Skip to content

GRA · 人工智能与金融模型风险

空间金融资本与危害、风险暴露和转型的交汇之处

信贷与定价模型

信用评分、违约概率模型和保险定价模型决定谁能获得信贷或保障以及价格如何。机器学习可以改进预测,但也会带来不透明、不稳定和代理变量歧视。这些模型还会影响拨备和资本。本页说明信用与定价模型如何失灵、其风险如何衡量、依赖哪些数据以及由谁决定如何使用。

01登记

已备案的信用与定价模型。

02问题

Credit and pricing models: how the risk develops.

Finance-specific automated decisions. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.

机制

Data reflect the past

Models learn from historical lending and claims that reflect past decisions, economic conditions and exclusions. Applicants unlike past borrowers are scored with less reliable evidence.

机制

在新条件下性能下降

在稳定时期拟合的模型,在利率、通胀或失业率发生变化时,可能误判违约或理赔情况,而此时准确的风险估计最为重要。

机制

代理变量造成不公平结果

Variables correlated with protected characteristics can produce disparate outcomes without using those characteristics directly. Law and supervisors constrain which factors may be used.

机制

错误会传导至资本和拨备

Probability of default and loss given default estimates feed expected credit loss provisions and capital. Systematic optimism understates both until losses arrive.

03风险暴露、损失与资本

信用与定价模型对风险暴露、损失和资本意味着什么。

风险官、监管者或财政部会要求的风险暴露、损失、情景和资本视图,以及它们据以报告的框架。结构遵循监管和精算实务。数值为说明性:绝非价格、评级或建议。

资本、偿付能力和财政指标

The indicators a risk officer, supervisor or ministry of finance reads first on credit and pricing models.

指标单位谁来阅读框架
CET1 比率占风险加权资产的百分比银行、监管机构巴塞尔框架
流动性覆盖率压力流出的 %银行、中央银行巴塞尔框架
偿付能力充足率占偿付能力资本要求的百分比保险公司、监管机构IAIS《保险核心原则》
综合成本率占已赚保费的百分比保险公司精算实践
保护缺口未投保部分占经济损失的比例保险公司、财政部已公布的损失统计
公共债务占 GDP 的 %财政部、IMF债务可持续性框架
总融资需求每年占 GDP 的 %财政部、投资者债务可持续性框架
Source: the frameworks named in each row. Indicator names, units and frameworks only; values belong to each institution’s own reporting and are never shown here.
NGFS 气候情景 · 央行与监管机构绿色金融网络IFRS S2 气候相关披露 · ISSBTCFD 建议 · 金融稳定理事会 TCFD有效管理气候相关金融风险的原则 · 巴塞尔银行监管委员会
04指标

衡量什么,以及衡量得如何。

每个指标都注明其单位、频率、背后的来源类型以及数值将附带的证据标签。此处不显示数值:数值由计划依据其自身权限提供。

指标单位节奏来源类型标签
评分卡的区分能力基尼系数或曲线下面积每季度模型监测估算
违约概率的校准observed default rate against predicted, ratio年度Back-testing估算
群体稳定性指数无量纲每月模型监测估算
Approval rate differences across groupsratio of approval rates定期公平贷款分析估算
Overrides of model decisions决策占比每月决定记录观测
预期信用损失模型调整模型后调整的时效性每季度财务报表已发布统计
05来源

证据来自何处。

具名公共数据集与机构记录,各自注明许可类别。依协议获得的来源仅按其条款使用,绝不再次发布。

来源它提供什么许可类别
欧洲银行管理局(EBA)关于贷款发放与监测的指引Expectations for credit decision models including automated models免费,欧盟再利用条款
CFPB circulars on adverse action and complex algorithmsUnited States expectations for explaining credit denials公有领域
HMDA 数据美国抵押贷款申请及结果数据公有领域
Bank Pillar 3 credit risk disclosures违约概率回溯测试和模型结果公共记录,条款因银行而异
关于定价模型的精算和保险监管出版物定价模型的实践与期望免费,条款依出版方而定
06决定

由谁决定,以及证据服务于什么。

AI 与金融 模型风险 负责准备证据。以下决定由所指明的主管机构依其自身规则作出,绝不由平台作出。

谁来决定问题本页面服务的证据
Credit risk and pricing committees使用哪些模型,以及配合哪些叠加项Performance, calibration and fairness evidence
模型验证人员模型是否适合其预期用途Back-testing and benchmark comparison
行为监管与公平借贷监管机构模型结果是否合法且公平Outcome data and adverse action practice
审计委员会拨备模型和叠加调整是否合理模型输出和调整理由

该主题产生的产出

  • 信用和定价模型绩效衡量指南
  • Method note on testing for proxy discrimination
  • Brief on post-model adjustments and what they reveal
  • 信贷委员会就模型局限应提出的问题
07核心问题

专家提出的问题。

信贷和定价问题同时涉及准确性、公平性和合法性。

  • 该模型在所有客户群体中能否准确预测违约或损失?
  • 输入变量是否充当了法律所保护特征的代理变量?
  • 机构能否向客户解释为何拒绝授信或如何确定价格?
  • 该模型在整个经济周期中表现如何,而不仅是在良好条件下?
  • 替代数据来源如何影响准确性、包容性和隐私?
08机制

机制与驱动因素。

信用模型估计借款人偿还贷款的可能性;定价模型估计预期损失和成本。两者都从历史数据中学习,而历史数据反映了过去的放贷做法、经济状况和社会不平等。模型可能平均而言准确,却对数据中代表性不足的群体表现不佳,也可能通过相关变量重现历史上的歧视。

Credit models are especially exposed to economic regime change: relationships that held in an expansion may break in a downturn. Some jurisdictions classify AI used to assess the creditworthiness of individuals as high-risk, with specific obligations for providers and users.

09方法与数据

如何研究,以及方法止于何处。

方法或数据显示内容局限
Discrimination and calibration testingAccuracy and calibration across groups受保护属性可能不予记录
公平性指标结果或误差的差异不同指标可能相互冲突
解释方法个人决策的主要驱动因素对复杂模型的近似解释
贯穿周期的回溯测试各种条件下的表现数据中经济下行很少
10方法

如何研究,以及方法无法说明的内容。

  1. 概率与统计校准检验 · 漂移统计量 · 群体结果比较在此应用
  2. 人工智能与机器学习梯度提升信用模型 · 运营中的语言模型 · 异常检测在此应用
  3. 不确定性量化与模型验证损失模型的预测区间 · 模型集合 · 模型风险资本或缓冲在此应用
  4. AI 评估与保证工程机器学习模型验证 · 生成式人工智能红队测试 · 公平性评估在此应用
11问题

问题与解答。

基尼系数对评分卡衡量的是什么?
评分将日后违约的借款人排在未违约借款人之前的能力有多强;它衡量的是排序能力,而非预测违约率是否准确。
什么是模型后调整?
对模型输出所作的管理层叠加调整,常用于预期信用损失,适用于模型被判断未能反映当前状况的情形。
模型能否在不使用受保护特征的情况下产生歧视?
是的。与受保护特征相关的变量可能产生差异化结果,因此公平性测试既考察输入,也考察结果。
Does alternative data improve inclusion?
这有助于信用记录单薄的人群,但也带来隐私、准确性和公平性方面需要检验的问题。
Does the platform assess lenders’ models?
否。GRA 不评估、验证或批准任何模型。
报告贡献

从本页贡献证据。

Reports 是联合体的季刊。您对该主题的了解可以成为下一期中的证据、案例或更正,署名归您,并在属于您本人作品时以 CC BY 4.0 发布。

全球风险联盟(Global Risks Alliance)人工智能与金融模型风险方法与技术指数级技术
人工智能与金融模型风险

向联盟提出风险暴露或资本问题。

信息和咨询现已开放。每项咨询都会获得一个编号,并告知下一步;申请、付款、算力分配和注册只有在相应团队、条款和审查能力就绪时才会开放。