Informe de seguimiento sobre Machine Learning en el enfoque IRB

En los últimos años, el Big Data ha surgido como resultado del aumento de la disponibilidad y la capacidad de almacenamiento y procesamiento de datos. Las técnicas de Machine Learning (ML) utilizan estos datos como la fuente de información necesaria para desarrollar y mejorar las características y las capacidades de los modelos. En junio de 2021, la Autoridad Bancaria Europa (EBA) publicó un informe sobre el panorama actual de RegTech en la Unión Europea (EU). En noviembre de ese mismo año, publicó un documento de debate sometido a consulta sobre la aplicación de técnicas de ML utilizado en el contexto de los modelos basados en calificaciones internas (IRB).

Informe de seguimiento sobre ML en el enfoque IRB

Ver vídeo

Resumen ejecutivo

La EBA ha publicado un informe de seguimiento en el que resume las principales conclusiones de la consulta sobre su documento de debate de ML y ofrece una visión general de los casos actuales de uso de técnicas de ML para modelos IRB.

Contenido principal

Esta nota técnica proporciona una visión general de los casos de uso actuales de las técnicas de ML y analiza la interacción del uso de estas técnicas en los modelos de riesgo de crédito con otros dos marcos legales, el Reglamento General de Protección de Datos (GDPR) y la futura Ley de Inteligencia Artificial (AI Act).

• Uso selectivo para modelos IRB. Los resultados de la consulta muestran que las técnicas de ML sólo se utilizan en algunas etapas del método IRB, cuando se aplican. En concreto, los resultados muestran que la mayoría de las entidades utilizan o pretenden utilizar técnicas de ML para el desarrollo de modelos de probabilidad de incumplimiento (PD).
• Desafíos en el desarrollo y validación de modelos IRB utilizando técnicas de ML. El desarrollo y la validación de modelos IRB mediante técnicas de ML plantea desafíos específicos que pueden resumirse en tres categorías:
  • problemas estadísticos
  • problemas relacionados con las habilidades humanas
  • y problemas de interpretabilidad
• Cumplimiento de los marcos regulatorios de GDPR y la Ley de Inteligencia Artificial. La decisión sobre el uso de técnicas de ML en los modelos de riesgo de crédito debe incluir aspectos éticos, legales, de protección del consumidor y de los datos en consonancia con estos dos marcos.

Accede a la nota técnica de Informe de seguimiento sobre Machine Learning en el enfoque IRB (disponible en inglés).