2. EAD基础概念

在信用风险计量体系中，EAD（Exposure at Default，违约风险暴露）是三大核心参数之一。它回答的是一个看似简单却极易被低估的问题：当交易对手真正违约的那一刻，银行到底暴露了多少风险敞口？对于已经提取的贷款，EAD近似等于账面本金；但对于授信额度、循环信贷、信用证、衍生品等表内外业务，EAD必须考虑“违约前借款人还会继续提款”的行为，因此它天然带有预测属性，也是回测与行为验证的重点对象。

一、核心原理：EAD的定义与计量逻辑

从监管资本视角看，EAD是指在违约事件发生时，对某一交易对手或某一债项可能存在的风险敞口金额。其基本计量逻辑可以概括为：

EAD = 当前已提取金额 + 违约前可能进一步提取的金额（CCF × 未提取额度）
其中：
  当前已提取金额 = Drawn Amount
  未提取额度     = Undrawn Limit
  CCF            = 信用转换系数（Credit Conversion Factor）

对于表内贷款，EAD通常等于本金加应收利息；对于表外承诺，EAD通过CCF将未提取额度转换为等价风险暴露。例如，某客户授信1000万元，已提款600万元，若CCF为50%，则EAD = 600 + 50% × 400 = 800万元。这意味着，即使客户当前只用了600万元，银行在资本计量中仍需按800万元承担风险。

二、监管要求：巴塞尔框架下的EAD约束

巴塞尔协议对EAD的计量提出了明确要求。在内部评级法（IRB）下，银行可以使用初级法或高级法。初级法中，CCF由监管给定；高级法中，银行需自行估计CCF，并接受监管验证。核心要求包括：

• 违约时点一致性：EAD必须与PD、LGD的违约定义保持一致，通常以“违约事件发生日”为观察点。
• 保守性要求：对于未提取额度，若缺乏可靠数据，应使用监管上限或保守估计，避免低估风险。
• 数据历史长度：高级法通常要求至少5年观测数据，覆盖完整经济周期。
• 回测与验证：银行需定期将预测EAD与实际违约时暴露进行对比，验证CCF模型的稳定性与准确性。
• 限额管理：EAD计量结果需与授信额度管理、风险偏好和资本规划联动。

监管关注的核心不是EAD公式本身，而是银行是否真正理解并控制了“违约前额外提款”这一行为风险。这也是本课程后续回测与额度使用行为验证的出发点。

三、EAD与PD、LGD的关系：三大参数的协同

信用风险资本计量的经典公式为：

预期损失 EL = PD × LGD × EAD
非预期损失 UL = f(PD, LGD, EAD, 相关性)

三者关系可以这样理解：PD回答“会不会违约”，LGD回答“违约后损失多少”，EAD回答“违约时涉及多少金额”。它们不是独立参数，而是同一风险事件在不同维度上的投影。例如，当PD上升时，借款人可能更倾向于提取剩余额度，导致EAD上升；当LGD上升时，抵押品价值下降，也可能伴随EAD增加。因此，在模型验证中，必须检查EAD与PD、LGD之间的相关性是否被合理捕捉。

四、资本计量中的应用场景与实战案例

EAD在银行风险管理中应用广泛，典型场景包括：

1. 监管资本计量：IRB法下，EAD直接进入风险加权资产（RWA）计算，影响资本充足率。
2. 内部经济资本：用于分配经济资本、衡量风险调整后收益（RAROC）。
3. 授信额度管理：通过EAD与限额对比，识别额度使用异常和集中度风险。
4. 定价与拨备：EAD影响预期损失，进而影响贷款定价和拨备计提。
5. 压力测试：在宏观压力情景下，模拟PD上升与EAD上升的联合冲击。

五、常见误区与复盘要点

在实际建模与验证中，EAD常被误用或简化，以下误区需要警惕：

• 误区一：将EAD等同于当前余额。这忽略了未提取额度和违约前提款行为，尤其对循环信贷和承诺类业务偏差巨大。
• 误区二：CCF一刀切。不同产品、不同客户群、不同经济周期的CCF差异显著，需分层估计。
• 误区三：忽视违约时点定义。EAD观察点若与PD违约定义不一致，会导致参数错配。
• 误区四：回测只看平均值。应关注分布尾部、异常额度和行为突变，避免被平均掩盖风险。
• 误区五：额度使用行为与EAD脱节。额度使用率、提款频率、还款行为都是EAD验证的重要输入。

综上，EAD是连接授信额度、提款行为与资本计量的关键桥梁。理解其定义、监管约束及与PD/LGD的协同关系，是后续开展EAD回测与额度使用行为验证的基础。下一阶段，我们将进入数据准备与回测框架设计，把上述概念转化为可执行的验证流程。