谨防英国和欧盟金融服务业遭受双重冲击

除了对世界各地的每个人产生真正的负面影响外，COVID-19大流行还以前所未有的规模推动了业务中断和关闭。庞大的政府刺激计划导致财政赤字激增，监管机构正在放松对银行的资本限制，而中央银行则通过一系列降息和其他刺激措施来支持经济稳定。

尽管所有行业都受到影响，但零售，旅游和小型企业部门可能受到的打击最大。金融服务业近期面临的主要挑战将是信贷损失激增机器学习 预测，这种情况可能持续到2023年。幸运的是，尽管有一些机构必须解决可能的资本缺口，但大多数银行系统似乎都具备足够的资本来吸收信贷损失的这一峰值。

例如，麦肯锡（McKinsey）估算了两种经济情况下的美国信用卡损失：

他们估计，在Muted Recovery情况下，损失很容易增加三倍。

英国和欧盟的双重冲击波

孤立地讲，英国脱欧将是一个重大破坏性事件，但是当这与COVID-19危机结合在一起时，我们就会遇到经典的双重冲击波。这种增加的复杂性至少可能扩展了英国和欧盟必须应对的高水平的经济不确定性，而世界其他地区将更加专注于从COVID-19大流行中复苏。

在这种情况下，人们会关注以下问题：机器学习（ML）模型的准确性，英国和欧盟相对于世界其他地区的复苏将有何不同以及金融机构应采取什么措施来解决这些问题。

当今生产中的许多ML模型都是使用大量数据和深入的历史数据进行估算的。重新估计现有模型需要一段时间，以适应新的现实以及“新常态”的未知情况。全球范围内此类并发症和异常的最新例子是在2008年金融危机期间对风险和预测模型的影响。

当前情况下的一个关键考虑因素是这是一次“结构性变化”还是百年一次的“尾巴风险事件”。 如果将COVID-19大流行视为一次性的“尾巴风险”事件，那么当世界复苏时，全球经济，市场和企业将在与COVID-19之前的危机相似的环境中运作。在这种情况下，面临的挑战是避免模型因一生中一次发生的COVID-19事件而产生偏差。

另一方面，“结构性变化”表示大流行减少的情况，整个世界都陷入了与COVID-19之前的世界根本不同的“新常态”环境。这种“新常态”环境要求机构利用扩展或替代数据开发全新的机器学习模型机器学习 预测，以提供足够的数据来捕获这种不断变化的新环境。

在这种情况下，金融机构应该做什么？

金融机构有多种选择，可以探索以应对这些挑战。接下来将介绍一些基本知识，但也要重点关注机构在实施一项战略方面的长远机会，该战略可以使一系列扩展的能力帮助应对下一次危机。

图2是Cloudera机器学习– CML的高级工作流图示。在业界第一个称为Cloudera数据平台（CDP）的企业数据云平台上可以使用此功能。CDP在混合，多云和本地支持的环境中提供一致的模型管理，安全性和治理，使我们的客户能够全面了解其ML模型的企业视图。

在这种动荡的时期，并加快采用机器学习驱动的解决方案来支持机构业务的各个方面，这种对技术能力和专家人员的投资将带来好处。这种类型的环境将使金融服务机构能够在整个企业中构建，验证，生产，管理和监视其所有模型。

尽管根据历史数据对座席行为和决策点进行了校准，但AML

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！