Explaining the Unexplainable: A Systematic Review of Explainable AI in Finance

要約

精度と透明性センターのバランスをとろうとしている実務家と研究者は、財務の合流点で説明可能な人工知能（XAI）を説明します。
このペーパーでは、ドメイン固有の実装、方法論的開発、および研究のトレンドマッピングとともに、金融におけるXaiアプリケーションの変化するシーンの概要を徹底的に概説します。
書誌およびコンテンツ分析を使用して、トピッククラスター、重要な研究、およびほとんどの場合、金融産業で使用される説明可能性戦略を使用します。
私たちの結果は、事後解釈可能性の手法に大きく依存していることを示しています。
注意メカニズム、機能の重要性分析、およびSHAPは、それらの中で最も頻繁に使用される手法です。
このレビューは、金融知識と説明可能性パラダイムの改善を組み合わせた学際的なアプローチの必要性を強調し、現在のXaiシステムの重要な欠点を明らかにします。

要約(オリジナル)

Practitioners and researchers trying to strike a balance between accuracy and transparency center Explainable Artificial Intelligence (XAI) at the junction of finance. This paper offers a thorough overview of the changing scene of XAI applications in finance together with domain-specific implementations, methodological developments, and trend mapping of research. Using bibliometric and content analysis, we find topic clusters, significant research, and most often used explainability strategies used in financial industries. Our results show a substantial dependence on post-hoc interpretability techniques; attention mechanisms, feature importance analysis and SHAP are the most often used techniques among them. This review stresses the need of multidisciplinary approaches combining financial knowledge with improved explainability paradigms and exposes important shortcomings in present XAI systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google