[논문 리뷰] AI-based Personalization and Trust in Digital Finance

Vijaya Kanaparthi|arXiv (Cornell University)|2024. 01. 28.

Impact of AI and Big Data on Business and Society인용 수 20

한 줄 요약

이 논문은 디지털 금융에서 AI 기반 개인화와 신뢰에 관한 체계적 문헌고찰을 수행하고, 경쟁력 있는 성능의 네 가지 분류기로 구성된 AI 기반 신용위험 탐지 모델을 제안한다.

ABSTRACT

Personalized services bridge the gap between a financial institution and its customers and are built on trust. The more we trust the product, the keener we are to disclose our personal information in order to receive a highly personalized service that maximizes consumer value. Artificial Intelligence (AI) can help financial institutions tailor relevant products and services to their customers as well as improve their credit risk management, compliance, and fraud detection capabilities by incorporating chatbots and face recognition systems. The present study has analyzed sixteen research papers using the PRISMA model to perform a Systematic Literature Review (SLR). It has identified five research gaps and corresponding questions to analyze the present scenario. One of the gaps is credit risk detection for improved personalization and trust. Finally, an AI-based credit risk detection model has been built using four supervised machine learning classifiers viz., Support Vector Machine, Random Forest, Decision Tree, and Logistic Regression. Performance comparison shows an optimal performance of the model giving accuracy of ~89%, precision of ~88%, recall of ~89%, specificity of ~89%, F1_score of ~88%, and AUC of 0.77 for the Random Forest classifier. This model is foreseen to be most suitable for envisaging customer characteristics for which personalized credit risk mitigation strategies are particularly effective as compared to other existing works presented in this study.

연구 동기 및 목표

• 신뢰와 소비자 가치를 통해 디지털 금융에서 개인화를 촉진한다.
• 개인화, 위험, 준수 분야의 AI 적용에 관한 기존 문헌을 종합한다.
• 연구 격차를 식별하고 향후 연구를 지침할 질문을 제시한다.
• 개인화된 금융 의사결정을 강화하기 위한 AI 기반 신용위험 탐지 모델을 개발한다.

제안 방법

• PRISMA 기반의 16편 논문에 대한 체계적 문헌고찰을 수행한다.
• 격차를 식별하고 다섯 가지 연구 질문을 제시한다.
• SVM, RF, DT, LR를 사용한 신용위험 탐지 모델을 구축하고 평가한다.
• 정확도, 정밀도, 재현율, 특이도, F1, AUC를 포함한 성능 지표를 보고한다.

실험 결과

연구 질문

• RQ1 디지털 금융에서 AI 주도 개인화와 신뢰의 현재 격차는 무엇인가?
• RQ2 AI가 신뢰를 유지하면서 개인화를 지원하도록 신용위험 탐지를 어떻게 개선할 수 있는가?
• RQ3 개인화된 위험완화를 위해 가장 효과적인 AI 모델과 특징은 무엇인가?
• RQ4 AI 기반 개인화에서의 윤리적, 규제적, 준수 고려사항은 무엇인가?
• RQ5 개인화된 금융 전략을 위한 신용위험 예측에서 서로 다른 분류기가 어떻게 비교되는가?

주요 결과

• SLR은 개인화, 신뢰 및 신용위험과 관련된 다섯 가지 연구 격차를 확인했다.
• SVM, RF, DT, LR를 사용한 AI 기반 신용위험 탐지 모델에서 RF가 약 89% 정확도를 보였다.
• RF는 약 88% 정밀도, 약 89% 재현율, 약 89% 특이도, 약 88% F1, 그리고 AUC 0.77을 달성했다.
• 이 모델은 신용위험 완화 전략을 맞춤화하는 데 특히 적합한 것으로 제안된다.
• 연구는 위험 관리와 준수를 관리하면서 개인화를 강화하는 데 있어 AI의 역할을 강조한다.