搭建风控量化模型

《搭建风控量化模型》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、搭建风控量化模型当前，大型金融机构已被监管机构批准使用内部模型来计量风险和监管资本；中小金融机构的积极性也很高，力求借鉴资本管理高级法，调整资产组合，提高资本使用效率，推进管理流程再造，由“干了再算”向“算了再干”转变。　　以上趋势令人鼓舞。我们看到，强化风险量化管理的理念正在对中国金融业提高识别、计量和控制风险的能力产生重要的影响,中国金融业风险量化管理水平正在迅速提升。　　如何更好地“算了再干”？为了回答这一问题，本文谈一谈金融机构的风险量化模型。为保证风险量化模型的开发质量和实施效果，金融机构所有的风险量化模型都应该参考模型建设和管理技

2、术行业标准进行开发、评估和文档归档。下文总结了国内外信用风险量化模型建设和管理的先进经验，全面遵循这些要求有利于模型的建设、使用、监控、审批、上线。　　模型的设计　　模型的设计对模型最终是否能实现其目标起着举足轻重的作用。为了保证模型的设计可以满足模型的目标，审批人员应需要关注的是从哪些方面对模型的设计进行评估。总结来说，以下方面要特别留意。　　要解决的业务问题　　建模人员应该用简单易懂的语言对模型要解决的业务问题进行描述。这些描述应该包括一个或多个已达成共识的业务原则或核心价值，如客户的行为、银行员工的参与度、竞争对手的动作、经济形势的变动

3、、合规的需要、公司战略的考虑等。例如，信用卡部门要设计一个申请评分模型来测算新客户出现不良贷款的风险。这个模型在新客户审批过程的应用中，需要审批人员和客户进行沟通，手动输入一些关键的模型变量数值，在很多情况下还需要对模型的评分结果进行覆盖。这种模型在业务中的应用方式就需要在模型设计开发的过程中，考虑如何解决验证客户提供信息的真实性、员工手动输入数据的可靠性、对模型评分结果覆盖的审批案例如何进行表现监控等问题。　　目标变量的定义　　建模人员应该对目标变量的定义进行如下描述：明确描述目标变量的定义，并说明为何这样的定义与要解决的任务问题是相关的；

4、明确定义目标变量的表现时间窗（performancewindow）和观察时间窗：例如，目标变量可以定义为未来12个月贷款出现至少一次60天或60天以上逾期的概率。在这个定义里，“未来12个月”为表现时间窗，“贷款出现至少一次60天或60天以上逾期”为观察时间窗。如果模型需要满足监管部门的要求，此定义是否满足监管部门的要求；为何选择这样的定义而不是其他定义；对定义可能产生的误解进行澄清，如定义是在客户层面还是账号层面的，定义是在观察期之间的表现还是在观察期结束的时间点的表现等。　　样本的选择　　建模人员应该对建模样本的选择进行如下描述：样本选择

5、的方法，如有随机抽样和非随机抽样（有目的抽样），其中随机抽样方法包括简单随机抽样、等距抽样、分层随机抽样、整群抽样几种常用类型；非随机抽样也称为有目的抽样，包括全面抽样、最大差异抽样、极端个案抽样、典型个案抽样几种常用类型；样本的大小，为了增强可测性和检验的准确性，应该尽量增大样本容量，但同时还应考虑可行性和经济成本；建模样本、保留样本、验证样本的划分；样本可能有的偏差，如必须通过审批的条件限制、经过客户自然流失后的样本、外部因素的变化对样本的影响如产品特征、竞争对手的策略、经济周期、季节性因素等。　　分析的方法　　分析方法的描述应该包括以下

6、内容：数据获取渠道的描述，主要分为直接渠道和间接渠道：直接渠道主要指通过统计调查获得的第一手统计数据，如办理信用卡业务时客户填写的个人信息资料、当下十分流行的大数据方法等；间接渠道通常指通过查阅资料或者通过其他网站、平台获取的二手数据，如通过WIND或Bloomberg获得数据；模型的结构，根据所作的假设分析对象的因果关系，利用对象的内在规律和适当的数学工具，构建各个变量间的等式关系或其他的数学结构。同时，在建模过程中还应注意细节问题，如客户的分群、子模型的架构等；建模技术，在建模过程中常用到的数学方法和计算机技术，如logistic回归、决

7、策树、普通线性回归、分层分析、聚类分析、时间序列等；变量的处理，如变量的剔除、转换、最大最小值的设置、缺失值的处理、变量相关性的处理等。　　模型验证过程　　验证模型是否有效的描述应包括：随机保留样本的描述，如选取记录集中的一部分（通常是2/3）作为训练集，保留剩余的部分用作测试集。选取随机保留样本的标准、比例、特征等方面的描述；Bootstrap验证，是非参数统计中的一种重要的统计方法，在执行上常需借助计算机技术得以实现。举例来说，当总体可用正态分布描述时，其samplingdistribution服从正态分布或服从t分布；但当总体不服从正态

8、分布或未知时，我们采用计算机模拟或用渐进分析的方法更加有效；交叉验证，基本思想是在某种意义下将原始数据进行分组，一部分作为训练集，另一部分作为验证集，首先用训练集进