To enable you better user experience and full functionality of the web site, this site stores cookies.

We use analytical cookies Google Analytics only with your consent. I accept I decline More information

Umjetna inteligencija u službi financijske industrije

U današnje doba, tržište US i EU ima značajno povećanju dinamika potražnje za kratkoročnim namjenskim kreditima uz istovremene značajne promjene u ponašanja korisnika i tržišta koje postaju ovisne o makroekonomskim pomacima, te dosadašnji pokazatelji ponašanja postaju sve manje relevantni za ukupnu izloženost financijske institucije. Modeliranje i predviđanje prihoda, te stope rezervi radi izloženosti kredita je primarni fokus financijskih institucija u optimizaciji poslovanja. Predviđanje bankrota korisnika, delikventnog ponašanja (eng. Loan Delinquency) odnosno razine otpisa potraživanja koje nije moguće naplatiti (eng. Charge-Off) postaje od imperativa za financijske institucije zbog njihove ukupne izloženosti riziku te stopi zaliha, ali i razini dostupnog novca za daljnje plasmane, kao i kvalitetnijem odabiru kreditnih ugovora s minimizacijom onih koji imaju značajan rizik za financijsku delinkventnost, tj. onih koji imaju značajnu ovisnost svojih otplatnih mogućnosti sa samim makroekonomskim pokazateljima. Većina modeliranja ovakvih pojava se temeljila na modeliranju vremenskih serija koje su pogodne za ukupna ponašanja i izloženosti financijskih institucija, ali nije postojala mogućnost analitike na razini pojedinog kreditnog plasmana i njegovo operativno praćenje. Tijekom predavanja ćemo prikazati implementaciju jednog takvog sustava za Revenue & Loss forecast temeljenom na umjetnoj inteligenciji sa dubokim strojnim učenjem (samoučenje ponašanja korisnika i tržišta), prvenstveno s naglaskom na područje kratkoročnih kredita (u trajanju do 60 mjeseci) na području USA, a koje omogućava svakodnevnu operativnu uporabu u svrhu poboljšanja novčanih tokova financijskih industrija. Za implementaciju smo koristili Azure okruženje (Azure Blob Storage, Azure ML Studio i Power BI za vizualizaciju rezultata i njihovo operativno korištenje) povezano sa on-premise korisničkim sustavima za obostranu sinkronizaciju podataka.

0 comment(s)

Tomislav Križan

Atomic Intelligence d.o.o.

Rodio se kao vrlo mlad i to na početku svog života. Od rane mladosti se igra s i na kompjutorima. U dokolici druge polovice '80ih s radio-amaterima slaže i računala. Na jedan "sretni" petak 13 po tko zna koji put popravlja dragocjeni Apple 2e koji nakon toga više ne daje znakove života. Naprasno odlučuje preći na 8086 arhitekturu i od toga se još nije oporavio. Početak rata dočekao na BBS-ovima (za oni koji ne znaju što je to, to je u to doba nešto poput Interneta ali za do jednocifrenog broja ljudi istovremno). Igra se s podacima već dugo vremena na sve moguće (ne)zamislive načine. Prvi Big Data projekti su mu bili na konto-karticama unutar knjigovodstveno servisa (low tech pristup). Gdje drugi vide dosadne brojke i slova, nalazi smisao i informacije. Niz godina se igra na polju DM/ML modela u poslovne svrhe, dok se u zadnjih par godina okreće i analitici teksta (nestrukturirani setovi podataka) u malim i velikim količinama podataka. Polu-aktivni član i MS Comunity-ja te drži i hands-on predavanja na SQL Server UG, SQL TuneIn, Kulendayz i ostalim bitnijim događanjima vezanim uz znanost o podacima (poput Data Science Croatia, AI i sl.).

Only registered participants can comment the conference via WinDays application.

app.windays.hr

Share with friends