Может ли ИИ понять проблемный кредит? — Харнит Каур, Axim Intelligence

하이라이트

• Хернит Каур является основателем и генеральным директором компании AXM Intelligence, которая разрабатывает аналитический уровень для инвестиций в проблемные долговые обязательства.

• Компания iHeartMedia подала заявление о банкротстве в 2018 году и провела еще одну стрессовую сделку в 2024 году.

• Применение структурированного процесса рассуждений заставило модели Astra и Opus сойтись во мнениях: вероятность банкротства для iHeartMedia составила 25%, а внесудебная реструктуризация была признана более вероятным путем.

• Исторический показатель Z-счет Альтмана стал слишком статичным для оценки рынка, который меняется ежемесячно и ежеквартально в условиях непрозрачности частного кредитования.

타임라인

1. 00:00 - 03:32

   Определение и природа проблемных кредитов

   Понятие кредита является базовым для финансового рынка, в то время как состояние стресса или проблемности отражает уязвимость бизнеса перед внешними шоками. Такие шоки могут быть вызваны падением строительного рынка, проблемами в конкретных отраслях или структурными сдвигами, подобными влиянию искусственного интеллекта на программное обеспечение. Исход проблемной ситуации не ограничивается банкротством и включает внесудебную реструктуризацию путем переговоров, обмен долговых обязательств и мероприятия по управлению обязательствами.

   • Кредит представляет собой облигацию или заем корпорации.
   • Стресс возникает при наличии базового риска, который может лишить компанию денег и возможности погасить долг.
   • Проблемные ситуации могут возникать из-за циклических, операционных или структурных проблем.
2. 03:32 - 06:12

   Ограничения традиционных методов и сложность анализа

   Традиционные подходы к прогнозированию банкротства носили бинарный характер и предсказывали либо дефолт, либо его отсутствие. Устаревшие метрики вроде Z-счета Альтмана не справляются с оценкой динамичной среды на непрозрачном рынке частного кредитования. В то же время ручной анализ документов и финансовых отчетов инвесторами хедж-фондов не поддается легкому масштабированию, что подталкивает к поиску системных решений с применением искусственного интеллекта.

   • Традиционные методы машинного обучения и статические системы оценки вроде Z-счета Альтмана не поспевают за современными изменениями.
   • Рост частного кредитования привел к отсутствию прозрачности цен на рынке.
   • Качественный анализ финансовой отчетности и кредитной документации требует ручного труда и сложно масштабируется.
3. 06:12 - 10:20

   Тестирование моделей на примере компании iHeartMedia

   Реальная ситуация с iHeartMedia демонстрирует отсутствие объективной предсказуемости будущего на финансовом рынке. Загрузка данных компании в передовые языковые модели выявила первоначальное расхождение в их оценках: Astra отдавала предпочтение внесудебной реструктуризации, тогда как Opus склонялся к банкротству. Для устранения ошибок на каждом этапе анализа был создан бенчмарк, проверяющий качество извлечения финансовых показателей и достоверность расчетных коэффициентов долговой нагрузки перед построением прогнозов.

   • Для тестирования была выбрана компания iHeartMedia, прошедшая через банкротство в 2018 году и стрессовую сделку в 2024 году.
   • Модели Astra 6 и Opus 5.5 выдали противоречивые вероятностные оценки будущих путей развития компании без единого структурированного контекста.
   • Тестирование охватывает уровни извлечения данных, сверки производных данных, экспертной оценки и прогнозирования.
4. 10:20 - 14:06

   Результаты конвергенции моделей и выводы

   Внедрение пошаговой проверки данных и экспертных суждений устраняет разброс в прогнозах искусственного интеллекта. Обе модели согласились, что путь согласованной реструктуризации является более вероятным сценарием для бизнеса, чем банкротство. Данный результат показывает, что систематизация аналитического процесса способна приводить различные интеллектуальные системы к единому пониманию будущих исходов, что приближается к формированию рыночной стоимости активов.

   • Построение структурированного процесса рассуждений привело к тому, что обе модели сошлись в оценке вероятности банкротства на уровне 25%.
   • Языковые модели не обладают встроенным предсказательным преимуществом перед человеком при работе с непроверяемыми вопросами.
   • Систематизация процесса рассуждений позволяет формировать согласованное понимание перспектив бизнеса, отражающее рыночную цену.