数据处理的要求
数据处理的要求内部评级数据的整理过程分为个步骤：一是数据补录，即对内部评级所需的缺失数据及时进行补录；二是数据整合，就是将各部门、各渠道的原始数据，通过标准化方式加以整理合并，形成可用于风险计量的数据库。为做好数据整合工作，当务之急是实施风险数据的集中管理。目前，数据集中管理的实现手段主要有数据仓库和数据集市，考虑到我国商业银行的实际情况，可以采用数据仓库和风险数据集市相结合的方式，其中基础数据仓库存放各应用系统抽取过来的基础数据，是银行生产和管理数据进行集中、清理和整合后的数据，为内部评级法的实施提供准确、统一、全面的基础风险数据。而风险数据集市存放的数据是按照风险模型的要求对数据仓库基础数据进行加工、汇总后形成的风险数据；三是数据清洗，对补录与整合后的数据存在数据遗漏、数据矛盾和数据错误等缺陷，通过一定的技术手段进行系统化的查找、纠正；四是数据反欺诈，在上述三个阶段的基础上，通过对数据进行逻辑关系校验和模型检验，识别和剔除不真实的业务数据。特别是客户的财务信息，由于我国市场环境和法制环境尚不成熟，失真现象十分普遍，建立或引进数据反欺诈系统十分必要；五是数据评价。数据评价是建模数据、评级结果等风险数据验证的过程。在建模之前需要验证建模所使用的数据的真实性、有效性和代表性。如果银行采用了拥有专有技术的第三方模型，还要验证模型符合银行风险管理的要求和内部评级体系的要求。数据库变量设定在违约损失数据库建设方面，国际上目前信息相对公开并且运作比较成熟的有欧洲的数据库和泛欧信用数据联盟。欧洲数据库始建于年，由英国银行家协会（、欧洲银行业联合会（、国际互换与衍生产品协会（以及风险管理协会（发起并提供资助。其参与建设的国家范围包括欧洲经济区的国以及瑞士等。由几家大型欧洲银行成立于年，其主要目的是对集中的历史信用风险信息进行统计研究，并支持巴塞尔协议有关的活动，主动帮助衡量信贷风险。加入该组织的银行现在已经接近家，覆盖欧洲、美洲、亚洲。目前欧洲银行监管当局在接受欧洲银行的内部评级发高级法申请时多要求使用的数据。最初的关注在于采集数据以用来协助违约损失率（和风险暴露的测量。惠誉的公司是该数据库的主要管理者。关于信用违约的数据都都是由各个成员银行提供，时间最早可以追述到年。利用这些数据，可以根据不同的借贷者，得出有意义的统计数据，同时，也使得时间、风险暴露程度和抵押品回收率这些样本对模型的建立有着贡献意义。
页:
[1]