Credit decisioning with explainability
Gradient boosting and similar models are developed alongside interpretable scorecards; explanations of individual decisions are produced and tested for stability before any use in lending.
GRA · Banking Nexus
स्थानिक वित्तजहाँ पूँजी का सामना संकट, जोखिम-संपर्क और संक्रमण से होता है
बैंकिंग में मशीन लर्निंग
Artificial intelligence and machine learning now support credit underwriting, fraud and financial crime detection, पूर्व चेतावनी of borrower stress and supervisory analysis. In banking they are both a tool and a source of risk: their outputs must be explainable, fair, robust and validated before they influence consequential decisions about customers or capital.
01विषय-सूची
Machine learning in banking in five parts.
02आवेदन
कृत्रिम बुद्धिमत्ता और मशीन लर्निंग यहाँ क्या करते हैं।
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 financial stability, capital markets and investment and climate and hazards, machine learning can scale detection and forecasting across interconnected प्रणालियाँ. Its own failure modes must be weighed when automated outputs inform consequential decisions. The canonical description is on STEM Commons.
Early warning and transaction monitoring
Transaction and account data are used to flag borrowers showing early signs of distress and patterns associated with fraud, with every alert reviewed by a person.
Text analysis for risk and supervision
Language models and text classifiers extract risk signals from filings, incident reports and supervisory documents, with outputs checked against human review.
03निगरानी करें
मॉडल प्रशिक्षण।
वह स्क्रीन जिसका उपयोग कोई टीम इस पद्धति का अनुसरण करने के लिए करेगी: इसके माप, अवस्थाएँ और निर्णय। नाम उदाहरण हैं और मान उदाहरणात्मक हैं।
मॉडल प्रशिक्षण
Banking · Machine learning in banking · Run R-5640
एक खंड पर विचलनGRA · Banking Nexus
खंड के अनुसार मूल्यांकन
| सभी | 0.89 | 0.05 | 5695 | उत्तीर्ण |
| क्षेत्र A | 0.85 | 0.06 | 1734 | समीक्षा |
| क्षेत्र B | 0.68 | 0.09 | 636 | समीक्षा |
| दुर्लभ वर्ग | 0.71 | 0.11 | 144 | मानक से नीचे |
पद्धति कार्ड
- पद्धति
- कृत्रिम बुद्धिमत्ता और मशीन लर्निंग
- विभाजन
- समय-आधारित, कोई रिसाव नहीं
- विशेषताएँ
- 56
- लेबल
- मॉडल-आधारित
जनसंख्या स्थिरता
04डेटा
पद्धति क्या उपभोग करती है।
इस प्लेटफ़ॉर्म पर कृत्रिम बुद्धिमत्ता और मशीन लर्निंग द्वारा उपयोग किए जाने वाले डेटासेट और अभिलेख, प्रत्येक की भूमिका और उसके मानों के लेबल के साथ। स्रोत स्रोत रजिस्टर.
| डेटा | भूमिका | लेबल |
|---|---|---|
| Credit application and performance data | Training and validation | प्रेक्षित |
| Transaction records | Monitoring and पूर्व चेतावनी features | प्रेक्षित |
| Public filings and supervisory publications | Text corpora | प्रकाशित सांख्यिकी |
| Cash-flow and alternative data used under consent and law | Additional borrower features | रिपोर्ट किया गया |
05तनाव परीक्षण
परिसंपत्तियों पर आघात प्रणालीगत हानि कैसे बन जाता है।
अंतरबैंक संक्रमण के बाद प्रणाली जो इक्विटी गँवाती है, उसे प्रारंभिक आघात की तुलना में, लीवरेज, अंतर्संबंध और वसूली दरों के बदलने पर दिखाया गया है; यह समष्टि-विवेकपूर्ण दबाव परीक्षणका मूल है। यह घोषित दृष्टांत-मानों वाला शिक्षण मॉडल है, पूर्वानुमान नहीं।
नियंत्रण
- बाह्य परिसंपत्तियों में गिरावट
- 2.0%
- उत्तोलन (परिसंपत्तियाँ बनाम इक्विटी)
- 10 गुना
- परिसंपत्तियों में अंतर-बैंक हिस्सा
- 10%
- अंतर-बैंक दावों पर वसूली
- 40%
- प्रणाली में बैंक
- 20
- प्रमुख बैंक
- बैंकों का 20%
पाठ्यांक
- आरंभिक आघात से खोई गई इक्विटी
- 18.0%
- संक्रमण के बाद खोई गई इक्विटी
- 45.0%
- संक्रमण से जुड़ी हानि (DebtRank)
- 27.0 अंक
- चूककर्ता बैंक
- 0
संख्याएँ, विधियाँ और स्रोत
| चरण | प्रणाली इक्विटी हानि (%) | चूककर्ता बैंक |
|---|---|---|
| 0 | 18.00 | 0 |
| 1 | 28.80 | 0 |
| 2 | 35.28 | 0 |
| 3 | 39.17 | 0 |
| 4 | 41.50 | 0 |
| 5 | 42.90 | 0 |
| 6 | 43.74 | 0 |
| 7 | 44.24 | 0 |
| 8 | 44.55 | 0 |
| 9 | 44.73 | 0 |
| 10 | 44.84 | 0 |
| 11 | 44.90 | 0 |
| 12 | 44.94 | 0 |
| 13 | 44.96 | 0 |
| 14 | 44.98 | 0 |
| 15 | 44.99 | 0 |
| 16 | 44.99 | 0 |
| 17 | 45.00 | 0 |
| 18 | 45.00 | 0 |
| 19 | 45.00 | 0 |
| 20 | 45.00 | 0 |
| 21 | 45.00 | 0 |
| 22 | 45.00 | 0 |
| 23 | 45.00 | 0 |
| 24 | 45.00 | 0 |
| 25 | 45.00 | 0 |
| 26 | 45.00 | 0 |
| 27 | 45.00 | 0 |
| 28 | 45.00 | 0 |
| 29 | 45.00 | 0 |
| 30 | 45.00 | 0 |
पद्धतियाँ
- DebtRank Battiston and others (2012), Scientific Reports 2:541
- विभेदक DebtRank Bardoscia and others (2015), PLOS ONE 10
- वित्तीय नेटवर्कों में संक्रमण Gai and Kapadia (2010), Proc. R. Soc. A 466
- वित्तीय नेटवर्कों में समाशोधन Eisenberg and Noe (2001), Management Science 47
- अनिश्चितता फ़ैन चार्ट (पैरामीटर मोंटे कार्लो) Spiegelhalter, Pearson and Short (2011), Visualising uncertainty about the future, Science 333
- एक-एक करके संवेदनशीलता (टॉरनेडो) Saltelli and others (2008), Global Sensitivity Analysis: The Primer, Wiley
डेटा
No observed data enters this model: it runs on the teaching values set by the controls, to be replaced with a programme’s own evidence.
छह स्तंभों में, Nexus Consortium के नेतृत्व में
- प्रयोग प्रयोगशालाएँ
- में निर्मित Foundry में Banking Nexus
- परीक्षण स्थल Universe में Banking Nexus
- में संहिताबद्ध Standards में वित्त, बीमा और अर्थव्यवस्था
- में प्रकाशित Reports में Banking Nexus
- में पढ़ाया जाता है Academy में वित्त और अर्थशास्त्र संकाय
06सत्यापन
परिणामों की जाँच कैसे होती है।
मॉडलों का मूल्यांकन अलग रखे गए उस डेटा पर होता है जो स्थानिक, कालिक और समूह संरचना का सम्मान करता है। सटीकता के साथ-साथ सुदृढ़ता, अंशांकन और निष्पक्षता का परीक्षण होता है।
| जाँचें | यह कैसे किया जाता है |
|---|---|
| Temporal hold-out | Models are evaluated on periods later than the training data, never on random splits alone |
| Fairness testing | Outcomes are compared across groups using several fairness definitions, and the trade-offs are reported |
| Explanation stability | Explanations are checked for consistency across similar cases and over time |
| Drift monitoring | Input and output distributions are tracked against thresholds that trigger review and retraining |
जब परिनियोजन परिस्थितियाँ प्रशिक्षण डेटा से भिन्न होती हैं तो प्रदर्शन घटता है। मॉडल पूर्वाग्रहों को समाहित कर सकते हैं और दुर्लभ घटनाओं पर स्पष्ट चेतावनी के बिना विफल हो सकते हैं।
07जोखिम-संपर्क, हानि और पूँजी
What machine learning in banking means for exposure, loss and capital.
वे जोखिम-अनावरण, हानि, परिदृश्य और पूँजी दृश्य जो कोई जोखिम अधिकारी, पर्यवेक्षक या वित्त मंत्रालय माँगेगा, उन ढाँचों के साथ जिनके विरुद्ध वे रिपोर्ट करते हैं। संरचनाएँ पर्यवेक्षी और बीमांकिक अभ्यास का अनुसरण करती हैं। मान उदाहरणात्मक हैं: कभी क़ीमतें, रेटिंग या सलाह नहीं।
परिदृश्य पथ
How machine learning in banking could be stressed under the scenario families central banks and supervisors use.
| परिदृश्य समूह | संक्रमण जोखिम | भौतिक जोखिम | तनाव परीक्षण क्या पूछता है |
|---|---|---|---|
| व्यवस्थित | शीघ्र, क्रमिक नीति | निम्न | क्या बही निरंतर पुनर्मूल्यन को सह सकती है? |
| अव्यवस्थित | विलंबित, अचानक नीति | निम्न से मध्यम | अचानक पुनर्मूल्यन और ऋण-श्रेणी परिवर्तन में क्या टूट जाता है? |
| अति-तप्त विश्व | सीमित नीति | उच्च और बढ़ता हुआ | संपार्श्विक और बीमा में भौतिक हानियाँ कहाँ संकेंद्रित होती हैं? |
NGFS जलवायु परिदृश्य · वित्तीय प्रणाली को हरित बनाने का नेटवर्क (Network for Greening the Financial System)IFRS S2 जलवायु-संबंधी प्रकटीकरण · ISSBTCFD सिफ़ारिशें · वित्तीय स्थिरता बोर्ड TCFDजलवायु-संबंधी वित्तीय जोखिमों के प्रभावी प्रबंधन के सिद्धांत · बैंकिंग पर्यवेक्षण पर बेसल समिति
09प्रबंधकत्व
पद्धति का रखरखाव कौन करता है।
कृत्रिम बुद्धिमत्ता और स्वायत्त प्रणालियाँ कंसोर्टियम के लिए कृत्रिम बुद्धिमत्ता और मशीन लर्निंग का संरक्षक है और प्लेटफ़ॉर्मों पर उसके अनुप्रयोग की समीक्षा करता है।
10जुड़ा हुआ
यह पृष्ठ पूरे कंसोर्टियम में कहाँ ले जाता है।
11प्रश्न
प्रश्न और उत्तर।
इस क्षेत्र में कृत्रिम बुद्धिमत्ता और मशीन लर्निंग की सीमाएँ क्या हैं?
जब परिनियोजन परिस्थितियाँ प्रशिक्षण डेटा से भिन्न होती हैं तो प्रदर्शन घटता है। मॉडल पूर्वाग्रहों को समाहित कर सकते हैं और दुर्लभ घटनाओं पर स्पष्ट चेतावनी के बिना विफल हो सकते हैं।
परिणामों की जाँच कैसे होती है?
मॉडलों का मूल्यांकन अलग रखे गए उस डेटा पर होता है जो स्थानिक, कालिक और समूह संरचना का सम्मान करता है। सटीकता के साथ-साथ सुदृढ़ता, अंशांकन और निष्पक्षता का परीक्षण होता है।
क्या इस पृष्ठ के मान वास्तविक हैं?
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.
यह पद्धति और कहाँ लागू होती है?
समाजों को चलाने वाली प्रामाणिक पद्धति पृष्ठ उसे लागू करने वाले हर प्लेटफ़ॉर्म को सूचीबद्ध करता है।
रिपोर्टयोगदान दें
इस पृष्ठ से साक्ष्य का योगदान करें।
रिपोर्ट is the Consortium’s quarterly publication. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work.
वैश्विक जोखिम गठबंधन (Global Risks Alliance)Banking Nexusवित्त और बीमा तत्परतापरिदृश्य और तनाव-परीक्षण
- ईमेलगेटवे GW-GRAइसे इसी पृष्ठ से भेजेंसाक्ष्य, सुधार, मामला, पद्धति, समीक्षा, अनुवाद या प्रोफ़ाइल इनपुट। यह इस पृष्ठ के टैग के साथ पहुँचता है, ताकि इसे सँभालने वाले संपादक को मिल जाए।
- Zenodoखुला जमाइसे जमा करें और समुदाय को प्रस्तुत करेंअपने ORCID iD के साथ Zenodo पर अपना अभिलेख प्रकाशित करें, फिर वहाँ Reports समुदाय को प्रस्तुत करें। संरक्षक उसकी समीक्षा करते हैं; DOI आपका ही रहता है।
- रिपोर्टवैश्विक जोखिम गठबंधन (Global Risks Alliance)योगदान के सभी तरीके देखेंयोगदान के प्रकार, प्रत्येक की समीक्षा कैसे होती है, आपको क्या श्रेय मिलता है, लाइसेंस और क्या कभी स्वीकार नहीं किया जाता।
व्यक्तिगत डेटा, संवेदनशील अवसंरचना का विवरण या ऐसी कोई भी सामग्री कभी न भेजें जिसे साझा करने का आपको अधिकार नहीं है। उपयोग से पहले योगदान की समीक्षा होती है; इसे भेजने से लेखकत्व या संपादकीय अधिकार नहीं मिलते, और प्रायोजन कभी किसी निष्कर्ष को नहीं खरीदता।
Banking Nexus
जोखिम-अनावरण या पूँजी का कोई प्रश्न गठबंधन के पास लाएँ।
जानकारी और पूछताछ आज से खुली हैं। हर पूछताछ को एक संदर्भ मिलता है और अगला कदम बताया जाता है; आवेदन, भुगतान, कंप्यूट आवंटन और पंजीकरण तभी खुलते हैं जब उनकी टीम, शर्तें और समीक्षा क्षमता मौजूद हों।
विधिक
कानूनी दस्तावेज़।
इस साइट पर मानचित्र, डेटा और आँकड़े संदर्भ और सामान्य जानकारी के लिए दिखाए जाते हैं। वे सलाह, पूर्वानुमान या चेतावनियाँ नहीं हैं; जानकारी की सीमाएँ अस्वीकरण और डेटा सूचनाओं में बताई गई हैं।