#finstreetontheroad @businesstalk in #Frankfurt - das Diskussionsthema "Maschinelles Lernen im Portfoliomanagement" hat gezeigt, dass erste #machinelearning (ML) Anwendungsfälle im Risikomanagement von Banken erfolgreich angewendet werden können.
Erkenntnisse
Die heutigen Risikomodelle sind mit mehreren Problemen konfrontiert, wie z.B. der rückblickenden Betrachtung oder der Ungenauigkeit der statistischen Modelle. Fehlberechnungen und komplexe Planungsprozesse sind die Folgen.
"Viva la revolución" im Risikomanagement!
ML kann durch ständiges Messen, Verarbeiten und Lernen mit den neuesten Daten aus internen und externen Quellen einen angemesseneren, vorausschauenden Output erzeugen. Dies führt zu neuen Ansätzen des Risikomanagements und schafft Wert.
Eine der größten #Herausforderungen ist jedoch die methodische, funktionale und technische Integration neuer Ergebnisse in die Prozesse der Bank, um deren operativen Wert zu steigern. Ein zweites Thema ist die Aufsichtsperspektive, da die Dokumentation des Lernprozesses eines ML eine Herausforderung darstellt und neue Risikomodelle erst nach einer Probezeit und eingehender Prüfung durch die Aufsichtsbehörde genehmigt werden.
Daher erfordert es den Mut der #Bank, #Geld & #Zeit zu investieren.
Wir werden weiter an solchen Fragen arbeiten und die #digitale #Revolution im Risikomanagement der Bank unterstützen.
Es wird Zeit!