2. 巴塞尔协议与监管要求
巴塞尔协议，说白了就是全球银行业的“交通规则”。我早年在一家城商行做模型时，最头疼的不是模型本身的算法，而是怎么让模型通过监管验收。你想想看，模型做得再漂亮，如果不符合巴塞尔的要求，那就是个摆设。
这一章咱们就聊聊巴塞尔协议对 PD 模型到底提了哪些硬杠杠，IRB 方法怎么落地，以及资本计量这碗饭怎么吃。别小看这些监管条文——我见过不少团队把模型精度推到 AUC=0.85 以上，结果在验证环节被监管打回来重做，就因为忽视了“审慎性”原则。
巴塞尔协议对 PD 模型的核心要求
巴塞尔协议Ⅱ和Ⅲ对 PD 模型的要求，并不是一个公式或一个指标，而是一整套规则框架。我个人习惯把要求归纳为五个维度：
五个核心硬要求
- 数据长度：至少覆盖一个完整经济周期，一般要求 5~7 年历史数据，2008 年金融危机后很多监管机构要求看 10 年以上。
- 违约定义：必须和监管定义的“违约”完全对齐（90 天逾期或借款人破产等），不能自己拍脑袋。
- 风险区分度：模型必须能有效区分好客户和差客户，AR 值通常在 0.5 以上才过关。
- 保守性与周期覆盖：PD 估计不能过于乐观，要考虑经济下行期的“尾部风险”。
- 验证与持续监控：模型上线后不是万事大吉，每年至少一次全面验证，回溯测试、基准比较都得做。
举个例子，我在做某股份制银行的小微企业项目时，发现历史数据里只有 2017~2019 年（经济上行期）的样本，监管要求补充了 2014~2015 年下行期数据才能通过初步验收——这段经历让我深刻明白：模型的技术指标再好看，若样本不满足“周期覆盖”，全是白搭。
下表列出了巴塞尔协议对 PD 模型在不同级别（基础 IRB 和高级 IRB）下的具体要求对比：
| 要求维度 | 基础 IRB (F-IRB) | 高级 IRB (A-IRB) |
|---|---|---|
| PD 估计 | 银行自行估计 | 银行自行估计 |
| LGD 估计 | 监管给定（不能自调） | 银行自行估计 |
| EAD 估计 | 监管给定 | 银行自行估计 |
| 风险权重函数 | 监管公式 | 监管公式 |
| 数据要求 | 至少 5 年 | 至少 7 年（含下行期） |
| 适用资产 | 大企业、主权、银行 | 各类风险暴露 |
⚠️ 避坑贴士：曾经有一家客户在基础 IRB 下自己偷偷改了 LGD 参数，被监管现场检查发现后，不仅被要求重做所有模型，还罚了款。记住了——F-IRB 下 LGD 和 EAD 是监管给的，别碰。
IRB 方法：内评法到底怎么玩
IRB（内部评级法）不是让银行自己随便搞个评分卡就完事，而是指银行用自己的模型来估算风险参数，然后把这些参数塞进监管公式里算出资本。
说得直白点：监管把“权重公式”写好，银行只负责输入 PD、LGD、EAD、M（期限）这四个数。但每个数的估算都有严格约束。
四大风险参数
- PD（违约概率）——模型核心输出，反应客户在未来一年内违约的可能性。
- LGD（违约损失率）——一旦违约，能回收多少？传统上按抵押物类型、优先级定。
- EAD（违约风险暴露）——违约时银行手中放了多少贷款敞口。表外业务还要折算。
- M（有效期限）——一般为 2.5 年，但某些资产可以按 1 年算。
我在搭建一个消费信贷 PD 模型时，曾被问到“为什么你的 LGD 直接用了监管默认值？”我那时刚入行，回答“因为是 A-IRB 项目”。结果领导当场指出——A-IRB 要求银行自估 LGD，不能用默认值。嗯，当时挺尴尬，后来我把所有资产分类的 LGD 测算文本翻了个遍才搞明白。
注意：基础 IRB 和高级 IRB 在 PD 估计上其实没有本质区别，区别在于 LGD 和 EAD。但无论哪种，PD 模型都要通过严格的统计验证和监管验收。
资本计量基础：公式与直观逻辑
资本计量的底层逻辑是：银行必须持有足够的钱来吸收非预期损失。预期损失（EL）通过拨备解决，非预期损失（UL）才需要资本覆盖。
监管给出的风险权重函数长这样（以公司类风险暴露为例）：
R = 0.12 × (1 - e^(-50×PD)) / (1 - e^(-50))
+ 0.24 × [1 - (1 - e^(-50×PD))/(1 - e^(-50))]
资本要求(K) = RWA × 8%
其中 RWA = 12.5 × K × EAD嗯，这个公式初中生看肯定懵。但你可以这么理解：
- PD 越高，风险权重越大，但有个上限（PD=1 时权重接近 0.24）
- 不同资产类别（企业、零售、住房抵押）有不同的函数参数
- 最后乘 12.5 是为了把资本转换成风险加权资产（RWA）
举个具体计算例子：假设一个企业客户的 PD=0.02（2%），EAD=100 万，LGD=45%，期限 M=2.5 年：
相关性 R = 0.12×(1-e^{-1})/(1-e^{-50}) + 0.24×[1 - ...]
≈ 0.176
资本系数 K = LGD × Φ( (Φ^{-1}(PD) + √R × Φ^{-1}(0.999)) / √(1-R) )
- PD × LGD
简化后 K ≈ 0.078
RWA = 12.5 × K × EAD = 12.5 × 0.078 × 100万 ≈ 97.5万
资本充足率 ≥ 8%，所以这家银行需要至少 7.8 万元的资本来覆盖这笔贷款的信用风险。当然，实际银行不会一笔一笔算，而是用整个资产组合的 PD、LGD、EAD 做聚合。但监管资本计算模型的核心就是这个——你每多放一笔贷款，就得多留一笔资本。
我的经验：很多同学问我为什么要有 12.5 这个系数，让计算看起来复杂。说白了，巴塞尔委员会当年的思路是：风险加权资产 = 12.5 × 资本要求，这样在资本充足率 8% 时倒推出 RWA 的物理意义——你想放 100 万贷款，得有至少 8 万资本。12.5 就是 1/0.08。
一张图看懂：从 PD 模型到资本计量的监管链条
下面这张流程图画出了巴塞尔协议、IRB 方法和资本计量之间的联动关系。每一个箭头都代表一个监管约束，缺失任何一环，模型就无法通过验收。
搞懂了这些监管框架，你就能理解为什么 PD 模型不止是建模技术问题，更是一个合规性问题。下一块，我们就要进入模型构建的实战环节——从数据清洗开始，一步步搭出能交付的评分卡。嗯，准备好你的 Python 环境吧。