Полное описание

Применение нейросетевых технологий для оценки компетентности персонала в задачах контроля операционного риска кредитной организации / Е. В. Чумакова, Д. Г. Корнеев, М. С. Гаспариан, И. С. Махов. - DOI 10.17323/2587-814X.2024.2.7.21. - Текст : непосредственный // Бизнес-информатика : научный журнал НИУ ВШЭ. - 2024. - Том 18, N 2. - С. 7-21. - Библиогр. в конце ст. - ISSN 1998-0663.

ГРНТИ	УДК
28.23	004.8
28.23.37	004.032.26
28.23.25	004.85

Рубрики:
Искусственный интеллект
Нейронные сети
Машинное обучение

Кл.слова (ненормированные): операционные риски -- компетентность персонала -- искусственная нейронная сеть -- машинное обучение -- нейронная сеть прямого распространения -- высокоуровневая библиотека keras
Аннотация: Статья посвящена вопросам контроля операционных рисков кредитной организации, связанных с действиями персонала. Контроль операционных рисков является важным аспектом деятельности кредитной организации. Несмотря на то, что Банк России в регламентирующих документах подробно описал набор действий, которые должны проводить банки для контроля операционных рисков, на практике кредитные организации испытывают серьезные трудности в процессе работы с операционным риском, связанным с действиями персонала. Это может объясняться, прежде всего, сложностью идентификации и формализации указанного риска. Одним из основных источников операционных рисков, связанных с действиями персонала, является недостаточная квалификация сотрудников. Это может привести к снижению доступности и качества услуг, предоставляемых кредитными организациями, а также к возможным финансовым и репутационным потерям. Целью проводимых авторами исследований является совершенствование системы контроля операционных рисков кредитной организации с использованием технологий искусственного интеллекта, включающих разработку инструментария оценки в автоматизированном режиме уровня критичности влияния компетентности персонала на возникновение событий операционного риска. Для достижения поставленной цели была разработана искусственная нейронная сеть (ИНС) с использованием высокоуровневой библиотеки Keras на языке Python. В работе определен набор основных показателей, оказывающих наиболее существенное влияние на возможность возникновения операционного риска, связанного с действиями персонала кредитной организации. В статье приводятся результаты проверки сформированных наборов обучающих и тестовых данных с помощью пакетов прикладных программ, реализующих математические методы, позволяющие дать оценку непротиворечивости сформированных наборов данных. В работе приведены графики, показывающие результаты обучения и тестирования построенной искусственной нейросети. Полученные результаты являются новыми и могут позволить кредитным организациям в значительной степени повысить эффективность своей работы благодаря цифровизации решения задач контроля уровня операционного риска, связанного с действиями персонала.
Доп. точки доступа:
Чумакова, Екатерина Витальевна
Корнеев, Дмитрий Геннадьевич
Гаспариан, Михаил Самуилович
Махов, Илья Сергеевич


Нет сведений об экземплярах
Держатели документа:
Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -754188-317777)

Шифр в сводном ЭК: a247855422a7e8d41b9c8c33ae36f901

Заказать
Заказ фрагмента документа ₽