Skip to content

GRA · AI와 금융 모델 리스크

공간 금융자본이 재해, 노출, 전환과 만나는 곳

AI와 금융 모델 리스크를 위한 인공지능과 머신러닝

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.

01등록

Artificial intelligence and machine learning for AI and financial model risk on the record.

방법 기록STEM 방법
  1. 방법인공지능과 머신러닝
  2. 적용 분야AI와 금융 모델 리스크
  3. 데이터입력 3개
  4. 정본 페이지STEM 공유지
02신청서

인공지능과 머신러닝이 이곳에서 하는 일.

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.

그래디언트 부스팅 신용 모델

Tree ensembles used in credit scoring are examined for gains in ranking power, sensitivity to data shifts and how their reasons can be explained to applicants.

Language models in operations

Large language models used to summarise documents and draft responses are assessed for factual accuracy, grounding and data handling before deployment.

이상 탐지

Unsupervised methods that flag unusual transactions or trades are examined for false positive rates and for how alerts are reviewed by staff.

03노출, 손실 및 자본

노출, 손실, 자본에 미치는 의미.

리스크 책임자, 감독 당국이나 재무부가 요구할 익스포저, 손실, 시나리오와 자본 보기와 이들이 보고의 기준으로 삼는 체계. 구조는 감독과 보험계리 실무를 따릅니다. 값은 예시이며 가격, 등급이나 조언이 결코 아닙니다.

전이 경로

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.

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 기후 시나리오 · 녹색금융협의체IFRS S2 기후 관련 공시 · ISSBTCFD 권고안 · 금융안정위원회 TCFD기후 관련 금융 리스크의 효과적 관리 원칙 · 바젤은행감독위원회
04데이터

방법이 사용하는 입력.

이 플랫폼에서 인공지능과 머신러닝이 사용하는 데이터셋과 기록으로, 각각의 역할과 그 값에 붙는 표시를 함께 보여 줍니다. 출처는 출처 등록부.

데이터역할라벨
Labelled historical decisions and outcomes학습과 시험보고됨
Evaluation datasetsPerformance measurement관측
모델 문서Design and limits신고됨
05절차

프로세스가 진행되는 방식.

Process explorer · Process

AI 및 금융 모델 리스크를 위한 인공지능과 머신러닝: AI 리스크 관리(NIST)

9 steps5 stages1 gate

절차

AI 및 금융 모델 리스크를 위한 인공지능과 머신러닝: AI 리스크 관리(NIST)

AI RMF Core에는 GOVERN, MAP, MEASURE, MANAGE의 네 가지 기능이 있으며 GOVERN은 전 영역에 걸쳐 적용됩니다. 여기에 그려진 순서는 일반적인 해석 중 하나일 뿐 점검표가 아닙니다.

  1. 01 거버넌스

    1. 01GOVERN: 정책, 역할, 책임성단계 · MRM 위원회GOVERN은 범분야 기능입니다. AI 리스크 관리 전반에 스며들어 다른 기능을 가능하게 합니다.
  2. 02 Map

    1. 02MAP: 맥락과 의도된 용도데이터셋MAP 기능은 AI 시스템과 관련된 리스크를 구조화하기 위한 맥락을 설정하며, 여기에는 의도된 목적과 사람에 대한 영향이 포함됩니다.
  3. 03 측정

    1. 03측정: 신뢰할 수 있는 특성 평가모델링AI 시스템 은 신뢰할 수 있는 특성에 대해 평가됩니다. 배포 전과 운영 중에 정기적으로 시험해야 합니다.
    2. 04MEASURE: 식별된 리스크를 시간에 따라 추적모델링예상하지 못한 리스크와 새롭게 나타나는 리스크를 포함하여, 식별된 AI 리스크를 시간에 따라 추적하는 체계가 마련되어 있습니다.
  4. 04 관리

    1. 05MANAGE: 리스크 처리단계리스크 대응 계획은 사고에 대한 대응, 사고로부터의 복구, 사고에 관한 소통을 포함합니다. 자원은 파악되고 측정된 리스크에 배분됩니다.
    2. 06Proceed or not (MANAGE 1.1)Gate · MRM committeeA determination is made whether the system meets its purposes and objectives, and whether to proceed. The framework sets no thresholds.
    3. 07배포 결정결정 · MRM 위원회시스템을 소유한 조직이 배포 여부와 그 조건을 결정합니다.
    4. 08배포 후 모니터링과 사고모델링배포 후 모니터링 계획이 이행됩니다. 사고와 오류는 영향을 받는 커뮤니티를 포함한 관련 AI 행위자와 공유됩니다.
  5. 05 기록

    1. 09AI 시스템 목록데이터셋GOVERN 1.6은 AI 시스템의 목록을 작성하는 체계를 요구합니다. 모델 카드는 일반적인 관행이며, 프레임워크에는 명시되어 있지 않습니다.

발행 기관이 공개한 외부 표준이나 방법을 중립적으로 요약한 개요입니다. 운영 기록이 아닙니다. Nexus는 표시된 어떤 단계도 수행, 인증 또는 승인하지 않습니다. 관문이나 결정은 출처가 명시한 당사자에게 속합니다. 조치들이 반드시 순서가 정해진 단계인 것은 아닙니다. EU AI 법은 이 흐름에 표시되지 않습니다.

06검증

결과가 점검되는 방식.

모형은 공간, 시간, 집단 구조를 고려한 보류 데이터로 평가됩니다. 정확도와 함께 강건성, 보정, 공정성을 시험합니다.

점검수행 방식
Out-of-time testing모델은 학습 데이터보다 이후 기간의 데이터로 검증됩니다
Benchmark comparisonComplex models are compared with simpler alternatives
안정Performance and explanations are checked across retraining runs

배치 조건이 학습 데이터와 다르면 성능이 떨어집니다. 모형은 편향을 내재할 수 있으며 희귀 사건에서 명확한 경고 없이 실패할 수 있습니다.

08스튜어드십

방법을 유지하는 주체.

인공지능과 자율 시스템 은 컨소시엄을 위해 인공지능과 머신러닝을 관리하며, 플랫폼 전반에서의 적용 방식을 검토합니다.

09연결됨

이 페이지가 컨소시엄 전체에서 어디로 이어지는지.

10질문

질문과 답변.

이 분야에서 인공지능과 머신러닝의 한계는 무엇입니까?
배치 조건이 학습 데이터와 다르면 성능이 떨어집니다. 모형은 편향을 내재할 수 있으며 희귀 사건에서 명확한 경고 없이 실패할 수 있습니다.
결과는 어떻게 점검됩니까?
모형은 공간, 시간, 집단 구조를 고려한 보류 데이터로 평가됩니다. 정확도와 함께 강건성, 보정, 공정성을 시험합니다.
이 페이지의 값은 실제입니까?
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.
이 방법은 다른 어디에 적용됩니까?
사회를 움직이는 정본 방법 페이지 는 이를 적용하는 모든 플랫폼을 나열합니다.
보고서기여하기

이 페이지에서 증거를 기여하십시오.

Reports는 컨소시엄의 분기별 간행물입니다. 이 주제에 관해 귀하가 아는 것은 다음 호에서 근거, 사례 또는 정정이 될 수 있으며, 귀하의 이름으로 표시되고, 귀하 자신의 저작인 경우 CC BY 4.0으로 발행됩니다.

글로벌 리스크 얼라이언스(Global Risks Alliance)AI와 금융 모델 리스크방법 및 기술기하급수 기술
AI와 금융 모델 리스크

익스포저나 자본에 관한 질문을 얼라이언스에 가져오십시오.

정보와 문의는 오늘부터 열려 있습니다. 문의에는 참조 번호가 부여되고 다음 단계가 안내됩니다. 신청, 결제, 컴퓨팅 할당, 등록은 해당 팀, 약관, 심사 역량이 갖추어졌을 때만 열립니다.