GRA · Risque lié à l'IA et aux modèles financiers
Spatial financeWhere capital meets hazard, exposure and transition
Modèles de crédit et de tarification
Credit scores, probability of default models and insurance pricing models decide who gets credit or cover and at what price. Machine learning can improve prediction and also introduce opacity, instability and proxy discrimination. These models also feed provisioning and capital. This page sets out how credit and pricing models fail, how their risks are measured, the data they depend on and who decides how they are used.
Modèles de crédit et de tarification consignés.
Modèles de crédit et de tarification : comment le risque se développe.
Finance-specific automated decisions. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.
Data reflect the past
Les modèles apprennent à partir de données historiques de prêts et de sinistres qui reflètent des décisions passées, des conditions économiques et des exclusions. Les demandeurs différents des emprunteurs passés sont notés à partir de données probantes moins fiables.
Les performances se dégradent dans de nouvelles conditions
Models fitted in stable periods can misjudge default or claims when rates, inflation or unemployment shift, which is when accurate risk estimates matter most.
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.
Ce que signifient les modèles de crédit et de tarification pour l'exposition, la perte et le capital.
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.
Indicateurs de capital, de solvabilité et budgétaires
The indicators a risk officer, supervisor or ministry of finance reads first on credit and pricing models.
| Indicateur | Unité | Qui le lit | Cadre |
|---|---|---|---|
| Ratio CET1 | % des actifs pondérés des risques | Banques, autorités de contrôle | Cadre de Bâle |
| Ratio de couverture des besoins de liquidité | % des sorties de fonds en situation de crise | Banques, banques centrales | Cadre de Bâle |
| Ratio de solvabilité | % du capital de solvabilité requis | Assureurs, autorités de contrôle | Principes fondamentaux de l'assurance de l'AICA |
| Ratio combiné | % des primes acquises | Assureurs | Pratique actuarielle |
| Déficit de protection | part non assurée de la perte économique | Assureurs, ministères des finances | Statistiques de pertes publiées |
| Dette publique | % du PIB | Ministères des finances, FMI | Cadre de viabilité de la dette |
| Besoins bruts de financement | % du PIB par an | Ministères des finances, investisseurs | Cadre de viabilité de la dette |
Ce qui est mesuré, et avec quelle qualité.
Chaque indicateur porte son unité, sa périodicité, le type de source qui le sous-tend et l'étiquette de preuve que porterait une valeur. Aucune valeur n'est affichée : un programme les fournit sous sa propre autorité.
| Indicateur | Unité | Fréquence | Type de source | Étiquette |
|---|---|---|---|---|
| Pouvoir discriminant des grilles de notation | Coefficient de Gini ou aire sous la courbe | trimestriel | Suivi des modèles | ESTIMÉ |
| Calibrage de la probabilité de défaut | taux de défaut observé par rapport au taux prévu, ratio | annuel | Back-testing | ESTIMÉ |
| Population stability index | sans dimension | mensuel | Suivi des modèles | ESTIMÉ |
| Écarts de taux d'approbation entre groupes | rapport des taux d'approbation | périodique | Analyse de l'équité en matière de crédit | ESTIMÉ |
| Dérogations aux décisions des modèles | part des décisions | mensuel | Registres des décisions | OBSERVÉ |
| Expected credit loss model adjustments | actualité des ajustements post-modèle | trimestriel | Financial statements | Statistiques publiées |
D'où proviennent les données probantes.
Jeux de données publics et registres institutionnels nommés, chacun avec sa catégorie de licence. Les sources fournies dans le cadre d'accords ne sont utilisées que selon leurs conditions et ne sont jamais republiées.
| Sources | Ce qu'elle apporte | Catégorie de licence |
|---|---|---|
| EBA guidelines on loan origination and monitoring | Expectations for credit decision models including automated models | Gratuit, conditions de réutilisation de l'UE |
| CFPB circulars on adverse action and complex algorithms | United States expectations for explaining credit denials | Domaine public |
| HMDA data | Données américaines sur les demandes de prêts hypothécaires et leurs résultats | Domaine public |
| Bank Pillar 3 credit risk disclosures | Tests rétrospectifs de la probabilité de défaut et résultats des modèles | Documents publics, conditions propres à chaque banque |
| Publications actuarielles et de contrôle des assurances sur les modèles de tarification | Practice and expectations for pricing models | Gratuit, conditions selon l'éditeur |
Qui décide, et à quoi servent les données probantes.
Risque lié à l'IA et risque de modèle prépare les données probantes. Les décisions ci-dessous sont prises par les autorités nommées, selon leurs propres règles, et jamais par la plateforme.
| Qui décide | La question | Données probantes servies par cette page |
|---|---|---|
| Credit risk and pricing committees | Quels modèles utiliser et avec quelles surcouches | Données probantes sur la performance, l'étalonnage et l'équité |
| Valideurs de modèles | Si les modèles sont adaptés à leur usage | Test rétrospectif et comparaison avec des références |
| Conduct and fair lending supervisors | Si les résultats du modèle sont licites et équitables | Outcome data and adverse action practice |
| Comités d'audit | Whether provisioning models and overlays are reasonable | Model outputs and adjustment rationale |
Résultats que produit ce thème
- Guide des mesures de performance des modèles de crédit et de tarification
- Note méthodologique sur le test de la discrimination par proxy
- Brief on post-model adjustments and what they reveal
- Questions pour les comités de crédit sur les limites des modèles
Ce que se demandent les experts.
Credit and pricing questions combine accuracy, fairness and legality.
- Does the model predict default or loss accurately across all customer groups?
- Do input variables act as proxies for characteristics that law protects?
- L'institution peut-elle expliquer à un client pourquoi un crédit a été refusé ou un prix fixé ?
- Comment le modèle se comporte-t-il tout au long du cycle économique, et pas seulement en conditions favorables ?
- Comment les sources de données alternatives influent-elles sur l'exactitude, l'inclusion et la vie privée ?
Mécanismes et facteurs.
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.
Comment c'est étudié, et où les méthodes s'arrêtent.
| Méthode ou données | Ce qu'il montre | Limites |
|---|---|---|
| Discrimination and calibration testing | Accuracy and calibration across groups | Les attributs protégés peuvent ne pas être consignés |
| Mesures d'équité | Disparities in outcomes or errors | Des indicateurs différents peuvent se contredire |
| Explanation methods | Principaux facteurs des décisions individuelles | Explications approximatives de modèles complexes |
| Rétrotests sur l'ensemble du cycle | Performance selon les conditions | Peu de ralentissements dans les données |
Comment c'est étudié, et ce que les méthodes ne peuvent pas dire.
- 01Probabilités et statistiquesTests d'étalonnage · Statistiques de dérive · Comparaison des résultats entre groupesAppliqué ici
- 02Intelligence artificielle et apprentissage automatiqueModèles de crédit à gradient boosting · Modèles de langage dans les opérations · Détection des anomaliesAppliqué ici
- 03Quantification de l'incertitude et validation des modèlesIntervalles de prédiction pour les modèles de pertes · Ensembles de modèles · Capital ou coussins pour risque de modèleAppliqué ici
- 04Ingénierie de l'évaluation et de l'assurance de l'IAValidation des modèles d'apprentissage automatique · Tests adversariaux de l'IA générative · Évaluation de l'équitéAppliqué ici
Questions et réponses.
Que mesure un coefficient de Gini pour un tableau de bord d'évaluation ?
Qu'est-ce qu'un ajustement post-modèle ?
Un modèle peut-il discriminer sans utiliser de caractéristiques protégées ?
Does alternative data improve inclusion?
Does the platform assess lenders’ models?
Apportez des éléments de preuve depuis cette page.
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.
- E-mailPasserelle GW-GRAL'envoyer depuis cette pageUne preuve, une correction, un cas, une méthode, un examen, une traduction ou un apport au profil. Elle arrive étiquetée avec cette page, afin que le rédacteur responsable la reçoive.
- 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.
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.
Soumettez une question d'exposition ou de capital à l'Alliance.
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.
Documents juridiques.
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.