第四节
零售客户信用风险分析

一、对零售风险暴露内涵的界定

巴塞尔Ⅱ规定，如满足以下五个基本条件，就被视为银行零售风险暴露：

第一，对于单笔贷款，如循环信贷、额度授信和个人消费贷款等，此类贷款无论规模怎样都适用零售贷款的处理方法；

第二，对于住房抵押贷款（无论首次和随后的留置权、定期贷款和循环的房屋股权信贷产品），无论贷款规模大小如何，只要贷款是发放给住宅的所有者或居住者，都适用零售贷款的处理方法。在一栋建筑或单元房中，由单户或几户共同管理的建筑作抵押或由合住的居民住宅单元房作抵押的贷款也属于住房贷款的范畴。

第三，对于总额不足100万欧元的企业贷款可作为小额企业贷款，适用于零售暴露的处理方式。展期小额贷款或有几个人担保的小额企业贷款采用同样贷款底线。

第四，监管当局可在底线实际应用方面保留一定灵活性，银行不应仅仅为达到监管要求而被迫开发大量新的评级系统。

第五，如果长期以来银行内部风险管理系统对小额企业贷款采取统一处理方法，并且和其他零售贷款处理方式相同，100万欧元以下的小额企业贷款可作为零售贷款处理。在风险管理的某些阶段，不排除对零售贷款进行单笔处理。将小额企业贷款列入零售资产组合具有一定优势，因为许多银行是在集中贷款池基础上处理小额贷款的，这与对大量小额贷款形成的资产组合处理模型基本一致。

在零售暴露类别中，银行至少应划分出三个子类：住宅抵押贷款、合格循环零售贷款、所有其他零售贷款，相应地，银行对零售贷款的信用风险评级和管理应围绕这三类展开。其中，对合格的循环零售贷款，巴塞尔委员会给出了具体的定义标准：（1）贷款是循环的、无抵押的、未承诺的；（2）贷款是针对个人的；（3）子组合内对个人最大贷款小于或等于10万欧元；（4）合格循环零售贷款风险权重函数对资产相关性假设值要明显小于违约概率低的其他零售贷款风险权重函数对资产相关性假设值，银行必须保证对合格循环贷款采用的风险权重函数仅用于相对平均损失率而言损失率波动性低的零售贷款组合，特别是那些违约概率低的贷款组合；（5）必须保留子组合的损失率数据，以便分析损失率波动情况；（6）合格循环零售贷款处理方式应与子组合的风险保持一致。

二、个人信用风险影响因素分析

从零售暴露定义可看到，零售暴露内部评级主要针对个人，同时也包括小企业贷款。银行为计量个人信用风险，通常采用信用评分卡，即建立一种数学模型，并运用计算机技术对个人信用风险进行统计分析，通过对个人以往信用记录的量化分析，来预测未来违约事件发生的可能性。信用评分卡以一个分数来反映个人的信用状况，分数越高说明信用风险越低，这种方式在计算机系统中实现，可以支持信贷前台在线分析和决策。个人信用评分模型可靠性取决于数据质量及指标选择，因此在建立不同模型时应考虑所有与模型目标相关因素，以达到最优模型表现。评分模型既依赖于统计方法找出数据相关性，又要依靠建模队伍对金融产品及业务逻辑的理解，灵活有效地处理建模过程中出现的问题，如内控制度漏洞、信用文化差异、数据不足、变量表现不稳等。

零售暴露的内部信用评级模型构建的流程与公司暴露基本相同，但在客户分群、指标筛选、模型选择等技术上存在差异，见图5-11。此外，因为零售暴露的客户数量十分庞大，在信息技术处理模式上也与公司客户评级有所不同。

图5-11 个人信用风险指标体系结构图

信用风险模型是银行核心系统之一，信用风险模型安装，涉及与银行贷款记账系统、数据库结构和报表生成软件整合，同时还涉及建立一套操作该系统的业务流程和程序。还要培训银行职员，以保证机构能应对系统的预警信号、防止违约损失发生。因此，安装信用风险模型需要一系列相关知识和经验，银行往往需要一支拥有多方面技术的队伍支持，这些技术包括信用和财务技能、统计技能、精算技术以及系统编程技术等。

三、个人客户行为信用风险分析

评价个人信用行为是分析个人信用风险重要方面。分析个人客户行为信用风险主要用于贷款日常管理，改善现有贷款组合，不良贷款清收等环节。因个人信用行为数据较齐全、及时、准确率较高，分析个人客户行为信用指标体系无须分层设计，尽管各银行业务特点和政策标准不同，指标体系存在差异，但基本结构大致相同，见图5-12。

图5-12 个人客户行为信用风险指标分析体系示意图

个人客户行为信用风险分析是建立个人信用行为评分模型的基础，通过分析选择合适的变量，搜集可获得的数据。根据数据局限性和重要参数决策，如排除标准、好/坏/待定定义、观察窗口、表现窗口、抽样计划等，建立个人行为评分模型，通过个人客户过去行为特征来评估其当前的信用程度，并对已批准账户实施管理，对账户风险等级进行月度跟踪分析，掌握个人贷款客户特征，从而准确评价个人账户信用风险。