文件名称：机器学习对银行业监管的影响-研究论文
文件大小：559KB
文件格式：PDF
更新时间：2024-06-29 07:59:31
Machine Learning Banking
机器学习 (ML) 可自动进行预测，使其更便宜、更准确。 金融数据的数量和种类将不断增加，ML 的价值也会随之增加。 监管机构的一个关键含义是，银行业可能会越来越多地依赖 ML 方法来做出决策，而这些方法在设计上无法被其开发人员完全理解。 因此，各级监管机构将越来越多地面对他们无法完全理解的 ML 模型。监管机构需要对模型风险发表意见，从而影响审查。 ML 模型包含更多且复杂的特征。 审查员可能需要了解机器学习对透明度和相关操作风险的影响。 使用历史数据来训练模型也可能具有公平借贷的影响。 一些银行和金融科技公司已经将机器学习用于广泛的银行服务，例如欺诈检测、风险管理和定价。政策可能至少通过两个渠道受到影响； 操作风险与市场行为。 ML 对模型风险有直接影响，模型风险是操作风险的一个组成部分。 银行受制于自 2011 年 4 月以来未更新的模型风险管理监管指南。由于其“黑箱”性质，该指南的某些方面可能难以应用于 ML 工具。 ML 还可能改变某些流动资产的市场行为的本质。我们概述了 ML，并探讨了这些和其他对银行监管的影响。