آزمون بحران و سناریوسازی ریسک سیستمی بانک ها با استفاده از مدل های هوش مصنوعی مولد
منبع:
مدیریت مالی هوشمند سال ۱ زمستان ۱۴۰۴ شماره ۴
16 - 37
حوزههای تخصصی:
افزایش پیچیدگی شبکه های مالی و گسترش ارتباطات متقابل میان بانک ها موجب شده است که ریسک سیستمی به یکی از مهم ترین تهدیدهای ثبات مالی در اقتصادهای مدرن تبدیل شود. بحران مالی جهانی 2008 نشان داد که ناتوانی در شناسایی زودهنگام آسیب پذیری های سیستمی می تواند پیامدهای گسترده ای برای نظام بانکی و اقتصاد کلان به همراه داشته باشد. در این راستا، آزمون بحران به عنوان یکی از ابزارهای کلیدی مدیریت ریسک، توسط بانک های مرکزی و نهادهای ناظر برای ارزیابی تاب آوری بانک ها در برابر شوک های اقتصادی مورد استفاده قرار می گیرد. با این حال، روش های سنتی آزمون بحران عمدتاً مبتنی بر سناریوهای از پیش تعریف شده بوده و در مواجهه با محیط های پویا و غیرخطی مالی از انعطاف پذیری محدودی برخوردار هستند.ظهور فناوری های هوش مصنوعی مولد، به ویژه مدل های زبانی بزرگ، شبکه های مولد تخاصمی و مدل های انتشار، ظرفیت های جدیدی را برای تولید سناریوهای پیچیده، تحلیل روابط غیرخطی و شبیه سازی رویدادهای نادر فراهم ساخته است. این پژوهش با هدف ارائه چارچوبی نوین برای آزمون بحران و سناریوسازی ریسک سیستمی بانک ها بر پایه مدل های هوش مصنوعی مولد انجام شده است. در این چارچوب، داده های کلان اقتصادی، شاخص های سلامت بانکی، متغیرهای بازار مالی و اطلاعات شبکه ارتباطات بین بانکی به عنوان ورودی مدل مورد استفاده قرار می گیرند و مدل های مولد قادر خواهند بود مجموعه گسترده ای از سناریوهای بحرانی محتمل را تولید و ارزیابی نمایند. نتایج تحلیل های نظری نشان می دهد که به کارگیری مدل های هوش مصنوعی مولد می تواند دقت پیش بینی بحران های بانکی، قابلیت کشف الگوهای پنهان، توانایی تولید سناریوهای نوظهور و انعطاف پذیری فرآیند آزمون بحران را به طور قابل توجهی افزایش دهد. همچنین این فناوری امکان ارزیابی اثرات سرایتی ریسک در شبکه بانکی و شناسایی بانک های دارای اهمیت سیستمی را فراهم می آورد. یافته ها حاکی از آن است که ادغام هوش مصنوعی مولد با چارچوب های نظارتی موجود می تواند به ارتقای ثبات مالی، بهبود تصمیم گیری نهادهای ناظر و افزایش تاب آوری نظام بانکی در برابر شوک های اقتصادی منجر شود.