Skip to content

GRA · AIと金融モデル・リスク

空間金融資本がハザード、エクスポージャー、移行と出会う場所

AI と金融モデルリスクにおける不確実性の定量化とモデル検証

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.

01登録

AI and Financial Model Risk の記録にある不確実性の定量化とモデル検証。

手法の記録STEM の手法
  1. 手法不確実性の定量化とモデル検証
  2. 適用先AI と金融 モデルリスク
  3. データ入力 3 件
  4. 正式なページSTEM コモンズ
02申請

不確実性の定量化とモデル検証がここで果たす役割。

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.

Prediction intervals for loss models

損失予測はブートストラップ法またはベイズ法による区間とともに報告されるため、意思決定の際にもっともらしい結果の幅を把握できます。

モデルアンサンブル

Several model specifications are run in parallel, and their disagreement is used as a measure of structural uncertainty for decision makers.

モデルリスク資本またはバッファー

Uncertainty estimates inform conservative margins or buffers that firms hold for known model weaknesses, with their basis documented.

03監視

不確実性分析。

この手法を追跡するためにチームが使う画面:その指標、状態、決定。名前は例であり、値はイメージです。

不確実性分析

AI およびモデルリスク · 不確実性の定量化 · 実行 R-7264

感度の順位づけGRA · AIと金融モデル・リスク

全次感度

出力の分布

入力

目録内のモデルベータモデル、明示専門家の意見聴取
Overdue validationsベータモデル、明示専門家の意見聴取
調査結果が公開されている上位階層のモデルベータモデル、明示専門家の意見聴取
ドリフト警告付きのモデル平常モデル、明示専門家の意見聴取
Uncertainty analysis: the screen’s structure, terms and states for AI and model risk.Example names and illustrative values; a design, not a record or a live system.
04データ

手法が使用するもの。

本プラットフォームで不確実性の定量化とモデル検証に用いられるデータセットと記録を、それぞれが果たす役割と、その値に付されるラベルとともに示す。情報源は 出典の登録簿.

データ役割ラベル
Model outputs and residuals誤差推定モデル推計
代替仕様構造的な不確実性モデル推計
Back-testing dataRealised errors観測
05エクスポージャー、損失、資本

エクスポージャー、損失、資本にとっての意味。

リスク責任者、監督当局、財務省が求めるエクスポージャー、損失、シナリオ、資本のビューと、それらが報告の根拠とする枠組み。構造は監督実務とアクチュアリー実務に従います。値は例示であり、価格、格付け、助言では決してありません。

波及経路

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.

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 気候シナリオ · 気候変動リスク等に係る金融当局ネットワークIFRS S2 気候関連開示 · ISSBTCFD 提言 · 金融安定理事会 TCFD気候関連金融リスクの実効的な管理のための諸原則 · バーゼル銀行監督委員会
06検証

結果の確認方法。

予測分布は、保持された観測値に対して較正度と鮮鋭度が検証される。検証により、コードが意図した方程式を解いていることが確認される。

確認実施方法
区間のカバレッジStated intervals are checked against realised outcomes
感度報告Key assumptions are varied and effects reported
コミュニケーションUncertainty is shown with results, not in appendices

構造的な不確実性と未知の未知は表現が困難です。計算コストにより、高次元モデルの探索が制限されます。

07プロセス

プロセスの進め方。

Process explorer · Process

Uncertainty quantification and model validation at AI and Financial Model Risk: Hazard, exposure, vulnerability

10 steps4 stages

プロセス

Uncertainty quantification and model validation at AI and Financial Model Risk: Hazard, exposure, vulnerability

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.

  1. 01 要因

    1. 01ハザードデータセット · 独立検証人、財産、サービス、生態系に害を及ぼしうる、自然または人為的な物理的事象や傾向の潜在的な発生。
    2. 02エクスポージャーデータセット · 独立検証悪影響を受ける可能性のある場所や環境に、人々、生計、生物種、生態系、インフラ、資産が存在すること。
    3. 03感度データセット · 独立検証システムや種が、 気候変動性 や気候変化によって悪影響または好影響を受ける度合い。
    4. 04Capacity to cope and adaptDataset · Independent validationThe ability of systems, institutions, humans and other organisms to adjust to damage, take opportunities or respond to consequences.
  2. 02 評価

    1. 05対応から生じるリスク構成要素 · 独立した検証気候への対応から生じるリスクは、対応が目的を達成できない場合や、トレードオフや負の副作用から生じます。
    2. 06脆弱性構成要素 · 独立した検証悪影響を受ける傾向または素因。被害への感受性と、対処し適応する能力の欠如を含みます。
    3. 07RiskModel · AI and Financial Model RiskRisk results from dynamic interactions between hazards and the system’s exposure and vulnerability. Each may be uncertain and change.
  3. 03 対応

    1. 08リスクマネジメントと対応ステップ · 独立検証リスクマネジメントとは、悪影響の発生可能性や規模を減らす計画、行動、戦略、政策です。
    2. 09残留リスク記録 · 独立した検証適応と緩和の努力の後に残る気候影響のリスク。適応によって、リスクが地域や集団の間で再配分されることがあります。
  4. 04 決定

    1. 10責任を負う当事者による決定決定 · 独立した妥当性確認この枠組みは単一の意思決定者を指定していません。対応に関する決定は、責任を負う当事者がそれぞれの規則のもとで行います。

外部の標準または手法の概要を、その公開情報源に基づいて示したものです。フレームワークが述べていることを説明するものであり、いかなる実施の記録でもありません。Nexus やいずれかのパートナーがあるステップを実施、認証、承認していることを示すものではありません。ゲートは手法のステップであり、Nexus による承認ではありません。

09スチュワードシップ

手法を維持する者。

システム科学とモデリング は、コンソーシアムにおける不確実性の定量化とモデル検証のスチュワードを務め、各プラットフォームでの適用状況をレビューする。

11質問

質問と回答。

この分野における不確実性定量化とモデル検証の限界は何か。
構造的な不確実性と未知の未知は表現が困難です。計算コストにより、高次元モデルの探索が制限されます。
結果はどのように確認されますか?
予測分布は、保持された観測値に対して較正度と鮮鋭度が検証される。検証により、コードが意図した方程式を解いていることが確認される。
このページの値は実際のものですか?
The data names, roles and checks are real descriptions of practice. The canvas shows a design of the method’s use, not a run; no result is reported here.
この手法は他にどこで適用されていますか?
認められない利用の全容は 正式な手法のページ には、それを適用するすべてのプラットフォームが掲載されています。
報告書貢献する

このページからエビデンスを提供する。

Reports はコンソーシアムの季刊刊行物です。このテーマについてあなたが知っていることは、次号でエビデンス、事例、または訂正となり得ます。あなたの名前を記し、あなた自身の著作物である場合は CC BY 4.0 で公表されます。

グローバル・リスク・アライアンス(Global Risks Alliance)AIと金融モデル・リスク手法と技術指数関数的テクノロジー
AIと金融モデル・リスク

エクスポージャーまたは資本に関する問いをアライアンスに持ち込む。

情報提供と問い合わせは本日から受け付けています。問い合わせには参照番号が付き、次の手順が示されます。申請、支払い、計算資源の割り当て、登録は、担当チーム、規約、審査体制が整ってから開始します。