日本银行业通过内部评级系统改善信用风险管理的做法.doc

日本银行业通过内部评级系统改善信用风险管理的做法一、违约数据匮乏造成的违约率（PD）评估困难1 潜在的问题金融机构持有的具有较低或者零违约风险的（资产）组合，称为低违约组合（Low Default Portfolio, LDP）i。低违约组合包括对信用评级较高的大企业、主权国家和金融机构的贷款，也包括较新开发的贷款，如日本的无追索权抵押贷款（non-recourse mortgage loans）。违约率较低可能由以下原因造成：首先，某一组合中的贷款质量很高；第二，某一组合中的贷款数目很少；第三，某一组合的交易历史较短，这是由于市场本身较新或者金融机构刚刚进入市场不久所致。由于缺少违约数据，对低违约组合的评估存在差错扩大的趋势，违约率低估的可能性也因此增加。而且，在实践中很难使用外部数据、将违约率与外部评级映射（?险参数的方法来弥补数据的缺乏。2 业界观点以下四种方法可以用来解决低违约组合的问题。到目前为止，针对低违约组合的风险参数评估方法尚未建立，未来需要为此开发更多技术（techniques）。方法技术A.使用金融机构的内部数据将低违约组合与其他内部组合进行恰当地映射，适当调整后，使用其他组合的违约率。将相邻评级和具有相似特征的次投资组合（subportfolios）的数据进行整合，以扩大低违约组合数据样本的规模。在评估违约率时，使用低违约组合中资产质量的变化信息，整合资产质量恶化以及直接变成违约的可能性数据。B.使用外部数据来源（包括外部机构的数据池和海外市场信息）ii将低违约组合与外部数据源匹配，这些外部数据源时间更长或者样本更多，以增加违约样本。使用定价模型，从市场信息（如贷款息差）中找到低违约组合的违约率。C.使用违约预测模型的结果违约预测模型包含了假设能影响违约率水平的解释变量(即风险因素，risk driver)，使用该模型所评估的违约率而非直接使用真实违约数据（方法D可用于决定风险因素）。D.使用专家判断（定性信息）iii根据专家的经验知识评估低违约组合交易的违约率，需充分注意定性判断的客观性。上述四种方法对评估和检验风险因素是非常重要的。评估风险因素很困难，同样，检验风险因素也很困难。但是，评估和检验质量的提高还是有可能的，例如通过比较各种方法的评估结果，或者确认内部和外部评级标准的相似性。金融机构应该将评估和检验的流程作为信用政策的一部分，并且将内部讨论和检查记录在案，以保证透明性和可持续性。目前针对各种低违约组合的方法非常有限。因此不适宜限制评估和检验技术或规定某一种操作规则，这将导致非常严重的后果。对低违约组合的风险评估应该直接或者作为参考指标反映在贷款定价中。金融机构由此能保证风险评估和贷款操作之间在一定程度上保持一致性。二、商业周期对违约率评估的影响1 潜在的问题商业周期会影响信贷资产的质量，并引起资本充足率的变化。因此，必须了解商业周期的影响（它是如何影响评级变化和违约率的）并做好充分的缓冲准备以保持金融机构管理的稳定性。了解商业周期的影响有助于检验违约率和内部评级模型。但是，欲真正把握商业周期的影响还存在很多技术性问题，包括：（1）得到长期数据；（2）详细列出周期因素；（3）评价资产组合管理的方法，并要意识到资产组合管理可能顺经济周期也可能逆经济周期。2 业界观点识别商业周期影响的步骤如下：A.得到跨商业周期的数据得到至少连续跨越两个商业周期（最好超过两个）的长期时间序列。如果很难满足以上条件，用外部数据补充内部数据。B.分析商业周期详细列出能解释商业周期的因素C.分析信贷资产质量对商业周期的敏感度了解银行自身的“评级分类标准”（银行对借款人的关注是其当前还是中长期情况）。换言之，确认银行的评级分类是基于PITiv（商业周期的变化体现于评级的变化）还是TTC（商业周期的变化体现于每个信用等级真实违约率的变化）。分析能解释商业周期及其变化的各因素之间的关系，包括：（1）评级变化的模式；（2）每个信用等级的真实违约率；（3）借贷企业的财务状况和随后的评级变化。PIT和TTC概念尚未完全植根于金融机构的风险管理流程中。而且，由于缺少长期数据，要检验商业周期对信用等级变化和违约率周期变化的影响还非常困难。无论金融机构是否使用了PIT或TTC概念，了解商业周期如何影响信用等级变化和违约率（正如方法C所提及）还是非常重要的，因为这有助于评估商业周期的影响程度和内部评级系统的功能。即使银行难以严格采用定量方法，仍应运用合适的工具和技术，在其风险管理过程中明确考虑商业周期的影响。例如，通过长期关注违约率和信用等级变化的顺序（order）和稳定性来检验经济影响，同时，对信用等级变化和违约率也可用压力测试的方法来了解商业周期如何影响投资组合。三、与“违约”概念相关的问题1 潜在的问题在新监管资本框架下，对“违约”的概念可以定义为：需要“特别关注”的借款人或者是在自我评估（self-assessment）体系中那些处于较低等级的企业。这个定义相比较日本金融机构内部普遍使用的定义而言更为严格，也将鼓励银行对问题借款人加快采取行动，并提高金融机构的稳定性。但是，针对监管要求的违约率概念和日本金融机构内部运营所使用的概念之间的差异，对保持两者在改善风险管理方面的一致性提出了挑战。2 业界观点各金融机构之间对需要“特别关注”企业的定义并没有太大的差别，这是由于金融机构遵循自我评估指引以及政府通过审查和其他方法厘清了分类标准。但是，银行仍要继续努力，以保持违约概念的透明度和一致性，并传达给包括主管机构在内的第三方一种信息，即：银行并没有出于减少必需资本的目的而任意改动违约概念。关于金融机构和监管者由于违约概念差异所产生的问题，各相关方都需要认识到这些问题，并在寻求正确风险管理的过程中继续努力解决差异。我们不认为新的违约概念将会使违约率和低违约组合集中于某个范围。由于商业策略、地理区域和其他风险因素的差异，风险因素的评估结果将发生变化。关键在于金融机构能够提供客观解释（如使用外部评级作为基准），以证明违约率和低违约组合的水平并不是主观评估。在同一机构内，违约率在不同的资产之间也会有所差别（例如，国内和国外资产、零售银行的不同产品）。只要金融机构有能力对差别背后的因素给出合理解释（如商业策略、与地区和主权国家相关的特殊因素），那么这些差别就未必否认了违约概念的一致性v。内部运营所使用的违约概念（或者是基于该定义的风险因素），比如风险管理和信用扩展（extension of credit），未必需要和监管资本要求一致。但是，无论采用何种定义，金融机构需要明确这些风险因素基于一致的理念（如使用同样的数据或评估方法）而且相互之间保持一致。四、 大额借款人的信用集中度问题1潜在的问题大额借款人的信用集中度会影响到整体投资组合的风险程度。由于大额和小额借款人在商业周期的不同阶段所表现出的评级差异，使该类型的信用集中度还将导致评估风险因素时发生异常（irregularities）。比如，这种风险集中度将导致用损失数额做权重计算出的平均违约率高于以违约次数做权重计算的平均违约率。如果不能根据借款数额较大的事实适时调整借款人评级，少数大额借款人的信用集中度问题将导致根据损失数额和根据违约债务人数计算的违约率之间存在很大差异。如果是这样，就需要对违约率的评估进行一定调整。但是，过去这些年，日本的违约数据似乎除了反映周期性要素也反映了宏观经济环境的结构调整。关于如何识别这些因素的影响，目前尚没有达成共识。2业界观点关于确认信用集中度影响的一个有效办法是比较基于损失数额和基于损失次数的违约率，然后观察两者的差异程度及其存在的时间。不言而喻，只有在借款人评级不受其规模影响的情况下，这种比较才是有意义的vi。因此，如果可以将外部评级和其他方法作为基准，它们应该用于检验大额借款人的违约水平。即使违约率差异持续存在，也并不意味着应该改变内部评级和违约率评估方法。为了解决大额借款人的信用集中度引起的差异，金融机构可采取措施调整违约损失率（LGD）和违约风险敞口（EAD）或者使用压力测试类工具来应对未来可能面临的风险。五、 内部评级系统和模型1潜在的问题各家金融机构建立内部评级系统和模型的方法各不相同。因此，同样的风险组合可能有不同的量化结果。不同方法的背景和一些例子内部评级系统不同风险特性（国家、资产类型和行业）的资产组合有不同的风险评价方法，这可以鼓励金融机构对资产采用不同的评级系统。根据风险同质性要求的评级结构和资产池分类，可以鼓励金融机构在相同的信用等级内采用不同范围的可信度和不同水平的借款人集中度。对机构（facility）评级的方法，如一维评级vs.两维平级。内部评级模型A.建模建立根据可信度对借款人（机构）排序的评估模型vs.评估每位借款人违约率水平的模型。一定程度上依赖专家判断的模型vs.只关注违约结果和违约借款人数据的模型，不假设两者之间存在任何因果关系的模型。简单模型和复杂模型的选择。B.模型的输入数据根据优先权知识(priority knowledge)，一个模型应该涵盖的最少数据。整合大量的定性金融信息（将其转换成可以直接输入内部评级模型的数据或者使用这些信息对模型结果做出定性调整）C.模型的准确度使用定量指标（如准确率）评价模型的表现2.业界观点由于金融机构业务模式的差别，内部评级系统和内部评级模型也存在着差异。这就是为什么不同金融机构对同一借款人会有不同的评级结果。因此，金融机构应该建立适合自己业务模式的内部评级系统。在这个过程中，无论他们采取何种业务模型，都应该关注以下几点：首先，如果对不同的资产组合采用不同的评级系统，分类时应该准确把握整体和单个评级的资产风险结构；第二，不应为了降低所需资本而改变评级系统。金融机构对评级系统应采用统一的政策并在经营中保持一致性。例如，当选择单一或者复合评级系统时，每种选择都会有一些优点和缺点。关键是金融机构必须能够解释他们是如何评价这些优缺点以及如何选择某种评级系统。单一评级系统复合评级系统优点简单清楚。容易比较不同类型的贷款。易于保持风险衡量的一致性。能为风险量化提供更多的数据类型。与业务操作一致（如评级核准和贷款追溯（loan origination）。根据贷款特点进行更精确的风险评估。需要关注的要点是否已清晰把握贷款交易中的差异？采用单一评级系统是否会妨碍根据业务条线进行评级？评级系统是否能克服行业、地区和其他特征之间的区别？是否会失去太多单一评级系统的优点？是否能根据风险大小映射评级系统？通常，需要对评级结构进行检验以确认：（1）在某个评级中，不存在借款人或机构的过分集中（除非有特殊理由）；（2）在每个信用等级内，信用跨度（range）和借款人数量之间的平衡适合充分评估风险因素。某些情况下，如果借款人的信用度跨度极小，借款人就可能集中于某个特别的信用等级。在建立内部评级模型时，银行可能仅关注违约结果和违约借款人的数据，而不关心因果结构以提高模型表现。但是，这样的模型可能在以下方面遇到困难：（1）通过适当调整，解决模型表现不断恶化的问题；（2）根据业务条线解释评级原因。如果违约率的评估模型没有使用真实的长期平均违约数据，那么评估结果和实际数据之间的差异就需要得到合理解释。关于建立内部评级模型所输入的数据，有必要确认的是所有重要因素（如国家和行业因素）都已得到考虑。如果有些因素被剔除了，需要做出合理解释。同样，理解模型如何对重要因素（无论它们是否被使用）作出反应也非常重要。这个过程有助于增加选择这些因素的透明度。将会计数据未能反映的定性信息和大量金融信息涵盖进模型有很多方法vii。金融机构应该选择那种在评级过程中最为中立、公正的方法。过去，内部评级模型的事前和事后评价方法是从不同角度衡量模型的中长期稳定性。例如，使用统计学评估方法如AR测试，进行综合和持续性的评估是非常重要的。在这样的评估过程中，需要将所使用的模型与其他模型进行比较以了解其特性。对金融机构而言，向第三方包括监管当局解释其内部评级系统和内部评级模型的充分性也非常重要。同时，监管当局应准备工具以比较不同的评级系统和模型，以便于：（1）掌握每个机构所使用的内部评级系统和模型的特点；（2）从宏观角度掌握金融系统的情况。但是，这个标杆比较工作并不表示建议金融机构应使用某种特定的评级系统。六、 如何将前瞻性因素（forward-looking components）融入风险因素评估1 潜在的问题为了保证客观性，对风险因素的评估往往会非常依赖历史数据。同时，前瞻性因素在发展有效的风险管理和业务战略方面也起着重要作用。如果仅仅根据一个历史模式，假设风险将在未来的某一时刻发生，那么分别基于历史数据和前瞻性因素所做的评估之间将不会存在很大的差异。但是，这种假设并没有考虑经济承受了长期结构压力的情况，此时金融机构会大幅改变其业务模型如贷款追溯政策和评级核定（rating approval）标准，或者创建一个新的资产组合。在这些情况下，仅仅基于历史数据的评估就会阻碍金融创新并降低改善评级核定的动力。如果用于风险管理的数据（主要是基于历史数据的评估）和用于计划中长期业务战略（主要是基于前瞻性因素的评估）的数据之间存在很大差异，金融机构需要对造成这些差异的原因做出合理的解释。2 业界观点金融机构在评估风险因素时可能会选择涵盖前瞻性因素（如业务模式的大幅变化），这种模式区别于上文提到的历史模式。但是，只有当风险管理部门能够令人信服地、客观地向管理层和外部第三方解释基于历史数据与基于前瞻性因素的风险因素评估之间差异的原因时，这种模式才能被接受。客观理由包括：用历史数据对引起历史模式变化的某个特定因素进行调整、市场信息和市场调查结果、领先指标（leading indicatiors）的发展和宏观经济模型的结果。如果风险管理和业务战略的风险因素所使用的前瞻性因素具有不同的权重，那么也需要给出具有说服力的理由。七、 外部数据和模型1 潜在的问题在建立内评模型、评估违约率和其他风险因素时，使用外部数据和模型可能在以下情况很有效，例如：（1）内部数据的样本数量有限；（2）必需购买外部公司的技术和方法；（3）需要降低内部模型的建立成本；（4）将金融集团内关键机构中所发展的数据和模型应用于集团内其他机构。如果使用外部数据时没有和内部数据进行一致性确认，就可能导致对风险组合的不准确理解。同样，如果所使用的外部模型还未在市场中建立声誉，由于合同原因或者因为在公司内部缺少熟悉这种模型的专家而使该模型变成“黑箱”，那么也会阻碍金融机构实行有效的风险管理和检验工作。同样，基于外部数据的外部模型可能并不适用于使用它们的金融机构所处的商业环境。值得注意的是，由于公司的风险管理框架取决于外部公司情况以及销售合同细节，外部数据和模型的使用将会导致该框架发生意料之外的变化。 2 业界观点使用外部数据的目的各不相同，包括评估风险要素、收集建模的样本数据和检验内部评级。金融机构必须明确自己使用外部数据的目的。通常，外部数据对风险因素的评估越重要，对数据充分性的验证就要越准确。在确认外部和内部数据的一致性时，必须了解两者在各个特质（attributions）上的差异。例如，如果对违约概念和借款人特点的认识上（如规模、行业和地区）存在很大差异，必须检验外部数据与内部数据匹配过程的充分性；而且在匹配过程中，应该突出强调保持内外部数据一致性的重要特质。即使基于某种特质所提取的内、外部数据能够显示一致性，最好使用内部模型以外的模型来验证一致性，因为验证结果很大程度上取决于模型结果和内部模型的结构。如果内外部数据对违约的定义不同，对定义进行严格的调整可能是很困难的。在这种情况下，考虑到这种不完美的调整，对外部数据的调整应该有所保留。使用外部数据所建立的内评法可以通过以下方法得到检验。首先，选择同时包含在内部和外部数据内的借款人。然后比较其在内部模型和其他模型的评级结果。如果两个结果之间存在很大差异，那么就要分析其背后的因素viii。比较外部数据和内部数据输入内部模型后得到的不同的违约分布（distribution）也是有效的方法。如果市场约束得以广泛运用于市场，外部数据的质量，比如评级机构做出的评级，可以得到某种程度的保证。但是，外部评级所使用的标准可能和每个金融机构评价业务模型的标准不一样。比如，评级机构可能从长期角度评价一个公司，而金融机构业务模型的评价周期可能相对较短。在使用外部数据时，应尽量考虑这样的差异。对这个差异性问题应该采取多少关注取决于使用外部数据的目的（是为了评估风险因素还是检验内部评级）。金融机构应该建立一个系统使上述评估在组织内部的实施无论涉及哪个部门、经历多长时间都保持一贯性。对差异性的解决要求再次取决于外部数据的使用目的。举例来说，当外部数据用于评估违约率这样的风险要素时，必须严格分析内部和外部数据的一致性，因为这样的评估将将直接影响必需资本的数量。对于外部数据，外部模型的使用应该有清晰的目的。比如，外部模型究竟是用作内部评级的主要模型还是用于检验主模型。建模的数据或者关于模型逻辑的信息对风险管理来说都非常重要，但是对有些模型来说，这些信息并为模型的使用者所知，换言之，就成了“黑箱”。在这种情况下，尤其是模型尚未在市场上建立声誉时，原则上，金融机构应该尽量向销售公司或者建立模型的外部机构提出披露信息的要求。有些模型的“黑箱”是有道理的，因为卖方想要保护其知识产权以及保持进一步发展模型的商业优势。但同时，外部模型的使用者也应注意到卖方不披露信息也可能有其他原因，比如为了隐藏该模型的缺点。如果在金融机构提出信息披露的要求后，有些信息仍然保持“黑箱”，金融机构就应该弄清哪些信息是未知的。明确这些信息是如何以及在何种程度上将导致模型验证产生问题，以及这些问题该如何解决。下面给出“黑箱”、引起的问题以及解决问题的可能措施。黑箱可能产生的问题解决办法用于建模的样本数据如果样本数据和金融机构的资产组合差别很大，模型的效果将大大降低。使用内部和外部数据检验模型。从卖方和外部机构处获得样本数据分布方面的信息。要求卖方用模型使用机构提供的数据检验模型。模型结构和逻辑建模（评估模型和专家判断）的方法模型参数模型的初始输出（如评分）不能识别投资组合恶化背后的因素。（unable to identify factors behind deterioration of portfolio suggested by a model is not necessarily identified.）不能识别相似信用度的借款人在评级结果差异后的因素。通过观察投资组合表现的差异广泛地识别因素，投资组合由债务人在评级、行业和企业规模的分布累积而成。通过使用本机构以外的第三方信息，在检验过程中采取不同方法。 检验销售公司和外部机构的结果不能准确检验模型效果如果内外部数据显示模型效果显著恶化，要求披露检验结果。如果“黑箱”引起的问题不能得到解决，那么所采取的方法取决于外部模型将如何被使用。如果外部模型是作为主模型使用，问题就会严重得多，应该采取相应措施。八、 违约损失率（违约损失率）的评估1 潜在的问题违约率是说明损失事件发生可能性的指标，违约损失率是对每一个损失事件而言，表明本金损失严重程度的指标。因此，违约损失率以及违约率是在评级和总和（pooling）基础上?损失率的定义和评估方法并没有形成共识，这部分是由于缺少数据和存在技术上的问题。如果由于数据匮乏和概念不清晰造成违约损失率的准确度很低，又没有对此进行保守调整或者对风险因素进行保守评估，那么每家机构所计算出的必需资本就会大相径庭。之所以在收集违约率和评估违约损失率面临困难的原因总结如下：数据收集困难的原因需要大量信息（收集多年的现金流、数据收集来源及其类型、收集成本以及反映数据收集风险贴水的折扣率（discount rates）经常需要很长时间完成数据收集周期（如直到违约发生后才能完成收集）很难追溯历史数据以反映违约定义的变化（如从处于破产危机的借款人到需要特别关注的借款人）在这些情况下，很难收集违约损失率：（1）将会走向非违约状态的违约案例（如，当对违约的定义更宽泛，如将其等同于需要特别关注或者那些分类标准更低的借款人时）；（2）因此对损失数据的界定将变得困难。收集房屋贷款和其他担保公司的零售产品违约损失率信息的困难。评估违约损失率困难的理由缺乏数据（见上例）尚未建立对折扣率的处理。尚未建立处理和评估方法：（1）考虑经济衰退期时下行（downturn）的违约损失率；（2）违约率和违约损失率之间的关系。对那些从违约状态恢复为非违约状态的资产组合，尚未建立处理方法。在违约损失率评估方法方面，有些包含下列要点的方法尚未建立：模型结构（基于领先知识（prior knowledge）的打分模型vs.基于统计学方法的评级模型，评级模型vs.对违约损失率的直接评估）；影响违约损失率的特别因素（担保的覆盖率，担保物的评估价值和清偿后真实价值之间的关系，担保价值的变动趋势，seniority,工作周期的长度，借款人特点（如行业类型、违约前的评级），贷款数量（大或小），贷款的金融机构是否是某个债务人的主银行，宏观经济因素等。评估价值的检验方法仍未建立很难检验评估的违约损失率，出于商业目的的使用仍未建立2 业界观点在收集违约损失率数据时，金融机构需要明确下列要点：要点和可行方法对违约概念的定义违约率和违约损失率中对违约采用相同定义。工作周期考虑到跟踪长期数据需要大量收集工作的难度，将其时间纳入违约损失率评估中，决定最长工作时间周期仅仅包括事先定义和决定的最大周期或者对超出最长周期的数据收集时间进行评估。后者需要保守处理。下行违约损失率的处理考虑违约率和违约损失率之间关系来决定违约损失率的下行(downturn)，因为在经济往下走时随着违约率的提高，违约损失率往往也会随之增加。使用经济周期底部的违约损失率或者有违约权重的违约损失率。折扣率（discounted rates）将折扣率视为“基于贷款合同利率的利率”（如果风险贴水被反映在合同的贷款利率中）调整风险贴水，避免重复计算风险，如果某种程度的风险已经反映在收集量的评估中。收集成本包括个人支出在内的收集工作所需的不同支出将通过以收集期内标准单元价格（源于真实成本）为单位计算得出。其他成本（如服务费）如果需要，也应被计算进去。对那些恢复为非违约资产状态的违约资产的处理在资产变为非违约资产状态期间，由于折扣率累积所减少的风险敞口被视为收集（collection）。金融