Gradient-boosted credit models
Gli ensemble di alberi usati nel credit scoring sono esaminati per i miglioramenti del potere di ordinamento, la sensibilità ai cambiamenti nei dati e la possibilità di spiegare le motivazioni ai richiedenti.
GRA · IA e rischio dei modelli finanziari
Finanza spazialeDove il capitale incontra pericolo, esposizione e transizione
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.
Gli ensemble di alberi usati nel credit scoring sono esaminati per i miglioramenti del potere di ordinamento, la sensibilità ai cambiamenti nei dati e la possibilità di spiegare le motivazioni ai richiedenti.
I modelli linguistici di grandi dimensioni usati per riassumere documenti e redigere risposte sono valutati per accuratezza fattuale, ancoraggio e trattamento dei dati prima della diffusione.
Unsupervised methods that flag unusual transactions or trades are examined for false positive rates and for how alerts are reviewed by staff.
Le viste su esposizione, perdita, scenari e capitale che un responsabile del rischio, un'autorità di vigilanza o un ministero delle finanze richiederebbe, con i quadri normativi in base ai quali riferisce. Le strutture seguono la prassi di vigilanza e attuariale. I valori sono illustrativi: mai prezzi, rating o consulenza.
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.
Set di dati e registri utilizzati dall'intelligenza artificiale e dall'apprendimento automatico su questa piattaforma, con il ruolo di ciascuno e l'etichetta dei suoi valori. Le fonti sono elencate nel registro delle fonti.
| Dati | Ruolo | Etichetta |
|---|---|---|
| Labelled historical decisions and outcomes | Addestramento e verifica | RIPORTATO |
| Evaluation datasets | Performance measurement | OSSERVATO |
| Documentazione del modello | Design and limits | DICHIARATO |
Process explorer · Process
9 steps·5 stages·1 gate
Processo
Il nucleo dell'AI RMF comprende quattro funzioni, GOVERN, MAP, MEASURE e MANAGE, con GOVERN trasversale; l'ordine illustrato è una lettura comune, non una lista di controllo.
Sintesi neutrale di uno standard o di un metodo esterno pubblicato, riportata dall'ente che lo ha emesso. Non costituisce una registrazione operativa. Nexus non esegue, certifica né approva alcuna fase illustrata. Un gate o una decisione spetta alla parte indicata dalla fonte. Le azioni non costituiscono necessariamente una sequenza ordinata di fasi. Il Regolamento UE sull'IA non è rappresentato in questo flusso.
I modelli sono valutati su dati esclusi dalla stima che rispettano la struttura spaziale, temporale e di gruppo. Robustezza, calibrazione ed equità sono testate insieme all'accuratezza.
| Verifica | Come si fa |
|---|---|
| Test fuori campione temporale | I modelli vengono testati su periodi successivi a quelli dei dati di addestramento |
| Confronto con i parametri di riferimento | I modelli complessi sono confrontati con alternative più semplici |
| Stabilità | Prestazioni e spiegazioni sono verificate nelle esecuzioni di riaddestramento |
Le prestazioni peggiorano quando le condizioni di impiego differiscono dai dati di addestramento. I modelli possono incorporare distorsioni e fallire senza un chiaro preavviso sugli eventi rari.
Intelligenza artificiale e sistemi autonomi è custode dell'intelligenza artificiale e dell'apprendimento automatico per il Consortium ed esamina come vengono applicati tra le piattaforme.
Reports è la pubblicazione trimestrale del consorzio. Ciò che sai su questo tema può diventare un'evidenza, un caso o una correzione nella prossima edizione, attribuita a te e pubblicata con licenza CC BY 4.0 se si tratta di un tuo lavoro.
Non inviare mai dati personali, dettagli su infrastrutture sensibili o qualsiasi cosa che tu non abbia il diritto di condividere. Un contributo viene sottoposto a revisione prima dell'uso; inviarlo non conferisce diritti di paternità né editoriali, e la sponsorizzazione non compra mai un risultato.
Informazioni e richieste sono aperte oggi. Una richiesta riceve un riferimento e indica il passo successivo; candidature, pagamenti, assegnazioni di calcolo e registrazioni si aprono solo quando esistono il team, le condizioni e la capacità di revisione.
Le mappe, i dati e le cifre di questo sito sono mostrati a titolo di contesto e di informazione generale. Non costituiscono consigli, previsioni né allerte; i limiti dell'informazione sono esposti nelle Dichiarazioni di esclusione di responsabilità e nelle Note sui dati.
Questo sito utilizza solo cookie strettamente necessari per funzionare e per ricordare le tue scelte sulla privacy. Nulla viene caricato da altre aziende e non vendiamo né condividiamo mai i tuoi dati personali.
Questo sito utilizza solo cookie strettamente necessari per funzionare e per ricordare le tue scelte sulla privacy. Nulla viene caricato da altre aziende e non vendiamo né condividiamo mai i tuoi dati personali. Non pubblichiamo pubblicità. Puoi rivedere le tue scelte in qualsiasi momento tramite Scelte sulla privacy, in fondo a ogni pagina.