用大数据提高风险管理能力

　　2014年4月3日，经中国银监会核准，中国工商银行（下称“工行”）正式获准实施资本管理高级方法。作为全球系统重要性银行，工行积极实施资本管理高级方法，学习借鉴国际先进经验，用更高的标准要求自己，不断提高风险管理能力，把工行打造成能够抵御住各种风险冲击的“百年老店”。
　　股改上市以来，面对国际金融危机和国内经济转型的挑战，工行积极探索，在各项业务保持持续发展的同时，控制住了风险。一是管好了战略风险。通过实施国际化战略、“大零售、大资管、信息化银行”战略，实现了风险的分散化与盈利的多元化。二是确立了稳健的风险文化。制定了自己的风险偏好，正确处理长、短期利益关系，形成了合规、严谨、稳健的风险文化。三是建立了完善的风险治理构架。从集团层面做到了各类风险的统一管理，使全行资产组合的布局更加合理。四是建立了科学的风险计量与监控体系。通过实施资本管理高级方法，利用大数据和系统手段，实现了对风险的科学化、精细化管理。
　　经济进入新常态后，银行面临资产质量劣变的压力，工行通过实施内部评级法，抓转型、促应用，不断完善风险管理的精细化、前瞻性手段，积极应对新的形势与挑战。
　　用好用活大数据，提高风险识别、计量能力
　　依托大数据优势，推进内部评级法建设，为有效识别信贷风险奠定基础
　　通过多年积累，工行形成了庞大的数据资源，在商品流、资金流、信息流“三流合一”的基础上，充分应用大数据技术，积极开展数据挖掘和风险量化分析。2004年，工行在国内同业中率先启动内部评级法工程，全面整合了信贷、运行、科技与财务等多个数据来源，在海量数据积累、加工与应用的基础上，做好风险识别、计量与管控。
　　向数据要质量，不断深化内部评级法建设与应用。工行非零售信用风险评级使用十多年的内部数据，加工处理财务报表信息760万条，客户基本信息80万条，交易明细信息4000万条，开发34类非零售客户评级模型，债项评级涵盖200多个业务品种，建立了以客户评级与债项评级为基础的二维评级体系。2007年10月客户评级系统正式投产运行，2008年1月债项评级系统投产上线。零售信用风险评级使用了15年的个人贷款和信用卡电子化数据，加工处理全行1500多万个人贷款客户和8000多万信用卡客户、债项、交易及资产信息，原始记录达124亿条，开发近70个评分模型与600余个资产池模型。零售评级系统于2009年2月投产上线。
　　抓住风险新规律、新特征，及时调整、优化模型。一是积极引入交易数据。工行在法人客户评级模型中，引入存款账户数据、结算账户交易数据、人民银行征信等信息，通过交易数据的分析与建模，抓住不同客户群体的交易规律与风险特征，提高模型的风险敏感性。二是打通个人与小微企业界限。针对个人经营贷款偏向小微企业特点的情况，基于2011年以来积累的15万个客户业务数据，将小微企业经营情况和个人私人业主客户特点结合起来，通过信息的相互补充与相互校验，重构客户的违约风险识别模式，并实现个人经营贷款和小微企业风险准入的一致性。三是针对新产品新业务，运用大数据做好风险计量开发。按照“重交易流水、重资产实力、重外部数据”的原则，创新开发了个人逸贷产品、小额信用贷款、网贷通等一系列线上与线下结合的新产品，并推出了包括电子供应链、逸贷等产品在内的“互联网+”新业务评级模型，通过大数据分析实现精准的风险定位，支持业务创新发展。
　　适应新常态，及时做好优化与监控，支持实体经济健康发展
　　根据形势变化，及时调整模型，支持经济结构转型。针对经济转型过程中部分行业违约水平上升较快的情况，采取细分行业、细分规模、细分客户的方式，对各类模型进行了全面优化，提升了模型的风险区分能力。例如，对批发零售行业按大、中、小分类，按批发与零售的子行业进行细分，指导基层行根据风险特征筛选、发掘优质细分行业与客户，促进批发零售行业的健康发展。
　　针对经济结构调整，房地产行业出现分化的情况，工行收集整理70个大中城市和三、四线城市房价变动情况，根据房价走势以及宏观环境变化，对个人住房贷款及时进行评级，利用最新趋势进行校准，及时满足个人贷款的差异化需求，到2014年底，个人住房贷款余额达到2万亿元，新增3500亿元；与此同时，随着零售业务需求快速发展，工行利用牢固的数据基础和先进的风险量化管理优势，使用违约账户信息与还款交易数据，对近700个零售评级模型进行了全面的优化与更新。
　　建立多维度、多层次的风险监测体系。为适应经济新常态下风险多变的特点，建立了行业分析和监测机制，通过综合分析宏观经济、行业运行等外部因素，以及资产质量变化、评级迁徙等内部因素，前瞻性地判断行业和客户变化趋势；建立潜在风险客户监测机制。持续加强客户风险监测，对列入潜在风险、财务报表恶化的风险客户及时启动重评；对于发生重大环评、企业主失联、诉讼、债券违约风险等突发事件的客户进行风险预警,不断提高客户评级的及时性和准确性。
　　持续完善风险监测与计量的保障体系。一是建立了独立的验证团队，在模型优化过程中严格把关，模型上线前做好投产前验证，在模型使用中开展持续监控，为计量体系的持续完善提供了有力的保障；二是建立了高效的模型开发、监测与验证支持平台，在系统中建立定量、定性评价指标库，通过模型参数化定制，实现评级模型的灵活维护，缩短上线开发周期，实现计量结果的及时监控，提高模型管理的工作效率。
　　将压力测试与风险监控相结合，防范系统性风险的发生
　　为揭示风险变化方向，发现潜在、重大、极端的风险，工行积极开展针对各类主要风险和重点业务的压力测试。以信用风险为主，同时考虑市场、操作、流动性风险的相互影响，积极应用内部评级法量化结果，通过压力测试识别风险，判断风险变化趋势，量化风险影响，提前对重大风险进行预警。针对宏观经济形势变化，定期开展整体信用风险压力测试，以房地产、平台贷款、煤炭、电力及环保等重点行业与领域为对象，开展专项信用风险压力测试。通过多种压力程度的测试，全面分析压力情景对整体或部分资产组合的冲击，评估压力情景下资产质量、盈利能力、资本充足水平和流动性的影响，进一步识别和管理极端风险，前瞻性地预测风险并制定相应的应急预案，防范系统性风险。
　　深化应用，加快转型，走资本节约的发展之路
　　强化准入控制，严把风险管控入口关
　　基于信用等级制定准入政策。将客户信用等级作为信贷准入标准，在信贷审批中，内部评级结果成为评价风险与筛选客户的关键因素，是各级信贷人员进行风险决策的重要依据。
　　根据内评结果进行自动化审批。在个人贷款和信用卡准入审批中，基于评分评级结果，实施差异化的审批策略。对低于或超过阈值的两端高风险和低风险业务，系统实施自动化审批，有效提高了贷款审批效率，显著提升了服务客户的能力。
　　实施逐笔业务的RAROC刚性控制。针对法人客户和个人客户进行逐笔信贷业务RAROC刚性控制，只有RAROC值超过阈值的单笔业务或客户综合RAROC值超过阈值的业务才能进入下一阶段的审批流程。RAROC刚性控制的实施，保证了收益与风险相匹配。
　　完善贷款定价，提高市场竞争能力
　　面对利率市场化挑战，工行抓住实施内部评级法的有利契机，全面应用风险量化成果，依托RAROC工具，不断完善风险收益综合定价机制，保证每笔业务收益完全覆盖成本与风险，实现了收益与风险的相互平衡。在RAROC定价的基础上，制定贷款基础利率（LPR），积极参与LPR报价银行团的集中报价和发布。
　　优化债项及客户RAROC评价系统。在内部评级风险计量结果的基础上，考虑贷款业务的资金成本、营运成本、税收成本，结合业务资本占用，优化RAROC评价方法，实现了以客户为中心，包括资产业务、负债业务、中间业务的综合RAROC评价，并根据最低资本回报要求，确定单笔业务的最低建议定价，从而掌握自主定价工具。
　　完善内部资金转移定价机制。优化资金集中管理体制，全行资金集中至总行，由总行将资金逐级配置到各基层核算机构，总行对各类资金来源和运用进行逐笔计价或打包计价，进一步提升了资金集约化经营水平，准确确定资金成本。
　　打造成本管理与绩效考核的综合平台。不断完善管理会计平台系统（MOVA），实现了“机构、部门、产品、客户、员工”五个维度的业绩展示，推进MOVA在全行日常经营分析、营销管理、绩效考核、资源配置等领域的应用，提升成本分摊的精确性。
　　改进拨备计提方法，增强风险缓冲能力
　　拨备是银行缓冲风险损失的重要屏障。算准损失、提足拨备，是实施积极、动态的风险管理转型的重要前提，也是当前阶段银行缓释资产质量压力的重要手段。对于拨备计提，现行会计准则采用“已发生损失”方法，存在计提滞后与不足的问题，不能及时、动态地反映未来损失。国际金融危机后，国际会计准则委员会（IASB）提出了基于“预期损失”的方法，使用内部评级法的风险参数，动态地计算减值准备，并计划于2018年实施。
　　为增强风险缓冲能力，工行加快了相关基础研究，解决了长期违约概率、迁移矩阵及提前还款的测算与方法论等关键问题，预期损失已成为工行计提拨备的重要参考。一是基于迁移矩阵测算剩余期限的预期损失。内部评级法只能得到一年期的预期损失，工行使用自己的内部数据测算了跨年的评级变化参数，通过迁移矩阵测算贷款剩余期限的预期损失，拓展了内部评级法的应用范围。二是解决了长期违约概率的校准问题。通过内部违约数据、迁移矩阵与长期违约中心趋势的相互关系，对长期违约概率的合理水平进行校准。三是测算了提前还款率。针对零售资产组合，测算了提前偿还情况，在剩余期限估计中考虑了提前还款因素。目前，工行已基于新的方法，对各个产品剩余期限的预期损失情况进行了测算，已将预期损失作为拨备计提的重要参考。工行将在前期研究的基础上，进一步加大损失数据积累力度，不断完善相关方法，加快系统改造，为拨备计提方法的转轨切换做好准备。
　　完善资本分配方法，强化资本约束的传导机制
　　要提高资本收益水平，就必须将资本约束进行有效分解，通过资本分配，倒逼银行内各个机构、条线、中心与部门提高资本使用效率。
　　完善资本计量标准，解决资本分配问题。以内部评级法监管资本公式为基础，计算信用风险经济资本。为体现战略、偏好与政策的导向，经济资本只对监管资本作必要的调整，最大程度保证经济资本与监管资本的统一；在分行层面，统一使用经济资本进行绩效考核管理，以真正实现把资本分下去的目标。在总行层面，对账面资本、监管资本、资本筹集和投资等进行协调平衡，通过经济资本与RWA将资本压力传递给分支机构，提高传导的有效性与可执行性。
　　统一集团化管理，解决各机构资本管控问题。工行已逐步发展成为包含银行、基金、保险、租赁等各种金融类型、横跨全球40多个国家的金融集团。在统一的架构下，根据多重监管政策要求，工行正在推进资本充足水平、资本筹集渠道与品种选择的全球统一管理，推动全集团从“管资产”向“管资本”过渡。
　　进一步发挥内部评级法基础性作用
　　工行实践经验表明，实施资本管理高级方法，特别是实施信用风险内部评级法，有助于银行完善风险治理结构，加快风险管理的前瞻性与精细化转型，促使银行走资本节约型的发展之路。在当前经济转轨阶段，实施内部评级法为银行提供了更为科学的风险量化工具，能够更加前瞻、准确、动态地识别、计量、控制与处置风险，为银行应对信贷资产质量变动的挑战发挥了重要的作用。工行的实践也同时表明，通过本地化的适应性调整、消化吸收与二次创新，巴塞尔资本协议的理念、方法与工具，能够与中国商业银行的管理实际相适应，在推进银行改革中发挥了积极的作用。为进一步提高高级方法的实施质量，应该做好以下几个方面的工作：
　　第一，进一步加大数据积累与整合力度。其一，做好经济下行期的损失数据积累。针对资产质量下滑以及与经济周期有较强相关性的特点，做好下行期的数据采集与整理工作，不但要积累内部违约、损失、财务、客户与交易信息，还要采集外部客户行为与第三方数据，分析数据特征，对不同来源的数据进行相互校验，提高数据质量，为升级内部评级法做好准备。其二，做好数据整合。进一步推进跨平台、跨业务条线、跨区域的数据整合。由于数据分散在各个数据库和业务系统中，不同业务、不同风险类别之间还没有完全打通；交易明细等非结构化数据，需要针对交易对手与交易内容进行结构化处理；前台营销以及现场调查等方式获取的大量一手信息，尚未运用结构化形式进行记录和存储。要对上述问题进行深入研究，打破数据边界，有效降低信息不对称风险。
　　第二，积极扩展内部评级法覆盖范围。其一，稳步推进内部评级法的境外延伸。以违约认定、债项评级系统的境外延伸为契机，不断积累境外基础数据；针对当地业务发展情况，通过模型的本地化调整，本地化重新开发，拓宽内部评级法的境外覆盖。其二，推进金融机构与证券资产的内部评级法覆盖。根据金融业发展情况，研究优化金融机构类评级，结合股权结构多元化和存款保险发展情况，细化银行业评级模型分类；将企业债与金融债等债券类资产以及票据等逐步纳入内部评级覆盖范围。其三，推进新业务、新业态的内部评级法覆盖。根据地方政府债务新规，研究优化省市偿债能力、政府投资类客户评级和地方债券评级方法，研究开发PPP融资模式的风险评价模型；关注互联网金融的发展，根据个人客户网上浏览数据、消费数据、配送数据、购物偏好等数据，并结合工行内部数据，研究优化网商客户和网络融资的评级模型；拓宽客户资产类、交易类数据的建模应用，积极引入“融e购”消费数据和商户数据，以及外部欺诈、外部征信等外部数据，丰富零售模型指标体系，逐步扩大内部评级法覆盖范围；针对百万级的POS机商户群体，以商户还款交易数据为核心，充分挖掘商户经营实力、资产规模、交易类型、交易频率等特点，开发基于POS机商户的贷款产品；通过融e购平台，基于个人客户风险量化结果，大力发展网上在线个人住房按揭贷款业务，探索互联网金融时代新型业务模式。
　　第三，强化全行资本约束意识。强化全行资本约束意识，分行管理层的观念转变是关键。要开展针对分行管理层的经济资本专题培训，从监管要求、成本收益等多方面引导分行管理人员转变认识，树立节约资本的意识，提高分行层面资本使用效率。优化和完善对基层员工的持续、系统培训，建立对基层员工的经济资本培训考试制度，以帮助和督促基层员工加强学习；探索利用微博、微信等各类新媒体手段，建立快速反馈机制，提高上级行问题回复的时效性。