دانلود ترجمه مقاله هوش مصنوعی و تحلیل اعتباری بانک

1. مقدمه 2. مروری بر مقالات در مورد نقش هوش مصنوعی در اقتصاد 3. تأثیر هوش مصنوعی بر رویه‌های تحلیل اعتباری 4. نقش کلان داده در تحلیل اعتباری مبتنی بر هوش مصنوعی 5. تأثیرات اجتماعی-اقتصادی استفاده از هوش مصنوعی در تحلیل اعتباری 6. بحث و بررسی: محدودیت‌ها در کاربرد هوش مصنوعی در تحلیل اعتباری 7. نتیجه‌گیری

چکیده – این مقاله به بررسی پیامدهای استفاده از هوش مصنوعی (AI) در فرآیند تحلیل اعتباری توسط بانک‌ها و سایر مؤسسات مالی می‌پردازد. ویژگی‌های منحصربه‌فرد مدل‌های هوش مصنوعی، همراه با گسترش قدرت محاسباتی، منابع جدیدی از اطلاعات (کلان داده ها) را برای ارزیابی اعتبار در دسترس قرار می‌دهد. ترکیب استفاده از هوش مصنوعی و کلان داده ها می‌تواند سیگنال‌های ضعیف را، چه در قالب تعاملات یا غیرخطی بودن بین متغیرهای توضیحی، که به نظر می‌رسد بهبودهایی در پیش‌بینی نسبت به معیارهای متعارف اعتبار ارائه می‌دهند، شناسایی کند. در سطح اقتصاد کلان، این امر به برآوردهای مثبت برای رشد اقتصادی ترجمه می‌شود. در مقیاس خرد، در عوض، استفاده از هوش مصنوعی در تحلیل اعتباری، شمول مالی و دسترسی به اعتبار را برای وام‌گیرندگانی که به طور سنتی خدمات کافی دریافت نمی‌کنند، بهبود می‌بخشد. با این حال، فرآیندهای تحلیل اعتباری مبتنی بر هوش مصنوعی نگرانی‌های پایداری را به دلیل سوگیری‌های بالقوه و مشکلات اخلاقی، حقوقی و نظارتی ایجاد می‌کنند. این محدودیت‌ها مستلزم ایجاد نسل جدیدی از مقررات مالی است که معرفی گواهی‌نامه‌ی الگوریتم‌های هوش مصنوعی و داده‌های مورد استفاده توسط بانک‌ها را ضروری می‌سازد.

This article teases out the ramifications of artificial intelligence (AI) use in the credit analysis process by banks and other financing institutions. The unique features of AI models, coupled with the expansion of computing power, make new sources of information (big data) available for creditworthiness assessments. Combined, the use of AI and big data can capture weak signals, whether in the form of interactions or non-linearities between explanatory variables that appear to yield prediction improvements over conventional measures of creditworthiness. At the macroeconomic level, this translates into positive estimates for economic growth. On a micro scale, instead, the use of AI in credit analysis improves financial inclusion and access to credit for traditionally underserved borrowers. However, AI-based credit analysis processes raise enduring concerns due to potential biases and ethical, legal, and regulatory problems. These limits call for the establishment of a new generation of financial regulation introducing the certification of AI algorithms and of data used by banks.

ترجمه این مقاله در 14 صفحه آماده شده و در ادامه نیز صفحه 9 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.