搜索
信贷风险管理系统信贷风险管理系统是与信贷业务管理系统紧密结合在一起的管理信息系统。信贷风险管理系统不仅为信贷业务管理系统提供客户/债项评级、贷款定价、限额管理等贷款业务流程所需的决策支持信息；同时也可作为遵循新巴塞尔资本协议关于有关信用风险计量和资本准备的支持系统。信贷风险管理系统一般并不是单一的物理系统。通常完整的信贷风险管理系统由以下的系统组成：信贷风险管理模型系统信贷风险决策管理系统信贷数据集市及数据管理系统联机数据分析及报表处理系统信贷风险管理项目IT系统的整体逻辑视图如下：信贷风险管理模型系统建立信贷风险管理模型系统的目的在于设计及实施由个别贷款至组合层面的信贷风险模型，包括内部评级、可预见损失、不可预见损失、压力测试、信贷风险值及信贷风险资本平衡收益率的计算。信贷风险模型系统的数据基础是信贷风险数据存储（CRDS）。信贷风险模型系统的主体内容框架如下：信贷风险模型系统所需的数据主要包括：财务数据、贷款数据、回收数据、客户定性数据、客户资信数据、违约数据、内部评级数据。1、内部评级模型一般来讲，内部评级模型的建立方法主要分为两大类，即主观判断方法及数据分析量化方法。数据分析量化方法也有不同的处理手法，包括模拟法、经验数据法及市场风险建模法：对于以上方法的选择，主要的考虑因素包括评级对象的特点、数据的可获得性、模型的可行性、模型的灵活性、实施所需的时间和资源等。无论采取哪种方法都必须意识到内部评级模型的建立需要花较长的时间：首先要经数据挖掘技术来找出与光大银行信贷业务相关的关键性风险因素，继而制定参数化的公式，经业务的数据验证后，再经至少半年的实施效果来调整公式。同时需要注意的是，独立的信用风险评级模型基本上无法支持信贷决策。因此需要开发信用风险评级模型的应用程序，对客户评级、行业评级、地区评级、债项评级进行调整和整合，如下图：2、可预见损失因为可预见损失应通过贷款定价及备付金来补偿，所以估算可预见损失是衡量总风险资本及制定贷款定价的重要组成部份：可预见损失EL=违约敞口EADx违约概率PDx给定违约损失LGD其中每个部份的简要说明如下：违约敞口EAD违约敞口为违约时最高可能的损失。在实施内部评级基础法的情况下，违约敞口的数值由监管机构决定。而高级法中则允许银行使用自己的内部评级系统确定各种债项的EAD。违约概率PD违约概率指借款人所在信用评级一年的出现违约情况的概率，可以从对这个级别的历史数据进行统计分析，实证研究得到的，而且为保守的、前瞻的估计。给定违约损失LGD给定违约损失LGD=1-回收率，其中回收率是指贷款违约后偿还的现值占违约贷款账面余额（本金）的比率。在实施内部评级基础法的情况下，给定违约损失的数值由监管机构决定，比如针对企业敞口，在内部评级法初级法中，有优先索偿权及无优先索偿权债项的给定违约损失分别为45%及75%，而高级法中则允许银行使用自己的内部评级系统确定各种债项的LGD。3、不可预见损失/授信风险值（CvaR）不可预见损失指违约损失分布在一定置信区间内（例如99%）的排除可预见损失以外的损失。计算不可预见损失对于银行对经济资本的管理具有决定性作用，因为经济资本将用来防范不可预见的损失。可预见损失与不可预见损失的和就是授信风险值（CvaR），如图所示：对于可预见损失、不可预见损失以及异常的损失，银行应采取不同的控制机制来防范：损失分布分解控制机制至可预见损失部份定价与贷款备付金从可预见损失至99%置信区间经济资本与/或备付超过99%置信区间部份情景分析（scenarioanalysis）及集中度限额目前市场上有多种授信风险值计算的模型。巴塞尔新资本协议在内部评级法的咨询文件中提到的两种不可预见损失模型，分别为CreditRisk+模型及CreditMetrics。4、风险资本平衡回报率（RAROC）在实施内部评级、可预见损失及不可预计损失后，建行可以这些风险衡量的结果计算信贷风险资本平衡收益率(RAROC)以进行贷款定价：风险资本平衡回报率=（盈利-可预见损失）/不可预见损失贷款的定价需根据营运成本、加权平均股本成本(WACC)，再加上信贷风险资本平衡收益率价差(RAROC)作为定价指标：5、信贷风险管理的压力测试方法压力测试是指利用不同的技巧，来预测信贷组合在某些异常但有可能发生的情况下受到的影响的方法。内部评级的实施可协助银行更有效的进行压力测试，通过对模型的结果与参数之间的敏感度进行分析，针对潜在的市场变化情况如经济衰退/危机、政治动荡或利率调整进行估测。压力测试是为评估模型在异常情况下模型结果而设计的，因此是正常市场状态下模型结果的补充。压力测试是银行风险管理不可分割的一部份，其设计与测试应当在银行的信贷政策与风险偏好中得到反映，并应在决策制定与银行各级信贷风险业务中得到体现。具体的实施压力测试的步骤如下：6．个人信用评级方法以上介绍的风险模型方法主要针对对公的信贷业务，而针对个人的信贷业务（建行即将发展的业务重点），我们建议采用信用评分卡的方法来进行信贷风险管理，其中个人信贷业务的业务流程操作将在核心业务系统中实现。简而言之，信用评分卡是一种简单的基于历史的违约数据和评级机构的数据开发的信用评分模型。信用评分卡主要用于零售银行业务，且参数量要比对公贷款的贷款评估少的多。信用评分卡模块可采用信贷评级机构或本行的以下数据来建立模型：信贷帐户的总数量；信贷帐户的违约数量；违约帐户的详细信息；违约时信贷帐户的帐龄和价值；过去一段时间的贷款申请的数量；申请者的地理位置分部（来进行地区的风险集中度衡量）；与信贷产品的可能使用（如还款时间）相关的盈利性分析；与建行的个人信贷产品相关的其他数据。具体的对于个人业务而言，信贷风险管理系统对业务操作的支持如下：首先，对于新的客户来讲，需要在受理贷款后进行信用评级，需要客户的以下信息：婚姻状态；财产情况；雇佣状态；薪资情况；建行的信用评分卡中需要的其他信息。对于较长时间没有在建行贷过款的个人客户，即使以前有过贷款，系统也需要识别当作新客户来进行信用评估。信用评分卡模块能够运用不同的产品对应的评分卡来自动对贷款申请人进行评级，通过的申请者会被自动给予一个信用限额。良好的信用评分卡应能够对90%以上的贷款申请自动给予拒绝还是接受的决定，而不需人为来判断。信贷风险决策管理系统由风险模型系统产生出来的评级及评分公式，需要经过专门的系统来应用于信贷风险流程中。因此就需要设计一个信贷风险决策管理系统以储存业务规则及作为信贷限额监控及信贷决策支持的工具。信贷风险决策管理系统是在信贷风险管理信息系统中与信贷业务管理系统结合最紧密的模块。以下是有关信贷风险决策管理初步的技术架构图，建议使用三层式的技术架构及Web-based的架构来满足业务的需求。其主要的组件包括信贷风险决策管理系统和文档电子化系统。1、信贷风险决策管理系统其主要功能是支持一线人员进行信贷风险决策业务、提供限额监控功能和补充信贷风险管理业务中所需要的数据。首先，信贷风险决策管理系统应支持信贷风险限额的设置。信贷风险限额基本上可以分为三大类：组合集中性限额为不同的业务组合设立边界限额。组合集中性限额是在组合层面设立及监察的，而不是在交易层面。设置组合集中性限额的目的是避免借出太多或过于集中于某个风险业务范围，如客户、行业、客户组合、地区、授信条件等，这里要注意关联客户的集中度限额的处理。政策限额为不同的信贷风险因素设立边界限额。跟组合集中性限额相似，政策限额是在组合层面设立及监察的，不同的是政策限额会在某信贷风险因素上用于所有贷款以控制信贷风险。信贷审批限额及权限分配设立信贷操作人员可批出的最高贷款额。另外，信贷风险决策管理系统应支持用户利用财务分析工作表（Excel表和Genome等财务分析软件）进行财务数据输入和分析，并通过档案载入的方法将财务数据与其他的信贷风险决策管理数据整合在一起。为避免因系统故障而影响信贷风险决策管理业务运作，建议设置高可用性的设备。2、文档电子化系统档案管理系统将与信贷风险决策管理业务有关的文件电子化并存储到总行和分行的数据库内。通过信息总线，档案管理系统向信贷风险管理系统提供查询的功能由于影像数据的传输对网络的要求非常高，建议除了集中存放影像数据在中央数据库外，还应将分行相关的影像数据复存到分行的数据库内，而当其中一家分行的用户需要查询其他分行的信贷客户电子化文档时，系统会到总行电子文件数据库读取其数据。此种设计可以减少对网络的负担。信贷数据集市及数据管理系统该系统的主要目的是建立一个信贷风险数据集市及与其相关的抽取、转换及载入功能。下图是概念设计层面的数据集市解决方案主要组件，它显示了数据超市解决方案的组件以及数据流程的设计。其主要组件包括操作性数据储存（ODS）、信贷风险数据储存（CRDS）、抽取、转换及载入程序以及数据立方体。1、操作数据储存(ODS)目的：提供历史性的，交易层面的数据，让用户经常查询交易层面数据结合OLTP与OLAP的设计让许多用户同时读取粒度较细的现有数据，即交易层面的数据提供数据支持信贷风险决策管理系统在决策运算、限额设置及监控、信贷风险决策管理系统的数据查询和组合压力测试的功能功能需求：决策支持–提供一个数据库来储存决策支持与限额设置及监控功能所需的数据。另外，这个系统也需利用操作性数据提供单一客户管理、集团户管理以及信贷客户查询功能数据查询–通过用户界面提供综合信贷业务查询功能数据需求：储存所有信贷业务有关的数据，信贷业务数据需求范围有三方面，分别是客户、业务及单位储存交易层面的有限历史数据，以避免减慢决策支持与经常的数据查询功能数据以少于1年的历史信贷账户数据给操作性数据储存以支持信贷业务资料分析另外，此数据库也需要储存现有的信贷风险因素，利用决策支持功能以参数形式配合信贷风险模型进行日常信贷审批之评分及评级功能2、信贷风险数据存储(CRDS)目的：以数据集市形式设计让用户读大量数据，包括历史数据，利用OLAP技术，进行数据分析反映不同时段的历史数据，帮助推论信贷风险模型从ODS运算以及聚合交易层面数据，以账户层面储存于CRDS内，减低在线数据读取时间提供充足的历史数据，以利用数据挖掘工具建立信贷风险模型，另外也提供足够数据给在线数据分析工具建立管理报表功能需求：CRDS将储存充足的历史数据以符合以下功能：模型建立工具-提供数据给数据挖掘工具建立准确性较高的评级模型在线分析处理工具(OLAP)-通过OLAP工具建立管理报表，让用户进行在线数据分析量度信贷风险。它将以一个以数据超市方法而设计，数据库需要增加在线分析处理的效率，同时支持用户进行随时数据查询(ad-hocquery)数据需求主要储存信贷风险因素与部分数据业务数据以满足数据挖掘与管理报表的需求CRDS最少需求储存5年的企业客户之历史违约数据及回收数据统一来说，CRDS可日积月累储存5-7年的数据，以在线形式让用户读取3、ODS与CRDS的抽取转载1）驻留区的建议驻留区作为从各个数据源抽取出数据的一个预备性区域，是进行转换程序的暂时性数据储存库。另外，如果某些ETL的程序需要重新执行，驻留区可作为数据源的备份储存库。所以ETL服务器无需再次从先前的数据源中抽取数据，ETL的程序将可从驻留区中取得数据。该种方法使得ETL服务器对于电脑主机系统的潜在干扰效应减到最低。2）转换程序ETL工具负责处理特别的转换需求及相对复杂的转换逻辑，ETL工具将在驻留区内建立实际表格，识别号和外键码会被生成并下载至CRDS数据存超市。相关表格的索引在成功完成数据转换之后也将重新建立。检查总计和记录总数量会被生成来保证数据的质量。被拒绝的纪录则在重新进行处理之前保存在一个独立的储存区以进行随后的处理和修正。3）载入程序在驻留区内经过转换的数据将更新并载入到目标数据库内。载入ODS内的数据，将以更新为主，目的是令ODS储存最新的详细交易层面数据。有关CRDS，因为ODS储存了最新并已转换的数据，因此CRDS将从ODS内直接抽取数据，数据将整合后载入CRDS。为了保存CRDS的数据元素所需要的历史