Skip to content

GRA · Риски ИИ и финансовых моделей

Пространственные финансыГде капитал встречается с опасностями, подверженностью и переходом

Количественная оценка неопределённости и валидация моделей в направлении «Риски ИИ и финансовых моделей»

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.

01Реестр

Количественная оценка неопределённости и валидация моделей в разделе «ИИ и финансовый модельный риск» в зафиксированном виде.

Запись о методеSTEM-метод
  1. МетодКоличественная оценка неопределённости и валидация моделей
  2. Применяется в«Риски ИИ и финансовых моделей
  3. Canonical pageSTEM Commons
02Заявка

Что здесь делают количественная оценка неопределённости и валидация моделей.

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

Loss forecasts are reported with intervals from bootstrap or Bayesian methods, so decisions see how wide plausible outcomes are.

Ансамбли моделей

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

Model risk capital or buffers

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

03Мониторинг

Анализ неопределённости.

Экран, который команда использовала бы для следования этому методу: его показатели, состояния и решения. Названия приведены для примера, а значения иллюстративны.

Анализ неопределённости

Риск ИИ и моделей · Количественная оценка неопределённости · Запуск R-7264

Чувствительность ранжированаGRA · Риски ИИ и финансовых моделей

Чувствительность полного порядка

Распределение результатов

Исходные данные

Модели в перечнеБетамодели указаны явноопрос экспертов
Overdue validationsБетамодели указаны явноопрос экспертов
High-tier models with open findingsБетамодели указаны явноопрос экспертов
Models with drift alertsНормамодели указаны явноопрос экспертов
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.
04Данные

Что потребляет метод.

Наборы данных и записи, используемые для количественной оценки неопределённости и валидации моделей на этой платформе, с указанием роли каждого и метки, присваиваемой его значениям. Источники перечислены в реестре источников.

ДанныеРольМетка
Model outputs and residualsОценка погрешностиСМОДЕЛИРОВАНО
Альтернативные спецификацииСтруктурная неопределённостьСМОДЕЛИРОВАНО
Back-testing dataRealised errorsНАБЛЮДАЕМО
05Подверженность, убытки и капитал

Что это означает для подверженности, потерь и капитала.

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.

Каналы передачи

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.
Климатические сценарии NGFS · Сеть по экологизации финансовой системыIFRS S2 «Раскрытие информации, связанной с климатом» · ISSBРекомендации TCFD · Совет по финансовой стабильности, TCFDПринципы эффективного управления климатическими финансовыми рисками · Базельский комитет по банковскому надзору
06Валидация

Как проверяются результаты.

Прогнозные распределения проверяются на калибровку и резкость по отложенным наблюдениям. Верификация подтверждает, что код решает заданные уравнения.

ПроверкаКак это делается
Покрытие интерваловStated intervals are checked against realised outcomes
Отчётность о чувствительностиKey assumptions are varied and effects reported
КоммуникацияUncertainty is shown with results, not in appendices

Структурную неопределённость и неизвестные неизвестные трудно представить. Вычислительные затраты ограничивают исследование моделей высокой размерности.

07Процесс

Как устроен процесс.

Process explorer · Process

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

10 steps4 stages

Процесс

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 Движущие факторы

    1. 01ОпасностьНабор данных · Независимая валидацияВозможное наступление природного или антропогенного физического события или тенденции, которые могут причинить вред людям, имуществу, услугам или экосистемам.
    2. 02ПодверженностьНабор данных · Независимая валидацияПрисутствие людей, источников средств к существованию, видов, экосистем, инфраструктуры или активов в местах и условиях, которые могут подвергнуться неблагоприятному воздействию.
    3. 03ЧувствительностьНабор данных · Независимая валидацияСтепень, в которой система или вид подвергается неблагоприятному или благоприятному воздействию изменчивости климата или его изменения.
    4. 04Потенциал реагирования и адаптацииНабор данных · Независимая валидацияСпособность Системы, учреждений, людей и других организмов приспосабливаться к ущербу, использовать возможности или реагировать на последствия.
  2. 02 Оценка

    1. 05Risk from responsesComponent · Independent validationRisks from climate responses arise when responses miss their objectives, or from trade-offs or negative side effects.
    2. 06VulnerabilityComponent · Independent validationThe propensity or predisposition to be adversely affected. It includes sensitivity to harm and lack of capacity to cope and adapt.
    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 Реагирование

    1. 08Управление рисками и реагированиеШаг · Независимая валидацияУправление рисками охватывает планы, действия, стратегии или политику, снижающие вероятность или масштаб неблагоприятных последствий.
    2. 09Residual riskRecord · Independent validationThe climate impact risk that remains after adaptation and mitigation efforts. Adaptation can redistribute risk between areas and groups.
  4. 04 Решение

    1. 10Решение ответственной стороныРешение · Независимая валидацияПостановка не называет единственного лица, принимающего решения. Решения о мерах реагирования принимает ответственная сторона по своим правилам.

Описание внешнего стандарта или метода по его публичным источникам. Оно описывает, что говорит рамочная основа, а не запись о каком-либо прогоне. Оно не показывает, что Nexus или какой-либо партнёр выполняет, сертифицирует или утверждает какой-либо шаг. Этап является шагом метода и никогда не является утверждением Nexus.

09Ведение и сопровождение

Кто ведёт метод.

«Системная наука и моделирование» ведёт и сопровождает количественную оценку неопределённости и валидацию моделей для Консорциума и проверяет их применение на разных платформах.

11Вопросы

Вопросы и ответы.

Каковы пределы количественной оценки неопределённости и валидации моделей в этой области?
Структурную неопределённость и неизвестные неизвестные трудно представить. Вычислительные затраты ограничивают исследование моделей высокой размерности.
Как проверяются результаты?
Прогнозные распределения проверяются на калибровку и резкость по отложенным наблюдениям. Верификация подтверждает, что код решает заданные уравнения.
Значения на этой странице реальные?
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.
Где ещё применяется этот метод?
Observatory Каноническая страница метода перечисляет все применяющие его платформы.
ОтчётыВнести вклад

Поделитесь доказательствами с этой страницы.

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.

Global Risks AllianceAI and Financial Model RiskMethods and TechnicalExponential Technology
Риски ИИ и финансовых моделей

Обратитесь в Альянс с вопросом о подверженности или капитале.

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.

Правовая информация

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.