2022年商业银行零售业务信用评级体系建设分析研究.docx

《2022年商业银行零售业务信用评级体系建设分析研究.docx》由会员分享，可在线阅读，更多相关《2022年商业银行零售业务信用评级体系建设分析研究.docx（9页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精品学习资源商业银行零售业务信用评级体系建设争论来源：大公国际巴塞尔新资本协议中影响最为显著的哪一项内部评级法的推出；针对零售资产，新资本协议从内部评级法的设计、运作、风险量化、公司治理以及评级使用等方面提出了如干要求，本文集中环绕风险划分、风险量化和评级使用三方面的要求，争论实施零售资产内部评级的理念、方法等核心技术问题；一、内部评级法与商业银行零售业务一）商业银行零售业务特点商业银行零售信贷业务的主要特点是：第一，数量巨大，单笔金额小，单笔治理成本高； 其次，客户单笔风险大，信息分散，治理难度高；第三，业务审批要求效率高，决策必需快速坚决；这些特点打算了银行要对零售风险实行量化治理与集约化

2、治理；零售业务信贷风险治理决策流程一般包含以下工作环节：客户群识别、营销、申请、新客户审批、客户行为监控、预警措施、定价、赐予的产品、信用额 度、催收措施、资产风险划分以及核销等；目前，国际上先进商业银行零售业务的经营模式实现了规模化和集约化；治理决策实现了系统化和自动化；信息数据处理实现了集中化；风险治理实现了模型化和智能化；二）内部评级法对零售风险暴露的基本要求巴塞尔新资本协议零售内部评级法是国际先进商业银行正确实践的总结，代表了现代零售信用风险治理的进展方 向；银行采纳内部评级法的前提是，满意新资本协议的最低要 求，并得到监管当局的批准，才可以依据自己对风险参数的估量打算特定风险暴露资本

3、要求；零售内部评级法的核心就是要求银行实现对零售业务风险的精确量化，对零售风险暴露内部评级体系的要求主要表达在三个方面：一是建立合理的风险划分体系；银行第一须将全部零售资产划分到特定的“零售资产池 pool of retail exposures）”；风险划分的标准应具有合理性、一样性； 风险划分的过程应能够有意义地区分风险，能够使“零售资产池 ” 聚集足够多的同质 homogenous）贷款；风险划分的结果 “零售资产池 ”要具有稳固性，并防止集中性风险；二是建立精 确的风险量化体系；商业银行挑选风险因素时，可以采纳统计模型、专家判定或综合使用两种方法；银行要有才能精确、一样地计量每个 “零

4、售资产池 ”的违约概率 PD）、违约缺失率 LGD） 和违约风险暴露 EAD ）；三是建立合理的评级应用体系；风险划分和风险量化以及对违约和缺失的估量要在信贷审批、风欢迎下载精品学习资源险治理、资本治理和公司治理等领域发挥关键性的作用；特殊是，对于每笔零售贷款，银行都必需将其划分到一个特定“零售资产池 ”中，这一风险划分过程须作为贷款审批的一个环节；三）目前国内商业银行零售业务风险治理现状我国商业银行的零售业务自 2000 年以来，进展快速；目前已经初步形成了以个人按揭、消费信贷、信用卡为主导的零售业务产品体系；从 治理体制上，银行的个人信贷风险治理流程基本形成，构建了前、中、后台相互制衡、彼

5、此独立、职责明确的风险治理流程， 个人信贷风险监测、掌握和处置体系逐步建立；但与国外先进银行相比，国内大部分商业银行由于零售业务起步较晚、数据积存时间不足等缘由，治理手段仍比较落后；一是零售业务贷款决策主要以人工主观判定为主，尚未实现标准化和自动化；目前，我国商业银行零售业务的评分模型建设落后，审批和回收等工作均实行 “逐户逐笔 ”的方式，内部流程较长，经营成本相对较高，业务效率较低；此外，风险评判主要依靠专家体会，采纳人工判定的方式，影响信贷决策的客观性、精确性和公平性，且无法实现业务的自动化处理；二是零售业务没有进行贷款池划 分，不能运算各贷款池的风险要素；目前，我国商业银行仍没有依据零售

6、内部评级法的要求，对风险类别进行进一步的细化，依据业务风险特点的同质性进行分类治理；仍不能运算零售业务贷款池的 PD、LGD 和 EAD 等基本风险要素，各个贷款池的风险度量仍处于空白；三是在评级结果验证和评级应用等方面仍比较落后，尚未成为信贷审批、产品定价、市场营销、绩效考核的主要手段；如何提升商业银行零售业务的风险治理水平，关键在于提高零售风险量化水平和实现零售业务处理的自动化和标准化；零售内部评级法的核心就是要求银行实现对零售业务风险的精确量化；因此，商业银行应当积极推动零售业务内部评级法建设，依据新资本协议零售内部评级法的要求，借鉴国际先进银行正确实践，结合我国零售业务的特点，建设满意

7、我国零售业务需要的信用评分模型体系，实现零售业务治理的自动化和标准化， 提高零售业务风险治理水平；依据巴塞尔新资本协议零售内部评级法的要求，对于信用卡产品，银行可以依据申请、行为评分的分段，以及逾期行为等借款人风险特点进行风险划分；针对我国商业银行零售业务特点，改进信用评分卡模型设计技术、量化风险，成为国内商业银行实施巴塞尔协议零售内部评级法的起点；二、信用评分模型简介欢迎下载精品学习资源一）信用评分卡个人信用评分就是通过分析汇总借款人的各个信用信息而得出的经过量化的信用等级；个人信用评分也是银行或其他金融机构利用所获得的信用申请人的信息，进行风险猜测的一种方法和技术；它是把数学和统计模式用于

8、个人信贷发放决策，对个人履行各种承诺的才能和信誉程度进行全面评判，确定信用等级和信贷限额的一种方法；其功能是以个人的信贷申请书和征信报告等资料为基础信息，对该申请人的信贷风险程度进行分析，并得到数字量化的结果作为贷款决策的依据，从而使信贷决策自动化、科学化；从本质上讲，个人信用评分是一种对个人信用的一种定量化描述，用客观的方式猜测信用行为；它具有削减坏帐，促进决策标准化、业务自动化以及快速高效的优点；二）信用评分卡优势零售信用评分模型具备以下优势：一是客观性，评分模型是依据大量数据提炼出来的猜测信息和行为模式制定的，反映了银行客户信用表现的普遍规律； 二是一样性，评分模型可以保证银行决策的一样

9、性；三是精确 性，评分模型依据先进的统计学技术，能比较精确地猜测出客户信用表现的概率；四是全面性，评分模型一般是由代表各个信息维度的猜测变量组成，比较全面地评估了客户将来的信用表现； 五是效率性，信用评分模型可以在系统内实现自动化处理，决策快速，更适用于数量巨大的零售业务；信用评分模型的使用，将有利于银行提高决策效率，坏账率明显削减，收益增加；三）信用评分卡分类信用评分技术可用来评估对某贷款申请 人发放贷款的风险；其原理是通过对已有的贷款历史数据进行各 种定性或定量的分析，以使信用评分能够充分表达客户基础特点 对拖欠和违约行为的影响；信用评分卡主要分为三种类型： 申请信用评分卡、行为信用评分卡

10、和催收信用评分卡，分别为信 用卡业务供应事前、事中和事后的信用风险掌握；1.申请信用评分卡申请信用评分卡特地用于对新申请客户的信用评估； 它通过申请人填写的有关身份资料，即可快速、有效地辨别和划 分客户的优劣，防范信用不良的客户申办信用卡，提高持卡人的 信用水平，实现信用卡业务风险的事前防范；2.行为信用评分卡行为信用评分卡是通过对持卡人仍款行为的监控和猜测，实现评 估客户风险的目的；行为信用评分卡可用于信用额度的自动监控 和调整、授权以及对坏账的猜测；3.催收信用评分卡催收信用评分卡是申请评分卡和行为信用评分卡的补充，特殊是在持卡 客户产生逾期贷款或坏账的情形下建立的；催收信用评分卡应用 于

11、猜测和评估对某一笔坏账所实行的措施的有效性，诸如客户对 电话、信函、上门和司法催收的反应的可能性；这样，发卡行可欢迎下载精品学习资源以依据模型的猜测结果，针对不同的拖欠客户实行不同的催收措施；三、零售客户评分卡设计流程2021 年大公进行一汽财务内部评级体系建设工程，在工程中对轿车和卡车客户建立了个人信用评分卡；这些客户评分卡为“申请人信用评分 ”，它可用于帮忙信贷审批人员做出是否批准新申 请人贷款的决策，并有助于提高审贷人员的审批效率；通过使用 评分卡对贷款申请人进行综合评分，公司审贷人员可较快地明白 贷款申请者的整体信用水平；大公采纳了目前国际流行的数据挖掘技术进行信用评分卡设计；针对一汽

12、财务公司业务和客户 的特点，大公设计了最适合公司情形的开发流程，分为8 个步骤：业务目标确定、数据抽样、数据质量检验、数据转换、数据 挖掘及建模、验证模型、模型应用和模型跟踪与反馈；一）业务目标确定信用评分的目的是利用现有的样本数据建立模型，利用此模型对将来申请人的信用行为进行猜测， 从而区分出好客户和坏客户；在建立评分模型时，需要一组已有的客户样本，既要知道该组客户的特点，同时也需要明白他 们的信用表现；依据巴塞尔协议对违商定义及公司对客户治理需要，对好坏客户进行定义；二）挑选正确的数据源， 抽取样本模型的质量由数据的质量打算；在信用评分卡模型的开 发中，数据是框架或信息库，模型质量与底层的

13、数据亲密相关； 从数据的来源上看，可以分为内部数据源或外部数据源；内部数欢迎下载精品学习资源据源是指业务活动产生的数据，如申请人的申请表、审批材料等；外部数据包括征信系统的数据；依据业务问题和对数据库的懂得，在收集到的数据基础上采纳抽样的方法，挑选出构建 信用评分所需的数据；抽样可以解决数据量过大的问题，使分析 更具效率，但是必需要把握好目标群体的特性，防止抽样时产生 偏差；三）数据质量检验数据预备是评分模型开发过程中最重要的步骤之一；无论模型的复杂程度如何，数据质量是 工程胜利的关键；好的数据和有效的技术一样，打算着模型的结 果；在原始数据的基础上，对数据进行合并，并创建最终的数据 集；对建

14、立评分模型所用的数据集，进行检查，以发觉错误、异 常和缺失值，这是数据预备过程中一项耗时、乏味的工作，但却 是一个不行缺少的步骤；四）分析、挑选和转换变量有了牢靠的数据之后，依据建模需要，仍应当对数据做相应的转 换；工作内容包括多个数据库表之间的匹配整合，变量的构造与 派生，对缺失、反常变量进行处理；通过数据转换过程，一方面 将数据库格式的信息构造为数据挖掘需要格式，另一方面要依据 业务专家的体会，产生猜测才能强的变量，为评分的精确性打下 坚实基础；在预备对最终模型进行处理的过程中，需要使用一些 简洁的技术来削减变量的数量，这样可以排除那些猜测才能低或 无猜测才能的变量，从而使创建的模型更加有

15、效；五）数据挖掘及建模建立模型可采纳的方法很多，主要有统计方法与非统计方法两种；常用的统计方法包括判别分析法、回来法、 规律回来法、分类树法等；非统计方法有神经网络法、线性规划 法等； 1.决策树模型决策树也是数据挖掘中最常用的方法之 一；在数据挖掘过程中，决策树用作一个分类的工具去解决大量 的分类问题，决策树使用树型结构描述学问，树的构建称为树归 纳，这个过程用一套预分类的例子来进展一个决策，一旦这样的 树被引入，它就被用在预言模式中，把新的记录分类到预先规定 的种类，当需要考虑很多复杂的信息时，决策树是作决策的极好 工具，它供应有效结构以挑选决策和评估决策的后果；与神经网 络、多元统计判别

16、分析等分类方法相比，速度快、精度高、生成 模式简洁易用；利用决策树可以将客户依据各种特点进行分类， 并运算不同类型客户的违约概率；另一方面仍可以分析变量的相对重要性；决策树的最顶端为根结点、最底端为叶子；每个结点都标示出了结点数据量及好坏客户的占比情况；以图 2 其次层左端结点为例，数据中共有430 人居住面积属于第 2 或第 3 组；在 430 个客户中共有 305 人为好客户，占比达70.9%；通过对决策树分析的结果，可以看出影响客户信用欢迎下载精品学习资源状况的各因素的相对重要程度； 2.利用规律回来模型建立个人信用评分卡在实际应用中，常常会采纳规律回来法来创建信用评分模型；规律回来技术

17、具有功能强大、直观、对过度适应数据的风险低等特点；规律回来技术是在数据中找到一条误差最小化的线性路径的一种抱负技术，并且其结果可直接产生评分卡，在模式实行上的成本较低、时间短；）规律回来模型规律回来模型是非线性模型的一种，其主要应用于因变量为二分类变量的情形，如违约 /不违约，发病 /未发病等；由于因变量为二分类变量，因此规律回来模型在模型假设条件、估量方法以及回来系数的说明等方面与传统多元回来模型存在着较大的差别；图 2 决策树例图）模型假设 假设客户违约发生的概率为 P，取值范畴在 0-1 之间；由于建立模型时因变量 P 与自变量之间存在非线性关系，因此需要对因变量进行相应变换；欢迎下载精

18、品学习资源图 3 违约概率 P 与自变量之间的非线性关系通过对违约大事 P 进行 logit 转换，表示为logitP），可使 logitP 的取值范畴在 -， +）之间，同时使其与自变量线性相关；从而规律回来模型可表示为： logitP + 1X1+ n，Xn其中因变量 P可由求出；）模型系数的说明；规律回来系数可以被说明为对应自变量一个单 位的变化所导致的因变量上的变化；规律回来模型的系数为正表 示为在其它自变量肯定的条件下，对数发生比即 logitP）随相应自变量的增加而增加；同理，规律回来模型的系数为负表示为 在其它自变量肯定的条件下，对数发生比即 logitP）随相应自变量的增加而削

19、减；）利用规律回来模型产生评分卡规律回来模型是在定量的基础上说明客户基础特点与违约对数发生 比之间的关系；因此，通过对规律回来模型的系数进行一系列变 换，可获得评分卡各指标特点项的分值；3.新建个人信用评分卡的特点）采纳科学的数据挖掘理论为依据；指标设计、 数据分析、模型建立检验过程等几个方面更加科学、精确；利用 逐步回来方法，只有对好坏客户区分才能明显的变量才进入模型；）在指标设计上，新评分卡指标更加精简；评分卡 只包含 10 个指标；去除了婚姻、户口性质、最高学历、居住性质、居住面积、产权、资产、单位性质、职务、行业等各特点项 的违约比率相近的指标以及在模型中不显著的指标； 检验 K-S

20、检验是检验模型区分好坏客户才能的方法之一；一个好的信用评分卡可以通过分值区分好坏客户，也就是说坏客户的得分较低好客户的得分较高；K-S 统计量可表示为好客户分数累计百分比与坏客户分数累计百分比之差的最大值； K-S 统计量的检验需协作好坏客户分数累计分布曲线进行分析； 3.Rceiver Operating CharacteristicROC曲线与 K-S 统计量不同， ROC 曲线是利用好、坏客户分数分布的全部信息对评分卡区分才能进行评判； ROC 曲线描述了当分数值发生变化时，评分卡的分类特性；图中对角线绿色直线）代表了随机分类的情形； ROC 曲线向左上角弯曲的越多，表示评分卡区分才能越

21、好；相应的 ROC 曲线越接近对角线 也即越接近随机分类情形），说明评分卡区分才能越弱；图 4 是新建立的信用评分卡与公司原有评分卡的对比，新的ROC 曲线向左上角弯曲的更多，说明新评分卡区分才能优于原有信用评分卡；七）模型应用在模型经过验证后，必需将模型产生的结果写入日常使用的决策系统中，作为将来决策的参考；在该阶段， IT 部门扮演着关键的角色，但熟识业务、风险治理及统计方法的人员的协作也很重要；此外，必需编写相关文档及进行人员培 训；这样，在系统测试时有助于评估系统运作是否与从前设定的目标一样，也能降低将来使用时对于评分的误会或误用； 八）模型跟踪与反馈评分模型的猜测才能会因时间不同而有变化，通过定期及连续性的模型监控，可以确认模型的猜测才能 是否仍在合理范畴内；如模型的猜测才能与进展模型时有了显著 的差异，就必需调整评分模型的结果或重新建构新的评分模型； 评分模型可以猜测将来发生客户违约的概率，假设高风险有高收 益，对于同样的客户，风险治理人员与市场分析人员可能会有不 一样的看法，将应用模型所产生的决策记录下来，连续追踪，并 相应调整决策，就能够找到风险与收益的平稳点；申明：欢迎下载精品学习资源全部资料为本人收集整理，仅限个人学习使用，勿做商业用途；欢迎下载