Tekoälyn hyödyntäminen luottoriskianalyysissa

Abstract

Luottoriskianalyysi on tärkeä osa rahoituslaitosten toimintaa, sillä se voi parhaimmillaan estää kokonaisten liikepankkien kaatumisen tai pienentää finanssikriisin muodostumisen riskiä. Tämän vuoksi luotettavien luottoriskianalyysimenetelmien kehittäminen on tärkeää. Rahoitusmarkkinoiden monimutkaisuus ja saatavilla olevan datan suuri määrä kuitenkin vaikeuttavat luottoriskianalyysin tekemistä perinteisillä menetelmillä. Tämä kirjallisuuskatsauksena toteutettu tutkielma tarkastelee tekoälyn roolia ja tehokkuutta luottoriskianalyysissa. Tutkielman keskiössä ovat syväoppiminen ja muut kehittyneemmät koneoppimismenetelmät. Työssä pohditaan tekoälyn mahdollisuuksien lisäksi sen rajoitteita. Tuloksista käy ilmi, että kehittyneemmät koneoppimismenetelmät tehostavat luottoriskianalyysia, ja pystyvät huomioimaan monimutkaisempia yhteyksiä, mihin perinteiset luottoriskianalyysimenetelmät eivät kykene. Tutkimuksissa raportoidut ennustetarkkuudet vaihtelivat noin 85–99 %:n välillä, riippuen käytetystä menetelmästä ja aineistosta. Rahoituslaitosten mahdollisuus hyödyntää näitä menetelmiä voi kuitenkin riippua organisaation resursseista ja saatavilla olevasta datan määrästä. Erityisesti syväoppivat menetelmät tarvitsevat paljon dataa. Tällä hetkellä ei ole olemassa yhtä tiettyä oikeaa mallia, joka sopisi kaikkien rahoituslaitosten tarpeisiin.