PART.1 中小企業融資におけるAI審査モデルの活用法
1.1 AIスコアレンディングの概要
AIとは何か／AI審査モデルの種類／AI審査モデルの歴史と評価／AIスコアレンディングのスキーム／課題はデータのデジタル化
1.2 AI審査モデルの特徴
ホワイトボックス型とブラックボックス型／ブラックボックス型が使用する主な情報源／ブラックボックス型が使用する具体的な情報／ホワイトボックス型の限界
1.3 AIスコアレンディングの現状と課題
国内外の現状／精度向上の課題はデータの質と量／技術的課題と専門人材の育成
1.4 活用の留意点
融資業務におけるモデル活用の方向性／スコアリング融資失敗の要因／失敗から学ぶ
1.5 AI審査モデルの活用方法
審査の前後工程での活用／審査での活用／部分自動審査に向けた段階的活用
PART.2 AI審査モデルのしくみ
2.1 モデルの構造
デフォルト確率算出のしくみ／線形回帰モデル／ロジスティック回帰モデル／ランダムフォレスト、勾配ブースティング／ディープラーニング（深層学習）
2.2 モデル構築のプロセス
変数候補の選択／データ収集とデータクリーニング／変数候補の絞り込み／モデル構築／信用格付けの決定
2.3 モデルの評価・検証方法
序列性の検証（AR値）／PDの一致性の検証／インサンプルテストとアウトオブサンプルテスト／正解率、適合率、再現率、F値／複数モデルの比較検証
2.4 モデルで評価できること、できないこと
モデルで評価できること／モデルで評価できないこと／統計上の留意点
PART.3 AI審査モデルを使った信用リスク管理
3.1 銀行の信用リスク管理の概要
信用リスクとは何か／二つの信用リスク管理手法／信用リスク管理の対象と管理のポイント
3.2 近代的個別与信管理
個別与信管理の概要／EAD・PD・LGDの計測／個別企業のリスクコントロール
3.3 与信ポートフォリオ管理①―EL管理
ELとUL／ELの計算方法と留意点／ELのマネジメント
3.4 与信ポートフォリオ管理②―UL管理
ULの計算方法と留意点／ULのマネジメント／与信ポートフォリオ管理の実務と課題
PART.4 AI審査モデルの最新技術
4.1 ブラックボックス型AI審査モデル
使用したデータの概要／モデルのタイプと評価方法／ブラックボックス型モデルの効用
4.2 経営者の資質を評価する技術
使用したデータの概要／人的変数を関数近似したロジスティック回帰モデルの構築／ブラックボックス型モデルの構築／ホワイトボックス型とブラックボックス型の精度比較
4.3 景気変動を考慮する技術
景気変動がモデルの精度に与える影響／景気変動を考慮する方法／景気変動を考慮したモデルの精度
4.4 デフォルト後の回収率を推計するAIモデル
デフォルト確率と回収率の違い／回収率モデルのしくみ／回収率モデルの精度【Memo】ziの意味／損失関数と機械学習／デフォル
トの定義／オーバーフィッティング（過学習）／教師あり学習と教師なし学習／FeatureImportance／ニューロンの算出方法／相関係数／多重共線性（マルチコ）／スコアから一次格付けを決める方法／格付け推移（遷移）行列／データの質とモデルの精度／ブライアスコア／大数の法則／モデルで算出したPDを使用しない背景／自己資本管理の留意点／発生確率の計算方法／リスクウェイト関数／VaRの問題点─期待ショートフォール／マートンの１ファクターモデル／回収率の推計が難しい理由／デフォルトの定義と回収率の関係
参考文献
