【正文】 指： 目錄 索引號(hào) GHJYPJJG001 版本號(hào) 20200621 第 33頁(yè) 共 56 頁(yè) 20201220 關(guān)鍵的政策條例的變化以及重大的外部經(jīng)濟(jì)環(huán)境變化（例如經(jīng)濟(jì)危機(jī)）。對(duì) MIS系統(tǒng)的最低程度的跟蹤功能要求是：必須能夠每月產(chǎn)生一次分析信貸風(fēng)險(xiǎn)評(píng)分模型的結(jié)果，主要應(yīng)用功能如下所示： 1. 前端的 MIS： 1)評(píng)分結(jié)果的分配（例如：符合進(jìn)入審批的要求 、審批、登記） 2)客戶群穩(wěn)定性報(bào)告 3)評(píng)分卡參數(shù)分析報(bào)告 4)特定的評(píng)分等級(jí)下的審批和登記率 5)人為調(diào)整低端和高端的評(píng)分（一方面要看人為調(diào)整評(píng)分等級(jí)的原因，另一方面要看客觀的評(píng)分等級(jí)） 6)MIS 的應(yīng)用功能并不是評(píng)分，是全局性的并且是考慮到調(diào)整原因的 目錄 索引號(hào) GHJYPJJG001 版本號(hào) 20200621 第 34頁(yè) 共 56 頁(yè) 20201220 2. 后臺(tái)的 MIS 1)正常貸款與不良貸款區(qū)分（應(yīng)用 KS 統(tǒng)計(jì)量或準(zhǔn)確率曲線） 2)通過(guò)評(píng)分區(qū)隔的等級(jí)判斷不良貸款和貸款損失（用實(shí)際的評(píng)分結(jié)果和預(yù)期的分值進(jìn)行對(duì)比） 3)不良貸款的存續(xù)期限 4)不良貸款的主要細(xì)分標(biāo)準(zhǔn)（例如：渠道、業(yè)務(wù)拓展計(jì)劃等） 5)通 過(guò)調(diào)整評(píng)分的原因和客觀的評(píng)分范圍來(lái)衡量低端得分的貸款獲得人為調(diào)整決策的準(zhǔn)確性 員工和培訓(xùn) 合適的人員以及充足的資源和系統(tǒng)是執(zhí)行和管理評(píng)分模型的必要條件。模型中所采 用的相關(guān)參數(shù)和權(quán)重分配方案應(yīng)該在集中在關(guān)鍵人手中，以保證它的安全性和保密性。所有的用戶權(quán)限必須受到嚴(yán)格的監(jiān)控以保證評(píng)分模型的安全性。在模型開(kāi)發(fā)之前所有的數(shù)據(jù)應(yīng)該已經(jīng)經(jīng)過(guò)清理和分析，確保其整合性和準(zhǔn)確性。 銀監(jiān)會(huì)發(fā)布的有關(guān)信息必須被納入評(píng)分模型中并作為評(píng)分模型最終給出審批結(jié)論的依據(jù)之一。澳洲國(guó)家銀行集團(tuán)還在美國(guó)、新西蘭、歐洲及亞洲地區(qū)分布了 6家控股 銀行。用戶也可輸入一部分定量的數(shù)據(jù)獲得一些定量評(píng)級(jí)的結(jié)果。 在 1999 年末， 澳洲國(guó)家銀行決定由 Risk Scores 模型演進(jìn)為 Moody主推的新一代定量評(píng)級(jí)模型 Risk Calc。 通過(guò) 8年的努力，澳洲國(guó)家銀行完成了從定性到定量逐步推進(jìn)的信貸風(fēng)險(xiǎn)評(píng)級(jí)模型建立的過(guò)程。澳洲國(guó)家銀行所有的 7家銀行在數(shù)據(jù)提供方面給予了最大的支持和配合。 作為澳洲三大銀行之一，澳洲國(guó)家仍采用了外部評(píng)級(jí)模型作為基礎(chǔ)。渣打銀行在香港地區(qū)及新加坡地區(qū)一直擁有良好的業(yè)績(jī)，香港分行更是其中的佼佼者，在 2020 年經(jīng)濟(jì)發(fā)展不利的大環(huán)境下依 舊將銷售收入同比提高了 5個(gè)百分點(diǎn)，達(dá)到了 億美元。同年，經(jīng)過(guò)慎重考慮，渣打銀行購(gòu)買了 FAMAS工具作為實(shí)施信貸風(fēng)險(xiǎn)評(píng)級(jí)管理的第一步。 目錄 索引號(hào) GHJYPJJG001 版本號(hào) 20200621 第 40頁(yè) 共 56 頁(yè) 20201220 FAMAS 模型的評(píng)級(jí)結(jié)果分為 23 級(jí)，其中大型客戶的評(píng)級(jí)標(biāo)準(zhǔn)從 114級(jí)；中型客戶的評(píng)級(jí)標(biāo)準(zhǔn)從 619級(jí)；小型客戶的評(píng)級(jí)標(biāo)準(zhǔn)從 1023級(jí)。 經(jīng)驗(yàn)借鑒 渣打銀行香港和新加坡分行根據(jù)自身情況循序漸進(jìn)的建立評(píng)級(jí)模型是先進(jìn)銀行通常采用的成熟做法。 該銀行的股票同時(shí)還在倫敦掛牌交易 ，并在美國(guó)為投資者提供第一級(jí)贊助形式的美國(guó)預(yù)托證券計(jì)劃。由于資產(chǎn)質(zhì)量良好，恒生銀行此前并沒(méi)有積累過(guò)內(nèi)部評(píng)級(jí)模型建設(shè)的經(jīng)驗(yàn)。該工具包含了內(nèi)部評(píng)級(jí)模型工具，它與前文提及的FAMAS 模型類似，也是通過(guò)輸入財(cái)務(wù)定量數(shù)據(jù)，通過(guò)模型計(jì)算獲得評(píng)級(jí)結(jié)果。 匯豐銀行（香港） 背景 匯豐集團(tuán)創(chuàng)立于香港，目前是全球最大的銀行及金 融服務(wù)機(jī)構(gòu)之一。 模型建設(shè)和方法 匯豐銀行的內(nèi)部評(píng)級(jí)模型的建立方法與恒生銀行的基本類似。 項(xiàng)目始于 2020年，目 前正在進(jìn)行中。 2020財(cái)年度結(jié)束時(shí)，新加坡華僑銀行的凈利潤(rùn)達(dá)到了 。 第二階段 ，開(kāi)發(fā)具有 9個(gè)級(jí)別的專家經(jīng)驗(yàn)?zāi)Ｐ汀Ｔ谶@個(gè)模型中，模型結(jié)果的比重被調(diào)整為 70%。 模型在建成使用后，銀行一度租賃了 Default Filter模型作為檢驗(yàn)工具，以校準(zhǔn)相應(yīng)的評(píng)級(jí)結(jié)果。在 4年中，它采用漸進(jìn)的步驟來(lái)實(shí)施信貸風(fēng)險(xiǎn)模型，從完全的主觀評(píng)級(jí)模型發(fā)展到使用數(shù)量方法來(lái)檢驗(yàn)主觀評(píng)級(jí)體系的有效性。 采用外部模型以作為自建模型的校正 是一種有效的輔助方法。除了新加坡及香港兩大主要市場(chǎng)外， DBS 銀行亦在泰國(guó)、菲律賓和印尼建立分支機(jī)構(gòu)，為企業(yè)、機(jī)構(gòu)及個(gè)人客戶提供服務(wù)。因此在同年， DBS 聘請(qǐng)了 Oliver Wyman 目錄 索引號(hào) GHJYPJJG001 版本號(hào) 20200621 第 46頁(yè) 共 56 頁(yè) 20201220 幫助銀行進(jìn)行風(fēng)險(xiǎn)評(píng)級(jí)模型構(gòu)建。 隨著亞洲經(jīng)濟(jì)漸漸復(fù)蘇，新的經(jīng)濟(jì)環(huán)境導(dǎo)致既定模型不能很好地測(cè)算 PD 值。新加坡發(fā)展銀行和另四家新加坡的本地銀行集中了 5000個(gè)數(shù)據(jù)。 經(jīng)驗(yàn)借鑒 目錄 索引號(hào) GHJYPJJG001 版本號(hào) 20200621 第 47頁(yè) 共 56 頁(yè) 20201220 數(shù)據(jù)量和質(zhì)量是銀行建立模型的主要基礎(chǔ)。 循序漸進(jìn)是值得高度重視的模型建設(shè)策略。 2020 年度，集團(tuán)總資產(chǎn)為 元。 經(jīng)驗(yàn)借鑒 以內(nèi)部數(shù)據(jù)自建模型遇到的主要障礙是數(shù)據(jù)問(wèn)題。定性變量的投入包括管理、市場(chǎng)和外部經(jīng)濟(jì)環(huán)境等變量。 畢博的初步結(jié)論 Moody模型在本次項(xiàng)目中并不為畢博所推薦，其原因是 Moody模型已經(jīng)有了 一個(gè)更為先進(jìn)的升級(jí)版本，它叫做 Risk Calc。該模型包含了 13個(gè)財(cái)務(wù)屬性根據(jù)不同的比重分布于模型中。 作用和過(guò)程 這是一個(gè)定量化的模型，它利用從不同國(guó)家收集來(lái)的數(shù)據(jù)，融會(huì)在數(shù)據(jù)庫(kù)中，獲得的資料轉(zhuǎn)回測(cè)試每個(gè)國(guó)家的貸款人估計(jì)違約概率。 3. KMV 簡(jiǎn)介 該模型主要用于計(jì)算客戶的違約概率。 變量投入 債務(wù)價(jià)值、資產(chǎn)價(jià)值和股票市值及行業(yè)資料。 畢博的初步結(jié)論 該模型比較適宜應(yīng)用于適宜于證券市場(chǎng)比較建全的國(guó)家和市場(chǎng)，這是因?yàn)樾畔⒌耐该鞫炔桓邔?dǎo)致股票價(jià)格不能真正反映公司的實(shí)際價(jià)值。 產(chǎn)出 該模型的產(chǎn)出主要表現(xiàn)在評(píng)估那些導(dǎo)致出現(xiàn)預(yù)期損失的貸款人估計(jì)違約概率和債向的違約損失率。該模型開(kāi)發(fā)所應(yīng)用的數(shù)據(jù)來(lái)自于美國(guó)數(shù)據(jù)庫(kù)。 作用和過(guò)程 對(duì)上市公司的違約預(yù)測(cè)評(píng)估十分準(zhǔn)確。股東們“隨意地”掌握公司，但是一旦公司運(yùn)營(yíng)狀況變差（例如，產(chǎn)生資不抵債的狀況時(shí)），他們就開(kāi)始對(duì)未來(lái)的選擇發(fā)生質(zhì)疑，并且出現(xiàn)一些不良的情況 , 例如 ,發(fā)生違約。數(shù)據(jù)需要至少?gòu)某^(guò) 20200 個(gè)數(shù)據(jù)樣本中篩選出的 5000個(gè)穩(wěn)定的數(shù)據(jù)。 變量投入 投入的主要變量是 13個(gè)財(cái)務(wù)決算變量但不牽涉定 性的標(biāo)準(zhǔn)。 2. Risk Calc 簡(jiǎn)介 這是一個(gè)跨時(shí)代的風(fēng)險(xiǎn)評(píng)分工具。 在西方國(guó)家已經(jīng)有很多使用者通過(guò)實(shí)施該模型獲益，并且有很多成功的實(shí)施參照經(jīng)驗(yàn)。該模型基于邁克爾 . 波特的理論，對(duì)不同行業(yè)貸款人的信用價(jià)值評(píng)估設(shè)計(jì)了兩方面的評(píng)價(jià)： 8至 10個(gè)財(cái)務(wù)級(jí)別指示和大約 20個(gè)問(wèn)題，測(cè)試不同行業(yè)貸款人信用價(jià)值的質(zhì)的因素。項(xiàng)目從 2020年的 4月開(kāi)始，經(jīng)過(guò) 8個(gè)月艱苦的數(shù)據(jù)收集 目錄 索引號(hào) GHJYPJJG001 版本號(hào) 20200621 第 48頁(yè) 共 56 頁(yè) 20201220 工作，這家咨詢公司不得不退出了這個(gè)項(xiàng)目。 2020年度統(tǒng)計(jì)顯示，該銀行在馬來(lái)西亞擁有超過(guò) 95 家分行，雇員超過(guò) 4500 人。 穆迪等國(guó)際評(píng)級(jí)機(jī)構(gòu)現(xiàn)在只開(kāi)發(fā)有基于發(fā)達(dá)市場(chǎng)經(jīng)濟(jì)的模型。此模型是Moody在全球開(kāi)發(fā)的第四個(gè)模型（前三個(gè)模型分別是美國(guó)模型、澳大利亞模型和韓國(guó)模型），也是在 亞洲地區(qū)開(kāi)發(fā)的第二個(gè)模型，被稱為Moody的“新加坡模型”。 2020 年，銀行采納了客戶經(jīng)理的意見(jiàn)，決定采用 Moody的 Risk Scores內(nèi)部主觀評(píng)級(jí)模型給出的評(píng)級(jí)標(biāo)準(zhǔn)來(lái)確定貸款定價(jià)。 1998年底，模型構(gòu)建完畢。 模型和建立方式介紹 1998 年金融風(fēng)暴過(guò)后， 亞洲各大銀行高度重視信貸風(fēng)險(xiǎn)評(píng)級(jí)系統(tǒng)的建設(shè)。 DBS 銀行在零售銀行、財(cái)資市場(chǎng)、證券、新加坡元貸款、存款、股票及債券融資市場(chǎng)上均占領(lǐng)導(dǎo)地位。 目錄 索引號(hào) GHJYPJJG001 版本號(hào) 20200621 第 45頁(yè) 共 56 頁(yè) 20201220 獲得客戶經(jīng)理和資深信貸人員的支持是建立適用模型的最關(guān)鍵的保證。 Default Filter采用神經(jīng)網(wǎng)絡(luò)技術(shù)，對(duì)財(cái)務(wù)和定性的數(shù)據(jù)進(jìn)行分析，最終輸出的是違約概率。在多方采納經(jīng)驗(yàn)和建議后，獲得了整個(gè)項(xiàng)目逐步遞進(jìn)的開(kāi)發(fā)方案。第二階段開(kāi) 目錄 索引號(hào) GHJYPJJG001 版本號(hào) 20200621 第 44頁(yè) 共 56 頁(yè) 20201220 發(fā)的模型是定量數(shù)據(jù)主導(dǎo)評(píng)級(jí)模型，模型計(jì)算的評(píng)級(jí)結(jié)果再最終決策中的比重達(dá)到了 60%。通過(guò)對(duì)銀行現(xiàn)狀和模型建 設(shè)目的的充分理解， KPMG 為銀行提出了“分步走”和獲得“快速投資回報(bào)”的模型建設(shè)方案。 2 中型商業(yè)銀行 新加坡華僑銀行（ OCBC） 背景 新加坡華僑銀行擁有 467 億美元的資產(chǎn)規(guī)模，在東南亞、澳洲、美國(guó)和英國(guó)等 14 個(gè)國(guó)家和地區(qū)建立了分支機(jī)構(gòu)。匯豐銀行十分注重貸款人現(xiàn)金流的質(zhì)量。匯豐銀行是匯豐集團(tuán)麾下的核心業(yè)務(wù)之一，銀行在匯豐集團(tuán)的管理下取得了巨大的發(fā)展。 經(jīng)驗(yàn)借鑒 目錄 索引號(hào) GHJYPJJG001 版本號(hào) 20200621 第 42頁(yè) 共 56 頁(yè) 20201220 客戶資料保持完好是模型順利實(shí)施的保障。這一嘗試是恒生銀行全面建設(shè)內(nèi)部風(fēng)險(xiǎn)評(píng)級(jí)模型的開(kāi)始。 恒生銀行的主要業(yè)務(wù)的復(fù)雜程度較高，包括：個(gè)人理財(cái)、商業(yè)銀行、工商及金融機(jī)構(gòu)業(yè)務(wù)、金融服務(wù)及私人銀行服務(wù)。 通過(guò) EDF代理的方法還是有可能影響到模型統(tǒng)計(jì)結(jié)果的質(zhì)量。但是模型計(jì)算的結(jié)果并不很準(zhǔn)確，其主要原因是數(shù)據(jù)是通過(guò) EDF代 理方式而不是數(shù)據(jù)直接對(duì)應(yīng)的方式，這影響了計(jì)算結(jié)果的準(zhǔn)確性。 FAMAS 的主觀評(píng)級(jí)模型有定性的評(píng)級(jí)功能也有一部分通過(guò)財(cái)務(wù)數(shù)據(jù)進(jìn)行定量評(píng)級(jí)的功能。其信貸業(yè)務(wù)范圍涉及個(gè)人貸款、信用卡業(yè)務(wù)、抵押貸款、各類企業(yè)貸款、項(xiàng)目融資等。 估算準(zhǔn)確的違約概率需要數(shù)據(jù)量的積累，有時(shí)會(huì)是一個(gè)漫長(zhǎng)的過(guò)程。模型統(tǒng)計(jì)的評(píng)級(jí)結(jié)果正確率 非常高。這給項(xiàng)目最終獲得成功提供了保障。該模型 還 目錄 索引號(hào) GHJYPJJG001 版本號(hào) 20200621 第 38頁(yè) 共 56 頁(yè) 20201220 可由銀行人員根據(jù)不同的市場(chǎng)情況進(jìn)行自我調(diào)節(jié)。 通過(guò) 4年的項(xiàng)目實(shí)施，并取得了階段性的項(xiàng)目成果以后，澳洲國(guó)家銀行與 Moody也形成了較 為牢固的伙伴關(guān)系。此次項(xiàng)目主要針對(duì)的客戶群體是澳洲國(guó)家銀行的大型公司客戶和中間市場(chǎng)客戶。截止 2020 年 9月（按該銀行集團(tuán)財(cái)務(wù)年度統(tǒng)計(jì)），其資產(chǎn)規(guī)模超過(guò)了 375 億美元，擁有超過(guò) 800萬(wàn)的銀行客戶。如果應(yīng)用系統(tǒng)和會(huì)計(jì)系統(tǒng)的資料被儲(chǔ)存在不同的記錄中，那么必須將這些數(shù)據(jù)通過(guò)合理的邏輯關(guān)系鏈接起來(lái)，保證數(shù)據(jù)的整合性。 數(shù)據(jù)的保存和使用 數(shù)據(jù)的存儲(chǔ)和 MIS 系統(tǒng)必須能夠支持評(píng)分模型的開(kāi)發(fā)和確認(rèn)。評(píng)分模型的細(xì)節(jié)和相關(guān)的關(guān)鍵信息必須作為知識(shí)產(chǎn)權(quán)進(jìn)行嚴(yán)格地保密。 合規(guī)性 評(píng)分模型的建設(shè)和維護(hù)必須符合國(guó)家 /當(dāng)?shù)氐挠熊壏煞ㄒ?guī)及政策條例的規(guī)定，必須通過(guò)有關(guān)機(jī)構(gòu)的認(rèn)可。 所有在系統(tǒng)中測(cè)評(píng)結(jié)果為低端的評(píng)分卻得到人為調(diào)整的情況，必須以其獲得人為調(diào)整的原因作為基礎(chǔ)，持續(xù)跟蹤這筆貸款。 改動(dòng)記錄 信貸政策 /信貸組合方面活動(dòng)的任何細(xì)節(jié)改動(dòng)或者對(duì)信貸管理產(chǎn)生重大影響的大事件都必須以合規(guī)的文檔形式記錄并保存下來(lái)。大部分模型需要利用外部數(shù)據(jù)來(lái)做校準(zhǔn)，以確保模型的準(zhǔn)確性和穩(wěn)定性。內(nèi)部評(píng)級(jí)模型建設(shè)過(guò)程的所有技術(shù)文檔和過(guò)程文件都要由專人保存下來(lái)，供模型技術(shù)人員、銀行高層及監(jiān)管當(dāng)局查閱和檢驗(yàn)。 根據(jù)經(jīng)驗(yàn)，畢博認(rèn)為 KS 在 45%50%范圍內(nèi)的模型都是較為有效的模型。這樣就建立起了兩個(gè)獨(dú)立的數(shù)據(jù)池（ data pool），保證了檢驗(yàn)的質(zhì)量。從監(jiān)管當(dāng)局的要求來(lái)說(shuō) ，巴塞爾新資本協(xié)議也要求銀行至少每年檢驗(yàn)?zāi)Ｐ偷谋憩F(xiàn)。判斷的標(biāo)準(zhǔn)是調(diào)整后的評(píng)級(jí)各級(jí)別間能夠保持良好的關(guān)系，并在違約率平均值上與國(guó)際標(biāo)準(zhǔn)有一致的對(duì)應(yīng)關(guān)系。并根據(jù)違約率指定客戶的信用評(píng)級(jí)。然后用這些模型計(jì)算浦發(fā)客戶數(shù)據(jù)的評(píng)分值，并根據(jù)這些評(píng)分值將客戶進(jìn)行分類，計(jì)算這些分類的平均違約率。 定量模型需要的變量全部直接或間接地來(lái)源于財(cái)務(wù)數(shù)據(jù)，模型本身的參數(shù)需要專門的庫(kù)來(lái)管理和維護(hù)。 按照 行業(yè)劃分的探索 類似于規(guī)模上的探索，我們也可以針對(duì)浦發(fā)的客戶狀況及不同行業(yè)財(cái)務(wù)因素的顯著不同性，構(gòu)造出具