Die Beiträge dieser Redaktion bewegen sich in drei Feldern. Sie ergänzen sich, verwechseln sich aber leicht. Wer die Grenzen kennt, liest Risikoberichte genauer.
KI-gestützte Risikomessung
Hier geht es um die Schätzung selbst: wie maschinelles Lernen Verluste, Volatilitäten und Abhängigkeiten quantifiziert. Die Frage ist nicht, ob KI besser schätzt als klassische Modelle, sondern wann – und wann nicht.
Lesen Sie dazu: KI für Value-at-Risk: Schätzung mit Grenzen.
Stresstest-Design
Hier geht es um Szenarien: historische, hypothetische und KI-generierte. Die Frage ist nicht, welches Szenario das richtige ist, sondern welche Quelle es stammt – und ob die Annahmen benannt sind.
Lesen Sie dazu: Stresstest-Design: historisch, hypothetisch, KI-generiert.
Modellvalidierung
Hier geht es um die Prüfung: Backtesting, Sensitivitätsanalyse und Erklärbarkeit. Die Frage ist nicht, ob ein Modell passt, sondern woran man das erkennt.
Lesen Sie dazu: Modellvalidierung: KI-Risikozahlen auf dem Prüfstand.
Möchten Sie ein Thema sehen, das hier fehlt? Schreiben Sie der Redaktion über die Kontaktseite – ohne dass daraus ein Verkaufsgespräch entsteht.