Дигитализация

Машинното обучение прави прогнозирането все по-точно и близко до реалността

CIO Media

Цветомир Досков, изпълнителен директор на "Сирма Бизнес Консултинг"

Kак машинното обучение (МО) намира приложение в банковия сектор?
МО подобрява прецизността при използване на финансовите алгоритми и модели и намалява драстично времето за получаване на резултати. То прави прогнозирането все по-точно и близко до реалността. Някои от общите предимства на машинното обучение във финансите включват: управление на портфейли, инвестиционната и борсовата търговия на междубанковия пазар. МО подпомага процесите за по-адекватно обслужване на клиентите и спомага за откриване на измами, злоупотреби и създаване на по-добра превенция във финансовите институции. В допълнение регулаторите обръщат специално внимание на компаниите, които използват алгоритми в ежедневната си търговска дейност при търговията с ток, валута, стоки и товари.

Какви са плюсовете на технологията?
В основата на разработването на всички стратегии е прогнозирането на възможните сценарии за бъдещето. Прогнозирането става все по-точно и близко до реалността с навлизането на МО. Освен за определяне на риска или инвестиционни решения машинното обучение намира приложение и в прогнозирането на потребителското поведение. Основните преимущества на технологията са: възможността за работа с многомерни и многообразни данни, лесната идентификация на тенденции и модели, осигуряване на последователно подобряване на изчисленията и резултатите, липса на ограничения в конкретна сфера на действие, липса на необходимост от човешка намеса в процеса на обучение и намаляване на времето за отговор.

"Сирма БК" разработи кредитен портфолио модел (КПМ) на база на машинно обучение. Можете ли да разкажете малко повече за решението?

Реализацията в момента се свежда до управление на необходими "сурови" данни за зареждане на портфейли, които обработва с алгоритми и прилага модели за създаването на КПМ. Базовата функционалност покрива определянето на EAD (Exposure at default), LGD (Loss given default) и PD (Probability of default). Тези параметри са задължителни входящи величини за създаването на КПМ, който да оцени очакваната и неочакваната загуба на портфейла. Във всички етапи на процеса се ползва МО и роботизирано изпълнение на процесите. През 2021 г. планираме и нова версия, която ще има по-висока степен на автоматизация за калибриране и тестване на всички модели. В допълнение работим и за автоматизация по зареждане на всички входни данни, като за нашите финансови клиенти това съществено ще намали в пъти времето и усилията за зареждане и производство на всички параметри и оценки.

Ще измести ли машинното обучение традиционните методи за изчисление на кредитния риск?
МО е базирано на традиционните методи за изчисление на кредитния риск, като ги доразвива съществено. Прецизното изчисление на кредитния риск е невъзможно, без да се използват част от методите, имплементирани в МО. Всички входящи параметри за създаването на КПМ са модeли, развити с методите, залегнали в основата на машинното обучение. В основата на изграждането на КПМ са "Монте Карло" и други математически техники, които се явяват част от МО.

Изчислението на кредитния риск за целите на регулатора няма да бъде заместено изцяло. Целите на създаването на точен КПМ модел не са "оптимизиране" на регулаторния капитал, а по-ефективно управление на финансовата институция (особено в частта на капитала).

В заключение МО намира широко приложение не само за определянето на оперативния, валутния и кредитния риск и изчислението на капиталовите изисквания, но има съществен принос за конкурентоспособността на всяка институция.

Съдържание от SIRMA BC

X