|
作者 | 胡明国 蔡新星 来源 | 《中国城市金融》2019年第8期 原标题 | 商业银行信用风险管理研究与思考 如何划分 信用风险是由于交易对方不履行到期债务而产生的风险，我们认为“风险划分千万条，专业普适第一条”，按照“什么样人-干什么事-有什么结果”逻辑将信用风险划分为主体风险、行为风险、结果风险（即还贷能力）三大类。 （一）主体风险 企业作为社会成员，不管是否与银行发生融资关系或业务往来，他在社会客观存在或历史经营活动中都可能对银行带来某种风险冲击，如涉敏涉恐、负面舆情、行业风险、环保风险等。随着客户与银行建立融资关系，可能产生新的风险冲击甚至直接造成银行损失，客户主体风险属于信贷领域的源头风险；防控主体风险核心在于聚焦对其信息的分析、识别、控制等，筛选出“对”的客户，防止“病从口入”。 （二）行为风险 从回归信贷业务本源来看，融资行为风险包括融资背景真实性、资金使用合规性风险，前者侧重于贷前，后者侧重于贷后，融资背景风险又可区分为虚构交易背景、过度融资、关联风险等，资金使用风险又可区分贷款资金流向禁止性领域、贷款资金流向关联企业等。 （三）结果风险 商业银行资金使用权让渡给客户，如果客户自身经营不善或有意欺诈银行，直接结果就是本息无法收回，形成违约风险（即结果），可见融资结果（即还贷能力）风险属于信贷的实质性风险，需要严控并要做到未雨绸缪、提前化解。 综上分析，信用风险分类框架（详见图1）逻辑是：什么样客户可以准入（客户主体）、准入的客户匹配什么样信贷产品（融资行为）、售出的信贷产品可否按期收回（还贷能力）。在此基础上结合实际进行信用风险的动态完善，实现信用风险“横到边”的管理，同时从全流程管理角度，对每个环节的风险进行梳理、归类，实现信用风险“纵到底”的管理，通过统一逻辑框架推进信用风险纵横结合的矩阵式管理。当然，信贷风险还会涉及银行员工合规操作风险等。
如何识别 信用风险的内涵实质、管理范围相对清楚，但由于商业银行属于虚拟经济，其风险表现不像实体那样直观、明显，隐蔽性强、潜伏期长是其显著特点，建议统筹构建智能化模型体系，加强信用风险靶向监控，为信用风险分类制定管理策略提供支撑。 （一）重视信用风险场景研究 1.建立场景常态化研究机制。一是建立“预判式”研究机制，在新产品、新制度、新流程上线前，模拟业务场景，主动研究业务风险、确定策略、部署模型，防患未然；二是建立“案例型”研究机制，对监管处罚以及案件事故、检查审计问题、不良贷款事例等进行深入剖析，做到举一反三，实施针对部模，筑牢风险防线。三是建立“联动型”研究机制，发挥分行前哨“侦察兵”作用，集全行智慧强化行内外风险场景主动研究、确定布控策略，使风险模型更贴近实际。 2.建立场景系统化管理模式。场景价值关键在于用、在于自动化或智能化调用，充分实现信贷前、中、后台信息共享共用，为此需整理归纳已知场景的业务流程或交易环节的风险特征，深入挖掘与交易风险具有较高相关性或内在联系的关键要素，建立风险场景库，通过比对业务逻辑和场景特征，精准识别潜在风险隐患；对目前尚难归纳具体特征的风险场景，逐步借用特征工程等新技术进行挖掘和提炼隐性特征，为模型智能识别和动态调优提供基础。 （二）突出智能模型研发创新 1.推进数据驱动智能建模。要依托银行数据优势，结合外部信息等，充分利用人工智能、大数据等先进技术，有效捕捉与客户、机构、员工、产品风险相关的静态属性、动态变化、非线性特征，构建数据驱动建模方式，与专家经验建模形成有效补充，保证模型部署的科学有效。 2.探索关系网络监测方式。客户间风险的交叉传导是信用风险防控的难点和重点，需要加快应用图计算和社会网络分析等新型技术，准确绘制客户关联关系、上下游关系、社交关系图等，揭示风险传导关系，实现信用风险由点到线及面的智能监测。 （三）加快模型灵活定制推进 1.创新模型灵活部署机制。以模型规则、因子、指标为基础，结合客户标签、风险规则及可标准化的日志信息，运用参数化手段对各类信息进行集成、抽取、分析和输出，实现模型的灵活定制与快速部署，以及模型的训练、验证、投产、管理与风险监测的一体化，推动版本研发模式向定制模式的根本转变。 2.建立模型自主定制机制。为充分发挥分行信用风险监控主体作用，建议通过系统化手段为银行提供模型自主定制工具，风险规则、模型因子、客户标签等在符合保密原则下实现全行共享，分行亦可根据业务特点和管理要求自主定制个性模型，推动分行自主监控有效落地，发挥总分行监控合力。 （四）夯实模型生命周期管理 1.建立模型“有效准入，无效退出”的长效管理机制。模型建设根本目标是识别风险、服务发展，在准入阶段坚持“四个聚焦”（即聚焦监管、聚焦发展、聚焦改革、聚焦专业）研发模型；如果管理重点有变化、流程硬控有提升、模型效果有下降，模型应在评估基础上科学退出，唯实效而不唯模型。 2.建立模型“自我学习，动态优化”的训练优化机制。模型训练优化是保证模型实效的基础和关键，依托系统化手段和智能化工具，要加快构建模型规则、因子、指标库，搭建模型实验室，结合特征集合、知识案例等，深入开展数据挖掘和模型训练，构建起模型自学习、优训练方式，使模型性能更优，生产力更高。 3.建立模型“纵横联动，多维评价”的评价反馈机制。模型效果评价关键在于资源占用与用户口碑，拟围绕模型覆盖全面性与风险识别有效性，统筹构建包括覆盖率-命中率、成本-收益、频率-影响等指标的模型自评价体系，对模型运行情况进行跟踪监测、效果评价等，为动态管理提供支撑。 当然，模型监控还需要与现场检查、客户回访等多种管控手段相结合，以最大限度提升信用风险管控效能。 如何管理 （一）突出实质性风险管控 1.注重信贷实质性风险监控。信贷本质是资金使用权让渡，风险管控关键在于“什么人可进”“进入人可否保证银行收益”，因此建议在客户准入、还贷能力两个方面加大监控力度，围绕两大核心分别构建模型组（群或体系），突出信贷实质性风险管控。 2.坚持全面与分类监控结合。信贷专业性强、政策性强、产品丰富，建议综合考虑信贷产品特点以及区域分布、行业分布、客户群分布等设置模型组（群），根据不同产品风险集中度不同实施全流程监测，或从行业、客户角度实施集群监测，避免单客户正常、多客户异常，或单环节正常、多环节异常等对银行带来信贷风险冲击。 （二）突出系统化闭环管理 1.流程闭环。立足于信用风险特点以及各商业银行的信贷组织架构，建议在已有信贷风险监控系统或流程基础上，重新构建涵盖模型监控、分级核查、整改落实、风险评估、评价优化于一体的闭环管理流程，切实做到风险有揭示、有整改、有评价、有改进，各岗位履职可监测、可跟踪、可评价，在全流程良性循环中持续提升信用风险管控水平。 2.机制闭环。流程闭环侧重于单笔业务、单个客户方面的风险识别、确认、计量、评估、报告与控制，而机制闭环更多侧重于群体性、集中性、趋势性方面，需要总分行从制度、流程、产品以及行业政策等方面挖掘信用风险深层次原因，及时改进完善，避免单个风险事件演变为系统性或区域性风险。 （三）突出差异化分级管理 信贷业务客户多、体量大，风险暴露差异大，建议通过合理划分模型预警后信贷业务的风险等级，有针对性地实施分级控制和分级管理，着力解决模型预警后“谁负责处理”“如何处理”的问题，发挥总分行风险管控合力。 1.明确分级监控重点。在制定信贷业务监控标准基础上，明确总行、分行监控重点和范围，细化总分行分别负责监控何种级别的客户，突出信用风险总行直通监测和分行主体监测两种模式相结合。 2.合理划分风险等级。首先，在完善客户、机构、员工、产品维因子基础上，根据风险严重程度对每个模型规则、因子或指标赋予风险分值，客观体现风险偏好；其次，对触发模型的业务，结合风险特征以及模型因子统筹确定风险程度，确定核查级次与核查主体；再次，根据核查事实，统筹业务的性质、金额、频率等因素，再确定有无风险以及风险等级，既为后续风险评估提供支撑，也有利于落实闭环管理并督促分行真实核查。 （四）突出标准化风控管理 “无规矩不成方圆”，在信用风控领域迫切需要相应标准，使各环节监控做到“有据可依”“有据必依”等，建议将专家智慧、经验教训，结合政策制度提炼为可借鉴、可复制模板或指引，融入到全流程管控中，持续提升信用风险监控水平。 1.明确信用风险监测标准。为做到信用风险监测“有据可依”，建议统筹监管制度、行内信贷制度基础上，结合风险监控特点以及全行专家智慧，探索制定信用风险监测标准，尽量统一总分行监控人员在准入监控、存量监控等方面的尺度和标准，明确风险识别依据，清楚告知风险监测人员如何界定、如何分析、如何核查，进而做到“有据必依”。 2.明确风控人员履职标准。一是研究制定监测人员岗位履职规程，规范岗位履职，科学评价履职质量，通过加强考核和落实责任制，提高信用风险监控人员的整体业务素质和职业道德素养，实现信用风险监控体系高质量建设和精细化管理。二是研究制定核查人员履职标准，明确风险核查原则、核查要点、核查方法、核查步骤以及核查禁止事项等，确保核查准确、全面、客观。 作者单位：中国工商银行信贷与投资管理部 |
