Skip to content

GRA · IA e rischio dei modelli finanziari

Finanza spazialeDove il capitale incontra pericolo, esposizione e transizione

Governance del rischio di modello

Rischio di modello è la possibilità di perdite o danni derivanti da decisioni basate su modelli errati o usati impropriamente. Banche, assicurazioni e gestori di attivi lo gestiscono con inventari dei modelli, classificazione per livelli di rischio, validazione indipendente, approvazione e monitoraggio continuo, sotto la supervisione di consigli di amministrazione e alta direzione. L'apprendimento automatico e l'IA generativa ampliano ciò che si considera un modello. Questa pagina illustra come funziona e come fallisce la governance del rischio di modello, quali registri sono coinvolti e chi decide.

01Registrare

La governance del rischio di modello, documentata.

02La domanda

Model risk governance: how the risk develops.

Inventory, ownership and validation. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.

Meccanismo

Inventories miss models

Fogli di calcolo, strumenti di fornitori e componenti di IA spesso restano fuori dall'inventario dei modelli. I modelli non censiti sfuggono a validazione e monitoraggio, e i loro errori emergono solo quando arrivano perdite o reclami.

Meccanismo

La sfida si indebolisce

Validation that lacks independence, skill or authority to stop a model becomes a formality. Effective challenge needs validators who understand the method and can block use.

Meccanismo

La classificazione per livelli determina l'attenzione

Models are tiered by materiality and complexity, which decides validation depth. Underestimating a model’s materiality, or the reach of an AI tool, leaves high-impact models lightly reviewed.

Meccanismo

I modelli interagiscono

Gli output di un modello alimentano altri modelli: un punteggio alimenta la determinazione dei prezzi, che alimenta il capitale. Un errore a monte si propaga, e il rischio di modello aggregato lungo la catena è raramente misurato.

03Monitoraggio

Ciclo di vita del rischio di modello.

La schermata che un gruppo utilizzerebbe per seguire questo tema: misure, stati e decisioni. I nomi sono esempi e i valori sono illustrativi.

Ciclo di vita del rischio di modello

Governance del rischio di modello · Inventario dei modelli · Comitato 9

9 validations overdueGRA · AI and Financial Model Risk

Ciclo di vita

  1. Inventarioregistrato
  2. Sviluppodocumentato
  3. Convalidareindipendente
  4. Approvarecomitato
  5. Attuarecontrolli
  6. Monitoraggiosoglie
  7. Valutazioneannuale
  8. Dismetteredismissione

Modelli

MD-204 PD retailLivello 114 mesi3In ritardo
MD-511 Triage dei reclami con LLMLivello 1mai0Non convalidato
MD-164 IFRS 9 stagingLivello 18 mesi1Approvato
MD-534 propensione di marketingLivello 317 mesi0Approvato

Ambito di validazione

Solidità concettuale
In corso
Analisi dei risultati
In sospeso
Benchmarking
In sospeso
Limiti d'uso
revisione umana necessaria
Model risk lifecycle: the screen’s structure, terms and states for Model risk governance.Example names and illustrative values; a design, not a record or a live system.
04Indicatori

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.

IndicatoreUnitàCadenzaTipo di fonteEtichetta
Modelli in inventarioconteggio per livellotrimestraleInventario dei modelliDICHIARATO
Modelli convalidati entro il ciclo decisionalequota per livellotrimestraleRegistri di validazioneDICHIARATO
Risultanze di validazione aperteconteggio per gravitàtrimestraleRegistri di validazioneDICHIARATO
Modelli utilizzati con eccezioni o restrizioniconteggiotrimestraleModel governance recordsDICHIARATO
AI and machine learning models in inventorycount and shareannualeInventario e indaginiDICHIARATO
Supervisory findings on model risk managementconteggioannualeSegnalazioni di vigilanzaStatistiche pubblicate
05Modello di scenario

Percorsi di politica e loro effetti sul rischio.

Come tre famiglie di strumenti modificano nel tempo un esito di rischio, con ritardi di adozione, copertura e conformità, gli scenari di policy alla base delle valutazioni del rischio di transizione e del rischio fisico. Scenario: ipotesi dichiarate sul futuro, non una previsione.

Comandi

Tendenza di base del risultato
2.0% all'anno
Copertura dello strumento
70%
Conformità
75%
Dimensione dell'effetto rispetto al valore didattico
100%
Anni in avanti
20 anni

Letture

Riduzione maggiore all'orizzonte
Regolamentazione
La sua riduzione rispetto allo scenario di base
21%
Numeri, metodi e fonti
AnnoBase di riferimentoRegolamentazioneIncentivo economicoInformazione e capacità
0100.099.598.899.1
1102.0101.2100.199.8
2104.0102.5101.199.9
3106.1103.5101.6100.0
4108.2103.7101.8100.7
5110.4103.2101.7102.1
6112.6102.0101.6103.9
7114.9100.4101.6105.9
8117.299.2102.1108.0
9119.598.6102.9110.1
10121.998.9104.2112.3
11124.399.7105.7114.5
12126.8101.1107.4116.8
13129.4102.7109.4119.2
14131.9104.5111.4121.6
15134.6106.5113.5124.0
16137.3108.5115.7126.5
17140.0110.7118.0129.0
18142.8112.9120.4131.6
19145.7115.1122.8134.2
20148.6117.4125.2136.9

Metodi

  1. Tools of government Hood (1983), The Tools of Government, Macmillan
  2. Carote, bastoni e prediche Bemelmans-Videc, Rist e Vedung (1998), Transaction
  3. Diffusion of innovations Rogers (2003), Diffusion of Innovations, Free Press
  4. Ventaglio di incertezza (Monte Carlo sui parametri) Spiegelhalter, Pearson e Short (2011), Visualising uncertainty about the future, Science 333
  5. One-at-a-time sensitivity (tornado) Saltelli and others (2008), Global Sensitivity Analysis: The Primer, Wiley

Dati

The model runs on the teaching values set by the controls. To calibrate it for a place, read it against these admitted layers and series, which this page’s map can draw:

  • Borders Natural Earth
  • Cities Natural Earth
Percorsi di policy e loro effetto sul rischio. Modello didattico illustrativo: funziona con i valori impostati dai comandi, non con dati misurati. Metodi: Strumenti di governo (Hood (1983), The Tools of Government, Macmillan); Carote, bastoni e prediche (Bemelmans-Videc, Rist e Vedung (1998), Transaction); Diffusione delle innovazioni (Rogers (2003), Diffusion of Innovations, Free Press).
06Fonti

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.

FonteCosa fornisceClasse di licenza
Federal Reserve and OCC SR 11-7 guidanceModel risk management expectationsPubblico dominio
PRA SS1/23 model risk management principlesUK principles for banksGratuito, condizioni della Bank of England
ECB guide to internal modelsAspettative per i modelli interni usati per il capitaleGratuito, condizioni BCE
Indagini della Bank of England e della FCA sull'IA e sull'apprendimento automatico nei servizi finanziari del Regno UnitoUse and governance of AI across firmsGratuito, termini della Bank of England e della FCA
Rapporti di follow-up dell'EBA sull'apprendimento automatico per i modelli basati su rating interniSupervisory views on ML in capital modelsGratuito, condizioni di riutilizzo dell'UE
07Esposizione, perdita e capitale

What model risk governance 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.

Canali di trasmissione

Come uno shock nella governance del rischio di modello raggiunge i rischi di credito, di mercato, di sottoscrizione, di liquidità e operativo, e retroagisce.

Channel structure after the Basel Committee’s work on climate-related risk drivers and transmission channels; links shown are typical paths, not estimated exposures.
NGFS climate scenarios · Network for Greening the Financial SystemIFRS S2 Climate-related Disclosures · ISSBTCFD recommendations · Financial Stability Board TCFDPrinciples for the effective management of climate-related financial risks · Basel Committee on Banking Supervision
08Decisioni

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 decideLa domandaEvidenze fornite da questa pagina
Boards and senior managementQuale propensione al rischio di modello definire e come sorvegliarlaInventario, classificazione per livelli, risultanze ed evidenze degli incidenti
Funzioni di gestione del rischio di modelloWhich models to validate, approve, restrict or retireValidation results and monitoring
Autorità di vigilanza prudenzialeSe la gestione del rischio di modello soddisfa le aspettativeRevisioni di vigilanza e segnalazioni delle imprese
Audit internoSe il quadro di rischio di modello funziona come previstoGovernance and validation records

Output prodotti da questo argomento

  • Guide to model inventories, tiering and validation
  • Nota di sintesi sull'estensione della gestione del rischio di modello all'IA e all'IA generativa
  • Nota metodologica sulla sfida efficace (effective challenge)
  • Questions for boards on aggregate model risk
09Questioni centrali

Cosa si chiedono gli esperti.

Governance questions begin with knowing what models exist.

  • Che cosa conta come modello, e la definizione comprende l'apprendimento automatico, gli strumenti dei fornitori e l'IA generativa?
  • Is every model in the inventory, with an accountable owner and a risk tier?
  • Is validation genuinely independent and effective at challenging developers?
  • How are model limitations documented and communicated to users?
  • Does the board understand the institution’s aggregate model risk?
10Meccanismi

Meccanismi e fattori.

Models fail through flawed design, poor data, implementation errors, or use beyond their intended scope. Governance frameworks address these through development standards, independent validation and ongoing monitoring, scaled to each model’s materiality. Supervisory guidance on model risk management in several jurisdictions sets expectations along these lines.

AI strains traditional frameworks. Machine learning models can be numerous, frequently retrained and embedded in processes; generative AI tools may be adopted informally by staff; vendor models may be opaque. Inventories that miss these uses leave risk unmanaged.

11Metodi e dati

Come viene studiato, e dove si fermano i metodi.

Metodo o datiCosa mostraLimiti
Inventari dei modelli e classificazione per livelliWhich models exist and how material they areInformal and embedded AI uses are easily missed
Convalida indipendenteSoundness of design, data and implementationValidation is constrained by time, skills and access to vendor details
Governance benchmarkingHow institutions organise model riskAutodichiarato e difficile da confrontare
Issue and finding analysisRecurring weaknessesLe risultanze restano riservate all'interno delle imprese
12Metodi

Come viene studiato, e cosa i metodi non possono dire.

13Domande

Domande e risposte.

Che cos'è il rischio di modello?
The potential for adverse consequences from decisions based on incorrect or misused model outputs, as SR 11-7 describes it, including financial loss, poor decisions and reputational harm.
Che cos'è la sfida efficace (effective challenge)?
Critical, independent analysis of a model by people with the competence, influence and incentives to identify limitations and require changes.
Are AI models covered by model risk rules?
Le autorità di vigilanza, come la PRA, affermano che i principi di rischio di modello si applicano ai modelli di intelligenza artificiale e di apprendimento automatico, con attenzione ai loro rischi specifici.
I fogli di calcolo e gli strumenti di IA generativa contano come modelli?
Many frameworks define models by function rather than technology, so tools that produce quantitative estimates or influence decisions can fall within scope. Each institution applies its own definition under its supervisors’ expectations.
Does the platform review firms’ frameworks?
No. GRA does not review, validate or approve firms’ frameworks or models.
RapportiContribuisci

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.

Global Risks AllianceAI and Financial Model RiskMethods and TechnicalExponential Technology
IA e rischio dei modelli finanziari

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.