银行内部评级风险参数量化管理办法模版.doc

附件2x银行内部评级风险参数量化管理办法第一章 总 则第一条 为规范x银行内部评级风险参数的量化和管理，提高信用风险计量的客观性和准确性，根据我国银监会监管要求和x银行有关规定，参照巴塞尔新资本协议内部评级法对商业银行的要求，制定本办法。第二条 本办法所称风险参数量化是指估计内部评级法下违约概率、违约损失率、违约风险暴露和期限等风险参数的过程。本办法所称风险参数量化管理包括风险参数的估计、监控及校准（优化）等管理活动。第三条 风险参数量化是x银行信用风险计量的基础性工作，风险参数量化结果是x银行信用风险管理和监管资本计算的重要依据。第四条 风险参数量化遵循以下原则：（一）统一性原则。要采用统一的方法和标准进行风险参数量化，确保量化结果在全行范围内可比。（二）可靠性原则。参数估计要基于历史数据，借鉴专家经验，确保量化结果真实、可靠。（三）稳健性原则。要考虑信用周期的影响，使参数量化结果既揭示历史和当前特点，又反映未来发展趋势。第五条 风险参数概念释义。（一）违约概率是指债务人在未来一年时间内发生违约的可能性。（二）违约损失率是指某一债项违约导致的损失金额占该违约债项风险暴露的百分比。（三）违约风险暴露是指债务人违约时预期表内和表外项目的风险暴露总额。（四）期限是指某一债项的剩余有效期限。第六条 风险参数量化方法释义。（一）统计模型法是指基于历史数据开发统计预测模型，得到风险参数量化结果的方法。（二）外部基准法是指通过建立内部评级到外部基准的映射关系，得到风险参数量化结果的方法。（三）内部违约经验法是指通过划分风险类别，利用内部违约经验，得到风险参数量化结果的方法。第七条 本办法适用于x银行非零售风险暴露初级内部评级法和零售风险暴露内部评级法下的风险参数量化管理。非零售、零售风险暴露是指x银行银行账户信用风险内部评级法风险暴露分类办法规定的金融机构、公司及零售风险暴露。第二章 职责分工第八条 风险参数量化管理在高级管理层的统一领导下，由客户部门以及风险管理、信贷管理、财务会计、资产负债管理、信息技术管理等部门分工负责，共同实施。第九条 高级管理层是x银行风险参数量化管理的最高决策机构，主要负责审批风险参数量化管理的相关政策，并就风险参数量化结果及参数调整有关事项进行决策。第十条 风险管理部门是风险参数量化管理的主管部门，主要负责研究制定风险参数量化管理的相关政策，统一风险参数量化的框架和理论方法，进行风险参数的估计、监控及校准（优化），建立风险参数量化管理的文档体系。第十一条 客户部门以及信贷管理、财务会计、资产负债管理等部门是风险参数量化管理的参与部门，主要负责收集、录入、审核风险参数量化所需的数据，产出风险参数量化结果；将风险参数量化结果应用到实际业务中；在实际业务中观测风险参数量化结果表现，提出风险参数估计、校准（优化）的需求和建议。第十二条 审计部门主要负责风险参数量化的审计工作，定期检查风险参数量化政策的执行情况，评估量化模型的数据输入过程及量化结果应用的合理性，每年向董事会报告审计情况。第十三条 信息技术管理部和软件开发中心主要负责开发并维护风险参数量化的相关系统，协助提供数据质量保障服务，确保系统正常运行。第三章 非零售风险暴露违约概率量化第十四条 当金融机构或公司风险暴露下的某一类客户组合同时具备以下特点时，可单独开发模型对其进行违约概率量化： （一）风险特殊性。客户组合的风险特征显著不同于其他客户组合，现有违约概率量化模型无法准确揭示其风险。 （二）业务重要性。客户组合及相应资产达到了一定规模，或我行针对该类客户制定了重点发展战略。（三）数据充足性。客户组合的数据表现期不少于5年，且具有足够数量的历史违约数据。第十五条 x银行非零售风险暴露违约概率量化主要采用统计模型法，辅以外部基准法和内部违约经验法。若历史违约客户数不少于100个，可采用统计模型法或内部违约经验法；若历史违约客户数少于100个（如新兴业务、低违约组合），可采用外部基准法，参数的估计应有相当数量的信贷专家参与，量化结果要有足够的审慎性。第十六条 采用统计模型法进行违约概率量化时，基本流程包括建模准备、评级打分卡开发、违约概率校准、主标尺设计、评级推翻设计等五个步骤；采用外部基准法、内部违约经验法进行违约概率量化时，流程可进行适当简化。对单个客户组合进行违约概率量化时，可不包括主标尺及评级推翻设计。第一节 建模准备第十七条 违约概率量化前，应构建模型方法论，设计备选指标体系，并进行数据收集和清洗。第十八条 构建模型方法论包括确定技术方法、框架和开发流程等。若采用统计模型法，应确定模型函数形式；若采用外部基准法，应确定外部基准和映射方法。第十九条 构建模型方法论时，应研究比较各种技术方法，确保最终选取的方法具有扎实的理论基础，其科学性经过充分论证，且符合数据和业务的实际状况。针对不同资产组合的特点，可构建不同的模型方法论。第二十条 在设计备选指标体系时，应确保指标体系的全面性和科学性。 （一）全面性。综合考虑定量、定性因素，从客户经营和管理的各个侧面对违约风险进行评价。 （二）科学性。指标体系要反映客户违约风险的本质和内在规律，每个指标的概念和含义要清晰、确切，数据来源可靠。第二十一条 数据收集时，应确保数据的全面性和代表性。 （一）全面性。要尽量收集所有与风险参数估计相关的历史数据，包括内部和外部数据，宏观和微观数据，客户和债项数据等。（二）代表性。数据范围应覆盖不同的时间跨度、行业、区域和客户规模等，确保对我行当前及未来资产组合具有代表性；历史数据的观察期要尽可能长；对未来不再具备代表性的历史数据应予以删除。第二十二条 数据清洗时，应确保清洗后数据的完整性、唯一性、准确性和有效性。对于错误或存在瑕疵的数据应予以删除。 （一）对内部数据进行清洗时，应充分考虑我行信息系统升级和政策制度变化带来的影响。（二）对外部数据进行清洗时，应确保内外部数据之间的可比性、相关性和一致性。第二十三条 数据清洗时，应重点对数据缺失和异常情况进行处理。（一）针对部分数据缺失的情况，应采用合理方法进行填补，以满足后续模型开发的需要。（二）针对部分数据异常的情况，应根据其经济含义赋予合理的值，以避免异常值对后续模型开发的干扰。第二十四条 基于清洗后的数据，应生成总体数据集，包括因变量数据和自变量数据。因变量数据包括“客户是否违约”、“客户风险排序”等结果信息，自变量数据包括客户定量、定性等备选指标数据信息。第二十五条 模型开发基于清洗后的总体数据集或样本数据集。对总体数据集进行抽样时，要确保样本数据集的代表性。样本数据集可在客户违约原因分析的基础上，合理抽取违约数据，并根据合理的配比抽取非违约数据。第二节 评级打分卡开发第二十六条 评级打分卡的开发包括评级指标的选取和指标权重的确定。第二十七条 评级打分卡开发的主要步骤包括指标预处理、单因素分析、多因素分析、模型检验等。第二十八条 根据不同的模型方法论，可对指标原始值进行指标转换、标准化等预处理，以更好满足后续模型开发的需要。第二十九条 针对每一个指标，应进行单因素分析，包括但不限于对指标缺失率、风险区分能力以及业务含义等方面的分析。筛选单因素的基本原则如下：（一）指标应含义明确、易于获取，指标的缺失率不宜过高，一般不超过20%。（二）指标应对违约预测具有较好的统计显著性，风险区分能力应较好。判别指标风险区分能力的一般方法包括AR、PD曲线、Spearman相关系数和SomersD等。（三）指标数据与违约的趋势关系应与业务含义具有一致性，指标应具有直观的业务含义，便于业务人员理解。第三十条 评级打分卡指标及权重的确定应基于多因素分析，包括但不限于对指标相关性、违约预测能力、统计显著性等方面的分析。多因素分析的基本原则如下：（一）根据数据状况选择合适的方法，包括logistic回归法、层次分析法（AHP）和专家排序法等。（二）最终指标组合应对违约预测具有较好的统计显著性，风险区分能力应较强。（三）指标选择上，应尽可能全面，覆盖影响客户违约风险的所有主要方面；同一类别的指标原则上不超过2个；指标间的Pearson相关系数原则上不超过0.5。（四）指标权重的确定应依据指标对客户违约风险指示意义的强弱；单个指标既要体现重要性，又不宜对客户评分产生决定性影响，单个指标的权重原则上不低于5%、不高于30%。第三十一条 对于定量、定性分别开发打分卡的，在定量、定性权重的配比时，应首先进行数据分析，再结合专家经验。合并后的评分卡应对违约具有良好的预测能力，同时满足业务实践的需要。第三十二条 针对最终确定的评级打分卡，应进行开发阶段检验，确保打分卡表现的稳定性，没有产生过度拟合。检验的一般方法包括样本外检验、交叉检验等。第三节 违约概率校准第三十三条 违约概率校准是将客户评分映射到违约概率的过程。第三十四条 校准应体现稳健、科学的原则，确保违约概率的估计值真实反映客户风险。校准可采用基于历史违约数据或映射外部基准的方法。违约概率的估计值应不低于0.03%。第三十五条 基于历史违约数据进行校准时，应保证校准后的客户违约概率反映长期中心违约趋势（CT）。长期中心违约趋势（CT）估值应基于不低于5年的历史实际违约率的长期平均数，并综合考虑宏观经济周期及自身资产组合的变化，确保反映资产组合的长期风险特征。长期平均一般可采用简单平均、违约加权平均、滚动平均等方法。第三十六条 在考虑宏观经济周期对CT估值的影响时，应在借鉴内外部研究成果的基础上，识别宏观经济周期的时间跨度，并判断CT估值的数据观察期是否覆盖一个完整的经济周期。如未能覆盖，可通过建立宏观经济变量与内部违约率之间的函数关系，确定宏观经济周期调整系数，并对CT估值进行审慎调整。第三十七条 基于外部基准进行校准时，应充分了解外部评级考虑的风险因素和评级标准，确保外部评级的结构与内部评级保持一致。第四节 主标尺设计第三十八条 评级主标尺设计包括设置信用等级级别数，确定各级别的违约概率区间和级别违约概率。根据评级主标尺，客户对应初始信用等级和级别违约概率。第三十九条 评级主标尺设计的基本原则如下： （一）信用等级级别数的设置应足够精细，至少具备15个非违约级别和1个违约级别。（二）全行客户和资产不应过度集中于某个级别，且各个信用等级的客户和资产占比均不超过30%。（三）建立内外部评级的对应关系，使得各级别违约概率区间最大限度地覆盖标普、穆迪等外部评级相应级别的违约概率区间。第五节 评级推翻设计第四十条 评级推翻设计包括设计推翻条款和确定推翻幅度。第四十一条 评级推翻设计的基本原则如下：（一）应充分吸收信贷专家的经验，并进行实证分析。（二）推翻条款的设计重点考虑模型中未涉及的风险因素，确保有效提升模型的风险预测能力。（三）推翻幅度的设置应与推翻条款的描述相匹配，推翻的幅度不宜过大。（四）对评级推翻要进行严格的流程设计和权限控制，确保推翻的审慎性。第四章 非零售风险暴露违约损失率、违约风险暴露和期限量化第四十二条 x银行非零售风险暴露初级内部评级法下的违约损失率、违约风险暴露和期限的量化遵循银监会规定的标准和方法。第四十三条 对于没有合格抵质押品的高级债权和次级债权，其违约损失率分别为45%和75%。第四十四条 对于提供合格抵质押品的高级债权，其违约损失率可在合理考虑合格抵质押品风险缓释效应的基础上，对45%的标准违约损失率进行调整。x银行按照监管给定的规则（附件2-1）对标准违约损失率进行调整。第四十五条 违约风险暴露包括已使用的授信余额、应收未收利息、未使用授信额度的预期提取数量以及可能发生的相关费用等。第四十六条 x银行按风险暴露名义金额计量表内资产的违约风险暴露，并按照监管给定的规则（附件2-2）确定各类表外项目的信用转换系数。第四十七条 违约风险暴露估计时，可考虑合格净额结算的风险缓释效应，对违约风险暴露值进行调整。x银行按照监管给定的规则（附件2-3）对合格净额结算进行认定。第四十八条 回购类交易的有效期限为0.5年，其他非零售风险暴露的有效期限为2.5年。第五章 零售风险暴露信用评分第四十九条 x银行基于评分卡对零售风险暴露进行信用评分。信用评分是零售风险暴露风险参数量化的基础要素。第五十条 当某一零售贷款组合满足第十四条中关于风险特殊性和业务重要性的要求，并能够获取不少于1500个坏贷款样本时，可采用统计模型法对该贷款组合开发评分卡并对其开展评分。第五十一条 采用统计模型法进行信用评分的基本流程包括建模准备、评分卡开发、评分校准和评分推翻四个步骤。第五十二条 建模准备除应参照第三章第一节中非零售风险暴露违约概率量化建模准备的有关要求外，还应满足以下要求：（一）应尽量使用近期数据，确保对我行当前及未来零售贷款组合的代表性。（二）通过数据清洗和加工，应生成零售贷款申请数据集和月度数据集，进而生成建模的因变量和自变量。其中，因变量是指“贷款好坏”，好坏定义的确定应综合考虑业务经验、坏样本的充足性和迁徙率等情况；自变量是指基于申请数据集和月度数据集生成的相关衍生变量。第五十三条 评分卡开发除应参照第三章第二节中非零售风险暴露评级打分卡开发的有关要求外，还应满足以下要求：（一）根据零售贷款组合的风险特征和样本数量，可进行敞口细分，针对每个敞口单独开发模型。敞口细分应满足以下要求：1.细分结果与业务对贷款组合的风险区分认识一致。2.每个细分下样本数量满足建模样本数量要求。3.基于细分样本所建立模型的风险区分能力和稳定性较基于整体样本所建立的模型有所提高。（二）在进行单因素分析时，一般使用KS、Gini系数、“坏”账率趋势等判别指标风险区分能力，使用PSI判别指标稳定性。（三）在进行多因素分析时，一般使用方差膨胀系数判别指标间的相关性，方差膨胀系数应小于10；单个指标的权重上限为30%，原则上不设置下限；行为和催收评分卡应尽量选取行为指标。第五十四条 评分校准是将评分卡结果校准到0-1000分的过程。评分校准应体现稳健、科学的原则，确保评分分布合理，便于内部管理，并可考虑与外部征信评分进行对接。第六章 零售风险暴露违约概率、违约损失率和违约风险暴露量化第五十五条 x银行基于风险分池对零售风险暴露的违约概率、违约损失率和违约风险暴露进行量化。第五十六条 当某一零售贷款组合满足第十四条中关于风险特殊性、业务重要性和数据充足性的要求时，可进行风险分池并估计相应风险参数。第五十七条 采用统计模型法进行风险参数量化的基本流程包括量化准备、风险分池和参数估计三个步骤。第一节 风险参数量化准备第五十八条 风险参数量化前，应构建风险分池方法论，进行数据收集、清洗和分析。第五十九条 风险分池方法论包括确定分池方法、框架和流程等。若采用决策树方法，应确定细分方法和终止条件；若采用统计回归法，应确定函数形式。第六十条 数据收集和清洗应参照第二十一条至第二十三条的有关要求。第六十一条 基于清洗后的数据，应生成分池候选指标和标识违约。生成分池候选指标是指从申请数据集和月度数据集中生成分池候选衍生变量的过程。标识违约是指根据违约定义对样本是否违约进行标识。第六十二条 针对不同的风险参数，应进行特定的数据分析： （一）针对违约概率，应对各零售信贷产品的成熟性效应进行分析，并确定相应的成熟期。（二）针对违约损失率，应确定经济损失包含的内容、适用的折现率和各零售信贷产品的清收期。（三）针对违约风险暴露，应对贷记卡估计信用转换系数。信用转换系数（CCF）和违约风险暴露（EAD）的计算公式为：1.当贷记卡观察时点可用额度不低于某特定金额时，CCF=（违约时点透支余额-观察时点透支余额）/观察时点可用额度，EAD=观察时点透支余额+CCF观察时点可用额度。2.当贷记卡观察时点可用额度低于某特定金额时，使用“整体授信额度”替换CCF和EAD计算公式中的“观察时点可用额度”。第六十三条 风险分池基于清洗后的总体数据集或样本数据集。对总体数据集进行抽样时，要确保样本数据集的代表性。原则上，样本数据集应包括所有的违约数据，并根据合理的配比抽取非违约数据。第六十四条 以第六十三条确定的风险分池数据集为基础，采用7：3的比例随机抽样分别得到开发样本数据集和验证样本数据集。第二节 风险分池第六十五条 风险分池是指采用统计方法，基于客户和债项的主要风险特征变量，将风险特征相同的零售贷款分配到相同分池中，将风险特征不同的零售贷款分配到不同分池中的过程。第六十六条 风险分池主要分为高层细分和低层细分两个步骤。高层细分是指综合考虑监管要求、业务实际情况和成熟性效应分析结果等因素，通过专家判断将零售贷款进行初步划分的过程。低层细分是指在高层细分节点下采用统计方法从分池候选指标中选择最佳变量对零售贷款进一步划分的过程。第六十七条 高层细分时，应将零售贷款划分为个人住房抵押贷款、合格的循环零售风险暴露和其他零售风险暴露三大类；应将违约和未违约零售贷款分别进行划分；应根据业务实际情况，按产品类别、贷款账龄、逾期状态等维度进行划分；应基于成熟性效应的分析结果，将零售贷款按未达到成熟期和达到成熟期进行划分。第六十八条 低层细分时，主要考虑客户和债项风险特征，风险特征包括但不限于：（一）客户风险特征，包括客户类别和人口统计特征等，如区域、年龄、职业、收入状况等。（二）债项风险特征，包括产品和抵质押品的风险特征，如抵质押方式、抵质押比例、担保、账龄等。（三）逾期信息、交易信息等。（四）信用评分。第六十九条 低层细分使用的变量需满足稳定性、业务含义正确性和业务含义直观性。（一）稳定性是指低层细分变量需保证分池中样本的PSI原则上小于0.25。（二）业务含义正确性是指低层细分得到的分池结果应满足风险参数趋势正确等要求。（三）业务含义直观性是指低层细分变量应为零售贷款信用风险管理中常见且便于业务人员理解的指标。第七十条 低层细分得到的分池原则上应满足同质性和异质性要求。当不满足时，应考虑对分池进行合并。（一）同质性是指验证样本实际违约率应落入开发样本实际违约率95%置信区间中。（二）异质性是指相邻两个池的实际违约率应在统计上存在显著差异。第七十一条 客户和债项在分池之间的分布应保持合理，单个分池的风险暴露原则上不超过该类零售风险暴露总量的30%。第七十二条 针对最终风险分池体系，应进行整体区分能力和稳定性的验证。（一）区分能力验证，使用KS验证违约概率分池体系的区分能力；使用Pseudo Gini系数验证违约损失率和违约风险暴露分池体系的区分能力。 （二）稳定性验证，使用PSI统计量对各风险参数分池体系的主要分支进行整体稳定性验证。第三节 风险参数估计第七十三条 风险参数估计值应是某一风险分池多个时点实际值的长期平均值。长期平均值一般可使用简单平均值、违约加权平均值或历史最差值等。在同一风险分池下的不同零售贷款，其风险参数估计值一致。第七十四条 对单个分池进行风险参数估计时，应使用该分池的全体样本。第七十五条 对于同质性检验未通过的风险分池，应使用长期平均的95%置信区间上限值作为该分池的风险参数估计值，确保估值更加审慎。第七十六条 在估计每个分池的违约概率时，应满足以下要求：（一）对账龄尚未达到成熟期的分池，应通过成熟性调整系数，对违约概率估值进行放大。其中，成熟性调整系数=成熟期贷款的违约率/未达到成熟期贷款的平均违约率。（二）违约概率估计值应不低于0.03%。第七十七条 在估计每个分池的违约损失率时，应满足以下要求：（一）针对违约贷款，应分别估计潜在的违约损失率（PLGD）和最佳的预期损失（BEEL）。其中，PLGD是反映清偿期间非预期损失额外上升的可能性，取违约损失率长期平均的95%置信区间上限作为估计值；BEEL是当前最优估计的预期损失，一般以最新时点的违约损失率作为估计值。（二）每个分池的违约损失率估值应不低于违约加权长期平均损失率。第七十八条 在对规模较小的零售贷款组合估计违约风险暴露时，可使用100%作为其信用转换系数。第七章 风险参数量化模型管理第七十九条 风险参数量化模型管理应覆盖模型的整个生命周期，包括模型开发、模型投产、模型监控、模型校准（优化）。第八十条 风险参数量化模型开发按照本办法中相关规定执行。第八十一条 风险参数量化模型在正式投入使用前，应进行测试和验证，经高级管理层审批后方可正式投产使用。第八十二条 风险参数量化模型在正式投入使用后，应进行持续监控。监控内容包括但不限于：（一）数据的完整性和真实性。（二）非零售客户评级定性打分的准确性和审慎性。（三）建模样本数据集对现有资产组合的代表性。（四）风险参数量化模型的风险区分能力和稳定性。（五）模型具体指标及在细分行业内的波动性。（六）风险参数的分布及迁徙情况。（七）模型结果的推翻情况。第八十三条 对于风险参数量化模型，可根据内外部数据的充足程度和模型开发方法，采用不同的定量监控方法。第八十四条 对于非零售风险暴露采用统计模型法或内部违约经验法开发的违约概率模型，主要采用返回检验的监控方法。 （一）区分能力监控。可采用的方法包括AR值、KS值、Somers D等。 （二）准确性和审慎性监控。可采用的方法包括二项检验、卡方检验等。（三）稳定性监控。可采用的方法包括PSI、SVD值等。第八十五条 对于非零售风险暴露采用外部基准法开发的违约概率模型，主要采用基准测试的监控方法。（一）区分能力监控。可采用的方法包括Somers D、Kendalls 、秩相关系数等。（二）准确性和审慎性监控。可采用的方法包括与外部评级违约概率进行对比等。（三）稳定性监控。可采用的方法包括PSI、SVD值等。第八十六条 对于非零售违约概率模型具体指标，主要监控其在整个模型覆盖行业及细分行业内的波动性，分析其均值（中位数）、方差（标准差）的变化情况，判断其对行业的代表性。如变化幅度超过20%，应重点关注。第八十七条 对于零售内部评级评分卡模型，主要采用返回检验的监控方法。（一）区分能力监控。可采用的方法包括KS值、AR值等。（二）稳定性监控。可采用的方法包括PSI值等。第八十八条 对于零售内部评级风险参数模型，主要采用返回检验的监控方法。（一）区分能力监控。对于违约概率可采用的方法包括KS值、AR值等。对于违约损失率、违约风险暴露可采用的方法包括AR值、秩相关系数等。（二）准确性和审慎性监控。对于违约概率可采用的方法包括二项检验、卡方检验等。对于违约损失率、违约风险暴露可采用的方法包括秩和检验、复相关系数等。（三）稳定性监控。可采用的方法包括PSI值等。第八十九条 基准测试可选择的“基准”包括： （一）外部评级结果。包括标普、穆迪、惠誉、中诚信等x银行认可外部评级机构的评级结果。 （二）内、外部专家的排序结果。内部专家包括x银行内部评级专家、其他信贷专家，外部专家包括国内外权威研究机构、同业金融机构的专家。（三）“替代模型”的计量结果。“替代模型”包括本行采用其他方法建立的专家判断模型、市场上公开的评级模型产品、其他金融机构的评级模型等。第九十条 非零售违约概率模型监控结果评价的参考标准：（一）区分能力评价参考标准。AR值高于0.4为“优秀”，AR值高于0.3为“良好”，AR值高于0.2为“一般”，AR值低于0.2为“差”；Somers D高于0.6为“优秀”，Somers D高于0.5为“良好”，Somers D高于0.4为“一般”，Somers D低于0.4为“差”。（二）审慎性评价参考标准。10%以下的评级级别数未通过单边二项检验为“良好”，30%以下的评级级别数未通过单边二项检验为“一般”，50%以下的评级级别数未通过单边二项检验为“差”。（三）稳定性评价参考标准。PSI值低于0.25为“良好”，PSI值低于0.4为“一般”，PSI值高于0.4为“差”。第九十一条 零售模型监控结果评价的参考标准。（一）区分能力评价参考标准。KS值高于0.3为“优秀”，KS值高于0.2为“良好”，KS值高于0.15为“一般”，KS值低于0.15为“差”。（二）审慎性评价参考标准。10%以下的评级级别数未通过单边二项检验为“良好”，30%以下的评级级别数未通过单边二项检验为“一般”，50%以下的评级级别数未通过单边二项检验为“差”。（三）稳定性评价参考标准。PSI值低于0.25为“良好”，PSI值低于0.4为“一般”，PSI值高于0.4为“差”。第九十二条 风险参数量化模型在正式投入使用后，应适时进行模型校准（优化）。第九十三条 非零售风险暴露违约概率量化模型的校准（优化）内容包括评级指标和指标权重、校准方法（含CT估值）、评级主标尺、评级推翻等。校准（优化）的基本原则如下：（一）当模型区分能力没有出现大幅下降，但模型准确性、审慎性出现较大恶化时，应首先对校准方法（含CT估值）进行优化，可不涉及评级指标和指标权重。在对CT估值进行优化时，应结合风险加权资产定量测算结果进行论证，可采取的措施包括更新数据观察期、调整长期平均计算方法、更新宏观经济周期调整系数。（二）当模型整体的区分能力出现大幅下降时，应通过单因素分析和多因素分析，对评级指标和指标权重进行优化。（三）当客户或资产结构发生重大改变，且建模样本无法代表当前以及未来的资产组合时，应重新开发模型。（四）评级主标尺原则上不进行优化，当某一级别的客户或资产占比连续两年超出阈值时，可对该级别进行细分。（五）当评级推翻无益于提升模型结果的风险预测能力时，应对评级推翻进行优化。第九十四条 零售风险暴露风险参数量化模型的校准（优化）内容包括评分卡指标和权重、评分校准规则、评分推翻、风险分池等。校准（优化）的基本原则如下： （一）当评分卡区分能力出现大幅下降时，应通过单因素分析和多因素分析，对指标和指标权重进行优化。通过调整指标和指标权重较难提升风险区分能力，可对该产品或资产组合重新进行细分。（二）评分校准规则可根据外部环境和内部管理情况的改变，进行适当调整。（三）当评分推翻无益于提升评分结果的风险预测能力时，应对评分推翻进行优化。（四）当评分卡、评分校准规则、评分推翻优化后，均应分析对风险分池的影响，并对风险分池进行调整。（五）当风险参数估计值的准确性和审慎性出现较大恶化时，应对个别分池节点或整个分池体系进行优化，并重新估计风险参数。（六）当客户或资产结构发生重大改变，且风险参数量化模型开发样本无法代表当前以及未来的资产组合时，应重新开发模型。第九十五条 风险参数量化模型校准（优化）流程。（一）发起。模型校准（优化）可由模型开发团队自行发起，也可由模型验证团队或监管部门发起。发起主体应提出发起模型校准（优化）的具体原因，提供相关数据支持及说明文档，并提出校准（优化）建议。（二）受理。模型开发团队根据校准（优化）建议，对模型表现进行详细分析，综合考虑宏观经济运行环境，确定是否受理。（三）制订方案。模型开发团队受理后，应结合宏观经济运行情况、违约风险趋势等，确定校准（优化）目标，制订可行的校准（优化）方案。（四）实施。校准（优化）方案和校准（优化）结果经有权审批人审批后生效，部署到内部评级及相关的应用系统。第九十六条 对风险参数进行估计、监控和校准（优化）时，风险参数量化管理的主管部门应充分参考内部评级专家的意见，确保风险参数量化反映业务实践。第九十七条 风险参数量化模型文档分为模型开发文档、模型监控文档和模型校准（优化）文档。第九十八条 非零售风险暴露的模型开发和校准（优化）文档至少应包括以下内容：（一）模型开发的方法论。应包括模型开发的技术方法、基本假设、局限性，模型框架和模型开发流程。（二）建模数据的收集和清洗。在数据收集方面，应包括数据范围、数据来源、对数据全面性和代表性的分析等；在数据清洗方面，应包括数据清洗的过程、数据缺失和异常的处理方法、对清洗后数据抽样的代表性分析等。还应包括上述步骤涉及的基础数据。（三）模型开发的过程和结论。在打分卡开发方面，应包括备选指标的确定过程、对原始指标进行转换和标准化等预处理过程、对建模指标所开展的单因素分析和多因素分析、对模型所开展的开发阶段检验的过程和结论；在违约概率校准方面，应包括违约定义、经济周期识别机制、CT估值和违约概率校准过程、主标尺设计方法、评级推翻考虑的因素、损失定义、违约损失率、违约风险暴露、期限等参数的量化过程；在基础数据和计算机程序方面，应包括指标预处理、单因素分析、多因素分析、模型检验等开发步骤的相关数据和计算机程序。第九十九条 零售风险暴露的模型开发和校准（优化）文档至少应包括以下内容：（一）模型开发的方法论。包括评分卡开发、风险分池和风险参数估计方法、框架和流程。（二）建模数据的收集和清洗。除第九十八条第二款的有关内容外，还应包括数据邻近性分析、好坏定义分析等。（三）模型开发的过程和结论。模型开发文档应按不同的产品详细记录模型开发过程，确保开发过程可被全面评估。除第九十八条第三款的有关内容外，还应包括如下内容：在评分卡开发方面，应包括评分敞口细分过程和结论，采用专家方法调整定性、定量指标的决定、依据和过程，评分校准过程；风险分池方面，应包括高层细分依据，低层细分变量稳定性、业务含义正确性和直观性分析，风险分池同质性、异质性、稳定性、集中度和区分能力分析，分池合并过程，对风险分池的修改依据和过程；风险参数估计方面，应包括风险参数长期平均估计过程，违约概率成熟性效应分析和成熟性调整过程，潜在的违约损失率（PLGD）和最佳的预期损失（BEEL）估计过程，经济周期识别机制和经济衰退期调整机制等。第一百条 模型监控文档至少应包括以下内容：（一）评级基础数据的真实性和完整性。对非零售风险暴露，还包括评级定性指标打分的审慎性、评级推翻的审慎性。（二）现有客户和资产组合风险特征的稳定性（与建模时点及其他历史时点相比）。（三）非零售风险暴露打分卡、零售风险暴露评分卡和风险分池模型的风险区分能力和稳定性。（四）风险参数、非零售风险暴露信用评级、零售风险暴露信用评分的分布和迁徙情况。第一百零一条 风险参数量化模型文档是x银行的核心机密，由模型开发团队负责保存，实行权限管理。除模型开发团队外，未经行长授权，任何人员不得随意查阅。 第一百零二条 风险参数量化结果应用于内部经营管理的各个方面。应用部门应使用风险参数量化主管部门统一提供的量化结果，不得随意进行调整。 第一百零三条 应用部门在使用风险参数量化模型及量化结果时，应充分了解模型假设和局限性，确保风险参数量化输入数据的准确性，避免出现因误用模型所造成的风险。第八章 附 则 第一百零四条 本办法由x银行总行制定、解释和修订。 第一百零五条 本办法适用于x银行境内、外机构。 第一百零六条 本办法自印发之日起实施。附件：2-1.标准违约损失率调整规则2-2.表外项目信用转换系数2-3.合格净额结算认定标准附件2-1标准违约损失率调整规则一、合格抵质押品内容及要求（一）合格抵质押品包括金融质押品、应收账款、商用房地产和居住用房地产以及其他抵质押品。初级内部评级法下，合格抵质押品按照附件规定的范围执行。（二）合格抵质押品要满足以下要求：1.抵质押品应是中华人民共和国物权法、中华人民共和国担保法规定可以接受的财产或权利。2.权属清晰，且抵质押品设定具有相应的法律文件。3.满足抵质押品可执行的必要条件；须经国家有关主管部门批准或者办理登记的，应按规定办理相应手续。4.存在有效处置抵质押品且流动性强的市场，并且可以得到合理的抵质押品的市场价格。5.在债务人违约、无力偿还、破产或发生其他借款合同约定的信用事件时，x银行能够及时地对债务人的抵质押品进行清算或处置。6.符合x银行押品管理办法中其他对押品的有关规定。（三）初级内部评级法下，x银行根据担保合同的担保方式确定合格抵质押品的类型。二、不同合格抵质押品关于标准违约损失率的调整规则（一）初级内部评级法下，金融质押品的信用风险缓释作用体现为对标准违约损失率的调整，调整后的违约损失率为: 其中：是在考虑质押品之前、优先的无担保风险暴露的标准违约损失率；是风险暴露的当前值；是信用风险缓释后的风险暴露。其中：为风险暴露的折扣系数；为金融质押品的当前价值；为金融质押品的折扣系数；为处理金融质押品和风险暴露币种错配的折扣系数。如果金融质押品为一篮子资产，该篮子资产的折扣系数按计算,其中为该资产在篮子中的份额，为适用于该资产的折扣系数。和的标准折扣系数见附件。逐日盯市、逐日调整保证金且最低持有期为10个交易日时，的标准折扣系数为8%；对不同最低持有期限或再评估频率的交易应根据附件调整。（二）信用风险缓释工具的期限比当前风险暴露的期限短时，x银行要考虑期限错配的影响。存在期限错配时，若信用风险缓释工具的原始期限不足1年或剩余期限不足3个月，则不具有信用风险缓释作用。对认可信用风险缓释工具的期限错配按下式调整：其中：为期限错配因素调整后的信用风险缓释价值；为期限错配因素调整前经各种折扣系数调整后的信用风险缓释价值；为风险暴露的剩余期限与5之间的较小值，以年表示；为信用保护的剩余期限与T之间的较小值，以年表示。（三）初级内部评级法下，应收账款、商用房地产和居住用房地产以及其他抵质押品的信用风险缓释作用体现为违约损失率的下降。根据债项与缓释工具的对应关系，分别按不同规则处理。（四）当债项与缓释工具一一对应时，在使用单种抵质押品时，违约损失率的确定方法如下：1.抵质押品当前价值与风险暴露当前价值的比率低于最低抵质押水平，视同无抵质押处理，采用标准违约损失率。2.抵质押品当前价值与风险暴露当前价值的比率超过了超额抵质押水平，采用相应的最低违约损失率。3.抵质押品当前价值与风险暴露当前价值的比率介于最低抵质押水平和超额抵质押水平之间，应将风险暴露分为全额抵质押和无抵质押部分。抵质押品当前价值除以超额抵质押水平所得到的为风险暴露全额抵质押的部分，采用该类抵质押品的最低违约损失率；风险暴露的剩余部分视为无抵质押，采用标准违约损失率。不同抵质押品的最低抵质押水平、超额抵质押水平，以及最低违约损失率见下表。最低违约损失率贷款的最低抵质押水平超额抵质押水平金融质押品0%0%不适用应收账款35%0%125%商用房地产和居住用房地产35%30%140%其他抵质押品40%30%140%（五）当债项与缓释工具是一对多关系时，要将风险暴露拆分为由不同抵质押品覆盖的部分，分别计算风险加权资产。拆分按金融质押品、应收账款、商用房地产和居住用房地产以及其他抵质押品的顺序进行，根据该抵质押品对应的合同金额进行拆分。金融质押品处理后的风险暴露价值分