【正文】 度較低時，容易通過主觀判斷識別信貸業(yè)務(wù)中的風(fēng)險，因此較容易建立專家經(jīng)驗?zāi)Ｐ汀Ｍ瑫r，嘗試自建模型也可以作為一種可以嘗試的選擇。 啟示四：模型的建立需要銀行相關(guān)人員的支持 內(nèi)部評級模型的建立需要銀行內(nèi)部的大力支持和參與，特別在現(xiàn)階段，風(fēng)險因素的選擇、數(shù) 據(jù)的收集和模型方案的選擇是必須由浦發(fā)銀行企業(yè)相關(guān)人員的參與。 3)、明確貸款違約敞口（ EAD）和度量期限（ M）的定義及所需因素 4)、根據(jù)巴塞爾新資本協(xié)議內(nèi)部評級法初級法的要求估算貸款預(yù)期損失（ EL）和預(yù)期損失率 5)、模型的開發(fā)、測試和使用符合巴塞爾新資本協(xié)議初級法的要求 6)、為內(nèi)部評級模型的進一步優(yōu)化、組合風(fēng)險度量積累數(shù)據(jù)資源 目錄 索引號 GHJYPJJG001 版本號 20200621 第 16頁 共 56 頁 20201220 畢博建議的內(nèi)部評級體系模型建設(shè)方案的 建設(shè)周期 初步建議： 鑒于內(nèi)部評級模型在風(fēng)險管理中的重要的基礎(chǔ)性地位，畢博建議浦發(fā)銀行應(yīng)盡快實施內(nèi)部評級項目，至少應(yīng)盡快進行模型開發(fā)的數(shù)據(jù)收集工作，否則后續(xù)風(fēng)險度量和管理 項目將缺乏進行的基礎(chǔ)。 對于項目融資等特殊交易的債項評級模型，鑒于國內(nèi)行業(yè)融資的復(fù)雜程度以及融資機構(gòu)的較不規(guī)范，建議近期先不開發(fā)。模型構(gòu)造中可能用到的數(shù)量統(tǒng)計分析工具包括：主成分分析、多元線性回歸、邏輯回歸、或判別分析等。 定性風(fēng)險因素確定方式的初步建議 針對國內(nèi)的現(xiàn)狀（財務(wù)數(shù)據(jù)的準確性和可信度有待完善），畢博認為定性數(shù)據(jù)有可能仍然有預(yù)測性能力。定量風(fēng)險因素的確定過程需要在歷史數(shù)據(jù)的基礎(chǔ)上對各類財務(wù)指標項目進行風(fēng)險相關(guān)性度量，以最終確定將會被應(yīng)用在風(fēng)險評級模型中的財務(wù)數(shù)據(jù)參數(shù)。 第三節(jié) 數(shù)據(jù)的收集管理策略 通過現(xiàn)狀診斷，浦發(fā)銀行的數(shù)據(jù)管理工作存在著完全手工化，無專業(yè)的信貸信息管理系統(tǒng)支持的問題。對于一個典型的行業(yè)模型建設(shè)而言，原則上需要 1000 條有效數(shù)據(jù)。 根據(jù)畢博的經(jīng)驗，初步建議的數(shù)據(jù)收集管理建議方案將分為四個階段： 目錄 索引號 GHJYPJJG001 版本號 20200621 第 22頁 共 56 頁 20201220 數(shù)據(jù)分析 要進行風(fēng)險度量模型的建設(shè)，其首要面對 的問題是：數(shù)據(jù)的存在性分析和數(shù)據(jù)的質(zhì)量分析。同時會有諸多細致的工作，包括大量的 協(xié)調(diào)和數(shù)據(jù)質(zhì)量的控制工作。 目錄 索引號 GHJYPJJG001 版本號 20200621 第 23頁 共 56 頁 20201220 確定數(shù)據(jù)收集的周期 數(shù)據(jù)收集要在規(guī)定的期限內(nèi)完成，這牽涉到部分數(shù)據(jù)的有效期限和模型建設(shè)的進度。在準備充分，方案完備，并在有經(jīng)驗支持的前提下，將數(shù)據(jù)收集的工作周期盡可能控制在 3個月左右的時間內(nèi)。這些客戶的類型應(yīng)該涵蓋： 企業(yè)客戶（包括新建企業(yè)）、特殊單位（機關(guān)、醫(yī)療、教育等）。 目錄 索引號 GHJYPJJG001 版本號 20200621 第 24頁 共 56 頁 20201220 數(shù)據(jù)清理 數(shù)據(jù)清理是降低數(shù)據(jù)收集、錄入錯誤的必要步驟。畢博的經(jīng)驗是：清理工作可以采用疊加式工作模式，與數(shù)據(jù)采集工作同步展開，爭取在既定的時間采集周期內(nèi)完成工作。 根據(jù)畢博的經(jīng)驗，初步建議是采用上述的第二種方案，即集中錄入的方案。 第四節(jié) 評級模型建設(shè)策略 針對浦發(fā)銀行的現(xiàn)狀，目前雖然有一套客戶信用評分體表和擔(dān)保評分表，但它們?nèi)源嬖谝恍┚窒扌?，包括：評分結(jié)果未和客戶的違約率以及債項的預(yù)期損失建立映射關(guān)系、客戶評估未區(qū)分大 型客戶和中小客戶、評分表的開發(fā)和使用過程中缺乏必要的檢驗、依據(jù)評分的數(shù)據(jù)資源沒有得到很好的驗證和保存等。因此，畢博的初步建議是：近期內(nèi)，盡快建立起適合浦發(fā)業(yè)務(wù)需求的，且為浦發(fā)風(fēng)險溝通所接受的內(nèi)部評級系統(tǒng)。這里的規(guī)模定義可以參照國家統(tǒng)計局的標準，也可以根據(jù)浦發(fā)銀行現(xiàn)有公司客戶規(guī)?？傮w上不大的特點而另行劃分。然后，再以模型的可靠性測試及分群技巧來核實不同行業(yè)的客戶的同類性，繼而決定是否需要為不同的行業(yè)、地區(qū)的客戶來建立不同的模型。 主要模型的構(gòu)建方法： 我們建議的客戶信用評級模型的構(gòu)建首先基于定量數(shù)據(jù)給出信用評分并將評分映射為信用級別，其次是用定性模型以確定對定量評級的調(diào)整，最后根據(jù)這種調(diào)整得到最終的客戶信用評 級，它決定客戶的 PD 值。P或 Moody）的一年期違約率數(shù)據(jù)對應(yīng)，建立模型。根據(jù)評分值將客戶分類，計算各類的違約率。具體的思路是我們將根據(jù)定性數(shù)據(jù)的評分，統(tǒng)一為定量評級結(jié)果作出調(diào) 整。使用準確性未經(jīng)檢驗確認的模型可能會給銀行帶來很大的風(fēng)險。 60%的數(shù)據(jù)將作為運算集數(shù)據(jù)， 40%將作為檢驗集數(shù)據(jù)。 常用的模型績效檢驗指標 KS 指標 一般來說，可以通過計算 KS 指標獲得評價模型工具績效的“增益表”（ gains chart） ,如下圖所示： “增益表”（ gains chart）可以直觀地描述對“好壞”判斷的準確度。 定性檢驗方法： 模型設(shè)計程 序的規(guī)范化 模型設(shè)計過程的嚴格化、標準化也是銀行內(nèi)部和監(jiān)管當(dāng)局檢驗?zāi)Ｐ偷闹匾緩街弧? 目錄 索引號 GHJYPJJG001 版本號 20200621 第 32頁 共 56 頁 20201220 數(shù)據(jù)質(zhì)量的校準 數(shù)據(jù)質(zhì)量的校準是模型定性檢驗的另一個重要部分。 第六節(jié) 評級模型維護的策略 準確度檢驗 : 未來的業(yè)務(wù)流程能夠持續(xù)而有效的監(jiān)控數(shù)據(jù)輸入的準確性、監(jiān)控評分計算的結(jié)果和并在系統(tǒng)上線后監(jiān)控評分的正規(guī)用途。 評分模型 MIS MIS 系統(tǒng)能夠直接從業(yè)務(wù)記錄中獲得數(shù)據(jù)信息以考核評分模型的績效。所有的人員（包括產(chǎn)品經(jīng)理、采集經(jīng)理以及承包商）在授權(quán)應(yīng)用評分模型前都要經(jīng)過嚴格的培訓(xùn)，以便讓他們熟悉評分模型的功能及使用技巧。掌握技術(shù)的關(guān)鍵人不得向任何客戶或者銷售機構(gòu)透露相關(guān)內(nèi)容。 評分卡供應(yīng)商 所有外部的供應(yīng)商必須獲得銀行相關(guān)部門的認可，所有的評分模型開發(fā)項目，包括那些與外部供應(yīng)商簽訂的合同都必須獲得銀行的資質(zhì)認可和審批。 目錄 索引號 GHJYPJJG001 版本號 20200621 第 36頁 共 56 頁 20201220 所有合格的數(shù)據(jù)和不合格的數(shù)據(jù)（被剔除）都要進行備份，有效的保存期至少為 3年。 附錄一 . 領(lǐng)先銀行內(nèi)部評級體系的經(jīng)驗 領(lǐng)先銀行內(nèi)部評級體系模型構(gòu)建案例 1 大型銀行集團 澳洲國家銀行 背景 澳洲國家銀行是一家跨國金融服務(wù)集團。 模型和建立方法介紹 1995 年澳洲國家銀行的信貸客戶超過 30000，銀行決定采用 Moody的 Risk Scores—— 以定量為主輔以定性的專家經(jīng)驗評級模型作為銀行全面實施信貸風(fēng)險管理內(nèi)部評級的起點。但該模型沒有輸入違約概率變量。結(jié)合澳洲七家銀行收集的違約數(shù)據(jù)并集合了信貸風(fēng)險部門大量人力（ 5060 人）、財力和物力對 110,000個值進行觀察，抽取其中 35,000個好數(shù)據(jù)和 1,000個違約數(shù)據(jù)，通過大量的數(shù)據(jù)挖掘和統(tǒng)計計算，獲得了適合澳大利亞實際情況的 PD 值。由于循序漸進，因此模型的創(chuàng)建、實施、運營、結(jié)果都得到了銀行高層、信貸管理人員、客戶經(jīng)理等的高度認可和支持。因此，該模型的 PD 值非常精確。 銀行的規(guī)模和信貸管理的先進程度決定了數(shù)據(jù)的數(shù)量和質(zhì)量，同時銀行對信貸風(fēng)險管理的投入也是決定項目成敗的關(guān)鍵。 渣打銀行在美國、歐洲主要國家及亞洲重要國家和地區(qū)都設(shè)立了多家海外分行，其覆蓋在東南亞地區(qū)的業(yè)務(wù)復(fù)雜度較高，既包括個人銀行業(yè)務(wù)也包括企業(yè)銀行業(yè)務(wù)。 FAMAS 主要包括兩大功能：財務(wù)數(shù)據(jù)收集功能和內(nèi)部主觀評級工具。 1999 年，銀行采用 KMV EDF數(shù)據(jù)庫支持的定量模型作為違約概率計算手段，主要依靠 KMV 全球的 EDF數(shù)據(jù)庫來做支持和校準。 新加坡和香港有高度市場化和全球化的經(jīng)濟，因此銀行能夠使用全球數(shù)據(jù)庫作為銀行內(nèi)部數(shù)據(jù)的補充。 2020 年度，恒生銀行擁有超過 150家分行和自助理財中心，總資產(chǎn)逾 585億美元。 2020 年，恒生銀行首次針對上市公司客戶采用 Moody的 KMV 完全定量模型進行統(tǒng)計和評級，根據(jù)評級結(jié)果制定貸款 價格。同時，恒生銀行還在考慮是否使用 Moody的 Risk Advisor模型。匯豐集團在全球 80個國際及地區(qū)擁有 9500個分支機構(gòu)。同樣采取了先對上市公司客戶采用 KMV 模型進行評級，判斷初步效果后，繼而利用財務(wù)評級工具對全行的客戶進行評級。 經(jīng)驗借鑒 目錄 索引號 GHJYPJJG001 版本號 20200621 第 43頁 共 56 頁 20201220 項目目前還在進行中，使用結(jié)果尚不明確。 模型和建立方法介紹 1999 年新加坡華僑銀行聘請了 KPMG 管理咨詢公司（畢博管理咨詢公司前身）為銀行建立專家經(jīng)驗?zāi)Ｐ?。該模型主要使用財?wù)定量數(shù)據(jù)，在經(jīng)過多次調(diào)整后得到風(fēng)險管理部門的認可。 值得特別指出的是，項目進展順利的一大原因是：在模型方案選擇之初，項目小組就特別重視客戶經(jīng)理及資深信貸人員的參與。但在運營模型后取得的效果面前，銀 行目前不再租賃外部模型校正了。與其競爭對手相比，投資較小，收益很大。 新加坡發(fā)展銀行（ DBS） 背景 DBS 銀行為新加坡之最大的銀行。 DBS 銀行的評級為亞太區(qū)最高評級的機構(gòu)之一。項目組采集了 4000 個客戶數(shù)據(jù)樣本，其中 500 個違約數(shù)據(jù)樣本。過高的 PD 值導(dǎo)致 客戶經(jīng)理在貸款定價時很難給出一個合理的價格，信貸業(yè)務(wù)受到影響。該項目結(jié)束于 2020 年。采用外部模型和自建模型所需的數(shù)據(jù)量可以是不同的，特別是外部模型建立時所用數(shù)據(jù)樣本與銀行的客戶有相似的風(fēng)險特征。 馬來西亞國貿(mào)銀行 （ EON） 背景 馬來西亞國貿(mào)銀行是馬來西亞國貿(mào)銀行集團下屬的商業(yè)銀行，是一家本土的銀行，主要業(yè)務(wù)均集中在國內(nèi)。 模型和建立方式介紹 國貿(mào)銀行在亞洲金融風(fēng)暴后也聘請了一家管理咨詢公司參與內(nèi)部評級模型的建設(shè)。 附錄二 . 國際知名評級工具介紹 第一節(jié) Moody 的產(chǎn)品 1. Risk Scores 簡介 目錄 索引號 GHJYPJJG001 版本號 20200621 第 49頁 共 56 頁 20201220 這是一個專業(yè)的工具，它包含了從大量信貸專家對貸款人的信用價值分析中提煉出的超過 1000條經(jīng)驗法則。 產(chǎn)出 一個相關(guān)評級，分為 10 個等級 過程和作用 該模型非常實用并且在項目的實施中成功概率很大。 目錄 索引號 GHJYPJJG001 版本號 20200621 第 50頁 共 56 頁 20201220 此外， Moody模型與貸款人估計違約概率并無關(guān)聯(lián)。該模型在不同國家的信貸委員數(shù)據(jù)收集項目中都有應(yīng)用，其功效是可以在不同的國家進行信貸違約概率評估。這些資料的建立需要大量銀行的參與以提供足夠多的資質(zhì)好的數(shù)據(jù)和資質(zhì)差 目錄 索引號 GHJYPJJG001 版本號 20200621 第 51頁 共 56 頁 20201220 的數(shù)據(jù)。它建立 在一種特定的公司股權(quán)結(jié)構(gòu)假設(shè)上，如果該公司的股權(quán)采用買入期權(quán)的方式處理公司的資產(chǎn)分配，而預(yù)購股票的價格和購買期限是以期權(quán)票據(jù)的面值和期限內(nèi)的債務(wù)來確定的。 目錄 索引號 GHJYPJJG001 版本號 20200621 第 52頁 共 56 頁 20201220 產(chǎn)出 在數(shù)據(jù)庫的基礎(chǔ)上配合資產(chǎn)揮發(fā)性的貸款人估計違約概率評 估。 第二節(jié) Fitch 的產(chǎn)品 Risk Rater 簡介 Fitch模型式一個基于統(tǒng)計原理的多元風(fēng)險評級模型，它是由 Fitch評級服務(wù)公司旗下的一家貸款記息公司開發(fā)的，用于研究和分析商業(yè)貸款的違約概率和對預(yù)期損失的評價。 過程和作用 設(shè)計結(jié)果可以為高層評估 /分析信貸風(fēng)險提供補充建議 利用優(yōu)質(zhì)的相關(guān)等級反映貸款人信貸價值和債向風(fēng)險確保更加迅速地實施 這項工具能夠進行定價計劃，使用簡單并可以與其他工具結(jié)合起來使用 在美國貸款數(shù)據(jù)中產(chǎn)出貸款人估計違約概率、債向違約損失率和預(yù)期損失 在兩家亞洲銀行進行了測試，其結(jié)果的準確 性都獲得了良好的口碑 畢博的初步結(jié)論 該產(chǎn)品僅在美國和歐洲銷售 目錄 索引號 GHJYP