Hvordan en model risk-funktion holder op med at dokumentere outputs og begynder at dokumentere ræsonnement

Model risk management-frameworks — SR 11-7, EBA's retningslinjer for interne modeller — deler et fælles krav: institutionen skal kunne forklare ikke bare, hvad en model producerede, men hvad den baserede sig på for at producere det. Data inputs, den konceptuelle ramme, begrænsningerne, den løbende monitorering. Alt dokumenteret, vedligeholdt og genfindeligt.

For en bank med et voksende estate af statistiske og machine learning-modeller er dokumentationsprocessen en flaskehals. Modelejere er dygtige. Validatorer er stringente. Problemet er substratet: modeldokumentation vedligeholdes i en blanding af Word-dokumenter, SharePoint-mapper og ticketing-tråde. Der er ingen systematisk forbindelse mellem en models aktuelle dokumentationstilstand og de data-, policy- og metodekilder, som dokumentationen citerer.

Når en intern audit anfægter en models konceptuelle soliditet, kræver svaret flere dages manuelt assembly: at lokalisere den relevante modeldokumentversion, spore hvilke datakilder der var aktuelle på tidspunktet for den seneste validering, finde de policy-passager, der understøttede metodevalgene. Svarene eksisterer. At producere dem er dyrt og langsomt.

Det dybere problem er temporalt. En model, der er korrekt dokumenteret under ét policy- eller datamiljø, bliver forkert dokumenteret efter en regulatorisk revision eller en datakildeændring — uden noget automatisk flag om, at dokumentationen nu er ude af trit med sine egne citations.

Enter1Nine er deployed som et semantic layer, der forbinder modelinventaret, underliggende datakilderegistre, regulatory guidance libraries og valideringsrapporter. Målet er en governed knowledge graph, hvori en models dokumentation ikke er et statisk artefakt, men en levende rekord, knyttet til dens konceptuelle grundlag.

Hver policy-passage, datakildbeskrivelse og metodecitation i et modeldokument er ingested med provenance. Ontology definerer relationerne: denne model baserer sig på denne datakilde; dette metodologivalg er forankret i denne regulatoriske passage; denne valideringskonklusion refererer til denne version af risk appetite framework.

Når en citeret kilde ændrer sig — en regulatorisk vejledning opdateres, en datakilde revideres — fremkommer de berørte modeldokumenter, og kløften mellem den aktuelle dokumentationstilstand og den aktuelle kildetilstand flagges. Modelejere ser på ét blik, hvilke dokumenter der kræver review og hvorfor.

For modelvalideringsrapporter udkaster agents dokumentationssektionen: en struktureret narrativ, der citerer de relevante ontology nodes, source-passager og valideringsresultater. Validatorer gennemgår og redigerer. Outputtet er ikke en skabelon — det er en citeret rekord over ræsonnementet bag hvert valideringsskøn.

En ny model indsendes til validering. Dokumentationsreview'en starter automatisk.

Systemet traverserer knowledge graph og returnerer den aktuelle tilstand for hver citeret kilde: hvilke data inputs er i scope, hvilke policy-passager styrer metoden, hvilke tidligere valideringer har adresseret relaterede spørgsmål. Validatoren begynder med en komplet, citeret kontekst — ikke en søgeopgave.

Hvor tidligere valideringer af lignende modeller eksisterer, fremkommer de relevante præcedenser. Validatoren ser, hvordan analoge metodespørgsmål er løst, med dokumentationssporet intakt.

Når valideringen er afsluttet, bærer godkendelsesrekorden den citerede evidenskæde. En intern auditor, der reviewer modellen seks måneder senere, ser ikke bare valideringskonklusionen, men enhver kilde, der understøttede den — ved den præcise version, der var aktuel på valideringstidspunktet.

Audit bliver en review, ikke en rekonstruktion.

Model risk-funktionen får et konsistent svar på det sværeste audit-spørgsmål: kan du vise mig, for denne beslutning, hvad ræsonnementet var, og hvad det baserede sig på? For enhver valideret model er svaret nu en retrieval — en gennemgang af knowledge graph, der reproducerer dokumentationstilstanden på valideringstidspunktet.

Regulatoriske undersøgelser, der tidligere krævede flere dages manuelt assembly, besvares direkte fra graph'en. Dokumentationskvaliteten forbedres, fordi modelejere i realtid ser, hvornår deres dokumentation er driftet fra sine egne kilder.

Den ændring, der betyder mest, er ikke operationel. Det er kulturel. Modeldokumentation bliver noget, organisationen stoler på — fordi den er forbundet med de kilder, den citerer, og fordi disse forbindelser vedligeholdes automatisk.