当机器学习金融模型失败时会发生什么

这是一个奇怪的时代。看，我们有16万亿的负收益债券，T代表万亿。有非金融行业的人问我，为什么有人想买负收益率(顺便说一句，你是花钱持有的)，我回答说，这与收入无关，这与利率会进一步下降的交易有关。

这让我思考:如果我们处于一个流动性陷阱的世界和负利率环境中，这对所有这些使用最新、最好的人工智能和机器学习技术构建的发票金融模型有什么影响?

为了获得一些见解，我回顾了2007-08年，这是一个事情变得很奇怪的时期，当时是抵押贷款支持证券(MBS)危机，这可能是杠杆和证券化方面最大的市场灾难，证券化与不符合标准的抵押贷款挂钩，并将其出售给渴望获得收益的投资者。听起来是不是很熟悉?

当这一资产类别迅速增长到近10万亿美元(是的，另一个T)时，它应该是不同的，因为高斯Copula公式这些抵押贷款的证券化和分级是有效的。看到杀死华尔街的公式

但这一次没有，因为它没有预料到房价会大幅下跌。

我们现在正在建立新的模型，利用技术为发票融资。这次应该会有所不同，因为我们很聪明，我们更聪明，我们使用人工智能和机器学习算法，可以评估发票提交后立即支付的可能性。

对于那些不熟悉发票融资的人来说，它有三个阶段，每个阶段都有不同的风险:发票提交,当已验证交付，以及何时发票已批准由买方根据付款条件安排付款。看到的:来源到支付网络能否超越已批准的发票?

我并不是说任何新兴模式都会失败。当然，如果我向Pacific Gas提交了1000张发票，并对它们进行了付款评估，所有发票都支付了(大多数是全额支付)，那么是的，你可以评估这种风险。如果我是一个新供应商，或者买方和卖方之间有发票纠纷的记录，这种风险就更难评估了。

关于这些新兴模式，我想说的有三点:

1. 这些模型是在没有重要信用周期信息的情况下建立的。
2. 这些模型可能在一段时间内有效，但当它们不起作用时，它可能会变得丑陋——回想一下MBS和高斯Copula公式。
3. 你需要更多的信息，而不仅仅是买方和卖方的交易历史——这是必要的，但不是足够的信用信息。

现实情况是，我们今天正处于未知的水域，由中央银行家领导，他们越来越担心流动性陷阱，并在全球范围内将定性宽松计划作为永久性政策。

我完全支持创新承销，并将自动化引入发票融资市场，但模式并非无懈可击。

David Gustin从事研究和咨询业万博体育下载app务，主要帮助金融机构、供应商和企业了解贸易信贷、支付和金融供应链的交叉。这篇文章是这是大卫在接口金融集团(The Interface Financial Group)做一个特殊项目时写的。