2. 异常波动概念：什么是风险异常波动、波动类型（系统性/非系统性）、波动对模型的影响
2.1 风险异常波动的定义
在MRM（模型风险管理）框架下，风险异常波动是指模型输出的风险指标（如PD、LGD、EAD、VaR、预期损失等）在短时间内出现超出正常统计区间的剧烈变化，且无法由模型既定的输入变量或业务逻辑充分解释的现象。
异常波动并非简单的“数值变大”，而是指波动幅度、频率或方向显著偏离模型在开发与验证阶段所设定的基准分布。判断标准通常包括：
- 统计阈值突破：波动幅度超过历史分布的99%分位数或3倍标准差。
- 业务逻辑背离：模型输出变化方向与宏观经济、资产质量的实际趋势相矛盾。
- 持续性异常：单点偶发异常通常归因于数据噪声，连续多个周期出现异常则需启动排查。
关键提示： 风险异常波动是模型失效的早期信号，而非最终结论。排查的目标是区分“模型需要重新校准”与“业务环境发生结构性变化”。
2.2 波动类型：系统性 vs. 非系统性
根据波动来源与影响范围，风险异常波动可分为两大类。下表从多个维度进行对比：
| 对比维度 | 系统性波动 | 非系统性波动 |
|---|---|---|
| 定义 | 由宏观经济、监管政策、市场整体风险偏好等全局因素引发的波动 | 由个体资产、特定客群、数据错误或模型局部缺陷引发的波动 |
| 影响范围 | 覆盖模型组合中大部分或全部资产 | 仅影响特定子组合、产品线或风险因子 |
| 典型诱因 | 利率突变、GDP骤降、系统性金融危机、监管新规 | 单笔大额违约、数据录入错误、特征工程缺陷、局部客群偏移 |
| 可分散性 | 不可通过资产组合分散 | 可通过资产组合分散或对冲 |
| 排查优先级 | 高——需立即评估模型框架是否失效 | 中——需定位具体根因并修复 |
| 应对策略 | 模型重新开发、压力测试框架调整、参数全局校准 | 数据清洗、特征修正、局部重训练、异常样本剔除 |
2.3 波动对模型的影响路径
无论是系统性还是非系统性波动，都会通过以下三条主要路径对MRM模型产生实质性影响：
- 参数稳定性破坏：模型参数（如回归系数、违约阈值、风险权重）在异常波动期间失去统计显著性，导致模型预测偏差持续扩大。
- 区分能力下降：风险排序能力（如AUC、KS指标）显著恶化，高风险与低风险客户的特征边界变得模糊。
- 资本计量失真：基于模型输出的监管资本（RWA）或经济资本出现非预期跳变，直接影响资本充足率与经营决策。
避坑提醒： 不要将“模型输出波动”直接等同于“模型错误”。必须先排除输入数据质量问题和外部环境突变，再判断模型本身是否需要干预。
2.4 异常波动排查决策流程
下图展示了从发现异常波动到确定波动类型的标准化排查路径：
2.5 波动影响量化评估表
在实际排查中，建议使用以下量化指标评估波动对模型的具体影响程度：
| 评估维度 | 核心指标 | 正常范围 | 异常波动阈值 | 影响等级 |
|---|---|---|---|---|
| 参数稳定性 | 参数变异系数 (CV) | < 0.15 | ≥ 0.30 | 高 |
| 区分能力 | KS统计量 | ≥ 0.30 | < 0.20 | 高 |
| 校准度 | Hosmer-Lemeshow P值 | > 0.05 | < 0.01 | 中 |
| 资本计量 | RWA月度波动率 | < 5% | ≥ 15% | 极高 |
| 预测偏差 | 平均绝对误差 (MAE) | 基线 ± 10% | 基线 ± 30% | 中 |
实践建议： 建立波动监控仪表盘，将上述指标设置为红黄绿三色预警。当任意指标进入“异常波动阈值”区间时，自动触发排查流程，并记录波动类型与根因分析结果，形成历史知识库。