AI لأنظمة مراقبة الائتمان والإنذار المبكر

مقدمة

نادراً ما تبدأ خسائر الائتمان عندما يتأخر السداد. فقد يظهر التدهور في وقت أبكر في التحصيل، وأرصدة النقد، وهامش التعهدات، وسلوك الإبلاغ، وتركّز العملاء، وشروط الموردين، وحركة المخزون، ودوران الإدارة، وحالة الضمانات، أو حدث خارجي. وتكمن الصعوبة العملية في تجميع تلك الملاحظات في الوقت المناسب، والتمييز بين الإشارة والضجيج، وتعيين مراجع، وربط المراجعة باستجابة مصرّح بها.

تتناول هذه الورقة AI لأنظمة مراقبة الائتمان والإنذار المبكر فئتين مستهدفتين من Matchpoint Partners. الائتمان الخاص، والإقراض المباشر، وصناديق الحالات الخاصة هم مستثمرون دوليون في الائتمان والحالات الخاصة يبحثون عن العائد والتعقيد في الأصول الحقيقية والأعمال التشغيلية في GCC. GCC مالكو الشركات الصغيرة والمتوسطة والشركات العائلية هم مالكون ومديرون تنفيذيون ومشغلون من الجيل التالي يهتمون برأس المال العامل، وتمويل التجارة، والتعاقب، وإعادة التمويل، والتخارج. يراقب المخاطر على رأس المال والحقوق التعاقدية. يراقب السيولة والمرونة والأدلة اللازمة للتفاعل البنّاء مع المقرضين. ويمكنهم استخدام إشارات ذات صلة مع الاحتفاظ بحوافز وأذونات وصلاحيات قرار متمايزة.

السؤال المحوري هو: كيف يمكن للذكاء الاصطناعي تحسين توقيت مراقبة الائتمان واتساقها مع الحفاظ على الأدلة والحكم البشري والسرية والتدخل الخاضع للمساءلة؟ تتطلب الإجابة نظاماً تشغيلياً وليس درجة بمفردها. ويجب أن يحدد النظام النتائج، ويحافظ على وقت الحدث، ويتحقق من الحقوق والجودة، ويجمع بين القواعد الشفافة والنماذج الإحصائية المناسبة، ويعاير الاحتمالات، ويرتب التنبيهات، ويعرض الأسباب، ويسجل الاعتراض والتجاوز، ويوجه الإجراءات، ويتعلم من النتائج المرصودة.

تضع مبادئ لجنة بازل الحالية إدارة الائتمان وقياسه ومراقبته إلى جانب المنح السليم للائتمان والضوابط الكافية [1]. ويتناول المبدأ الأساسي 18 من بازل تحديد المشكلات وإدارتها مبكراً [2]. وتغطي إرشادات الهيئة المصرفية الأوروبية لنشأة القروض ومراقبتها المراقبة على مدى دورة حياة الائتمان [3]. ويشترط IFRS 9 تقييماً لما إذا كانت مخاطر الائتمان قد ارتفعت ارتفاعاً كبيراً منذ الاعتراف الأولي، ويراعي معلومات تطلعية معقولة وقابلة للدعم [4]. ويشترط البنك المركزي في UAE إطاراً موثقاً لمخاطر الائتمان يشمل النشأة والمراقبة والاسترداد والمخصصات، بما في ذلك التحديد المبكر للخسائر والعوامل التي قد تؤدي إلى التدهور أو التعثر [5]. وتربط معاييره الزيادة الكبيرة في مخاطر الائتمان بمؤشرات الإنذار المبكر والرقابة المستمرة [6]. وتُطبَّق هذه المصادر وفقاً للمؤسسة والنشاط والولاية القضائية؛ وهي توفر مراجع رقابية مفيدة لمستثمري الائتمان الآخرين.

للتنبؤ الائتماني تاريخ تجريبي طويل. وتوفر النسب المحاسبية ونماذج القيمة السوقية وأساليب المخاطر ونماذج التعثر متعددة الفترات رؤى متمايزة للضائقة [9-18]. وتدرس دراسات التعلم الآلي أداء التصنيف والنتائج غير المتوازنة والعلاقات غير الخطية والبيانات البديلة [19-27]. وتوفر أبحاث القابلية للتفسير والمعايرة وانحراف المفهوم والدين التقني أدوات لتقييم كيفية سلوك هذه النماذج بعد التطوير [28-34]. وتتناول المصادر التنظيمية والمعيارية الحالية حوكمة النماذج القائمة على المخاطر وإدارة مخاطر AI والخصوصية والموافقة وسياق الإعسار وضوابط AI لأسواق رأس المال [35-40].

تُعرِّف الورقة AI نظام الإنذار المبكر الائتماني بوصفه عملية محوكمة تحوّل الأدلة المصرّح بها والمختومة بالوقت إلى مؤشرات قابلة للمراجعة للتدهور، وتوجّه تلك المؤشرات إلى أشخاص خاضعين للمساءلة، وتسجل القرار والإجراء والنتيجة المترتبة على ذلك. ويمكن أن يشمل الذكاء الاصطناعي التعلم الإحصائي ونماذج البقاء ومجموعات الأشجار وكشف الشذوذ واستخراج المستندات والمساعدة باللغة الطبيعية. ويستثني التعريف السلطة الائتمانية المستقلة.

تتمثل المساهمة في إطار عملي. وهي توفر:

• وحدوداً للمساءلة والقرار؛
• وتصنيفاً لأحداث الائتمان والنتائج؛
• وبنية مضبوطة للمصادر والسمات؛
• تصنيف للإشارات يغطي الأدلة التعاقدية والتدفقات النقدية والمالية والتشغيلية والضمانات والأدلة الخارجية؛
• منظومة نماذج تبدأ بخطوط أساس شفافة؛
• بطاقة تقييم تغطي المعايرة والمهلة الزمنية وعبء التنبيهات والاستقرار وقابلية التنفيذ؛
• أدلة إجراءات التدخل وسجلات التصعيد؛
• أمثلة توضيحية افتراضية لأغراض المحفظة والمقترض؛
• جسر الإنتاجية والخسائر المقيّد بالأدلة؛ و
• خارطة طريق تنفيذ لمدة تسعين يومًا.

يراجع التحليل 40 مصدرًا أوليًا موثوقًا ومصنفًا بوضوح ومتاحًا حتى 1 أغسطس 2026. وتُعرض النتائج الأكاديمية ضمن سياقات دراساتها. وتتوقف المتطلبات التنظيمية على الاختصاص القضائي والترخيص والنشاط. لم تُقدَّم أي Matchpoint معتمدة أو مرصودة، أو أدلة من العميل، بشأن الإيرادات أو خفض التكاليف النقدية أو خفض الخسائر. ولذلك تظل تلك القيم المنسوبة USD 0.

الإنذار المبكر يعني الانتقال من الإشارة إلى التدخل

الدرجة عنصر وسيط

الدرجة عنصر وسيط. يمكن لاحتمال التعثر أن يرتب التعرضات. لكنه لا يثبت ما حدث، ولا ما إذا كانت البيانات متاحة آنذاك، ولا ما إذا كان ينبغي للمحلل أن يتصرف، ولا أي حق تعاقدي قائم، ولا كيفية التعامل مع المقترض، ولا ما إذا كان التدخل قد غيّر النتيجة. ويجب أن يربط نظام الإنذار المبكر التنبؤ بقرار تشغيلي.

يجب أن تسمح السلسلة بالامتناع. الأدلة المفقودة أو القديمة أو المتعارضة أو غير المصرح بها يمكن أن تُنتج مهمة خاصة بجودة البيانات بدلاً من تنبيه ائتماني. ويمكن أن ينتج النموذج عدم يقين يدفع التعرض إلى مراجعة يدوية. ولا ينبغي أن يؤدي ناتج منخفض المخاطر إلى إخفاء إخلال تعاقدي أو مراجعة إلزامية.

آفاق الإنذار والقرارات

الإنذار المبكر نسبي إلى القرار. الإشارة التي تصل قبل يومين من سداد فائت قد تكون مبكرة للتحصيل ومتأخرة للتفاوض على التعهد. وقد تدعم النسبة الربع سنوية تكوين المخصصات وتوفر مهلة تشغيلية ضئيلة. وينبغي تحديد الأفق قبل تطوير النموذج.

يميّز المعيار الدولي للتقارير المالية IFRS 9 بين خسائر الائتمان المتوقعة على مدى 12 شهرًا وخسائر الائتمان المتوقعة على مدى العمر، ويشترط مقارنة مخاطر التخلف عن السداد في تاريخ الإبلاغ بالمخاطر عند الاعتراف الأولي لتحديد الزيادة الكبيرة في مخاطر الائتمان [4]. وتشترط معايير مصرف الإمارات العربية المتحدة المركزي التقييم والتوثيق المنتظمين للزيادة الكبيرة في مخاطر الائتمان، باستخدام معلومات معقولة وقابلة للدعم ومتاحة، بما في ذلك المعلومات الاستشرافية [6]. وقد يستخدم صندوق ائتمان خاص تعريفات محاسبية أو تنظيمية أو تعاقدية مختلفة. وينبغي له توثيق الربط الدقيق بين نتائج المراقبة والتقييم والاحتياطيات وحالة قائمة المراقبة وصلاحيات اللجنة.

تظل الصلاحية البشرية صريحة

يجوز للنظام أن يرتّب أولويات المراجعة، ويحسب النسب، ويكشف التقارير الناقصة، ويقدّر المخاطر، ويستدعي نص التعهد، أو يصوغ قائمة أسئلة. وينبغي للمحلل المسؤول التحقق من الأدلة والسياق. وينبغي للجنة المصرّح لها أو للمفوّض أن يقرر الإعفاءات أو التعديلات أو إيقاف السحب أو الاحتياطيات أو الإنفاذ أو استراتيجية إعادة الهيكلة. وتحتفظ إدارة المقترض بصلاحيتها على قراراتها التشغيلية. وتتطلب الاستنتاجات القانونية والإعسارية والمحاسبية والتنظيمية مهنيين مسؤولين خاضعين للمساءلة.

نطاق القرار وحدوده

صناديق الائتمان الخاص

يمكن للفرق أن تحتفظ بقروض ثنائية أو مشتركة (كلوب)، وتسهيلات مدعومة بأصول، وأدوات تمويل ميزانين، وهياكل تفضيلية، وتعرضات لحالات خاصة. وقد تشمل المراقبة تقارير تعاقدية، وحسابات قاعدة الاقتراض، وبيانات الضمانات، وضوابط النقد، والموازنات، ومعلومات مجلس الإدارة، والحوار مع الراعي المالي، وتطورات القطاع. وقد يكون التعرض غير سائل، ويمكن أن تكون الوثائق مخصصة، وقد تكون سجلات المحافظ محدودة. وتزيد هذه الخصائص من أهمية القواعد القابلة للتتبع، والمراجعة الخبيرة، وإبلاغ عدم اليقين.

تشمل الأسئلة الشائعة:

• أي المقترضين يظهرون تدهورًا قبل حدوث إخلال بالسداد؟
• أي التعهدات انخفض هامشها المتاح بسبب مقام أو تعريف أو تعديل مسموح به؟
• أي حزم البيانات متأخرة أو غير متسقة أو غير مكتملة؟
• أي الأحداث الخارجية تستدعي طلب معلومات مركّز؟
• أي التعرضات تجمع بين ضعف السيولة وعدم يقين الضمانات والاعتماد على الراعي المالي؟
• أي التنبيهات تمت مراجعتها أو تجاوزها أو تُركت حتى انتهاء صلاحيتها؟
• ما التدخل الذي حدث، وما النتيجة التي أعقبته؟

GCC أصحاب الشركات الصغيرة والمتوسطة والأعمال العائلية

غالبًا ما يعاني المالكون من مخاطر الائتمان بوصفها مشكلة تتعلق برأس المال العامل والتشغيل. قد تتباطأ التحصيلات قبل أن تُظهر الحسابات الشهرية الأثر. يمكن لعميل كبير أن يؤخر القبول. قد ترتفع المخزونات لأن الطلب ضعف أو لأن الإدارة تبني المخزون عمدًا. قد تقصر شروط الموردين. قد يؤثر انتقال عائلي أو مسألة شخص رئيسي أو نزاع حوكمة في جودة المعلومات وسرعة القرار. يحتاج المالك إلى رؤية تشغيلية تدعم اتخاذ إجراء أبكر وحوارًا موثوقًا مع المقرض.

تشمل الأسئلة الشائعة:

• هل تتباطأ تحصيلات العملاء مقارنةً بالأنماط التعاقدية والتاريخية؟
• هل تتسع السيولة الحالية والمتوقعة للالتزامات الملتزم بها؟
• أي من العملاء أو الموردين أو المشاريع يخلق مخاطر تركّز؟
• أي بند من بنود التقارير أو التعهدات أو التأمين يحتاج إلى إجراء قبل الموعد النهائي؟
• أي تباين يعكس نموًا مخططًا أو موسمية أو تدهورًا حقيقيًا؟
• ما الأدلة التي ينبغي إعدادها لمناقشة مع المقرض أو المستثمر؟
• ما الإجراء التشغيلي الذي اتُّخذ، وما الذي تغيّر بعده؟

أدلة مشتركة، وأغراض منفصلة

يمكن لتدفق المعاملات البنكية نفسه أن يدعم توقع المالك للنقدية وعملية مراقبة المقرض. وتحدد الموافقة والحقوق التعاقدية والسرية وتقييد الغرض ما إذا كان المقرض يستطيع استلامه وكيفية ذلك. تشمل لائحة التمويل المفتوح الصادرة عن المصرف المركزي لدولة الإمارات العربية المتحدة (CBUAE) منتجات الائتمان والقروض، وتشترط ضمن نطاقها موافقة صريحة وتواصلًا آمنًا ومعالجة محدودة الغرض [7]. ولا يزال تدفق البيانات التعاقدي الخاص خارج ذلك الإطار يتطلب أساسًا قانونيًا وتعاقديًا صالحًا.

ضوابط تعارض المصالح والاتصالات

ينبغي للمستشار الذي يخدم كلاً من مزوّد رأس المال وطالب رأس المال أن يحدد نطاق التكليف، وإجراءات تعارض المصالح، والحواجز المعلوماتية، والمخرجات المسموح بها قبل دمج البيانات. ويجب ألا يتحول نظام الإنذار المبكر أبداً إلى قناة غير رسمية توسّع وصول أحد الطرفين. وينبغي أن تحدد كل بطاقة تنبيه صلاحية المصدر، والجمهور المسموح له، والجهة المخوّلة بالتواصل.

الكائن	السؤال الجوهري	الحد الأدنى من الأدلة	المالك المسؤول
الحدث المصدر	ما الذي تغيّر، ومتى كان يمكن معرفته؟	القيمة الأصلية، وقت الحدث، وقت الإتاحة، تتبع المصدر	مالك البيانات
المؤشر	لماذا قد يكون هذا التغيير مهمًا؟	إصدار القاعدة أو النموذج، العتبة، أداة المقارنة	تحليلات الائتمان
تنبيه	لماذا يتطلب هذا التعرض مراجعة الآن؟	درجة الخطورة، الأسباب، روابط الأدلة، تاريخ الانتهاء	مراقبة المحفظة
مراجعة	هل التنبيه موثوق وجوهري؟	تقدير المحلل، سياق المقترض، الاعتراض المهني	المراجع المحدد بالاسم
القرار	ما الاستجابة المصرح بها؟	السياسة، التعهد، الصلاحية، المبرر	صلاحية الائتمان
الإجراء	ما الذي تم إنجازه ومن قام به؟	المهمة، المسؤول، التاريخ، سجل التواصل	مسؤول الإجراء
النتيجة	ماذا حدث بعد ذلك؟	المعالجة، التدهور، التعثر، التعافي، دون تغيير	مسجل مستقل

بنية النتيجة والوسم والوقت

حدّد الحدث قبل تدريب النموذج

قد يشير التعثر إلى حدث تعثر تعاقدي، أو تعريف تنظيمي، أو مرحلة محاسبية، أو انتقال في التصنيف، أو حدث إعادة هيكلة، أو وسم خاص بدراسة. ويؤدي الجمع بين هذه المعاني دون تمييز إلى تسرّب الوسم وضعف الحوكمة. وتميّز قواعد المخاطر الائتمانية الصادرة عن مصرف الإمارات العربية المتحدة المركزي (CBUAE) بين عدم السداد وعدم احتمالية السداد، وتشترط إشارات إنذار مبكر موثقة [5]. ويعرّف قانون UAE المالي والإفلاس الإجراءات والحقوق الرسمية ضمن نطاقه [8]. وينبغي ألا يُعامَل وسم النموذج على أنه استنتاج قانوني.

ينبغي أن يتضمن قاموس النتائج التعريف والمالك وتاريخ السريان والأدلة والتسلسل الهرمي والاستخدام المسموح به والعلاقة بتعريفات أخرى. ويتطلب أي تغيير إدارة الإصدارات وتحليل الأثر.

ثلاثة مؤقتات تمنع التسرب

يتطلب كل رصد ثلاثة أوقات على الأقل:

1. وقت الحدث: عندما وقع الحدث الأساسي.
2. وقت الإتاحة: عندما كان بإمكان نظام أو شخص مصرَّح له أن يعلم بذلك لأول مرة.
3. وقت الإجراء: عندما اتخذ مراجع أو صاحب قرار إجراءً.

قد تصف قائمة مالية سنوية أوضاع ديسمبر وتصبح متاحة في أبريل. والتدريب عليها كما لو كانت معروفة في ديسمبر يُدخل تحيّز النظر إلى المستقبل. وقد تُقدَّم شهادة تعهد متأخرة. والتأخر بحد ذاته إشارة؛ ولا يمكن نسب القيم المالية اللاحقة بأثر رجعي إلى مجموعة القرارات السابقة.

وحدة الرصد ومجموعة الأتراب

يمكن أن تكون وحدة الرصد يوم مقترض، أو شهر تسهيل، أو اختبار تعهد، أو فاتورة، أو حساب، أو مراجعة محفظة. وينبغي أن تتوافق مع وتيرة القرار وموثوقية البيانات. ويمكن دمج خصائص مستوى التسهيل مع التعرضات على مستوى المدين وعلى مستوى المجموعة. وتتطلب هياكل الأطراف المرتبطة والضامنين وروابط الضمانات كيانات صريحة بدلاً من مطابقة النصوص.

قد لا تدعم محافظ الائتمان الخاص الصغيرة نماذج معقدة خاضعة للإشراف. وقد يكون خط الأساس الشفاف القائم على القواعد، وتحليل البقاء المستند إلى أدلة خارجية، والتقسيم الخبير، ونطاقات عدم اليقين، أكثر قابلية للدفاع عنه. وينبغي أن يوثق سجل تطوير النموذج حدود مجموعة الأتراب، والاستثناءات، ونسبة القيم المفقودة، ومعدل انتشار النتيجة، والتعرض عند التخلف عن السداد.

تصنيف الإشارات وعقد البيانات

عائلات الإشارات الست

ينبغي لنظام الإنذار المبكر أن يجمع بين أدلة متكاملة. يُظهر ألتمان وبيفر وأوهلسون الدور التاريخي للنسب المحاسبية [9-11]. يستخدم ميرتون العلاقة القائمة على نظرية الخيارات بين قيمة الأصول والالتزامات [12]. ويستخدم شامواي، وتشافا وجارو، ودوفي ومشاركوه، وبهارات وشامواي، وكامبل ومشاركوه معلومات المخاطر والسوق والفترات المتعددة [13-17]. ويتناول ألتمان وساباتو النمذجة الخاصة بالمنشآت الصغيرة والمتوسطة [18]. تدعم هذه الدراسات مجموعة من الأساليب بدلاً من درجة موحدة.

الإشارات التعاقدية

ينبغي أن تبدأ المراقبة التعاقدية بسجل منظم للالتزامات. يتطلب كل التزام البند، وتعريف الاحتساب، والتكرار، والجهة المبلغة، والأدلة، وفترة السماح، وحالة الإعفاء، والمراجع المسؤول. يمكن أن يساعد استخراج اللغة الطبيعية في التقاط البنود. وينبغي أن يوافق شخص بشري على الالتزام المنظم قبل الاستخدام الفعلي. وينبغي أن يحتفظ النظام بالمقطع المصدر الدقيق.

ينبغي أن يفصل منطق التنبيهات بين مدخل مفقود، وإخلال محسوب، ومسألة تفسير قانوني، وإعفاء معتمد. قد يكون تأخر الإبلاغ إخفاقاً في العملية، أو تشتيتاً تشغيلياً، أو تعثراً ناشئاً. وينبغي أن يسجل النظام الواقعة ويحيل التفسير إلى المحلل المسؤول.

إشارات التدفق النقدي والمعاملات

يمكن لبيانات المعاملات أن تزيد من التوقيت المناسب. استخدم كانداني وكيم ولو معاملات المستهلكين وبيانات مكاتب الائتمان في دراسة عن الائتمان الاستهلاكي [22]. ويُظهر بيرغ ومشاركوه أن متغيرات البصمة الرقمية يمكن أن تكمّل درجات المكاتب في سياقهم [23]. ويفحص جاغتياني وليميو البيانات البديلة والتعلم الآلي في الإقراض التقني المالي [24]. وتختلف مجموعاتهم وقراراتهم عن الائتمان الخاص ومراقبة المنشآت الصغيرة والمتوسطة في GCC. ويثبتون الجدوى ضمن سياقات دراسية محددة؛ لكنهم لا يثبتون الاقتصاديات أو قابلية النقل.

قد تشمل إشارات النقد المفيدة تقلّب التدفقات الداخلة المتدحرجة، والتركّز حسب الجهة الدافعة، وعدد الأيام بين الفاتورة والاستلام، وحوادث فشل الدفع، وأيام احتياطي الرصيد، والتدفقات الخارجة الملتزم بها، والانحرافات عن خط أساس موسمي مُتحقق منه. ويجب توثيق الموافقة، وتغطية الحساب، وتحويل العملة، والتدفقات بين الشركات، وتجميع النقد.

الإشارات المالية والتشغيلية

ينبغي أن تحتفظ النسب المالية بالبسط والمقام والفترة والمصدر وسياسة التعديل. ويتطلب تباين التوقعات خط أساس معتمدًا؛ وإلا فإن التوقعات المعدلة مرارًا قد تمحو التدهور. وينبغي ربط الإشارات التشغيلية بنموذج الأعمال. وقد يشير نمو المخزون إلى التوسع أو بطء المبيعات أو التحضير لسلسلة التوريد. وقد يعكس انخفاض دفتر الطلبات إنجاز مشروع مخطط له. وينبغي أن تعرض بطاقة التنبيه السلسلة المصدرية والمقارن بدلًا من تقديم تسمية واحدة غامضة.

إشارات الضمانات والإشارات الخارجية

قد تشمل مراقبة الضمانات عمر التقييم، والتغطية، والتأمين، والموقع، والسيطرة، والحالة، والتحويل إلى نقد. ولا يحدد تقدير النموذج قابلية الإنفاذ أو القيمة القابلة للتحقق. وقد تشمل المصادر الخارجية السجلات التجارية، وسجلات المحاكم، والعقوبات، وأسعار السلع، ومؤشرات القطاعات، والأخبار الموثوقة. ويجب توثيق مطابقة الكيانات، وجودة المصدر، والاختصاص القضائي، والترخيص.

الحد الأدنى لعقد البيانات

تدعو معايير جمع البيانات لدى مصرف الإمارات العربية المتحدة المركزي إلى بيانات تفصيلية ومتكررة بما يكفي، وإلى أحداث تعثر واسترداد شهرية بحسب شريحة الملتزم، وأدوار موثقة، ومراجعة من المُعِد والمدقق، وأتمتة حيثما كان مناسبًا، ووحدات وعملة وطوابع زمنية دقيقة [6]. ويكيّف العقد التالي هذه المبادئ مع تطبيق عملي.

سير العمل التشغيلي قبل وبعد

قبل: حزم دورية ومطابقة يدوية

خط الأساس الشائع هو قائمة مراقبة في جدول بيانات تُغذّى بحزم شهرية أو ربع سنوية. يتتبع المحللون المستندات، ويعيدون احتساب النسب، ويراجعون البريد الإلكتروني، ويقارنون التوقعات، ويعدّون مواد لجنة الاستثمار. قد يكون الحكم الخبير قوياً. وقد يعتمد تتبع مصدر الأدلة واتساقها والمهلة الزمنية على الانضباط الفردي. ويمكن تسجيل الحدث نفسه في أماكن متعددة بحالات مختلفة.

بعد: قائمة انتظار خاضعة للحوكمة وبطاقة أدلة

يؤتمت سير العمل المستهدف الجمع والتحقق ضمن نطاق محدد، ويطبّق القواعد والنماذج المعتمدة، ويرتب التعرضات للمراجعة البشرية، ويسجل القرار. تفتح كل تنبيه بطاقة أدلة بدلاً من استنتاج. وتعرض أفق النتيجة، والأحداث المصدرية، وقيم الخصائص، والمقارنات، وإصدار النموذج والعتبة، والأسباب، وعدم اليقين، والتنبيهات السابقة، والالتزامات الحالية، والمالك، وتاريخ الانتهاء، والإجراءات المسموح بها.

ميزانية سعة التنبيهات

حجم التنبيهات متغيّر للتحكم في المخاطر. يمكن للنموذج أن يرفع معدل الاستدعاء بإرسال العديد من التعرضات للمراجعة. وإذا لم يتمكن الفريق من التحقيق فيها، فقد تُدفن التحذيرات الحقيقية. يجب أن يحدد التصميم ساعات المراجعين المتاحة، والتنبيهات المتوقعة، ومزيج درجات الخطورة، وأهداف مستوى الخدمة، وآلية التصعيد عند تجاوز قائمة الانتظار للطاقة الاستيعابية.

ينبغي أن يقيس النظام قبول التنبيهات، ومنع التكرار، والوقت حتى أول مراجعة، والوقت حتى القرار، وعمر التنبيهات غير المحلولة، والتنبيهات المنتهية. قد يعكس انخفاض معدل القبول عتبات ضعيفة، أو سوء عرض الأدلة، أو هدفاً غير مناسب، أو سلوك المراجع. وهو يتطلب تحقيقاً لا ضبطاً تلقائياً.

بنية خاضعة للرقابة وحزمة أدوات

طبقات قابلة للفصل

ينبغي أن تُبقي البنية المعمارية سجلات المصدر ومخزن الأحداث وحساب السمات والنموذج والتنبيه والمراجعة والقرار قابلة للفصل. يتيح الفصل إمكانية تتبع الأصل، والتحقق، والاستبدال، والاستجابة للحوادث. يمكن أن توفر منصة مورّد عدة طبقات. وتبقى الشركة مسؤولة عن تحديد ما يفعله المورّد، وما الأدلة التي يتلقاها، وكيفية التعامل مع حالات الفشل.

خط الأساس قبل التعقيد

يمكن أن تبدأ تسلسلات التطوير بالالتزامات وقواعد التعامل مع البيانات المفقودة والنسب البسيطة وخط أساس إحصائي شفاف. ويمكن للانحدار اللوجستي أو تحليل البقاء أو نموذج شجري مقيّد أن يحدد ما إذا كان التعقيد الإضافي يوفر فائدة جوهرية. ويقيس ليسمان وزملاؤه أداء خوارزميات تصنيف متعددة ويُظهرون أهمية المقارنة الواسعة [19]. ويفحص براون ومويس بيانات تسجيل ائتماني غير متوازنة [20]. ويقارن باربوزا وزملاؤه نماذج التعلم الآلي للتنبؤ بالإفلاس [21]. وينبغي أن يتبع الاختيار النتيجة والفئة وحجم البيانات وقابلية التفسير والتكلفة التشغيلية.

يوضح سادواني وزملاؤه نمذجة غير خطية متعددة الفترات للرهن العقاري في دراسة تستخدم أكثر من 120 مليون سجل رهن عقاري أمريكي [25]. ويبحث فوستر وزملاؤه في الآثار التوزيعية للتعلم الآلي في أسواق الائتمان [26]. وهذه دراسات جوهرية وببيئات مختلفة. ولا يمكن لمحفظة ائتمان خاص صغيرة GCC أن تدّعي أدلة مكافئة. وقد تساعد البيانات الخارجية أو نقل التعلم في التطوير؛ ويظل المعايرة والتحقق المحليان ضروريين.

منظومة النماذج

المساعدة باللغة الطبيعية ثانوية

يمكن لنموذج لغوي استخراج جدول التعهدات، أو تلخيص حزمة المقترض، أو صياغة مذكرة مراجعة. وينبغي أن يحافظ الناتج على الاستشهادات على مستوى المقطع ودرجة الثقة. وينبغي تنفيذ الحسابات الرقمية في تعليمات برمجية حتمية. ويبقى التفسير التعاقدي والاستنتاجات القانونية والأحكام الائتمانية النهائية من اختصاص المهنيين المعتمدين. وينبغي للنظام أن يمتنع عندما تتعارض الأدلة أو تقع خارج المخطط المعتمد.

الأمن والقدرة على الصمود

يمكن أن تحتوي سجلات الائتمان على معلومات العملاء والموظفين والموردين والتسعير والحسابات والمعلومات القانونية. ويجب أن يتضمن التصميم الحد الأدنى من الصلاحيات والتشفير وفصل المستأجرين وإقامة البيانات وإدارة الأسرار والتسجيل والنسخ الاحتياطي والاستعادة والاستجابة للحوادث. وتتطلب نماذج الموردين والخدمات المُدارة قيودًا على استخدام البيانات وشروط الاحتفاظ ومراجعة المعالجين الفرعيين وتخطيط الخروج. ويوفر إطار إدارة المخاطر NIST AI وظائف طوعية للحوكمة والمواءمة والقياس والإدارة [36]. ويعالج تقرير IOSCO AI حالات الاستخدام والمخاطر في أسواق رأس المال [37]. وتُغذي هذه المصادر الحوكمة وفقًا لمدى انطباقها.

التقييم: من الدقة إلى قابلية اتخاذ الإجراء

مقاييس التنبؤ

غالبًا ما يكون تدهور الائتمان غير متوازن. ويمكن أن تبقى الدقة الإجمالية مرتفعة عندما يفوت النموذج معظم الأحداث النادرة. وينبغي أن يقدم التقييم قدرة التمييز والمعايرة عبر الأفق المقصود. ويمكن أن تكون منحنيات الدقة والاستدعاء أكثر إفادة عندما تكون الأحداث الإيجابية نادرة. وينبغي أن يراعي اختيار العتبة قدرة المراجع وعواقب التنبيهات الفائتة أو غير الضرورية.

يقارن نيكوليسكو-ميزيل وكاروانا طرق المعايرة للنماذج الخاضعة للإشراف [30]. ويوفر بريير الدرجة التربيعية المستخدمة في التنبؤات الاحتمالية [31]. وينبغي أن يشمل التقييم المعايرة على المستوى الإجمالي والميل ومخططات الموثوقية وأعداد النتائج وفترات عدم اليقين حيثما أمكن.

القابلية للتفسير واستقرار الأسباب

يطوّر لوندبرغ ولي نهجاً موحداً لإسناد الميزات باستخدام SHAP [28]. ويطوّر ريبيرو وسينغ وغاسترين تفسيرات محلية قابلة للتفسير [29]. تصف التفسيرات سلوك النموذج في ظل افتراضات معلنة. وهي لا تثبت السببية أو جودة البيانات أو العدالة. وينبغي أن يجمع تنبيه الائتمان بين أسباب النموذج والأدلة المصدرية والتاريخ المقارن وسياق السياسة.

استقرار الأسباب مهم. ينبغي ألا تؤدي التغييرات الصغيرة غير الجوهرية في المدخلات إلى سرديات متناقضة. يمكن للمتغيرات المترابطة أن تعيد توزيع الإسناد. وينبغي اختبار التفسيرات عبر الإصدارات والشرائح والاضطرابات. وينبغي ألا يحل السرد المولّد أبداً محل الميزة الرقمية وسجل المصدر.

الانحراف والمراقبة المستمرة

يستعرض غاما والمتعاونون التكيف مع انحراف المفهوم [32]. ويصف سكولي والمتعاونون الدين التقني الخفي في أنظمة تعلّم الآلة، بما في ذلك تبعيات البيانات وحلقات التغذية الراجعة [33]. وينبغي أن تميّز مراقبة الانحراف بين:

• انحراف البيانات، حيث يتغير توزيع المدخلات؛
• انحراف المفهوم، حيث تتغير العلاقة بين المدخلات والنتائج؛
• انحراف السياسة، حيث تتغير التعريفات أو العتبات أو الإجراءات؛
• انحراف السكان، حيث يتغير مزيج القطاعات أو الجغرافيا أو المنتجات أو المقترضين؛
• انحراف خط الصفقات، حيث تتغير عمليات الجمع أو التحويل؛ و
• انحراف التدخل، حيث تغيّر الإجراءات النتائج المرصودة.

يمكن أن يؤثر النموذج في بياناته الخاصة. قد يمنع التدخل المبكر التعثر، فيجعل تنبيهًا فعّالًا يبدو زائفًا. ينبغي أن يحتفظ تحليل النتائج بسجل التدخلات والمعالجات. تتطلب الادعاءات السببية تصميمًا يدعمها.

العدالة وأداء الشرائح

يصوغ هاردت وبرايس وسريبو تكافؤ الفرص في التعلم الخاضع للإشراف [34]. ويفحص فوستر والمؤلفون المشاركون الآثار التوزيعية للتعلم الآلي في سوق الائتمان [26]. ينبغي للنظام أن يحدد السمات المحمية والحساسة وفقًا للقانون المعمول به، وأن يتجنب الاستخدام غير المصرح به، وأن يقيّم أنماط الأخطاء والوصول عبر الشرائح ذات الصلة، وأن يفحص المتغيرات البديلة. مقياس العدالة عدسة تحليلية. تحدد السياسة والقانون والغرض من المحفظة والمساءلة البشرية القرار المناسب.

بطاقة تقييم الإصدار

حوكمة النماذج والخصوصية والضوابط التنظيمية

حوكمة النماذج القائمة على المخاطر

أصدر الاحتياطي الفيدرالي ومؤسسة تأمين الودائع الفيدرالية (FDIC) ومكتب مراقب العملة (OCC) إرشادات منقحة بشأن مخاطر النماذج في أبريل 2026. ويشدد على نهج قائم على المخاطر مصمم وفق ملف النموذج وحجمه وتعقيده، ويتناول تطوير النموذج وتنفيذه والتحقق منه وحوكمته واستخدامه [35]. ويتوقف انطباقه المباشر على المؤسسة. وتوفر المبادئ مرجعًا مفيدًا لنظام مراقبة الائتمان الخاص لأن النموذج المعيب يمكن أن يغيّر قرارات المحفظة والتقييمات والاحتياطيات ومعاملة المقترضين.

ينبغي أن يشمل سجل النماذج القواعد والنماذج الإحصائية ودرجات المورّدين وأدوات استخراج المستندات وجداول البيانات الجوهرية. وينبغي أن يحدد كل سجل الغرض والمالك والمستخدمين والمدخلات والمخرجات والقيود وحالة التحقق وسجل التغييرات والتبعيات وخطة الإيقاف. وينبغي توثيق تعديلات الخبراء الجوهرية واختبارها.

ينبغي أن يغطي التحقق سلامة المفهوم، وجودة البيانات، والتحقق من العملية، وتحليل النتائج، والمراقبة المستمرة، والتنفيذ. ولا يعفي غموض المورّد من مسؤولية فهم الاستخدام المقصود والقيود والأداء. وأي مكوّن لا يستطيع تقديم أدلة كافية يمكن قصره على المساعدة منخفضة المخاطر أو رفضه.

AI إدارة المخاطر

ينظّم إطار NIST AI لإدارة المخاطر الأنشطة حول الحوكمة، والتحديد، والقياس، والإدارة [36]. ويمكن لخريطة الضوابط استخدام هذه الوظائف على النحو التالي:

• الحوكمة: إسناد مسؤولية الائتمان والبيانات والتقنية والخصوصية والتحقق.
• التخطيط: تحديد المستخدمين والمقترضين والقرارات والأضرار والسياق القانوني والتبعيات.
• القياس: اختبار الدقة والمعايرة والانحراف والأمن والخصوصية والشرائح والعبء التشغيلي.
• الإدارة: اعتماد النطاق، والمراقبة، والاستجابة للحوادث، والتراجع، والإخراج من الخدمة.

الإطار طوعي وعام. وهو لا يُغني عن المتطلبات السارية في الخدمات المالية أو حماية البيانات أو العقود أو الإعسار.

الخصوصية والموافقة والغرض

يُنشئ الإطار الفيدرالي UAE لحماية البيانات ضوابط لمعالجة البيانات الشخصية [38]. ويحتفظ مركز دبي المالي العالمي (DIFC) وسوق أبوظبي العالمي (ADGM) بأنظمة حماية بيانات خاصة بهما لاختصاصيهما القضائيين [39-40]. ويعتمد النظام المناسب على الكيانات والتأسيس والمعالجة وتدفقات البيانات. ويلزم الحصول على مشورة قانونية بشأن أي تنفيذ محدد.

ينبغي أن يسجّل سجل الحقوق صاحب البيانات أو المصدر المؤسسي، وأدوار المتحكّم والمعالج، والغرض، والأساس القانوني أو الحق التعاقدي، والجهات المستلمة المسموح لها، والموقع، والاحتفاظ، والحذف، والمعالجين الفرعيين، وعملية الحوادث. وينبغي ألا تدخل البيانات الشخصية التي تكون ملائمة لكن غير ضرورية إلى مخزن الميزات. وتتطلب البيانات الحساسة تحليلاً قانونياً وسياساتياً محدداً.

يشترط المصرف المركزي لدولة الإمارات (CBUAE) في إطار التمويل المفتوح الحصول على موافقة صريحة، واتصالاً آمناً، وتقييد الغرض ضمن نطاقه، ويقيّد كشط البيانات [7]. وينبغي للمنتج الموجّه إلى المقترض أن يفصل مشاركة البيانات الاختيارية عن علاقة التمويل الأساسية، وأن يوثّق سحب الموافقة، ويحافظ على عملية الوضع المتدهور.

حدود الإعسار وإعادة الهيكلة

يُنشئ قانون UAE المالي والإفلاس آليات رسمية لإعادة الهيكلة المالية والإفلاس [8]. ولا يمكن لدرجة الإنذار المبكر أن تحدد وضع الإعسار، أو واجبات تقديم الطلبات، أو حقوق الدائنين، أو الأولوية، أو التنفيذ، أو التزامات المديرين. وعندما يشير تنبيه إلى ضائقة مالية، ينبغي لدليل الإجراءات إحالة المسألة إلى مهنيين مؤهلين تأهيلاً مناسباً في المجالات القانونية وإعادة الهيكلة والإعسار.

فئات الحوادث

أدلة إجراءات التدخل والتصعيد

تتطلب التنبيهات إجراءات محدودة النطاق

ينبغي أن ترتبط التنبيهات بإجراءات يمكن للمؤسسة اتخاذها قانوناً وتعاقدياً. تشمل الاستجابات المحتملة التحقق من البيانات، وطلب المعلومات، وزيادة المراقبة، ومراجعة الضمانات، واختبار تعهد، ومناقشة المعالجة، والنظر في منح إعفاء أو تعديل، وتعديل احتياطي، والحد من السحوبات الإضافية، ونقل التعرض إلى فريق متخصص أو إعداد ورقة لجنة. يعتمد كل إجراء على الوثائق والصلاحيات.

يمكن أن تشمل الاستجابات تسريع التحصيلات، وتسوية الفواتير المتنازع عليها، ومراجعة المشتريات، وحماية الموردين الرئيسيين، وتقليل استخدام النقد التقديري، وإعداد توقعات نقدية لثلاثة عشر أسبوعاً، ومراجعة هامش الالتزام بالتعهدات، والتفاعل مع المقرضين مبكراً، وتعزيز الحوكمة أو طلب مشورة إعادة الهيكلة. وتتطلب التوصية حكماً مهنياً خاصاً بالمقترض.

تمثل الحدود الواردة في هذا الجدول فئات وليست سياسة معتمدة. ينبغي أن تحدد السياسة الفعلية المحفزات الكمية والنوعية، والعطلات الرسمية، وفترات السماح، وكتم التنبيهات، والتجاوزات، والحد الأقصى لمدة بقاء الحالة دون معالجة.

الحد الأدنى لسجل التنبيه

ينبغي أن يتضمن سجل التنبيه:

1. معرّف التنبيه، والمقترض، والتسهيل، والمحفظة؛
2. وقت الإنشاء والانتهاء؛
3. أفق النتيجة ودرجة الخطورة؛
4. إصدارات القواعد والنماذج؛
5. الأحداث المصدرية مع وقت الإتاحة؛
6. قيم السمات والمقارنات وغياب البيانات؛
7. رموز الأسباب وعدم اليقين؛
8. مرجع الالتزام أو السياسة ذي الصلة؛
9. حالة التنبيه الحالية والسابقة؛
10. المراجع المعيّن ومستوى الخدمة؛
11. تقييم المراجع ومساءلة الأدلة؛
12. مبررات التجاوز أو الإخفاء أو التصعيد؛
13. سلطة القرار والإجراء المعتمد؛ و
14. الطوابع الزمنية للإجراء والنتيجة.

حوار المقترض

ينبغي أن يدعم النظام محادثة مركزة وعادلة. ويمكن للمقرض أن يطلب سياقاً حول نمط قائم على الوقائع بدلاً من تقديم استنتاج آلي. وينبغي أن تميّز بطاقة التنبيه بين الأدلة المرصودة وتفسير النموذج والحكم البشري. وينبغي أن يوضح سجل التواصل المعلومات التي طُلبت، وما قدّمه المقترض، وما إذا كان التنبيه قد تغيّر.

التجاوزات

التجاوزات معلومات. قد يعرف المراجع موسمية أو إعادة تمويل مكتملة أو فاتورة متنازع عليها أو إجراءً مؤسسياً أو تعديلاً مسموحاً به لا يعرفه النموذج. وينبغي أن يسجل النظام السبب والنتيجة اللاحقة. ويمكن أن تكشف معدلات التجاوز المرتفعة عن بيانات ضعيفة أو عتبات سيئة التقسيم أو انضباط مراجعة غير فعّال. وينبغي أن يبقى تحليل التجاوزات منفصلاً عن حوافز الأداء التي قد تثبط المساءلة المبررة.

الحقل	المحتوى المطلوب	اختبار الإصدار
هوية المصدر	النظام، والمالك، ومفتاح السجل، والرابط الأصلي	قابل للتتبع إلى الأصل المصرح به
الحقوق	الغرض، والجمهور، والموافقة أو الأساس التعاقدي، والانتهاء	اختبار الوصول قبل إنشاء الميزة
وقت الحدث	الوقت الساري للبيانات الأساسية	المنطقة الزمنية والفترة الصحيحتان
وقت الإتاحة	أول إتاحة معتمدة	عدم تسرب البيانات المستقبلية
التنقيح	الإصدار والقيمة السابقة والسبب والنهائية	التنقيحات محفوظة
الوحدة	العملة ومستوى الدقة ووحدة القياس والإشارة	اجتياز اختبار الاتساق
الكيان	المقترض أو التسهيل أو الحساب أو الضامن أو الضمانات	تمت التسوية والمراجعة
الجودة	الاكتمال والصلاحية والحداثة والاستثناءات	الحد والمالك محددان
النتيجة	التسمية والتعريف والدليل وتاريخ التأكيد	مستقل عن مسار نماذج التنبؤ
الاحتفاظ	المدة المطلوبة وقاعدة الحذف	تم ربط السياسة

أمثلة توضيحية

كل مدخل في هذا القسم هو افتراضات النمذجة الافتراضية. تُوضح السيناريوهات سير العمل والقياس. وهي لا تصف Matchpoint، أو عميلاً، أو محفظة، أو حالة أعمال معتمدة.

السيناريو أ: مراقبة المحفظة

مثال توضيحي. لدى مدير 40 مقترضاً نشطاً وفريق مراقبة يضم محللين اثنين. يُنتج كل انكشاف بيانات مالية شهرية وتقارير تعهدات ومعلومات تشغيلية مختارة. ويدمج مشروع تجريبي سجل الالتزامات وحالة التقارير ومجموعة محدودة من خصائص النقد والنسب المتحقق منها.

افتراضات نمذجة مفترضة. يخصص الفريق 80 ساعة مراجع شهرياً لمراجعة الإنذار المبكر. صُمم حد المشروع التجريبي لإنتاج ما لا يزيد على 24 تنبيهاً كهرمانياً جديداً وستة تنبيهات عالية الخطورة شهرياً. هذه الأرقام ليست توصيات. وهي تخلق قيداً على الطاقة الاستيعابية للاختبار.

حساب توضيحي. ستستهلك ميزانية التنبيهات `24 x 1.5 + 6 x 4 = 60` ساعة مراجع، لتترك 20 ساعة لإدارة قوائم الانتظار والاعتراضات والحوادث. يختبر الحساب الطاقة الاستيعابية. ولا يثبت الإنتاجية أو وفورات في عدد الموظفين.

ستقارن التجربة الظلية قرارات قائمة المراقبة الحالية بمخرجات النظام الصحيحة زمنيًا. وستسجل التنبيهات المقبولة، والإنذارات الكاذبة، والأحداث الفائتة، والمهلة الزمنية الوسيطة، وجهد المراجع، والتجاوزات والتدخلات. وستستمر قرارات الائتمان بموجب العملية القائمة إلى أن تُعتمد بوابة التشغيل الفعلي.

السيناريو ب: المراقبة الذاتية للمقترض

مثال توضيحي. يتابع موزع مملوك لعائلة أرصدة البنوك، والتحصيلات الأسبوعية، والمستحقات المتأخرة، والمخزون، وتركّز كبار العملاء، وشروط الموردين، والتزامات التسهيلات. ويحسب النظام احتياطي سيولة متحركًا ويتحقق من البيانات كل صباح.

افتراضات نمذجة افتراضية. تحدد الشركة إشارة مراجعة إدارية عندما ينخفض الاحتياطي النقدي المُتحقق منه إلى ما دون 21 يومًا من التدفقات الخارجة الملتزم بها، ويتجاوز زمن التحصيل نطاقه المعدل موسميًا، وتظهر توقعات التعهد هامشًا متاحًا منخفضًا. الحد العتبي توضيحي. وتحدد وثائق الإدارة المالية ومجلس الإدارة والمقرض السياسة الفعلية.

ستعرض بطاقة الأدلة الموجهة إلى المالك الأرصدة الأساسية، والمتحصلات المتوقعة، والتدفقات الخارجة الملتزم بها، وإصدار التوقعات، وحساب التعهد. وقد تؤدي الإشارة الكهرمانية إلى تسوية نزاع الفواتير، وإعداد توقعات نقدية منقحة، والتحضير للحوار مع المقرض. ولن تؤدي إلى قرار تمويلي آلي.

السيناريو ج: فرز عمليات المراقبة

مثال توضيحي. يكتشف نموذج جودة البيانات شهادة قاعدة اقتراض متأخرة وعدم تطابق بين وحدات العملة في ملفين. ويحجب النظام درجة الائتمان المتأثرة، ويفتح حادث بيانات، ويوجه المسألة إلى العمليات. وتُحل المسألة قبل أن يقيم المحلل تدهور الائتمان.

يوضح هذا السيناريو ضابطًا مركزيًا: يمكن أن تكون البيانات الضعيفة الإنذار الأول مع بقائها منفصلة عن استنتاج مخاطر المقترض.

قيود السيناريوهات

تُغفل السيناريوهات الوثائق القانونية، والضرائب، والمحاسبة، وقابلية إنفاذ الضمانات، وموافقة المقترض، وبناء المحفظة، والتقييم، وهيكلة الضمانات، واللوائح الخاصة بكل ولاية قضائية. ولا تتضمن أي خط أساس معتمد أو نتيجة مرصودة. ولا يمكنها دعم أي ادعاء علني بشأن الوفورات أو الإيرادات أو منع الخسائر أو فعالية النموذج.

عزو الإنتاجية والإيرادات والخسائر

تُقاس الإنتاجية عند المهمة المقبولة

قد يحسّن النظام الاتساق أو الضبط دون تحرير نقد أو توليد إيرادات. الوقت المحرر يخلق سعة. تتطلب الإيرادات عملاً مقبولاً، وعميلاً، وعقداً، وفاتورة، وتحصيلاً، وإسناداً قابلاً للدفاع عنه. ويتطلب خفض الخسارة افتراضاً مضاداً موثوقاً وأدلةً على أن التنبيه مكّن من تدخل غيّر النتيجة.

جسر الخسارة المتوقعة

يمكن للمحفظة أن تحسب الخسارة المتوقعة كمقياس تحليلي باستخدام احتمال التخلف عن السداد، والخسارة عند التخلف عن السداد، والتعرض عند التخلف عن السداد. لا يثبت التغيّر في تقدير النموذج انخفاضاً محققاً في الخسارة. يمكن لتدخل إنذار مبكر أن يؤثر في احتمال التخلف عن السداد، أو شدة الخسارة، أو التعرض. وينبغي قياس الأثر باستخدام تعريفات معتمدة وتصميم تقييم مناسب.

صيغة توضيحية. بالنسبة للتعرض `i`، فإن تعبير الخسارة المتوقعة الأساسي هو `EL_i = PD_i x LGD_i x EAD_i`. ويمكن لتحليل التدخل أن يقارن الخسارة المتوقعة المعتمدة قبل إجراء وبعده مع الحفاظ على نسخة النموذج وافتراضاته. وتظل المقارنة مرهونة بالنموذج. ويلزم الاسترداد المرصود وافتراض مضاد معتمد لخفض الخسارة المنسوب.

أدلة خارجية مقيّدة بالمصدر

يقدّم Khandani وKim وLo وفورات مقدّرة ضمن دراستهم للائتمان الاستهلاكي [22]. ولا تُعمم تلك النتيجة على الائتمان الخاص، أو GCC الشركات الصغيرة والمتوسطة، أو Matchpoint، أو أي عميل. ويقدم Lessmann وزملاؤه المؤلفون، وBrown وMues، وBarboza وزملاؤه المؤلفون، وBerg وزملاؤه المؤلفون، وJagtiani وLemieux، وSadhwani وزملاؤه المؤلفون، وFuster وزملاؤه المؤلفون أدلةً حول النماذج والبيانات ضمن عيناتهم المعنية [19-27]. ولا يثبت أي منها وجود مبرر تجاري.

سجل القيمة المنسوبة

لا ينبغي أن تتغير هذه القيم إلا بعد موافقة مالك الأدلة على خط الأساس والملاحظة ومنهجية الإسناد والنتيجة.

خارطة طريق التبني خلال تسعين يومًا

خارطة الطريق عبارة عن برنامج تجريبي مُقيَّد ببوابات. التوقيت بنية تنفيذية، وليس ضمانًا بأن تتمكن مؤسسة معينة من إكمال كل مرحلة خلال الفترة المحددة.

الأيام 0-15: النتيجة والصلاحية

• اختر حالة استخدام واحدة للمحفظة أو لمراقبة المقترضين.
• اعتمد تعريفات النتائج وآفاق الإنذار.
• ارسم خريطة للمستخدمين والمراجعين وجهة صلاحية القرار.
• سجّل النطاق القانوني والتعاقدي والخصوصية وتضارب المصالح.
• حدّد سير العمل الأساسي والطاقة الاستيعابية ومعايير النجاح.
• أنشئ سجل مطالبات يتضمن القيمة المنسوبة عند USD 0.

البوابة 1: يعتمد مالك النشاط التجاري وسلطة الائتمان ومالكو الضوابط الاستخدام المقصود والاستخدامات المحظورة.

الأيام 16–30: البيانات والالتزامات

• أنشئ سجل الالتزامات والتقارير.
• احصر الأنظمة المصدرية والمالكين والحقوق ومدد الاحتفاظ.
• احتفظ بتوقيت الحدث وتوقيت الإتاحة.
• حدّد الكيانات والتسهيلات والعملات والوحدات.
• قيّم أنماط القيم المفقودة والمراجعات والتغطية التاريخية.
• أعد بناء التسميات باستقلال عن مدخلات النموذج.

البوابة 2: المصادر الحرجة قابلة للتتبع ومُعتمدة ومناسبة للنتيجة المحددة.

الأيام 31–45: خط الأساس

• تنفيذ قواعد جودة البيانات والقواعد التعاقدية.
• بناء خط أساس إحصائي شفاف.
• إنشاء تقسيمات الأفواج والتدريب والتحقق والخارج عن الزمن.
• قياس القدرة التمييزية والمعايرة وزمن الاستباق وعبء التنبيهات.
• إنشاء نموذج أولي لبطاقة الأدلة.
• توثيق القيود وعدم اليقين.

البوابة 3: يؤجل التعقيد ما لم يوفر تحسينًا جوهريًا وقابلًا للتفسير مقارنة بخط الأساس.

الأيام 46-60: التحقق المستقل

• إعادة إنتاج السمات والدرجات.
• اختبار تسرب البيانات واختيار الأفواج والبيانات المفقودة.
• اختبار المعايرة والحدود والقطاعات وفترات الضغط.
• اختبار التفسيرات واستقرار الأسباب والتقاط التجاوزات.
• مراجعة الخصوصية والأمن وإقامة البيانات وضوابط الموردين.
• محاكاة أعطال المصادر والنماذج وتوجيه التنبيهات.

البوابة 4: تُحل النتائج الجوهرية، أو تُقبل مع ضوابط، أو تؤدي إلى إيقاف التجربة.

الأيام 61-75: التشغيل الظلي

• شغّل النظام دون تغيير قرارات الائتمان القائمة.
• مقارنة التنبيهات بنتائج المحلل واللجنة.
• قياس حجم قائمة الانتظار ووقت المراجعة ومعدل القبول والمهلة الزمنية.
• التقاط سياق المقترض والتجاوزات والأحداث الفائتة.
• اختبار أدلة الإجراءات وعمليات الحوادث.
• مراجعة ما إذا كانت بطاقة الأدلة تدعم حوارًا متناسبًا.

البوابة 5: إثبات القدرة التشغيلية والصلاحية ومعالجة الإخفاقات ضمن النطاق المتفق عليه.

الأيام 76-90: بوابة التشغيل الحي الخاضعة للرقابة

• اعتماد النموذج والقواعد والحدود وجدول المراقبة.
• تحديد نطاق التشغيل الحي ومجموعات المستخدمين والأتمتة المحظورة.
• إنشاء آلية التراجع والبديل اليدوي ومفتاح الإيقاف.
• تدريب المراجعين وصناع القرار.
• تفعيل تسجيل النتائج والتدخلات.
• اعتماد الادعاءات العامة والداخلية بناءً على الأدلة المرصودة فقط.

البوابة 6: تعتمد الجهات المحددة بالاسم الاستخدام الحي الخاضع للرقابة. ويظل النظام خاضعًا للمراقبة المستمرة والتحقق والاستجابة للحوادث.

سجل الادعاءات والقيود

الادعاءات المسموح بها وغير المدعومة

القيود التجريبية

قد تكون بيانات الائتمان الخاص متفرقة وغير متجانسة وتُلاحَظ انتقائياً. وتختلف شروط العقود. وحالات التعثر نادرة وتتأثر بالتدخلات. وتتحقق الاستردادات ببطء. ويتغير بناء المحفظة بمرور الوقت. وقد يضعف أداء نموذج دُرّب على جغرافيا أو قطاع أو منتج واحد في سياقات أخرى. ويمكن للدراسات الخارجية أن تدعم الأساليب والفرضيات، بينما يحدد التحقق المحلي مدى ملاءمته للاستخدام.

القيود التشغيلية

تعتمد البنية على حقوق البيانات واستمرارية المصادر وصحة ربط الكيانات وقدرة المراجعين والانضباط في القرار. ويمكن أن تؤدي تغذية بيانات مفقودة أو وحدة قياس غير صحيحة أو التزام غير محدّث إلى تشويه النتائج. ويمكن لإجهاد التنبيهات أن يضعف الاستجابة. ويمكن للتجاوزات البشرية أن تصحح السياق وأن تُدخل عدم الاتساق. ويجب أن تقيس الحوكمة كلاً من النموذج والعملية البشرية.

القيود القانونية والتنظيمية

تتوقف التزامات الائتمان والخصوصية والإعسار والمستهلك والعمالة والعقوبات والتعهيد وAI على النشاط والاختصاص القضائي. ولا تحدد الورقة الوضع القانوني أو النطاق التنظيمي. وتحمل مصادر CBUAE وDIFC وADGM وUAE الفيدرالية وبازل وEBA والاحتياطي الفيدرالي وNIST وIOSCO حجية وانطباقاً مختلفين [1-8,35-40].

القيود السببية

يحدد التنبؤ الارتباط. ويمكن للتدخل أن يغيّر النتيجة وبيانات التدريب اللاحقة. ويتطلب نسب الخسارة التي جرى تجنبها سيناريو مضادًا موثوقًا وسجل معالجة ومنهجية معتمدة. ولا تُثبت الدرجة الأعلى أنه ينبغي اتخاذ إجراء محدد.

دور الحوكمة	المسؤولية	الاستقلالية المطلوبة
مالك العمل	يحدد القرار والنطاق والقدرة التشغيلية	مسؤول عن الاستخدام
مالك البيانات	يعتمد الحقوق والجودة ونسب البيانات	منفصل عن ضبط النموذج حيثما كان ذلك ممكناً
المطوّر	يبني المكوّن ويوثّقه	لا يجوز أن يعتمد التحقق الخاص به
المدقّق	يتحدى المفهوم والبيانات والأداء والتنفيذ	مستقل وكفؤ
صلاحية الائتمان	يعتمد الحدود والقرارات	يحتفظ بالحكم
مالك التقنية	يدير الأمن والمرونة والإصدار	وصول إنتاجي معزول
التدقيق أو الضمان	يراجع الإطار والأدلة	خط إبلاغ مستقل

الخاتمة

AI يمكنه أن يجعل مراقبة الائتمان أكثر توقيتًا واتساقًا عندما يُدمج في نظام محوكم يربط الإشارة بالتدخل. والقدرة المستدامة هي السلسلة القابلة للتتبع من الأدلة المصرح بها، عبر وقت الحدث والخصائص والقواعد والنماذج والتنبيهات والمراجعة والصلاحية والإجراء والنتيجة.

يمكن لصناديق الائتمان الخاص أن تستخدم تلك السلسلة لتحسين مراقبة المحفظة وإدارة التعهدات والانضباط في قائمة المراقبة والتصعيد إلى المختصين. ويمكن لأصحاب المشاريع الصغيرة والمتوسطة والشركات العائلية GCC استخدام الإشارات ذات الصلة لفهم السيولة والتحصيلات والتركّز والالتزامات في وقت أبكر. ولا يؤدي منطق الإشارات المشترك إلى دمج حقوق البيانات أو سلطة اتخاذ القرار.

ينبغي أن تبدأ تسلسل التنفيذ بتعريفات النتائج والالتزامات التعاقدية وحقوق البيانات والسجلات الصحيحة زمنيًا وخطوط الأساس الشفافة. وينبغي للنماذج المعقدة أن تستحق مكانها عبر أدلة مقارنة. وينبغي لبوابة الإطلاق أن تقيس المعايرة والمهلة الزمنية وعبء التنبيهات والاستقرار والشرائح والتفسيرات والتجاوزات وقابلية التنفيذ. وتبقى السلطة البشرية في الائتمان وسلطة المقترض صريحة.

ينبغي أن تتبع الحالة التجارية نفس انضباط الأدلة. فالوقت المُحرَّر هو طاقة كامنة إلى أن يُستخدم. وتُنسب الإيرادات بعد العقد والتحصيل والأدلة السببية. وتُنسب خفض الخسائر بعد سيناريو مضاد معتمد ونتيجة مرصودة. وبالنسبة إلى ، تظل Matchpoint المنسوبة أو إيرادات العميل، وخفض التكاليف النقدية، وخفض الخسائر، وألفا USD 0.

المراجع

[1] لجنة بازل للرقابة المصرفية. (2025). مبادئ إدارة مخاطر الائتمان. بنك التسويات الدولية. https://www.bis.org/bcbs/publ/d595.htm

[2] لجنة بازل للرقابة المصرفية. (2024). المبادئ الأساسية للرقابة المصرفية الفعالة، المبدأ 18: الأصول المتعثرة والمخصصات والاحتياطيات. بنك التسويات الدولية. https://www.bis.org/basel_framework/chapter/BCP/40.htm

[3] الهيئة المصرفية الأوروبية. (2020). المبادئ التوجيهية بشأن منح القروض ورصدها. EBA/GL/2020/06. https://www.eba.europa.eu/activities/single-rulebook/regulatory-activities/credit-risk/guidelines-loan-origination-and-monitoring

[4] مؤسسة المعايير الدولية للتقرير المالي. (2024). المعيار الدولي للتقرير المالي 9: الأدوات المالية. https://www.ifrs.org/issued-standards/list-of-standards/ifrs-9-financial-instruments/

[5] البنك المركزي في UAE. (2024). لائحة إدارة مخاطر الائتمان، المادة 3: إطار إدارة مخاطر الائتمان. C 3/2024. https://rulebook.centralbank.ae/en/rulebook/article-3-credit-risk-management-framework

[6] البنك المركزي في UAE. (2024). معايير إدارة مخاطر الائتمان ومتطلبات جمع البيانات. https://rulebook.centralbank.ae/en/rulebook/credit-risk-management-standards وhttps://rulebook.centralbank.ae/en/rulebook/53-data-collection

[7] البنك المركزي في UAE. (2025). لائحة التمويل المفتوح. C 03/2025. https://rulebook.centralbank.ae/en/rulebook/open-finance-regulation

[8] الإمارات العربية المتحدة. (2023). المرسوم بقانون اتحادي رقم 51 لسنة 2023 بإصدار قانون المعاملات المالية والإفلاس. https://uaelegislation.gov.ae/en/legislations/2190

[9] ألتمان، إ. آي. (1968). النسب المالية والتحليل التمييزي والتنبؤ بإفلاس الشركات. مجلة التمويل، 23(4)، 589-609. https://doi.org/10.1111/j.1540-6261.1968.tb00843.x

[10] بيفر، دبليو. إتش. (1966). النسب المالية كمؤشرات تنبؤية للفشل. مجلة أبحاث المحاسبة، 4، 71-111. https://doi.org/10.2307/2490171

[11] أولسون، ج. أ. (1980). النسب المالية والتنبؤ الاحتمالي بالإفلاس. مجلة أبحاث المحاسبة، 18(1)، 109-131. https://doi.org/10.2307/2490395

[12] ميرتون، آر. سي. (1974). حول تسعير دين الشركات: هيكل مخاطر أسعار الفائدة. مجلة التمويل، 29(2)، 449-470. https://doi.org/10.1111/j.1540-6261.1974.tb03058.x

[13] شمواي، تي. (2001). التنبؤ بالإفلاس بدقة أكبر: نموذج مخاطر بسيط. مجلة الأعمال، 74(1)، 101-124. https://doi.org/10.1086/209665

[14] تشافا، س.، وجارو، ر. أ. (2004). التنبؤ بالإفلاس مع تأثيرات القطاع. مجلة التمويل، 59(2)، 537-569. https://doi.org/10.1111/j.1540-6261.2004.00682.x

[15] دافي، د.، وسايتا، ل.، ووانغ، ك. (2007). التنبؤ بتخلف الشركات عن السداد على مدى فترات متعددة باستخدام المتغيرات المصاحبة العشوائية. مجلة الاقتصاد المالي، 83(3)، 635-665. https://doi.org/10.1016/j.jfineco.2005.10.011

[16] بهارات، س. ت.، وشامواي، ت. (2008). التنبؤ بالتخلف عن السداد باستخدام نموذج ميرتون للمسافة إلى التخلف عن السداد. مجلة الدراسات المالية، 21(3)، 1339-1369. https://doi.org/10.1093/rfs/hhn044

[17] كامبل، ج. ي.، وهيلشر، ج.، وسيلاجي، ج. (2008). بحثًا عن مخاطر الضائقة المالية. مجلة التمويل، 63(6)، 2899-2939. https://doi.org/10.1111/j.1540-6261.2008.01416.x

[18] ألتمان، إ. آي.، وساباتو، ج. (2007). نمذجة مخاطر الائتمان للشركات الصغيرة والمتوسطة: أدلة من السوق الأمريكية. أباكوس، 43(3)، 332-357. https://doi.org/10.1111/j.1467-6281.2007.00234.x

[19] ليسسمان، إس.، بيسنس، بي.، سييو، إتش.-في.، وتوماس، إل. سي. (2015). المقارنة المرجعية لأحدث خوارزميات التصنيف لتقييم الائتمان: تحديث للبحوث. المجلة الأوروبية لأبحاث العمليات، 247(1), 124-136. https://doi.org/10.1016/j.ejor.2015.05.030

[20] براون، آي.، وميوس، سي. (2012). مقارنة تجريبية لخوارزميات التصنيف لمجموعات بيانات تقييم الائتمان غير المتوازنة. الأنظمة الخبيرة وتطبيقاتها، 39(3), 3446-3453. https://doi.org/10.1016/j.eswa.2011.09.033

[21] باربوزا، إف.، وكيمورا، إتش.، وألتمان، إي. (2017). نماذج التعلم الآلي والتنبؤ بالإفلاس. الأنظمة الخبيرة وتطبيقاتها، 83, 405-417. https://doi.org/10.1016/j.eswa.2017.04.006

[22] خانداني، إيه. إي.، وكيم، إيه. جيه.، ولو، إيه. دبليو. (2010). نماذج مخاطر الائتمان الاستهلاكي عبر خوارزميات التعلم الآلي. مجلة البنوك والتمويل، 34(11), 2767-2787. https://doi.org/10.1016/j.jbankfin.2010.06.001

[23] بيرغ، تي.، وبورغ، في.، وغومبوفيتش، إيه.، وبوري، إم. (2020). حول صعود شركات التكنولوجيا المالية: تقييم الائتمان باستخدام البصمات الرقمية. مجلة الدراسات المالية، 33(7), 2845-2897. https://doi.org/10.1093/rfs/hhz099

[24] Jagtiani, J., & Lemieux, C. (2018). أدوار البيانات البديلة والتعلم الآلي في الإقراض عبر التقنية المالية: أدلة من منصة LendingClub للمستهلكين. ورقة عمل 18-15 الصادرة عن بنك الاحتياطي الفيدرالي في فيلادلفيا. https://doi.org/10.21799/frbp.wp.2018.15

[25] Sadhwani, A., Giesecke, K., & Sirignano, J. (2021). التعلم العميق لمخاطر الرهن العقاري. مجلة الاقتصاد القياسي المالي، 19(2)، 313-368. https://doi.org/10.1093/jjfinec/nbaa025

[26] Fuster, A., Goldsmith-Pinkham, P., Ramadorai, T., & Walther, A. (2022). غير متكافئ على نحو متوقع؟ آثار التعلم الآلي على أسواق الائتمان. مجلة التمويل، 77(1)، 5-47. https://doi.org/10.1111/jofi.13090

[27] Berg, T., Fuster, A., & Puri, M. (2022). الإقراض بالتقنية المالية. المراجعة السنوية للاقتصاد المالي، 14، 187-207. https://doi.org/10.1146/annurev-financial-101521-112042

[28] Lundberg, S. M., & Lee, S.-I. (2017). نهج موحد لتفسير تنبؤات النماذج. التقدم في أنظمة معالجة المعلومات العصبية 30. https://proceedings.neurips.cc/paper/2017/hash/8a20a8621978632d76c43dfd28b67767-Abstract.html

[29] Ribeiro, M. T., Singh, S., & Guestrin, C. (2016). لماذا ينبغي أن أثق بك؟ شرح تنبؤات أي مصنّف. وقائع مؤتمر KDD 2016، 1135-1144. https://doi.org/10.1145/2939672.2939778

[30] Niculescu-Mizil, A., & Caruana, R. (2005). التنبؤ باحتمالات جيدة باستخدام التعلم الخاضع للإشراف. وقائع مؤتمر ICML 2005، 625-632. https://doi.org/10.1145/1102351.1102430

[31] Brier, G. W. (1950). التحقق من التوقعات المعبّر عنها بدلالة الاحتمال. المراجعة الشهرية للطقس، 78(1)، 1-3. https://doi.org/10.1175/1520-0493(1950)078%3C0001:VOFITE%3E2.0.CO;2

[32] Gama, J., Zliobaite, I., Bifet, A., Pechenizkiy, M., & Bouchachia, A. (2014). دراسة استقصائية حول التكيّف مع انحراف المفهوم. مسوحات ACM الحاسوبية، 46(4)، المقال 44. https://doi.org/10.1145/2523813

[33] Sculley, D., Holt, G., Golovin, D., Davydov, E., Phillips, T., Ebner, D., Chaudhary, V., Young, M., Crespo, J.-F., & Dennison, D. (2015). الدين التقني الخفي في أنظمة تعلم الآلة. التقدم في أنظمة معالجة المعلومات العصبية 28. https://proceedings.neurips.cc/paper/2015/hash/86df7dcfd896fcaf2674f757a2463eba-Abstract.html

[34] هاردت، م.، برايس، إ.، وسريبو، ن. (2016). تكافؤ الفرص في التعلم الخاضع للإشراف. التطورات في أنظمة معالجة المعلومات العصبية 29. https://proceedings.neurips.cc/paper/2016/hash/9d2682367c3935defcb1f9e247a97c0d-Abstract.html

[35] مجلس محافظي نظام الاحتياطي الفيدرالي، والمؤسسة الفيدرالية لتأمين الودائع، ومكتب مراقب العملة. (2026). إرشادات رقابية بشأن إدارة مخاطر النماذج. SR 26-2. https://www.federalreserve.gov/supervisionreg/srletters/SR2602.htm

[36] المعهد الوطني للمعايير والتكنولوجيا. (2023). إطار إدارة مخاطر الذكاء الاصطناعي (AI RMF 1.0). NIST AI 100-1. https://doi.org/10.6028/NIST.AI.100-1

[37] المنظمة الدولية لهيئات الأوراق المالية. (2025). الذكاء الاصطناعي في أسواق رأس المال: حالات الاستخدام والمخاطر والتحديات. https://www.iosco.org/library/pubdocs/pdf/IOSCOPD788.pdf

[38] حكومة UAE. (2021). المرسوم بقانون اتحادي رقم 45 لسنة 2021 بشأن حماية البيانات الشخصية. https://u.ae/en/about-the-uae/digital-uae/data/data-protection-laws

[39] مركز دبي المالي العالمي. (2020). قانون حماية البيانات، قانون مركز دبي المالي العالمي رقم 5 لسنة 2020. https://www.difc.com/business/laws-and-regulations/legal-database/difc-laws/data-protection-law-difc-law-no-5-2020

[40] سوق أبوظبي العالمي. (2021). لوائح حماية البيانات لعام 2021 والإرشادات التوجيهية. https://www.adgm.com/operating-in-adgm/office-of-data-protection/resources

الملحق أ. سجل الافتراضات والأدلة

الملحق ب. مجموعة النموذج والتقييم الدنيا

1. الاستخدام المقصود والمستخدمون والاستخدامات المحظورة وصلاحية اتخاذ القرار.
2. تعريف النتيجة والأفق الزمني والمجموعة وعملية التأكيد.
3. حقوق المصدر ووقت الحدث ووقت الإتاحة وسلسلة المنشأ والجودة.
4. تعريفات الميزات وحساباتها والقيم المفقودة والمراجعات.
5. النموذج الأساسي والنماذج المرشحة والنتائج المقارنة.
6. تصميم التدريب والتحقق والاختبار خارج العينة الزمنية وفترات الضغط.
7. القدرة التمييزية والدقة والاستدعاء والمعايرة وعدم اليقين.
8. المهلة الزمنية وعبء التنبيهات وقدرة المراجع وقابلية اتخاذ الإجراء.
9. اختبارات الشرائح والعدالة والتفسير واستقرار الأسباب.
10. التحقق من التنفيذ وأدلة الأمن والمرونة.
11. المراقبة المستمرة للانحراف والنتائج والتجاوزات والحوادث.
12. نتائج التحقق المستقل وقيوده والموافقة عليه.

الملحق ج. قائمة مراجعة التحذير المبكر.

• تأكيد هوية المقترض والتسهيل والمجموعة والمصدر.
• تأكيد أن المصدر كان مصرحًا به ومتاحًا في الوقت المسجل.
• فحص المدخلات المفقودة والمعدلة والمتعارضة والمتقادمة.
• مراجعة التعريفات التعاقدية وحالة الإعفاء الحالية.
• مقارنة القيمة الحالية بالقيمة الأصلية والفترة السابقة والموازنة والأساس الموسمي.
• فحص رموز الأسباب وعدم اليقين والخصائص المترابطة.
• التحقق من الالتزامات ذات الصلة والضمانات والكفلاء والتركّز.
• تسجيل سياق المقترض والأدلة الداعمة.
• الاعتراض على التنبيه وتوثيق أي تجاوز.
• اختيار الإجراءات ضمن الصلاحية الحالية فقط.
• وجّه المسائل القانونية والمحاسبية ومسائل إعادة الهيكلة أو الإعسار إلى المختصين.
• سجّل القرار ومسؤول الإجراء والموعد النهائي والتواصل.
• أعد مراجعة التنبيه بعد انتهاء نافذة النتيجة.

الملحق د. مسرد المصطلحات

سجل المصادر

توثّق الورقة الكاملة النطاق وسياق الأدلة والقيود المطبقة على هذه المصادر.

1. [1] لجنة بازل للرقابة المصرفية. (2025). *مبادئ إدارة مخاطر الائتمان*. بنك التسويات الدولية. مفتوح المصدر
2. [2] لجنة بازل للرقابة المصرفية. (2024). *المبادئ الأساسية للرقابة المصرفية الفعالة، المبدأ 18: الأصول المتعثرة والمخصصات والاحتياطيات*. بنك التسويات الدولية. مفتوح المصدر
3. [3] الهيئة المصرفية الأوروبية. (2020). *المبادئ التوجيهية بشأن منح القروض ومراقبتها*. EBA/GL/2020/06. مفتوح المصدر
4. [4] مؤسسة المعايير الدولية لإعداد التقارير المالية. (2024). *المعيار الدولي لإعداد التقارير المالية رقم 9: الأدوات المالية*. مفتوح المصدر
5. [5] البنك المركزي في UAE. (2024). *لائحة إدارة مخاطر الائتمان، المادة 3: إطار إدارة مخاطر الائتمان*. C 3/2024. مفتوح المصدر
6. [6] البنك المركزي في UAE. (2024). *معايير إدارة مخاطر الائتمان ومتطلبات جمع البيانات*. و https://rulebook.centralbank.ae/en/rulebook/53-data-collection مفتوح المصدر
7. [7] البنك المركزي في UAE. (2025). *لائحة التمويل المفتوح*. C 03/2025. مفتوح المصدر
8. [8] الإمارات العربية المتحدة. (2023). *المرسوم بقانون اتحادي رقم 51 لسنة 2023 بإصدار قانون المالية والإفلاس*. مفتوح المصدر
9. [9] ألتمان، إ. آي. (1968). النسب المالية والتحليل التمييزي والتنبؤ بإفلاس الشركات. *مجلة التمويل، 23*(4)، 589-609. مفتوح المصدر
10. [10] بيفر، و. ه. (1966). النسب المالية كمنبئات للفشل. *مجلة أبحاث المحاسبة، 4*، 71-111. مفتوح المصدر
11. [11] أوهلسون، ج. أ. (1980). النسب المالية والتنبؤ الاحتمالي بالإفلاس. *مجلة أبحاث المحاسبة، 18*(1)، 109-131. مفتوح المصدر
12. [12] ميرتون، ر. س. (1974). بشأن تسعير ديون الشركات: هيكل مخاطر أسعار الفائدة. *مجلة التمويل، 29*(2)، 449-470. مفتوح المصدر
13. [13] شامواي، ت. (2001). التنبؤ بالإفلاس بدقة أكبر: نموذج مخاطر بسيط. *مجلة الأعمال، 74*(1)، 101-124. مفتوح المصدر
14. [14] شافا، س.، وجارو، ر. أ. (2004). التنبؤ بالإفلاس مع آثار القطاع. *مجلة التمويل، 59*(2)، 537-569. مفتوح المصدر
15. [15] دوفي، د.، وسايتا، ل.، ووانغ، ك. (2007). التنبؤ على مدى فترات متعددة بتعثر الشركات باستخدام متغيرات مصاحبة عشوائية. *مجلة الاقتصاد المالي، 83*(3)، 635-665. مفتوح المصدر
16. [16] Bharath, S. T., & Shumway, T. (2008). التنبؤ بالتخلف عن السداد باستخدام نموذج مسافة ميرتون عن التخلف عن السداد. *مراجعة الدراسات المالية، 21*(3)، 1339-1369. مفتوح المصدر
17. [17] Campbell, J. Y., Hilscher, J., & Szilagyi, J. (2008). بحثًا عن مخاطر التعثر. *مجلة التمويل، 63*(6)، 2899-2939. مفتوح المصدر
18. [18] Altman, E. I., & Sabato, G. (2007). نمذجة مخاطر الائتمان للشركات الصغيرة والمتوسطة: أدلة من السوق الأمريكية. *أباكوس، 43*(3)، 332-357. مفتوح المصدر
19. [19] Lessmann, S., Baesens, B., Seow, H.-V., & Thomas, L. C. (2015). تقييم مرجعي لأحدث خوارزميات التصنيف في تقييم الائتمان: تحديث للبحوث. *المجلة الأوروبية للبحوث التشغيلية، 247*(1)، 124-136. مفتوح المصدر
20. [20] Brown, I., & Mues, C. (2012). مقارنة تجريبية لخوارزميات التصنيف لمجموعات بيانات تقييم الائتمان غير المتوازنة. *أنظمة الخبراء مع التطبيقات، 39*(3)، 3446-3453. مفتوح المصدر
21. [21] Barboza, F., Kimura, H., & Altman, E. (2017). نماذج التعلم الآلي والتنبؤ بالإفلاس. *أنظمة الخبراء مع التطبيقات، 83*، 405-417. مفتوح المصدر
22. [22] Khandani, A. E., Kim, A. J., & Lo, A. W. (2010). نماذج مخاطر الائتمان الاستهلاكي عبر خوارزميات التعلم الآلي. *مجلة البنوك والتمويل، 34*(11)، 2767-2787. مفتوح المصدر
23. [23] Berg, T., Burg, V., Gombovic, A., & Puri, M. (2020). حول صعود شركات التكنولوجيا المالية: تقييم الائتمان باستخدام البصمات الرقمية. *مراجعة الدراسات المالية، 33*(7)، 2845-2897. مفتوح المصدر
24. [24] Jagtiani, J., & Lemieux, C. (2018). *أدوار البيانات البديلة والتعلم الآلي في الإقراض عبر التكنولوجيا المالية: أدلة من منصة LendingClub الاستهلاكية*. ورقة عمل بنك الاحتياطي الفيدرالي في فيلادلفيا 18-15. مفتوح المصدر
25. [25] Sadhwani, A., Giesecke, K., & Sirignano, J. (2021). التعلم العميق لمخاطر الرهون العقارية. *مجلة الاقتصاد المالي القياسي، 19*(2)، 313-368. مفتوح المصدر
26. [26] Fuster, A., Goldsmith-Pinkham, P., Ramadorai, T., & Walther, A. (2022). غير متكافئ بشكل متوقع؟ آثار التعلم الآلي على أسواق الائتمان. *مجلة التمويل، 77*(1)، 5-47. مفتوح المصدر
27. [27] Berg, T., Fuster, A., & Puri, M. (2022). الإقراض عبر التكنولوجيا المالية. *المراجعة السنوية للاقتصاد المالي، 14*، 187-207. مفتوح المصدر
28. [28] Lundberg, S. M., & Lee, S.-I. (2017). نهج موحد لتفسير تنبؤات النماذج. *التقدم في أنظمة معالجة المعلومات العصبية 30*. مفتوح المصدر
29. [29] Ribeiro, M. T., Singh, S., & Guestrin, C. (2016). لماذا ينبغي أن أثق بك؟ شرح تنبؤات أي مصنف. *وقائع مؤتمر KDD 2016*، 1135-1144. مفتوح المصدر
30. [30] Niculescu-Mizil, A., & Caruana, R. (2005). التنبؤ باحتمالات جيدة باستخدام التعلم الخاضع للإشراف. *وقائع مؤتمر ICML 2005*، 625-632. مفتوح المصدر
31. [31] Brier, G. W. (1950). التحقق من التوقعات المعبر عنها بدلالة الاحتمال. *Monthly Weather Review, 78*(1)، 1-3. مفتوح المصدر
32. [32] Gama, J., Zliobaite, I., Bifet, A., Pechenizkiy, M., & Bouchachia, A. (2014). مسح حول التكيف مع انحراف المفهوم. *ACM Computing Surveys, 46*(4)، المقال 44. مفتوح المصدر
33. [33] Sculley, D., Holt, G., Golovin, D., Davydov, E., Phillips, T., Ebner, D., Chaudhary, V., Young, M., Crespo, J.-F., & Dennison, D. (2015). الدين التقني الخفي في أنظمة التعلم الآلي. *Advances in Neural Information Processing Systems 28*. مفتوح المصدر
34. [34] Hardt, M., Price, E., & Srebro, N. (2016). تكافؤ الفرص في التعلم الخاضع للإشراف. *Advances in Neural Information Processing Systems 29*. مفتوح المصدر
35. [35] مجلس محافظي نظام الاحتياطي الفيدرالي، ومؤسسة تأمين الودائع الفيدرالية، ومكتب مراقب العملة. (2026). *إرشادات إشرافية بشأن إدارة مخاطر النماذج*. SR 26-2. مفتوح المصدر
36. [36] المعهد الوطني للمعايير والتكنولوجيا. (2023). *إطار إدارة مخاطر الذكاء الاصطناعي (AI RMF 1.0)*. NIST AI 100-1. مفتوح المصدر
37. [37] المنظمة الدولية لهيئات الأوراق المالية. (2025). *الذكاء الاصطناعي في أسواق رأس المال: حالات الاستخدام والمخاطر والتحديات*. مفتوح المصدر
38. [38] UAE الحكومة. (2021). *المرسوم بقانون اتحادي رقم 45 لسنة 2021 بشأن حماية البيانات الشخصية*. مفتوح المصدر
39. [39] مركز دبي المالي العالمي. (2020). *قانون حماية البيانات، قانون مركز دبي المالي العالمي رقم 5 لسنة 2020*. مفتوح المصدر
40. [40] سوق أبوظبي العالمي. (2021). *لوائح حماية البيانات 2021 والإرشادات*. مفتوح المصدر

مطالبة	حالة الأدلة	الصياغة المسموح بها
يمكن لـ AI أن يجمع بين إشارات ائتمانية متعددة ذات طوابع زمنية	مدعوم ببنية النظام والأدبيات	وصف القدرة والضوابط
يمكن لأساليب التعلم الآلي أن تحسن التنبؤ في بعض السياقات المدروسة	مدعوم ضمن الدراسات المستشهد بها [19-27]	الحفاظ على سياق السكان والمقياس
يمكن للبيانات البديلة أن تكمل البيانات التقليدية في السياقات المدروسة	مدعوم ضمن الدراسات المستشهد بها [22-24]	الحفاظ على الموافقة والسكان والحدود
	لا توجد أدلة معتمدة	لا تدّعِ
	لا توجد أدلة معتمدة	لا تدّعِ
Matchpoint أو أن عميلاً حقّق وفراً نقدياً أو ولّد إيرادات	لا توجد أدلة معتمدة	لا يُدَّعى وجود Matchpoint أو نتيجة مالية للعميل.
يتخذ النظام قرارات ائتمانية مستقلة	خارج نطاق الاستخدام المقصود	لا تدّعِ
نموذج واحد يلبي جميع GCC الواجبات القانونية والتنظيمية	غير مدعوم	تتطلب تحليل النشاط والاختصاص القضائي