編者按：2014年4月，中國銀監會根據《商業銀行資本管理辦法（試行）》，核準了工商銀行、農業銀行、中國銀行、建設銀行、交通銀行、招商銀行六家銀行實施資本管理高級方法，標志著我國銀行業風險治理能力建設邁上了新臺階。經過一年來的實踐，上述六家銀行高級方法的實施效果受到業內的關注。為此，本刊策劃專題，邀請上述六家銀行的高管分別從不同的角度闡述資本管理高級方法的實施效果及相關建議，以進一步推進資本管理高級方法的做實與完善。
2014年4月3日，經中國銀監會核準，中國工商銀行（下稱“工行”）正式獲準實施資本管理高級方法。作為全球系統重要性銀行，工行積極實施資本管理高級方法，學習借鑒國際先進經驗，用更高的標準要求自己，不斷提高風險管理能力，把工行打造成能夠抵御住各種風險沖擊的“百年老店”。
股改上市以來，面對國際金融危機和國內經濟轉型的挑戰，工行積極探索，在各項業務保持持續發展的同時，控制住了風險。一是管好了戰略風險。通過實施國際化戰略、“大零售、大資管、信息化銀行”戰略，實現了風險的分散化與盈利的多元化。二是確立了穩健的風險文化。制定了自己的風險偏好，正確處理長、短期利益關系，形成了合規、嚴謹、穩健的風險文化。三是建立了完善的風險治理構架。從集團層面做到了各類風險的統一管理，使全行資產組合的布局更加合理。四是建立了科學的風險計量與監控體系。通過實施資本管理高級方法，利用大數據和系統手段，實現了對風險的科學化、精細化管理。
經濟進入新常態后，銀行面臨資產質量劣變的壓力，工行通過實施內部評級法，抓轉型、促應用，不斷完善風險管理的精細化、前瞻性手段，積極應對新的形勢與挑戰。
用好用活大數據，提高風險識別、計量能力
依托大數據優勢，推進內部評級法建設，為有效識別信貸風險奠定基礎
通過多年積累，工行形成了龐大的數據資源，在商品流、資金流、信息流“三流合一”的基礎上，充分應用大數據技術，積極開展數據挖掘和風險量化分析。2004年，工行在國內同業中率先啟動內部評級法工程，全面整合了信貸、運行、科技與財務等多個數據來源，在海量數據積累、加工與應用的基礎上，做好風險識別、計量與管控。
向數據要質量，不斷深化內部評級法建設與應用。工行非零售信用風險評級使用十多年的內部數據，加工處理財務報表信息760萬條，客戶基本信息80萬條，交易明細信息4000萬條，開發34類非零售客戶評級模型，債項評級涵蓋200多個業務品種，建立了以客戶評級與債項評級為基礎的二維評級體系。2007年10月客戶評級系統正式投產運行，2008年1月債項評級系統投產上線。零售信用風險評級使用了15年的個人貸款和信用卡電子化數據，加工處理全行1500多萬個人貸款客戶和8000多萬信用卡客戶、債項、交易及資產信息，原始記錄達124億條，開發近70個評分模型與600余個資產池模型。零售評級系統于2009年2月投產上線。
抓住風險新規律、新特征，及時調整、優化模型。一是積極引入交易數據。工行在法人客戶評級模型中，引入存款賬戶數據、結算賬戶交易數據、人民銀行征信等信息，通過交易數據的分析與建模，抓住不同客戶群體的交易規律與風險特征，提高模型的風險敏感性。二是打通個人與小微企業界限。針對個人經營貸款偏向小微企業特點的情況，基于2011年以來積累的15萬個客戶業務數據，將小微企業經營情況和個人私人業主客戶特點結合起來，通過信息的相互補充與相互校驗，重構客戶的違約風險識別模式，并實現個人經營貸款和小微企業風險準入的一致性。三是針對新產品新業務，運用大數據做好風險計量開發。按照“重交易流水、重資產實力、重外部數據”的原則，創新開發了個人逸貸產品、小額信用貸款、網貸通等一系列線上與線下結合的新產品，并推出了包括電子供應鏈、逸貸等產品在內的“互聯網+”新業務評級模型，通過大數據分析實現精準的風險定位，支持業務創新發展。
適應新常態，及時做好優化與監控，支持實體經濟健康發展
根據形勢變化，及時調整模型，支持經濟結構轉型。針對經濟轉型過程中部分行業違約水平上升較快的情況，采取細分行業、細分規模、細分客戶的方式，對各類模型進行了全面優化，提升了模型的風險區分能力。例如，對批發零售行業按大、中、小分類，按批發與零售的子行業進行細分，指導基層行根據風險特征篩選、發掘優質細分行業與客戶，促進批發零售行業的健康發展。
針對經濟結構調整，房地產行業出現分化的情況，工行收集整理70個大中城市和三、四線城市房價變動情況，根據房價走勢以及宏觀環境變化，對個人住房貸款及時進行評級，利用最新趨勢進行校準，及時滿足個人貸款的差異化需求，到2014年底，個人住房貸款余額達到2萬億元，新增3500億元；與此同時，隨著零售業務需求快速發展，工行利用牢固的數據基礎和先進的風險量化管理優勢，使用違約賬戶信息與還款交易數據，對近700個零售評級模型進行了全面的優化與更新。
建立多維度、多層次的風險監測體系。為適應經濟新常態下風險多變的特點，建立了行業分析和監測機制，通過綜合分析宏觀經濟、行業運行等外部因素，以及資產質量變化、評級遷徙等內部因素，前瞻性地判斷行業和客戶變化趨勢；建立潛在風險客戶監測機制。持續加強客戶風險監測，對列入潛在風險、財務報表惡化的風險客戶及時啟動重評；對于發生重大環評、企業主失聯、訴訟、債券違約風險等突發事件的客戶進行風險預警,不斷提高客戶評級的及時性和準確性。
持續完善風險監測與計量的保障體系。一是建立了獨立的驗證團隊，在模型優化過程中嚴格把關，模型上線前做好投產前驗證，在模型使用中開展持續監控，為計量體系的持續完善提供了有力的保障；二是建立了高效的模型開發、監測與驗證支持平臺，在系統中建立定量、定性評價指標庫，通過模型參數化定制，實現評級模型的靈活維護，縮短上線開發周期，實現計量結果的及時監控，提高模型管理的工作效率。
將壓力測試與風險監控相結合，防范系統性風險的發生
為揭示風險變化方向，發現潛在、重大、極端的風險，工行積極開展針對各類主要風險和重點業務的壓力測試。以信用風險為主，同時考慮市場、操作、流動性風險的相互影響，積極應用內部評級法量化結果，通過壓力測試識別風險，判斷風險變化趨勢，量化風險影響，提前對重大風險進行預警。針對宏觀經濟形勢變化，定期開展整體信用風險壓力測試，以房地產、平臺貸款、煤炭、電力及環保等重點行業與領域為對象，開展專項信用風險壓力測試。通過多種壓力程度的測試，全面分析壓力情景對整體或部分資產組合的沖擊，評估壓力情景下資產質量、盈利能力、資本充足水平和流動性的影響，進一步識別和管理極端風險，前瞻性地預測風險并制定相應的應急預案，防范系統性風險。
深化應用，加快轉型，走資本節約的發展之路
強化準入控制，嚴把風險管控入口關
基于信用等級制定準入政策。將客戶信用等級作為信貸準入標準，在信貸審批中，內部評級結果成為評價風險與篩選客戶的關鍵因素，是各級信貸人員進行風險決策的重要依據。
根據內評結果進行自動化審批。在個人貸款和信用卡準入審批中，基于評分評級結果，實施差異化的審批策略。對低于或超過閾值的兩端高風險和低風險業務，系統實施自動化審批，有效提高了貸款審批效率，顯著提升了服務客戶的能力。
實施逐筆業務的RAROC剛性控制。針對法人客戶和個人客戶進行逐筆信貸業務RAROC剛性控制，只有RAROC值超過閾值的單筆業務或客戶綜合RAROC值超過閾值的業務才能進入下一階段的審批流程。RAROC剛性控制的實施，保證了收益與風險相匹配。
完善貸款定價，提高市場競爭能力
面對利率市場化挑戰，工行抓住實施內部評級法的有利契機，全面應用風險量化成果，依托RAROC工具，不斷完善風險收益綜合定價機制，保證每筆業務收益完全覆蓋成本與風險，實現了收益與風險的相互平衡。在RAROC定價的基礎上，制定貸款基礎利率（LPR），積極參與LPR報價銀行團的集中報價和發布。
優化債項及客戶RAROC評價系統。在內部評級風險計量結果的基礎上，考慮貸款業務的資金成本、營運成本、稅收成本，結合業務資本占用，優化RAROC評價方法，實現了以客戶為中心，包括資產業務、負債業務、中間業務的綜合RAROC評價，并根據最低資本回報要求，確定單筆業務的最低建議定價，從而掌握自主定價工具。
完善內部資金轉移定價機制。優化資金集中管理體制，全行資金集中至總行，由總行將資金逐級配置到各基層核算機構，總行對各類資金來源和運用進行逐筆計價或打包計價，進一步提升了資金集約化經營水平，準確確定資金成本。
打造成本管理與績效考核的綜合平臺。不斷完善管理會計平臺系統（MOVA），實現了“機構、部門、產品、客戶、員工”五個維度的業績展示，推進MOVA在全行日常經營分析、營銷管理、績效考核、資源配置等領域的應用，提升成本分攤的精確性。
改進撥備計提方法，增強風險緩沖能力
撥備是銀行緩沖風險損失的重要屏障。算準損失、提足撥備，是實施積極、動態的風險管理轉型的重要前提，也是當前階段銀行緩釋資產質量壓力的重要手段。對于撥備計提，現行會計準則采用“已發生損失”方法，存在計提滯后與不足的問題，不能及時、動態地反映未來損失。國際金融危機后，國際會計準則委員會（IASB）提出了基于“預期損失”的方法，使用內部評級法的風險參數，動態地計算減值準備，并計劃于2018年實施。
為增強風險緩沖能力，工行加快了相關基礎研究，解決了長期違約概率、遷移矩陣及提前還款的測算與方法論等關鍵問題，預期損失已成為工行計提撥備的重要參考。一是基于遷移矩陣測算剩余期限的預期損失。內部評級法只能得到一年期的預期損失，工行使用自己的內部數據測算了跨年的評級變化參數，通過遷移矩陣測算貸款剩余期限的預期損失，拓展了內部評級法的應用范圍。二是解決了長期違約概率的校準問題。通過內部違約數據、遷移矩陣與長期違約中心趨勢的相互關系，對長期違約概率的合理水平進行校準。三是測算了提前還款率。針對零售資產組合，測算了提前償還情況，在剩余期限估計中考慮了提前還款因素。目前，工行已基于新的方法，對各個產品剩余期限的預期損失情況進行了測算，已將預期損失作為撥備計提的重要參考。工行將在前期研究的基礎上，進一步加大損失數據積累力度，不斷完善相關方法，加快系統改造，為撥備計提方法的轉軌切換做好準備。
完善資本分配方法，強化資本約束的傳導機制
要提高資本收益水平，就必須將資本約束進行有效分解，通過資本分配，倒逼銀行內各個機構、條線、中心與部門提高資本使用效率。
完善資本計量標準，解決資本分配問題。以內部評級法監管資本公式為基礎，計算信用風險經濟資本。為體現戰略、偏好與政策的導向，經濟資本只對監管資本作必要的調整，最大程度保證經濟資本與監管資本的統一；在分行層面，統一使用經濟資本進行績效考核管理，以真正實現把資本分下去的目標。在總行層面，對賬面資本、監管資本、資本籌集和投資等進行協調平衡，通過經濟資本與RWA將資本壓力傳遞給分支機構，提高傳導的有效性與可執行性。
統一集團化管理，解決各機構資本管控問題。工行已逐步發展成為包含銀行、基金、保險、租賃等各種金融類型、橫跨全球40多個國家的金融集團。在統一的架構下，根據多重監管政策要求，工行正在推進資本充足水平、資本籌集渠道與品種選擇的全球統一管理，推動全集團從“管資產”向“管資本”過渡。
進一步發揮內部評級法基礎性作用
工行實踐經驗表明，實施資本管理高級方法，特別是實施信用風險內部評級法，有助于銀行完善風險治理結構，加快風險管理的前瞻性與精細化轉型，促使銀行走資本節約型的發展之路。在當前經濟轉軌階段，實施內部評級法為銀行提供了更為科學的風險量化工具，能夠更加前瞻、準確、動態地識別、計量、控制與處置風險，為銀行應對信貸資產質量變動的挑戰發揮了重要的作用。工行的實踐也同時表明，通過本地化的適應性調整、消化吸收與二次創新，巴塞爾資本協議的理念、方法與工具，能夠與中國商業銀行的管理實際相適應，在推進銀行改革中發揮了積極的作用。為進一步提高高級方法的實施質量，應該做好以下幾個方面的工作：
第一，進一步加大數據積累與整合力度。其一，做好經濟下行期的損失數據積累。針對資產質量下滑以及與經濟周期有較強相關性的特點，做好下行期的數據采集與整理工作，不但要積累內部違約、損失、財務、客戶與交易信息，還要采集外部客戶行為與第三方數據，分析數據特征，對不同來源的數據進行相互校驗，提高數據質量，為升級內部評級法做好準備。其二，做好數據整合。進一步推進跨平臺、跨業務條線、跨區域的數據整合。由于數據分散在各個數據庫和業務系統中，不同業務、不同風險類別之間還沒有完全打通；交易明細等非結構化數據，需要針對交易對手與交易內容進行結構化處理；前臺營銷以及現場調查等方式獲取的大量一手信息，尚未運用結構化形式進行記錄和存儲。要對上述問題進行深入研究，打破數據邊界，有效降低信息不對稱風險。
第二，積極擴展內部評級法覆蓋范圍。其一，穩步推進內部評級法的境外延伸。以違約認定、債項評級系統的境外延伸為契機，不斷積累境外基礎數據；針對當地業務發展情況，通過模型的本地化調整，本地化重新開發，拓寬內部評級法的境外覆蓋。其二，推進金融機構與證券資產的內部評級法覆蓋。根據金融業發展情況，研究優化金融機構類評級，結合股權結構多元化和存款保險發展情況，細化銀行業評級模型分類；將企業債與金融債等債券類資產以及票據等逐步納入內部評級覆蓋范圍。其三，推進新業務、新業態的內部評級法覆蓋。根據地方政府債務新規，研究優化省市償債能力、政府投資類客戶評級和地方債券評級方法，研究開發PPP融資模式的風險評價模型；關注互聯網金融的發展，根據個人客戶網上瀏覽數據、消費數據、配送數據、購物偏好等數據，并結合工行內部數據，研究優化網商客戶和網絡融資的評級模型；拓寬客戶資產類、交易類數據的建模應用，積極引入“融e購”消費數據和商戶數據，以及外部欺詐、外部征信等外部數據，豐富零售模型指標體系，逐步擴大內部評級法覆蓋范圍；針對百萬級的POS機商戶群體，以商戶還款交易數據為核心，充分挖掘商戶經營實力、資產規模、交易類型、交易頻率等特點，開發基于POS機商戶的貸款產品；通過融e購平臺，基于個人客戶風險量化結果，大力發展網上在線個人住房按揭貸款業務，探索互聯網金融時代新型業務模式。
第三，強化全行資本約束意識。強化全行資本約束意識，分行管理層的觀念轉變是關鍵。要開展針對分行管理層的經濟資本專題培訓，從監管要求、成本收益等多方面引導分行管理人員轉變認識，樹立節約資本的意識，提高分行層面資本使用效率。優化和完善對基層員工的持續、系統培訓，建立對基層員工的經濟資本培訓考試制度，以幫助和督促基層員工加強學習；探索利用微博、微信等各類新媒體手段，建立快速反饋機制，提高上級行問題回復的時效性。
京公網安備 11010502049343號