根据长沙银发〔2011〕260号《公司客户评级管理办法》，企业客户信用评级对象是已经或可能与长沙银行建立信贷关系的企业法人客户，评级对象按经营性质根据评级对象的行业差异和资金运用特点，分为城建开发类企业、房地产企业、工业企业、企业化管理的事业单位、商业企业、施工企业、宾馆服务企业、中小担保企业、交通运输企业、微小企业、农业企业及综合类企业共11个类型。

　　根据《商业银行资本管理办法（试行）》中的《附件04信用风险内部评级法风险暴露分类标准》的风险暴露定义和划分标准，银行账户信用风险暴露分为主权风险暴露、金融机构风险暴露、公司风险暴露、零售风险暴露、股权风险暴露和其他风险暴露。除零售风险暴露外，其他的风险暴露统称为非零售风险暴露。目前长行提及的非零售风险暴露包括金融机构风险暴露和公司风险暴露，其中公司风险暴露又称一般企业风险暴露，是指对公司、合伙制企业和独资企业及其他非自然人的债权，包括了目前长沙银行的评级对象。

　　目前长行对公评级模型来自于2003年中国工商银行的评级模型。该评级测算模型主要依赖评级人员的主观判断，没有一定的统计分析技术支持。其中定性指标设置过于主观，如在商业企业模型中指标“营销手段的多样性”无参考标准，无考核依据，不同的客户经理对同一评级对象的评定会有较大差异，评级结果的准确性和可信度受评级人员素质的影响较大；定量指标，评级过于依赖于企业自身的财务数据，对宏观经济周期、行业和地区风险的分析不足，各指标的基准值多年来保持不变，未考虑不同经济周期下各行业基准值的变化，指标设置缺乏预警功能，导致评级结果对不同经济周期下风险的敏感度不高，难以反映客户信用状况的变化。

　　根据长行数据积累量不足及违约样本较少的情况，风险管理部进行分阶段、有步骤、循序渐进地研究开发自己的模型框架和参数体系。根据长行一般企业客户所在行业的分布和违约客户的分布状况，综合考虑企业客户的规模和行业的分析结果，为使违约客户数量满足模型开发的要求，以保证未来模型的有效性和稳定性，结合业内通常划分方法和长行的业务需求，对一般企业类客户模型开发类型具体如下。其中大中型批发零售业、小型批发零售业、大中型制造业、新建企业中的定量指标采用了统计模型的开发方法。

　　金融机构一般是指金融产品发行方，可进一步细分为银行、证券、财险、寿险、信托公司、公募基金、金融租赁、财务公司及其他金融机构共9个敞口，根据样本量的不同，风险管理部做了部分统计模型的开发。

　　目前长行将模型计算得出的评分结果与评级做了简单的映射关系，如90分以上为AAA，86-90分为AA+，并设定了AAA、AA、A、BBB、BB、B、CCC、CC、C级等共15个信用等级。但是由于不同模型所采用的指标及指标的权重均有差异，不同模型之间的客户得分其实是不具备可比性的，即评级结果与客户违约率并无相关关系。具体而言，我们不能直接根据评分做客户的风险做出判断，即制造业90分的客户（以下简称“甲客户”）不一定比事业单位80分的客户（以下简称“乙客户”）的信用质量较好。

　　风险管理部将通过以下两个步骤，来实现不同行业、不同模型评分结果之间可比性和评级的量化。

　　（1）评分校准：通过各行业的历史违约率数据和专家判断对评分进行校准，以获得各类客户模型得分与客户违约概率（PD）之间的函数关系。假设根据历史违约率的情况，可以得出甲客户对应的违约率是0.5%，乙客户对应的违约率是0.1%，乙相对于甲而言风险状况较好。

　　（2）设立主标尺：根据监管要求和长行历史数据情况，合理设置PD与评级的映射关系（即主标尺），最终得到客户的评级。由此可以得出甲对应的评级为A+，乙对应的评级为AA+。

　　财务数据往往是企业客户评级模型建设的重要基础之一，主要包括资产负债表、损益表和现金流量表。这三表数据的多寡、数据质量的好坏与模型表现有密切的关系。经数据质量检查，长行在新系统上线旧系统迁徙过程中出现数据错位和丢失，使得部分历史数据无法使用，因此在开发初期风险管理部通过外包人员翻阅信贷档案的方式来进行历史数据的补录，共补录了5000多份财务报表。但从翻阅原始信贷档案的情况来看，财务报表数据仍存在较多不合理的问题，常见的问题有：现金流量表缺失情况严重、报表明细项目缺失、相邻两年财务报表中后一年的期初数与前一年的期末数相差甚远、审计后各项目之间的勾稽关系仍不平衡、报表体现的利润或资产数据与客户所属行业特征不符、事业单位提供的报表种类繁多等。

　　长行将对公企业信用评级模型是嵌入到对公信贷管理系统中，但是存在需要优化和完善的地方，主要问题有：（1）不能够做一些简单的逻辑校验。如系统标识客户的总营业收入单位为万元，但还是有些客户的营业收入误录入为元，导致收入超过百亿，但总资产规模仅为百万。（2）自动化设置不足。如企业划型是固定的，不能根据相关财务数据进行定期的更新；在选择模型时，系统匹配度不高。（3）授信调查报告未标准化和线上化。客户经理需在线下提交纸质的调查报告，而评级模型的指标需客户经理单独在系统中填写，与纸质的授信调查报告无法建立相关校验关系，数据准确性无法得到保证。

　　由于内评建设技术要求较高，工作量较大，在项目建设初期聘请了德勤咨询公司进行建设，同时对专业人员进行培训和知识转移，协助长行内部进行专业团队建设，但后续的模型优化和申请合规工作都需要银行内部培养一支掌握先进风险技术、具有自主研发能力的风险管理队伍。而长行在此方面的专业人才支持较少，无法匹配内评体系建设的高强度和重要性需求，可能会造成难以开发真正适合本行业务特点的评级模型。

　　一是不断优化相关系统的数据管控流程和数据采集规范，同时搭建信用风险数据集市以获取、清洗、转换和存储高质量的内外部数据，实现数据常态管理，持续提升数据质量；

　　二是借助流程标准化中将各类评级指标嵌入到标准化和线上化的授信调查报告中，加强外部征信数据（包括企业征信报告）电子化的开发，升级评级系统，实现评级的信息化管理；

　　三是强化对分支机构和开发人员的培训和知识转移，同时希望借助以岗代训从分支机构培养出一支熟悉长行业务特点和流程的专业人员；

　　四是请各分支机构相关人员务必提供准确、真实的数据，并对系统、流程及时提出反馈和合理的建议。

　　此外，还要感谢各分支机构、授信审批部及相关部门对此次内评项目的支持，风险管理部计划在2017年底完成所有新评级功能的系统上线，努力为各分支机构提供更为科学、合理的评级结果，尽快将评级结果应用于客户准入、授信授权、贷款定价、贷后监尊龙凯时公司官网管和风险预警等方面。

　　总之，内评体系建设不仅仅是风险计量手段，更是实际风险管理技术、信贷管理流程、相关制度有机结合的一整套信用风险管理框架，建设内部评级体系是一项长期性、系统性的工程，涉及信贷管理的各个方面，需统一规划、分步实施，风险管理部将坚持制度创新和技术创新相结合，计量模型与业务运用相结合，扎实推进内评体系的开发和建设，进而为快乐长行的繁荣稳健发展持续保驾护航。

　　此外，还要感谢各分支机构、授信审批部及相关部门对此次内评项目的支持，风险管理部计划在2017年底完成所有新评级功能的系统上线，努力为各分支机构提供更为科学、合理的评级结果，尽快将评级结果应用于客户准入、授信授权、贷款定价、贷后监管和风险预警等方面。

　　总之，内评体系建设不仅仅是风险计量手段，更是实际风险管理技术、信贷管理流程、相关制度有机结合的一整套信用风险管理框架，建设内部评级体系是一项长期性、系统性的工程，涉及信贷管理的各个方面，需统一规划、分步实施，风险管理部将坚持制度创新和技术创新相结合，计量模型与业务运用相结合，扎实推进内评体系的开发和建设，进而为快乐长行的繁荣稳健发展持续保驾护航。返回搜狐，查看更多