基于風險預測的風險管理模式創新—個人住房按揭貸款視角

章彰

利用銀行內部和外部的有效數據及時而較為準確地預測借款人的信用風險，進行差別化管理是大數據時代銀行風險管理的嶄新課題。以信用風險預測的結果為基礎，展開授信審批、監控、貸后管理、準備金計提、監管資本計算和經濟資本配置等一系列內部管理活動是現代銀行風險管理的核心內容，也是巴塞爾新資本協議積極倡導的信用風險管理模式。在監管機構持續不懈地推動下，經過多年努力，我國部分領先的商業銀行已經初步具備了信用風險預測能力，基于信用風險預測的結果，進行風險管理模式創新也正在不斷嘗試之中。本文以個人住房按揭貸款為例，闡釋信用風險預測為基礎的風險管理模式的七個維度。

風險預測是基礎

預測違約風險和損失風險是信用風險管理的基礎，建立以信用風險預測為基礎的個人住房按揭貸款風險管理模式，其前提在于對按揭借款人的違約風險和住房的損失風險預測能力具有一定把握。我國部分領先的商業銀行已經使用歷史數據構建了個人住房按揭貸款的申請評分卡、行為評分卡、違約概率模型和違約損失率模型，這些模型在風險管理的實踐中具有了一定的風險預測能力。我國領先銀行的做法是按月度對預測違約的結果與實際違約結果的偏離程度進行跟蹤，形成對評分卡和違約概率模型預測能力的客觀判斷。如果持續觀測發現違約概率模型整體預測能力不佳，應果斷對模型進行修正，達到期望的預測能力后再全面推進在日常風險管理中的深入應用。

評分卡、違約概率模型、違約損失率模型的預測表現評價示意如表1所示。對于例外的部分省份，對模型預測能力沒有結論的主要原因在于違約樣本少或損失樣本不足，無論判別預測能力的指標好壞都難以讓人信服。可行的做法是繼續積累數據，持續觀測預測能力，直到做出客觀判斷。申請評分卡主要觀測申請批準后個人住房按揭貸款借款人在隨后一年內是否違約，對于這種長期貸款一年內違約的債務人較少，容易出現違約樣本少導致的預測能力無法判斷的情況。對違約損失率模型預測能力判斷、清收期設定、內部清收成本分攤、折扣率選擇等都息息相關，如果清收期較長，按年度觀測預測結果偏離實際結果就很難得出結論。

鑒于個人住房按揭貸款評分卡或有關模型的預測能力會受到一定客觀條件的制約，應用評分卡、違約概率模型和違約損失率模型進行信用風險預測需要循序漸進。在初始階段，行為評分是應用的重點領域，良好的行為評分預測能力能讓銀行提早發現潛在的高風險借款人，為盡早處置贏得時間。

基于申請評分結果進行授信審批

銀行建立起對申請評分卡預測能力的信心以后，可以高效率地推進基于申請評分結果的授信審批。申請評分卡以信用分數對不同信用風險類別的申請人進行區分，可以有效地解決審批標準的統一性問題，同時也有利于不同區域申請人信用風險狀況的比較。在授信策略方面，銀行通過設定不同區域的準入分數和自動通過分數來體現銀行的風險偏好和信用風險控制目標。根據自動審批通過的借款人數量，調整準入的分數可以對信用風險過高的借款人進行拒絕，節約審批資源。出于審慎控制信用風險的目的，宏觀經濟情況轉差時宜提高審批準入分數，以保證借款人的質量，而宏觀經濟轉好時宜放松審批準入分數，以爭取更大市場份額。

自動審批通過的標準主要取決于銀行對這部分借款人可以接受的違約水平，由于自動審批通過的借款人是信用風險最低或較低的群體，宏觀經濟變化不會對其信用狀況產生明顯實質性影響。我國領先銀行的統計數據表明，自動審批通過的個人住房按揭貸款一年內的實際違約率只有萬分之幾，信用風險完全可以得到控制。處于審批準入和自動審批通過之間的借款人需要人工審批。省級分行應根據競爭策略、內部合格審批人的數量以及違約率控制目標，將人工審批的數量保持在相對合理的比例，并做好持續監控工作，持續監控人工審批的信貸質量是否優于自動審批。申請評分卡審批準入和自動審批通過比例如圖1所示。

申請評分卡的目的是對個人住房按揭貸款借款人的信用風險進行評價和區分，并不能代替合規性審查。正式使用申請評分卡后，銀行應該考慮適度對審批流程進行變革，在借款人的數據進入申請評分卡之前，必須對授信的真實性和合規性進行審查。而且申請階段的評分只是一定程度上解決了申請時點上借款人的信用風險排序問題，在申請時點上信用風險低的借款人并不意味著在還款期內信用風險一直能保持在低水平上，還需要輔以行為評分卡對借款人的信用風險狀況進行跟蹤，直至還款期結束。

基于行為評分開展風險監控

借款人獲得銀行的個人住房按揭貸款后，從某一特定時點開始使用行為評分卡進行信用風險預測。一般而言，銀行在借款人申請階段獲得申請人的人口特征信息后不再進行動態更新，而在貸款償還結束前會對還款行為每月進行評分，并監控行為評分卡的預測能力。因此，行為評分卡在預測借款人違約方面要優于申請評分卡。我國領先銀行的經驗證明，持續償還超過一定期限的借款人行為表現會和還款期限較短的借款人行為表現有顯著差異，已逾期的借款人和未逾期的借款人信用風險截然不同。行為評分卡的年度實際違約率如圖2所示。

通過行為評分卡在風險因素上的篩選和區分，預測能力良好的行為評分卡直觀地體現為，那些償還行為惡化的借款人在違約前一段時間行為評分會出現比較明顯的變化或大幅下降，銀行可以根據行為評分結果實施針對性的貸后檢查和風險預警。已逾期的借款人其違約風險已相當大，銀行會根據歷史上同類逾期借款人的實際違約水平采取相應管理措施。對尚未逾期的借款人，銀行可根據其行為評分，分為信用風險極低、低、較低、中、較高五類，對于違約風險中和較高的借款人實施更高頻率的貸后管理。對于月度之間行為評分由中風險向較高風險發生遷移的借款人，或由較高風險借款人惡化為逾期借款人的群體，進行預警。

基于預期損失計提減值準備金

預期損失是違約概率與違約損失率的綜合反映，反映了在下一年內對個人住房按揭貸款期望的損失程度，是一個前瞻性概念。巴塞爾資本協議要求減值準備與預期損失進行比較后，確定增加附屬資本還是扣除資本缺口。目前國際會計界正在進行會計規則改革，國際會計標準委員會提議由IFRS9取代IAS39，從2018年開始生效。其中最重要的變化是提出新的減值模型，對損失進行早期確認。在IAS39計提規則下，具有一項或者多項客觀證據表明金融資產受到損害，確認計提減值準備金，而IFRS9提議的規則下，從確認損失模型轉向預期損失模型。

預期損失模型將貸款計提減值準備金分為三個階段，第一階段，初始確認后正常的資產信用風險沒有明顯增加，確認12個月預期損失。第二階段，資產的信用風險明顯增加，由此導致信用質量在投資級別以下，確認資產在全部生命周期內的預期損失。第三階段，資產的信貸質量已經惡化到信用損失發生那一點，或信貸質量受到損害，確認資產在全部生命周期內的預期損失。這種方法上的轉變似乎表明減值準備的計提與風險預測方法正在趨同。但據德勤的調查研究表明，IFRS9計提準備金方法的改變會導致銀行計提減值準備金總額增加，存在很大的可能計提水平超過巴塞爾新協議內部評級法下計算出的預期損失。特別是個人住房按揭貸款期限長，一旦進入第二階段計提減值準備金，使用全部生命周期內的預期損失計提將對準備金水平產生顯著影響。

在內評法概念體系下，預期損失是實際損失的平均數，而超過平均數的部分，尤其是99.9%置信度下的極值部分是資本應對的非預期損失。我國現行的準備金計提要求還沒有向新協議下預期損失的概念靠攏，但我國特有的超額撥備制度客觀上使超額撥備承擔了資本的功能，一旦預期損失超過減值準備，超額撥備可以彌補缺口，而不會對資本總量產生影響。

基于信用風險溢價設定貸款價格下限

合理的貸款價格可以有效地轉移信用風險，違約概率和違約損失率模型的使用，可以計算出每個個人住房按揭貸款借款人的信用風險溢價，從而使得對借款人設定貸款價格下限成為可能。按照國際市場慣例，信用風險溢價等于預期損失率加上凈資產收益率（英文簡稱ROE）與監管資本要求的乘積。我國領先銀行的ROE保持在18%，按照監管資本要求是資本系數的1.06倍計算，不考慮其他成本，不同違約概率和違約損失率的借款人信用風險溢價如表2所示。

個人住房按揭貸款具有典型的季節性特征，隨著賬齡延長，借款人實際違約水平不斷攀升，到達峰值后，再逐步下降。在期初定價時，根據風險細分的結果，銀行可以采取不同的定價策略。回溯歷史數據可以發現，我國領先銀行的個人住房按揭貸款具有“四年半”效應，即從發放時點開始計算，約四年半左右達到違約率的最高峰，隨后違約率逐步下降。基于這個特點，在定價策略上，至少可以從兩個維度設定定價下限目標，即按風險池設定下限價格目標和按賬戶設定下限價格目標。前者基于風險池內所有賬戶平均違約水平和平均損失水平設定，要求整個風險池內所有賬戶的定價平均水平達到下限目標，實際是以風險池為單位實施平均價格管理;后者細分至每個借款人的按揭貸款賬戶，根據對該賬戶的違約概率和違約損失率進行定價，是以賬戶為單位實施逐戶價格管理。

基于違約損失風險實施風險權重控制

個人住房按揭貸款的信用風險權重反映了此類業務的潛在風險。無論是我國領先的銀行還是國際同業，在內部評級法下，個人住房按揭貸款的權重都是由借款人違約概率和違約損失率決定的連續權重分布曲線。未采用內評法的國際同業，在權重法下主要根據抵押率差異將個人住房按揭貸款的信用風險分為35%、50%、75%和100%四檔，這說明監管機構認為抵押率是個人住房按揭貸款最為重要的風險區分因素。在模型開發過程中引入動態抵押率指標無疑會提升模型的預測能力。

我國領先的銀行對個人住房按揭貸款的違約概率和違約損失率進行全面計量后，違約風險和損失風險相結合會產生不同的風險權重。基于權重上的差異可以分為低違約風險和低損失風險、低違約風險和高損失風險、高違約風險和低損失風險，高違約風險和高損失風險四大類。“兩高”的個人住房按揭貸款是風險管理的首要目標，需要將高違約風險和高損失風險的借款人細分至省級分行和二級分行進行逐戶管理。不同違約風險和損失風險水平對應的風險權重如表3所示。

實踐中存在模型預測能力在例外區域（部分省份）達不到標準的問題，這種情況會導致不同時點上計算出的風險權重大幅度波動，給銀行控制風險權重帶來不利影響。造成這種情況的原因可能在于新的借款人占比較高、還款期限普遍較短，在模型表現觀測期內違約樣本或損失樣本過少，特定風險池借款人風險較大等，必須具體分析。在個人住房按揭貸款的調整策略和方向上，還需要結合收益狀況，盡可能向平均風險權重較低的區域傾斜信貸資源。個人住房按揭貸款預期損失和監管資本要求如圖3所示。

基于信用風險預測實施經濟資本配置

我國《商業銀行資本管理辦法（試行）》中明確個人住房按揭貸款的資產相關性為0.15，這是基于英美銀行內部數據測算的結果，巴塞爾委員會采納后作為全球統一的標準推行。根據惠譽評級2008年的研究成果，利用美聯儲1991～2007年損失率數據分析得出個人住房按揭貸款的相關性僅為2.07%，利用英國1994～2007年的損失率數據分析顯示也僅為3.31%。借鑒國際同業的方法，我國領先銀行以省級分行為主體，可以計算出最長期限內（數據質量可以得到保證的最長期限）實際損失率的均值和標準差，已知均值和標準差可以推算出不同省級分行個人住房按揭貸款隱含的資產相關性。由此就可以模擬出該省級分行個人住房按揭貸款的損失分布曲線。在預期損失率相同的情況下，那些資產相關性小于監管設定0.15標準的省級分行，體現出非預期損失小的特征，而那些資產相關性大于監管設定標準的省級分行，則體現出非預期損失大的特征（如圖4所示）。

限于銀行內部數據制約，歷史上的實際損失超過平均損失最多的一次（在風險管理上視為極端情況）都在近五年之內，以信用風險預測為基礎的個人住房按揭貸款的經濟資本配置，需要依賴風險偏好的松緊程度。如果預計某省級分行在未來十年內還會發生一次超過歷史上極端情況的實際損失，則在90%置信度下配置經濟資本，如果預計百年內才會發生一次超過歷史上極端情況的實際損失，則在99%置信度下配置經濟資本。風險偏好的差異最終會導致即使是預期損失率完全相同的省級分行，90%置信度下配置的經濟資本也要比99%置信度下配置的經濟資本多。

（作者單位：中國銀行風險管理部）