1. 模型风险管理概述
1.1 模型风险的定义
模型风险是指在使用定量模型（包括统计模型、机器学习模型、计量经济模型等）进行决策、估值、预测或风险计量时，由于模型本身的设计缺陷、实施错误、数据问题或误用，导致产生不良后果（如财务损失、监管处罚、声誉损害）的潜在风险。
核心定义：模型风险 = 模型输出与真实值之间的偏差 × 该偏差导致的决策损失。模型风险不仅来源于模型本身的错误，还包括模型被错误使用或在不适用场景下部署的风险。
1.2 模型风险的来源
模型风险的来源可归纳为以下五大类：
| 风险来源 | 具体表现 | 典型示例 |
|---|---|---|
| 数据风险 | 数据质量差、样本偏差、数据缺失、数据时效性不足 | 使用2008年金融危机前的数据训练信用评分模型，无法反映后危机时期的违约模式 |
| 模型设计风险 | 假设不合理、算法选择错误、特征工程不当、过拟合/欠拟合 | 线性回归假设自变量独立，但实际变量间存在多重共线性 |
| 模型实施风险 | 编码错误、参数配置错误、版本管理混乱、计算精度问题 | Python与R的浮点运算精度差异导致风险价值（VaR）计算结果偏差 |
| 模型误用风险 | 模型应用于训练集之外的群体、跨周期使用、忽略环境变化 | 将零售信用评分模型直接用于小微企业信贷审批 |
| 模型治理风险 | 缺乏文档、验证不充分、监控缺失、变更管理混乱 | 模型上线后未建立持续监控机制，性能退化未被及时发现 |
1.3 模型风险的影响
模型风险的影响范围广泛，从微观的个体机构到宏观的金融体系稳定：
- 财务损失：错误的风险计量导致资本不足、定价失误、交易亏损。例如，长期资本管理公司（LTCM）因模型假设失效导致40亿美元损失。
- 监管处罚：监管机构对模型管理不力的机构处以高额罚款。2020-2023年间，全球主要银行因模型治理缺陷累计被罚超过120亿美元。
- 声誉损害：模型失败事件被媒体曝光后，客户信任度下降，股价承压。
- 系统性风险：多家机构使用相似模型时，模型缺陷可能引发连锁反应，威胁金融稳定。
监管警示：巴塞尔委员会在《有效风险数据汇总与风险报告原则》（BCBS 239）中明确指出，模型风险管理缺陷是导致2008年金融危机的重要诱因之一。模型风险不再是"技术问题"，而是上升到"公司治理"层面的核心议题。
1.4 模型风险管理框架（MRM）的核心原则
模型风险管理框架（Model Risk Management, MRM）是一套系统化的制度、流程和控制措施，旨在识别、评估、监控和缓释模型风险。其核心原则包括：
1.5 监管要求概览
全球主要监管机构对模型风险管理提出了明确要求，构成了MRM框架的外部约束：
| 监管框架/指引 | 发布机构 | 核心要求 | 对告警阈值的影响 |
|---|---|---|---|
| SR 11-7 / OCC 2011-12 | 美联储 / OCC | 模型定义、分级、验证、文档、监控、治理的完整框架 | 要求建立明确的性能监控指标和触发阈值 |
| BCBS 239 | 巴塞尔委员会 | 风险数据汇总与风险报告的原则 | 模型输出数据的准确性和及时性需设置告警 |
| EBA GL on Model Risk | 欧洲银行管理局 | 模型风险识别、评估、治理的通用指引 | 阈值需基于模型重要性进行差异化设置 |
| 《商业银行模型风险管理指引》 | 中国银保监会 | 模型风险管理的全流程规范，强调模型监控与告警 | 明确要求建立模型性能退化告警机制 |
课程定位：本教程聚焦于MRM框架中"持续监控"原则下的核心技术环节——告警阈值调优。阈值是模型监控系统的"哨兵"，合理的阈值设置能够在不增加误报率的前提下，及时捕捉模型性能退化信号，是模型风险管理的"第一道防线"。
1.6 模型风险管理的组织架构
有效的MRM需要"三道防线"的组织架构支撑：
1.7 告警阈值在MRM中的定位
告警阈值是模型监控系统的核心参数，直接决定了模型风险能否被及时、准确地识别。本课程将围绕以下关键问题展开：
- 阈值类型：性能阈值（如KS、AUC、PSI）、数据质量阈值（如缺失率、异常值比例）、稳定性阈值（如特征分布偏移）
- 调优目标：在误报率（False Positive）和漏报率（False Negative）之间取得最优平衡
- 调优方法：统计方法（如置信区间法）、经验方法（如历史分位数法）、机器学习方法（如代价敏感学习）
- 验证机制：阈值设定后需经过回测验证，确保其在历史极端场景下的有效性
本章小结：模型风险管理是金融机构风险管理的核心组成部分，告警阈值调优是MRM框架中"持续监控"原则的关键技术实现。理解模型风险的定义、来源、影响以及MRM框架的核心原则与监管要求，是掌握告警阈值调优方法的前提。从下一章开始，我们将深入探讨告警阈值的数学基础与调优算法。