【正文】 75 ?全行 443萬多存量個人類貸款客戶、賬戶的風(fēng)險將得到精細(xì)化的識別和區(qū)分： ?全行 1605萬的存量信用卡存量客戶、賬戶的風(fēng)險將得到精細(xì)化的識別和區(qū)分； ?全行平均每天 3到 4萬筆個人類新增申請客戶的風(fēng)險將得到精細(xì)化的識別和區(qū)分； ?有力帶動全行零售業(yè)務(wù)市場效率和市場競爭力的提升。 做到包括： （ 2/ 8 ） 風(fēng)險低客戶 風(fēng)險高客戶 客戶（賬戶）百分比 200 350 400 450 500 550 600 650 700 750 800 ? ?? ?22221BadG oodBadG ood??????風(fēng)險區(qū)分度 SCORE ?舉例 ：風(fēng)險模型的識別功效 預(yù)測違約率 1 2 3 4 5 6 7 8 9 10 11 （ 3/ 8） 77 個 人住房貸款申請風(fēng)險模型風(fēng)險指標(biāo) : C u s t o m A p p l i c a t i o n M o d e l 1 5 V a r i a b l e s KS : 5 9 . 1 9 G i ni : 6 7 . 8 9分?jǐn)?shù)區(qū)間 對應(yīng)總客戶數(shù) 累計客戶數(shù) 好客戶 壞客戶 好客戶 壞客戶 對應(yīng)占比 累積占比 對應(yīng)占比 累積占比 好客戶占比 壞客戶占比9 9 0 9 9 7 2 1 , 1 7 7 1 1 . 3 0 % 2 1 , 0 6 9 108 1 4 . 2 7 % 0 . 2 7 % 0 . 5 1 % 0 . 5 1 % 1 9 5 . 1 1 9 5 . 1 1 4 . 2 7 % 0 . 2 7 %9 8 3 9 8 9 1 7 , 8 4 5 2 0 . 8 2 % 1 7 , 6 2 9 216 2 6 . 2 2 % 0 . 8 1 % 1 . 2 1 % 0 . 8 3 % 8 1 . 6 1 1 9 . 4 1 1 . 9 4 % 0 . 5 4 %9 7 0 9 8 2 1 7 , 8 1 7 3 0 . 3 2 % 1 7 , 3 7 4 443 3 7 . 9 9 % 1 . 9 3 % 2 . 4 9 % 1 . 3 5 % 3 9 . 2 7 3 . 1 1 1 . 7 7 % 1 . 1 1 %9 4 2 9 6 9 1 8 , 6 3 9 4 0 . 2 7 % 1 7 , 7 7 9 860 5 0 . 0 3 % 4 . 0 9 % 4 . 6 1 % 2 . 1 6 % 2 0 . 7 4 5 . 4 1 2 . 0 4 % 2 . 1 6 %8 8 9 9 4 1 1 8 , 7 0 6 5 0 . 2 5 % 1 7 , 1 3 8 1 , 5 6 8 6 1 . 6 4 % 8 . 0 2 % 8 . 3 8 % 3 . 3 9 % 1 0 . 9 2 8 . 5 1 1 . 6 1 % 3 . 9 4 %8 2 4 8 8 8 1 8 , 4 8 9 6 0 . 1 1 % 1 5 , 9 6 7 2 , 5 2 2 7 2 . 4 6 % 1 4 . 3 5 % 1 3 . 6 4 % 5 . 0 7 % 6 . 3 1 8 . 7 1 0 . 8 2 % 6 . 3 3 %7 4 4 8 2 3 1 8 , 7 1 2 7 0 . 1 0 % 1 4 , 8 6 7 3 , 8 4 5 8 2 . 5 3 % 2 4 . 0 1 % 2 0 . 5 5 % 7 . 2 8 % 3 . 9 1 2 . 7 1 0 . 0 7 % 9 . 6 5 %6 1 9 7 4 3 1 8 , 7 3 5 8 0 . 0 9 % 1 2 , 8 3 4 5 , 9 0 1 9 1 . 2 2 % 3 8 . 8 3 % 3 1 . 5 0 % 1 0 . 3 0 % 2 . 2 8 . 7 8 . 6 9 % 1 4 . 8 2 %3 7 5 6 1 8 1 8 , 7 1 3 9 0 . 0 8 % 9 , 3 2 2 9 , 3 9 1 9 7 . 5 4 % 6 2 . 4 1 % 5 0 . 1 8 % 1 4 . 7 2 % 1 . 0 5 . 8 6 . 3 2 % 2 3 . 5 8 % 1 3 7 4 1 8 , 6 0 3 1 0 0 . 0 0 % 3 , 6 3 1 1 4 , 9 7 2 1 0 0 . 0 0 % 1 0 0 . 0 0 % 8 0 . 4 8 % 2 1 . 2 5 % 0 . 2 3 . 7 2 . 4 6 % 3 7 . 5 9 %T O T A L S 1 8 7 , 4 3 6 1 0 0 . 0 0 % 1 4 7 , 6 1 0 3 9 , 8 2 6 2 1 . 2 5 % 3 . 7總體 累積分布 總體展比壞賬率 好壞比率總體風(fēng)險分布I n t e r v a l O d d s1 9 5 . 18 1 . 63 9 . 22 0 . 71 0 . 96 . 33 . 9 2 . 21 . 0 0 . 20 . 05 0 . 01 0 0 . 01 5 0 . 02 0 0 . 02 5 0 . 0990997983989970982942969889941824888744823619743375618 1 374 S c o r e b r e a k s Goods to one badR a n k O r d e r i n g0 . 0 0 %5 . 0 0 %1 0 . 0 0 %1 5 . 0 0 %2 0 . 0 0 %2 5 . 0 0 %3 0 . 0 0 %3 5 . 0 0 %4 0 . 0 0 %990997983989970982942969889941824888744823619743375618 1 374 S c o r e B r e a k sInterval % Good/BadG o o d s B a d s 零售資產(chǎn)組合信用風(fēng)險的動態(tài)顯示 （ 舉例 ） （ 4/ 8 ） 78 一、 零售 銀 行信用 風(fēng)險 管理 板塊 二、零售新協(xié)議 高 級 法 板塊 ?第 信用風(fēng)險申請審批模型及其策略 – 個人住房、個人綜合消費(fèi)、個人經(jīng)營貸款、汽車消費(fèi)貸款、人民幣信用卡、國際卡等零售產(chǎn)品的新客戶審批風(fēng)險模型； ?第 信用風(fēng)險存量賬戶動態(tài)行為模型及其策略– 個人住房、個人綜合消費(fèi)、個人經(jīng)營貸款、汽車消費(fèi)貸款、人民幣信用卡、國際卡等零售產(chǎn)品的存量客戶風(fēng)險模型 ； ?第 動態(tài)風(fēng)險模型應(yīng)用系統(tǒng)的開發(fā) 風(fēng)險評級、預(yù)警等 ?第 集中性零售客戶、賬戶的風(fēng)險數(shù)據(jù)庫 ?第 新資本協(xié)議高級法下： 零售個人住房抵押、循環(huán)零售、以及其他類的資產(chǎn)池劃分 ?第 不同零售資產(chǎn)池的違約概率、違約損失率、違約風(fēng)險暴露的計量和測算 ?第 全行零售業(yè)務(wù)新資本協(xié)議要求的最低監(jiān)管資本計算 ?第 高級法監(jiān)測和報表 – 幫助我行能夠監(jiān)控本項目開發(fā)的評分卡以及策略。 . 項目內(nèi)容 （ 5/ 8） 79 申請評分模型 行為評分模型 催收評分模型 營銷評分模型 項目內(nèi)容（續(xù)） 具體模型的數(shù)量將根據(jù)：借款人過去行為、地區(qū)發(fā)展、賬戶表現(xiàn)等進(jìn)行進(jìn)一步的細(xì)分；數(shù)據(jù)處理的模型總數(shù)，初步估計在 25個以上； 個人住房貸款申請模型 個人經(jīng)營貸款申請模型 個人消費(fèi)貸款申請模型 個人汽車貸款申請模型 人民幣貸記卡申請模型 人民幣準(zhǔn)貸記卡申請模型 國際卡申請模型 其他個人類貸款申請模型 ?個人住房貸款行為模型 ?個人經(jīng)營貸款行為模型 ?個人消費(fèi)貸款行為模型 ?個人汽車貸款行為模型 ?人民幣貸記卡行為模型 ?人民幣準(zhǔn)貸記卡行為模型 ?國際卡行為模型 ?其他個人類貸款行為模型 ?個人住房催收模型 ?個人消費(fèi)貸款催收模型 ?信用卡催收模型 ?個人住房提前還款模型 ?交叉銷售模型 ?其他特定營銷模型 （ 6/ 8） 80 第一階段 2023年 2月底 第二階段 2023年 7月 第三階段 2023年 9月 第四階段 2023年 12月 第五階段 第六階段 2023年 3月 2023年風(fēng)險管理部組建以來，到 2023年 3月份之前，已經(jīng)完成的各項工作 項目啟動 項目招標(biāo) 財務(wù)預(yù)算 環(huán)境和數(shù)據(jù) 項目開工 合同談判 2023年 1月底 （ 7/ 8 ） 81 本項目計劃在 1年內(nèi)完成全部項目內(nèi)容 Basel II 報告和監(jiān)控 策略 信息技術(shù)咨詢 及其他交付成 果 申請評分策略 行為評分策略 催收評分細(xì)分 營銷模型細(xì)分 風(fēng)險報告 設(shè)計 催收評分 營銷模型 個人住房按揭審批和額度管理策略 申請評分細(xì)分 行為評分細(xì)分 Basel II差距分析 Basel II設(shè)計 數(shù)據(jù)分析報告 1所有申請模型 2所有行為模型 項目 啟動 2023年 3月 9日 2023年 10月 2023年 12月 2023年 3月 2023年 3月份開工以來的項目進(jìn)展 ? 2023年 10月底，初步完成各零售產(chǎn)品的申請模型和行為模型 ? 2023年 12月底，完成所有零售產(chǎn)品的申請模型和行為模型的校準(zhǔn)驗(yàn)證和策略開發(fā) ? 2023年 12月底，完成零售資產(chǎn)池劃分和違約概率的估算； ? 2023年 3月底，完成各項零售違約損失率估計等工作； ? 2023年 4月底項目結(jié)束 數(shù)據(jù)分析工作 已經(jīng)完成 風(fēng)險標(biāo)準(zhǔn)設(shè)計工作 （ 8/ 8） 82 市場風(fēng)險管理工作 ?近日，市場風(fēng)險管理職責(zé)由風(fēng)險管理部承擔(dān)。 ?目前正在進(jìn)行的主要工作 ?梳理市場風(fēng)險管理制度、流程 ?推動市場風(fēng)險系統(tǒng)建設(shè) ?與金融市場部推進(jìn)每日市值評估工作 83 ?信用風(fēng)險方面 ?市場風(fēng)險方面 ?操作風(fēng)險方面 ?推進(jìn)風(fēng)險管理領(lǐng)域戰(zhàn)略合作 ?建設(shè)全面風(fēng)險管理信息系統(tǒng) ?培養(yǎng)專家型人才隊伍 風(fēng)險管理部工作展望（ 1/4） 84 風(fēng)險管理部工作展望（ 2/4） ?信用風(fēng)險方面 ?推進(jìn)內(nèi)部評級法項目及應(yīng)用，今年推行非零售項目內(nèi)部評級法初級法，明年推行零售項目內(nèi)部評級法，爭取在 2023年前實(shí)現(xiàn)內(nèi)部評級法的高級法。 ? 控制好不良貸款質(zhì)量，保持不良貸款持續(xù)雙降。 85 風(fēng)險管理部工作展望（ 3/4） ?市場風(fēng)險方面： ?爭取成為國內(nèi)第一家對交易帳戶進(jìn)行每日市值評估的銀行 ?進(jìn)一步完善市場風(fēng)險管理制度體系 ?建立健全市場風(fēng)險指標(biāo)報告體系（包括日報、旬報、月報），明確報告路徑 ?盡快建成市場風(fēng)險管理核心系統(tǒng) ?建立市場風(fēng)險模型驗(yàn)證的工作機(jī)制和專家隊伍 ?完善市場風(fēng)險壓力測試的技術(shù)和機(jī)制 86 風(fēng)險管理部工作展望（ 4/4） ?操作風(fēng)險量化 ?推進(jìn)風(fēng)險管理領(lǐng)域戰(zhàn)略合作 ?建設(shè)全面風(fēng)險管理信息系統(tǒng) ?培養(yǎng)專家型人才隊伍 87 ?信用風(fēng)險方面： ?宏觀調(diào)控政策可能帶來的風(fēng)險 ?關(guān)注關(guān)聯(lián)客戶信貸風(fēng)險 ?資產(chǎn)質(zhì)量問題 需要關(guān)注的風(fēng)險管理問題 88 需要關(guān)注的風(fēng)險管理問題 ?市場風(fēng)險方面： ?利率市場化推進(jìn) ，利率上升速度加快 ?匯率浮動區(qū)間擴(kuò)大，人民幣匯率升值加快 ?固定利率貸款需求大增，利率風(fēng)險凸現(xiàn) 89 需要關(guān)注的風(fēng)險管理問題 ?操作風(fēng)險方面： ?IT系統(tǒng)風(fēng)險管理 ?操作不當(dāng)引發(fā)的法律風(fēng)險 ?操作風(fēng)險管理的成本問題 ?新產(chǎn)品風(fēng)險 ?聲譽(yù)風(fēng)險方面 90 謝 謝 ！ 演講完畢，謝謝觀看！