GRA · IA e rischio dei modelli finanziari
Finanza spazialeDove il capitale incontra pericolo, esposizione e transizione
Modelli di credito e di prezzo
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.
I modelli di credito e di prezzo agli atti.
Credit and pricing models: how the risk develops.
Decisioni automatizzate specifiche della finanza. Il dossier seguente illustra come si sviluppa il rischio, che cosa viene misurato, da dove provengono i dati, come vengono modellati e chi decide.
Data reflect the past
I modelli apprendono da prestiti e sinistri storici che riflettono decisioni passate, condizioni economiche ed esclusioni. I richiedenti diversi dai debitori del passato sono valutati con evidenze meno affidabili.
Performance degrades in new conditions
I modelli calibrati in periodi stabili possono valutare erroneamente l'insolvenza o i sinistri quando tassi, inflazione o disoccupazione cambiano, ossia quando stime accurate del rischio sono più importanti.
Gli indicatori indiretti producono esiti iniqui
Le variabili correlate con caratteristiche protette possono produrre esiti disparati anche senza usare direttamente tali caratteristiche. La legge e le autorità di vigilanza limitano i fattori che possono essere utilizzati.
Gli errori si ripercuotono su capitale e accantonamenti
Probability of default and loss given default estimates feed expected credit loss provisions and capital. Systematic optimism understates both until losses arrive.
What credit and pricing models means for exposure, loss and capital.
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.
Indicatori di capitale, solvibilità e fiscali
The indicators a risk officer, supervisor or ministry of finance reads first on credit and pricing models.
| Indicatore | Unità | Chi lo legge | Quadro |
|---|---|---|---|
| Coefficiente CET1 | % delle attività ponderate per il rischio | Banche, autorità di vigilanza | Quadro di Basilea |
| Indice di copertura della liquidità | % dei deflussi in condizioni di stress | Banche, banche centrali | Quadro di Basilea |
| Indice di solvibilità | % del requisito patrimoniale di solvibilità | Assicuratori, autorità di vigilanza | Principi fondamentali dello IAIS per l'assicurazione |
| Combined ratio | % dei premi di competenza | Assicuratori | Prassi attuariale |
| Divario di protezione | quota non assicurata della perdita economica | Assicuratori, ministeri delle finanze | Statistiche pubblicate sulle perdite |
| Debito pubblico | % del PIL | Ministeri delle finanze, FMI | Quadro di sostenibilità del debito |
| Fabbisogni di finanziamento lordi | % del PIL all'anno | Ministeri delle finanze, investitori | Quadro di sostenibilità del debito |
Cosa viene misurato e con quale accuratezza.
Ogni indicatore riporta la sua unità, la sua cadenza, il tipo di fonte su cui si basa e l'etichetta di evidenza che un valore riporterebbe. Non sono mostrati valori: un programma li fornisce sotto la propria autorità.
| Indicatore | Unità | Cadenza | Tipo di fonte | Etichetta |
|---|---|---|---|---|
| Potere discriminante delle scorecard | Coefficiente di Gini o area sotto la curva | trimestrale | Monitoraggio del modello | STIMATO |
| Calibrazione della probabilità di insolvenza | tasso di insolvenza osservato rispetto a quello previsto, rapporto | annuale | Back-testing | STIMATO |
| Indice di stabilità della popolazione | adimensionale | mensile | Monitoraggio del modello | STIMATO |
| Differenze nei tassi di approvazione tra gruppi | rapporto tra i tassi di approvazione | periodico | Analisi dell'equità nella concessione del credito | STIMATO |
| Deroghe alle decisioni dei modelli | quota delle decisioni | mensile | Registri delle decisioni | OSSERVATO |
| Expected credit loss model adjustments | aggiornamento delle rettifiche successive al modello | trimestrale | Bilanci | Statistiche pubblicate |
Da dove provengono le evidenze.
Set di dati pubblici e registri istituzionali specifici, ciascuno con la sua classe di licenza. Le fonti soggette ad accordo sono utilizzate solo alle relative condizioni e mai ripubblicate.
| Fonte | Cosa fornisce | Classe di licenza |
|---|---|---|
| Orientamenti dell'EBA sulla concessione e sul monitoraggio dei prestiti | Expectations for credit decision models including automated models | Gratuito, condizioni di riutilizzo dell'UE |
| CFPB circulars on adverse action and complex algorithms | United States expectations for explaining credit denials | Pubblico dominio |
| Dati HMDA | Dati statunitensi sulle richieste di mutuo e sui relativi esiti | Pubblico dominio |
| Bank Pillar 3 credit risk disclosures | Probability of default back-testing and model outcomes | Documenti pubblici, condizioni secondo ciascuna banca |
| Pubblicazioni di vigilanza attuariale e assicurativa sui modelli di tariffazione | Practice and expectations for pricing models | Gratuito, condizioni a seconda dell'editore |
Chi decide, e a cosa servono le evidenze.
IA e rischio di modello prepara le evidenze. Le decisioni riportate di seguito sono assunte dalle autorità indicate, secondo le rispettive norme, e mai dalla piattaforma.
| Chi decide | La domanda | Evidenze fornite da questa pagina |
|---|---|---|
| Credit risk and pricing committees | Which models to use and with what overlays | Performance, calibration and fairness evidence |
| Validatori dei modelli | Se i modelli sono adeguati allo scopo | Back-testing e confronto con i parametri di riferimento |
| Conduct and fair lending supervisors | Se i risultati dei modelli sono leciti ed equi | Dati sugli esiti e prassi relative alle azioni sfavorevoli |
| Comitati di audit | Se i modelli di accantonamento e le rettifiche sono ragionevoli | Risultati dei modelli e motivazione delle rettifiche |
Output prodotti da questo argomento
- Guida alle misure di performance dei modelli di credito e di pricing
- Nota metodologica sulla verifica della discriminazione per proxy
- Nota di sintesi sulle rettifiche successive al modello e su ciò che rivelano
- Domande per i comitati crediti sui limiti dei modelli
Cosa si chiedono gli esperti.
Credit and pricing questions combine accuracy, fairness and legality.
- Il modello prevede in modo accurato l'insolvenza o la perdita in tutti i gruppi di clienti?
- Do input variables act as proxies for characteristics that law protects?
- L'istituzione è in grado di spiegare a un cliente perché il credito è stato rifiutato o un prezzo è stato fissato?
- Come si comporta il modello lungo il ciclo economico, e non solo in condizioni favorevoli?
- How do alternative data sources affect accuracy, inclusion and privacy?
Meccanismi e fattori.
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.
I modelli di credito sono particolarmente esposti ai cambiamenti del regime economico: relazioni valide in una fase espansiva possono venire meno in una recessione. Alcune giurisdizioni classificano come ad alto rischio l'IA usata per valutare l'affidabilità creditizia delle persone, con obblighi specifici per fornitori e utilizzatori.
Come viene studiato, e dove si fermano i metodi.
| Metodo o dati | Cosa mostra | Limiti |
|---|---|---|
| Discrimination and calibration testing | Accuracy and calibration across groups | Protected attributes may not be recorded |
| Metriche di equità | Disparities in outcomes or errors | Metriche diverse possono essere in conflitto |
| Metodi di spiegazione | Principali fattori delle decisioni individuali | Spiegazioni approssimate di modelli complessi |
| Through-the-cycle backtesting | Prestazioni in condizioni diverse | Poche fasi di recessione nei dati |
Come viene studiato, e cosa i metodi non possono dire.
- 01Probabilità e statisticaTest di calibrazione · Statistiche di deriva · Confronto degli esiti tra gruppiApplicato qui
- 02Intelligenza artificiale e apprendimento automaticoModelli di credito con gradient boosting · Modelli linguistici nelle operazioni · Rilevamento delle anomalieApplicato qui
- 03Quantificazione dell'incertezza e validazione dei modelliIntervalli di previsione per i modelli di perdita · Insiemi di modelli · Capitale o riserve per il rischio di modelloApplicato qui
- 04Ingegneria della valutazione e dell'assicurazione dell'IAConvalida dei modelli di apprendimento automatico · Red teaming dell'IA generativa · Valutazione dell'equitàApplicato qui
Domande e risposte.
Che cosa misura un coefficiente di Gini per una scheda di valutazione?
Che cos'è una rettifica post-modello?
Un modello può discriminare senza utilizzare caratteristiche protette?
Does alternative data improve inclusion?
Does the platform assess lenders’ models?
Contribuisci con evidenze da questa pagina.
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.
- E-mailPortale GW-GRAInvialo da questa paginaUn'evidenza, una correzione, un caso, un metodo, una revisione, una traduzione o un contributo a un profilo. Arriva etichettata con questa pagina, così la riceve la persona redattrice che ne è responsabile.
- 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.
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.
Portate all'Alliance una questione di esposizione o di capitale.
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.
Documenti legali.
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.