中国银行业实施巴塞尔新资本协议的战略构想

《中国银行业实施巴塞尔新资本协议的战略构想》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、中国银行业实施巴塞尔新资本协议的战略构想《新资本协议》自发布以来，在国际界引起积极反响，不仅十国集团和欧盟计划在2006年实施该协议，而且一些发展中国家，如南非、印度、俄罗斯、马来西亚、菲律宾也相继出台方案，积极准备向实施新协议过渡。总的看，巴塞尔新协议在全球范围内的实施已成定局，而作为新协议核心的内部评级法也将成为风险和资本监管的主流模式。　　能否实施新资本协议既代表一国银行业的风险管理水平，也标志着该国金融体系的国际化程度。中国作为当今世界上最具活力和增长潜力的国家，在这一问题应该有一个明确、积极和务实的态度。本文

2、从实际出发，结合新资本协议的技术要求，探讨了中国银行业实施内部评级法在战略上的必要性、可行性以及基本政策措施。　　一、实施内部评级法的必要性　　(一)实施内部评级法是应对国际同业竞争的需要　　内部评级法作为新资本协议核心内容，将资本要求与银行所面临的各类风险有机结合起来，反映了现代银行业务的多样性、系统性和缜密性，代表了国际银行业风险管理的发展方向。我国银行业在内部评级体系方面处于落后状态，由此面临巨大的竞争压力。2006年起，我国金融业将全面实现对外开放，国外银行将大举进入，它们将依托先进的风险管理技术，与我国银行展

3、开全方位竞争。其竞争优势不仅体现在前台能力上，而且更多地存在于后台的风险管理领域。如果我国银行体系不抓紧改变现状，而是继续沿袭旧的粗放模式，那就会在日益激烈的国际化竞争中陷入困境。　　(二)实施内部评级法是银行监管部门提高监管效率的要求　　新资本协定形式上是资本监管，但其本质上越来越多地强调风险监管。风险监管的实质是通过增强监管资本的敏感性，促进商业银行加强风险管理，合理配置经济资本。监管当局通过鼓励银行实施内部评级法，可以获得多方面优势：首先，监管当局能够通过内部评级法下的资本要求，更准确、更敏锐地发现银行业务发展中

4、的潜在风险，从而提前采取预控措施，防范和化解风险隐患。第二，实施内部评级法可以对银行的监管资本要求做出比较准确的判断，有助于发现资本缺口，及早建立和完善资本补充机制；第三，实施内部评级法可以促使监管当局转变偏重于合规性监管和现场审查的单一模式，更加重视增加风险监管的技术含量，通过采用先进的技术、方法和手段，合理分配监管资源，提高监管效率。　　(三)实施内部评级法是商业银行实行精细化管理的要求　　现代化银行的风险管理正在演变为一门科学。传统的业务经验必须与精确的数理分析和现代信息技术相融合，才能更好地发挥作用。内部评级系

5、统作为计量分析平台，在银行风险管理中处于核心地位。按照新资本协议的要求，内部评级系统应提供违约概率(PD)、违约损失率(LGD)、预期损失(EL)、非预期损失(UL)、有效期限(M)等关键性指标，这些指标不仅是计算资本充足率的重要依据，也在银行内部的授信审批、贷款定价、限额管理、风险预警等信贷管理流程中发挥着重要的决策支持作用，而且也是制定信贷政策体系、计提准备金、分配经济资本以及实施RAROC或EVA管理的重要基础，在整个银行业务中发挥着巨大的辐射作用。　　(四)实施内部评级法是我国银行业外部的客观要求　　目前，我国

6、信用评级行业尚处于起步阶段，发展中不够规范、存在问题较多，整体上尚未达到国际认可的技术和管理标准；而且，外部评级所覆盖的企业范围较小。如果商业银行采用新资本协议的标准法计算资本充足率，就必须要求多数企业提供外部评级，这样做很高。而如果不评级直接套算标准法系数，大多数信贷资产的风险权重只能定为100%或150%，这将严重降低银行的风险敏感性和资本充足率，从经济上讲是不划算的。　　二、中国银行业实施内部评级法的可能性　　中国银行业不仅要从战略高度认识实施新资本协议和内部评级法的必要性，还要从数据基础、管理流程、信贷、IT系

7、统以及模型工具等方面综合考察实施内部评级法的现实可能性。　　(一)基础数据支持　　长期以来，人们一直认为数据质量是实施内部评级法的主要障碍，但如果不从现在就着手准备，那么中国银行业永远也达不到内部评级法的要求。　　数据质量一般存在两类问题：一是银行数据积累不足，二是企业报给银行的数据存在欺诈。在我国，这两个问题的严重程度都有所缓解。首先，国内几家大银行目前都具备了较好的管理信息系统，1999年国有银行进行大规模不良资产剥离，从2000年起新发生信贷业务的数据都有系统记录，迄今基本上都有3—4年的数据。IRB法要求至少有

8、5年数据准备，而初步建立内部评级模型只需3年数据。从技术上讲，国内大银行现在完全可以建立内部评级系统了，只不过该系统建成初期还做不到十分精确。　　另一问题是数据欺诈。客户数据有水分是正常的，就连国外也不少见，但这不等同于数据欺诈。使用欺诈性数据计算出的评级结果肯定是错误的，而有水分的数据对评级模型只会产生一定程度的扰动因素，很多时