Prediction intervals for loss models
Le previsioni di perdita sono riportate con intervalli ottenuti con metodi bootstrap o bayesiani, in modo che le decisioni tengano conto dell'ampiezza dei risultati plausibili.
GRA · IA e rischio dei modelli finanziari
Finanza spazialeDove il capitale incontra pericolo, esposizione e transizione
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.
Le previsioni di perdita sono riportate con intervalli ottenuti con metodi bootstrap o bayesiani, in modo che le decisioni tengano conto dell'ampiezza dei risultati plausibili.
Several model specifications are run in parallel, and their disagreement is used as a measure of structural uncertainty for decision makers.
Uncertainty estimates inform conservative margins or buffers that firms hold for known model weaknesses, with their basis documented.
La schermata che un gruppo utilizzerebbe per seguire questo metodo: misure, stati e decisioni. I nomi sono esempi e i valori sono illustrativi.
Rischio legato all'IA e ai modelli · Quantificazione dell'incertezza · Esecuzione R-7264
| Modelli in inventario | Beta | modelli, dichiarati | elicitazione degli esperti |
| Overdue validations | Beta | modelli, dichiarati | elicitazione degli esperti |
| Modelli di fascia alta con rilievi aperti | Beta | modelli, dichiarati | elicitazione degli esperti |
| Models with drift alerts | Normale | modelli, dichiarati | elicitazione degli esperti |
Dataset e record utilizzati dalla quantificazione dell'incertezza e dalla validazione dei modelli su questa piattaforma, con il ruolo di ciascuno e l'etichetta che i loro valori recano. Le fonti sono elencate in registro delle fonti.
| Dati | Ruolo | Etichetta |
|---|---|---|
| Output del modello e residui | Stima dell'errore | MODELLATO |
| Specifiche alternative | Incertezza strutturale | MODELLATO |
| Back-testing data | Realised errors | OSSERVATO |
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 Uncertainty quantification and model validation at AI and Financial Model Risk reaches credit, market, underwriting, liquidity and operational risk, and feeds back.
Le distribuzioni predittive sono verificate in termini di calibrazione e nitidezza rispetto a osservazioni escluse dalla stima. La verifica conferma che il codice risolve le equazioni previste.
| Verifica | Come si fa |
|---|---|
| Copertura dell'intervallo | Stated intervals are checked against realised outcomes |
| Rendicontazione della sensibilità | Key assumptions are varied and effects reported |
| Comunicazione | Uncertainty is shown with results, not in appendices |
L'incertezza strutturale e le incognite ignote sono difficili da rappresentare. Il costo computazionale limita l'esplorazione dei modelli ad alta dimensionalità.
Process explorer · Process
10 steps·4 stages
Processo
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.
Sintesi di uno standard o metodo esterno, tratta dalle sue fonti pubbliche. Descrive ciò che dice il quadro, non il resoconto di alcuna esecuzione. Non indica che Nexus o un partner esegua, certifichi o approvi una fase. Un gate è una fase del metodo, mai un'approvazione di Nexus.
Scienza dei sistemi e modellizzazione è custode della quantificazione dell'incertezza e della validazione dei modelli per il consorzio e verifica come vengono applicate nelle varie 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.