商业银行内部评级体系构建地模型风险研究

商业银行内部评级体系构建的模型风险研究[摘要]自上个世纪70年代以来，风险管理模型为银行的风险量化管理提供了工具，但也同时引致了模型风险。除少数银行外，大多数商业银行在实施内部评级法时都着力构建自己的风险管理模型体系。不论是直接引入外部模型还是自我构建模型，都必然存在模型风险的问题，其模型风险主要产生于基础模型和构建过程两个方面。由于中国正处于转轨经济阶段，因此中国商业银行在内部评级体系构建中的模型风险除了来源于基础模型、模型数据以外，模型使用环境的特殊性也是一个不可忽视的因素。压力测试和极端值方法是避免模型风险的有效技术手段，而风险文化的建设则是规避模型风险的根本所在

2004年6月，巴塞尔银行监管委员会公布了征求意见后的新资本协议。新资本协议作为一个全新的监管资本框架，最主要的创新之一是提出了计算信用风险监管资本要求的内部评级法。内部评级法要求对特定敞口的风险要素进行评估，评估的内容包括违约概率、违约损失率、期限和违约风险敞口，再将风险要素的评估值输入由巴塞尔委员会提供的风险权重函数，最后计算出监管资本。随着内部评级法在各大国际活跃银行的逐步实施，以现代信用风险管理模型为基础，体现新资本协议的相关要求并反映各银行实际的风险管理模型将进一步得以建立和发展。内部评级管理模型的建立及应用，一方面表明了银行风险管理在量化方向的进展，同时也不可避免地带来了模型风险，本文拟就商业银行内部评级体系建立和应用过程中的模型风险问题做一初步探讨。

一、内部评级体系模型风险的产生

现代信用风险管理模型已被银行业广泛应用于经济资本配置、金融产品定价以及资产集中度分析等各个方面。这些模型需要大量的基础数据储备和技术储备给予支持，但一般的银行不具备这些条件，而且不同的模型在建立方式和假设条件上存在着很大的差异。模型的选择往往会导致风险评估结果的不同，进而导致监管资本要求的不同，为了保证监管资本计算方法的普遍适用性和一致性，巴塞尔委员会建议国际活跃性银行可以采用内部评级法来计算信用风险的监管资本要求。内部评级法旨在通过风险敏感度更高的监管资本要求影响银行的行为，促使银行强化风险管理能力，从而增强整个银行体系的安全性与稳定性。内部评级法体现了国际银行业风险管理的发展趋势，即从定性分析转向定量分析；从计分卡向模型化转化，并寻求二者的有机结合；从单项贷款分析转向组合分析；从盯住账面价值转向盯住市场价值；描述风险的变量从离散型转向连续型；尝试考虑宏观周期对信用风险的影响；广泛汲取相关领域的最新研究成果，如保险精算理论、神经网络理论等，并结合运用计算机大容量处理技术。

事实上，国际银行业开始大量开发、使用并依赖于各种风险模型以识别、衡量并管理风险及进行决策始自于20世纪70年代，经过30多年的发展，风险模型已经广泛应用于企业风险管理、经济资本与监管资本配置、银行系统信用风险、信托资产管理及内部获利能力等方面的衡量，并且发挥了一定的作用，但同时现有的模型也显示出了一些缺陷和不足之处。国内外的研究表明，在模型应用的实践中，当银行的经营者使用模型不当、或依据了错误的数据估计、或夸大了模型解释能力时，有可能会导致银行信誉与获利能力水平严重恶化，这种现象被学界和业界称为模型风险。

模型风险一般被定义为应用了不恰当模型，或者应用了恰当模型但是模型的框架不够充分或者为了不适当的目的而引发的风险。这一定义包含了两个方面的内容：一方面，就现有的模型能力和现实世界的复杂性来看，由于真实世界要远远复杂于任何我们能够创建的用以描述它的数学模型，因此我们有可能采用不恰当的模型来描述真实世界的风险。另一方面，即使我们选择了正确的模型，但由于数据的过时、出现偏差和错误，实际业务也可能与模型的前提假设相互脱离从而造成银行操作中的模型风险。

风险管理模型本身并未将这个世界变成一个更为安全的世界。任何分析工具都是人类智慧的产物，它们都试图通过有限变量的模型来描绘真实世界。一个模型可能会抓住它所描绘的真实世界的大部分特征，但也可能同时忽略掉一些重要的内容，而且模型还可能会逐渐改变市场行为，从而使模型本身失去作用。在国际银行业的管理实践中，模型风险曾经给银行业带来了很大的危害，表1是上个世纪70～90年代模型风险所造成损失的统计记录。

二、商业银行内部评级体系模型风险的类别

(一)商业银行内部评级体系中的基硼模型风险

近年来，由于商业银行贷款利润持续下降和表外业务风险不断加大，银行陆续采用更经济的方法度量和控制信用风险，而现代金融理论的发展和新的信用工具的创新，给开发新的信用风险计量模型提供了可能。与过去的信用管理相对滞后和难以适应市场变化的特点相比，新一代金融工程专家将建模技术和分析方法应用到这一领域，在传统信用评级的基础上提出了一批信用风险模型。

在新资本协议中，内部评级法所依据与借鉴的主要是CreditMetricsTM，CreditMonitorTM和CreditRiskTM等模型的思想和方法。

基于Merton模型建立的CreditMetricsTM是J.P.Morgan在1997年开发并对外公开的信用风险管理模型，它是通过度量信用资产组合价值大小进而确定信用风险大小的模型，并以此来分析金融机构承担风险的能力。CreditMetricsTM是一种信用在险值模型圆，该模型的关键在于估算给定时期内，单项贷款、债券或其组合价值变化的预期概率分布。其模拟信用质量变化的根本是转移矩阵，它表示从一个信用级别状态转移到另一个级别的历史概率。通过转移矩阵和几何布郎运动，可以算出每个信用级别资产回报的下限点。CreditMetricsTM模型是在一系列假设的基础上建立起来的。例如，模型假设同一信用评级内所有的债务人都具有相同的评级转移概率。据KMV的研究，这两条假设都不成立。一方面既可以是同一评级级别内的债务人具有不同的评级转移概率，也可以是不同评级级别内的债务人具有相同的评级转移概率；另一方面，未来的评级转移概率可以完全不同于历史趋势。此外，模型用来重估债券价值的无风险利率是已定的，没有反映出市场风险以及潜在的经济环境变化；在估计违约相关性方面，模型用股票来代替资产相关性，以上这些都不利于提高估值结果的准确性。

KMV的CreditMonitorTM模型是实际中应用最为广泛的信用风险模型之一。其模型的构建基础是将Merton期权定价理论运用于有风险的贷款和债券的估值工作。它利用Black-Scholes期权定价公式，根据企业资产的市场价值、资产的波动性、到期时间、无风险借贷利率及负债的账面价值估计出企业股权的市场价值及波动性，再根据公司的负债计算出公司的违约实施，然后计算借款人的违约期限，最后根据企业的违约期限与预期违约概率之间的对应关系，求出企业的预期违约概率。理论上当资产价值低于一个违约点Dp时破产就会发生，KMV中将违约点定义为短期和长期负债之间的一个值。KMV模型的主要缺陷是有关企业财务结构的假设过于简单，现实中的企业财务结构往往是非常复杂的，而且这些数据往往并不是及时和准确的。此外，模型所推导的EDF与违约期限之间的函数关系主要是以美国的公司数据为基础做出的，当应用于其他国家和地区，尤其是转轨经济和新兴市场经济地区时，其有效性仍然有待于进一步的检验。

CreditRisk+是瑞士第一信贷波士顿银行于1996年开发的信贷风险管理系统，它不是基于Melton的期权定价理论，而是借鉴了保险行业的概念，它不分析违约的原因，而且CreditRisk+模型也只针对违约风险而不涉及转移风险。模型的这种相对简单性允许将损失分布规范成一种方便的限定形式。该模型计算组合损失的方法是输入单项资产的风险暴露、违约率的均值和标准差，然后从总体上对所有的风险暴露手段计算出组合的损失水平。该模型对输人数据的要求是最少的，只需要债务人的风险敞口和违约率及违约率的波动。因此对于处理大批量的贷款组合进行信用分析，可以显著地提高计算速度。CreditRisk+模型只考虑了违约风险，要求输入的数据很少(基本上只涉及敞口数据以及违约概率)。由于推导出了组合损失的显式解，对贷款损失的计算非常容易、简单。模型对单个债务人的违约率设定似乎是任意的，债务人没有被赋予相应的信用评级，其违约概率不取决于其风险特征。此外，同KMV一样，模型也没有考虑市场风险。

三个模型中前两个具有相同建模基础，属于Merton的结构模型，CreditRisk+棋型属于保险精算模型。以上三个信用风险模型之间的输人变量有很大不同：Merton类模型是使每个公司的资产负债来自一个随机过程；精算模型输入一个单变量的风险因子。银行可根据各自内部组织的特点、风险管理的范围和数据的可获得性选择适用的风险管理模型。高度依赖于公司特殊数据的不同质的组合可用结构模型；对于同质组合管理者来说，由于不涉及级别变动风险，计算较少的保险精算模型可以满足要求。

总之，新资本协议所主要依据的现代风险管理模型本身都在一定程度上存在这样那样的问题，都有一定的局限性，这些问题归纳起来有下列的几个方面：(1)模型的假设前提与现实不符；(2)模型过于简单或过于复杂；(3)模型依据过去估计未来的方法不能真实地反映现实中金融现象的不确定性；(4)有的模型忽视了市场变动的影响；(5)没有考虑交易成本和流动性因素。正是由于以上这些原因，对新资本协议产生重要影响的这些模型本身就蕴涵着不可忽视的风险。表2列出了内部评级法主要基础模型的模型风险特征。

(二)内部评级体系模型构建过程中的模型风险

2000-2003年，巴塞尔委员会下设的一个专门小组，对全球100家银行的内部评级系统及其技术特点进行了深入的调查分析，结果表明大多数银行的内部评级系统是自主开发的。其中有几家银行的系统是与外部咨询机构合作开发的，但这些系统随后都经过了银行内部的验证和修正。这是因为内部评级体系是一个开放的管理工具体系，随着银行业务不断丰富和发展，信用风险的范围和特点也会相应地发生变化。

商业银行模型体系的构建过程往往也是模型风险产生的过程。一般来讲，模型的构建过程分为以下5个步骤：(1)模型的前提假设；(2)相关的风险变量的确定和选择；(3)风险变量的运动规律模拟；(4)模型参数的估计；(5)模型的运用。下面分别对每一步骤中可能导致模型风险的因素进行分析。

1.模型假设错误。风险管理模型的建立依赖于数学公式，而对于复杂的统计工具来讲，它们往往假设基础资产的分布是静态的，而事实恰好相反，现实中金融资产的波动性成为一种常态。波动率估计依赖于证券收益分布特征的较强假设，也就是要求它是独立分布的。同分布假设保证了收益的均值和方差不随时间变化并服从于固定的概率假设，独立假设则保证理论价格变动在任何时间点上是彼此不相关的。这两个条件构成了随机游走模型的基础。在证券收益独立同分布和分布的均值和方差已知的情况下，对资产组合可能损失的推断就会是准确的并且不会随时间变化。在这种情况下，计算资产组合VaR值就只需要一个估计量，这就是资产组合价值变化的标准差。均值和方差稳定同时意味着特定损失的可能性对每天都是相同的。

当用方差一协方差方法计算一个投资组合的风险价值，常用的做法是把实际的证券映射成一系列简单标准的头寸或证券。这个步骤是非常重要的，因为标准头寸价值变化的方差矩阵可以通过基本风险因素的方差矩阵计算出来。典型的就是将股票期权映射成它的δ的等价头寸，这个头寸和给定股市指数波动性和相关性关系紧密。由此可能造成模型的一些非常严重的缺陷。

此外，由于不同的银行在业务范围、经营方式及所处金融环境上不同，其面临的实际风险状况有着很大的不同，模型的复杂性在一定程度上会削弱其解释现实世界的能力。而且在内部评级法正式定稿实施后，如果一旦发现模型本身或假设条件存在某些问题会对银行业的稳定和竞争力造成严重不利影响时，因其本身的复杂性且各部分环环相扣，要对其进行局部的调整非常困难，这样会导致银行业对整个新协议和内部评级法失去信心，影响其在业内的推广和使用。

最后，在采用模型化的方法对信用风险进行测量和管理时，在模型的选择、风险要素的测算方法以及相关假设条件的确定方面银行业并没有统一的标准，银行往往是根据自己的经验做出恰当的选择。但在内部评级法中，为了确保资本水平不被低估，在很多地方采取了不仅复杂且过于保守的方法和假设，巴塞尔委员会这种“最佳”.做法的处方和建议会使得银行的信用风险模型趋于同质化，丧失了多样性，这实际上会引起新的系统风险。模型的复杂化和严格性不仅降低了包括专家判断等传统手段在信用风险管理上的重要作用，还有可能降低银行进一步提高风险管理水平的动力，因为银行在采用更先进的风险管理技术和方法时，在新协议下不会带来降低监管资本要求的奖励。

2.相关风险变量的确定和选择。穆迪对风险变量的选择提出了两个原则：一是条件单调性，即与违约概率单调关系的独立性，这种单调性不受其他因素的影响。二是陡峭性，即风险因素与对应的违约概率关系图形越陡峭越好。

相关风险变量的选择并不是越多越好。当评级模型的指标个数超过某一阈值时，模型的预测能力就会由上升转为下降，模型的稳定性也会呈现出下降趋势。这是因为当解释变量超过一定的数目时，指标间的信息重叠就会以几何级数的速度增加，这将造成指标所包含的实质性信息被重复考虑，从而对判断违约风险形成误导。此外，冗余指标所提供的不必要信息淹没了那些重要指标，最终使得关键变量在预测风险中的作用没有得到充分发挥。

相关风险变量的确定可以采用两种方法，一是外生的方法，二是内生的方法。用外生的方法确定因素，模型的结果在经济上是容易管理的，语言表达上也很简单，但是遗漏变量的现象很频繁，这是因为列出常见的变量比列出少见的变量简单得多。用内生的方法确定因素，模型包括了具有较强解释能力的变量，但是如何确定这些因素的经济意义仍然是个难题。

3.模拟问题。金融模型一般认为风险变量的分布符合随机过程。采用某个特定的随机过程模拟金融变量常常是为了实现两个对立的目标的折中办法。一方面，需要说明经验的规律像正态性、厚尾性、均值回复和零吸收等；另一方面，模型要为它的应用提供简单工作程序。

一般的风险模型将风险与波动划上等号，并且是以历史资料为基础运算，在这些模型中的风险是指过去已发生的变动情况。但未来是不确定的，这部分不能预测的风险可能才是银行所面临的致命的危害，如1987年美国股市崩盘、1994年美国利率风暴、1994年中南美洲比索危机、1997年东南亚金融风暴、1998年俄罗斯政府违约事件等。在这些情况下，VaR模型便告失效。

在正常的情况下，各风险因子的变动是呈现正态分布的，此时的风险管理模型可以发挥作用，但在市场出现巨大变化时，各风险因子变得难以预测，过去的历史资料对预测此类变化的帮助极小。

4.错误数据。模型的质量取决于输入模型参数值的精确性。波动性和相关性是必须加以估计的输入参数。大多数银行既使用内部数据源，也使用外部数据源。但是通常并未指定专门部门对数据的精确性负责。因此，经常可以看到数据出错的情况，这极大地影响了对参数的估计。对波动性的估计来说，这个问题更为严重，因为方差是样本值与平均值的平方。数据上的任何错误都会对计算的精确性产生严重影响。

可被银行用来估计损失特征的数据来源和方法相对有限，此外这些数据来源相互之间具有明显的不一致性。特别需要指出的是，在记录被用来度量违约概率(PD)和违约损失率(LGD)的原始数据时，不同的数据来源和机构明显使用了不同的“违约”和“损失”定义。尽管商业银行和其他的机构已经开始收集关于公司财务报表、违约和挽回率的数据，但这些数据之中的绝大部分都未能保留良好的截面数据和时间序列数据。因此，只有通过长时间的积累才能解决数据匮乏的问题。

5.模型的误用。一个模型可以在数学上是正确的，同金融理论相一致，而且也使用了精确的数据，但是在一定情况下，模型仍然会被误用。一方面，对于相同的投资组合，使用不同的模型将产生截然不同的结果；另一方面，同一个模型也会在很多情况下产生差别很大的风险估计。

大部分模型都有自己特定的目的。当模型用在其他方面时一般都会很糟。把现有模型应用在新的领域、新的产品或者新的市场不应该原封不动，而应该像建立新模型那样小心谨慎的检验和调整。

操作者把模型延伸用于扩展了的业务或者一个新的情况，模型风险就产生了。虽然，操作者也试图在新情况中使用他们所熟悉的模型和工具，但不幸的是模型可能在一个领域适合，在其他领域却可能不适合。

综合考察内部评级体系建立的5个步骤，每个步骤都可能出现与模型的构建初衷不一致的风险因素存在。如何在模型构建过程中避免这些因素的影响，是商业银行实施模型内部评级体系必须认真对待的课题。表3是内部评级体系模型构建过程中的每个步骤及所表现出的模型风险特征。

三、中国商业银行内部评级体系模型风险分析

商业银行实施内部评级法是巴塞尔新资本协议的核心内容。按照中国银监会的预测，到2009年中国将有10家左右的大银行实施内部评级法。目前中国4家国有商业银行正处于从以往的国有独资商业银行向股份制商业银行的转变过程之中。在这一过程中，建立自己的内部评级体系不仅是这些商业银行必须解决的首要课题，而且是迈向现代商业银行之路的突破口。银监会确定的策略是鼓励国内大型商业银行加快内部评级体系建设，提升风险管理水平。在条件成熟时，银监会将按照新资本协议内部评级法对国内大型商业银行实行资本监管。

从经营的实际要求来看，自2007年开始，其中几家在海外设有分行或附属机构、国际业务达到一定规模的中国大型商业银行，将被外国监管当局认为是“国际活跃银行”。那些在发达国家设立的子银行要按照东道国监管当局的要求执行新资本协议，届时若母银行仍采用传统的风险管理体系，将形成一行两制的风险管理体系。一家银行内部同时采用两种风险管理体系的成本很高，会影响这些银行的国际竞争力。

从内部评级法的实施情况看，工商银行、农业银行、中国银行、建设银行和交通银行已经开始有计划、分步骤地建立符合新资本协议要求的内部评级体系的工作(见表4)。但不可否认，内部评级体系建设是一项系统性工程，涉及公司治理、组织架构、业务流程、数据清理、信息系统建设等多方面工作，难度不可低估。

从表4可以看出，中国商业银行的内部评级体系建设已经取得了一定的成果。工商银行的内部评级体系已完成了一期工程，二期工程也已开始实施；中国建设银行的风险评级体系已经通过了专家组的鉴定，并经摩根斯坦利和标准—普尔进行了运行测试，其模型表现超过亚洲地区其他银行初期的水平；中国银行和农业银行也为内部评级体系的建立进行了基础性的工作准备；由交通银行牵头的部分股份制商业银行联合开发内部评级体系已取得实质性进展。

正如上文所指出的，随着内部评级体系工作的深入开展，相应的模型风险也将表现得越来越突出。在众多的模型风险中，国内商业银行在内部评级体系建设中的模型风险主要表现为由于转轨经济特点导致的模型设计理念、假设前提等适用性问题、模型建设过程中的数据、参数选择等问题以及模型的使用环境变化等方面。下面对这些问题一一进行分析。

(一)模型的设计

尽管许多银行在内部评级系统开发中将大量精力投入在数据清理和业务逻辑整合上，我们还要看到，内部评级系统的核心价值一般来讲主要集中体现在风险量化模型的技术含量上。比如，KMV公司的市场价值达到数亿美元，不是因为其坚实的基础数据，而是其模型算法上的突破和创新。事实上，如果忽视分析模型的研究、设计、检验和修正，可能会导致技术上走更多的弯路。比如，亚洲有些银行曾经使用神经网络模型计算违约概率，结果不仅造成过度拟合问题，系统也严重脱离了业务逻辑。还有的银行在数据样本不足情况下，使用决策树模型进行公司客户评级，造成很大计算偏差。实践证明，好的模型不一定是最复杂的，但必须最适合银行业务结构。这样的模型不仅可以提高风险预测的准确性，改善系统运行效率，还可以最大限度地降低数据质量的干扰，使得模型所包含的智力资源和科技含量得以充分发挥。

内部评级模块是巴塞尔新资本协议提出的信贷风险计量与管理工具，因此，国内商业银行也将在风险管理中逐渐满足这一标准。考虑到国内银行的特殊性，在构建与使用模型时，必须结合自身的情况，寻求符合自身实际情况的方式与方法。首先，由于国内银行的数据数量与质量普遍不容乐观，因此需要慎重地考虑模型建设的方法。例如，可以先从主观模型(如主观评分卡)入手，到专家经验模型再到数量统计模型。发达国家银行能够直接或较容易地运用外部评级模型，国内银行利用银行的内部数据进行调整则是较为可行的做法；另外，一个银行选取的外部模型其建立的数据样本应该与银行有相似性。其次，在模型的应用过程中也应充分考虑国内的实际情况。业务人员的信贷风险意识、对于模型的接受程度、财务数据的真实性等，都会对模型的使用有一定的影响。这就需要对模型采取比较灵活的使用方法。例如，将模型评级的决定权授予客户经理还是信贷分析或是信贷审批人员，对于模型输入信息的复核与把关，评级结果的修改与推翻相关规定等都需要反复平衡、慎重考虑，做到既能保证模型运用的严肃性，同时也不会影响业务开展的灵活性。

(二)模型数据问题

根据巴塞尔新资本协议，内部评级所用的数据既要有足够的样本容量，必须达到一定质量标准，又要求相当长的时间跨度及观察期。从国际经验看，内部评级系统建设过程中，大量精力将被花费在数据清洗和数据整合上。相比之下，我国商业银行的数据储备严重不足，数据缺乏规范性且数据质量不高。

国内商业银行在尽快完成数据清理和补录工作时，除了要实行更加规范、严格、一致的数据标准，制定数据质量管理规章，确保业务数据的及时性、准确性和全面性，还要重视我国全面而深刻的经济体制改革、对外开放政策以及国家发展战略变化对微观经济和企业资信造成的影响，切实考察历史数据的产生背景与现在以及未来的区另口，以保障数据的参考价值。

通常情况下，内部评级数据可从信贷业务流程系统中直接获得，这样可以确保数据的及时性和准确性。前台的信贷业务流程系统与后台的内部评级系统处于平行运作状态。授信业务一旦开始，相关数据就会立即传送到后台评级系统，进行自动化分析；然后，计算结果迅速传递到前台，使其发挥决策支持作用。同时，业务流程系统和内部评级系统生成的部分过程记录和全部分析结果按照统一标准存人数据仓库(或数据集市)。内部评级定期所做的参数分析和返回经验都将基于数据仓库中的历史信息来完成。

与欧美国家不同，我国银行在建设内部评级系统时需要对所有制这一因素更加重视，尤其是考虑到竞争性行业民营化的大趋势。另外，在相对稳定的条件下，欧美国家银行业的历史数据具有较高的参考价值，而我国处于深刻变革的时代，在建设内部评级系统时就需要充分重视变革这一重要因素。

(三)模型使用环境的差异

大部分模型都有自己特定的目的。将模型用在新的环境时一般会出现不适用性的问题。把现有模型应用在新的领域或新的市场环境下不应该原封不动，而应该像建立新模型那样小心谨慎地检验和调整。当使用者把模型延伸运用于扩展了的业务或者一个新的情况时就会产生模型风险。模型可能在一个领域适合，但是在其他领域不适合。在银行的管理实践中经常发生管理者试图在新情况下使用他们所熟悉的模型和工具的状况。

现代信用风险管理模型的设计理念、使用环境、及相应的数据和测试，都是以发达国家，特别是美国的市场条件为基础的。对这些国家来讲，这些管理模型都是内生的，是在其长期的管理过程中逐渐积累而成的。对于中国这样的转轨经济国家来讲，这些模型则是外生的，外生的模型在适用性、有效性等方面会存在问题。与国外银行相比，中国商业银行的评级体系还基本依赖于简单的打分模型，这种模型虽然同时包括定性和定量指标，但其在指标的选择和权重比例的分配上往往比较落后(比如模型中经常忽略对关联交易的考虑、缺乏对资产质量变化趋势的考虑)。此外，在使用过程中信用评级人员不能充分理解评估模型的内涵，只是机械地对客户进行打分，并不能够真正认识到借款人的内在信用风险，这样评定出的信用等级不但缺乏准确性，而且银行的监察和稽核部门也难以对客户的信用等级进行复审和跟踪①。

国外先进银行的内部评级管理模型通常有三种类型，即完全基于统计的模型、基于统计和专家判断相结合的模型及完全基于专家判断的模型。在实际应用中，往往是通过专家的分析和判断来为企业评定信用等级。评级最初由信用分析师和客户经理执行，然后送交区域经理或贷审会批准通过。国外银行一般比较重视塑造银行自身的“信用文化”，使银行的信贷人员能够准确地识别借款人的风险和实力，为此，信贷人员必须经过严格的培训才能上岗，他们一般具备深厚的会计知识，从财务报表使用者的角度去分析每个主要报表项目，并结合阅读报表的附注和实地调查分析企业的经营状况，判断企业的偿债能力，在整个银行范围内为客户评定出统一的、准确的信用等级。

鉴于国内银行业的历史缺陷带来的先天风险以及管理不力带来的后天风险，国内银行业在实施巴赛尔新资本协议内部评级法进行全面风险管理时，应该认真关注模型风险，并要认真思考以下几个现实问题。

一是管理流程。分析工具可以在监控点对管理流程提供定量考核，而执行管理流程的人员也可根据其经验对分析工具给出的结果进行一定调整，以充分发挥两者的优势。分析工具和管理流程之间存在互动作用，即在使用过程中不断优化模型的准确性，而模型准确性的提高又可以提升信贷管理流程的效率。

二是信息系统。根据分析工具所采用的模型和数据需要有先进的信息技术予以支持，如评级规则引擎和数据集市等；同时管理流程也需要在系统中进行固化，可以提高流程效率与质量、降低流程成本；另外系统本身也可以在流程中起到一定的控制作用。

三是组织架构。无论多么先进的分析工具、管理流程与信息系统，都必须运作于合理的组织架构(包括公司治理结构、内部控制、绩效考核和公司文化等)之上，因此，组织架构的设计与实施也是建设全面信贷风险管理体系必不可少的组成部分之一。

四是运用相应的技术手段对模型进行压力测试。内部评级法的建模过程分为几个步骤，而模型风险总是在最后一步评估。建模过程中所有继承性的误