Gradient-boosted credit models
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.
GRA · Риски ИИ и финансовых моделей
Пространственные финансыГде капитал встречается с опасностями, подверженностью и переходом
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.
Искусственный интеллект и машинное обучение разрабатывают алгоритмы, которые обучаются на данных, чтобы классифицировать, прогнозировать или создавать результаты. Они всё шире применяются для обнаружения опасностей, прогнозирования и поддержки принятия решений и сами являются источником риска. В области искусственного интеллекта и финансовой стабильности машинное обучение может масштабировать обнаружение и прогнозирование в связанных Системы. Его собственные виды отказов необходимо учитывать, когда автоматизированные результаты используются для принятия значимых решений. Каноническое описание размещено на STEM Commons.
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.
Large language models used to summarise documents and draft responses are assessed for factual accuracy, grounding and data handling before deployment.
Unsupervised methods that flag unusual transactions or trades are examined for false positive rates and for how alerts are reviewed by staff.
Представления о подверженности, убытках, сценариях и капитале, которые запросил бы риск-менеджер, надзорный орган или министерство финансов, с указанием систем отчётности, которым они следуют. Структуры соответствуют надзорной и актуарной практике. Значения иллюстративны: это никогда не цены, рейтинги или рекомендации.
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.
Используемые на этой платформе наборы данных и записи по направлению «Искусственный интеллект и машинное обучение», с ролью каждого и меткой, которую несут его значения. Источники перечислены в реестре источников.
| Данные | Роль | Метка |
|---|---|---|
| Labelled historical decisions and outcomes | Обучение и тестирование | СООБЩЕНО |
| Evaluation datasets | Performance measurement | НАБЛЮДАЕМО |
| Документация модели | Design and limits | ЗАДЕКЛАРИРОВАНО |
Process explorer · Process
9 steps·5 stages·1 gate
Процесс
Ядро AI RMF содержит четыре функции: GOVERN, MAP, MEASURE и MANAGE, причём GOVERN является сквозной; показанный порядок представляет собой одно из распространённых прочтений, а не контрольный перечень.
Нейтральное описание опубликованного внешнего стандарта или метода, составленное по материалам выпустившей его организации. Не является записью об эксплуатации. Nexus не выполняет, не сертифицирует и не утверждает ни один из показанных шагов. Контрольная точка или решение относятся к стороне, названной в источнике. Действия не обязательно образуют упорядоченный набор шагов. Закон ЕС об ИИ (EU AI Act) в этой схеме не отражён.
Модели оцениваются на отложенных данных с учётом пространственной, временной и групповой структуры. Устойчивость, калибровка и справедливость проверяются наряду с точностью.
| Проверка | Как это делается |
|---|---|
| Тестирование на данных вне выборки по времени | Models are tested on later periods than training data |
| Benchmark comparison | Complex models are compared with simpler alternatives |
| Стабильность | Performance and explanations are checked across retraining runs |
Эффективность снижается, когда условия развёртывания отличаются от обучающих данных. Модели могут кодировать предвзятость и давать сбои без явного предупреждения при редких событиях.
«Искусственный интеллект и автономные системы» ведёт и сопровождает искусственный интеллект и машинное обучение для Консорциума и проводит рецензирование их применения на платформах.
Reports является ежеквартальным изданием Консорциума. Ваши знания по этой теме могут стать доказательством, кейсом или исправлением в следующем выпуске с указанием вашего авторства и публикацией по лицензии CC BY 4.0, если это ваша собственная работа.
Никогда не отправляйте персональные данные, сведения о чувствительной инфраструктуре или то, чем вы не вправе делиться. Материал проходит рассмотрение перед использованием; его отправка не дает авторских или редакционных прав, а спонсорство никогда не покупает выводы.
Информация и запросы открыты уже сегодня. Запрос получает номер и указывает следующий шаг; заявки, платежи, выделение вычислительных ресурсов и регистрации открываются только тогда, когда существуют их команда, условия и возможности для проверки.
Карты, данные и рисунки на этом сайте приводятся для контекста и общей информации. Они не являются советом, прогнозом или предупреждением; ограничения информации изложены в Оговорках и уведомлениях о данных.
Этот сайт использует только строго необходимые файлы cookie для своей работы и для сохранения ваших настроек конфиденциальности. Ничего не загружается от других компаний, и мы никогда не продаём и не передаём вашу личную информацию.
Этот сайт использует только строго необходимые файлы cookie для своей работы и для сохранения ваших настроек конфиденциальности. Ничего не загружается от других компаний, и мы никогда не продаём и не передаём вашу личную информацию. Мы не размещаем рекламу. Вы можете в любое время пересмотреть свой выбор в разделе «Настройки конфиденциальности» внизу каждой страницы.
Политика в отношении файлов cookieПолитика конфиденциальности