Kann KI problembelastete Kredite verstehen? - Harneet Kaur, Axim Intelligence

하이라이트

• Traditionelle Machine-Learning-Methoden und statische Kennzahlen wie der Altman-Z-Score bewältigen die Dynamik moderner Kreditmärkte nicht mehr adäquat.

• AXM Intelligence entwickelt eine Software-Schicht für das Management und die Analyse von notleidenden Krediten.

• Zwei fortschrittliche KI-Modelle lieferten zu Beginn stark voneinander abweichende Wahrscheinlichkeitsprognosen für die Restrukturierung des Unternehmens iHeartMedia.

• Ein systematischer und strukturierter Argumentationsprozess zwingt unterschiedliche KI-Modelle zu einer Konvergenz hinsichtlich der prognostizierten Zukunftsszenarien.

• Der Gründer bringt eine zehnjährige Erfahrung als Investor für notleidende Kredite und Sondersituationen bei Private-Equity- und Hedgefonds mit.

타임라인

1. 00:00 - 03:32

   Grundlagen und Herausforderungen von notleidenden Krediten

   Kredite stellen im Kern einfache Anleihen oder Darlehen von Unternehmen dar. Das Aufkommen von Private Credit und veränderte Marktbedingungen erschweren die Preistransparenz erheblich, wodurch herkömmliche Bewertungsansätze an ihre Grenzen stoßen.

   • Notleidende Kredite entstehen durch zugrundeliegende Risiken, die Unternehmen liquiditäts- und zahlungsunfähig machen.
   • Auslöser für diese finanziellen Notlagen sind zyklische Probleme, operative Zwischenfälle oder säkulare Umbrüche.
   • Klassische Vorhersagemethoden und der etablierte Altman-Z-Score sind zu statisch für die heutigen, undurchsichtigen Märkte.
2. 03:32 - 08:00

   Manuelle Analyse und der Einsatz von KI-Modellen

   Investoren müssen finanzielle Liquidität, Kapitalstrukturen sowie die rechtliche Priorität von Schulden bewerten. Beim Einsatz führender KI-Modelle auf reale historische und aktuelle Fälle zeigt sich jedoch eine Diskrepanz in den Modellergebnissen, da keine absolute Zukunftsweisheit existiert.

   • Die qualitative Analyse von Finanzdaten, Kreditverträgen und Kreditgeberstrukturen erfolgt traditionell manuell und ist schwer skalierbar.
   • Künstliche Intelligenz soll diesen komplexen Prozess systematisieren und probabilistische Vorhersagen für zukünftige Entwicklungen treffen.
   • Ein Testlauf mit dem Unternehmen iHeartMedia zeigt, dass verschiedene KI-Modelle anfangs unterschiedliche Einschätzungen über Insolvenz oder Restrukturierung abgeben.
3. 08:00 - 014:06

   Strukturierte Argumentation und Konvergenz der Modelle

   Fehler auf den frühen Ebenen der Datenverarbeitung verfälschen das finale Urteil. Sobald jedoch ein systematischer Rahmen vorgegeben wird, stimmen die verschiedenen Intelligenzen überein und favorisieren beispielsweise eine verhandelte Restrukturierung gegenüber einer reinen Insolvenz.

   • Eine mehrstufige Qualitätsprüfung umfasst die Datenextraktion, Ableitung von Kennzahlen, fachliche Beurteilung und schliesslich die Vorhersage.
   • Durch die Implementierung eines strukturierten Argumentationsprozesses konvergieren die unterschiedlichen KI-Modelle zu identischen Zukunftswahrscheinlichkeiten.
   • Das aufgebaute System spiegelt den Mechanismus wider, wie Preise auf einem funktionierenden Markt entstehen.