从622588210788****到Basel II协议

seawolff

<h4 class="TextColor1" id="subjcns!A20FD7ACCE991E94!422" style="MARGIN-BOTTOM: 0px;"></h4><div class="bvMsg" id="msgcns!A20FD7ACCE991E94!422"><p>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;你的财富，放到哪里最安全，还是银行里面好，可是，银行如果破产，那么你也随之歇菜。银行的每一笔贷款都存在风险（expose of default），如果风险太大，即坏帐死帐太多，资金周转困难，银行就面昨歇菜，如今，银行的竞争越来越大，同时，没有健全的诚信制度保证，银行歇菜的可能性也就越来越大。风险只能降低，却不能避免，为了100%乃至200%的利润，银行也会铤而走险。<br/>&nbsp;&nbsp;&nbsp; 风险当然是相对的，欠别人1亿美金对我来说是巨大风险，可是对于比尔盖茨就不一样了，原因很简单，比尔盖茨有足够的资金去填补这个风险，个人如此，对于银行也是这样，如果银行的资本总额足够大，那么它就可以承担更多的风险，所谓艺高人胆大，对于银行来说，就是钱多我就牛。<br/>&nbsp;&nbsp;&nbsp;&nbsp; 如果能够把银行所有的风险计算出来（风险是用金钱来衡量的，不同类型的风险是不一样的，所以各种风险前面应该加一个相对的权重，严格来说，叫作总风险加权资产（total risk weight asset）），放在分母上，分子是银行的资金总额，这样就得到一个比值，叫银行的资本充足率(CAR　Capital Adequacy Ratio)，我们就可以用CAR来衡量银行的风险，这个数值越高，说明银行能够承担的风险也越大，银行是与公众利益息息相关的商业机构，不能恣意胡作非为，所以，我们得规定CAR的一个最小数值，这就是巴塞尔协议的资本充足率最低规定，即8%，这个就是Basel　II的第一支柱（pillar），非常重要。<br/>&nbsp;&nbsp;&nbsp;&nbsp; 最低资本要求是对银行自身的一个约束，同时，应该有监管部门对银行行为的约束，这就是外部监管，在中国是银监会；公众对于自身的利益也有知情权，银行应该增加信息的透明度，这就是市场约束。外部监管和市场约束是Basel　II的第二和第三支柱，Basel　II中详细规定了这三个支柱的一些细则，后两个不谈，我们来谈一谈第一支柱。<br/>&nbsp;&nbsp;&nbsp; &nbsp;Basel　II中只显示了银行的信用风险，巴林银行的悲剧说明除此之外，还有两把杀人不见血的刀，即市场风险和操作风险，市场风险是一些金融衍生产品（股票，汇率，期货等）对于银行的冲击，操作风险是指银行的实际操作所带来的风险。<br/>我们以信用风险为例来说明风险的量化。即怎样计算总风险加权资产。<br/>&nbsp;&nbsp;&nbsp; 假设公司共有N个信贷资产，每个信贷资产的风险暴露额EAD（Exposure at default），每个信贷资产的风险权重RW，则两者相乘再把所有的相加就是公司的暴露加权资产。所以，这里剩余的问题就是怎样测算信贷资产的风险权重。Basel　II中规定了两种方法，谓之标准法和内部评级法（Internal Rank Based Approach），前者是让银行外的机构代劳的方法，适用于小银行，后者适应于风险管理水平较高的银行，在国内来说，大家关心的就是内部IRB。当然，银行要满足实施IRB必须有一个最低标准，譬如，信用风险的有效细分，评级的完整性和完备性等，监管当局还要对最低标准进行检查。<br/>&nbsp;&nbsp;&nbsp;&nbsp; 与风险权重相关的组件称为风险要素，有违约概率( PD) 、违约损失率(LGD) 、违约风险值( EAD) 和期限(M) 。公司信用风险内部评级法有初级法和高级法两种：在初级法下，银行内部测算违约概率PD;在高级法下，以上四个风险要素都由银行内部测算。<br/>&nbsp;&nbsp;&nbsp;&nbsp; 得到四个风险要素后，就要根据风险权重函数计算风险权重，银行帐户中的风险根据资产共划分为六个类别，即公司、银行、主权、零售、项目和股权，不同的类别有不同的风险权重函数，在Basel　II中都有定义。<br/>&nbsp;&nbsp;&nbsp;&nbsp; 回到细节上，剩余的还有一点，就是风险要素的测算，测算违约概率就是一个内部的评级。银行依据一定的模型，把所有借贷方的违约概率计算出来。业务的问题到这个层面上，那么就是技术的问题了，要得到这个打分模型，我们用数据挖掘（当然不仅仅是数据挖掘的手段，基本的统计手段也为大家所爱）。<br/>&nbsp;&nbsp;&nbsp;&nbsp; 以申请信用卡为例，在申请之前，我们会填写一些个人的资料，然后，银行会根据个人的资料给你一个打分，来判定你应该得到普卡银卡或者是金卡，用函数来表示，就是信用打分＝f（个人信息），这个函数目前来说是一个非常简单的函数，那么，这样统计就够了。<br/>&nbsp;这里存在的问题是，个人的信用度是可以变化的，股市是牛市时，可能会出现个人恶意申请信用卡来透支，然后投入股市，这种消费让银行面临很大风险，能否有一个动态的模型可以让银行测量到这种风险，适时测量信用度？所以，个人信息是靠不住的，还要有消费信息，模型不是静态的，模型有生命周期。<br/>&nbsp;&nbsp;&nbsp;&nbsp; 另外的一个例子，如果您的信用卡被盗，而盗贼用你的卡出入于风月场所，游戏于高尔夫球场，那么，在盗贼这种消费之前，银行是否有一个系统能够检测到这种恶意的消费？从理论上来说，银行可以根据你的以往消费信息得到一个模型来检测这种异常的。</p></div>

w4ngyi