內部評級模型驗證與優化范文

本站小編為你精心準備了內部評級模型驗證與優化參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《金融理論與實踐雜志》2015年第八期

2014年4月，銀監會正式核準六家大型商業銀行的資本計量高級方法實施[1]申請，標志著我國新資本協議實施進入了新的階段。大多數股份制銀行已初步構建了內部評級體系，并將初級法合規達標提上了議事日程。實施新資本協議，提高風險衡量的準確性和可靠性是銀行風險管理發展的必然趨勢（劉呂科，2012）[2]。在新資本協議實施的推動下，國內絕大多數大型商業銀行建立了以內部評級模型為基礎的風險計量體系[3]。隨著模型結果應用的不斷深入，模型風險①越來越受到重視，模型的準確性、穩定性和審慎性不僅只是監管關注重點，也成為各業務領域，包括資負、評審、資產監控等廣泛關注的課題[4]。首先，采用內評法的銀行，資本要求的變化和評級模型結果緊密相連，模型準確性與可靠性直接影響到資本管理的效果；其次，評審人員從業務直覺和經驗的角度會對客戶風險狀況做出一定的判斷，如果模型結果與評審人員直接判斷偏差過大，會導致評審人員難以在信貸準入標準、利率及期限核定等方面對客戶做出一致性判斷；再次，模型不準確，也會在一定程度上導致銀行授信政策偏離政策設定的初衷，導致銀行風險偏好與實際風險承擔偏離；最后，模型結果不準確直接導致風險調整收益指標不準確，在此情景下難以對被考核者做出公正的評價。總之，評級應用越深入，越廣泛，模型結果可能帶來的爭論、質疑、困惑、挑戰就越多。很多情況下，業務部門傾向于以主觀經驗質疑模型統計，以特殊個案挑戰綜合性評價，造成模型開發主體或者過于遷就業務部門，導致評級成為“花瓶”，或者罔顧業務部門的爭議，在模型開發或優化時都以絕對的統計規律為準，造成模型結果在業務部門引起反彈，模型很難得到深入和廣泛的應用。在此情形下，模型驗證是支撐模型優化，確保模型準確性與可靠性的有力工具。驗證結果也有利于平復模型相關方，包括模型開發、授信評審、資本管理、績效考核和內部審計等的爭議，相關方以模型驗證結果為依據更易于在模型開發、管理與應用方面達成共識，有利于評級模型的深入應用。因此，建立一個完善的驗證管理體系，定期持續對模型表現進行監控，并針對驗證結論對模型進行優化是模型深入應用的有力保障。本文結合行業實踐，分析了評級模型表現衰減的潛在原因，結合原因給出了驗證方案，并依據驗證結論分析了模型優化的主要方法與路徑。

一、模型表現衰減的原因

從業界實踐看，評級模型在上線之初，都具有較好的準確性、穩定性與審慎性。但絕大多數評級模型在上線運行一段時期后，模型的準確性和可靠性都會出現一定程度的衰減，各類指標如AR值和KS值都有所下降。除了指標值的表現之外，還有一些出現違約的客戶，在違約之前評級級別很高，出現所謂的“評級懸崖”，從側面反映了模型較差的表現。還有一些重新優化后的模型，由于結果變化較大，造成評級分布的較大遷徙，導致監管資本計算與配置、績效考核等都出現較大波動，引起業務部門的較大反彈。模型衰減的背后原因很多，如宏觀經濟形勢變化、產業結構變化、應用等等。綜合起來原因可分為以下幾類。一是宏觀經濟環境已明顯改變。大型商業銀行普遍在2012年之前完成了內部評級模型的開發，但與模型開發時的經濟環境相比，當前宏觀經濟環境已發生了較大變化，某些資產組合的整體信用狀況及風險特征已發生了較大改變。二是數據輸入質量有待提高。一方面中小企業財務報表的真實性較差，另一方面還存在一些客戶經理處于某種考慮故意調高甚至更改客戶的部分數據，尤其是在定性指標方面，一些銀行的定性評分成為客戶經理操縱評級結果的工具。模型構建建立在數據真實的基礎之上，虛假數據混淆了模型表現，降低了模型預測效果。三是評級管理不規范。一方面一些銀行評級流程設計不科學，導致大量的“業務驅動型評級”現象，大量的級別集中在準入級或其他與信貸政策掛鉤的級別，完全沒有反映客戶的真實風險狀況；另一方面一些銀行評級工作較為隨意，不評級或不及時評級的現象較為突出。通常情況下，當客戶信用質量發生惡化時，客戶經理傾向于把問題掩蓋到最后，不會及時更新評級，使得評級具有較大的滯后性，難以反映客戶風險狀況的變化。

二、模型驗證思路

在一定程度上，模型驗證不應被僅僅視為是為了新資本協議達標。與模型開發一樣，模型驗證既是科學也是藝術。模型準確性出現各種問題，背后的原因不一定是模型自身的問題，可能是由于多種原因造成的。因此驗證應結合模型表現，找到模型衰減的背后原因，并進行有針對性的優化。模型驗證思路對找出模型衰減的原因以及后期的模型優化至關重要。驗證應有合適的比較基準，從國內銀行實踐看比較基準一般參照巴塞爾內部評級法，但巴塞爾協議的要求僅僅是滿足了合規要求，并不一定滿足內部管理需要或最佳實踐要求，因此銀行在驗證工作中還應結合自身業務情況對標業界最佳標準。從驗證內容上看，首先應考察模型文檔維護情況，包括開發及應用文檔的完備性，開發文檔的可追溯性等；其次要評估模型開發流程，包括開發流程的規范性，關鍵定義的合理性等等；同時，還要考察開發樣本的適用性，包括其風險預測能力、資產組合分布和周期敏感性等內容；此外，還應分析模型校準情況，包括主標尺、違約中心趨勢、得分與等級映射關系等內容；最后，應重點評估評級流程與后督機制，如治理架構、評級流程完整性、評級應用、內控和審計、驗證、差距彌補機制等。在每一個子模塊都對標監管要求或業界最佳標準，得到驗證結論。驗證結論有兩種，一種是定性的評價，如文檔不完備或開發過程不合規等；另一種是通過各類指標定量表現的驗證結論。對于定量評價結論，總體上看，主要有以下幾類：一是具有較好表現的模型。模型的AR值較高（AR值達到50%以上），審慎性及穩定性都通過了給定置信水平下的檢驗，實際違約率也呈指數上升趨勢。二是整體偏移的模型。雖然模型的區分能力較好，如AR值均較高（AR值達到40%以上），但難以通過二項檢驗及卡方檢驗，模型的準確性和審慎性較差，但實際違約率仍呈指數上升趨勢，說明模型出現了整體性偏移，或對應的資產組合出現了整體性的信用狀況惡化。三是部分級別準確性較差。模型總體AR值達到一個較好水平，如30%，但個別等級沒有通過二項檢驗，這些級別的準確性較低。背后的原因可能是業務驅動評級導致的評級過度集中。四是完全無效的模型。此種情況下，模型總體的AR值較低，很多級別也難以通過二項式檢驗，總的穩定性也較差。

三、模型優化思路

驗證結論較差并不一定意味著必須進行模型優化。因為無論驗證方法多么先進，很多情況下驗證結果是非結論性的。一是在大部分情況下，違約案例有限造成方差過大而無法得到有意義的結論。二是正如前文所述，模型結果準確性和模型應用緊密相連，很多時候是因為模型推翻率過高或推翻幅度過大造成了評級結果與實際情況的較大偏差。另外，外部環境的變化也影響到模型應用，進而影響到模型準確性與穩定性，如銀行的目標客戶群變化、授信標準變化、某些地區或行業的系統性違約，這些是任何模型都無法預測的。深入地分析模型準確性背后的原因是至關重要的。如，是不是因為經濟周期上行階段，違約數量積累較少，授信政策或銀行的業務發展戰略是否發生了較大變化，數據錄入是否過于隨意，要綜合考慮究竟是模型設計存在問題還是模型使用不當造成了模型的準確性降低。對于定性評價結論，如數據代表性不足或建模過程不合規等，應及時進行補充完善；對于整體偏移的模型，模型自身的指標體系及權重不需優化，只需進行校準調整，修正模型結果單方向偏離的狀況；對于整體表現較好，部分級別準確性較低的模型，也無須進行重新建模，要深入分析背后原因。背后原因可能是評級級別切分不當，也可能是業務驅動評級導致“評級懸崖”造成準入級別準確性較差，如果是后一種原因，則應加強和規范評級管理；對于基本失效的模型，需要進一步分析是否需要重構模型或是僅需調整個別指標和權重，很多情況下，這類模型都需要重新開發，全面優化。圖2模型優化思路資料來源：作者整理。

總之，對于不同的問題，采用針對性的優化策略。第一種優化策略是強化評級管理，此種策略針對業務驅動導致的評級不合理集中。可以在評級流程中增加剛性控制手段或安排更多的培訓，或從數據輸入端提高數據輸入質量，或提高定性指標的客觀程度等等；第二種優化策略是微調模型，如針對區分能力較好，準確性和審慎性快速衰減的模型，進行校準調整，在兼顧計量結果和業務實際的前提下把握模型準確性和業務應用的平衡，或針對某類模型，在不改變模型結構和主要模型指標的情形下，更新指標權重；第三種優化策略是顯著調整模型，如重新劃分模型敞口，或重新設定指標標準值等；第四種優化策略是進行模型重建，即舍棄現有模型，利用新的樣本，重新開發模型。從業界實踐看，通常情況下銀行大部分采用第一種至第三種策略優化模型，第四種策略僅針對那些嚴重衰減的模型，并且采用第四種策略應注意新的模型和原有模型結果差異較大對信貸授信準入、定價、資本管理等方面造成的沖擊與波動。

四、總結

模型開發、驗證與優化是一個相互銜接的完整流程，必須納入完善的模型管理體系，除了模型開發、驗證、優化，完善的模型管理體系還包括審計、參數管理和模型審批機制。在模型開發、驗證、優化和應用的整個流程中，審計應核查流程的合規性，并評估重要參數和模型表現；同時，銀行應建立完善的參數管理體系，規范參數歸屬、重要性分級、維護和更新流程等；此外，還應有完善的模型審批機制，確保重要模型上線或參數更改有各層級不同類型人員參與審查。這些輔助措施為模型驗證與模型優化提供了有力支持，和驗證與優化一起成為模型管理的“組合拳”。雖然模型驗證和模型優化在一定程度上確保了模型的準確性、穩定性和審慎性，但很難保證模型預測的前瞻性。因此，應加大數據整合，提高數據更新頻率，將潛在風險的可能跡象及時反映在評級更新中，提高預警能力。同時，有條件的銀行應積極開發宏觀預警模型，將宏觀經濟、行業、地區層面信用風險狀況的變化及時引入到評級模型中，提高模型預測的前瞻性。

總之，模型驗證與優化是一個有機結合的整體，是模型管理體系的重要組成部分。模型驗證是模型優化的基礎和依據，驗證工作應覆蓋全面，應針對不同的驗證結論，深入分析模型準確性背后的原因，結合不同的原因制定相對應的優化措施，真正做到模型管理有的放矢，確保模型在正確的軌道上運行。

作者：劉呂科 郭代 單位：重慶旅游職業學院