|
2023年7月17日，財(cái)政部會(huì)計(jì)司發(fā)布2項(xiàng)預(yù)期信用損失法應(yīng)用案例和3項(xiàng)金融相關(guān)會(huì)計(jì)準(zhǔn)則實(shí)施問答。相關(guān)鏈接如下： 【例】甲銀行是一家大型上市商業(yè)銀行，該銀行已建立內(nèi)部評(píng)級(jí)體系（以下簡(jiǎn)稱“內(nèi)評(píng)體系”）并實(shí)施多年，歷史數(shù)據(jù)積累較為完備。對(duì)于內(nèi)評(píng)體系覆蓋的貸款，該銀行采用下圖所示的方法構(gòu)建預(yù)期信用損失模型，其中：信用風(fēng)險(xiǎn)分組和信用風(fēng)險(xiǎn)是否顯著增加的評(píng)估，以內(nèi)評(píng)體系下的風(fēng)險(xiǎn)分組和風(fēng)險(xiǎn)變化為基礎(chǔ)，并結(jié)合預(yù)期信用損失法的相關(guān)要求進(jìn)行；違約概率以內(nèi)評(píng)體系下的違約概率為基礎(chǔ)，應(yīng)用邏輯回歸轉(zhuǎn)換并經(jīng) Wilson 模型（詳見附錄）校準(zhǔn)等調(diào)整得到；違約損失率以內(nèi)評(píng)體系下的違約損失率為基礎(chǔ)，經(jīng)前瞻性調(diào)整并剔除跨周期因素后得到；各經(jīng)濟(jì)情景及權(quán)重根據(jù)以合理成本即可獲得的合理且有依據(jù)的信息（含前瞻性信息）設(shè)定。
2019 年 6 月 28 日，甲銀行對(duì)某國(guó)內(nèi)零售企業(yè)發(fā)放 1500萬(wàn)元對(duì)公貸款，約定兩年后到期一次還本，每季度末月 20日付息，年利率為 10%。發(fā)放貸款時(shí)，甲銀行對(duì)該客戶的內(nèi)部評(píng)級(jí)為 AAA-。2020 年 4 月 28 日，因受外部事件影響和自身運(yùn)營(yíng)等原因，該客戶的信用風(fēng)險(xiǎn)有上升跡象，甲銀行經(jīng)評(píng)估將其內(nèi)部評(píng)級(jí)下調(diào)為 BBB。 甲銀行基于內(nèi)評(píng)體系如何確定上述對(duì)公貸款的預(yù)期信用損失？ 分析： 根據(jù)《企業(yè)會(huì)計(jì)準(zhǔn)則第 22 號(hào)——金融工具確認(rèn)和計(jì)量》（財(cái)會(huì)〔2017〕7 號(hào)，以下簡(jiǎn)稱金融工具確認(rèn)計(jì)量準(zhǔn)則）的規(guī)定，預(yù)期信用損失是指以發(fā)生違約的風(fēng)險(xiǎn)為權(quán)重的金融工具信用損失的加權(quán)平均值，企業(yè)應(yīng)當(dāng)在每個(gè)資產(chǎn)負(fù)債表日評(píng)估相關(guān)金融工具的信用風(fēng)險(xiǎn)自初始確認(rèn)后是否已顯著增加，并按照信用風(fēng)險(xiǎn)自初始確認(rèn)后已顯著增加和未顯著增加的情形分別計(jì)量損失準(zhǔn)備、確認(rèn)預(yù)期信用損失及其變動(dòng)。按照前述準(zhǔn)則要求并結(jié)合內(nèi)評(píng)體系實(shí)踐及相關(guān)歷史數(shù)據(jù)，甲銀行按照以下步驟對(duì)內(nèi)評(píng)體系已覆蓋的貸款計(jì)量預(yù)期信用損失： 步驟一：基于共同信用風(fēng)險(xiǎn)特征進(jìn)行風(fēng)險(xiǎn)分組 按照金融工具確認(rèn)計(jì)量準(zhǔn)則的規(guī)定，為合理評(píng)估和及時(shí)識(shí)別金融工具信用風(fēng)險(xiǎn)的變化，甲銀行應(yīng)當(dāng)以金融工具類型、信用風(fēng)險(xiǎn)評(píng)級(jí)、擔(dān)保物類型、初始確認(rèn)日期、剩余合同期限、借款人所處行業(yè)、借款人所處地理位置、貸款抵押率等共同信用風(fēng)險(xiǎn)特征為依據(jù)，將金融工具劃分為不同組別。鑒于甲銀行在內(nèi)評(píng)體系下已按照客戶及業(yè)務(wù)屬性進(jìn)行分組并構(gòu)建評(píng)級(jí)模型，甲銀行在進(jìn)行前述風(fēng)險(xiǎn)分組時(shí)延續(xù)了內(nèi)評(píng)體系的思路，即從客戶和債項(xiàng)兩個(gè)維度進(jìn)行分組。 在客戶維度，甲銀行按照債務(wù)人主體的違約風(fēng)險(xiǎn)特征進(jìn)行分組并以此為基礎(chǔ)估算違約概率。對(duì)于對(duì)公客戶，甲銀行將內(nèi)評(píng)體系下按客戶所屬行業(yè)及規(guī)模等標(biāo)準(zhǔn)劃分的組別進(jìn)行聚類合并，形成機(jī)構(gòu)類客戶、小微企業(yè)客戶、金融業(yè)客戶、制造業(yè)客戶等十個(gè)組別（詳見表 1）。對(duì)于零售客戶，甲銀行沿用內(nèi)評(píng)體系下的分組結(jié)果，按照產(chǎn)品類型分為個(gè)人住房貸款、合格循環(huán)零售貸款和其他零售貸款三組（詳見表 1）。甲銀行定期對(duì)前述分組的合理性進(jìn)行重檢。 在債項(xiàng)維度，甲銀行按照各債項(xiàng)的損失水平進(jìn)行分組并以此為基礎(chǔ)估算違約損失率。對(duì)于對(duì)公客戶的債項(xiàng)，甲銀行按照業(yè)務(wù)類型和擔(dān)保方式進(jìn)行分組。以貸款業(yè)務(wù)為例，分為信用類貸款、抵押類貸款、質(zhì)押類貸款、保證類貸款和低損失貸款等組別（詳見表 2）。對(duì)于零售客戶的債項(xiàng)，甲銀行按照產(chǎn)品類型分為個(gè)人住房貸款、合格循環(huán)零售貸款和其他零售貸款三組，該分組與估算違約概率的風(fēng)險(xiǎn)分組一致（詳見表 2）。此外，對(duì)于同一債務(wù)人的多筆債項(xiàng)，如果預(yù)期違約后的損失存在顯著差異的，則將其劃分至不同的組別。 步驟二：根據(jù)信用風(fēng)險(xiǎn)變化和減值情況進(jìn)行階段劃分 按照金融工具確認(rèn)計(jì)量準(zhǔn)則的規(guī)定，甲銀行根據(jù)以合理成本即可獲得的、合理且有依據(jù)的信息（包括前瞻性信息）進(jìn)行階段劃分，其中：“信用風(fēng)險(xiǎn)自初始確認(rèn)后未顯著增加”的金融資產(chǎn)劃分為第一階段，“信用風(fēng)險(xiǎn)自初始確認(rèn)后已顯著增加但尚未發(fā)生信用減值”的金融資產(chǎn)劃分為第二階段，“初始確認(rèn)后發(fā)生信用減值”的金融資產(chǎn)劃分為第三階段。 對(duì)于貸款業(yè)務(wù)，甲銀行采用的信用風(fēng)險(xiǎn)顯著增加（即劃分為第二階段）的判斷標(biāo)準(zhǔn)包括：減值損失違約概率大幅上升、貸款五級(jí)風(fēng)險(xiǎn)分類調(diào)整為關(guān)注類、貸款逾期 30 天以上以及其他表明信用風(fēng)險(xiǎn)顯著增加的情況等。甲銀行通過(guò)比較在初始確認(rèn)時(shí)所確定的預(yù)計(jì)存續(xù)期內(nèi)的違約概率和該貸款在資產(chǎn)負(fù)債表日所確定的預(yù)計(jì)存續(xù)期內(nèi)的違約概率，來(lái)判斷其信用風(fēng)險(xiǎn)自初始確認(rèn)后是否顯著增加。在進(jìn)行相關(guān)評(píng)估時(shí)，甲銀行考慮的定性和定量因素包括：信用風(fēng)險(xiǎn)所導(dǎo)致的內(nèi)外部指標(biāo)（如信用利差）的顯著變化、內(nèi)外部評(píng)級(jí)實(shí)際或預(yù)期的顯著變化、預(yù)期將導(dǎo)致借款人履行其償債義務(wù)的能力發(fā)生顯著變化的業(yè)務(wù)、財(cái)務(wù)或外部經(jīng)濟(jì)狀況的不利變化以及借款人所處監(jiān)管、經(jīng)濟(jì)或技術(shù)環(huán)境的顯著不利變化等。 對(duì)于已發(fā)生信用減值（即劃分為第三階段）的判斷，甲銀行采用的判斷標(biāo)準(zhǔn)包括：債務(wù)人發(fā)生嚴(yán)重財(cái)務(wù)困難、利息或本金發(fā)生違約或逾期超過(guò) 90 天、債權(quán)人出于與債務(wù)人財(cái)務(wù)困難有關(guān)的經(jīng)濟(jì)或合同考慮給予債務(wù)人在任何其他情況下都不會(huì)做出的讓步、債務(wù)人很可能倒閉或進(jìn)行其他財(cái)務(wù)重組以及其他客觀證據(jù)顯示發(fā)生減值的情況等。 步驟三：構(gòu)建預(yù)期信用損失模型和估計(jì)參數(shù) 按照金融工具確認(rèn)計(jì)量準(zhǔn)則的規(guī)定并結(jié)合自身實(shí)際，甲銀行構(gòu)建了以下預(yù)期信用損失模型。即，對(duì)于處于第一階段和第二階段的金融工具，預(yù)期信用損失（ECL）=違約概率（PD）×違約損失率（LGD）× 違約風(fēng)險(xiǎn)敞口（EAD）×表外信貸系數(shù)（CCF）× 折現(xiàn)率（DR）；對(duì)于處于第三階段的金融工具，采用未來(lái)現(xiàn)金流量折現(xiàn)法確定預(yù)期信用損失。同時(shí)，甲銀行基于內(nèi)評(píng)體系下的數(shù)據(jù)，對(duì)違約概率、違約損失率、違約風(fēng)險(xiǎn)敞口等參數(shù)進(jìn)行了估計(jì)。 （一）估計(jì)違約概率（PD） 1．將內(nèi)評(píng)體系下的跨周期違約概率轉(zhuǎn)換為未來(lái) 12 個(gè)月時(shí)點(diǎn)違約概率 根據(jù)金融工具確認(rèn)計(jì)量準(zhǔn)則，用于計(jì)量預(yù)期信用損失的參數(shù)應(yīng)體現(xiàn)計(jì)提時(shí)點(diǎn)的風(fēng)險(xiǎn)水平，即時(shí)點(diǎn)違約概率（Point in time PD，簡(jiǎn)稱 Pit PD）。由于甲銀行采用跨周期評(píng)級(jí)法，其內(nèi)評(píng)體系下的違約概率是對(duì)經(jīng)濟(jì)周期內(nèi)平均風(fēng)險(xiǎn)水平的衡量，即跨周期違約概率（Through the cycle PD），因此，在計(jì)量預(yù)期信用損失時(shí)，需要將跨周期違約概率轉(zhuǎn)換為時(shí)點(diǎn)違約概率（Pit PD）。 對(duì)于對(duì)公貸款業(yè)務(wù)，甲銀行按照以下步驟調(diào)整得到報(bào)告日各組敞口計(jì)量預(yù)期信用損失所需的未來(lái) 12 個(gè)月違約概率： 步驟 1：計(jì)算報(bào)告日各組敞口下客戶的內(nèi)部評(píng)級(jí)分布； 步驟 2：對(duì)內(nèi)部評(píng)級(jí)主標(biāo)尺下各級(jí)別的跨周期違約概率應(yīng)用邏輯回歸，即按 步驟 3：計(jì)算校準(zhǔn)因子。該校準(zhǔn)因子通過(guò) Wilson 模型（詳見附錄）校準(zhǔn)并經(jīng)反 Logit 變換（即 對(duì)于零售貸款業(yè)務(wù)，甲銀行在沿用內(nèi)評(píng)體系分組方式的基礎(chǔ)上，按上述步驟對(duì)零售貸款分組進(jìn)行時(shí)點(diǎn)違約概率轉(zhuǎn)換。 2．收集及處理歷史數(shù)據(jù) 甲銀行收集了內(nèi)部積累的內(nèi)評(píng)歷史違約數(shù)據(jù)以及公開發(fā)布的宏觀經(jīng)濟(jì)歷史數(shù)據(jù)并進(jìn)行以下處理： （1）統(tǒng)一宏觀經(jīng)濟(jì)歷史數(shù)據(jù)的時(shí)間標(biāo)準(zhǔn)（月/季度）； （2）對(duì)宏觀經(jīng)濟(jì)歷史數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化和其他必要處理； （3）將違約客戶數(shù)據(jù)按所屬評(píng)級(jí)模型類型分為十組； （4）根據(jù)各組違約客戶數(shù)計(jì)算實(shí)際違約率，并應(yīng)用邏輯回歸將數(shù)據(jù)作 Logit 變換，以得到與宏觀經(jīng)濟(jì)指標(biāo)建立回歸模型所需的數(shù)據(jù)。 3．建立違約概率與宏觀經(jīng)濟(jì)指標(biāo)的回歸模型 甲銀行基于客戶歷史違約數(shù)據(jù)及歷史宏觀經(jīng)濟(jì)指標(biāo)數(shù)據(jù)進(jìn)行多元回歸。以對(duì)公貸款為例，甲銀行基于第三方統(tǒng)計(jì)軟件，通過(guò)遍歷多元回歸得到客戶歷史違約率與宏觀經(jīng)濟(jì)指標(biāo)歷史數(shù)據(jù)的多元線性回歸組合，剔除經(jīng)濟(jì)含義不符、統(tǒng)計(jì)指標(biāo)不滿足要求、獲取預(yù)測(cè)值困難較大的指標(biāo)組合后，最終確定對(duì)公貸款十個(gè)風(fēng)險(xiǎn)分組各自的多元回歸模型（以實(shí)際違約率為因變量，以相關(guān)宏觀經(jīng)濟(jì)指標(biāo)為自變量）。以“批發(fā)零售業(yè)”組合為例，其回歸模型如下：
4．由未來(lái) 12 個(gè)月違約概率推導(dǎo)整個(gè)存續(xù)期內(nèi)違約概率 按照金融工具確認(rèn)計(jì)量準(zhǔn)則，對(duì)于第一階段的金融資產(chǎn)，應(yīng)按照未來(lái) 12 個(gè)月預(yù)期信用損失計(jì)量損失準(zhǔn)備。若金融資產(chǎn)的實(shí)際剩余期限不足 12 個(gè)月，則按實(shí)際剩余期限計(jì)算。 對(duì)于第二階段及第三階段的金融資產(chǎn)，應(yīng)按照整個(gè)存續(xù)期的預(yù)期信用損失計(jì)量損失準(zhǔn)備。實(shí)務(wù)中，通常由未來(lái) 12 個(gè)月違約概率推導(dǎo)得到整個(gè)存續(xù)期內(nèi)違約概率。 甲銀行選擇按照月度折算未來(lái) 12 個(gè)月違約概率，并假設(shè)每個(gè)計(jì)算周期的違約概率一致，推導(dǎo)得出整個(gè)存續(xù)期內(nèi)違約概率。具體計(jì)算公式如下：
5．具體應(yīng)用 以 2019 年 6 月 28 日向某國(guó)內(nèi)零售企業(yè)發(fā)放的 1500 萬(wàn)元貸款為例，根據(jù)甲銀行該客戶所屬行業(yè)分類，該貸款對(duì)應(yīng)的違約概率組別為批發(fā)零售業(yè)組，該組別 AAA-評(píng)級(jí)對(duì)應(yīng)的未經(jīng)前瞻性調(diào)整的未來(lái) 12 個(gè)月違約概率為 2.5%。 2019 年 6 月 30 日，甲銀行將該貸款劃分為第一階段，按照未來(lái) 12 個(gè)月預(yù)期信用損失計(jì)提信用損失準(zhǔn)備，此時(shí)該貸款的剩余期限為 24 個(gè)月，其未來(lái) 12 個(gè)月違約概率（未經(jīng)前瞻性調(diào)整）計(jì)算如下：
2020 年 4 月，因受外部事件影響和自身運(yùn)營(yíng)等原因，該客戶信用風(fēng)險(xiǎn)有上升跡象。甲銀行結(jié)合信用風(fēng)險(xiǎn)評(píng)估的定性和定量標(biāo)準(zhǔn)進(jìn)行判斷后，認(rèn)為該客戶的違約概率大幅上升，其信用風(fēng)險(xiǎn)自初始確認(rèn)后已顯著增加，因此，將該客戶的評(píng)級(jí)下調(diào)為 BBB，該組別 BBB 級(jí)對(duì)應(yīng)的未經(jīng)前瞻性調(diào)整的未來(lái) 12 個(gè)月違約概率為 7%。 2020 年 4 月 30 日，甲銀行將該筆貸款調(diào)整為第二階段，按照整個(gè)存續(xù)期內(nèi)預(yù)期信用損失計(jì)提信用損失準(zhǔn)備，此時(shí)該貸款的剩余期限為 14 個(gè)月，其整個(gè)存續(xù)期內(nèi)違約概率（未經(jīng)前瞻性調(diào)整）計(jì)算如下：
按宏觀經(jīng)濟(jì)情景進(jìn)行前瞻性調(diào)整后的違約概率情況詳見步驟四。 （二） 估計(jì)違約損失率（LGD） 金融工具確認(rèn)計(jì)量準(zhǔn)則要求預(yù)期信用損失計(jì)量的各類風(fēng)險(xiǎn)參數(shù)應(yīng)體現(xiàn)時(shí)點(diǎn)水平，并納入前瞻性調(diào)整。甲銀行基于內(nèi)評(píng)違約損失率，進(jìn)行以下調(diào)整得到預(yù)期信用損失計(jì)量所需的違約損失率：一是剔除內(nèi)評(píng)違約損失率中的跨周期因素（即經(jīng)濟(jì)衰退期因子）；二是前瞻性調(diào)整，即將歷史違約損失數(shù)據(jù)與宏觀經(jīng)濟(jì)數(shù)據(jù)建立多元回歸模型，將宏觀經(jīng)濟(jì)指標(biāo)預(yù)測(cè)值代入回歸模型計(jì)算得到經(jīng)前瞻性調(diào)整后的違約損失率預(yù)測(cè)值。 以上述向某零售企業(yè)發(fā)放的 1500 萬(wàn)元貸款為例，2019年 6 月 30 日，甲銀行基于該貸款的抵質(zhì)押類型及所屬組別的長(zhǎng)期歷史損失率得到該貸款的內(nèi)評(píng)違約損失率為 60%，剔除跨周期因素后，該貸款的違約損失率為 50%。按宏觀經(jīng)濟(jì)情景進(jìn)行前瞻性調(diào)整后的違約損失率情況詳見步驟四。 （三）估計(jì)違約風(fēng)險(xiǎn)敞口（EAD） 對(duì)于貸款業(yè)務(wù)，甲銀行根據(jù)預(yù)計(jì)未來(lái)違約時(shí)點(diǎn)的剩余本息估計(jì)違約風(fēng)險(xiǎn)敞口。以上述向某零售企業(yè)發(fā)放的 1500 萬(wàn)元貸款為例，2019 年 6 月 30 日，經(jīng)評(píng)估，甲銀行將未來(lái) 12個(gè)月的每個(gè)付息日（即每季度末月 20 日）作為預(yù)計(jì)未來(lái)違約時(shí)點(diǎn)。該貸款每季度末月 20 日的違約風(fēng)險(xiǎn)敞口計(jì)算如下：
2020 年 4 月 30 日，因受外部事件影響和自身運(yùn)營(yíng)等原因，該客戶信用風(fēng)險(xiǎn)有上升跡象。經(jīng)評(píng)估，甲銀行認(rèn)為該貸款在剩余存續(xù)期內(nèi)的預(yù)計(jì)違約時(shí)點(diǎn)仍為剩余存續(xù)期內(nèi)的每個(gè)付息日。 對(duì)于表外業(yè)務(wù)，甲銀行沿用內(nèi)評(píng)體系下的表外信用轉(zhuǎn)換系數(shù)參數(shù)對(duì)表外業(yè)務(wù)敞口余額進(jìn)行調(diào)整，即由表外業(yè)務(wù)敞口余額乘以表外信用轉(zhuǎn)換系數(shù)計(jì)算得到其違約風(fēng)險(xiǎn)敞口。 步驟四：設(shè)置宏觀經(jīng)濟(jì)情景及權(quán)重并進(jìn)行前瞻性調(diào)整 根據(jù)金融工具確認(rèn)計(jì)量準(zhǔn)則，預(yù)期信用損失計(jì)量需根據(jù)對(duì)宏觀經(jīng)濟(jì)的判斷設(shè)置不同情景并確定相應(yīng)的權(quán)重。 甲銀行根據(jù)合理且有依據(jù)的信息（含前瞻性信息）設(shè)定了樂觀、中性和悲觀三種情景。同時(shí)，選用向量自回歸模型預(yù)測(cè)宏觀經(jīng)濟(jì)指標(biāo)，基于其殘差正態(tài)性，獲得該模型內(nèi)所有宏觀經(jīng)濟(jì)指標(biāo)變量在情景期內(nèi)的模擬路徑樣本，從中選擇符合關(guān)鍵驅(qū)動(dòng)核心變量變動(dòng)趨勢(shì)和取值路徑附近的樣本，將樣本均值作為不同情景下各宏觀經(jīng)濟(jì)指標(biāo)變量的取值，并結(jié)合實(shí)際業(yè)務(wù)情況調(diào)整得到各情景下的宏觀經(jīng)濟(jì)指標(biāo)預(yù)測(cè)值。然后，將宏觀經(jīng)濟(jì)指標(biāo)預(yù)測(cè)值代入 Wilson 模型，計(jì)算得出三種情景下的違約概率、違約損失率等參數(shù)的預(yù)測(cè)值（即經(jīng)前瞻性調(diào)整后的違約概率、違約損失率）。 以上述向某零售企業(yè)發(fā)放的 1500 萬(wàn)元貸款為例，將采購(gòu)經(jīng)理人指數(shù)（PMI）、城鎮(zhèn)失業(yè)人數(shù)的預(yù)測(cè)值代入“批發(fā)零售業(yè)”組合的回歸模型，即可得到其 Logit 違約概率。經(jīng)反 Logit 變換，即 甲銀行綜合考慮資產(chǎn)組合的歷史損失分布、過(guò)去一段時(shí)期宏觀經(jīng)濟(jì)指標(biāo)的最好、最差和平均水平及波動(dòng)率、對(duì)未來(lái)一年內(nèi)經(jīng)濟(jì)走勢(shì)的預(yù)期、過(guò)去一段時(shí)期主要社會(huì)事件對(duì)宏觀經(jīng)濟(jì)的影響程度及相關(guān)事件預(yù)計(jì)對(duì)未來(lái)的持續(xù)影響、行業(yè)內(nèi)主要機(jī)構(gòu)對(duì)于宏觀經(jīng)濟(jì)的預(yù)期等因素，將樂觀、中性和悲觀三種情景的權(quán)重（Wi）分別設(shè)置為 10%、80%和 10%。 步驟五：計(jì)算按宏觀經(jīng)濟(jì)情景加權(quán)后的預(yù)期信用損失 甲銀行按以下方法計(jì)算按宏觀經(jīng)濟(jì)情景加權(quán)的預(yù)期信用損失（ECL）
以上述向某零售企業(yè)發(fā)放的 1500 萬(wàn)元貸款為例，2020年 4 月 30 日，各宏觀經(jīng)濟(jì)情景下的預(yù)期信用損失計(jì)算如下：
步驟六：管理層疊加調(diào)整的判斷和應(yīng)用 根據(jù)金融工具確認(rèn)計(jì)量準(zhǔn)則，預(yù)期信用損失模型計(jì)量結(jié)果體現(xiàn)了前瞻性宏觀經(jīng)濟(jì)情景預(yù)測(cè)下的整體預(yù)期信用損失水平。當(dāng)企業(yè)難以通過(guò)調(diào)整模型及其假設(shè)和參數(shù)反映經(jīng)濟(jì)環(huán)境變化等對(duì)預(yù)期信用損失的潛在影響時(shí)（如模型存在局限、前瞻性宏觀預(yù)測(cè)指標(biāo)無(wú)法反映特定組合的風(fēng)險(xiǎn)因素等），應(yīng)通過(guò)管理層疊加對(duì)預(yù)期信用損失進(jìn)行正向或負(fù)向的調(diào)整。 本例中，甲銀行在應(yīng)用 Wilson 模型進(jìn)行前瞻性調(diào)整時(shí)，發(fā)現(xiàn)受全球經(jīng)濟(jì)整體形勢(shì)和不確定因素影響，當(dāng)期宏觀經(jīng)濟(jì)指標(biāo)與歷史宏觀經(jīng)濟(jì)指標(biāo)數(shù)據(jù)出現(xiàn)較大偏離，前瞻性調(diào)整后的違約概率與歷史實(shí)際違約概率出現(xiàn)較大偏離，經(jīng)評(píng)估，甲銀行認(rèn)為該偏離已超出按經(jīng)驗(yàn)判斷的合理區(qū)間。為此，甲銀行綜合考慮宏觀經(jīng)濟(jì)及政策法規(guī)對(duì)各組合風(fēng)險(xiǎn)的影響程度，通過(guò)其掌握的各組合潛在風(fēng)險(xiǎn)因素以及對(duì)未來(lái)風(fēng)險(xiǎn)狀況影響程度的判斷等，確定了管理層疊加調(diào)整金額。甲銀行對(duì)前述評(píng)估過(guò)程，包括已識(shí)別的模型局限及需進(jìn)行管理層疊加調(diào)整的理由、管理層疊加的計(jì)量方法、關(guān)鍵假設(shè)、計(jì)量結(jié)果等進(jìn)行了記錄，并按照相關(guān)流程進(jìn)行了審批及對(duì)外披露。在后續(xù)期間，甲銀行持續(xù)關(guān)注宏觀經(jīng)濟(jì)環(huán)境的變化及模型表現(xiàn)，定期評(píng)估是否仍存在模型未能反映的風(fēng)險(xiǎn)因素，以判斷是否仍需進(jìn)行管理層疊加調(diào)整。 考慮到零售業(yè)受全球經(jīng)濟(jì)整體形勢(shì)和不確定因素影響較大，甲銀行對(duì)于該行業(yè)的貸款適當(dāng)下調(diào)了內(nèi)部評(píng)級(jí)，以反映該行業(yè)借款人的整體信用風(fēng)險(xiǎn)變化，下調(diào)內(nèi)部評(píng)級(jí)導(dǎo)致相關(guān)貸款違約概率上升，甲銀行將因上述調(diào)整增提的撥備作為預(yù)期信用損失的疊加調(diào)整。 （一） Wilson 模型 基于 Wilson 模型構(gòu)建預(yù)期信用損失模型，主要是通過(guò)建立貸款違約水平與宏觀經(jīng)濟(jì)指標(biāo)變動(dòng)的關(guān)聯(lián)和 Wilson 模型轉(zhuǎn)化（包括數(shù)量變換和反向變換）而得到預(yù)期信用損失計(jì)量所需的違約概率、違約損失率等風(fēng)險(xiǎn)參數(shù)的預(yù)測(cè)值。在該模型下，歷史違約概率、違約損失率等數(shù)據(jù)先經(jīng)數(shù)量變換后，分別建立其與歷史宏觀經(jīng)濟(jì)指標(biāo)的回歸模型，然后再將不同宏觀經(jīng)濟(jì)情景下的宏觀經(jīng)濟(jì)指標(biāo)的預(yù)測(cè)值代入前述回歸模型，將得到的結(jié)果進(jìn)行反向變換，從而得到不同情景下違約概率和違約損失率的預(yù)測(cè)值，是較為實(shí)用的模型方法。 以違約概率為例，Wilson 模型的使用步驟如下： 步驟 1：將歷史違約概率PDt進(jìn)行 Wilson 模型轉(zhuǎn)化（即數(shù)量變換）。變換公式如下：
步驟 2：建立違約概率與宏觀經(jīng)濟(jì)指標(biāo)的回歸模型，以確定相關(guān)的宏觀經(jīng)濟(jì)指標(biāo)及相關(guān)系數(shù)：
步驟 3：將宏觀經(jīng)濟(jì)指標(biāo)預(yù)測(cè)值代入回歸方程，得出 Q的預(yù)測(cè)值，通過(guò)反向變換得到違約概率的預(yù)測(cè)值。變換公式如下：
（二） Merton-Vasicek 模型 Merton-Vasicek 模型源于 Merton 模型。Merton 模型的核心思想為企業(yè)違約概率與其資產(chǎn)價(jià)格相關(guān)，通過(guò)計(jì)算企業(yè)的違約距離（Distance-to-Default）在正態(tài)分布下的位置，預(yù)測(cè)其違約概率。而 Vasicek 在 Merton 模型的基礎(chǔ)上，借助了漸進(jìn)單風(fēng)險(xiǎn)因子（ASRF）模型的方法論，假設(shè)銀行資產(chǎn)的信用風(fēng)險(xiǎn)受兩方面影響：一方面是債務(wù)人自身的特質(zhì)性風(fēng)險(xiǎn)， 另一方面是系統(tǒng)性風(fēng)險(xiǎn)（宏觀影響因子）。銀行將 Merton- Vasicek 模型用于預(yù)期信用損失計(jì)量時(shí)，通常做法是基于模型假設(shè)建立宏觀影響因子 Z 與宏觀經(jīng)濟(jì)指標(biāo)的關(guān)聯(lián)，將宏觀經(jīng)濟(jì)指標(biāo)變動(dòng)的影響傳導(dǎo)至 Z 因子，并最終體現(xiàn)為企業(yè)的預(yù)期違約率。 對(duì)于特定資產(chǎn)組合 M，假定該組合內(nèi)任意借款人的資產(chǎn)價(jià)值與另一借款人資產(chǎn)價(jià)值的相關(guān)性系數(shù)為 R【注1】，某項(xiàng)資產(chǎn)價(jià)值的對(duì)數(shù)收益或者某借款人的償還能力為 Y，則：
若違約概率（PD）為借款人的償還能力低于違約閾值 c的可能性，則：
據(jù)此，可構(gòu)建違約概率（PD）與宏觀影響因子 Z 的關(guān)系，并納入前瞻性因素。其中，R 為相關(guān)性系數(shù)，計(jì)算公式可參見《商業(yè)銀行資本管理辦法》。 【例】乙銀行是一家小型商業(yè)銀行，業(yè)務(wù)類型覆蓋對(duì)公貸款、零售貸款等，尚未建立和實(shí)施內(nèi)部評(píng)級(jí)體系。該銀行的對(duì)公貸款業(yè)務(wù)具有一定的歷史數(shù)據(jù)積累，基本可在三年內(nèi)完成實(shí)際清收，違約貸款的平均處置周期為兩年；零售貸款業(yè)務(wù)的歷史數(shù)據(jù)積累期間較短、數(shù)據(jù)樣本量有限。 2020年6月28日，乙銀行向某國(guó)內(nèi)制造業(yè)企業(yè)發(fā)放1000萬(wàn)元對(duì)公貸款，約定兩年后到期一次還本，每季度末月 20日付息，年利率為 10%。在貸款發(fā)放時(shí)點(diǎn)，乙銀行根據(jù)逾期天數(shù)及貸款五級(jí)風(fēng)險(xiǎn)分類等相關(guān)因素，將該貸款劃分為正常類。2021 年 3 月 28 日，因受外部事件影響和自身運(yùn)營(yíng)等原因，該客戶的信用風(fēng)險(xiǎn)有上升跡象，乙銀行經(jīng)評(píng)估將該客戶的上述貸款下調(diào)為關(guān)注類。 乙銀行在未建立和實(shí)施內(nèi)部評(píng)級(jí)體系的情況下，如何確定上述對(duì)公貸款以及該行零售貸款的預(yù)期信用損失？ 分析： 按照《企業(yè)會(huì)計(jì)準(zhǔn)則第 22 號(hào)——金融工具確認(rèn)和計(jì)量》（財(cái)會(huì)〔2017〕7 號(hào)，以下簡(jiǎn)稱金融工具確認(rèn)計(jì)量準(zhǔn)則）的規(guī)定，并結(jié)合自身管理水平以及歷史數(shù)據(jù)積累等實(shí)際情況，乙銀行對(duì)于對(duì)公貸款和零售貸款的預(yù)期信用損失計(jì)量采用了不同的建模方法。對(duì)于對(duì)公貸款，其建模思路與大型商業(yè)銀行類似，即在基于共同信用風(fēng)險(xiǎn)特征進(jìn)行風(fēng)險(xiǎn)分組并根據(jù)信用風(fēng)險(xiǎn)變化及減值情況進(jìn)行階段劃分的基礎(chǔ)上，根據(jù)違約概率、違約損失率、違約風(fēng)險(xiǎn)敞口構(gòu)建預(yù)期信用損失模型，因缺乏內(nèi)部評(píng)級(jí)信息，乙銀行在估計(jì)違約概率、違約損失率等模型參數(shù)時(shí)采用了遷徙率等其他替代方法。對(duì)于信用卡等零售貸款，因缺乏歷史數(shù)據(jù)，難以分別對(duì)違約概率和違約損失率建模，乙銀行采用損失率法計(jì)量預(yù)期信用損失。具體方法如下： （一）對(duì)公貸款 1.采用遷徙率法估計(jì)違約概率（PD） 乙銀行根據(jù)產(chǎn)品及授信額度將對(duì)公貸款進(jìn)行風(fēng)險(xiǎn)分組后，按照以下步驟得到各組違約概率： 步驟 1：根據(jù)逾期天數(shù)及貸款五級(jí)風(fēng)險(xiǎn)分類中相關(guān)定性考慮因素，將每個(gè)組別細(xì)分為正常非逾期（1 檔）、正常逾期（2 檔）、關(guān)注非逾期（3 檔）、關(guān)注逾期 0-30 天（4 檔）、關(guān)注逾期 30-60 天（5 檔）、關(guān)注逾期 60-90 天（6 檔）和不良（7 檔）等風(fēng)險(xiǎn)組別。 步驟 2：以各季度初為期初時(shí)點(diǎn)，觀察 12 個(gè)月后拖欠狀態(tài)的變化情況，以此計(jì)算各風(fēng)險(xiǎn)組別之間的遷徙率和違約概率。乙銀行用 X1表示某風(fēng)險(xiǎn)組別期初狀態(tài)為 1 檔的借款人數(shù)量，用 X11、X12……X17分別表示該 X1位借款人 12 個(gè)月后狀態(tài)為 1 檔、2 檔、3 檔、4 檔、5 檔、6 檔、7 檔的借款人數(shù)量，該風(fēng)險(xiǎn)組別期初的 1 檔借款人在 12 個(gè)月后遷徙至 2 檔的比率為 X12/X1（即為遷徙率）。類似地，X23/X2表示期初為 2 檔、12 個(gè)月后遷徙至 3 檔的遷徙率。乙銀行按此計(jì)算出該風(fēng)險(xiǎn)組別的遷徙率如下：
乙銀行將“不良”（即 7 檔）定義為“違約”，因此，對(duì)于期初為 1 檔的貸款，12 個(gè)月違約概率為 X17/X1；對(duì)于期初為 2 檔的貸款，12 個(gè)月違約概率為 X27/X2；以此類推。 步驟 3：假定新發(fā)放貸款均為正常非逾期類（即 1 檔），通過(guò) 1 檔借款人的違約概率計(jì)算正常非逾期類貸款的歷史逐年實(shí)際違約概率，即 PDs1=X17/X1。 步驟 4：通過(guò)分析，乙銀行認(rèn)為“分組貸款當(dāng)年實(shí)際違約概率（PDs1）/分組貸款歷史實(shí)際違約概率平均值（PD 均）”可反映宏觀經(jīng)濟(jì)對(duì)其貸款組合的影響，將其定義為宏觀影響因子 Z，并基于第三方軟件通過(guò)遍歷多元回歸得到宏觀影響因子 Z 與宏觀經(jīng)濟(jì)指標(biāo)的回歸模型。
步驟 5：通過(guò)遷徙矩陣自乘的方法生成累計(jì)違約概率（例如，N 年期的累計(jì)違約概率通過(guò)遷徙矩陣 M 的 N 次自乘的方法生成），按照月度折算未來(lái) 12 個(gè)月的違約概率，并推導(dǎo)得出整個(gè)存續(xù)期內(nèi)違約概率。 以 2020 年 6 月 28 日向某制造業(yè)企業(yè)發(fā)放的 1000 萬(wàn)元貸款為例，為獲取正常非逾期類貸款的違約概率，按前述步驟開展以下工作： （1）將所有的對(duì)公客戶分為 7 檔； （2）分別計(jì)算每檔客戶的遷徙率。2020 年前兩檔的遷徙情況如下：每 100 個(gè) 1 檔客戶中有 2 個(gè)遷徙到 7 檔，從而計(jì)算得出 2020 年正常非逾期類貸款的歷史實(shí)際違約概率，即 PDs1=X17/X1=2/100=2%； （3）根據(jù)上述方法計(jì)算過(guò)去 10 年正常非逾期類貸款每5年的歷史實(shí)際違約概率，并得到過(guò)去 10 年的歷史實(shí)際違約概率平均值（PD 均）為 2.5%。在此基礎(chǔ)上，計(jì)算 2020 年的宏觀影響因子，即 Z10=PDs1/PD 均=2%/2.5%=0.8，并構(gòu)建宏觀影響因子 Z 與宏觀經(jīng)濟(jì)指標(biāo)的回歸模型以確定適當(dāng)?shù)暮暧^經(jīng)濟(jì)指標(biāo)及相關(guān)系數(shù)。具體模型如下：
2020 年 6 月 30 日，乙銀行根據(jù)上述信息計(jì)算該貸款的違約概率如下：
2021 年 3 月 28 日，該客戶因受外部事件影響，信用風(fēng)險(xiǎn)有上升跡象，乙銀行將該筆貸款下調(diào)為關(guān)注類貸款，該評(píng)級(jí)對(duì)應(yīng)的未來(lái) 12 個(gè)月違約概率為 7%。2021 年 3 月 31 日，乙銀行將該筆貸款調(diào)整為第二階段，按照整個(gè)存續(xù)期內(nèi)預(yù)期信用損失計(jì)提信用損失準(zhǔn)備，此時(shí)該貸款剩余期限為 15 個(gè)月，違約概率計(jì)算如下：
按宏觀經(jīng)濟(jì)情景進(jìn)行前瞻性調(diào)整后的違約概率詳見“4. 設(shè)置宏觀經(jīng)濟(jì)情景及權(quán)重并進(jìn)行前瞻性調(diào)整”部分。 實(shí)務(wù)中，對(duì)于缺失逾期信息的貸款，也可以依據(jù)貸款五級(jí)風(fēng)險(xiǎn)分類信息，參照上述遷徙率的方法估計(jì)違約概率。 2.應(yīng)用自身違約清收數(shù)據(jù)估計(jì)違約損失率（LGD） 乙銀行對(duì)公貸款業(yè)務(wù)有較好的違約清收數(shù)據(jù)積累，因此，乙銀行通過(guò)應(yīng)用自身違約清收數(shù)據(jù)來(lái)構(gòu)建違約損失率模型。 具體步驟如下： 步驟 1：根據(jù)產(chǎn)品類型、抵質(zhì)押擔(dān)保方式等維度將對(duì)公貸款劃分為不同的組別（即違約損失率分組）。 步驟 2：確定違約損失率的計(jì)算方法。乙銀行對(duì)公貸款基本在三年內(nèi)完成實(shí)際清收，在計(jì)算違約損失率時(shí)乙銀行將回收期設(shè)置為三年，具體計(jì)算方法如下：
步驟 3：計(jì)算歷史違約損失率。乙銀行匯總了各年度已完成處置的違約貸款風(fēng)險(xiǎn)敞口的損失數(shù)據(jù)（回收期超過(guò)三年的全部視同完成處置），具體如下：
步驟 4：通過(guò)分析，乙銀行認(rèn)為按照上述方法得到的違約損失率可反映當(dāng)時(shí)宏觀經(jīng)濟(jì)對(duì)其貸款組合的影響，因此，將各年的違約損失率按照 Wilson 模型（詳見附錄）轉(zhuǎn)化后的結(jié)果定義為當(dāng)年的宏觀影響因子 Z，即， 步驟 5：基于第三方軟件通過(guò)遍歷多元回歸構(gòu)建違約損失率與宏觀經(jīng)濟(jì)指標(biāo)的回歸模型，以確定適當(dāng)?shù)暮暧^經(jīng)濟(jì)指標(biāo)及相關(guān)系數(shù)。乙銀行根據(jù)其實(shí)際情況，選取房地產(chǎn)價(jià)格、固定資產(chǎn)投資增速和廣義貨幣供應(yīng)（M2）增長(zhǎng)作為影響違約損失率的關(guān)鍵宏觀經(jīng)濟(jì)指標(biāo)變量構(gòu)建回歸模型。 以上述向某制造業(yè)企業(yè)發(fā)放的 1000 萬(wàn)元抵押貸款為例，在計(jì)算違約損失率時(shí)，乙銀行首先根據(jù)貸款類型和抵質(zhì)押擔(dān)保方式進(jìn)行違約損失率分組。根據(jù) 2019 年已完成處置的違約對(duì)公貸款的損失數(shù)據(jù)，乙銀行計(jì)算得出 2019 年對(duì)公貸款的實(shí)際違約損失率為 65%，通過(guò) Wilson 模型轉(zhuǎn)化得到宏觀影響因子 Z 為 0.62。按宏觀經(jīng)濟(jì)情景進(jìn)行前瞻性調(diào)整后的違約損失率詳見“4. 設(shè)置宏觀經(jīng)濟(jì)情景及權(quán)重并進(jìn)行前瞻性調(diào)整”部分。 實(shí)務(wù)中，貸款違約清收數(shù)據(jù)不足以建模的，也可以根據(jù)“不良貸款處置實(shí)際損失金額/不良貸款處置金額”得到的平均違約損失率簡(jiǎn)化估算違約損失率。其中：不良貸款處置損失金額包括已核銷貸款、批量轉(zhuǎn)讓損失、證券化損失及以物抵債損失等。因清收樣本量較小或個(gè)案回收率偏高或偏低等原因?qū)е虏捎们笆龇椒ü浪愕倪`約損失率明顯不合理的，可以參考金融監(jiān)管機(jī)構(gòu)給定的違約損失率或通過(guò)限制偏離度等方式作出合理調(diào)整。 3.確定違約風(fēng)險(xiǎn)敞口（EAD） 對(duì)于貸款業(yè)務(wù)，乙銀行根據(jù)預(yù)計(jì)未來(lái)違約時(shí)點(diǎn)的剩余本息估計(jì)違約風(fēng)險(xiǎn)敞口。以上述向某制造業(yè)企業(yè)發(fā)放的 1000萬(wàn)元對(duì)公貸款為例，2020 年 6 月 30 日，經(jīng)評(píng)估，乙銀行將未來(lái) 12 個(gè)月的每個(gè)付息日（即每季度末月 20 日）作為預(yù)計(jì)未來(lái)違約時(shí)點(diǎn)。該貸款每季度末月 20 日的違約風(fēng)險(xiǎn)敞口計(jì)算如下：
2021 年 3 月 31 日，因受外部事件影響和自身運(yùn)營(yíng)等原因，該客戶的信用風(fēng)險(xiǎn)有上升跡象。經(jīng)評(píng)估，乙銀行認(rèn)為該貸款在剩余存續(xù)期內(nèi)的預(yù)計(jì)違約時(shí)點(diǎn)仍為剩余存續(xù)期內(nèi)的每個(gè)付息日。 4.設(shè)置宏觀經(jīng)濟(jì)情景及權(quán)重并進(jìn)行前瞻性調(diào)整 根據(jù)金融工具確認(rèn)計(jì)量準(zhǔn)則，預(yù)期信用損失計(jì)量需根據(jù)對(duì)宏觀經(jīng)濟(jì)的判斷設(shè)置不同情景并確定相應(yīng)的權(quán)重。 乙銀行根據(jù)合理且有依據(jù)的信息（含前瞻性信息）設(shè)定了樂觀、中性和悲觀三種情景。同時(shí)，選用向量自回歸模型預(yù)測(cè)宏觀經(jīng)濟(jì)指標(biāo)，基于其殘差正態(tài)性，獲得該模型內(nèi)所有宏觀經(jīng)濟(jì)指標(biāo)變量在情景期內(nèi)的模擬路徑樣本，從中選擇符合關(guān)鍵驅(qū)動(dòng)核心變量變動(dòng)趨勢(shì)和取值路徑附近的樣本，將樣本均值作為不同情景下各宏觀經(jīng)濟(jì)指標(biāo)變量的取值，并結(jié)合實(shí)際業(yè)務(wù)情況調(diào)整得到各情景下的宏觀經(jīng)濟(jì)指標(biāo)預(yù)測(cè)值。然后，將宏觀經(jīng)濟(jì)指標(biāo)預(yù)測(cè)值代入 Wilson 模型，計(jì)算得出三種情景下的違約概率、違約損失率等參數(shù)的預(yù)測(cè)值（即經(jīng)前瞻性調(diào)整后的違約概率、違約損失率）。 以上述向某制造業(yè)企業(yè)發(fā)放的 1000 萬(wàn)元對(duì)公貸款為例，將房地產(chǎn)價(jià)格、固定資產(chǎn)投資增速和廣義貨幣供應(yīng)（M2）增長(zhǎng)的預(yù)測(cè)值代入 Wilson 模型得到其經(jīng)前瞻性調(diào)整后的違約概率。違約損失率的前瞻性調(diào)整類似。按照前述方法，2021年 3 月 31 日，在樂觀情景下，該客戶經(jīng)前瞻性調(diào)整后的整個(gè)存續(xù)期內(nèi)違約概率（PD）為 8.0%、違約損失率（LGD）為 60%；在中性情景下，該客戶經(jīng)前瞻性調(diào)整后的整個(gè)存續(xù)期內(nèi)違約概率為 8.8%、違約損失率為 70%；在悲觀情景下，該客戶經(jīng)前瞻性調(diào)整后的整個(gè)存續(xù)期內(nèi)違約概率為 9.2%、違約損失率為 80%。 實(shí)務(wù)中，企業(yè)經(jīng)評(píng)估后，認(rèn)為外部權(quán)威預(yù)測(cè)能夠代表本企業(yè)在中性情景下對(duì)宏觀經(jīng)濟(jì)指標(biāo)的預(yù)測(cè)的，也可以基于該權(quán)威預(yù)測(cè)數(shù)據(jù)進(jìn)行上述估計(jì)。 乙銀行綜合考慮資產(chǎn)組合的歷史損失分布、過(guò)去一段時(shí)期宏觀經(jīng)濟(jì)因子的最好、最差和平均水平及波動(dòng)率、對(duì)未來(lái)一年內(nèi)經(jīng)濟(jì)走勢(shì)的預(yù)期、過(guò)去一段時(shí)期主要社會(huì)事件對(duì)宏觀經(jīng)濟(jì)的影響程度及相關(guān)事件預(yù)計(jì)對(duì)未來(lái)的持續(xù)影響、行業(yè)內(nèi)主要機(jī)構(gòu)對(duì)于宏觀經(jīng)濟(jì)的預(yù)期等因素后，將樂觀、中性和悲觀三種宏觀經(jīng)濟(jì)情景的權(quán)重（Wi）分別設(shè)置為 20%、60%和20%。 5.計(jì)算按宏觀經(jīng)濟(jì)情景加權(quán)后的預(yù)期信用損失 乙銀行按以下方法計(jì)算按宏觀經(jīng)濟(jì)情景加權(quán)的預(yù)期信用損失：
以上述向某制造業(yè)企業(yè)發(fā)放的 1 000 萬(wàn)元對(duì)公貸款為例，2021 年 3 月 31 日，各宏觀經(jīng)濟(jì)情景下的預(yù)期信用損失計(jì)算如下：
（二）零售貸款 1.運(yùn)用損失率法計(jì)量預(yù)期信用損失 對(duì)于零售貸款，因缺少歷史違約數(shù)據(jù)等原因，乙銀行采用損失率法計(jì)量預(yù)期信用損失。具體步驟如下： 步驟 1：根據(jù)逾期天數(shù)將零售貸款分成不同的組別。 步驟 2：對(duì)每一組別，根據(jù)歷史數(shù)據(jù)計(jì)算歷年零售貸款的損失率。 步驟 3：通過(guò)分析，乙銀行認(rèn)為“敞口當(dāng)年實(shí)際損失金額（LR）/敞口年初余額（BAL）”可反映當(dāng)年宏觀經(jīng)濟(jì)對(duì)其貸款組合的影響，并將其定義為宏觀影響因子 Z。乙銀行按此計(jì)算出 2011 年至 2020 年各年的宏觀影響因子 Z。 步驟 4：選取相應(yīng)宏觀經(jīng)濟(jì)指標(biāo)。 乙銀行將 2011 年至 2020 年的宏觀影響因子 Z 與國(guó)內(nèi)生產(chǎn)總值（GDP）、居民消費(fèi)價(jià)格指數(shù)（CPI）、工業(yè)生產(chǎn)者出廠價(jià)格（PPI）和房地產(chǎn)價(jià)格指數(shù)（HPI）等宏觀經(jīng)濟(jì)指標(biāo)進(jìn)行相關(guān)性分析及回歸分析，得到宏觀影響因子 Z 與 GDP、HPI 具有顯著的負(fù)相關(guān)關(guān)系，相關(guān)系數(shù)分別為 B1、B2，與CPI、PPI 相關(guān)關(guān)系不顯著，由此得到宏觀影響因子與宏觀經(jīng)濟(jì)指標(biāo)的回歸模型如下：
步驟 5：宏觀經(jīng)濟(jì)情景設(shè)置及預(yù)期信用損失計(jì)算。 乙銀行通過(guò)對(duì)標(biāo)外部經(jīng)濟(jì)因子預(yù)測(cè)值及內(nèi)部專家判斷，設(shè)定在不同經(jīng)濟(jì)情景下相應(yīng)宏觀經(jīng)濟(jì)指標(biāo)的預(yù)測(cè)值（其中包括國(guó)內(nèi)生產(chǎn)總值、房地產(chǎn)價(jià)格指數(shù)在未來(lái)一年的預(yù)測(cè)值）。 乙銀行將預(yù)測(cè)值代入上述公式得到宏觀影響因子 Z 在未來(lái)一年的預(yù)測(cè)值，并應(yīng)用 Wilson 模型將宏觀影響因子 Z 與歷史長(zhǎng)期損失率相結(jié)合，得到每個(gè)組別未來(lái)一年的預(yù)期信用損失比例，用以計(jì)算預(yù)期信用損失金額。 2.具體應(yīng)用 以信用卡貸款為例，乙銀行將其分成“未逾期”、“逾期 30 天以內(nèi)”、“逾期 30-60 天”等組別。對(duì)“逾期 30 天”的組別，計(jì)算 2020 年信用卡貸款的損失率，通過(guò)“敞口當(dāng)年實(shí)際損失金額（LR）/敞口年初余額（BAL）”計(jì)算得到2020 年的宏觀影響因子 Z 為 4%。乙銀行分別將樂觀、中性和悲觀三個(gè)情景下國(guó)內(nèi)生產(chǎn)總值（GDP）和房地產(chǎn)價(jià)格指數(shù)（HPI）的未來(lái)一年的預(yù)測(cè)值代入下列模型得到宏觀影響因子未來(lái)一年的預(yù)測(cè)值。然后，再應(yīng)用 Wilson 模型得到樂觀、中性和悲觀情景下未來(lái)一年的預(yù)期信用損失比例分別為3.5%、4.5%和 6%。
乙銀行按照樂觀、中性和悲觀情景的權(quán)重（分別為 20%、60%和 20%）進(jìn)行加權(quán)，得出未來(lái)一年的預(yù)期信用損失比例為 4.6%，用以計(jì)算該組別的預(yù)期信用損失金額。 附錄：Wilson 及 Merton-Vasicek 模型簡(jiǎn)介 【內(nèi)容同上面“預(yù)期信用損失法應(yīng)用案例（一）”附錄】 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
