IBM 獲選為領導者

瞭解 The Forrester Wave™ 中的原因:多模式預測分析與機器學習,2020 年第三季。

概觀

何謂 AI 模型風險管理?

聯邦儲備委員會和貨幣指導委員會第 11-7 號函(IBM 外部鏈結)將模型定義為「... 一種應用統計、經濟、金融或數學理論、技術和假設的定量方法、系統或方法,以將輸入資料納入定量估計」。

當模型用來預測及測量定量資訊,但模型執行不充分時,就可能發生模型風險。模型效能不佳可能導致不利的結果,並導致大量的營運損失。 在現代資訊架構中實作模型風險管理,幫助您:

  • 協助加速符合法規遵循及其他風險目標的時間。
  • 透過多雲簡化模型驗證。
  • 利用幾乎任何地方執行的模型和資料。

進一步瞭解

簡化模型風險管理的五種方法

利用自訂測試和臨界值來加強模型合規性。

播客:KPMG-IBM on AI

聆聽 AI 專家討論 AI 時代治理數位化的議題。

產品影像

風險模型評估

擷取畫面顯示風險模型評估,包括公平性、品質和漂移度量

風險模型評估

顯示公平、品質和漂移度量。 標示低於自訂臨界值的模型。 往下探查詳細資料。

公平性

擷取畫面顯示信用風險模型之公平性指標的詳細資料

公平性

配置及執行模型驗證。 包括模型公平性的測試模型度量。

模型比較

擷取畫面顯示兩個模式基於公平性與品質的比較

模型比較

比較模型測試結果。 選取並加速開發更有效的模型。

度量摘要

擷取畫面顯示信用風險模型的度量詳細資料

度量摘要

自動產生資料表 (PDF)。 彙總模型詳細資料、相關資料及測試結果。

開始使用可解釋的 AI

在 IBM Watson Studio 中探索模型監視和模型管理。