提要：利用银行内部和外部的有效数据及时而较为准确地预测借款人的信用风险，进行差别化管理是大数据时代银行风险管理的崭新课题。在监管机构持续不懈地推动下，经过多年努力，我国部分领先的商业银行已经初步具备了信用风险预测能力，基于信用风险预测的结果，进行风险管理模式创新也正在不断尝试之中。本文以个人住房按揭贷款为例，阐释信用风险预测为基础的风险管理模式的七个维度。
风险预测是基础
预测违约风险和损失风险是信用风险管理的基础，建立以信用风险预测为基础的个人住房按揭贷款风险管理模式，其前提在于对按揭借款人的违约风险和住房的损失风险预测能力具有一定把握。我国部分领先的商业银行已经使用历史数据构建了个人住房按揭贷款的申请评分卡、行为评分卡、违约概率模型和违约损失率模型，这些模型在风险管理的实践中具有了一定的风险预测能力。我国领先银行的做法是按月度对预测违约的结果与实际违约结果的偏离程度进行跟踪，形成对评分卡和违约概率模型预测能力的客观判断。如果持续观测发现违约概率模型整体预测能力不佳，应果断对模型进行修正，达到期望的预测能力后再全面推进在日常风险管理中的深入应用。
评分卡、违约概率模型、违约损失率模型的预测表现评价示意如表1所示。对于例外的部分省份，对模型预测能力没有结论的主要原因在于违约样本少或损失样本不足，无论判别预测能力的指标好坏都难以让人信服。可行的做法是继续积累数据，持续观测预测能力，直到做出客观判断。申请评分卡主要观测申请批准后个人住房按揭贷款借款人在随后一年内是否违约，对于这种长期贷款一年内违约的债务人较少，容易出现违约样本少导致的预测能力无法判断的情况。对违约损失率模型预测能力判断、清收期设定、内部清收成本分摊、折扣率选择等都息息相关，如果清收期较长，按年度观测预测结果偏离实际结果就很难得出结论。
鉴于个人住房按揭贷款评分卡或有关模型的预测能力会受到一定客观条件的制约，应用评分卡、违约概率模型和违约损失率模型进行信用风险预测需要循序渐进。在初始阶段，行为评分是应用的重点领域，良好的行为评分预测能力能让银行提早发现潜在的高风险借款人，为尽早处置赢得时间。
基于申请评分结果进行授信审批
银行建立起对申请评分卡预测能力的信心以后，可以高效率地推进基于申请评分结果的授信审批。申请评分卡以信用分数对不同信用风险类别的申请人进行区分，可以有效地解决审批标准的统一性问题，同时也有利于不同区域申请人信用风险状况的比较。在授信策略方面，银行通过设定不同区域的准入分数和自动通过分数来体现银行的风险偏好和信用风险控制目标。根据自动审批通过的借款人数量，调整准入的分数可以对信用风险过高的借款人进行拒绝，节约审批资源。出于审慎控制信用风险的目的，宏观经济情况转差时宜提高审批准入分数，以保证借款人的质量，而宏观经济转好时宜放松审批准入分数，以争取更大市场份额。
自动审批通过的标准主要取决于银行对这部分借款人可以接受的违约水平，由于自动审批通过的借款人是信用风险最低或较低的群体，宏观经济变化不会对其信用状况产生明显实质性影响。我国领先银行的统计数据表明，自动审批通过的个人住房按揭贷款一年内的实际违约率只有万分之几，信用风险完全可以得到控制。处于审批准入和自动审批通过之间的借款人需要人工审批。省级分行应根据竞争策略、内部合格审批人的数量以及违约率控制目标，将人工审批的数量保持在相对合理的比例，并做好持续监控工作，持续监控人工审批的信贷质量是否优于自动审批。
申请评分卡的目的是对个人住房按揭贷款借款人的信用风险进行评价和区分，并不能代替合规性审查。正式使用申请评分卡后，银行应该考虑适度对审批流程进行变革，在借款人的数据进入申请评分卡之前，必须对授信的真实性和合规性进行审查。而且申请阶段的评分只是一定程度上解决了申请时点上借款人的信用风险排序问题，在申请时点上信用风险低的借款人并不意味着在还款期内信用风险一直能保持在低水平上，还需要辅以行为评分卡对借款人的信用风险状况进行跟踪，直至还款期结束。
基于行为评分开展风险监控
借款人获得银行的个人住房按揭贷款后，从某一特定时点开始使用行为评分卡进行信用风险预测。一般而言，银行在借款人申请阶段获得申请人的人口特征信息后不再进行动态更新，而在贷款偿还结束前会对还款行为每月进行评分，并监控行为评分卡的预测能力。因此，行为评分卡在预测借款人违约方面要优于申请评分卡。我国领先银行的经验证明，持续偿还超过一定期限的借款人行为表现会和还款期限较短的借款人行为表现有显著差异，已逾期的借款人和未逾期的借款人信用风险截然不同。
通过行为评分卡在风险因素上的筛选和区分，预测能力良好的行为评分卡直观地体现为，那些偿还行为恶化的借款人在违约前一段时间行为评分会出现比较明显的变化或大幅下降，银行可以根据行为评分结果实施针对性的贷后检查和风险预警。已逾期的借款人其违约风险已相当大，银行会根据历史上同类逾期借款人的实际违约水平采取相应管理措施。对尚未逾期的借款人，银行可根据其行为评分，分为信用风险极低、低、较低、中、较高五类，对于违约风险中和较高的借款人实施更高频率的贷后管理。对于月度之间行为评分由中风险向较高风险发生迁移的借款人，或由较高风险借款人恶化为逾期借款人的群体，进行预警。
基于预期损失计提减值准备金
预期损失是违约概率与违约损失率的综合反映，反映了在下一年内对个人住房按揭贷款期望的损失程度，是一个前瞻性概念。巴塞尔资本协议要求减值准备与预期损失进行比较后，确定增加附属资本还是扣除资本缺口。目前国际会计界正在进行会计规则改革，国际会计标准委员会提议由IFRS9取代IAS39，从2018年开始生效。其中最重要的变化是提出新的减值模型，对损失进行早期确认。在IAS39计提规则下，具有一项或者多项客观证据表明金融资产受到损害，确认计提减值准备金，而IFRS9提议的规则下，从确认损失模型转向预期损失模型。
预期损失模型将贷款计提减值准备金分为三个阶段，第一阶段，初始确认后正常的资产信用风险没有明显增加，确认12个月预期损失。第二阶段，资产的信用风险明显增加，由此导致信用质量在投资级别以下，确认资产在全部生命周期内的预期损失。第三阶段，资产的信贷质量已经恶化到信用损失发生那一点，或信贷质量受到损害，确认资产在全部生命周期内的预期损失。这种方法上的转变似乎表明减值准备的计提与风险预测方法正在趋同。但据德勤的调查研究表明，IFRS9计提准备金方法的改变会导致银行计提减值准备金总额增加，存在很大的可能计提水平超过巴塞尔新协议内部评级法下计算出的预期损失。特别是个人住房按揭贷款期限长，一旦进入第二阶段计提减值准备金，使用全部生命周期内的预期损失计提将对准备金水平产生显著影响。
在内评法概念体系下，预期损失是实际损失的平均数，而超过平均数的部分，尤其是99.9%置信度下的极值部分是资本应对的非预期损失。我国现行的准备金计提要求还没有向新协议下预期损失的概念靠拢，但我国特有的超额拨备制度客观上使超额拨备承担了资本的功能，一旦预期损失超过减值准备，超额拨备可以弥补缺口，而不会对资本总量产生影响。
基于信用风险溢价设定贷款价格下限
合理的贷款价格可以有效地转移信用风险，违约概率和违约损失率模型的使用，可以计算出每个个人住房按揭贷款借款人的信用风险溢价，从而使得对借款人设定贷款价格下限成为可能。按照国际市场惯例，信用风险溢价等于预期损失率加上净资产收益率(英文简称ROE)与监管资本要求的乘积。我国领先银行的ROE保持在18%，按照监管资本要求是资本系数的1.06倍计算，不考虑其他成本，不同违约概率和违约损失率的借款人信用风险溢价如表2所示。
个人住房按揭贷款具有典型的季节性特征，随着账龄延长，借款人实际违约水平不断攀升，到达峰值后，再逐步下降。在期初定价时，根据风险细分的结果，银行可以采取不同的定价策略。回溯历史数据可以发现，我国领先银行的个人住房按揭贷款具有“四年半”效应，即从发放时点开始计算，约四年半左右达到违约率的最高峰，随后违约率逐步下降。基于这个特点，在定价策略上，至少可以从两个维度设定定价下限目标，即按风险池设定下限价格目标和按账户设定下限价格目标。前者基于风险池内所有账户平均违约水平和平均损失水平设定，要求整个风险池内所有账户的定价平均水平达到下限目标，实际是以风险池为单位实施平均价格管理；后者细分至每个借款人的按揭贷款账户，根据对该账户的违约概率和违约损失率进行定价，是以账户为单位实施逐户价格管理。
基于违约损失风险实施风险权重控制
个人住房按揭贷款的信用风险权重反映了此类业务的潜在风险。无论是我国领先的银行还是国际同业，在内部评级法下，个人住房按揭贷款的权重都是由借款人违约概率和违约损失率决定的连续权重分布曲线。未采用内评法的国际同业，在权重法下主要根据抵押率差异将个人住房按揭贷款的信用风险分为35%、50%、75%和100%四档，这说明监管机构认为抵押率是个人住房按揭贷款最为重要的风险区分因素。在模型开发过程中引入动态抵押率指标无疑会提升模型的预测能力。
我国领先的银行对个人住房按揭贷款的违约概率和违约损失率进行全面计量后，违约风险和损失风险相结合会产生不同的风险权重。基于权重上的差异可以分为低违约风险和低损失风险、低违约风险和高损失风险、高违约风险和低损失风险，高违约风险和高损失风险四大类。“两高”的个人住房按揭贷款是风险管理的首要目标，需要将高违约风险和高损失风险的借款人细分至省级分行和二级分行进行逐户管理。不同违约风险和损失风险水平对应的风险权重如表3所示。
实践中存在模型预测能力在例外区域(部分省份)达不到标准的问题，这种情况会导致不同时点上计算出的风险权重大幅度波动，给银行控制风险权重带来不利影响。造成这种情况的原因可能在于新的借款人占比较高、还款期限普遍较短，在模型表现观测期内违约样本或损失样本过少，特定风险池借款人风险较大等，必须具体分析。在个人住房按揭贷款的调整策略和方向上，还需要结合收益状况，尽可能向平均风险权重较低的区域倾斜信贷资源。
基于信用风险预测实施经济资本配置
我国《商业银行资本管理办法(试行)》中明确个人住房按揭贷款的资产相关性为0.15，这是基于英美银行内部数据测算的结果，巴塞尔委员会采纳后作为全球统一的标准推行。根据惠誉评级2008年的研究成果，利用美联储1991～2007年损失率数据分析得出个人住房按揭贷款的相关性仅为2.07%，利用英国1994～2007年的损失率数据分析显示也仅为3.31%。借鉴国际同业的方法，我国领先银行以省级分行为主体，可以计算出最长期限内(数据质量可以得到保证的最长期限)实际损失率的均值和标准差，已知均值和标准差可以推算出不同省级分行个人住房按揭贷款隐含的资产相关性。由此就可以模拟出该省级分行个人住房按揭贷款的损失分布曲线。在预期损失率相同的情况下，那些资产相关性小于监管设定0.15标准的省级分行，体现出非预期损失小的特征，而那些资产相关性大于监管设定标准的省级分行，则体现出非预期损失大的特征。
限于银行内部数据制约，历史上的实际损失超过平均损失最多的一次(在风险管理上视为极端情况)都在近五年之内，以信用风险预测为基础的个人住房按揭贷款的经济资本配置，需要依赖风险偏好的松紧程度。如果预计某省级分行在未来十年内还会发生一次超过历史上极端情况的实际损失，则在90%置信度下配置经济资本，如果预计百年内才会发生一次超过历史上极端情况的实际损失，则在99%置信度下配置经济资本。风险偏好的差异最终会导致即使是预期损失率完全相同的省级分行，90%置信度下配置的经济资本也要比99%置信度下配置的经济资本多。
