زاوية Anderson
يمكن أن تتوقع ‘الذكاء الاصطناعي البسيط’ قرارات مديري البنوك بشأن القروض بدقة تزيد عن 95%

النقاط الرئيسيةكرر نموذج الغابة العشوائية قرارات مدراء البنوك بشأن القروض بدقة بلغت 96% تقريبًا.
عرض المزيد
- كرر نموذج الغابة العشوائية قرارات مدراء البنوك بشأن القروض بدقة بلغت 96% تقريبًا.
- نادرًا ما ينحرف المدراء عن بطاقات التسجيل الآلية، مما يشير إلى أن دورهم أصبح زائدًا عن الحاجة بشكل متزايد.
- أدت الشبكات العصبية أداءً أقل من الخوارزميات الأبسط في محاكاة سلوك التصنيف الائتماني البشري.
اكتشف مشروع بحثي جديد أن القرارات التقديرية التي يتخذها مديرو البنوك يمكن أن تُكرر بواسطة أنظمة التعلم الآلي بدقة تزيد عن 95%.
باستخدام نفس البيانات المتاحة لمديري البنوك في مجموعة بيانات خاصة ، كانت الخوارزمية الأفضل أداءً في الاختبار هي تطبيق غابة عشوائية – وهو نهج بسيط نسبيًا يعود تاريخه إلى عشرين عامًا ، ولكنه يتفوق على شبكة عصبية عند محاولة تقليد سلوك مديري البنوك عند صياغة القرارات النهائية بشأن القروض.

تحقق خوارزمية الغابة العشوائية، وهي إحدى أربع خوارزميات اختُبرت في المشروع، نتائج مرتفعة تضاهي أداء مديري البنوك، على الرغم من بساطتها النسبية. مصدر: مديرو البنوك مقابل الآلات: هل تكرر الخوارزميات الحدس البشري في تقييمات الائتمان؟ ، https://arxiv.org/pdf/2202.04218.pdf
يقترح الباحثون ، الذين كانوا لديهم الوصول إلى مجموعة بيانات خاصة تضم 37,449 تصنيف قروض عبر 4,414 عميل فريد في “بنك تجاري كبير” ، في نقاط مختلفة من ورقة ما قبل الطباعة أن التحليل التلقائي للبيانات الذي يتم إعطاؤه للمديرين لاتخاذ قرارهم أصبح الآن دقيقًا لدرجة أن مديري البنوك نادرًا ما يختلفون عنه ، مما قد يشير إلى أن دور مديري البنوك في عملية الموافقة على القرض يتكون في الغالب من الاحتفاظ بشخص ما لإقالته في حالة عدم سداد القرض.
تنص الورقة على ما يلي:
‘من وجهة نظر عملية ، يُلاحظ أن نتائجنا قد تشير إلى أن البنك يمكنه معالجة القروض بشكل أسرع وأرخص في غياب مديري القروض البشرية مع نتائج قابلة للمقارنة. ومع أن المديرين يؤدون بطبيعة الحال مهام متنوعة، فمن الصعب القول إنهم ضروريون لهذه المهمة تحديدًا، إذ يمكن لخوارزمية بسيطة نسبيًا أن تؤديها بالكفاءة نفسها. ‘
‘كما أنه من المهم ملاحظة أنه مع بيانات إضافية وقوة حسابية يمكن تحسين هذه الخوارزميات بشكل أكبر.’
الورقة ، التي تحمل عنوان مديرو البنوك مقابل الآلات: هل تكرر الخوارزميات الحدس البشري في تقييمات الائتمان؟ ، تنشأ من قسم الاقتصاد وقسم الإحصاء في جامعة كاليفورنيا إيرفين و بنك الاتصالات بي بي إم في البرازيل.
السلوك البشري الروبوتي في تقييمات الائتمان
لا تعني النتائج أن أنظمة التعلم الآلي أفضل في اتخاذ القرارات المتعلقة بالقروض وتقييمات الائتمان ، ولكن بالأحرى أن حتى الخوارزميات التي تعتبر الآن منخفضة المستوى قادرة على استخلاص نفس الاستنتاجات مثل البشر من نفس البيانات.
تصف الورقة مديري البنوك ضمنيًا بأنهم نوع من «جدار الحماية البشري»، تتمثل وظيفته الأساسية المتبقية في رفع درجات المخاطر التي يقدمها نظام بطاقات التقييم الإحصائي والتحليلي، وهي ممارسة تُعرف في القطاع المصرفي بتعديل التصنيف بدرجات (notching).
‘بمرور الوقت، يبدو أن المديرين يمارسون قدرًا أقل من التقدير الشخصي، ما قد يشير إلى تحسن أداء الوسائل الخوارزمية مثل بطاقات التقييم، أو إلى زيادة الاعتماد عليها.’
كما لاحظ الباحثون:
‘تُظهر النتائج في هذه الورقة أن هذه المهمة الخاصة التي يقوم بها مديرو البنوك المهرة قد تكون في الواقع سهلة التكرار بواسطة خوارزميات بسيطة نسبيًا. يمكن تحسين أداء هذه الخوارزميات من خلال ضبط دقيق للاعتبار للفروق عبر الصناعات ويمكن تمديدها بسهولة لتشمل أهدافًا إضافية مثل دمج اعتبارات العدالة في ممارسات القروض أو تعزيز أهداف اجتماعية أخرى.’

لاحظ الفرق: يرفع مديرو البنوك الذين دُرست قراراتهم في البحث تقييمات المخاطر الناتجة تلقائيًا عن بطاقات التقييم، بتعديلها إلى درجات أعلى إحصائيًا؛ وهو إجراء قابل للتكرار.
منذ أن تشير البيانات إلى أن مديري البنوك يفعلون ذلك بطريقة شبه خوارزمية وقابلة للتنبؤ ، فإن تعديلاتهم ليست صعبة التكرار. تعيد العملية ببساطة تقييم بيانات بطاقة التقييم الأصلية وضبط تصنيف المخاطر لأعلى ضمن هامش قابل للتنبؤ.
المنهج والبيانات
كان الغرض المعلن للمشروع هو توقع ما سيقوم به مديرو البنوك من قرارات ، بناءً على نظام التصنيف والمتغيرات الأخرى المتاحة لهم ، بدلاً من تطوير أنظمة بديلة مبتكرة مصممة لتحل محل إطارات إجراءات تقديم الطلب الحالية.
تم اختبار أساليب التعلم الآلي التالية للمشروع: لوجستي متعدد الحدود لاسو (MNL-LASSO) ، شبكات عصبية ، وتنفيذان لشجرة التصنيف والانحدار (CART): غابة عشوائية و تعزيز التدرج.
تم النظر في بيانات التصنيف والنتائج الفعلية لمهمة تقييم الائتمان في العالم الحقيقي. التصنيف هو واحد من أقدم الممارسات الخوارزمية ، حيث يتم حساب المتغيرات الرئيسية للقرض المقترح في مصفوفة مخاطر ، غالبًا عن طريق وسائل بسيطة مثل الانحدار اللوجستي.
النتائج
كان أداء MNL-LASSO الأسوأ بين الخوارزميات التي اختُبرت ، حيث قامت بتصنيف بنجاح 53% فقط من القروض ، مقارنة بالمدير الحقيقي في الحالات التي تم تقييمها.
حققت الطرق الثلاث الأخرى، بما فيها الغابة العشوائية وتعزيز التدرج ضمن CART، اتفاقًا مع فئة التصنيف التي اختارها المديرون في أكثر من 90% من الحالات. وقُيّم جذر متوسط مربع الخطأ (RMSE) بصورة منفصلة بوصفه مقياسًا للخطأ.
ومع ذلك ، سجلت غابة عشوائية تنفيذ CART نسبة عالية تقترب من 96% ، تليها تعزيز التدرج بفارق ضئيل.

حتى بعد حذف تصنيف بطاقة التقييم من الاختبارات في دراسات الاستئصال (الجزء السفلي من الجدول)، تحقق الخوارزميات أداءً استثنائيًا في محاكاة التقدير البشري الذي يمارسه مديرو البنوك في التصنيف الائتماني.
وجد الباحثون على نحو مفاجئ أن شبكتهم العصبية المنفذة سجلت 93% فقط ، مع فجوة RMSE أوسع ، مما أدى إلى إنتاج قيم مخاطر تبعد عن التقييمات التي أنتجها البشر بمقدار عدة تصنيفات.
يلاحظ المؤلفون:
‘لا تشير هذه النتائج إلى أن طريقة تتفوق على الأخرى من حيث معيار دقة خارجي مثل الاحتمال الموضوعي للتعثر في السداد. من الممكن أن تكون الشبكة العصبية ، على سبيل المثال ، الأفضل في مهمة التصنيف تلك. ‘
‘هنا الهدف هو فقط تكرار اختيار المدير البشري ، ولهذا المهمة يبدو أن غابة عشوائية تتفوق على جميع الطرق الأخرى عبر المقاييس التي تم فحصها.’
يعزو الباحثون نسبة 5% التي عجز النظام عن محاكاتها إلى اختلاف القطاعات المشمولة. ويشير المؤلفون إلى أن 5% من المديرين يمثلون مصدر جميع هذه الاختلافات تقريبًا، ويرون أن أنظمة أكثر تطورًا قد تغطي هذه الحالات في النهاية وتسد الفجوة.
المساءلة صعبة التأتمة
إذا أكدت مشاريع لاحقة ذات صلة هذه النتائج، فقد ينضم دور «مدير البنك» إلى مجموعة متنامية من المناصب التي كانت تتمتع بالسلطة وحسن التقدير، ثم انحصرت في دور «المراقب» ريثما تُختبر دقة الأنظمة الآلية المماثلة على المدى الطويل. وتشكك النتائج كذلك في الفكرة الشائعة القائلة إن بعض المهام الحاسمة لا يمكن أتمتتها.
ومع ذلك ، يبدو أن الخبر السار لمديري البنوك هو أن ، من وجهة نظر سياسية ، الحاجة إلى مساءلة بشرية في العمليات الاجتماعية الحاسمة مثل تقييم الائتمان من المحتمل أن تحافظ على أدوارهم الحالية – حتى لو أصبحت أفعال الأدوار قابلة للتكرار بالكامل بواسطة أنظمة التعلم الآلي.
نُشر لأول مرة في 18 فبراير 2022.












