简·康诺利(Jane Connolly)报告说,英格兰银行(BoE)和金融行为监管局(FCA)进行了一项联合调查,以概述英国银行和金融服务公司如何使用机器学习(ML)。
机器学习在金融服务中的使用增加
为了了解ML的当前部署以及它所带来的风险和挑战,该调查已发送给该行业的近300家公司。
组织者承认,收到的106份答复在统计学上不可能代表整个行业,但调查确实显示三分之二的受访者已经在以某种形式使用ML。
平均而言,实时ML应用程序用于两个业务领域,预计在未来三年内将翻倍。
ML最常用于反洗钱和欺诈检测以及面向客户的应用程序。其他用途包括信用风险管理,交易定价和执行,一般保险定价和承销。银行和保险业显示了机器学习的最先进的部署。
关于与机器学习相关的风险,最常见的担忧是机器学习可能加剧现有风险,而不是创造新的风险。如果模型验证和治理框架与技术发展脱节,则认为这种情况最有可能发生。
常见的风险防范措施包括警报系统和“人在回路中”机制。
关于机器学习实施的障碍,企业表示内部问题(例如遗留IT系统和数据限制)是最大的挑战。但是,受访者确实要求就如何解释当前的机器学习法规提供更多指导。
受访者还强调,随着ML应用变得越来越复杂,他们现有的模型风险管理框架可能必须发展。
英国央行和FCA已经宣布计划成立一个公私部门小组,探讨与机器学习创新有关的一些问题。
版权及免责声明:凡本网所属版权作品,转载时须获得授权并注明来源“科技金融网”,违者本网将保留追究其相关法律责任的权力。凡转载文章,不代表本网观点和立场,如有侵权,请联系我们删除。