2. Finance の前提：市場リスク & 信用リスクの整理

金融領域で AI を活用するためには、まず 市場リスク（Market Risk） と 信用リスク（Credit Risk） の基本構造を正しく理解しておく必要があります。

これらは金融の根幹にある概念であり、AI モデルを評価する際の “ものさし” としても機能します。

AI の性能だけを見ても、金融では正しく使えません。
「何を予測し、どのリスクを管理するためのモデルなのか」
この前提を理解して初めて、AI の価値と限界が見えてきます。

2-1. 市場リスク（Market Risk）

市場リスクとは、株価・金利・為替・商品価格 などの変動によって損失が発生するリスクを指します。

金融実務では、価格そのものを当てることよりも、
「どれくらいブレるか（＝不確実性）」 を把握することが圧倒的に重視されます。

■ 市場リスクを理解するための基本キーワード

• リターン（Return）：価格変化率
• ボラティリティ（Volatility）：価格の揺れの大きさ
• VaR（Value at Risk）：一定の信頼水準で想定される最大損失

■ なぜ「予測」より「リスク」が重要なのか

市場はランダム性が強く、短期的な価格予測は本質的に困難です。

そのため金融機関は、

「当てる」よりも “外れたときにどれくらい損するか” を重視します。

これは AI モデルでも同様です。

• LSTM は平常時に高精度でも、危機時に誤差が急増する
• ARIMA は安定していても、市場構造が変わる局面に弱い
• 多くの ML モデルは、外れ値に敏感で過学習しやすい

つまり、AI モデルは “予測器” として過信すべきではなく、
リスク管理のための補助線として使う というのが金融の基本姿勢です。

2-2. 信用リスク（Credit Risk）

信用リスクとは、 企業や個人が債務を返済できなくなるリスク のことです。

銀行・カード会社・リース会社など、あらゆる金融機関の中核を占める領域であり、 AI 活用でも特に重要なテーマになります。

■ 与信判断の基本構造

与信判断は、主に次の 2 つの軸で評価されます。

• 返済能力：収入、キャッシュフロー、事業の安定性
• 信用力：過去の延滞、借入状況、財務状態

■ 従来モデルの代表例

• ロジスティック回帰
• スコアカード方式（ポイントの合算によりグレード判定）

従来モデルは透明性が高く、説明がしやすいため、
規制対応と相性が良いという強みがあります。

2-3. 市場リスクと信用リスクが AI で重要になる理由

市場リスクと信用リスクは、
「AI モデルが何を学習し、何をリスクとして管理すべきか」
という評価軸の基礎になります。

市場リスクでは：

• 誤差分布・外れ方のクセ

信用リスクでは：

• 説明可能性（Explainability）

AI の予測性能が高くても、
「市場変動に弱いモデル」や「理由を説明できない信用モデル」は金融では利用できません。

2-4. まとめ：AI を活かすには“金融のものさし”が必要

金融で AI を正しく活用するためには、
市場リスクと信用リスクの構造を理解したうえでモデルを評価する姿勢 が不可欠です。

• 何を予測するモデルなのか
• どのリスクを管理するためのものなのか
• 外れたときにどう振る舞うのか
• 説明責任に耐えられるか

これらの基準で AI を評価して初めて、
金融実務における価値と限界 が明確になります。