Анализ сложности банковского регулирования
С точки зрения развиваемых методов искусственного интеллекта акцент проекта сделан на синтезе структурных и статистических методов для анализа текстов в задачах оценки регуляторной нагрузки на банки (РНБ).
Быстрое и разнообразное развитие интеллектуальных технологий является одним из основных драйверов «цифровизации» как производства – «Индустрия 4.0», так и всех остальных отраслей экономики. В данном случае развитие интеллектуального анализа данных позволяет перейти на новый уровень в задачах, которые требуют анализа нормативно-правовых актов и других юридических документов с последующей обработкой извлеченного из текстов знания. Особое значение приобретает быстрый прогресс в автоматической обработке текста, связанный с появлением универсальных векторных моделей и синтезом статистического машинного обучения с методами на основе знаний, начиная с простейших продукционных правил и заканчивая онтологическим моделированием и управлением знанием.
Тексты стандартов, нормативно-правовых актов и других юридических документов являются основанием анализа РНБ и источником знаний о возможных изменениях такой нагрузки в зависимости от законотворческого процесса. Особенно важно отслеживать сроки действия и моменты вступления в силу отдельных документов, то есть анализировать исторические данные. Излишняя сложность регулирования может делать его менее эффективным, при этом эксперты отмечают рост объема регулирования последние годы, зачастую вместе с ужесточением отдельных критериев. В целом регуляторная нагрузка, особенно в условиях разработки и применения «регуляторных гильотин» становится одним из важнейших факторов, определяющих трудоемкость различных банковский функций и их формальное качество, что, в свою очередь, определяет устойчивость банка. Дополнительное влияние на сложность регулирования будут оказывать: введение «цифрового рубля», создание «финансовых маркетплейсов», расширение сектора розничных инвестиций. В этих условиях нормативная база обязана стать не просто машиночитаемой, но читаемой и интерпретируемой искусственным интеллектом (AI-readable).
Важным аспектом проекта является создание условий для получения воспроизводимых и хорошо интерпретируемых результатов. Это требует выделения задач: организации и верификации «датапроводов» (dataflow); организации среды работы с результатами анализа в виде интерактивных отчетов (interactive dashboard); управления качеством данных (data quality), как исходных, так и промежуточных. Это позволит конечному пользователю-аналитику банка получить эффективный инструмент анализа и принятия решений.
Результатами проекта будут не только собранная статистика, характеристики регуляторной нагрузки и меморандум на конкретную дату, но средства проведения «воспроизводимого вычислительного эксперимента» по анализу регуляторной нагрузки с выдачей интерактивных отчетов по актуальному состоянию нормативно-правовой базы, что позволит поддержать смежные исследования. Важным результатом также будет исторический анализ и анализ трендов, что позволит учесть возможные изменения позиций Центрального банка и других регуляторов в будущем.
Проект реализуется совместно со Сбером.
Команда проекта
Руководитель проекта
Младший научный сотрудник
Научный работник
Младший научный сотрудник
Научный работник
Младший научный сотрудник
Проектный менеджер
Младший научный сотрудник