内容

目次

PART.1　中小企業融資におけるAI審査モデルの活用法 1.1　AIスコアレンディングの概要 AIとは何か／AI審査モデルの種類／AI審査モデルの歴史と評価／AIスコアレンディングのスキーム／課題はデータのデジタル化 1.2　AI審査モデルの特徴 ホワイトボックス型とブラックボックス型／ブラックボックス型が使用する主な情報源／ブラックボックス型が使用する具体的な情報／ホワイトボックス型の限界 1.3　AIスコアレンディングの現状と課題 国内外の現状／精度向上の課題はデータの質と量／技術的課題と専門人材の育成 1.4　活用の留意点 融資業務におけるモデル活用の方向性／スコアリング融資失敗の要因／失敗から学ぶ 1.5　AI審査モデルの活用方法 審査の前後工程での活用／審査での活用／部分自動審査に向けた段階的活用 PART.2　 AI審査モデルのしくみ 2.1　モデルの構造 デフォルト確率算出のしくみ／線形回帰モデル／ロジスティック回帰モデル／ランダムフォレスト、勾配ブースティング／ディープラーニング（深層学習） 2.2　モデル構築のプロセス 変数候補の選択／データ収集とデータクリーニング／変数候補の絞り込み／モデル構築／信用格付けの決定 2.3　モデルの評価・検証方法 序列性の検証（AR値）／PDの一致性の検証／インサンプルテストとアウトオブサンプルテスト／正解率、適合率、再現率、F値／複数モデルの比較検証 2.4　モデルで評価できること、できないこと モデルで評価できること／モデルで評価できないこと／統計上の留意点 PART.3　AI審査モデルを使った信用リスク管理 3.1　銀行の信用リスク管理の概要 信用リスクとは何か／二つの信用リスク管理手法／信用リスク管理の対象と管理のポイント 3.2　近代的個別与信管理 個別与信管理の概要／EAD・PD・LGDの計測／個別企業のリスクコントロール 3.3　与信ポートフォリオ管理①―EL管理 ELとUL／ELの計算方法と留意点／ELのマネジメント 3.4　与信ポートフォリオ管理②―UL管理 ULの計算方法と留意点／ULのマネジメント／与信ポートフォリオ管理の実務と課題 PART.4　 AI審査モデルの最新技術 4.1　ブラックボックス型AI審査モデル 使用したデータの概要／モデルのタイプと評価方法／ブラックボックス型モデルの効用 4.2　経営者の資質を評価する技術 使用したデータの概要／人的変数を関数近似したロジスティック回帰モデルの構築／ブラックボックス型モデルの構築／ホワイトボックス型とブラックボックス型の精度比較 4.3　景気変動を考慮する技術 景気変動がモデルの精度に与える影響／景気変動を考慮する方法／景気変動を考慮したモデルの精度 4.4　デフォルト後の回収率を推計するAIモデル デフォルト確率と回収率の違い／回収率モデルのしくみ／回収率モデルの精度【Memo】ziの意味／損失関数と機械学習／デフォル トの定義／オーバーフィッティング（過学習）／教師あり学習と教師なし学習／FeatureImportance／ニューロンの算出方法／相関係数／多重共線性（マルチコ）／スコアから一次格付けを決める方法／格付け推移（遷移）行列／データの質とモデルの精度／ブライアスコア／大数の法則／モデルで算出したPDを使用しない背景／自己資本管理の留意点／発生確率の計算方法／リスクウェイト関数／VaRの問題点─期待ショートフォール／マートンの１ファクターモデル／回収率の推計が難しい理由／デフォルトの定義と回収率の関係 参考文献