Искусственный интеллект (ИИ) и методы машинного обучения, составляющие его основу, трансформируют и революционизируют подходы к управлению финансовыми рисками. Все, что связано с пониманием и контролем риска, становится доступным благодаря развитию решений на основе ИИ: от принятия решения о том, сколько банк должен ссудить клиенту, до подачи предупреждающих сигналов трейдерам финансового рынка о риске позиции, до выявления клиентов и инсайдеров. мошенничества, а также улучшения соответствия и снижения модельного риска. В этой главе мы подробно рассказываем, какие методы машинного обучения и искусственного интеллекта используются, а также текущие применения этих методов. Мы также рассматриваем будущую роль полностью ИИ-решений как естественного следующего шага после повсеместного внедрения машинного обучения в помощь организации в управлении рисками.
=======================
Пример ZestFinance служит иллюстрацией потенциала ИИ и машинного обучения в управлении рисками. ZestFinance была основана бывшим директором по информационным технологиям Google и в 2016 году стала партнером Baidu, доминирующей поисковой системы в Китае, чтобы улучшить кредитные решения Baidu на китайском рынке. Baidu был особенно заинтересован в том, чтобы предлагать небольшие кредиты розничным клиентам, покупающим продукты на их платформе. В отличие от большинства развитых стран риск кредитования на китайском рынке заключается в том, что менее 20% людей имеют кредитный профиль или кредитный рейтинг. Кредитование людей, у которых либо «слабые» кредитные профили, либо нет кредитных профилей, по своей сути является рискованным, поскольку нет истории, на которую можно было бы опираться, чтобы проверить надежность заемщика. ZestFinance (с разрешения) использует огромный объем информации об участниках, хранящейся в Baidu, такой как их истории поиска или покупок, чтобы помочь Baidu решить, предоставлять ли кредит. Они используют тысячи точек данных на каждого клиента и по-прежнему могут принимать решения о кредитовании новых приложений за секунды. Сообщенное испытание их системы в 2017 году привело к 150% -ному увеличению общего объема кредитования мелких кредитов со стороны Baidu без увеличения кредитных потерь всего за два месяца
=========================
Машинное обучение и методы искусственного интеллекта для управления рисками
Первый шаг - определить, что мы подразумеваем под ИИ и машинным обучением, и это не обязательно прямое различие. В некотором смысле функции стартапов по связям с общественностью и по сбору средств, как правило, используют более привлекательный термин ИИ, когда они чаще всего имеют в виду машинное обучение, но даже в исследованиях существует довольно плавное различие. Чаще всего ИИ рассматривается как интеллект, демонстрируемый машинами, причем интеллект определяется со ссылкой на то, что мы рассматриваем как интеллект человека (Turing 1952, ср. Shieber 2004). Поскольку это важно для управления рисками, нас обычно особенно интересует искусственный супер-интеллект; это машины, которые могут продемонстрировать в этой области интеллект, связанный с управлением рисками, выше человеческого интеллекта. Чтобы сравнить эти два термина с более технической точки зрения, мы можем сказать, что машинное обучение - это основная техника ИИ, включающая обучение на основе данных, но этот ИИ часто требует дополнительных методов и требований. Например, как отмечает Бостром (2014), полное решение ИИ будет автоматизировано с точки зрения идентификации данных, тестирования данных и принятия решений на основе тестирования данных. На практике ИИ может включать дополнительные методы в дополнение к машинному обучению, такие как включение жестко запрограммированных и логических правил. С другой стороны, машинное обучение обычно включает в себя ручную идентификацию данных и тестирование специалистом по данным, а также принятие людьми решений о том, как применять полученную информацию. Учитывая отсутствие технологической и организационной готовности к чистому ИИ и реальность того, что ИИ, на самом деле, является машинным обучением, в этом разделе мы опишем основные методы машинного обучения, применяемые к управлению рисками. В следующем разделе, и особенно в последнем, мы больше перемещаем наше обсуждение в сторону ИИ как логического следующего шага, который следует из широкого использования методов машинного обучения.