美国银行风险模型的验证和管理.doc

美国银行风险模型的验证和管理 巴塞尔新资本协议要求“银行必须有一个健全的体系发挥作用，来验证内部评级体系、过程和估计所有相关风险要素的准确性和一致性”，同时“银行必须向监管当局证明内部的验证过程使银行能一致地、有意义地评估内部评级和风险评估体系的表现。” 美国银行对自身的计量体系和风险评级体系进行了严格的评估和验证，通过监测模型的表现，确保评级模型的稳定性和准确性，保证为下游用户提供尽可能好的输出内容，必要时也会修改模型。 美国银行风险模型的管理和评估方面主要有以下特点： 一、审计部门每年检查评级体系，监督评级模型的表现 美国银行的审计部门每年检查银行评级体系及其运行状况，对信用风险评级模型进行模型验证和检测。验证和检测对象包括风险模型的文件，风险治理，数据输入材料和假设前提，数据编码和处理，持续性验证，以及评级模型建立过程中验证的独立性。 在完成评分卡模型开发流程之后，开发评分卡模型时所采用的开发和验证数据集、详细方法、模型输出和参数都送交审计部门进行审查。在业务条线实施评分卡模型之前，审计部门要评价验证所用的数据是否合适、量化分析和校准方法是否合适、能否用所提供的数据独立复制模型所得出的结果，有时甚至会采用相同的数据进行模型挑战。 在实施评分卡模型之后，审计部门还会不断审查事后检验报告，验证模型是否继续达到要求。 二、通过精心设计、采用严格的流程评估评级模型的效果 美国银行在业务线采用评分卡之后，都通过精心设计、采用严格统计方法的流程对其进行监测以评估评分卡的效果，从而证明：模型所采用的定量检测方法和其他验证方法不会随经济周期发生系统性变化。 具体检验流程如图1所示：第一步，通过从风险资本和PIMS收集违约数据，再汇总评级数据构成测试所用的数据；第二步，使用这些数据对基本评分卡进行测试，主要使用打分、稳定性分析等方法，测试模型各个要素的稳定性和对模型的贡献情况；第三步，如果有足够的违约客户数，就进行模型的鉴别力测试和校准测试，再进行稳定性和否决分析，看看模型是否对不同时期的客户具有稳定的表现，从而证明模型对经济周期的独立性，如果违约客户数不够，则直接进行模型的稳定性和否决分析；第四步，形成详细的评估报告，说明评分卡的效果、确定存在的问题和改进机会。 图 1： 评分卡检验流程图 除了前面采用的分析方法（包括鉴别力、稳定性、预测、100个债务人测试、否决分析、准确性分析）外，美国银行未来还将采用更多的分析方法，主要有：标杆分析（外部评级）、细分、敏感度分析。 三、借助不同的统计指标评估模型中各要素的表现和综合模型的表现。 美国银行在具体分析考察模型表现的时候，借助了多种统计指标来检测模型的各项要素和整体表现，从验证的角度说明模型的科学性，为客户评级提供实证依据。 1、模型各个要素的鉴别力分析和整个模型的鉴别效果分析 首先，美国银行考察了模型对客户违约情况的识别效果，对模型中各项要素的效力（鉴别力）进行分析。 图 2：Somers’D 各要素鉴别力分析 如图2所示，效力分析报告给出了各个要素对违约客户的鉴别力分析情况。假设正常客户为0，违约客户为1，则SomersD是对所有客户定序变量的关联指标SomersD = （P为同序对子数Q为异序对子数T为独立变量上不存在同分的偶对中，同序对子数超过异序对子数的比例），SomersD越大，则说明正常客户与违约客户区分效果越好。 图2中04年和05年五项债务模块指标SomersD的值均高于0.5，而定性模块指标值差异较大，但债务模块和定性模块各自的综合得分都比较高（最低综合得分也高达89%）。 在分别评价各个要素的效力以后，美国银行还对风险模型的综合表现进行了效力分析，进一步验证模型的鉴别能力。图3给出了对05年的客户数据进行检测的结果，红色曲线为随机模型的判别结果，对应ROC值为50%；黑色实线为风险评级模型的判别结果，ROC值为98.5%；在此基础上，美国银行通过对模型的细微调整，提高了模型的判别效果，ROC值提高到98.9%。极高的ROC值说明了模型极其优异的鉴别能力。 图 3： 模型整体的鉴别力分析 2、通过对模型的稳定性分析，确保模型判别的准确性 美国银行在对模型进行稳定性分析的时候，首先检验要素的表现情况，验证模型所采用的要素在各个时间段的分布差异是否很小。图4中的左图是以02年为基准，通过分析03年、04年、05年净销售额数据的分布函数相对02年的变化情况，考察净销售额的稳定性。从图中可以看出，03年的分布函数曲线和02年基本重合，其次是04年，再次是05年；KS检验也同时证明了这个问题（KS检验是求出历年净销售额分布函数之间的绝对值最大距离（MAX|F(x)-G(x)|）），KS值越小，说明两类数据的分布函数差异越小。 图 4：02年至05年，净销售额