GRA · IA e Risco de Modelos Financeiros
Finanças espaciaisOnde o capital encontra ameaça, exposição e transição
Governança do risco de modelo
Model risk is the potential for loss or harm from decisions based on models that are wrong or misused. Banks, insurers and asset managers manage it through model inventories, risk tiering, independent validation, approval and ongoing monitoring, overseen by boards and senior management. Machine learning and generative AI widen what counts as a model. This page sets out how model risk governance works and fails, the records involved, and who decides.
Governança do risco de modelos em registro.
Governança de risco de modelos: como o risco se desenvolve.
Inventário, titularidade e validação. O dossiê abaixo apresenta como o risco se desenvolve, o que é medido, de onde vêm os dados, como são modelados e quem decide.
Inventários deixam de fora os modelos
Planilhas, ferramentas de fornecedores e componentes de IA frequentemente ficam fora do inventário de modelos. Modelos não listados escapam da validação e do monitoramento, e seus erros só aparecem quando chegam perdas ou reclamações.
O desafio se enfraquece
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.
A classificação por níveis define a atenção
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.
Os modelos interagem
Os resultados de um modelo alimentam outros: uma pontuação alimenta a precificação, que alimenta o capital. Um erro a montante se propaga, e o modelos financeiros agregado ao longo da cadeia raramente é medido.
Ciclo de vida do risco de modelo.
A tela que uma equipe usaria para acompanhar esta matéria: suas medidas, estados e decisões. Os nomes são exemplos e os valores são ilustrativos.
Ciclo de vida do risco de modelo
Model risk governance · Model inventory · Committee 9
Ciclo de vida
- Inventárioregistrado
- Desenvolverdocumentado
- Validarindependente
- Aprovarcomitê
- Implementarcontroles
- Monitoramentolimiares
- Análiseanual
- Desativardesativação
Modelos
| MD-204 PD varejo | Nível 1 | 14 meses | 3 | Em atraso |
| MD-511 LLM complaints triage | Nível 1 | nunca | 0 | Não validado |
| MD-164 IFRS 9 staging | Nível 1 | 8 meses | 1 | Aprovado |
| MD-534 propensão de marketing | Nível 3 | 17 meses | 0 | Aprovado |
Escopo da validação
- Solidez conceitual
- Em andamento
- Análise de resultados
- Pendente
- Comparação de desempenho
- Pendente
- Limites de uso
- revisão humana obrigatória
O que é medido e com que qualidade.
Cada indicador leva sua unidade, sua periodicidade, o tipo de fonte por trás dele e a etiqueta de evidência que um valor levaria. Nenhum valor é mostrado: um programa os fornece sob sua própria autoridade.
| Indicador | Unidade | Cadência | Tipo de fonte | Rótulo |
|---|---|---|---|---|
| Modelos no inventário | contagem por nível | trimestral | Inventário de modelos | DECLARADO |
| Modelos validados dentro do ciclo de políticas | participação por nível | trimestral | Registros de validação | DECLARADO |
| Open validation findings | contagem por gravidade | trimestral | Registros de validação | DECLARADO |
| Modelos usados com exceções ou restrições | contagem | trimestral | Registros de governança de modelos | DECLARADO |
| AI and machine learning models in inventory | count and share | anual | Inventário e levantamentos | DECLARADO |
| Supervisory findings on model risk management | contagem | anual | Supervisory reports | Estatísticas publicadas |
Trajetórias de políticas e o que fazem ao risco.
Como três famílias de instrumentos alteram um resultado de risco ao longo do tempo, com defasagens de adoção, cobertura e conformidade, ou seja, os cenários de política por trás das avaliações do risco de transição e do risco físico. Cenário: premissas nomeadas sobre o futuro, e não uma previsão.
Controles
- Tendência de referência do resultado
- 2.0% ao ano
- Cobertura do instrumento
- 70%
- Conformidade
- 75%
- Magnitude do efeito, em relação ao valor didático
- 100%
- Anos à frente
- 20 anos
Leituras
- Maior redução no horizonte
- Regulação
- Sua redução em relação à linha de base
- 21%
Números, métodos e fontes
| Ano | Linha de base | Regulação | Incentivo econômico | Informação e capacidade |
|---|---|---|---|---|
| 0 | 100.0 | 99.5 | 98.8 | 99.1 |
| 1 | 102.0 | 101.2 | 100.1 | 99.8 |
| 2 | 104.0 | 102.5 | 101.1 | 99.9 |
| 3 | 106.1 | 103.5 | 101.6 | 100.0 |
| 4 | 108.2 | 103.7 | 101.8 | 100.7 |
| 5 | 110.4 | 103.2 | 101.7 | 102.1 |
| 6 | 112.6 | 102.0 | 101.6 | 103.9 |
| 7 | 114.9 | 100.4 | 101.6 | 105.9 |
| 8 | 117.2 | 99.2 | 102.1 | 108.0 |
| 9 | 119.5 | 98.6 | 102.9 | 110.1 |
| 10 | 121.9 | 98.9 | 104.2 | 112.3 |
| 11 | 124.3 | 99.7 | 105.7 | 114.5 |
| 12 | 126.8 | 101.1 | 107.4 | 116.8 |
| 13 | 129.4 | 102.7 | 109.4 | 119.2 |
| 14 | 131.9 | 104.5 | 111.4 | 121.6 |
| 15 | 134.6 | 106.5 | 113.5 | 124.0 |
| 16 | 137.3 | 108.5 | 115.7 | 126.5 |
| 17 | 140.0 | 110.7 | 118.0 | 129.0 |
| 18 | 142.8 | 112.9 | 120.4 | 131.6 |
| 19 | 145.7 | 115.1 | 122.8 | 134.2 |
| 20 | 148.6 | 117.4 | 125.2 | 136.9 |
Métodos
- Tools of government Hood (1983), The Tools of Government, Macmillan
- Cenouras, porretes e sermões Bemelmans-Videc, Rist e Vedung (1998), Transaction
- Diffusion of innovations Rogers (2003), Diffusion of Innovations, Free Press
- Leque de incerteza (Monte Carlo de parâmetros) Spiegelhalter, Pearson e Short (2011), Visualising uncertainty about the future, Science 333
- One-at-a-time sensitivity (tornado) Saltelli and others (2008), Global Sensitivity Analysis: The Primer, Wiley
Dados
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
Nos seis pilares, sob a liderança do Nexus Consortium
- Experimentos Laboratórios
- Integrado IA e Risco de Modelos Financeiros no Foundry
- Testado em IA e Risco de Modelos Financeiros no Universe
- Codificado em Digital, ciber e IA em Standards
- Publicado em IA e Risco de Modelos Financeiros no Reports
- Ensinado em Faculdade de Tecnologia e Sistemas Digitais em Academy
De onde vêm as evidências.
Conjuntos de dados públicos nomeados e registros institucionais, cada um com sua classe de licença. As fontes obtidas por acordo só são usadas nos seus termos e nunca são republicadas.
| Fonte | O que oferece | Classe de licença |
|---|---|---|
| Federal Reserve and OCC SR 11-7 guidance | Model risk management expectations | Domínio público |
| PRA SS1/23 model risk management principles | UK principles for banks | Gratuito, termos do Bank of England |
| ECB guide to internal models | Expectations for internal models used for capital | Gratuito, termos do BCE |
| Bank of England and FCA surveys of AI and machine learning in UK financial services | Use and governance of AI across firms | Gratuito, termos do Bank of England e da FCA |
| Relatórios de acompanhamento da EBA sobre aprendizado de máquina para modelos baseados em classificações internas | Supervisory views on ML in capital models | Gratuito, termos de reutilização da UE |
What model risk governance means for exposure, loss and capital.
As vistas de exposição, perda, cenários e capital que um responsável pelo risco, um supervisor ou um ministério das finanças pediria, com os quadros de referência perante os quais reportam. As estruturas seguem a prática de supervisão e atuarial. Os valores são ilustrativos: nunca preços, notações ou aconselhamento.
Canais de transmissão
How a shock in model risk governance reaches credit, market, underwriting, liquidity and operational risk, and feeds back.
Quem decide, e a que servem as evidências.
O AI and Financial risco de modelo Financeiro prepara evidências. As decisões abaixo são tomadas pelas autoridades indicadas, segundo suas próprias regras, e nunca pela plataforma.
| Quem decide | A pergunta | Evidências a que esta página serve |
|---|---|---|
| Boards and senior management | What model risk appetite to set and how to oversee it | Inventory, tiering, findings and incident evidence |
| Funções de gestão de risco de modelos | Which models to validate, approve, restrict or retire | Validation results and monitoring |
| Supervisores prudenciais | Se a gestão do risco de modelo atende às expectativas | Supervisory reviews and firm reporting |
| Auditoria interna | Se a estrutura de risco de modelos opera conforme o projetado | Governance and validation records |
Produtos que este tema gera
- Guia de inventários, classificação por níveis e validação de modelos
- Nota sobre a extensão da gestão do risco de modelos à IA e à IA generativa
- Nota metodológica sobre questionamento efetivo
- Questions for boards on aggregate model risk
O que os especialistas perguntam.
Governance questions begin with knowing what models exist.
- What counts as a model, and does the definition capture machine learning, vendor tools and generative AI?
- 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?
Mecanismos e fatores.
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.
Como é estudado e onde param os métodos.
| Método ou dados | O que mostra | Limites |
|---|---|---|
| Inventários e classificação em níveis de modelos | Which models exist and how material they are | Informal and embedded AI uses are easily missed |
| Validação independente | Soundness of design, data and implementation | Validation is constrained by time, skills and access to vendor details |
| Governance benchmarking | How institutions organise model risk | Self-reported and hard to compare |
| Issue and finding analysis | Fragilidades recorrentes | As conclusões são confidenciais dentro das empresas |
Como é estudado e o que os métodos não podem dizer.
- 01Engenharia de avaliação e garantia de IAValidação de modelos de aprendizado de máquina · Red teaming da IA generativa · Avaliação da equidadeAplicado aqui
- 02Probabilidade e estatísticaTestes de calibração · Estatísticas de deriva · Comparação de resultados entre gruposAplicado aqui
- 03Quantificação da incerteza e validação de modelosIntervalos de previsão para modelos de perdas · Conjuntos de modelos · Capital ou colchões para o risco de modeloAplicado aqui
- 04Inteligência artificial e aprendizado de máquinaModelos de crédito com gradient boosting · Modelos de linguagem nas operações · Detecção de anomaliasAplicado aqui
Perguntas e respostas.
O que é o risco de modelos?
O que é o questionamento efetivo?
Os modelos de IA são abrangidos pelas regras de risco de modelo?
Planilhas e ferramentas de IA generativa contam como modelos?
Does the platform review firms’ frameworks?
Contribua com evidências a partir desta página.
Reports é a publicação trimestral do Consortium. O que você sabe sobre este tema pode se tornar evidência, um caso ou uma correção na próxima edição, com crédito a você e publicado sob CC BY 4.0 quando for obra sua.
- E-mailPortal GW-GRAEnvie desta páginaEvidência, uma correção, um caso, um método, uma revisão, uma tradução ou uma contribuição ao perfil. Chega marcada com esta página, de modo que o editor responsável a receba.
- 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.
Nunca envie dados pessoais, detalhes sensíveis de infraestrutura nem nada que você não tenha o direito de compartilhar. Uma contribuição é revisada antes do uso. Enviá-la não confere autoria nem direitos editoriais, e o patrocínio nunca compra uma constatação.
Apresente à Alliance uma questão de exposição ou de capital.
A informação e os pedidos estão abertos hoje. Um pedido recebe uma referência e indica o próximo passo; candidaturas, pagamentos, alocações de computação e registros só abrem quando existem a equipa, os termos e a capacidade de revisão.
Documentos jurídicos.
Os mapas, dados e números deste site são apresentados como contexto e informação geral. Não são aconselhamento, previsões nem avisos; os limites da informação estão expostos nos Avisos legais e nos Avisos sobre dados.