Uczenie maszynowe w kontekście modeli wewnętrznych IRB – nadchodzące wytyczne EBA

11 listopada Europejski Urząd Nadzoru Bankowego (EBA) wydał celem konsultacji opracowanie w zakresie wykorzystywania uczenia maszynowego (ML) w kontekście modeli wewnętrznych IRB. Modele te są stosowane przez banki do ustalania wymogów kapitałowych dla ryzyka kredytowego.

Opracowanie EBA ma na celu określenie głównych wyzwań i możliwych korzyści płynących z nowych modeli IRB opartych na ML. Modele te pełnią wewnętrzną funkcję w bankach pozwalającą zachować środki ostrożności w zakresie ryzyka kredytowego. Drugim celem opracowania jest zapewnienie zasadniczych rekomendacji, które powinny zapewnić właściwe wykorzystanie modeli ML przez banki w przyszłości. Wtedy też ich stosowanie, byłoby zgodne z wymogami regulacyjnymi określonymi w Rozporządzeniu w sprawie wymogów kapitałowych (CRR).

Tym samym dokument ten omawia ogólny zakres wykorzystania ML w kontekście modeli wewnętrznych oraz obecnie występujące ograniczenia. Zwraca również uwagę na wyzwania i zalety płynące z wykorzystania tej technologii do opracowania modeli IRB. Najważniejszą część opracowania stanowią jednak rekomendacje, w których to EBA zwraca uwagę na konieczność:

• zapewnienia odpowiedniego poziomu wiedzy na temat funkcjonowania modelu dla wszystkich odpowiednich osób,
• unikania niepotrzebnej złożoności modelu,
• zapewnienia odpowiedniego poziom zrozumienia modelu,
• monitorowania, dokumentowania i walidacji modeli ML i ich aktualizacji, w szczególności w przypadku modeli ML o ograniczonej „wyjaśnialności” lub często aktualizowanych.

Powyższe opracowanie zostanie teraz poddane odpowiednim konsultacjom. Docelowo zaś wytyczne te będą miały przemożny wpływ na stosowanie technik uczenia maszynowego w kontekście modeli wewnętrznych IRB. Zapewne również wpłyną na działania i stanowisko lokalnych regulatorów rynku, w tym i Komisji Nadzoru Finansowego.

Chcesz być na bieżąco? Zapisz się do naszego newslettera!