მოდელის რისკი

    ფინანსურ სექტორში გადაწყვეტილებების მიღების პროცესში სხვადასხვა სტატისტიკური მოდელების გამოყენება სულ უფრო ფართო სახეს იძენს. ასეთი მოდელები სესხის გაცემის, ფინანსური აღრიცხვის და რისკების მართვისას ფართოდ გამოიყენება. განსაკუთრებით იზრდება საცალო სექტორის დაკრედიტებისას მათემატიკურ-სტატისტიკური მოდელების გამოყენება. ბოლო დროს გახშირდა ისეთი მოდელების დანერგვა, რომლებიც მანქანური სწავლების და ხელოვნური ინტელექტის ალგორითმებს ეფუძნება. ეს, ერთი მხრივ, მოდელის ეფექტიანობას ზრდის, მაგრამ მეორე მხრივ, მის ანალიზს და რისკის შეფასებას ართულებს.

     

    აღნიშნული გამოწვევის საპასუხოდ, საქართველოს ეროვნულმა ბანკმა "მონაცემებზე დაფუძნებული სტატისტიკური, ხელოვნური ინტელექტის და მანქანური სწავლების მოდელების რისკების მართვის დებულება" შეიმუშავა. დებულების მიზანი მოდელის რისკის ეფექტურად მართვის ხელშეწყობაა. ეს დებულება მოდელის აგების, ვალიდაციისა და გამოყენების ძირითად პრინციპებს განსაზღვრავს. მოდელის რისკის მართვასთან დაკავშირებული პრინციპები და სტანდარტები ფინანსურ სექტორში დღეს არსებულ პრაქტიკას, გამოწვევებს და მოწინავე საერთაშორისო საზედამხედველო გამოცდილებას ეფუძნება. აღნიშნული ჩარჩო ხელს შეუწყობს ფინანსურ სექტორში მოდელების უფრო ფართოდ და ეფექტურად გამოყენებას.

     

    ამჟამად ფინანსური ინსტიტუტის ყველა ახალი მნიშვნელოვანი მოდელი დებულებასთან შესაბამისობაში უნდა შეიქმნას, ხოლო არსებული მოდელები 2021 წლის სექტემბრამდე დებულებასთან შესაბამისობაში უნდა მოვიდეს.

     

    მონაცემთა დამუშავების ხელშეწყობის და სტატისტიკური და მანქანური სწავლების მოდელების განვითარების მიზნით, ეროვნული ბანკი აქტიურად თანამშრომლობს ფინანსური სექტორის წარმომადგენლებთან. სტატისტიკური და მანქანური სწავლების მოდელების აგების და განვითარების ეტაპზე მთავარ გამოწვევად კვლავ რჩება მონაცემთა ხარისხი და რაოდენობა. ეროვნულ ბანკში აქტიურად მიმდინარეობს ხელოვნური მონაცემების გენერაცია მანქანური სწავლების მოდელების და გენერაციული ალგორითმების (Generative Adversarial Network) გამოყენებით. აღნიშნული მონაცემები წარმატებით იქნა გამოყენებული  ჰაკათონებისთვის მომზადებული სხვადასხვა ამოცანებისთვის.ხელოვნური მონაცემების გაზიარების პროცესში რეალური მონაცემების გავრცელების და კონფიდენციალურობის დარღვევის  რისკი არ არსებობს. გენერირებული ხელოვნური მონაცემები ინახავს რეალური მონაცემების სტატისტიკურ მნიშვნელობებს, რაც ფასეულია სტატისტიკური და მანქანური სწავლების მოდელებისთვის. ფინანსური ტექნოლოგიების განვითარების და ინოვაციური იდეების მხარდაჭერის მიზნით ეროვნული ბანკი გამოთქვამს მზადყოფნას ითანამშრომლოს ფინანსური სექტორის წარმომადგენლებთან და დაინტერესებულ სუბიექტებს დასაბუთებული საჭიროების შემთხვევაში გაუზიაროს ხელოვნური მონაცემები, რომელიც შექმნილია სხვადასხვა  რეალური მონაცემების ბაზებზე (საკრედიტო ბიურო; კრედიტინფო) დაყრდნობით. 

     

    ეროვნულ ბანკში IFRS 9 სტანდარტის შემოღებასთან დაკავშირებით ფინანსურ ინსტიტუტებში მოსალოდნელი საკრედიტო დანაკარგების აღრიცხვის მოდელები ინერგება. მოდელის სირთულიდან და ბანკის ფინანსურ მდგომარეობაზე ზეგავლენიდან გამომდინარე, ეს მოდელები მაღალი რისკის მატარებლებია. მათი ანალიზისთვის ეროვნული ბანკის რესურსებით საორიენტაციო მოდელი შეიქმნება, რომლის შედეგები ფინანსური ინსტიტუტების მოდელის შეფასების ერთ-ერთი საშუალება იქნება.



    მოდელის რისკის მართვის დებულების განახლებული პროექტი