Искусственный интеллект и Машинное обучение в финансовых услугах. Отчет Совета по финансовой стабильности

В прошлом месяце Совет по финансовой стабильности, в состав которых входят Центральные Банки и Регуляторы стран Европы, Азии и Америки, опубликовал отчет об Искусственном интеллекте и Машинном обучении в секторе финансовых услуг (финансовый, банковский, страховой).

К каким выводам пришла международная организация?

Лидирующие технологии

Искусственный интеллект и Машинное обучение из всех новых финансовых технологий наиболее широко используются в финансовом секторе, намного обгоняя такие, как blockchain и смарт-контракты. И одними из областей, где имплантация прошла наиболее масштабно: механизмы обнаружения мошенничества, оптимизации капитала и управление портфелем.

Большинство участников рынка ожидают, что масштаб принятия ИИ и машинного обучения будет увеличиваться с каждым годом, расширяя свой спектр применения.

Преимущества внедрения Машинного обучения

ИИ и машинное обучение являются инструментами, улучшающими стабильность финансовых организаций в виде повышения эффективности предоставления услуг и сохранения соответствия регуляторным рамкам системного надзора за рисками.

Помогают выстраивать эффективную финансовую систему:

  • Позволяют более эффективно обрабатывать информацию о кредитных рисках и конструировать дешевую систему взаимодействия с клиентами (робо-адвизоры, чат-боты).
  • Во внутреннем (бэк-офисном) применении: улучшать управление рисками, обнаружение мошенничества и соответствие нормативным требованиям при этом сокращая затраты.
  • Повысить эффективность и устойчивость финансовых рынков, корректируя активность на периодах недооценки и переоценки.
  • При использовании методов Регуляторами и Супервизорами финансового рынка существует потенциал для повышения эффективности надзора и более эффективного анализа системных рисков на финансовых рынках.

Риски внедрения Машинного обучения

  1. Появление новых игроков. Как правило, в настоящее время, высокотехнологичные услуги предоставляются крупными технологическими компаниями, которые не ограничиваются поставкой сервисов для одной организации, а персонализируя, обеспечивают ряд финансовых организаций. Это приводит к вероятности формировании естественных монополий и олигополий на рынке.
  2. Проблемы конкуренции могут перерасти в риски финансовой стабильности, если крупная фирма, занимающая большую долю рынка столкнется с серьезными нарушениями или собственной несостоятельностью.
  3. Выход компаний за пределы периметра регулирования или функционирование при незнании норм и требований законодательства.
  4. Проблема отсутствия интерпретируемости  («проверяемости») методов машинного обучения потенциально способно увеличить макроуровневый риск, если не будет надлежащим образом контролироваться микроуправленческими супервизорами. Институтам и супервизорам будет очень сложно предсказать, как действия модели будут влиять на рынки.

К примеру, отсутствие интерпретируемости еще сильнее затруднит определение потенциальных эффектов, например, во время системного шока.

Примечательно, что многие модели «обучаются» в период низкой волатильности, а значит, могут не предложить оптимальные действия при значительном экономическом спаде или финансовом кризисе, или не предложить надлежащее управление долгосрочными рисками.

Кроме того, важно понимать,что усилия по улучшению интерпретируемости моделей машинного обучения являются важными условиями не только для управления рисками, как указано выше, но и для увеличения доверия со стороны широкой общественности, а также Финансовых Регуляторов и Надзорных Органов.

 

Полный текст отчета: Artificial intelligence and machine learning in financial services

Продолжить чтение:

 

 

 

 

X

Добавить комментарий