【正文】 通過高級方法實施準備工作，六家銀行打造了“升級版”的風險管理體系： ? 一是風險量化、資本約束成為經(jīng)營管理的核心要求，形成了風險、收益平衡的經(jīng)營理念； ? 二是董事會、監(jiān)事會、高管層厘清了風險管理的職責邊界，構(gòu)建了前、中、后臺多層次的風險防控體系； ? 三是研發(fā)了一批將國際模型技術(shù)與我國銀行業(yè)實際相結(jié)合的計量模型，實現(xiàn)了風險計量的科學化和精細化； ? 四是風險量化結(jié)果逐步運用于信貸政策、授信審批、風險定價、績效考核等領(lǐng)域，以風險計量促管理； ? 五是強化了 IT系統(tǒng)建設(shè)和數(shù)據(jù)質(zhì)量管理，以模型助推數(shù)據(jù)質(zhì)量，不斷完善 IT系統(tǒng)； ? 六是逐步培養(yǎng)、鍛煉了一支掌握先進風險技術(shù)，具有自主研發(fā)能力的風險管理隊伍。督導銀行按照驗收意見書完成整改，研究核準方案并提出相關(guān)監(jiān)管措施，保證銀行實施高級方法后資本充分覆蓋風險、資本計量審慎。 ? 三是完成了對六家銀行實施高級方法的驗收工作，全面評價銀行實施質(zhì)量、指出了存在的問題、提出了整改要求。 銀監(jiān)會為推進高級方法實施開展的工作 ? 一是成立了中國銀行業(yè)實施巴塞爾新資本協(xié)議專家指導委員會，充分發(fā)揮外部專家的作用，對高級方法實施工作進行指導、對實施質(zhì)量進行把關(guān)。高級方法是商業(yè)銀行根據(jù)巴塞爾新資本協(xié)議要求，選擇使用內(nèi)部模型來計量風險和監(jiān)管資本的方法。 ? 內(nèi)部評級法的重要應用： P155 ? 內(nèi)部評級體系的驗證： P157 工農(nóng)中建交招實施資本管理高級方法 ? 2023年 4月，銀監(jiān)會根據(jù) 《 商業(yè)銀行資本管理辦法（試行） 》 （簡稱 《 資本辦法 》 ） ，核準了工商銀行、農(nóng)業(yè)銀行、中國銀行、建設(shè)銀行、交通銀行、招商銀行等六家銀行實施資本管理高級方法。 ? 不同的資產(chǎn)類別分別對應不同的風險權(quán)重。即“標準法”。 ? （ 5）使銀行得以擺脫貸款定價上的困境。 ? （ 3）防止信貸萎縮，增強資本的流動性。 信用衍生產(chǎn)品的種類 ? （ 1）信用違約互換（ CDS） ? （ 2）總收益互換 ? （ 3）信用聯(lián)系票據(jù) ? （ 4）信用價差期權(quán) ? （ 5）信用違約期權(quán)（ CDO） 商業(yè)銀行信用衍生產(chǎn)品的作用 ? （ 1）分散商業(yè)銀行過度集中的信用風險。 信用事件 ? 巴塞爾委員會列出的信用事件： ? （ 1）未能支付到期（包括寬限期后到期）債務； ? （ 2）債務人破產(chǎn)、資不抵債或無力償還債務，或書面承認無力支付到期債務，以及其他類似事件； ? （ 3）因本金、利息、費用的下調(diào)或推遲支付等標的債項的重組而導致的損失事件。信用衍生工具已成為信用風險管理的重要手段，信用衍生工具的出現(xiàn)使信用風險管理方式從消極、被動的回避風險方式，轉(zhuǎn)變?yōu)榉e極、主動的組合風險管理。（ P145） 資產(chǎn)證券化與信用衍生產(chǎn)品 ? ? ? 資產(chǎn)證券化的種類：四類與 4個兩大類， P147 ? 商業(yè)銀行資產(chǎn)證券化的作用： P147 ? 信用衍生產(chǎn)品（ Credit derivatives）是用來從基礎(chǔ)資產(chǎn)上分離和轉(zhuǎn)移信用風險的各種工具的統(tǒng)稱。 貸款轉(zhuǎn)讓與貸款重組 ? 貸款轉(zhuǎn)讓（又稱貸款出售）通常指貸款有償轉(zhuǎn)讓，是貸款的原債權(quán)人將已經(jīng)發(fā)放但未到期的貸款有償轉(zhuǎn)讓給其他機構(gòu)的經(jīng)濟行為，主要目的是為了分散或轉(zhuǎn)移風險、增加收益、實現(xiàn)資產(chǎn)多元化、提高經(jīng)濟資本配置效率。包括行業(yè)環(huán)境風險因素、行業(yè)經(jīng)營風險因素、行業(yè)財務風險因素和行業(yè)重大突發(fā)事件。風險預警的主要方法有黑色預警法、藍色預警法和紅色預警法。上海銀行已轉(zhuǎn)讓 16億元，吉林銀行已轉(zhuǎn)讓 7億元，溫州銀行已轉(zhuǎn)讓 ， 2023年 6月浙江民泰商業(yè)銀行和河北銀行分別掛牌轉(zhuǎn)讓 。 “雙升” 批量轉(zhuǎn)讓：金融企業(yè)不良資產(chǎn)處置新方法 ? 2023年 2月，財政部、銀監(jiān)會印發(fā)了 《 金融企業(yè)不良資產(chǎn)批量轉(zhuǎn)讓管理辦法 》 ，金融企業(yè)可對一定規(guī)模的不良資產(chǎn)（１０戶／項以上）進行組包，定向轉(zhuǎn)讓給資產(chǎn)管理公司。（ 2023年本外幣各項貸款增加 萬億元） “一升一降” ? 2023年末，我國商業(yè)銀行不良貸款余額為 5921億元，比較年初增加 992億元；不良貸款率為 %，比年初上升了 。 ? 貸款損失準備充足率不應低于 100%。 中國銀監(jiān)會： 《 商業(yè)銀行風險監(jiān)管核心指標 》 （試行）， 2023年 12月 31日 ? 不良資產(chǎn)率不應高于 4%，不良貸款率不應高于 5%。 ? 信貸資產(chǎn)根據(jù)金融監(jiān)管部門的有關(guān)規(guī)定進行風險分類，標準風險系數(shù)暫定為：正常類 %，關(guān)注類 3%，次級類30%，可疑類 60%，損失類 100%；對于其他風險資產(chǎn)可參照信貸資產(chǎn)進行風險分類，采用的標準風險系數(shù)不得低于上述信貸資產(chǎn)標準風險系數(shù)。 金融企業(yè)準備金計提管理辦法 ? 財政部， 2023年 3月 30日發(fā)布，自 2023年 7月 1日起施行，《 金融企業(yè)呆賬準備提取管理辦法 》 （財金 [2023]49號）同時廢止。其中，次級和可疑類資產(chǎn)的損失準備，計提比例可以上下浮動 20％。一般準備的計提比例由金融企業(yè)綜合考慮其所面臨的風險狀況等因素確定，原則上一般準備余額不低于風險資產(chǎn)期末余額的 1％。其中，次級和可疑類貸款的損失準備，計提比例可以上下浮動 20%. ? 特種準備由銀行根據(jù)不同類別（如國別、行業(yè)）貸款的特殊風險情況、風險損失概率及歷史經(jīng)驗，自行確定按季計提比例。 ? 銀行應按季計提一般準備，一般準備年末余額應不低于年末貸款余額的 1％。 ? 損失（ loss） ：在采取所有可能的措施或一切必要的法律程序之后，本息仍然無法收回，或只能收回極少部分。 ? 次級（ substandard） ：借款人的還款能力出現(xiàn)明顯問題，完全依靠其正常營業(yè)收入無法足額償還貸款本息，即使執(zhí)行擔保，也可能會造成一定損失。 貸款五級分類法 ? 正常（ pass） ：借款人能夠履行合同，沒有足夠理由懷疑貸款本息不能按時足額償還。 ? 2023年 1月 1日起，各行應按貸款風險分類結(jié)果，提取貸款損失準備金。商業(yè)銀行組合風險監(jiān)測主要有兩種方法：傳統(tǒng)的組合監(jiān)測方法和資產(chǎn)組合模型?；久嬷笜税ㄆ焚|(zhì)類指標、實力類指標和環(huán)境類指標，財務指標包括償債能力指標、盈利能力指標、營運能力指標和增長能力指標。 信用風險監(jiān)測與報告 ? 風險監(jiān)測對象 ? 風險監(jiān)測主要指標 ? 風險預警 ? 風險報告 風險監(jiān)測對象 ? 。 ? 信用監(jiān)測模型具有前瞻性，可以用于任何一家上市公司。三是計算借款人的違約距離。首先估計企業(yè)股權(quán)的市場價值及其波動性。由于該模型由 KMV公司開發(fā)，故又被稱為“ KMV模型”。但該模型只將違約風險納入模型，忽視了利率的隨機期限結(jié)構(gòu)會在長期內(nèi)影響信用風險頭寸，沒有考慮信用等級轉(zhuǎn)移，不能處理非線性金融產(chǎn)品。 ? 信用風險附加模型是一個違約模型（ DM），它把信用評級的升降和與此相關(guān)的信用價差變化看作是市場風險，它在任何時期只考慮違約和不違約這兩種事件狀態(tài)，計量預期到和未預期到的損失。 ? 信用組合觀察模型可以看成是對信用矩陣模型的補充，它克服了信用矩陣模型中不同時期的評級轉(zhuǎn)換矩陣固定不變的缺點，適用于投機類型的借款人。 （五）信用組合觀察模型（ P108） ? 1998年，麥肯錫（ McKinsey）公司的 Saunders和 Wilson等人利用基本動力學的原理，從宏觀經(jīng)濟環(huán)境的角度來分析借款人的信用等級遷移，建立了信用組合觀察（ CreditPortfolioView）模型，也稱“麥肯錫模型”。 ? 信用矩陣模型本質(zhì)上是一個 VaR模型，目的是計算出在一定的置信水平下，一個信用資產(chǎn)組合在持有期內(nèi)可能發(fā)生的最大損失。 1 2 3 4 5 6 7Z E T A aX bX c X dX e X fX gX? ? ? ? ? ? ?1X 2X3X 4 5X6 7XEdward Altman ? “Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy,” Journal of Fina