浦发风险管理总体规划项目风险管理方法、工具和模型的建设建议附件一：内部评级架构规划建议

浦发风险管理总体规划项目风险管理方法、工具和模型的建设建议附件一：内部评级架构规划建议内容摘要：

页 20201220 影响）；对于在文档中存在的数据，将视数量多少、存放的规范程度决定是否设计统一模板要求客户经理予以填写或者统一将样本复印件转到总行集中录入。 第三节 数据的收集管理策略 通过现状诊断，浦发银行的数据管理工作存在着完全手工化，无专业的信贷信息管理系统支持的问题。 所有的客户信息、贷款信息都是落于纸面的报告，在校对、保存、管理上都存在弊病。 而根据巴塞尔新资本协议的规定，要求 35年的有效数据。 鉴于浦发银行的特殊情况 (数据保有量未知 )建议浦发要尽力追溯 3 5年的有效数据，并且在未来的过程中 , 不断补充 ,发展数据 , 使其达到完善。 对于一个典型的行业模型建设而言，原则上需要 1000 条有效数据。 其中有效的违约数据记录应占数据记录总量的 15%20%。 要在现实的条件下，满足模型建设的数据需求，将是一个非常具有挑战性的任务。 为此，毕博建议浦发银行为数据收集管理作一个完备并具有可操作性的指导计划，以保证能够采集到满足模型建设需求的充足的、有效的数据。 根据毕博的经验，初步建议的数据收集管理建议方案将分为四个阶段： 目录 索引号 GHJYPJJG001 版本号 20200621 第 22页 共 56 页 20201220 数据分析 要进行风险度量模型的建设，其首要面对 的问题是：数据的存在性分析和数据的质量分析。 浦发目前的现有条件并不理想，在缺乏系统支持，并且所有的数据均保存于纸面文档，分散在支行、分行、总行中的情况下，在进行数据收集之前，毕博建议浦发银行事先要进行一次彻底的全行内的数据分析行动，即：全面掌握全行的数据结构、数据分布、数据保有状况、数据质量等。 根据掌握的情况，制定详细的数据收集方案。 数据收集 数据收集方案要明确以下四方面的问题： 明确数据收集的组织方式 数据收集的工作涉及到各级分支行，需要前线业务人员的大力配合。 同时会有诸多细致的工作，包括大量的 协调和数据质量的控制工作。 建议设臵专门的数据收集小组，从总行 分行 支行，实行“垂直化”管理。 数据收集小组在数据采集期内以“项目制”的工作方式运作，负责从数据文档的收集到电子化采集整个过程的工作。 数据采集的质量和效率将作为关键的绩效考核指标纳入数据采集小组成员的年度考核中。 目录 索引号 GHJYPJJG001 版本号 20200621 第 23页 共 56 页 20201220 确定数据收集的周期 数据收集要在规定的期限内完成，这牵涉到部分数据的有效期限和模型建设的进度。 一次全行范围内的大型数据采集工作一般要耗时 36个月。 这取决于现有的数据基础、采集管理效率、前线人员动员情况等多方面的因素。 毕博的初步建议 是：鉴于内部评级模型在风险管理中的重要的基础性地位，应尽快进行模型开发的数据收集工作。 在准备充分，方案完备，并在有经验支持的前提下，将数据收集的工作周期尽可能控制在 3个月左右的时间内。 确定数据收集范围 数据收集的范围要根据数据存在性分析和质量分析的结果来确定。 毕博根据项目经验，对此提出的初步建议是：客户数据和贷款数据收集的范畴要包含连续 5年的数据（最近 5年）。 数据收集的范围要包括：正常客户、违约客户、已核销客户的资料。 这些客户的类型应该涵盖： 企业客户（包括新建企业）、特殊单位（机关、医疗、教育等）。 明确数据收集的方式 根据毕博的经验，数据采集小组的工作流程要根据既定的《数据采集操作手册》来执行。 毕博初步建议：浦发在实施数据采集行动之前，必须制定相关的操作手册，明确不同的模型建设所需数据的采集操作方案。 浦发银行具体的数据收集方案必须在成立专门的数据采集小组的基础上，详细研究具体情况而定。 目录 索引号 GHJYPJJG001 版本号 20200621 第 24页 共 56 页 20201220 数据清理 数据清理是降低数据收集、录入错误的必要步骤。 建议可以通过数据清理规则、数据清理技术来完成数据清理工作。 例如：通过质量抽查检验、 OCR 技术、由外购的流程系统对报表的基本逻辑进行校验、设定特定的标志以作 识别、数据仓库对进入系统的电子化数据进行逻辑校验等手段来进行数据清理的工作。 数据清理工作一般需要 12个月。 毕博的经验是：清理工作可以采用叠加式工作模式，与数据采集工作同步展开，争取在既定的时间采集周期内完成工作。 数据录入 /保存 数据的录入和保存是数据收集工作成果的最终体现阶段。 数据录入的方案一般有两种选择： 采用总行集中培训，并提供电子化录入工具，由前线人员自行实施电子化录入方式。 由前线人员采集书面的数据，以复印件或者填写表单的形式汇总到总行，后由总行集中录入系统（也可以考虑在隐去关键客户 识别信息的前提下，集中外包录入公司操作）。 根据毕博的经验，初步建议是采用上述的第二种方案，即集中录入的方案。 这种方案在实际操作过程中比较容易控制数据质量。 同时较第一种方案来看，前线业务人员的工作量也相对较轻，便于总行和分支行数据采集人员更和谐的合作。 目录 索引号 GHJYPJJG001 版本号 20200621 第 25页 共 56 页 20201220 录入系统后的数据将采用 ETL 的技术被倒入数据库保存、维护和管理。 第四节 评级模型建设策略 针对浦发银行的现状，目前虽然有一套客户信用评分体表和担保评分表，但它们仍存在一些局限性，包括：评分结果未和客户的违约率以及债项的预期损失建立映射关系、客户评估未区分大 型客户和中小客户、评分表的开发和使用过程中缺乏必要的检验、依据评分的数据资源没有得到很好的验证和保存等。 虽然在公司授信业务中可以较多地依赖于传统的专家判断。 但是银行内部风险评级由于其标准、统一和直观的特点而成为银行风险沟通的通用语言。 而且，一个和客户违约率和债项预期损失相联系的评级模型可以广泛地应用于贷款审批、贷款定价、组合风险度量、限额设定、风险绩效评估等诸多领域。 因此，毕博的初步建议是：近期内，尽快建立起适合浦发业务需求的，且为浦发风险沟通所接受的内部评级系统。 内部评级模型（系统）框架建设从风险评估入 手，将风险细分为客户风险和贷款风险。 我们拟对其中经过确认和筛选的客户风险进行细分、评估和建立对应的模型。 以下是毕博对于浦发进行评级模型建设规划的初步意见，主要就模型的细分定位、主要模型的构建方法等方面展开： 评级模型的细分原则基本包括： 目录 索引号 GHJYPJJG001 版本号 20200621 第 26页 共 56 页 20201220 按照企业规模划分的探索 我们在企业规模的初步建议是：先将大型企业（或者和一部分比较大的中型企业）放入一类进行建模，而把中小型企业列为另一类进行建模。 这里的规模定义可以参照国家统计局的标准，也可以根据浦发银行现有公司客户规模总体上不大的特点而另行划分。 大型企业的内部评 级是根据评估与负债人的财务稳定性有关之定量资料（如外间授信评级、负债人财务 /交易资料）及定性资料（如公司营运能力、管理层质素），反映负债人的违约可能性。 大企业由于经营比较多向（因而业务较复杂），同时管理相对规范些（数字可靠性相对高），需要我们在定性、定量权重方面加以综合考虑。 对于中小型客户的评级模型来说，先假设所有中小型客户有高度同类性，直接建立一评级模型应用在所有客户上。 然后，再以模型的可靠性测试及分群技巧来核实不同行业的客户的同类性，继而决定是否需要为不同的行业、地区的客户来建立不同的模型。 按照 行业划分的探索 类似于规模上的探索，我们也可以针对浦发的客户状况及不同行业财务因素的显著不同性，构造出具有代表性的行业模型若干，例如：制造业、零售业、批发业等典型行业模型。 对于行业的划分标准可以参照国家统计局的有关行业划分标准。 除此之外，也要考虑到一些特殊企 目录 索引号 GHJYPJJG001 版本号 20200621 第 27页 共 56 页 20201220 业，例如：事业单位、医疗机构、教育机构等，构造一批专项贷款的评级模型。 主要模型的构建方法： 我们建议的客户信用评级模型的构建首先基于定量数据给出信用评分并将评分映射为信用级别，其次是用定性模型以确定对定量评级的调整，最后根据这种调整得到最终的客户信用评 级，它决定客户的 PD 值。 定量模型需要的变量全部直接或间接地来源于财务数据，模型本身的参数需要专门的库来管理和维护。 定性模型需要的变量来源于定性信息数据和客户经理、审查人员的评价。 对于上述建议的大型企业的建模可以通过利用外部购买的数据（由于，国内大型企业数量有限，外部购买的数据是对大型企业数据的一种有效补充）结合外部评级机构（ Samp。 P或 Moody）的一年期违约率数据对应，建立模型。 然后用这些模型计算浦发客户数据的评分值，并根据这些评分值将客户进行分类，计算这些分类的平均违约率。 最后根据这些违约率的平均值指定 各类别的信用评级。 举例，如下图所示，如果我们采用行业分类 目录 索引号 GHJYPJJG001 版本号 20200621 第 28页 共 56 页 20201220 对于上述建议的中小企业模型建议直接用浦发的数据进行统计分析，得到评分值。 根据评分值将客户分类，计算各类的违约率。 并根据违约率指定客户的信用评级。 对于中小型客户，建议将根据违约率与大型客户违约率相同的原则来指定其信用评级，这样浦发系统内所有客户的信用评级具有统一的标准。 此外，我们建议定性数据用作模型的调整使用。 具体的思路是我们将根据定性数据的评分，统一为定量评级结果作出调 整。 判断的标准是调整后的评级各级别间能够保持良好的关系，并在违约率平均值上与国际标准有一致的对应关系。 目录 索引号 GHJYPJJG001 版本号 20200621 第 29页 共 56 页 20201220 对于历史平均 LGD 的模型构建，初步的建议是：先计算出单笔违约贷款的历史 LGD，然后根据获得的数据利用方差分析或者决策树分析的手段进行风险因素（例如抵押品、不同的担保方式、行业、地区等）的显著性分析，调整历史平均 LGD。 第五节 模型检验的策略 内部评级模型的检验是模型实施和使用的关键环节。 使用准确性未经检验确认的模型可能会给银行带来很大的风险。 从监管当局的要求来说 ，巴塞尔新资本协议也要求银行至少每年检验模型的表现。 模型检验的方法可以分为两大类：定量检验和定性检验 . 定量检验方法： 通常在模型建设之初就会考虑到回溯测试时的数据和方法的需要。 对于测试数据，一般的做法是：在数据量充足的情况下，将数据作6： 4分组。 60%的数据将作为运算集数据， 40%将作为检验集数据。 这样就建立起了两个独立的数据池（ data pool），保证了检验的质量。 当然，如果数据量不足以支持两个独立的数据池，那么就要考虑外购数据的方式了。 目录 索引号 GHJYPJJG001 版本号 20200621 第 30页 共 56 页 20201220 对于检验方式来说，一般会考虑采用一些直观的统计检验指标， 从技术上考证模型的准确性。 常用的模型绩效检验指标 KS 指标 一般来说，可以通过计算 KS 指标获得评价模型工具绩效的“增益表”（ gains chart） ,如下图所示： “增益表”（ gains chart）可以直观地描述对“好坏”判断的准确度。 根据经验，毕博认为 KS 在 45%50%范围内的模型都是较为有效的模型。 AR 指标 目录 索引号 GHJYPJJG001 版本号 20200621 第 31页 共 56 页 20201220 累计准确度指标。 根据经验，毕博认为 AR 在 50%以上的模型都是较为有效的模型。 定性检验方法： 模型设计程 序的规范化 模型设计过程的严格化、标准化也是银行内部和监管当局检验模型的重要途径之一。 内部评级模型建设过程的所有技术文档和过程文件都要由专人保存下来，供模型技术人员、银行高层及监管当局查阅和检验。 规范化的模型设计程序体现了模型建设的严谨性和完整性。 在后续的模型使用和改进中也将起到关键的作用。 目录 索引号 GHJYPJJG001 版本号 20200621 第 32页 共。