漂移折扣：定价 AI-跨模型和融资周期的本土贷款人

1. 明确投资决策

买方应定义其正在获取哪种能力以及该能力如何产生现金。可能的论文包括改进的风险选择、接触服务不足的借款人、更快的决策、更低的运营成本、优越的定价、嵌入式分销、专有数据资产、服务平台或融资特许经营权。每篇论文都需要自己的证据。在不控制损失或融资成本的情况下快速批准的贷方尚未表现出有价值的自动化。

决策范围应确定法律实体、许可证、产品、地理位置、发起渠道、资产负债表资产、证券化工具、仓库设施、远期合同、服务义务、数据权利、模型和供应商。收入、应收账款、贷款、债务和限制性现金应与该范围相一致。平台标签不应掩盖风险和现金的实际位置。

董事会应将收购与商业伙伴关系、融资安排、少数股权投资、技术许可或内部建设进行比较。当承保数据、客户关系、监管许可、资金访问和运营控制权可转让时，所有权可能是合理的。当价值主要取决于分销或模型服务时，较窄的结构可能是合适的。

批准应说明哪些结果支持基本考虑，哪些结果仍视情况而定。经证明的留存贡献可以支持当前价值。未陈年的年份、预期的资金改善、未来的交叉销售和型号升级应被视为或有因素，直到其运营和现金证据存在为止。

2. 精确定义AI本地贷方

AI 本地贷方使用机器学习或相关计算模型作为客户获取、身份和欺诈评估、信贷决策、定价、限额管理、服务、催收或投资组合管理的重要组成部分。标签应描述操作依赖性而不是营销声明。尽职调查团队应确定模型改变客户待遇、信用风险、融资资格或现金时机的每一个后续决策。

模型层可能包括内部开发的算法、第三方评分、替代数据特征、欺诈工具、文档模型、生成AI助手和规则引擎。业务层包括保单截止、人工审核、定价、报价、支付、服务和催收。价值取决于组合系统。当政策、分配、激励或运营薄弱时，高分可能会产生不良结果。

目标应维护与所有者、目的、版本、数据、验证、部署、监控、覆盖、事件和报废相关的模型清单。当供应商服务、电子表格或工作流程工具内的隐藏模型影响材料决策时，应输入相同的库存。英格兰银行 2024 年的调查确定了模型复杂性、第三方依赖性和嵌入式模型等日益增长的 AI 风险。^[4]

因此，收购论文应避免将单一算法视为资产。可转让价值可以包括数据权利、工程能力、模型开发流程、政策专业知识、反馈循环、集成、客户信任、监管许可和融资关系。

3. 建立监管和行为边界

信用决策在现有信用、消费者、公平待遇、数据、模型风险和审慎制度内运作。国际清算银行金融稳定研究所观察到，AI往往会加剧现有风险，并强调治理、技能、模型风险、数据、第三方和新商业模式是需要关注的领域。^[1] 适用范围应按法人实体、产品、借款人、决策和管辖权进行绘制。

在美国，使用复杂模型的债权人仍必须提供不利行动的具体而准确的主要原因。模型不透明并不能消除该义务。^[13][14] 在欧盟，自然人的某些信用度和信用评分系统以及现有的信用和审慎要求都属于 AI 法案的高风险框架。^[15][16]

英国应用现有的金融监管以及模型风险、消费者结果、数据保护和运营弹性原则。监管机构强调问责制和相称性，同时继续检查 AI 特定风险。^[5][6][7] 其他司法管辖区将技术中立规则与公平、道德、问责制、透明度和模型治理的监管指导结合起来。^[17][18][19]

尽职调查应记录准确的要求、责任实体、运营控制、证据、违规后果和补救责任人。通用合规性声明无法确定模型版本、数据源、定价规则或客户工作流程是否被允许和支持。

要求因司法管辖区和产品而异；需要当前合格的建议。

4. 建立模型和政策谱系

买方应通过特征、模型、策略规则、覆盖、报价和预订贷款从源数据重建每个生产决策。版本控制应确定代码、数据、功能定义、阈值、定价或策略何时发生变化。如果没有血统，老式性能就不能归因于创建它的操作系统。

开发证据应显示人群、目标定义、观察窗口、排除、缺失数据处理、转换、抽样、验证和批准。生产证据应显示已部署的版本、配置、功能可用性、延迟、回退行为和监控。开发和生产之间的差异是漂移和客户伤害的潜在来源。

信贷政策可以主导模型的表现。审批截止、偿债限制、欺诈筛查、风险限额、负担能力规则和人工审核决定了哪些排名申请人可以获得贷款。在政策互动之前衡量的模型改进可能没有什么经济价值。勤奋应该衡量所有政策层之后的增量成果。

交易团队应该获得可重复的决策样本。对于选定的应用程序，它应该重新创建准确的输入、分数、原因代码、策略结果、定价、报价、覆盖和审计记录。未能重现材料样本会降低对报告模型资产的信心并增加集成成本。

5.随着时间的推移重建人口

模型的性能取决于呈现给它的人群。分销可以通过营销活动、嵌入式合作伙伴、搜索渠道、经纪人、地理位置、季节性、产品设计和竞争对手行为来改变。稳定的投资组合平均值可以掩盖不断恶化的新渠道或有利的成熟账簿。

买方应按申请日期、发起日期、产品、渠道、地理位置、借款人细分、模型版本和保单版本创建每月群组。每个队列应核对申请、批准、资助账户、风险、利用、还款、欠款、违约、追偿、预付款、投诉和现金。调节应达到总账和设施报告。

人口漂移应该从投入特征和经济成果两个方面来衡量。特征分布测量可以在损失季节之前识别运动。它们应该与批准、定价和实现的绩效联系起来。当统计上可见的转变改变损失、贡献、融资资格、客户成果或运营成本时，它就具有商业意义。

管理层应解释哪些变化是预期的以及限制如何反应。买方应测试监控是否能够及早发现过去的恶化情况，从而改变收购、定价、信贷政策或收款。

6. 将歧视与校准和经济学分开

模型可以有效地对风险进行排名，同时产生校准不佳的概率。当在重要部分失败时，它也可以得到很好的整体校准。勤勉要把区分度、校准度、稳定性、认可率、流失率、贡献率放在一起考察。任何单一指标都不应替代贷款决策。

校准将预测风险与观察到的结果联系起来。应根据评分范围、产品、渠道、地理位置、借款人群体和年份进行评估。当样本量不同时，置信区间和暴露加权结果很重要。违约、补救和恢复的定义应保持稳定或在不同时期保持一致。

经济学增加了定价、融资、服务、收款、欺诈、损失时间、恢复和资本。如果收购费用和价格不一致，风险较低的借款人仍然可能会破坏价值。只有当定价、负担能力、收集、资金和客户成果仍然可支持时，高风险细分市场才能创造价值。

董事会应该需要一个通用的仪表板，将模型指标与已实现的现金联系起来。仪表板应确定阈值、所有者、操作和决策权。没有响应过程的指标只能提供有限的交易保证。

7. 将漂移作为操作过程进行测量

漂移包括输入数据、借款人组合、特征和结果之间的关系、标签、政策、价格、运营和外部条件的变化。它可能逐渐出现或在一次离散事件之后出现。尽职调查团队应区分普通的季节性变动和导致过去业绩失效的结构性断裂。

监测应将统计措施与业务指标结合起来。有用的信号包括人口稳定性、缺失、分数分布、批准率、原因代码、覆盖率、提前付款违约、首次付款违约、拖欠率、欺诈、投诉、预付款和收款率。阈值应反映结果和样本量。

模型再训练是一种可能的应对措施。其他应对措施包括功能退出、政策收紧、定价变更、渠道暂停、人工审核、准备金增加和资金通知。在不了解原因的情况下进行再培训可能会掩盖恶化情况或引入新的不稳定因素。

买方应审查每一个重大偏差事件、管理层的反应和结果。它应该询问该事件是否被及时发现、独立升级、记录、补救并在需要时传达给资助者或监管机构。这些证据既可以帮助评估，也可以帮助整合工作量。

8. 重建复古性能

年份分析遵循从共同起源时期到调味的记录。它可以防止近期增长稀释表面损失率，并将承保变化与投资组合年龄分开。买方应在一致的账面月份轴上提供风险敞口、借款人数量、付款、拖欠、违约、回收和预付款。

每个年份应与型号版本、政策、价格、渠道、融资设施和宏观经济条件挂钩。总体上看起来稳定的投资组合可以包含近期疲软的年份，其损失尚未结束。相反，暂时性的早期犯罪增加可能会得到治愈，但不会造成同等的寿命损失。

分析应协调报告的冲销和对运营违约事件的拨备。回收时间、销售收益、收款成本和回写政策应该是可见的。改变定义应该是桥接的，而不是拼接成一个连续的系列。

对于估值，相关问题是哪些年份支持预测。成熟群体可能反映了过时的模式或良性的融资环境。最近的队列可能反映了当前的系统，但缺乏经验。预测应该将证据与明确的不确定性结合起来，而不是选择最有利的时期。

9. 检查公平性、可解释性和客户结果

应在整个信贷流程中评估公平性。营销、数据可用性、欺诈控制、批准、定价、限制、服务和收集都可以改变结果。模型级测试不涵盖策略选择、操作覆盖或渠道选择。买方应确定与每个司法管辖区相关的受法律保护的群体和其他弱势群体。

测试应检查选择率、错误率、定价、限额分配、不良行为原因、投诉、困难结果和收款处理。统计差异需要进行背景调查。应记录样本量、合理的风险因素、缺失数据和政策效果。合格的法律分析应确定适用的标准和允许的数据使用。

可解释性应该支持那些根据决策采取行动的人。客户可能需要准确的理由。承保人需要审查依据。验证者需要模型行为的证据。资助者需要保证合格资产的来源一致。董事会需要明确说明风险和限制。一种解释技术可能无法满足所有目的。

历史投诉和补救措施可以揭示准确性措施中不可见的弱点。尽职调查应协调模型版本和同类产品的投诉、争议、逆转、监管机构通信、诉讼、退款和政策变更。已知风险应进入估值和交易保护。

拟议的尽职调查结构；法律标准和测试方法取决于适用的司法管辖区。

10. 测试欺诈和身份经济学

AI-本地贷方经常将信贷和欺诈决策结合起来。更强的欺诈拒绝能力可以改善投资组合损失，同时排除合法借款人。在首次付款违约出现之前，较弱的控制可以增加批准和报告的收入。买方应区分身份、应用欺诈、合成身份、账户盗用和交易欺诈。

证据应通过决策、人工审查、客户摩擦、已确认事件、追偿和运营成本来追踪每个欺诈规则和模型。定义很重要，因为可疑的欺诈可以被重新分类为信用损失，反之亦然。损失分配应与设施资格、会计和合同陈述相匹配。

渠道和合作伙伴激励需要关注。按资助量付费的分销商可能会生成通过初始筛选但性能不佳的应用程序。如果同意、平台访问或供应商合同不可转让，则设备、网络和行为数据在获取后可能会发生变化。预测应仅反映持久数据和权利。

压力测试应包括攻击适应。欺诈者会对控制做出反应，并可能利用共同的供应商或模型。买方应检查响应时间、反馈质量、误报成本、客户恢复以及材料控制失败的现金影响。

11. 协调覆盖和人工审核绩效

手动审查和覆盖可以纠正异常情况、满足政策或增加不受控制的自由裁量权。目标应该记录谁推翻了哪个决定、为什么、在什么权力下以及产生什么结果。覆盖率应按审稿人、渠道、评分范围、产品和时间进行分析。

买方应在批准、价格、拖欠、损失、客户投诉和贡献方面比较覆盖和非覆盖群组。更好的结果可能表明宝贵的专业知识。更糟糕的结果可能会暴露激励问题、政策泄漏或模型局限性。低覆盖率也可能反映了肤浅的审查而不是有效的控制。

人工审核员需要培训、能力、获得相关证据以及独立于数量目标。决策支持工具应区分推荐与权威。生成-AI摘要在影响后续信用决策时需要来源可追溯性和验证。

整合应保留有效的判断力，同时关闭未记录的自由裁量权。 180 天计划应定义决策权、抽样、质量保证、升级以及对模型和政策制定的反馈。

12.建立完整的单位经济效益

报告的净收入可以忽略创建和维护它所需的成本。买方应根据年份、产品和渠道，通过收购、验证、欺诈、融资、服务、收款、信用损失、追偿、合作伙伴份额、技术和直接归因的合规性，从利息和费用收入中建立贡献。

现金时机很重要。营销和融资发生在还款之前。违约和追偿稍后才会出现。当增长消耗流动性时，年度贡献可能会呈现正值。该模型应该是每月的，并连接起源、本金、利息、费用、还款、损失、回收、贷款提取、抵押品、准备金和运营支出。

假设的基本情况假设起始资金为 USD 240 million，投资组合收益率为 19%，累计净信用损失为 8%，融资成本为 6%，收购成本为 3%，服务和催收成本为 4%。这些假设产生总收益 USD 45.6 million 和未考虑核心技术、合规性、税收和资本成本的 USD 21.6 million。它们只是方法论假设。

调味后应测试贡献度。快速增长的群体可以在预期损失出现之前识别费用。董事会应该了解已实现的和预期的经济情况、它们之间的调节，以及现金对损失时间、预付款、使用和融资条款的敏感性。

完全假设 USD 百万和百分比；该表展示了该方法，并非市场基准。

13. 分析收集和恢复能力

承保价值离不开服务和收藏。付款方式、提醒、困难、重组、联系策略、法律执行、销售和追偿决定了已实现的损失和客户结果。买方应绘制每个拖欠状态、行动、权限、供应商和现金结果。

滚动率和固化分析应按年份、产品、渠道、模型和策略进行细分。由于更严厉的待遇、有利的借款人组合或临时人员配置，催收绩效可以得到改善。尽职调查记录应将可持续过程与特定时期的结果区分开来，并测试客户待遇的后果。

回收金额应显示总额和扣除回收成本、销售折扣、诉讼成本和时间后的净额。预订的回收应与银行收据相符。投资组合销售、担保和保险需要单独的合同分析，因为资格、排除和索赔时间会影响流动性。

集成可能会中断客户联系、支付路由、数据访问和法律权限。第一天应保留正常运行的账户、困难安排、投诉、供应商指示和对账。协同行动应遵循客户和现金连续性保持完好的证据。

14. 规划融资架构

AI-本土贷款人可以使用股权、存款、仓库设施、远期购买、证券化、整体贷款销售、担保或赞助资金。每个来源都定义了合格资产、预付款率、集中度限制、绩效触发因素、准备金、报告、抵押品、陈述和终止权。总体融资能力并不等于可用现金。

买方应构建设施级借贷基础模型。每项资产都应根据产品、地理位置、借款人、拖欠、欺诈、文件记录和集中度规则进行测试。削减、准备金、未提取的承诺、抵押品赎回权、现金陷阱和摊销应该随着时间的推移而可见。

模型或政策的变化可能会影响资格。融资可能需要贷方同意、历史表现或指定的承保标准。控制权变更可能会触发审查或终止。因此，交易时间表应将模型整合和政策变化与融资审批和流动性联系起来。

远期流动安排可以转移信用风险，同时产生购买、服务、回购和履约义务。他们的经济学应该包括保留风险、运营成本和集中度。在未重建合同和现金状况的情况下，买方不应将销售量视为无风险平台收入。

提议的矩阵；交易特定文件决定权利和风险。

15. 强调整个周期的资金投入

融资压力可能先于信用损失。预付率、资产资格或投资者兴趣的下降可能需要在会计损失出现之前获得股本。因此，该模型应同时强调起源、收集、资格、抵押品、储备金、利息、契约净空和再融资。

假设的下行假设是，起始数量下降 25%，净信贷损失从 8% 上升至 12%，融资成本从 6% 上升至 9%，仓库预付款率从 85% 下降至 70%。它还假设证券化延迟三个月。这些是为说明目的而创建的管理假设，并非概率。

压力应确定最低流动性或设施条件失败的第一个日期。管理行动应该有数量、责任人、交付周期和客户影响。可能采取的行动包括放慢启动速度、改变价格、减少营销、增加股本、出售资产、更换设施或激活承诺的支持。

将增长资本化而忽略其抵押品和股权需求的估值夸大了可分配价值。预测应分别显示运营贡献、限制性现金、设施权益、中心成本、税收和资本支出。

16. 将模型治理视为运营资产

有效的治理可以减少有害模型行为的可能性和持续时间。买方应评估董事会监督、高级问责制、独立验证、开发标准、变更控制、监控、事件管理、审计和退役。美联储的 SR 11-7 和英格兰银行的模型风险原则提供了有用的治理视角，即使它们的正式范围不同。^[20][21]

独立应该是务实的。验证者需要数据、代码、方法、技能和权限来挑战部署。启动后的反复豁免、逾期的调查结果或验证会削弱保证。目标应显示实质性限制如何影响政策、资本、客户待遇和资金沟通。

第三方模型和数据应进入同一治理体系。合同应提供足够的信息、测试权、连续性、安全性、变更通知、分包商控制和退出。集中于通用模型或数据提供商可能会在贷方之间产生相关风险。^[2][4]

买方应估计合规治理的稳态成本。创始人的干预和非正式知识应该被资助的角色、系统和证据所取代。这些成本属于独立的经济学和整合计划，而不是一般的意外事件。

拟议的框架；适当的标准取决于重要性和监管。

17. 核对会计、拨备和资本

信用表现通过现金、会计和资本进入估值。买方应将运营拖欠和违约数据与预期信用损失、冲销、回收和账面价值的准备金进行核对。 IFRS 9 或适用的会计框架确定确认、分期和计量；需要针对特定​​交易的会计建议。^[22][23]

应记录管理覆盖和前瞻性情景。模型可能显得准确，而会计准备金则依赖于单独的判断或宏观经济调整。买方应确定承保、投资组合预测、预期损失计量和估值中嵌入了哪些假设，以避免重复计算。

受监管实体可能面临资本、流动性、集中度和准备金要求。不受监管的贷方仍然可以通过设施和评级流程达到合同资本要求。预测应显示哪些资本可供所有者使用、哪些资本受限制或需要支持增长。

购买会计应根据适用标准识别所收购的金融资产、无形资产、负债、或有事项和预期协同效应。数据、软件、客户关系和许可证需要权利和可分离性分析。 AI 叙述本身并不建立单独可识别的资产或使用寿命。^[24][25][26]

18. 通过证据层评估贷款人的价值

估值应从经过协调的独立预测开始。该模型应每月对申请、批准、资助风险、还款、损失、回收、资金、限制性现金、运营成本、税收和资本进行项目规划。它应该确定哪些群体和设施支持每个假设。

久经考验的价值来自于经验丰富的团队、持久的客户获取、可重复的贡献、功能性服务、可转让的数据和代码权利、合规治理和承诺资金。扩张价值取决于缺乏经验的群体、新渠道、额外产品、资金改善或买家分布。这些层应该是明确的。

假设估值从现金流模型中的 USD 96 million 价值开始。它增加了 USD 18 million 以实现明显的运营改进，并添加 USD 12 million 以实现特定于买家的分销协同效应。它扣除了漂移和年份不确定性的 USD 14 million、融资和流动性风险的 USD 11 million、治理补救的 USD 7 million 和整合的 USD 6 million。由此产生的说明性股权价值为 USD 88 million。每个数字都是管理层假设，而不是估值意见。

当了解可比较的业务组合、信用风险、增长、融资和会计时，市场倍数可以提供交叉检查。当贷方保留不同的信用和融资风险时，收入或发起倍数可能会产生误导。市净率、收益、资产和平台指标应与相同的风险和现金范围相协调。

完全是假设的；值和概率是管理假设。

19. 透明地应用漂移折扣

漂移贴现代表了当前模型和投资组合表现在未来借款人群体、政策、竞争、欺诈、宏观经济和融资情况下是否持续存在的不确定性。它不应该是任意的百分比。买方应将每次调整与证据、现金、期限和控制联系起来。

一种方法是情景加权现金流。基础、恶化和严重情况会连贯地改变批准、收益率、损失、资金、收购成本和资本。另一种方法是调整预测范围，在恢复保守经济学之前将当前业绩归功于该预测范围。第三种方法是对未来队列结果进行偶然考虑。

当新证据出现时，折扣应该会下降。有用的里程碑包括成熟的当前模型年份、稳定的校准、完整的验证、准确的原因、更新的设施、持续的资格、可接受的投诉和收集的贡献。每个里程碑都应该有定义、测量周期、数据来源和独立验证者。

买方应避免在未对账的情况下计算损失假设、贴现率、倍数和价格保护中的相同不确定性。投资文件应说明每种风险出现的位置及其原因。

20. 将证据转化为交易保护

交易条款应将不确定性分配给控制或可以验证它的一方。基本考虑可以遵循经验丰富的投资组合和可转让资产。延期考虑可以遵循当前型号的老式性能、设施更新、贡献、收藏或监管补救措施。在运营连续性很重要的情况下，卖方轮转可以保持一致性。

条件可能涉及许可证、控制权变更批准、资助同意、重要客户和合作伙伴同意、数据权利、指定验证和补救。陈述可以解决投资组合数据、模型、政策、不利行动原因、公平性测试、投诉、网络事件、知识产权、设施和财务记录。

具体赔偿、托管、保留或价格调整可能会解决已确定的风险。当客户补救、设施回购或流动性风险可衡量时，广泛的合规保证无法取代量化机制。合格的律师应为相关司法管辖区设计可执行的条款。

买方应保留计算延期付款所需的证据。定义应防止政策、资金、营销或收集方面的变化扭曲指标。争议需要商定的专家、来源层次结构和计算过程。

拟议的交易结构；需要合格的法律和税务建议。

21.围绕决策连续性进行设计集成

集成可以立即改变数据、模型、政策、渠道、定价、资金和客户待遇。买方在追求协同效应之前应保护决策链。第一天应保留法律实体、许可证、设施报告、支付路由、决策日志、投诉处理、模型监控和事件升级。

模型迁移应该有证据支持。团队应建立基准群体、结果定义、冠军和挑战者测试、原因代码检查、公平性审查、回退和回滚。当错误的后果很严重并且旧系统仍然可以支持时，并行操作可能是合适的。

数据整合需要合法的目的、血统、质量、访问控制和保留。组合数据集可以创造价值，同时改变同意、偏见、安全性和可解释性。集成团队应批准每个用例的法律、风险、信用和产品所有权。

资助对手方应在重大变更之前收到所需的通知和证据。运营计划应确定哪些变更会影响资格、陈述、服务或报告。应根据延迟同意或迁移确定流动性规模。

22.执行180天计划

前三十天应该建立控制。确认现金、设施、许可证、模型库存、生产版本、政策、产品组合调节、事件升级、客户待遇和关键供应商。冻结未记录的变更并保留决策证据。

第三十一天到九十天应该重现关键决策，重建年份，验证当前模型，协调资金资格，测试不利行动原因，审查投诉并建立完整的单位经济效益。已知的差距应纳入业主资助的修复计划并确定截止日期。

第 91 到 180 天应该实施批准的政策和监控变更、完成资金同意、测试迁移、自动化证据、关闭高优先级发现并发布符合其要求的价值计划。董事会应该同时考虑现金、客户和控制结果。

程序应保留停止点。年份恶化、无法解释的公平结果、资金压力、数据丢失或客户伤害应该会暂停受影响的增长或整合。治理应支持及时采取行动，而不是仪式性的报告。

队列重建协议

重建应该从不可变的源代码提取而不是管理仪表板开始。申请、局、银行交易、欺诈、设备、定价、报价、合同、支出、支付、服务、收款和会计记录应携带稳定的标识符和事件时间。团队应记录源所有权、提取日期、转换、重复处理、排除和控制总量。每个步骤都应该保留足够的谱系，以便另一位分析师能够重现该队列，而无需依赖未记录的管理干预。客户和个人数据应在适用的法律、安全和保密限制范围内处理。

申请人群应核对提交、完成、评分、手动审核、批准、提供、接受和资助的案例。撤回、超时、重复申请、涉嫌欺诈和技术故障应保持可见。否则，转换和模型性能测量可以排除困难的情况。各个时期的批准和资助分母应保持一致。申请表、渠道、预筛选和资格的变更应注明日期，因为它们会在承保模式生效之前改变人群。

贷款人口应核对原始本金、净支出、费用、利息、预定付款、实际付款、欠款、重组、核销、回收、出售、回购和期末余额。前滚应将运营余额与总账、设施报告和财务报表联系起来。差异应该有量化的原因、所有者和结束日期。团队应保留原始合同条款和后续修改，以便可以在每个决策日期应用的基础上分析定价、承受能力和绩效。

绩效应以账面月数和日历时间视图的形式呈现。书上的月数揭示了调味料；日历时间揭示了常见的冲击。两者都应按产品、型号版本、政策版本、评分范围、价格、渠道、地理位置和材料借款人特征进行细分。小群体不应被过度解读。暴露加权指标、账户数量和置信区间应一起显示。由此产生的数据资产应支持来自同一受控人群的承保、财务、行为和融资结论。

模型复制协议

复制样本应涵盖批准、拒绝、边界情况、覆盖、丢失数据情况、高损失账户、投诉和设施不合格资产。对于每个选定的应用程序，团队应获取决策时可用的原始输入、特征向量、模型制品、版本、分数、原因输出、策略配置、手动操作、价格、限制和最终处置。当前数据不应替代历史数据。复制应在受控环境中运行，并记录相关的依赖版本、随机种子和外部服务响应。

当第三方评分或瞬态数据服务无法重新创建历史响应时，精确的数字再现可能是不可能的。然后，目标应提供存储的输出、供应商记录和补偿证据。买方应按重要性对限制进行分类。缺失的低影响浓缩字段不同于无法获得的欺诈或信用评分，后者决定了数千个决策。估值调整应反映受影响的收入、损失、资金和补救风险，而不仅仅是不可用投入的计数。

验证应该挑战概念的合理性、数据、实施和结果。它应该测试排名、校准、稳定性、细分绩效、原因、政策互动、敏感性、限制和监控。挑战者模型可以显示性能是否取决于复杂性或更简单的方法也捕获的数据。挑战者的结果不应自动取代生产模型；它应该在完成运营成本后确定所部署方法的增量价值和风险。

审查还应该测试失败行为。不可用的数据、延迟的部门响应、格式错误的文档、极端值、供应商中断和损坏的功能管道应该会触发受控结果。无声替代或允许性违约可以在不发布模型的情况下改变信用风险。后备方案应该有所有者、监控和限制。如果模型在正常条件下表现良好，但在操作压力下会出现不可预测的故障，则值得进行控制和连续性扣除。

资金和流动性协议

每项贷款均应抽象为通用条款清单，其中显示承诺、到期日、可用性、预付率、合格资产、集中度、准备金、利息、费用、抵押品、现金控制、报告、契约、业绩触发因素、摊销、终止和控制权变更。摘要应与已执行的文件和修正案保持一致。应包括附注和操作解释。如果资格取决于承保标准，则确切的模型和保单表示应与设施时间表相关联。

在可行的情况下，借贷基础模式应在资产层面运作。它应说明每笔贷款合格、不合格或削减的原因，并在集中限制、准备金和先前提款后计算可用性。应在选定的日期重新生成贷款证书，并与贷方确认和银行动向相关联。重复的手动调整、延迟报告或贷款人豁免表明运营依赖。在满足所有条件和抵押品要​​求后，未提取的承诺应与可立即提取的现金区分开来。

流动性预测应整合起源、收款、贷款提取、本金摊销、利息、抵押品、受限账户、运营支出、税收和股本。该模型应识别月内峰值，而不是依赖月末余额。当股本必须为每笔贷款和准备金增加的未预付款部分提供资金时，在收取捐款之前，增长可能会消耗现金。管理层应显示第一个约束约束以及该日期之前可用的操作。

不利因素应同时改变相关假设。早期拖欠情况恶化可能会降低资格、降低预付款率、增加准备金、触发摊销、延迟证券化并需要客户支持支出。单因素压力低估了这种反馈。投资委员会应该了解需要多少承诺股权或流动性，哪些管理行动在可用时间内是可信的，以及这些行动如何影响客户、投资组合价值和未来起源。

行为和客户证据协议

客户结果测试应该使用实际的决策和服务旅程。营销资格、应用程序设计、同意、验证、批准、价格、文件、付款、困难、收款、投诉和结案均应进行抽样。审查应检查模型衍生的行动是否符合政策、合同和法律要求。它还应该确定工作人员、供应商或界面在模型之后改变结果的点。这可以防止有利的模型审计掩盖有害的实施。

不利行动和价格原因应根据决策中实际使用的因素产生。团队应比较存储的原因、客户通知和可重现的模型输出，以获取拒绝和不利变化的样本。通用或最接近的原因可能会在无法准确描述决策的情况下造成曝光。该流程应确定谁批准原因分类、如何测试更改以及客户是否可以纠正不准确的源数据。

公平性分析应将统计测试与流程审查和合格的法律建议结合起来。数据可用性、代理关系、政策、渠道、欺诈控制、人工审核、定价或服务可能会产生差异。审查应避免宣布某一指标的结果可接受或不可接受。它应该确定来源、受影响人群、客户影响、业务理由、替代设计和补救路径。应重新测试历史变化，以确定报告的改善是否持续存在。

投诉、困难、争议、退款和监管信函应编码到产品、型号、政策、原因和客户旅程中。文本分析可以帮助识别主题，但源记录和解决方案应保持可审查。低投诉率可能反映出客户摩擦或记录薄弱。买方应协调接收渠道、响应时间、维持结果、金钱赔偿和重复原因。可能进行补救的已知群体应输入评估和交易文件。

单位经济学和会计协议

经济学模型应保留合同收益率、确认收入、收取的收入和返还给投资者或资产负债表的现金之间的区别。费用、利息和合作伙伴收入应与合同和实际收款挂钩。资金成本应包括保证金、基本利率、未使用费用、安排费用、对冲、抵押品和现金拖累。获取成本应包括付费媒体、附属机构、经纪人、激励、验证和失败的应用程序。服务和收款应包括内部人员、供应商、付款费用、通信、法律诉讼和资产出售费用。

信用损失应根据与会计相符的定义来衡量。应弥合违约、冲销、销售、补救、恢复和欺诈分类。总损失、回收率和净损失应分开。预期的未来复苏不应被视为当前现金。如果出售投资组合，则应显示收益、账面价值、服务转移和任何保留债务。冲销政策的改变可以在不改变最终经济效益的情况下改变损失发生的时间。

中央技术、合规和治理成本应根据反映独立业务的基础进行分配。创始人时间、共享团队职能和买家基础设施不应消失。买方应区分目标独立成本、所需的修复、买方协同效应和未来增长投资。每个协同作用都需要一个所有者、时间安排、成本和依赖性。在应用公允价值概念时，买方特定的储蓄应与市场参与者的价值分开。

会计预测应与运营驱动因素联系起来。起源、本金、利息、费用、准备金、冲销、回收、融资、限制性现金和资本应在损益表、资产负债表和现金流量中进行核对。投资模型应解释会计利润、投资组合贡献、自由现金和可分配现金之间的差异。贷款人可以报告增长和利润，同时需要大量股本来削减贷款、吸收损失以及监管或合同资本。

估值和考虑协议

估值模型应从受控历史时期开始，并说明每个时期代表的模型、政策和融资制度。预测队列应根据申请量、批准、占用、本金、价格、期限、预付款、损失、回收和成本来构建。现有书籍径流应与新书分开。这表明价值是否来自已融资的资产、未来的借贷活动、技术或买家行为。

场景设计应该连贯地改变相关的驱动因素。借款人组合较弱可能会减少审批、增加每个资金账户的购置成本、改变价格、增加损失、削弱贷款资格并增加收款。资金冲击可能会减缓启动速度、减少收入、造成运营成本搁浅并需要股权。董事会应该看到现金和契约路径，而不仅仅是最终价值。概率权重是管理层的判断，应如此确定。

漂移折扣应分配给特定风险敞口。一部分可能反映了未经调味的当前型号年份；另一个可能反映借款人人口的变化；另一个可能反映资金状况或治理模式的弱点。每个组件都应该有可以退役的证据。如果相同的风险敞口已经减少了预测损失或融资假设，则应协调任何额外的折扣以避免重复计算。该桥梁应允许审阅者追踪每一次调整的来源和决定。

考虑可以遵循证据日历。期末价值可能反映了经验丰富的群体和可转让资产。递延价值可以遵循当前模型损失、贡献和客户成果的既定观察期。融资里程碑可能需要按指定条款承诺产能。补救里程碑可能需要对材料发现进行独立验证和结束。该指标不应通过数量、渠道、政策、冲销、销售或成本分配的变化进行操纵。

场景治理协议

场景治理应该从少量决策相关案例开始。基本案例应反映有证据支持的运营计划。恶化的情况应该包括收购较弱、借款人组合不利、欺诈增加、拖欠率上升、资金紧张和管理层反应延迟。严重的情况应该考验生存和客户连续性，而不是任意百分比的收入减少。每个案例都应确定假设、因果关系、证据、所有者和日期。

该模型应区分外部条件和管理选择。利率、失业率、通货膨胀、竞争对手定价和资本市场准入可能是外部的。批准限制、营销、价格、收藏、设施使用和成本行动仍然是部分可控的。该情景应说明管理层何时观察到变化、何时做出决定以及该行动何时影响现金。不应假设立即完美缓解。客户、合同和监管约束可能会限制行动的速度或形式。

反向压力测试应识别导致流动性最低、设施违约、资本短缺、运营失败或客户不可接受结果的组合。这项工作应该追溯到早期指标和可信的恢复行动。它应包括失去重要的融资对手方、数据提供商或分销合作伙伴（如果集中度有保证的话）。产出应指导价格、股权承诺、契约空间、流动性支持和整合顺序。

情景结果应与估值桥梁和交易条款相一致。如果不利因素需要 USD 20 million 额外股本，投资文件应表明该金额是否会降低价值、属于承诺融资或成为一个条件。如果漂移里程碑释放了延迟考虑，则相同的群组定义应出现在运营模型中。这种通用的情景语言有助于董事会避免批准基于不一致假设的估值、融资和法律条款。

23. 决定和结论

AI 本地贷方值得拥有一个可重复的系统，该系统将合法数据、受监管的模型、严格的政策、持久的资金和有效的服务转换为可接受的客户结果和收集的贡献。速度、自动化和模型准确性都是支持证据。它们不会取代已实现的信用和现金绩效。

买方应重建模型和政策谱系、借款人群体、年份、公平性、覆盖、欺诈、服务、收款、资金、会计和资本。每个预测假设都应该与可以检查的队列和设施相关联。不成熟的增长应该与经过验证的经济增长保持区别。

漂移折扣应该量化当前业绩随着模型、借款人、欺诈、竞争和融资变化而减弱的风险。它应该与可观察到的证据联系起来，并在达到里程碑时减少。交易条款可以保留或有价值，而无需在交割时全额支付不确定性。

由此产生的投资决策是实用的。当贷款人拥有经验丰富的当前模式群体、持久的贡献、可转让的权利、有效的治理、合规的客户结果和承诺的资金时，溢价是可以支持的。当论文依赖于不成熟的年份、不透明的模型、不稳定的资金或不完整的数据时，价格保护、缩小范围或延迟价值确认是适当的。

来源

1. 国际清算银行，金融部门监管 AI：最新发展和主要挑战 阅读主要来源
2. 金融稳定委员会，人工智能对金融稳定的影响 阅读主要来源
3. 巴塞尔银行监管委员会，信用风险管理原则 阅读主要来源
4. 英格兰银行和金融行为监管局，2024 年英国金融服务中的人工智能 阅读主要来源
5. 英格兰银行，银行风险管理原则模型 阅读主要来源
6. 金融行为监管局，AI 更新 阅读主要来源
7. 金融行为监管局、消费者责任 阅读主要来源
8. 欧洲银行管理局，贷款发放和监控指南 阅读主要来源
9. 欧洲中央银行，有效风险数据汇总和风险报告指南 阅读主要来源
10. 欧洲中央银行，内部模型指南 阅读主要来源
11. 国际货币基金组织、人工智能及其对金融市场和金融稳定的影响 阅读主要来源
12. 国际证券委员会组织，市场中介机构和资产管理公司对人工智能和机器学习的使用 阅读主要来源
13. 消费者金融保护局，关于不良行为和复杂算法的 2022-03 号通知 阅读主要来源
14. 消费者金融保护局，关于不良行为通知样本表格的通知 2023-03 阅读主要来源
15. 欧盟，欧盟 2024 1689 人工智能法案法规 阅读主要来源
16. 欧盟委员会，AI 高风险系统法案 阅读主要来源
17. 新加坡金融管理局，FEAT 原则 阅读主要来源
18. 新加坡金融管理局，关于 AI 模型风险管理的信息文件 阅读主要来源
19. 香港金融管理局，人工智能高级原则 阅读主要来源
20. 美联储系统理事会，SR 11-7 模型风险管理指南 阅读主要来源
21. 货币监理署，监理手册模型风险管理 阅读主要来源
22. IFRS 基金会、IFRS 9 金融工具 阅读主要来源
23. 财务会计准则委员会，当前预期信用损失 阅读主要来源
24. IFRS 基金会、IFRS 3 企业合并 阅读主要来源
25. IFRS 基金会、IAS 38 无形资产 阅读主要来源
26. IFRS 基金会、IFRS 13 公允价值计量 阅读主要来源
27. 美国国家标准技术研究院，AI风险管理框架 阅读主要来源
28. 美国国家标准技术研究院，AI RMF 生成 AI 简介 阅读主要来源
29. 美国国家标准与技术研究所，网络安全框架 2.0 阅读主要来源
30. 巴塞尔银行监管委员会，运营弹性原则 阅读主要来源
31. 巴塞尔银行监管委员会，有效风险数据汇总和风险报告的原则 阅读主要来源
32. 巴塞尔银行监管委员会，审慎处理问题资产 阅读主要来源
33. 联邦存款保险公司，第三方风险管理指南 阅读主要来源
34. 美联储系统理事会商业银行信用风险管理考试手册 阅读主要来源
35. 货币监理署，监理手册信用风险 阅读主要来源
36. 消费者金融保护局，《平等信贷机会法》和《B 条例》 阅读主要来源
37. 消费者金融保护局，公平信用报告法第五条 阅读主要来源
38. 联邦贸易委员会，大数据是包容或排除的工具 阅读主要来源
39. 英国信息专员办公室，AI 和数据保护指南 阅读主要来源
40. 欧洲数据保护委员会，自动化个人决策和分析指南 阅读主要来源
41. 中央银行UAE，消费者保护条例 阅读主要来源
42. 央行UAE金融消费者保护标准 阅读主要来源
43. 沙特中央银行，金融机构行为和工作道德原则 阅读主要来源
44. 阿布扎比全球市场，2021 年数据保护条例 阅读主要来源
45. 迪拜金融服务管理局，授权公司原则 阅读主要来源
46. 国际评估标准理事会，国际评估标准 阅读主要来源
47. 国际评估标准理事会，解密技术 阅读主要来源
48. 国际标准化组织，ISO IEC 42001 人工智能管理系统 阅读主要来源
49. 经合组织，人工智能理事会的建议 阅读主要来源
50. 国际清算银行，AI 金融科技和银行 阅读主要来源