【導(dǎo)讀】浦發(fā)銀行積極要求其運(yùn)作規(guī)范向國(guó)際標(biāo)準(zhǔn)靠攏。新協(xié)議提出了完善的資本充足率框架，旨在促進(jìn)鼓勵(lì)銀行強(qiáng)。是將資本規(guī)定與當(dāng)今的現(xiàn)代化風(fēng)險(xiǎn)管理的手段緊密地結(jié)合起來。種的方法，即標(biāo)準(zhǔn)法、內(nèi)部評(píng)級(jí)法初級(jí)法和內(nèi)部評(píng)級(jí)法高級(jí)法。部估計(jì)值將作為計(jì)算資本的主要參數(shù)，主要是PD、LGD、EAD和M。

　　

【正文】 KMV 模型進(jìn)行評(píng)級(jí)，判斷初步效果后，繼而利用財(cái)務(wù)評(píng)級(jí)工具對(duì)全行的客戶進(jìn)行評(píng)級(jí)。匯豐銀行十分注重貸款人現(xiàn)金流的質(zhì)量。對(duì)現(xiàn)金流存在問題的企業(yè)匯豐銀行的評(píng)級(jí)等級(jí)相對(duì)較低。 項(xiàng)目始于 2020年，目 前正在進(jìn)行中。 經(jīng)驗(yàn)借鑒 目錄 索引號(hào) GHJYPJJG001 版本號(hào) 20200621 第 43頁 共 56 頁 20201220 項(xiàng)目目前還在進(jìn)行中，使用結(jié)果尚不明確。 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)。新加坡華僑銀行為亞洲客戶提供個(gè)人銀行業(yè)務(wù)、企業(yè)銀行業(yè)務(wù)、企業(yè)金融業(yè)務(wù)、資產(chǎn)管理業(yè)務(wù)等服務(wù)。 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 。 模型和建立方法介紹 1999 年新加坡華僑銀行聘請(qǐng)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(yàn)?zāi)Ｐ?。通過對(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。 第一階段 主要是試用一個(gè)為其三個(gè)月的零期主觀模型，該模型采用單變量統(tǒng)計(jì)模型，只有 3個(gè)評(píng)級(jí)級(jí)別；通過 3個(gè)月的試用，使銀行高層、信貸人員及客戶主要依靠定性分經(jīng)理等初步熟悉僅有 3個(gè)級(jí)別的簡(jiǎn)單評(píng)級(jí)方法。 第二階段 ，開發(fā)具有 9個(gè)級(jí)別的專家經(jīng)驗(yàn)?zāi)Ｐ汀Ｔ撃Ｐ椭饕褂秘?cái)務(wù)定量數(shù)據(jù)，在經(jīng)過多次調(diào)整后得到風(fēng)險(xiǎn)管理部門的認(rèn)可。第二階段開 目錄 索引號(hào) GHJYPJJG001 版本號(hào) 20200621 第 44頁 共 56 頁 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%。 第三階段 ， 2020 年經(jīng)過一 年的運(yùn)營(yíng)狀況總結(jié)，將內(nèi)部模型由 9個(gè)級(jí)別擴(kuò)展到 12 個(gè)級(jí)別，以將某些評(píng)級(jí)細(xì)化而避免集中化問題。在這個(gè)模型中，模型結(jié)果的比重被調(diào)整為 70%。 值得特別指出的是，項(xiàng)目進(jìn)展順利的一大原因是：在模型方案選擇之初，項(xiàng)目小組就特別重視客戶經(jīng)理及資深信貸人員的參與。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)的開發(fā)方案。同時(shí)，這給在模型建成后的培訓(xùn)和運(yùn)營(yíng)方面減少了阻礙，使用戶普遍感到滿意。 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。但在運(yùn)營(yíng)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。 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。 經(jīng)驗(yàn)借鑒 采取穩(wěn)健的方法來構(gòu)建起風(fēng)險(xiǎn)評(píng)級(jí)體系。在 4年中，它采用漸進(jìn)的步驟來實(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)量方法來檢驗(yàn)主觀評(píng)級(jí)體系的有效性。與其競(jìng)爭(zhēng)對(duì)手相比，投資較小，收益很大。 目錄 索引號(hào) GHJYPJJG001 版本號(hào) 20200621 第 45頁 共 56 頁 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。同時(shí)，在有 50余人的信貸風(fēng)險(xiǎn)部門的配合下，模型建設(shè)的速度和質(zhì)量有了大大的提高。 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。 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。 此外，香港行政及立法局已批準(zhǔn) DBS銀行合并其全資擁有的道亨銀行及 DBS 廣安銀行在香港的業(yè)務(wù)， DBS 銀行目前為香港第四大銀行集團(tuán)。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)。 DBS 銀行的評(píng)級(jí)為亞太區(qū)最高評(píng)級(jí)的機(jī)構(gòu)之一。 模型和建立方式介紹 1998 年金融風(fēng)暴過后， 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 作為新加坡規(guī)模最大的銀行，其保有的客戶數(shù)據(jù)另其相信可以直接建立內(nèi)部定量評(píng)級(jí)模型。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 共 56 頁 20201220 幫助銀行進(jìn)行風(fēng)險(xiǎn)評(píng)級(jí)模型構(gòu)建。項(xiàng)目組采集了 4000 個(gè)客戶數(shù)據(jù)樣本，其中 500 個(gè)違約數(shù)據(jù)樣本。 1998年底，模型構(gòu)建完畢。 但是，由于項(xiàng)目周期短， DBS 信貸人員參與程度不高，致使該模型的調(diào)節(jié)完全依賴于 Oliver Wyman的協(xié)助，后續(xù)費(fèi)用相當(dāng)高昂。 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。過高的 PD 值導(dǎo)致 客戶經(jīng)理在貸款定價(jià)時(shí)很難給出一個(gè)合理的價(jià)格，信貸業(yè)務(wù)受到影響。 2020 年，銀行采納了客戶經(jīng)理的意見，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)來確定貸款定價(jià)。經(jīng)過一段時(shí)間的運(yùn)營(yíng)后， DBS 采納了 Moody提出的模型升級(jí)建議，由原來的 Risk Scores演進(jìn)為完全定量評(píng)級(jí)的 Risk Calc模型。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)。該項(xiàng)目結(jié)束于 2020 年。此模型是Moody在全球開發(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)開發(fā)的第二個(gè)模型，被稱為Moody的“新加坡模型”。 銀行在轉(zhuǎn)變模型建設(shè)戰(zhàn)略決策后，確定了循序漸進(jìn)的方案，最終的模型實(shí)施效果比 98年自建的模型要好。 經(jīng)驗(yàn)借鑒 目錄 索引號(hào) GHJYPJJG001 版本號(hào) 20200621 第 47頁 共 56 頁 20201220 數(shù)據(jù)量和質(zhì)量是銀行建立模型的主要基礎(chǔ)。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(shí)所用數(shù)據(jù)樣本與銀行的客戶有相似的風(fēng)險(xiǎn)特征。 穆迪等國(guó)際評(píng)級(jí)機(jī)構(gòu)現(xiàn)在只開發(fā)有基于發(fā)達(dá)市場(chǎng)經(jīng)濟(jì)的模型。 在數(shù)據(jù)量不夠的情況下，通過本地銀行的聯(lián)合開發(fā)是一種較優(yōu)的選擇。 循序漸進(jìn)是值得高度重視的模型建設(shè)策略。 馬來西亞國(guó)貿(mào)銀行 （ EON） 背景 馬來西亞國(guó)貿(mào)銀行是馬來西亞國(guó)貿(mào)銀行集團(tuán)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(guó)內(nèi)。 2020年度統(tǒng)計(jì)顯示，該銀行在馬來西亞擁有超過 95 家分行，雇員超過 4500 人。其主要客戶集中在馬來西亞本土，客戶數(shù)量超過 1,000,000 。 2020 年度，集團(tuán)總資產(chǎn)為 元。 模型和建立方式介紹 國(guó)貿(mào)銀行在亞洲金融風(fēng)暴后也聘請(qǐng)了一家管理咨詢公司參與內(nèi)部評(píng)級(jí)模型的建設(shè)。項(xiàng)目從 2020年的 4月開始，經(jīng)過 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 共 56 頁 20201220 工作，這家咨詢公司不得不退出了這個(gè)項(xiàng)目。其主要原因是，作為一家馬來西亞本地的銀行，其 保有的客戶數(shù)據(jù)很難達(dá)到巴塞爾新資本協(xié)議的要求，在銀行提供的 5000 個(gè)數(shù)據(jù)樣本（其中 300個(gè)違約樣本）的數(shù)據(jù)質(zhì)量來看，合格數(shù)據(jù)不夠成為開發(fā)模型中難以逾越的障礙。 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)問題。 附錄二 . 國(guó)際知名評(píng)級(jí)工具介紹 第一節(jié) Moody 的產(chǎn)品 1. Risk Scores 簡(jiǎn)介 目錄 索引號(hào) GHJYPJJG001 版本號(hào) 20200621 第 49頁 共 56 頁 20201220 這是一個(gè)專業(yè)的工具，它包含了從大量信貸專家對(duì)貸款人的信用價(jià)值分析中提煉出的超過 1000條經(jīng)驗(yàn)法則。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)問題，測(cè)試不同行業(yè)貸款人信用價(jià)值的質(zhì)的因素。 變量投入 在財(cái)務(wù)變量的投入包括利潤(rùn)率、現(xiàn)金流、銷售增長(zhǎng)和資本結(jié)構(gòu)。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。 產(chǎn)出 一個(gè)相關(guān)評(píng)級(jí)，分為 10 個(gè)等級(jí) 過程和作用 該模型非常實(shí)用并且在項(xiàng)目的實(shí)施中成功概率很大。 在西方國(guó)家已經(jīng)有很多使用者通過實(shí)施該模型獲益，并且有很多成功的實(shí)施參照經(jīng)驗(yàn)。 該模型來源于利用財(cái)務(wù)分析工具捕捉多年積累的豐富的財(cái)務(wù)數(shù)據(jù)。 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。 目錄 索引號(hào) GHJYPJJG001 版本號(hào) 20200621 第 50頁 共 56 頁 20201220 此外， Moody模型與貸款人估計(jì)違約概率并無關(guān)聯(lián)。 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。它在多維建模方面有突出改善；它獨(dú)特的優(yōu)勢(shì)表現(xiàn)在強(qiáng)大的、全面的和簡(jiǎn)化的數(shù)據(jù)需求以及針對(duì)相關(guān)聯(lián)的集團(tuán)子公司信貸違約概率風(fēng)險(xiǎn)的分析結(jié)果的客觀性。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。該模型在不同國(guó)家的信貸委員數(shù)據(jù)收集項(xiàng)目中都有應(yīng)用，其功效是可以在不同的國(guó)家進(jìn)行信貸違約概率評(píng)估。 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)。 產(chǎn)出 該模型可導(dǎo)出 1至 5年的貸款人估計(jì)違約概率和 1至 10級(jí)最終風(fēng)險(xiǎn)評(píng)分結(jié)果。 作用和過程 這是一個(gè)定量化的模型，它利用從不同國(guó)家收集來的數(shù)據(jù)，融會(huì)在數(shù)據(jù)庫中，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。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(hào) GHJYPJJG001 版本號(hào) 20200621 第 51頁 共 56 頁 20201220 的數(shù)據(jù)。數(shù)據(jù)需要至少?gòu)某^ 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)。 畢博的初步結(jié)論 在中國(guó)， Moody提供的該模型是不包含數(shù)據(jù)的，但價(jià)格還是非常昂貴。 3. KMV 簡(jiǎn)介 該模型主要用于計(jì)算客戶的違約概率。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(gòu)股票的價(jià)格和購(gòu)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。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)），他們就開始對(duì)未來的選擇發(fā)生質(zhì)疑，并且出現(xiàn)一些不良的情況 , 例如 ,發(fā)生違約。市場(chǎng)價(jià)值和公司價(jià)值的揮發(fā)情況是要通過公司股票的市場(chǎng)價(jià)值和揮發(fā)性和公司的賬面價(jià)值等來確定的。 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。 目錄 索引號(hào) GHJYPJJG001 版本號(hào) 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(jì)違約概率評(píng) 估。 作用和過程 對(duì)上市公司的違約預(yù)測(cè)評(píng)估十分準(zhǔn)確。但針對(duì)私有公司的模型中只有最后幾級(jí)的評(píng)價(jià)才較為精準(zhǔn)。 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。 第二節(jié) Fitch 的產(chǎn)品 Risk Rater 簡(jiǎn)介 Fitch模型式一個(gè)基于統(tǒng)計(jì)原理的多元風(fēng)險(xiǎn)評(píng)級(jí)模型，它是由 Fitch評(píng)級(jí)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(duì)預(yù)期損失的評(píng)價(jià)。該模型開發(fā)所應(yīng)用的數(shù)據(jù)來自于美國(guó)數(shù)據(jù)庫。 變量投入 目錄 索引號(hào) GHJYPJJG001 版本號(hào) 20200621 第 53頁 共 56 頁 20201220 這款模型是建立在一系列定量評(píng)價(jià)（借款人財(cái)務(wù)比率和市場(chǎng)價(jià)值數(shù)據(jù)）以及主觀變量（定性的借款人風(fēng)險(xiǎn)特征）的基礎(chǔ)上的。 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。 過程和作用 設(shè)計(jì)結(jié)果可以為高層評(píng)估 /分析信貸風(fēng)險(xiǎn)提供補(bǔ)充建議 利用優(yōu)質(zhì)的相關(guān)等級(jí)反映貸款人信貸價(jià)值和債向風(fēng)險(xiǎn)確保更加迅速地實(shí)施 這項(xiàng)工具能夠進(jìn)行定價(jià)計(jì)劃，使用簡(jiǎn)單并可以與其他工具結(jié)合起來使用 在美國(guó)貸款數(shù)據(jù)中產(chǎn)出貸款人估計(jì)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(jìn)行了測(cè)試，其結(jié)果的準(zhǔn)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(guó)和歐洲銷售 目錄 索引號(hào) GHJYPJJG