模型風險驗證新議題：預測區間與模型失效評估

金融機構與企業日益以 AI、機器學習模型支援授信、交易與風險決策，模型驗證通常著重找出可被判定為錯誤的結果。然而，若預測區間設計得過寬或缺乏可反駁性，即使形式上通過檢查，也可能無法提供有效的風險辨識能力，成為現行治理框架的盲點。

最新報導〈The Model Risk Nobody Screens For: Intervals That Cannot Be Wrong〉將焦點轉向難以判錯的預測區間，指出傳統機制對極端情境及無法明確判別的誤差區段仍欠缺檢測能力。報導未揭露特定機構、金額或事件日期，但凸顯業界須把區間校準、失效條件與壓力測試納入模型審查。