Relatório de Acompanhamento sobre o uso de ML em modelos de IRB

Nos últimos anos, o Big Data surgiu como resultado do aumento da disponibilidade e da capacidade de armazenamento e processamento de dados. As técnicas de Machine Learning (ML) usam esses dados como fonte de informação necessária para desenvolver e melhorar as características e capacidades dos modelos. Em junho de 2021, a Autoridade Bancária Europeia (EBA) publicou um relatório sobre o cenário atual de RegTech na União Europeia (EU). Em novembro do mesmo ano, publicou um documento para debate sujeito a consulta sobre a aplicação de técnicas de ML no contexto de modelos baseados em classificações internas (IRB).

Resumo Executivo

A EBA publicou um relatório de acompanhamento que resume as principais conclusões da consulta sobre seu documento de debate de ML e oferece uma visão geral dos casos atuais de uso de técnicas de ML em modelos IRB.

Conteúdo Principal

Esta nota técnica apresenta uma panorâmica dos atuais casos de utilização de técnicas de ML e discute a interação da utilização de técnicas de ML em modelos de risco de crédito com dois outros quadros jurídicos, o Regulamento Geral sobre a Proteção de Dados (GDPR) e a futura Lei da Inteligência Artificial (AI Act).

• Uso Seletivo em Modelos IRB: Os resultados da consulta mostram que as técnicas de ML são usadas seletivamente em algumas etapas do método IRB, quando aplicadas. Em particular, os resultados mostram que a maioria das entidades usa ou pretende usar técnicas de ML para o desenvolvimento de modelos de probabilidade de inadimplência (PD).
• Desafios no Desenvolvimento e Validação de Modelos IRB com ML: O desenvolvimento e a validação de modelos IRB usando técnicas de ML apresentam desafios específicos que podem ser resumidos em três categorias:
  • problemas estatísticos
  • problemas relacionados às habilidades humanas
  • e problemas de interpretabilidade
• Conformidade com os Marcos Regulatórios do GDPR e da Lei de Inteligência Artificial: A decisão de usar técnicas de ML em modelos de risco de crédito deve levar em consideração aspectos éticos, legais, de proteção ao consumidor e de dados, em conformidade com esses dois marcos regulatórios.

Acessar o documento Relatório de Acompanhamento sobre o uso de Machine Learning em modelos de IRB (disponível somente em inglês).