Gli elementi chiave dei processi di Risk Modeling & Decisioning

0

Oggi i modelli di business nel settore bancario stanno cambiando: i modelli di internal rating sono stati a lungo sotto i riflettori, ma nuove tecniche di modellazione stanno già prendendo piede. Machine Learning e Intelligenza Artificiale sono nuovi elementi chiave che si aggiungono alle tecniche tradizionali per lo sviluppo dei modelli.

Anche le autorità di vigilanza a livello Europeo e Internazionale si stanno interessando attivamente all'AI e al Machine Learning e, pur riconoscendo i vantaggi che entrambi possono portare ai mercati finanziari, ai consumatori e al loro lavoro, sono sempre più consapevoli dei potenziali rischi e delle conseguenze indesiderate che l'uso di queste nuove tecniche e tecnologie possono avere.

I temi legati ad AI e Machine Learning sono stati affrontati nell'IFC - Bank Indonesia International Workshop and Seminar on Big Data a Bali, tenutosi il 23-26 luglio 2018, e recentemente è stato pubblicato un documento - 970 pagine - con contributi a riguardo. A livello mondiale, le banche centrali ritengono che le opportunità offerte da queste nuove tecniche possano essere significative, ma che le relative sfide - come l'accuratezza, la trasparenza, la responsabilità e la conformità - debbano essere affrontate.

risk-modelingAlcune banche mondiali hanno già iniziato a sperimentare le tecniche di Machine Learning e AI anche grazie alla disponibilità delle nuove tecnologie che permettono di affrontare quasi tutte le sfide ad esse correlate: si può per esempio fare riferimento a quanto accadeva in un passato non troppo lontano, in cui la scarsa trasparenza nelle tecniche di Machine Learning, considerate vere e proprie “blackbox”, rappresentava un vincolo forte.

Oggi sono stati sviluppati degli interpreti che forniscono una maggiore e migliore comprensione delle logiche di business, una vera e propria interpretazione (attraverso rappresentazioni grafiche e KPI) delle relazioni che intercorrono tra l’informazione utilizzata dal modello di Machine Learning e la previsione ottenuta in output dal modello stesso; logiche di business molto simili a quelle che vengono fornite dalle tecniche tradizionali di modellazione (es. Logistic Regression, Decision Tree).

I modelli di business nel settore #banking stanno cambiando e per avere successo gli istituti finanziari devono reinventarsi con approcci agili e olistici, che includano tecniche di #AI e #machinelearning Click To Tweet

 

GARP & SAS hanno condotto una survey online - Intelligenza Artificiale nel settore bancario e della gestione del rischio - nel dicembre 2018, con oltre 2.000 risposte provenienti da tutto il settore dei servizi finanziari. Sono stati coinvolti diversi dipartimenti come Risk (48%), Finance (14%) e IT (9%), oltre a diversi stakeholder come dirigenti (28%), team leader/senior manager/manager (36%) e analisti (31%).

In che modo SAS può aiutare nei processi di New Generation Risk Modeling, Machine Learning e AI?

Iscrivetevi al workshop "Credit Scoring, AI e Machine Learning di nuova generazione" del 13 febbraio 2020. Parleremo di diversi temi legati all’Intelligenza Artificiale e al Machine Learning, focalizzandoci sulle esigenze delle principali figure professionali coinvolte: executives, risk analysts e IT.

Executives

Principali esigenze di business

  • Risultati e report automatici, user-friendly e immediatamente disponibili
  • Trasparenza sull’intero processo
  • Migliori risultati di business

Risk Analysts

Principali esigenze di business

  • Automazione dei processi manuali attraverso un’interfaccia integrata pensata per Data Preparation, Data Exploration, Model Development & Evaluation, Model Deployment
  • Interpretabilità dei modelli di Machine Learning
  • Utilizzo e integrazione Open Source
  • Deployment semplificato dei modelli
  • Migliori risultati statistici

IT users

Principali esigenze di business

  • Gestione dell’intera piattaforma e integrazione di linguaggi di programmazione diversi
  • Deployment semplificato dei modelli e utilizzo in ambiente di Produzione
  • Migliori risultati sull’esecuzione
Share

About Author

Tony Cartia

Practice Leader Risk Modeling and Decisioning, Risk Practice - SAS

Tony is a Practice Leader Risk Modeling and Decisioning, Risk Practice at SAS. Before joining SAS, Tony spent seven years in consulting for international companies where he learned to be versatile in covering different roles. He has got extensive technical and business knowledge in the field of Risk Management, that allows him to ask the right questions at the people in order to extract the insights that provide leads for where to dig, then present the resulting insights in a manner that makes sense to a variety of key business audiences.

Leave A Reply

Back to Top