1. 课程导入
欢迎进入《多情景加权ECL与宏观经济前瞻调整实战》。在IFRS 9与CAS 22等准则体系下，预期信用损失（ECL）早已不是“期末补提减值”的会计动作，而是一套把信用风险、宏观预测、情景假设与财务披露连接起来的动态计量机制。本课程的目标，是帮助你把“前瞻性调整”从一句准则要求，转化为可建模、可解释、可审计、可复用的工程化流程。
一、学习目标：从会算到会解释、会治理
完成本课程后，你应当具备四类能力。第一，概念贯通：理解ECL三要素（违约概率PD、违约损失率LGD、违约风险暴露EAD）与前瞻调整之间的逻辑关系，明确“无偏、概率加权”不是口号，而是参数与情景设计的约束条件。第二，建模落地：能够把宏观变量（GDP、失业率、利率、房价指数、PMI等）通过卫星模型或回归映射到PD/LGD，并完成多情景加权。第三，工程实现：掌握数据分层、情景权重、折现、账龄迁移、管理层叠加（overlay）等关键环节的配置与代码实现。第四，治理与披露：能够撰写可审计的情景说明、敏感性分析与模型局限性披露，回应审计与监管对“前瞻性信息如何被纳入”的质询。
二、核心概念：三要素、三阶段与多情景加权
ECL的基准公式为：ECL = PD × LGD × EAD × 折现因子。其中PD是“会不会违约”，LGD是“违约后损失多少”，EAD是“违约时暴露多少”。前瞻性调整的本质，是让PD与LGD不再只依赖历史均值，而是随宏观经济情景变化。准则要求考虑“未来经济状况”的多种可能，因此引入多情景加权：为每个情景赋予概率权重，计算各情景ECL后加权求和。
同时，三阶段模型决定了利息收入与ECL的计算基础：阶段1按12个月ECL，阶段2与阶段3按整个存续期ECL。阶段划分本身也受宏观前瞻影响——例如失业率上升可能触发组合层面阶段迁移。因此，前瞻调整不仅改变数值，也可能改变阶段归属，进而影响利息收入与拨备的双重结果。
| 要素 | 含义 | 前瞻调整切入点 | 常见数据来源 |
|---|---|---|---|
| PD | 违约概率 | 宏观变量回归、迁移矩阵调整 | 内部评级、历史违约、外部评级 |
| LGD | 违约损失率 | 抵押物价值、回收率周期调整 | 清收记录、房价指数、处置周期 |
| EAD | 违约风险暴露 | 授信额度使用率、提前还款假设 | 账户余额、额度、还款计划 |
| 情景权重 | 各情景发生概率 | 专家判断与统计模型结合 | 央行预测、内部经济研究 |
| 折现因子 | 将未来损失折现至报告日 | 有效利率、无风险利率选择 | 合同利率、市场收益率曲线 |
三、整体框架：从数据到披露的五层结构
本课程将实战流程拆解为五层。第一层是数据与分层：按产品、客群、区域、评级划分组合，确保同质性。第二层是情景设计：定义基准、乐观、悲观等情景及权重，并给出宏观路径。第三层是参数映射：建立宏观变量到PD/LGD的卫星模型，输出各情景参数。第四层是ECL计算与加权：逐期计算、折现、加权汇总，并叠加管理层调整。第五层是验证与披露：回测、敏感性分析、模型局限说明与审计留痕。
情景加权ECL计算伪代码：
for each scenario s in {base, optimistic, pessimistic}:
for each period t in projection_horizon:
PD[s,t] = satellite_model_pd(macro[s,t], rating, product)
LGD[s,t] = satellite_model_lgd(macro[s,t], collateral, region)
EAD[s,t] = amortization_schedule(balance, prepayment, drawdown)
ECL[s,t] = PD[s,t] * LGD[s,t] * EAD[s,t] * discount_factor(t)
ECL_scenario[s] = sum(ECL[s,t])
ECL_weighted = sum(weight[s] * ECL_scenario[s])
ECL_final = ECL_weighted + management_overlay
四、案例与场景：为什么“多情景”比“单情景”更可信
假设某银行住房抵押贷款组合，基准情景下GDP增长5%、房价上涨3%，悲观情景下GDP增长2%、房价下跌8%。若只采用基准情景，ECL可能被低估；若只采用悲观情景，又可能过度拨备。多情景加权后，ECL既反映基准路径，也反映尾部风险。更重要的是，当监管或审计询问“为什么房价下跌8%时拨备只增加这些”时，你可以展示情景权重、映射系数与逐期现金流，形成可解释的链条。
五、常见误区与复盘要点
- 误区一：把前瞻调整等同于乘以一个系数。 正确做法是让宏观变量通过模型影响PD/LGD的期限结构，而非简单整体缩放。
- 误区二：情景权重长期不变。 权重应随经济周期与预测更新而调整，并保留调整依据与审批记录。
- 误区三：忽视折现与阶段迁移。 折现率选择、阶段划分变化会显著影响ECL，必须与前瞻调整同步考虑。
- 误区四：管理层叠加缺乏治理。 Overlay应有明确触发条件、计算逻辑、上限与复核机制，避免成为“调节利润”的工具。
- 误区五：模型验证只做回测。 还应做敏感性分析、压力测试与专家评审，验证模型在经济转折期的表现。