導語：內部評級信用風險管理論文一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

編者按:2005年10月開始,來自日本最大金融集團,包括瑞穗、三井住友、三菱銀行以及日本央行(BankofJapan)在內的20余位在信用風險管理方面具有豐富實踐經驗的專家所組成的研究團隊,就如何使用內部評級系統、采取不同方法以改善信用風險管理進行了系列討論。擁有先進風險管理技術的外資銀行所使用的方法以及國外的研究成果亦被納入討論議題之中。

討論至今已舉辦了5次,該研究團隊的秘書處——日本央行金融機構局的高級金融技術中心總結了5次討論的要點、形成報告,在日本金融界公布,使金融機構能在信用風險管理方面有所借鑒。本報告只涉及信用風險管理,所發表觀點僅代表專家個人,不代表專家所在機構。

本刊得到日本銀行金融機構局的同意,翻譯節選了該報告的主要內容,本期刊載后半部分。

關鍵詞:內部評級法違約率違約損失率

中圖分類號:F860.49

文獻標識碼:C

文章編號:1006-1770(2006)11-016-04

六、如何將前瞻性因素(forward—lookingcomponents)融入風險因素評估

1存在問題

對風險因素的評估往往會非常依賴歷史數據以保證客觀性。同時,前瞻性因素在建立有效的風險管理和業務戰略方面也起著重要作用。

如果只遵循歷史模式,假設風險將在未來某一點落實,那么分別基于歷史數據和前瞻性因素所做的評估之間將不會存在很大差異。但是,這種風險假設并沒有考慮經濟在承受長期結構性壓力的情況,此時金融機構會激進調整其業務模式如貸款追溯政策和評級核定(ratingapproval)標準,或者創建一個新的資產組合。在這些情況下,僅僅基于歷史數據的評估就會阻礙金融創新并降低改善評級核定過程的動力。

如果用于風險管理的數據(主要是基于歷史數據的評估)和用于計劃中長期業務戰略(主要是基于前瞻性因素的評估)的數據之間存在很大差異,金融機構必需能夠合理解釋這些差異。

2參與者觀點

金融機構在評估風險因素時可以選擇涵蓋前瞻性因素(如業務模式的激進調整)的模式,這種模式區別于上文提到的歷史模式。

但是只有在風險管理部門能夠令人信服地、客觀地向管理層和外部第三方給出解釋基于歷史數據與基于前瞻性因素在風險因素方面存在差異的理由時,這種模式才能被接受。客觀理由包括,用于調整某個特定因素(該因素引起歷史模式變化)的歷史數據、市場信息和市場調查的結果、領先指標(leadingindicatiors)的發展和宏觀經濟模型的結果。

如果風險管理和業務戰略的風險因素對前瞻性因素使用了不同的權重,那么也需要給出具有說服力的理由。

七、外部數據和模型

1.存在問題

在建立內評模型、評估違約率和其他風險因素時,使用外部數據和模型可能在以下情況很有效,例如:(1)內部數據的樣本數量有限,(2)必需購買外部公司的技術和方法;(3)需要降低內部模型的建立成本,(4)將金融集團內關鍵機構所發展的數據和模型應用于集團內其他機構。

如果使用外部數據時沒有保證和內部數據的一致性,就會導致對風險組合的不準確理解。同樣,如果所使用的外部模型還未在市場中樹立聲譽,由于合同原因或者因為在公司內部缺少熟悉這種模型的專家而使該模型變成“黑箱”,那么也會阻礙金融機構實行有效的風險管理和檢驗工作。同樣,基于外部數據的外部模型可能并不適用于使用它們的金融機構所處的商業環境。

值得注意的是,由于公司的風險管理框架取決于外部公司情況以及銷售合同細節,外部數據和模型的使用可能會導致該框架發生意料之外的變化。

2.參與者觀點

使用外部數據的目的各不相同,包括評估風險要素、收集建模的樣本數據和檢驗內部評級。金融機構必須認清自己的目的。通常,外部數據對風險因素的評估越重要,對數據充分性的驗證就要越準確。

在確認外部和內部數據的一致性時,必須了解兩者在各個特質(attributions)上的差異。例如,如果對違約概念和借款人特點(如規模、行業和地區)存在很大差異,必須檢驗外部數據與內部數據匹配過程的充分性,而且在匹配過程中,應該突出強調保持內外部數據一致性的重要特質。即使基于某個特質所提取的內外部數據能夠顯示一致性,最好使用內部模型以外的模型來驗證一致性,因為驗證結果很大程度上取決于模型結果和內部模型的結構。如果內外部數據對違約的定義不同,對定義進行嚴格的調整可能是很困難的。在這種情況下,考慮到這種不完美的調整,對外部數據的調整應該有所保留。

使用外部數據所建立的內評法可以通過以下方法得到檢驗。首先,選擇同時包含在內部和外部數據內的借款人。然后比較其在內部模型和其他模型的評級結果。如果兩個結果之間存在很大差異,那么就要分析其背后的因素。比較外部數據和內部數據輸入內部模型后得到的不同的違約分布(distribution)也是有效的方法。

如果市場約束得以廣泛運用,外部數據的質量,比如評級機構做出的評級,可以得到某種程度的保證。但是,外部評級所使用的標準可能和每個金融機構評價業務模型的標準不一樣。比如,評級機構可能從長期角度評價一個公司,而金融機構業務模型的評價周期可能相對較短。在使用外部數據時,應盡量考慮這樣的差異。對這個差異性問題應該采取多大程度上的關注取決于使用外部數據的目的(是為了評估風險因素還是檢驗內部評級)。

金融機構應該建立一個系統,使上述評估在組織內部的實施無論涉及哪個部門、經歷多長時間都保持一貫性。對差異性的解決要求再次取決于外部數據的使用目的。舉例來說,當外部數據用于評估違約率這樣的風險要素時,必須嚴格分析內部和外部數據的一致性,因為這樣的評估將直接影響必需資本的數量。

談到外部數據,外部模型應該有清晰的使用目的。比如,外部模型究竟是用作內部評級的主要模型還是用于檢驗主模型。

建模的數據或者關于模型邏輯的信息對風險管理來說都非常重要,但是對有些模型來說,這些信息并不為模型的使用者所知,換言之,就成了“黑箱”。在這種情況下,尤其是模型尚未在市場上樹立聲譽時,原則上,金融機構應該盡量向銷售公司或者建立模型的外部機構提出信息披露要求。有些模型的“黑箱”是有道理的,因為賣方想要保護其知識產權以及保持進一步發展模型的商業優勢。但同時,外部模型的使用者也應注意到賣方不披露信息也可能有其他原因,比如為了隱藏該模型的缺點。

如果在金融機構提出信息披露的要求后,有些信息仍然保持“黑箱”,金融機構就應該弄清哪些信息是未知的、明確這些信息是如何以及在何種程度上將導致模型驗證產生問題,以及這些問題該如何解決。下面給出“黑箱”、引起的問題以及解決問題的可能措施。

如果“黑箱”引起的問題不能得到解決,那么所采取的方法取決于外部模型的使用目的。如果外部模型是作為主模型使用,問題就會嚴重得多,應該采取相應措施。

八、違約損失率(LGD)的評估

1存在問題

違約率是說明損失事件發生可能性的指標,違約損失率是對每一個損失事件而言,表明本金損失嚴重程度的指標。因此.違約損失率以及違約率是在評級和總和(pooling)基礎上的風險管理和風險量化的重要指標。但是,對違約損失率的定義和評估方法并沒有形成共識,這部分是由于缺少數據和存在技術上的問題。如果由于數據匱乏和概念不清晰造成違約損失率的準確度很低,又沒有對此進行保守調整或者對風險因素進行保守評估,那么每家機構所計算出的必需資本就會大相徑庭。

之所以在收集違約率和評估違約損失率面臨困難的原因總結如下。(見下表)

違約損失率的評估

2.參與者觀點

在收集違約損失率數據時,金融機構需要明確下列要點。

金融機構應該盡可能地明確以上這些要點,并且持續收集違約損失率的數據。更好的方法是建立一個能夠在數據收集過程中自動發現異常價值的系統。

在違約損失率評估和機構(facilty)評級中,應該考慮影響違約損失率的因素(見上表)、這些因素和違約損失率的關系以及違約損失率對這些因素的敏感度。為此,可以考慮對以下過程建模:(1)違約資產轉向非違約資產的過程,(2)違約資產的擔保資產的收集過程:(3)由于時間和行業特點未被擔保資產覆蓋的資產部分的收集過程。

金融機構同樣應該考慮以下事項:(1)對每個評級分類或資產池(p∞I)從違約損失率角度,保證充分的風險同質性(如果每個評級的違約損失率分布并不遵循正常分布,金融機構需要解釋原因)的方法:(2)用后期檢測(backtesting)或者其他工具檢驗違約損失率(在違約損失率非正常分布時,專家意見也可以被用于評價模型表現)。