預期信用損失模型驗證的國際國內最新實踐上篇：歐盟銀行
2024年07月18日
我們將分上篇和下篇分別對歐盟銀行和我國銀行在預期信用損失模型驗證方面的最新實踐進行歸納總結，并對典型銀行進行了示例分析。
一、對預期信用損失模型驗證的主要規范
1.國際規范
在預期信用損失模型實施之前，國際上已經存在一些影響較為廣泛的模型風險管理規范，比如，巴塞爾委員會和歐央行發布的關于內評模型風險管理的文件、美聯儲發布的模型風險管理監管指引（SR11-7SUPERVISORY GUIDANCE ON MODEL RISK MANAGEMENT）等。這些文件中，對于模型風險管理的理念和原則，也普遍適用于預期信用損失模型。
在新金融工具會計準則發布后，直接涵蓋預期信用損失模型驗證的重要規范包括巴塞爾委員會和歐洲銀行管理局發布的文件。如下圖所示。
巴塞爾委員會明確要求銀行應制定適當的政策和程序，以驗證用于評估和計量預期信用損失的模型；銀行應制定穩健的政策和程序，在模型使用之初和持續的基礎上，驗證其基于模型的評級體系、流程以及對所有相關風險組成部分估計的準確性和一致性。一個健全的模型驗證框架，應包括以下4個部分。
圖 健全的模型驗證框架（巴塞爾委員會）
2.我國的監管10號文
我國原銀保監會發布的《商業銀行預期信用損失實施管理辦法》（監管10號文），明確要求“商業銀行應建立有效的模型驗證機制，對預期信用損失法實施所涉及的各種模型的穩健性、一致性和準確性進行驗證，根據驗證結果對模型進行優化。”要求對預期信用損失法實施所涉及的各種模型的穩健性、一致性和準確性進行驗證，驗證報告應報送董事會、監事會和高級管理層。驗證分為以下類型。
二、歐盟銀行資產質量及減值準備計提總體情況
1.銀行業不良率
根據歐央行（ECB）2024年5月發布的《金融穩定報告》，截至2023年末，歐洲銀行業不良貸款率總體上仍接近歷史低點，但對微型企業和商業房地產（CRE）的貸款，以及不良貸款率處于歷史低位的國家，貸款質量開始出現輕微惡化的跡象。另外，大銀行的不良率明顯低于中小銀行。如下圖表所示。
表 歐洲銀行不同行業的不良率（%）
來源：根據Financial Stability Review, May 2024
(europa.eu)
歐央行在《金融穩定報告》中表示，自2018年以來，由于銀行處置了撥備率相對較高的歷史遺留不良貸款，所有組合的不良貸款撥備率都有所下降。2023年末，歐盟銀行業不良貸款撥備率（NPL coverage ratio）為42.10%，不良貸款撥備率累計下降（Cumulative change in NPL
coverage ratio）5.45%。歐央行擔憂如果經濟環境進一步惡化，延遲計提撥備和較低的撥備水平可能會帶來風險。
2.貸款減值階段的分布及減值計提
與貸款質量的輕微惡化一致，在貸款減值階段分布方面，2023年末，第2、3階段貸款所占比例較2022年末略有上升。
圖 減值階段分布（%）
與貸款質量輕微惡化的趨勢相悖，貸款各階段計提的減值準備金比率2023年末較2022年末略有下降。2023年末，第1、2、3階段減值準備計提比例分別為0.21%、3.6%和43.35%。
圖 各減值階段貸款的減值計提比例（%）
三、歐盟銀行對預期信用損失模型的回溯測試情況
自2016年以來，歐洲銀行管理局(EBA)持續監督和審查銀行對IFRS 9的有效實施情況，以提高信用風險管理的穩健性和應用會計準則的透明度。EBA于2023年11月最新發布了IFRS9影響評估報告，這是在2016年、2021年對IFRS9實施影響評估基礎上的持續跟進。EBA此次評估的銀行樣本是來自14個歐盟國家的37家機構。其中，大多數是全球或其他系統重要性金融機構，涵蓋了歐盟適用國際財務報告準則的銀行總資產的74%。
總體上，EBA認為自IFRS9實施以來，各機構在其預期信用損失模型方面取得了重大進展，模型通常能夠有效確認預期信用損失。但另一方面，IFRS9中的規定存在較大的判斷空間，各機構在估計預期信用損失時采用了不同的方法。這可能導致了預期信用損失結果間的變異性，并對不同的審慎監管指標構成影響。此外，預期信用損失模型所包含的不同因子中，存在某些引起審慎監管擔憂且尚未被多數機構解決的做法。
EBA總結了樣本銀行對于預期信用損失模型（“ECL模型”）的回溯測試情況（注：回溯測試基于模型預測值與實現值的比較，是模型定量驗證的一部分。驗證是評估模型性能的整個過程和更廣泛的分析。驗證包含回溯測試）。EBA認為，到目前為止，銀行對ECL模型的定期審查中，對回溯測試的有效應用非常有限，回溯測試結果很少觸發銀行采取具體的行動和改進模型，這引發了監管機構的擔憂。
對于ECL模型中的各個因子，銀行進行回溯測試的普遍程度有所不同。多數銀行能夠進行回溯測試的ECL模型因子包括：減值階段劃分、12個月的PD、整個生命期的PD、LGD、ECL；而多數銀行沒有進行回溯測試的模型因子包括：前瞻性因子、管理層疊加。如下圖。
圖 對ECL模型因子的回測情況
注：“Yes”表示對該因子進行回測的銀行；“No”表示沒有對該因子進行回測的銀行?？v軸表示對應的銀行數量。
1.對減值階段劃分的回測
EBA認為，對減值階段劃分的回測是一個重要的分析維度，其能為評估減值階段劃分和確定信用風險顯著上升（SICR）所使用的指標的穩健性提供有用的信息，使銀行能夠識別在階段劃分過程可能存在的缺陷并觸發特定的行動，以確保及時識別整個生命期的ECL。
80%的銀行對減值階段劃分的有效性實施回測。不同銀行回測的目標不盡相同。主要包括：評估信用風險顯著上升（SICR）中使用的定量閾值的預測能力、在進入第三階段之前將第二階段作為前置分類的有效性，以及階段劃分隨時間的穩定性。如下圖所示。
圖 銀行進行階段劃分回測的目標及使用各目標的銀行占比
盡管不同銀行在對減值階段回測中，采用了不同的測試指標，但主要包括以下兩類：（i）評估各階段之間的轉移矩陣；（ii）分析僅因定性/門檻指標而轉移到第二階段的比例。如下圖表所示。
圖 銀行用于回測階段劃分的指標類型及使用該指標的銀行占比
在實施回測的銀行中，幾乎都制定了內部政策，包括評估回測結果時相關的閾值和可接受水平。但是，只有少數機構報告了對超出閾值的情況所預期采取的補救措施。因此，EBA希望銀行擴大用于分析測試的指標范圍，更重要的是，更清晰地定義如何應用回測結果。
2.對ECL模型中12個月PD的回測
對ECL模型中12個月PD的回測，是目前ECL模型回測中最為成熟的領域。這可能與銀行在內評法（IRB）下已經開發了類似的實踐方法和收集了大量的數據有關。樣本銀行已制定了內部政策并設置了相關閾值，用于評估回測結果，并在認為偏差顯著時采取糾正措施和改進模型。
對ECL模型中12個月 PD的回測，最常用的是通過比較ECL模型基準情景下的12個月PD或各經濟情景的加權平均12個月PD，與實際觀察到的1年違約率來進行的。不同銀行采用的模型估計值類型分布如下圖表。
圖 對12個月PD回測時，與實際值進行比較的模型值及使用該值的銀行占比
圖 對12個月PD回溯測試時，與模型值進行比較的實際值及使用該值的銀行占比
3.對整個生命期PD的回測
超過一半的樣本銀行對整個生命期的PD估計結果進行回測?；販y時，通常比較模型估計的各經濟情景加權平均整個生命期PD與實際觀察到的累計內部違約率。機構會制定內部政策，設定評估回測結果的閾值，如果出現被視為重大偏差的情況，會采取后續行動進行審查和/或重新校準參數。
EBA認為，應該對整個生命期PD的估計結果進行回測，否則可能會缺乏評估所建模型穩健性的重要信息，無法確保這些模型提供一致的ECL結果，并阻止在必要時進行改進。因此，EBA希望目前沒有對整個生命期PD進行回溯測試的機構重新考慮他們的方法，開發相關測試，并收集對整個生命期PD進行回溯測試所需的所有相關數據。
圖 對整個生命期PD回測時，與實際值進行比較的模型值及使用該值的銀行占比
圖 對整個生命期PD回測時，與模型值進行比較的實際值及使用該值的銀行占比
4.對LGD的回測
大多數銀行對LGD參數估計值進行回測。在回測時，大多數銀行使用基準情景下的LGD作為模型估計值，少數銀行直接使用加權平均LGD作為模型估計值。不過，各銀行對于觀測值的選擇一致性較高，通常以實現的損失作為觀測值。
大多數銀行制定了內部政策，規定了差異閾值和可接受水平。但少數機構在進行回測分析和發現突破閾值時，沒有采取后續行動以解決所遇到的問題。
EAB認為銀行需要改進在LGD領域的回測框架，確保對該過程進行強有力的治理，其中包括相關的時間表和進行分析的頻率，并在內部政策和程序中明確界定；及時跟進EBA發布的基準測試結果，確保引入對模型的改進，以獲得更穩健和一致的ECL結果。
圖 對LGD回測時，與實際值進行比較的模型值及使用該值的銀行占比
圖 對LGD回測時，與模型值進行比較的實際值及使用該值的銀行占比
5.對前瞻性信息FLI的回測
一半以上的銀行沒有對前瞻性信息（FLI）實施回測。在大多數情況下，這種情況與銀行使用由本國中央銀行或其他相關國際機構提供的外部宏觀經濟預測有關（即，銀行自身沒有為FLI生成可供回測的模型估計值）。
在對前瞻性信息（FLI）實施回測的銀行中，FLI回測的主要目標一般是評估納入模型的宏觀經濟變量預測的可靠性。通常是通過比較上一個報告期內某些宏觀經濟變量的預測與實際的宏觀經濟數據來實現的。另外，雖然這些銀行制定了帶有閾值的內部政策，但只有一半的機構進一步評估了引發潛在補救行動的結果。
EBA希望所有機構應定期進行FLI的回溯測試，以評估用于ECL目的的內部宏觀經濟預測的質量。如存在重大偏差，應采取適當的糾正措施，包括評估其他FLI來源（例如使用國際機構/中央銀行提供的外部宏觀經濟預測）的選項。
圖 銀行進行FLI回測的目標及使用該目標的銀行占比
圖 銀行進行FLI回測所比較的指標及使用的銀行占比
6.對管理層疊加的回測
與對ECL模型中其他因子的回測不同，絕大多數銀行沒有對管理層疊加（模型外調整）進行回測，并且，也沒有在不久的將來實施此類回測的計劃。
EBA認為，近年來，管理層疊加已成為ECL框架的一個組成部分，并對ECL的結果產生了重大影響。雖然管理層疊加具有臨時性質，并且在應用時高度使用專家判斷，但對管理層疊加的回測仍具有價值，因為回測能夠為量化模型調整的方法提供重要觀點，從而可能進一步予以改進。因此，EBA希望銀行對管理層疊加進行回測，以評估其對實際數據所作調整的準確性。
對管理層疊加的回測可能采用不同的方法（例如，作為獨立的要素或從對ECL結果的回測中隱含推導而來），其取決于銀行對管理層疊加應用的層次（即在ECL層級或模型參數層級）。
圖 銀行進行管理層疊加回測的目標及使用該目標的銀行占比
7.對ECL結果的回測
超過一半的銀行對ECL的計量結果進行回測。ECL回測的主要目的是評估銀行對ECL的估計是否與可觀測數據的變化一致。
大多數銀行將整個生命期的ECL金額（不包括管理層疊加）與給定期間的累計信用損失進行比較，而另一些銀行則將估計的ECL與報告期之后第一年實際發生的信用損失進行比較。
值得一提的是，由于模型預測ECL與實際損失之間通常存在較長的時間跨度，因此一年內實際發生的損失可能并不代表與報告日金融工具的預期信用損失（ECL）進行比較的正確觀察值。因此，EBA希望銀行應確保在可比的基礎上進行模型ECL預測值與實際值的比較，并開發出穩健的方法論。同時，還應跟蹤收集有意義的測試所需的信息。
在內部政策制定方面，只有一半的銀行制定了相關政策，其中包括確定ECL回測的閾值和可接受水平。但沒有銀行報告其違反任何閾值。
EBA認為，ECL回測非常重要且是分析ECL框架整體穩健性和模型預測準確性的關鍵維度。雖然ECL回測可能需要較長時間序列的數據，而這些數據目前可能并不完全可用，但還是鼓勵銀行將這一維度納入其ECL模型回測框架中，并開發出能夠將模型預測結果與實際觀測結果進行比較的可靠方法。
圖 銀行進行ECL結果回測的目標及使用的銀行占比
圖 對ECL回測時，與實際值進行比較的模型值及使用該值的銀行占比
圖 對ECL回測時，與模型估計值進行比較的實際值及使用該值的銀行占比