compte de l'étendue des résultats plausibles.
GRA · Risque lié à l'IA et aux modèles financiers
Spatial financeWhere capital meets hazard, exposure and transition
Uncertainty quantification estimates how far a model’s output could be wrong, from data, parameters, structure and use. On this platform it supports model risk management by showing ranges, sensitivities and the conditions under which outputs should not be trusted.
Uncertainty quantification and model validation characterise how uncertainty in inputs, parameters and model structure affects predictions. They establish how much confidence a model’s outputs deserve. In artificial intelligence and financial stability, uncertainty quantification shows where risk estimates are robust and where they are fragile. It guides where better data or models would change decisions. The canonical description is on the STEM Commons.
Les prévisions de pertes sont présentées avec des intervalles issus de méthodes bootstrap ou bayésiennes, de sorte que les décisions tiennent compte de l'étendue des résultats plausibles.
Several model specifications are run in parallel, and their disagreement is used as a measure of structural uncertainty for decision makers.
Les estimations d'incertitude éclairent les marges de prudence ou les coussins que les entreprises constituent pour les faiblesses connues des modèles, leur fondement étant documenté.
L'écran qu'une équipe utiliserait pour suivre cette méthode : ses mesures, ses états et ses décisions. Les noms sont des exemples et les valeurs sont illustratives.
Risque lié à l'IA et aux modèles · Quantification de l'incertitude · Exécution R-7264
| Modèles à l'inventaire | Bêta | modèles, déclarés | élicitation d'avis d'experts |
| Overdue validations | Bêta | modèles, déclarés | élicitation d'avis d'experts |
| Modèles de niveau élevé avec constats ouverts | Bêta | modèles, déclarés | élicitation d'avis d'experts |
| Models with drift alerts | Normal | modèles, déclarés | élicitation d'avis d'experts |
Jeux de données et enregistrements utilisés par la quantification de l'incertitude et la validation des modèles sur cette plateforme, avec le rôle de chacun et l'étiquette que portent ses valeurs. Les sources sont répertoriées dans le registre des sources.
| Données | Rôle | Étiquette |
|---|---|---|
| Model outputs and residuals | Estimation de l'erreur | MODÉLISÉ |
| Spécifications alternatives | Incertitude structurelle | MODÉLISÉ |
| Back-testing data | Realised errors | OBSERVÉ |
Les vues d'exposition, de pertes, de scénarios et de capital que demanderaient un responsable des risques, une autorité de contrôle ou un ministère des finances, avec les cadres dont ils relèvent pour leurs rapports. Les structures suivent la pratique prudentielle et actuarielle. Les valeurs sont illustratives : jamais des prix, des notations ni des conseils.
Comment un choc touchant la quantification de l'incertitude et la validation des modèles, dans AI and Financial Model Risk, atteint les risques de crédit, de marché, de souscription, de liquidité et opérationnel, puis rétroagit.
Les distributions prédictives sont testées quant à leur calibration et à leur finesse par rapport à des observations mises de côté. La vérification confirme que le code résout bien les équations visées.
| Vérifier | Comment c'est fait |
|---|---|
| Couverture des intervalles | Stated intervals are checked against realised outcomes |
| Rapport de sensibilité | Key assumptions are varied and effects reported |
| Communication | L'incertitude est présentée avec les résultats, et non en annexe |
L'incertitude structurelle et les inconnues inconnues sont difficiles à représenter. Le coût de calcul limite l'exploration des modèles de grande dimension.
Process explorer · Process
10 steps·4 stages
Processus
In IPCC AR6 Working Group II, climate risk results from interactions between hazards and a system’s exposure and vulnerability, and responses can add risk.
Présentation d'une norme ou d'une méthode externe, d'après ses sources publiques. Elle décrit ce que dit le cadre, et non le compte rendu d'une exécution. Elle ne montre pas que Nexus ou un partenaire exécute, certifie ou approuve une étape. Une porte est une étape de la méthode, jamais une approbation de Nexus.
Sciences des systèmes et modélisation assure la garde de la quantification de l'incertitude et de la validation des modèles pour le Consortium, et examine la manière dont elles sont appliquées dans l'ensemble des plateformes.
Reports est la publication trimestrielle du Consortium. Ce que vous savez de ce sujet peut devenir une donnée probante, un cas ou une correction dans la prochaine édition, avec mention de votre nom et publié sous licence CC BY 4.0 lorsqu'il s'agit de votre propre travail.
N'envoyez jamais de données personnelles, de détails sensibles sur des infrastructures ni rien que vous n'avez pas le droit de communiquer. Une contribution est examinée avant utilisation ; son envoi ne confère ni qualité d'auteur ni droits éditoriaux, et un parrainage n'achète jamais une conclusion.
L'information et les demandes sont ouvertes dès aujourd'hui. Une demande reçoit une référence et indique l'étape suivante ; candidatures, paiements, allocations de calcul et inscriptions n'ouvrent que lorsque l'équipe, les conditions et la capacité d'examen existent.
Les cartes, données et chiffres de ce site sont présentés à titre de contexte et d'information générale. Ils ne constituent ni des conseils, ni des prévisions, ni des alertes ; les limites de l'information sont exposées dans les Avertissements et les Notices sur les données.
Ce site n'utilise que des cookies strictement nécessaires à son fonctionnement et à la mémorisation de vos choix de confidentialité. Aucun contenu n'est chargé depuis d'autres sociétés, et nous ne vendons ni ne partageons jamais vos informations personnelles.
Ce site n'utilise que des cookies strictement nécessaires à son fonctionnement et à la mémorisation de vos choix de confidentialité. Aucun contenu n'est chargé depuis d'autres sociétés, et nous ne vendons ni ne partageons jamais vos informations personnelles. Nous ne diffusons aucune publicité. Vous pouvez revoir vos choix à tout moment au moyen du lien Choix de confidentialité en bas de chaque page.