Potpomognuti strojnim učenjem i umjetnom inteligencijom, te osnaženi sve većim računalnim kapacitetima, složeni matematički modeli sve brže postaju ključni stup upravljanja rizicima i time dobivaju sve važniju ulogu u cjelokupnom bankarskom poslovanju.
Tehnike matematičke statistike, analize velikih podataka i umjetne inteligencije koriste se za predviđanje budućih ishoda na temelju povijesnih podataka. Danas se primjenjuje širok raspon matematičkih modela, od tradicionalnijih metoda poput linearne i logističke regresije, analize glavnih komponenti, hijerarhijskog grupiranja, do naprednijih metoda temeljenih na strojnom učenju, uključujući slučajne šume, gradijentno pojačavanje, neuronske mreže i Bayesovo ažuriranje.
U tom kontekstu, modeli kreditnog rizika imaju ključnu ulogu u različitim aspektima upravljanja rizicima, prateći cijeli životni ciklus klijenta, od odobravanja kredita kroz kreditno bodovanje i određivanje cijene na temelju rizika, do kontinuiranog praćenja profila rizika klijenata. Navedeni modeli ključni su za procjenu očekivanih kreditnih gubitaka (za izračun rezerviranja za gubitke po kreditima) i neočekivanih kreditnih gubitaka (za upravljanje kapitalom prema pristupu temeljenom na internim rejting sustavima – IRB pristupu). Ključna područja na koja smo usmjereni:
- Modeli kreditnog bodovanja
- Određivanje cijena na temelju rizika
- Određivanje rezerviranja za gubitke po kreditima
- Pristup temeljen na internim rejting sustavima
- Upravljanje rizicima modeliranja