Model Risk Management (MRM) Survey - Исследование по управлению модельным риском В сети нашли отчет одной уважаемой компании PwC по исследованию в области управления модельным риском, в нем детально проработаны рассмотрены 2 темы - определение risk tiering (в нашей практике - "существенность") и внедрению AI и ML в практики MRM. Мы как раз коснулись темы про модели, поэтому как обычно в тему сделаем обзор. 🔸 TLDR - 88% риск-менеджеров выражают уверенность в пригодности их функции MRM - Примерна половина опрашиваемых внедрили технологические решения MRM, половина из оставшихся (четверть от всех) планируют сделать это в ближайшем будущем - 65% опрашиваемых считают, что смогут улучшить операционную эффективность, тем не менее регуляторные также важны для организация - Risk tiering (в наших терминах мы называем это "существенность модели") - очень важный атрибут MRM фреймворка - Модели продвинутого машинного обучения не имеют широкого распространения на рынке на текущий момент (2023) Исследование получилось интересное, подробно его расписывать не будем, но рекомендуем интересующимся темой ознакомиться, оно уже лежит в нашей Базе Знаний! 🔸Ключевые цифры и поинты исследования - только в 8% организаций нет специального человека, занимающегося MRM; - почти треть организаций имеет > 100 моделей оценки подверженных риску; - дополнительные преимущества от внедрения MRM (кроме тех, что выше) - сокращение cost'ов, увеличение скорости репортинга и снижение процента ошибок. - почти все (86%) организации используют материальность для оценки существенности модели - набольший риск по мнению респондентов - неполные, ошибочные или отсутствующие данные.