通向新巴塞爾協議的花旗之路

文／Jennifer Courant． Corinne Neale． 周蓓蓓／譯

在來自新巴塞爾協定銀行業實施小組和對初始模型確認評審的監管人員雙重反饋的激勵下，第二波開發內部評級基準計算模型(Inner RatingBasis )的浪潮席卷了整個亞洲。

在來自新巴塞爾協定銀行業實施小組和對初始模型確認評審的監管人員雙重反饋的激勵下，第二波開發內部評級基準計算模型(Inner RatingBasis )的浪潮席卷了整個亞洲。

考慮到接觸信用風險模型開發銀行權益人的數量以及他們可能沖突的目標，模型的再建和完善很可能會成為風險管理業的一個永久性特征。這種發展趨勢，體現了巴塞爾協議對促進模型開發和風險管理實踐不斷進步的精神。

作為發展里程碑的標識和對以往經驗的總結，我們對許多亞洲銀行及其監管機構在實施IRB所面臨的有關問題進行了探討，涉及三個方面。此外，作為最佳實踐性銀行， 花旗集團在IRB實施方面，其全球業務平臺使其面臨與亞洲銀行相同的挑戰。 我們對花旗集團如何解決這些問題也進行了探討。

這些實際問題主要集中在以下三個方面：

● 終端用戶（比如，貸款員，投資組合經理，信用分析員）應該如何參與信用模型開發和測試？

●IRB的風險預測如何做到既有前瞻性又植根于歷史？

● 在實際工作中，銀行怎樣滿足使用測試 (Use Test)的要求？

終端用戶對IRB模型開發的參與

第一個問題，在亞洲，終端用戶對模型開發和測試的參與\"合適\"程度，尤為相關。亞洲銀行沒有單獨的內部風險建模和分析團隊，因此更傾向直接或者間接通過顧問，求助于終端用戶，來設計和確定評級模型。如果不同業務對模型開發施加的影響不均衡就會造成潛在的利益沖突。

在花旗集團，獨立的模型開發團隊積極尋求內部風險經理和業務終端用戶的參與，在此基礎上來決定模型的輸入變量。模型變量的選擇過程本身取決于變量的統計顯著性，而終端用戶根據自身經驗進一步分辨那些對特定行業或市場來說不可靠的變量，以及傳統上用于分析客戶信用風險的變量。在一些終端用戶的量化背景更為顯著的國家，比如韓國，終端用戶會被邀請到紐約來參與模型變量的選擇過程。這些特意安排，使感興趣的終端用戶能夠在不同程度上參與變量的選擇過程，從而有效利用內部專業能力來提高用戶對產品的接受度。

為了促進整個過程的一致性，統計技術和方法的技術層面全部由花旗集團的模型開發團隊確定。所有的主要決定都由整個團隊共同通過，并且由經驗豐富的具有量化背景的終端用戶參與建模技術的基本討論。

IRB模型方法的確定直接根植于花旗集團的商業實踐。這一點為終端用戶接受產品提供了雙重保證。例如，模型中的一年違約概率投影水平線 (One Year Probability of Default Projection Horizon) 是根據花旗集團批發型風險評級原理定義的，這就為建模團隊確立了目標。主要的模型方法全部由風險經理，業務經理和模型開發團隊共同合作確定。

在整個模型開發過程中避免使用技術術語，以此來提高透明度以及內部各級終端用戶的專業能力。 例如，考慮到類似\"當前型(Point-In-Time)\"或者\"貫穿周期型 (Through-The-Cycle)\"的專業術語從未在業務領域里使用，花旗并不使用這些術語來定義評級系統。在符合IRB標準和要求的基礎上，模型對特定的時間范圍（一年）進行預測，但是其開發和測試依據更長時間范圍的數據，包括在許多情況下的多重循環。 模型對終端用戶提供的輸出結果表現為與一系列違約概率相關聯的內部風險評級。

因此，花旗集團終端用戶在理解一年違約概率的含義，或者在協調一年違約概率與自身評級理念方面沒有任何困難。從九十年代初開始，花旗集團就以違約概率和預期損失范圍定義內部評級系統，從而建立符合花旗集團商業原則和規范的模型。風險等級圖示定位提供了與風險關聯的簡單途徑。

風險預測既具前瞻性又根植歷史經驗

第二個問題是風險預測如何既具前瞻性又根植于歷史經驗。這個問題特別是對許多亞洲銀行的挑戰。首先，現在廣泛使用的記分卡(Scorecard)在風險預測時更著重于序列相對系統 (Rank-ordering Ordinal System)而非直接預測違約概率的基本系統（Cardinal System）. 此外，要獲得既反映長期歷史均值又具有前瞻性的預測結果，其目的在于將主觀性因素加入風險量化的過程。考慮到1998到1999年的亞洲金融危機，歷史數據是否可以作為未來預測依據對亞洲銀行是一個至關重要的問題。在既根植歷史又具有前瞻性的IRB模型的運用中存在的挑戰導致了花旗集團大量的模型再建，從而使商業實踐與新巴塞爾協定的預期保持更緊密的一致。

許多在九十年代初建立的初始評級模型都是統計回歸模型( Logistic-type Model). 在這些模型效用的啟發下，由于復制內部以及外部風險評級模型帶來的數據問題，花旗集團開始轉換思路。在這個時期，花旗集團開始實施建立全球違約及財務數據庫的研究項目，使得銀行可以建造具有前瞻性的，適用于任何資產組合（獲評級的或者無評級的），用以預測一年度違約概率的模型。考慮到較大的資產組合涵蓋中小企業，這些一年違約概率模型對其信用風險的預測顯得至關重要。由于中小企業缺乏外部評級，違約預測模型就必不可少。

在不斷完善的基礎上，銀行現有的信用風險模型與新巴塞爾協議預期保持一致的結果。新巴塞爾協議預期要求模型作為IRB實施的一部分，在長期歷史數據的基礎上開發，并且對違約風險進行前瞻性預測。

因此，與IRB標準相符，花旗集團內部模型設計為在預測違約概率時表現出前瞻性。此外，作為概率模型設計的結果，模型可以用于情景分析(Scenario Analysis)， 使用者通過改變主要輸入數據比如利率，或者減少收益，來反映經濟發展低谷。在這些情況下，模型可以生成\"草擬\"評級結果或者多次\"草擬\"評級結果，使用者可以在此基礎上分派最終評級。

應新巴塞爾協議要求， 花旗集團模型在開發過程中的校準和測試都基于至少一個（如果沒有更多）的商業周期。大部分花旗集團用于校準的歷史數據庫可以回溯到1994年，跨越一個十年的周期。在韓國，花旗銀行通過收購建立平臺，歷史數據可以回溯到1998年。由于時間范圍較短，作為模型開發的額外注意事項，韓國模型以內部客戶數據為基礎校準并且以非客戶數據為基礎測試。

當然，對模型的歷史數據基礎必須進行認真分析，數據的完整性對于確定模型是否符合\"以歷史為根據\"的要求至關重要。比如，在韓國，考慮到相對較短的數據歷史，花旗模型開發團隊在數據清理和模型開發階段通過與業務終端用戶緊密合作來對用于校準的數據進行核查。這種共同努力在必要程度上保證了用于校準的數據庫能夠代表最終適用于模型的資產組合。對于其他基于內部數據和供應商數據的模型，花旗集團花費了大量時間清理，復審和人工檢查輸入數據。業務部門接下來參與對違約和非違約實體的數據復審過程，以保證數據庫具有與模型所適用的資產組合相似的特性。

因此，開發的模型數量是銀行投資組合的構成，業務重點和數據可獲得程度的函數。

滿足\"使用測試\"（Use Test）的要求

第三個問題是識別出滿足新巴塞爾協議下\"使用測試\"（Use Test）要求的實踐活動。現階段，有些亞洲銀行還未使用信用模型對信貸利差 (Loan Margin) 的違約風險進行定價，尚未建立積極型投資組合管理 (Active Portfolio Management) 的團隊，并且還沒有以個體債務人信用風險或者以投資組合損失的統計度量為基礎進行限定管理。 這一問題帶來的挑戰，對具有這些現狀的亞洲銀行的影響尤為顯著。

2006年9月，巴塞爾委員會發表了對IRB使用測試的指導。在這一前提下，花旗集團開發并且實施了與指導要求一致的風險模型。在花旗集團全球業務和操作范圍內，模型的開發和實施提高了用于信用風險估測實施的信用風險方法，風險定義，和歷史數據基礎的一致性。

在花旗集團，模型使用的一致性構架通過\"基準債務人風險評級系統\"（Baseline Obligor Risk Rating）建立。風險經理和業務經理可以對基準進行一些有限調整使得基準可以包括對債務人或者行業的特定風險，比如，那些在模型的輸入數據中沒有反映的風險。模型廣泛的涵蓋了所有的普通公司(General Corporate) (又稱為工商業，包括非金融服務公司) 以及花旗開展業務的所有國家的商業銀行。在數據允許并且建模工作持續進行的情況下，會繼續添加更細分的模型。

在此意義上，花旗集團模型確立于業務活動并且用于支持日常交易和操作。除模型評級以外，風險經理還研究其他的度量來指導最終風險評級的分攤和信貸審批決定。 他們可能依據來自全球風險評級機構的評級，以及一些市場基礎模型的輸出結果， 比如花旗集團自身的混合型違約概率計算模型（Hybrid Probability of Default Models）.

為了使模型更有效地被接受和使用，終端用戶通常被培訓，而他們的回饋用于未來模型的改善。其中一種回饋表現為終端用戶被認可的對現有結果的異議。有關花旗集團信用系統的更改會被及時實施以防止異議進一步擴大。像終端用戶通常在培訓中被提醒的一樣，任何統計模型都有極限，因此用戶對公司，市場，政治氛圍，管理和其他因素的專業知識對于進行最精確的風險測量至關重要。

對于像花旗集團這樣規模和復雜程度的銀行來說，成功地運用內部信用風險計算模型極具挑戰性，并且要求對內部資源，深入的信用建模和市場的專業知識，以及不同市場環境和文化的溝通合作的廣泛投入。對花旗集團而言，隨著令人滿意的效用成果的增加和終端用戶信心的提高，這些努力達成了一種透明的，一致的，分析上嚴格的信用風險測量和管理方法。

（作者供職于 Citigroup， Risk Architecture.Algorithmics Capital Management group.）