L'uso di modelli di machine learning ("ML") nelle banche ha suscitato un notevole interesse e un vivace dibattito. Nel novembre 2021, l'Autorità bancaria europea ("EBA") ha pubblicato un documento di discussione che delinea raccomandazioni principle-based sul loro utilizzo a fini normativi. I modelli ML possono fornire vantaggi significativi alle banche, in particolare nella gestione di dati non strutturati e relazioni complesse. Tuttavia, alcune preoccupazioni, soprattutto sulla qualità dei dati e sull'interpretabilità del modello, devono essere affrontate con attenzione affinché tali modelli siano implementati con successo.
Programma
9:45 | Introductory remarks, Andrea Resti – Bocconi University and advisor to the European Parliament on banking supervision
10:00 | “ML and credit risk: from managerial models to validated IRB modules ” Dario Cavarero, Head of Sme Models Office, Intesa Sanpaolo
10:20 | “ML for early warning models with high-frequency account transaction data” Virginia Tirri, Head of Performance Management Bonis, CLO-GC, BancoBPM
10:40 | “Credit Risk and ML models: challenges and opportunities for UniCredit Group” Aurelio Maccario, Head of Group Credit Risk, UniCredit Group
11:00 | “The contribution of ML to model validation and Level 2 checks” Rita Gnutti, Executive Director, Internal Validation and Controls, Intesa Sanpaolo
11:20 | “A ML-based model supporting credit origination policies” Daniele Vergari, Director, Risk Analytics - Transformation Services, CRIF
11:40 |“ML models and banks: views from an ECB expert” Hendrik Brakemeier, AI & Machine Learning Application Development Expert, European Central Bank
12:00 | “EBA work on ML models in credit risk: early results and possible future developments” Roberta De Filippis, policy expert in prudential regulation, European Banking Authority