本文解釋了信用風險模組化的基本概念和方法，以及它對金融機構的重要性。在信用風險領域，統計學和機器學習在解決與信用風險相關的問題方面發揮着重要作用。是以，預測模組化者和資料科學家的作用變得如此重要。在分析部門的銀行業，這是薪酬最高的工作之一。
什麼是信用風險？
簡單來說，就是借款人不償還貸款、信用卡或任何其他類型貸款的風險。有時客戶支付了一些分期貸款，但沒有償還包括本金和利息在内的全額。例如，您以 9% 的利率獲得了 100,000 美元的個人貸款，為期 10 年。您向銀行支付了一些初始分期貸款，但之後停止支付。剩餘的未付分期付款價值 30,000 美元。這是銀行的損失。
它不僅限于零售客戶，還包括小型、中型和大型企業。在新聞中，您可能聽說過 Kingfisher 公司成為不良資産 (NPA)，這意味着該公司無法支付會費。高不良資産會給銀行帶來巨大的财務損失，進而導緻銀行存款利率下降。具有良好信用記錄（信用評分）的嚴肅誠實借款人将不得不遭受損失。是以，銀行必須有足夠的資本來保護存款人免受風險
為什麼信用風險很重要？
您還記得或意識到 2008 年的經濟衰退嗎？在美國，抵押住房貸款提供給信用度低的客戶（信用評分較差的個人）。信用評分不佳表明一個人很可能拖欠貸款，這意味着他們是銀行的高風險客戶。為了補償風險，銀行過去收取高于正常标準利率的利率。銀行通過在二級市場上将這些貸款出售給投資者來為這些貸款提供資金。将它們出售給投資者的過程是一種合法的财務方法，稱為
Collateralized debt obligations (CDO)
。在 2004-2007 年，這些 CDO 被認為是低風險的金融工具（高評級）。
由于這些住房貸款借款人違約的可能性很高，他們中的許多人開始拖欠貸款，銀行開始扣押（止贖）他們的财産。房地産泡沫破滅，房價大幅下跌。全球許多金融機構投資于這些基金導緻經濟衰退。銀行、投資者和再保險公司面臨着巨大的财務損失和許多金融和非金融公司的破産。甚至非金融公司也因其對這些基金的投資或經濟中的需求和采購活動非常低而受到嚴重影響。簡而言之，人們幾乎沒有錢可以花，這導緻許多組織停止生産。它進一步導緻巨大的失業。美國政府在經濟衰退期間救助了許多大型企業。您現在可能已經了解信用風險為何如此重要。如果目前和未來的信用損失沒有被正确識别或估計，整個經濟都可能處于危險之中。
巴塞爾條例
G10 國家的央行行長于 1974 年成立了一個委員會。這是為了確定銀行有足夠的最低資本來返還儲戶的資金。他們定期在瑞士巴塞爾的國際清算銀行 (BIS) 開會讨論銀行監管事宜。該委員會于 2009 年擴大到 27 個司法管轄區，包括巴西、加拿大、德國、澳洲、阿根廷、中國、法國、印度、沙特阿拉伯、荷蘭、俄羅斯、香港、日本、意大利、南韓、墨西哥、新加坡、西班牙、盧森堡、土耳其、瑞士、瑞典、南非、英國、美國、印度尼西亞和比利時。
巴塞爾協定一
Basel I
協定是 1988 年推出的第一個官方協定。它關注信用風險并引入了資本充足率的概念，也稱為資本與風險資産比率。它是銀行資本與其風險的比率。銀行需要維持至少 8% 的比率。這意味着資本應占風險權重資産的 8% 以上。資本是一級資本和二級資本的總和。
-
Tier 1 capital
-
Tier 2 capital
在巴塞爾協定 I 中，固定風險權重是根據風險暴露水準設定的。抵押貸款為 50%，非抵押貸款風險（如信用卡、透支、汽車貸款、個人理财等）為 100%。請參閱下面顯示的示例 -
按揭 $5,000
風險權重 50%
風險權重資産 $2500（抵押貸款 * 風險權重）
最低資本要求 200 美元（8% * 風險權重資産） 巴塞爾協定II
Basel II
協定于 2004 年 6 月推出，旨在消除巴塞爾 I 的局限性。例如，巴塞爾 I 僅關注信用風險，而巴塞爾 II 不僅關注信用風險，還包括操作和市場風險。操作風險包括欺詐和系統故障。市場風險包括股票、貨币和商品風險。
在新巴塞爾協定中，信用風險的估計方法有以下三種。
- 标準化方法
- 基于基金會内部評級 (IRB) 的方法
- 基于進階内部評級 (IRB) 的方法
對于企業而言，銀行依靠标準普爾、穆迪等認證信用評級機構 (CRA) 的評級來量化信用風險所需的資本。高評級敞口的風險權重為 20%，低評級敞口的風險權重高達 150%。對于零售，抵押貸款的風險權重為 35%，非抵押貸款的風險權重為 75%（零售不需要信用評級機構的評級）。
企業風險 $5,00,000
信用評估AAA
風險權重 20%
風險權重資産 $1,00,000
最低資本要求 $8,000
基于内部評級 (IRB) 的方法
它有四個信用風險組成部分：
- 違約機率 (PD)
- 預設風險敞口 (EAD)
- 違約損失 (LGD)
- 有效期限 (M)
違約機率是指借款人在一年内拖欠債務（信用卡、抵押貸款或非抵押貸款）的可能性。簡單來說，它傳回客戶無法償還貸款的預期機率。機率以百分比的形式表示，介于 0% 和 100% 之間。機率越高，違約的可能性就越大。
這意味着在違約的情況下，我們應該預期未償付金額是多少。這是借款人在違約時必須向銀行支付的金額。
這意味着我們預計會損失多少未償還金額。它是借款人違約時總風險敞口的一部分。它由 (1 - 回收率) 計算。
LGD = (EAD – PV(recovery) – PV(cost)) / EAD
PV (recovery)= 折現至違約時的回收現值。
PV（成本）= 折現至違約時的成本現值。 預期損失
預期損失由 (PD * LGD * EAD) 計算。
例子
有人從銀行借了 100,000 美元的房屋貸款來購買較高價的電梯大廈。在違約時，貸款的未償還餘額為 70,000 美元。銀行止贖較高價的電梯大廈并以 60,000 美元的價格出售。EAD 為 70,000 美元。LGD 的計算方法是除以 ($70,000 - $60,000)/$70,000，即 14.3%。
違約機率 2%
違約風險 20,000 美元
違約損失 20%
預期損失 $80
基礎和進階 IRB 方法
有兩種基于内部評級 (IRB) 的方法，即基礎 IRB 和進階 IRB。
基金會 IRB
PD 由銀行内部估算，而 LGD 和 EAD 由監管機構規定。
進階 IRB
PD、LGD 和 EAD 可由銀行自己在内部估算。
這是一個反映标準銀行慣例的持續時間。對于 Foundation IRB，有效期限為 2.5 年（6 個月的回購式交易除外）。對于進階 IRB，M 是 1 年或特定工具的有效期限中的較大者。
巴塞爾協定III
巴塞爾協定III計劃于2019年3月開始實施。鑒于冠狀病毒大流行，該協定的實施被推遲了一年至2023年1月1日。巴塞爾協定III納入了多項風險措施，以應對2008年金融危機中發現和強調的問題。它強調修訂後的資本标準（如杠杆率）、壓力測試和有形權益資本，而有形權益資本是吸收損失能力最強的組成部分。Basel III
accord was scheduled to be implemented effective March 2019. In view of the coronavirus pandemic, the implementation has been postponed by a year till January 1, 2023. Basel III has incorporated several risk measures to counter issues which were identified and highlighted in 2008 financial crisis. It emphasis on revised capital standards (such as leverage ratios), stress testing and tangible equity capital which is the component with the greatest loss-absorbing capacity.
為估計PD、LGD和EAD而建立内部模型和外部評級的概念與巴塞爾協定II中的相同。不過，巴塞爾協定III中引入了一些變化，如下表所示。The concept of building internal models and external ratings for estimating PD, LGD and EAD remains same as it was in Basel II. However there are some changes introduced in Basel III. It is shown in the table below.
| Basel II | Basel III | |
|---|---|---|
| Common Tier 1 capital ratio(shareholders’ equity + retained earnings) | 2% * RWA | 4.5% * RWA |
| Tier 1 capital ratio | 4% * RWA | 6% * 風險權重資産 |
| 二級資本比率 | 4% * 風險權重資産 | 2% * 風險權重資産 |
| 資本保全緩沖（普通股） | —— | 2.5% * 風險權重資産 |
國際财務報告準則第 9 号
IFRS 9 是處理金融工具會計處理的國際财務報告準則。它取代了基于已發生損失模型的 IAS 39 金融工具，而 IFRS 9 側重于涵蓋未來損失的預期損失模型。
在 IFRS 9 中，想法是在初始确認時确認 12 個月的損失準備，并在信用風險顯着增加時确認整個存續期
根據 IFRS 9，信用風險分為三個階段，如下所示：
- 第一階段——信用風險自初始确認後未顯着增加，表明在報告日信用風險較低
- 第二階段——信用風險自初始确認後顯着增加
- 第三階段——報告日金融資産價值的永久性減少
IFRS 9 與巴塞爾協定 III 有何不同？
是的，它們是不同的，但都需要建構 PD、LGD 和 EAD 模型。請參閱下面的它們之間的差別。
| 參數 | ||
|---|---|---|
| 客觀的 | 預期+意外損失 | |
| PD | 一年 PD | 第 1 階段資産的 12 個月 PD，階段 2 和第 3 階段資産的終身 PD |
| 評級理念 | TTC評級理念 | PIT評級理念 |
| LGD | 低迷LGD（直接+間接成本） | 最佳估計 LGD（僅直接成本） |
| EAD | 低迷的EAD | 最佳估計EAD |
| 預期損失/預期信用損失 (ECL) | EL=PD*LGD*EAD | EL=PD*現金短缺的PV |
什麼是信用風險模組化？
信用風險模型是指資料驅動的風險模型，它計算借款人拖欠貸款（或信用卡）的可能性。如果借款人未能償還貸款，他/她在違約時欠的金額以及貸款人将從未償還金額中損失多少。換句話說，我們需要根據巴塞爾規範下的進階 IRB 方法建立違約機率、違約損失率和違約風險敞口。
預設模組化的機率
在本節中，我們介紹了與 PD 模組化相關的各種步驟和方法。
定義因變量
值為 1 和 0 的二進制變量。1 表示壞客戶，0 表示好客戶。
Bad Customers
拖欠付款的客戶。預設情況下，這意味着是否發生了以下任一或所有情況。
- 付款到期超過 90 天。在一些國家，它是 120 或 180 天。
- 借款人已申請破産
- 貸款部分或全部登出
Indeterminates or rollovers
這些客戶分為以下兩類：
- 付款到期 30 天或最多 60 天，但在此之後支付。他們是經常遲到的付款人。
- 非活動帳戶
所有其他客戶都是
good customers
.
不應該包括不确定因素，因為它會降低區分好壞的辨識能力。需要注意的是，我們在評分時将這些客戶包括在内。
我們将 12 個月作為标記預設值的性能視窗，這意味着如果客戶在未來 12 個月内的任何時間違約，它将被标記為“不良”
估計PD的方法
估計違約機率有兩種主要方法。
- 判斷方法
- 統計方法
它依賴于經驗豐富的信貸專業人士的知識。一般以申請人和貸款的5C為标準。
-
Character
-
Capital
-
Collateral
-
Capacity
-
Conditions
随着統計方法現在越來越流行，判斷方法已經成為過去。但在沒有曆史資料的情況下（尤其是新的信貸産品），它仍然被廣泛使用。
在當今世界，沒有人有時間等待1-2個月來了解貸款狀況。也有許多借款人通過銀行網站申請貸款。是以，銀行的實時信貸決策需要在數字世界中保持競争力。使用統計方法的優勢在于它産生的數學方程是做出信貸決策的自動化和更快的解決方案。
這種方法是公正的，沒有貸款審批人員或經理的不誠實或欺詐行為。
這種方法還具有更高的準确性，因為統計和機器學習模型會考慮數百個資料點來識别違約者。
PD 模組化的資料源
-
Demographic Data
-
Existing Relationship
-
Credit Bureau Variables
局部放電模組化步驟
- 資料準備
- 變量選擇
- 模型開發
- 模型驗證
- 校準
- 獨立驗證
- 監管審批
- 模型實施：向使用者推出
- 定期監控
- 實施後驗證：回測和基準測試
- 模型細化（如果有問題）
用于模型開發的統計技術
- Logistic 回歸是最廣泛使用的估計 PD 的技術
- 生存分析通常用于計算生命周期 PD（IFRS 9 要求）
- 随機森林
- 梯度提升
- 馬爾可夫鍊模組化
- 神經網絡
PD 模型中的模型性能
主要有 2 個級别的性能測試 -
- 歧視：能夠區分好（非違約者）和壞（違約者）客戶
- 校準：檢查實際違約率是否接近預測的 PD 值
模型性能的統計測試
判别：曲線下面積、基尼系數、KS統計
校準：Hosmer 和 Lemeshow 檢驗，二項式檢驗 檢視此連結以擷取詳細說明： 模型性能簡化
它是指評級衡量信用風險的時間範圍以及它們受周期性影響的程度。
Point in time (PIT) PD
- 它評估在那個時間點違約的可能性。它考慮了目前宏觀經濟因素和借款人的風險屬性。
- 由于它捕捉了目前的宏觀經濟因素，是以 PIT PD 随着宏觀經濟狀況惡化而上升，随着宏觀經濟狀況改善而下降。
- 它側重于報告日期
- IFRS 9 要求 PD 為時間點
Through the cycle (TTC) PD
- 它預測經濟周期内的平均違約率，忽略客戶違約機率的短期變化，與長期平均違約率非常相似。
- 指定的等級不取決于目前的宏觀經濟因素
- 它側重于長期平均 PD
- 巴塞爾協定 III 要求 PD 必須貫穿整個周期
通常，使用混合模型（同時考慮 PIT 和 TTC）。
信用評分卡
違約機率模型用于對每個客戶進行評分，以評估他/她的違約可能性。當你去銀行貸款時，他們會檢查你的信用評分。該信用評分可以由銀行内部建立，也可以使用信用局的評分。
征信局從各家銀行收集個人的信用資訊，并以信用報告的形式出售。他們還釋出信用評分。在美國，FICO 評分是非常流行的信用評分，範圍在 300 到 850 之間。在印度，CIBIL 評分用于相同的評分，介于 300 到 900 之間。
評分卡的類型
1.
Application Scorecard
: 适用于申請貸款或信用卡的新（首次）客戶。它估計申請人申請貸款時的違約機率。請參閱下面的示例，它是如何工作的。
假設發放貸款的截止時間 = 350
新客戶簡介
30歲
性别 男性
工資15000
總分 = (100 + 85 + 120) = 305
決定：拒絕貸款 申請記分卡所需的資料
我們使用客戶的申請或人口統計資料以及信用局資料。由于這些是新客戶，是以沒有曆史資料的觀察視窗。Bad 的定義相同，即逾期 90 天以上。業績視窗一般為開戶後 12 至 24 個月。
應用記分卡主要用于以下任務：
- 确定是否準許客戶的貸款。
- 協助“盡職調查”。假設得分非常高或非常低的申請人可以在不要求進一步資訊的情況下被拒絕或直接準許。
2.
Behavior Scorecard
: 适用于現有客戶評估客戶是否會拖欠貸款。績效視窗一般為 6 至 18 個月。
行為記分卡主要用于以下任務：
- 設定信用額度，即增加或減少信用額度
- 債務撥備和利潤評分。
- 續訂
應用和行為記分卡的差別
應用記分卡适用于新客戶（通常小于 1 年），而行為記分卡适用于現有客戶（大于 1 年）。對于應用記分卡，我們不需要經過良好校準的預設機率。但是根據巴塞爾規範，行為記分卡需要校準的預設機率。這兩種記分卡在用途上也有所不同。請參閱上面各自部分中的說明，它們通常是如何使用的。
收藏評分
它預測已經延遲給定天數的貸款将延遲另一個給定天數的機率。它們通常是為一個月的性能視窗而建構的。
遺棄計分
它預測了目前貸款還清後借款人申請新貸款的機率。
與信用風險相關的重要術語
有壓力的 PD 與無壓力的 PD
壓力PD： 壓力PD取決于借款人的風險屬性，但受宏觀經濟因素的影響不大，因為不利的經濟條件已經被考慮在内。
無壓力 PD：無壓力 PD 取決于借款人目前的宏觀經濟和風險屬性。它根據經濟狀況向上或向下移動。
低迷的 LGD 和 EAD
根據巴塞爾協定 II 和 III，金融機構需要估計低迷的 LGD 和 EAD。“衰退”是指不利的經濟狀況。我們需要選擇違約率最高的月份，然後在該點的兩側取連續兩個季度（6 個月）的視窗，将其視為低迷期，然後取 EAD 和 LGD 的最大值提供低迷估計。這是必需的，因為 LGD 和 EAD 可能會受到經濟低迷狀況的影響。
有條件的PD
它是第二年違約的機率，因為它在第一年沒有違約。為了計算有條件的違約機率，我們需要第一年末不違約的機率（P0）和第二年無條件違約的機率（P1）。如果 P0=0.5 且 P1=0.1，則條件 PD 即機率（預設 | 生存）将為 0.1/0.5 = 20%
終身 PD 與 12 個月 PD
根據 IFRS 9，我們需要兩種類型的 PD 來計算預期信用損失 (ECL)。
- 第一階段資産的 12 個月違約機率 - 未來 12 個月内違約的可能性
- 第 2 階段和第 3 階段資産的終身違約機率 - 在金融工具的剩餘期限内違約的可能性。
假設 12 個月的 PD 為 3%，這意味着存活率為 97% (1 - PD)。第 2 年和第 3 年的有條件 PD 為 4% 和 5%。
第一年累積生存率 (CSR) 與第一年生存率 (SR) 相同。
第 2 年累積存活率 = 第 1 年 CSR * 第 2 年的 SR = 97% * 96% = 93%
第 3 年累積存活率 = 第 2 年 CSR * 第 3 年的 SR = 93% * 95% = 88%
終生 PD = 1 - 88% = 12% 估計預期信用損失的宏觀經濟因素
國内生産總值
失業率
工業生産指數
進口
出口
利率
通貨膨脹率
房價指數
匯率 用于風險分析的軟體
讓我們把這部分分成兩部分——
1. Data Extraction提取資料
大多數資料存儲在關系資料庫（SQL Server、Teradata）中。分析師需要具備專家級的 SQL 知識來提取或操作資料。資料不儲存在單個 SQL 表或資料庫中。為了從資料庫中提取相關的資料字段，您需要選擇多個表并根據比對的鍵将它們連接配接起來。在此過程中，您需要應用一些業務規則（不包括某些類型的客戶或帳戶）。事務表通常在大型機環境中，是以大型機和 UNIX 的基本知識将是關鍵。大型機和 UNIX 不是銀行通常在風險分析師中尋找的主要技能（擁有它很好！）。通常會聘請開發人員來完成這項工作。
2. Model Building建立模型
SAS 是風險分析中使用最廣泛的軟體。盡管如今 R 和 Python 非常流行，但 90% 以上的銀行和其他金融機構仍在使用 SAS。班克斯也開始探索 R 和 Python。他們正在為信用風險項目使用 R 和 Python 語言建構（或已經建構）文法庫（存儲庫）。
SAS 可以輕松地與關系資料庫和大型機內建。許多公司僅在 SAS 環境中執行資料提取和模型建構步驟。
尾注
希望您對如何在信用風險領域使用預測模型以及關鍵信用風險參數有什麼了解。在風險分析中，領域知識比技術或統計知識更重要。希望本文能幫助您填補這一空白。請在下面的評論框中提供您的回報。
版權聲明：文章來自公衆号(python風控模型),未經許可，不得抄襲。遵循CC 4.0 BY-SA版權協定，轉載請附上原文出處連結及本聲明。