mesterséges intelligenciaMIgépi tanuláshitelkockázatkockázatkezelésadattudományfintech
A Kiegészített Elemző: Hogyan Használja a Zirdle a Mesterséges Intelligencia a Hitelkockázat-értékelés Fokozására
Írta Vezető Adattudós, Zirdle
Loading...
Loading...
A pénzügyi szektorban az "Artificial Intelligence" (mesterséges intelligencia) kifejezés gyakran két ellentétes képet idéz fel: egy utópikus látomást a hibátlan, automatizált döntéshozatalról, vagy egy disztópikus félelmet az átláthatatlan "fekete doboz" algoritmusokkal szemben, amelyek elfogult és felelősségre nem vonható döntéseket hoznak. A Zirdle-nél mindkét szélsőséget elutasítjuk. Filozófiánk egy sokkal erősebb és pragmatikusabb koncepcióban gyökerezik: a Kibővített Intelligencia-ban.
Nem hisszük, hogy az MI pótolni tudná szakértő, emberi hitelanalitikusaink és a terepen dolgozó brókerpartnereink árnyalt, kontextusérzékeny ítélőképességét. Ehelyett úgy látjuk az MI-t – konkrétan a gépi tanulást (ML) –, mint egy hihetetlenül erőteljes eszközt, amely kibővíti képességeiket, lehetővé téve számukra, hogy gyorsabb, következetesebb és adatgazdagabb döntéseket hozzanak.
Ez a cikk leleplezi, hogyan működik valójában az MI hitelkockázati keretrendszerünkön belül, arra fókuszálva, hogyan erősíti fel emberi szakértőinket, nem pedig helyettesíti őket.
Évtizedek óta a hitelminősítés a hagyományos statisztikai modellekre, például a logisztikus regresszióra támaszkodott, korlátozott számú adatpont (pl. jövedelem, adósságszint, múltbeli fizetésképtelenségek) felhasználásával. Ezek a modellek átláthatóak és könnyen értelmezhetőek, de jelentős korlátaik vannak:
ML-modelljeinket azért terveztük, hogy legyőzzék ezeket a korlátokat, és erőteljes másodpilótaként szolgáljanak emberi döntéshozóink számára. Így működnek:
Modelljeink több ezer adatpontot képesek elemezni egy adott hitelkonstrukció kapcsán, jóval túlmutatva azon, amit bármely ember feldolgozhatna. Ez nem csak a hagyományos pénzügyi adatokat foglalja magában, hanem például:
Ezen hatalmas adathalmaz feldolgozásával a modell olyan betekintéseket és potenciális kockázatokat hozhat a felszínre, amelyek egyébként rejtve maradnának.
Itt mutatkozik meg igazán a gépi tanulás ereje. Egy emberi elemző talán látja, hogy a hitelfelvevő bevétele növekszik, ami jó jel. De egy ML-modell egy összetettebb mintázatot azonosíthat: "A bevétel növekszik, DE egyre inkább egyetlen ügyfélre koncentrálódik, aki egy olyan szektorban tevékenykedik, amely negatívan korrelál az emelkedő olajárakkal."
A modell nem csak a -okat nézi; hanem azok közötti bonyolult, többdimenziós kapcsolatokat vizsgálja. Meg tudja jelölni ezeket a rejtett korrelációkat, és fel tudja őket tárni az emberi elemző részletesebb vizsgálata céljából.
Minden emberben vannak tudatalatti előítéletek. Egy elemzőnek lehet különösen jó vagy rossz tapasztalata egy bizonyos iparággal, ami befolyásolhatja későbbi ítéleteit. Megfelelően betanított és tisztességszempontból auditált MI-modelljeink mentesek ezektől az emberi előítéletektől.
A modell egy következetes, adatvezérelt "fizetésképtelenségi valószínűségi" pontszámot nyújt minden hitelre. Ez a pontszám nem hozza meg a végső döntést. Ehelyett egy objektív kiindulási alapként szolgál. Ha egy emberi elemző felül akarja írni a modell ajánlását (akár egy modell által megjelölt hitel jóváhagyására, akár egy modell által jóváhagyott hitel elutasítására), világos, írásos indoklást kell nyújtania. Ez az "ember-a-hurokban" folyamat egy szigorú és felelősségre vonható döntéshozatalt eredményez, amely egyesíti mindkét világ legjobbját: a gép adatvezérelt következetességét és az emberi szakértő kontextuális megértését.
A statikus modellekkel ellentétben, ML-rendszereinket tanulásra terveztük. Folyamatosan tápláljuk őket új teljesítményadatokkal a hitelportfóliónkról. Azáltal, hogy látják, mely hitelek teljesítettek jól és melyek mentek csődbe, a modell folyamatosan finomítja algoritmusait, idővel egyre okosabbá és pontosabbá válva. Olyan módon tud alkalmazkodni a változó gazdasági körülményekhez, amire a hagyományos modellek egyszerűen nem képesek.
A hitelminősítés jövője nem egy harc az ember és a gép között. Hanem egy partnerség. A Zirdle-nél MI-ünk nem egy autonóm bíró; hanem a világ legerőteljesebb kutatási asszisztense. Áttúrja az adatokat, összetett mintázatokat azonosít, és megállapításait előterjeszti emberi szakértőinknek. Ezek a szakértők – belső csapataink és külső brókerpartnereink – azok, akik ezután bölcsességüket, tapasztalatukat és valósághű kontextusismeretüket alkalmazzák a végső, intelligens hitelezési döntés meghozatalához.
Ez a kibővített intelligencia megközelítés lehetővé teszi számunkra, hogy technológiailag fejlettek és mélyen emberiek legyünk egyúttal, egy olyan kockázatértékelési szintet nyújtva, amely átfogóbb, következetesebb és előrelátóbb, mint valaha.