劉久彪

（天津財經(jīng)大學(xué)金融學(xué)院，天津 300222）

引 言

在商業(yè)銀行內(nèi)部評級系統(tǒng)開發(fā)過程中，準(zhǔn)確地設(shè)定主標(biāo)尺、劃分信用等級或者風(fēng)險分欄具有特別重要的實踐意義。依據(jù)評級主標(biāo)尺，每個經(jīng)模型評分的借款人被歸類到特定的信用等級，同一等級的借款人統(tǒng)一被賦予相同的違約概率，稱為池化違約概率[1]。商業(yè)銀行基于信用等級和池化違約概率進行信貸審批、差異化貸款合同（如執(zhí)行利率等），以及計算匹配自身風(fēng)險程度的資本要求、相應(yīng)的經(jīng)濟資本配置等[2]。

我國商業(yè)銀行內(nèi)部評級體系的建立從公司客戶起步，設(shè)計主標(biāo)尺的一個重要考慮是滿足公司客戶的評級分布需要。這樣很容易造成在設(shè)計主標(biāo)尺時其他組合被忽略，如沒有考慮主權(quán)、金融機構(gòu)客戶評級分布的需要[3]。完成這些組合的模型開發(fā)后會發(fā)現(xiàn)，對原來基于公司客戶違約風(fēng)險分布設(shè)計的主標(biāo)尺中高等級客戶細(xì)分不夠，高等級段越來越擁擠，導(dǎo)致某些級別客戶數(shù)量集中度不斷提高，接近甚至超過監(jiān)管規(guī)定的30%上限[4]。和國際同業(yè)相比，我國商業(yè)銀行將低違約概率區(qū)間（0%~0.5%）僅劃分為2~3級，而國外同業(yè)明顯更高，過粗的區(qū)間劃分會高估主權(quán)、金融機構(gòu)、特大型企業(yè)客戶的違約風(fēng)險，導(dǎo)致內(nèi)評法下計算的風(fēng)險加權(quán)資產(chǎn)高于權(quán)重法，給內(nèi)部評級體系的全面推廣和使用造成障礙[5]。因而，設(shè)定最優(yōu)主標(biāo)尺成為諸多商業(yè)銀行實踐最佳風(fēng)險管理的基礎(chǔ)和關(guān)鍵步驟之一。

本文應(yīng)用均值聚類方法設(shè)計優(yōu)化商業(yè)銀行內(nèi)部評級主標(biāo)尺，同時引入差分進化算法改善運算速度[6]，以期能夠滿足更小間隔尺寸的求解需要。由于信用評級分布固有的離散屬性，要求足夠的間隔尺寸（粒度）與適度的（池化引起的）模型風(fēng)險，兩者之間必須是平衡的，此種方法對有較大規(guī)模樣本數(shù)據(jù)支持的情況可以顯著提高風(fēng)險管理的精度。

1 文獻(xiàn)綜述

違約概率估計和主標(biāo)尺優(yōu)化是商業(yè)銀行內(nèi)部評級中緊密相關(guān)、相互促進的兩個步驟，目前對于前者的研究較為深入，而對后者的關(guān)注較少。

關(guān)于違約概率的估計，Angelini等開發(fā)了一個前饋神經(jīng)網(wǎng)絡(luò)進行信用風(fēng)險評估，用意大利小型企業(yè)真實數(shù)據(jù)測試發(fā)現(xiàn)，其可以非常成功地學(xué)習(xí)和估計借款人的負(fù)債/違約傾向[7]。葛美玲等篩選40家上市公司作為研究樣本，構(gòu)建了基于15個財務(wù)指標(biāo)的Logistic回歸模型，對我國企業(yè)的信用風(fēng)險進行預(yù)測分析[8]。肖斌卿等以某農(nóng)商銀行微觀信貸數(shù)據(jù)為樣本，應(yīng)用模糊神經(jīng)網(wǎng)絡(luò)開展小微企業(yè)信用評級，實證結(jié)果表明，該方法具有較BP神經(jīng)網(wǎng)絡(luò)模型更高的檢測精度和穩(wěn)健性[9]。石寶峰等結(jié)合PROME-THEE-II（偏好順序結(jié)構(gòu)）和聚類分析方法，構(gòu)建了商戶小額貸款信用評級模型，并對我國某國有商業(yè)銀行2 157個商戶小額貸款樣本進行了實證[10]。馬曉君等采用數(shù)據(jù)分割方式，將人工蜂群算法優(yōu)化支持向量機應(yīng)用于我國上市公司信用評級，結(jié)果顯示，其較傳統(tǒng)支持向量機算法，評級準(zhǔn)確率顯著提高了5%~7%[11]。

關(guān)于信用等級劃分和主標(biāo)尺的設(shè)定，F(xiàn)oglia等歸結(jié)信用評級為聚類問題，認(rèn)為主標(biāo)尺設(shè)計實際上是一個帶有不同約束條件的多目標(biāo)優(yōu)化問題[12]。Thiemo等對2003年某意大利商業(yè)銀行的11 995個中小企業(yè)客戶的樣本數(shù)據(jù)，使用均值聚類方法分別確定了誤差最小化的7個、10個和15個風(fēng)險分欄[13]。Alexander以默頓方法估計一個風(fēng)險中性距離違約指標(biāo)，將其與財務(wù)比率等會計指標(biāo)一起作為解釋變量，采用有序probit回歸建立了一個信用評級混合模型[14]。章善云根據(jù)上市公司的財務(wù)特征指標(biāo)，使用模糊動態(tài)聚類模型對所選樣本企業(yè)進行信用評級和風(fēng)險分類[15]。曹勁將主標(biāo)尺設(shè)定與模型校準(zhǔn)相結(jié)合，構(gòu)建了從中心違約趨勢出發(fā)、從映射函數(shù)出發(fā)和從債務(wù)人評級分布出發(fā)三種工作方案[16]。整體上，國內(nèi)外此方面的研究仍十分薄弱，代表性的成果比較少。

2 主標(biāo)尺介紹

2.1 主標(biāo)尺的定義

商業(yè)銀行主標(biāo)尺是由所有劃定的信用等級及其對應(yīng)的違約概率區(qū)間組成的評級標(biāo)識，每個評級標(biāo)識都有相應(yīng)信用風(fēng)險的定性描述，形成覆蓋所有資產(chǎn)組合的校準(zhǔn)違約概率與具體等級之間的映射關(guān)系[17]。

2.2 主標(biāo)尺的特征

主標(biāo)尺是信用風(fēng)險內(nèi)部評級體系的重要基礎(chǔ)，監(jiān)管機構(gòu)對主標(biāo)尺提出了明確要求。巴塞爾銀行監(jiān)管委員會發(fā)布的《統(tǒng)一資本計量和資本標(biāo)準(zhǔn)的國際協(xié)議：修訂框架》明確要求，結(jié)合相關(guān)的業(yè)務(wù)實際，主標(biāo)尺應(yīng)具備以下基本特征：

（1）主標(biāo)尺應(yīng)以債務(wù)人真實或者模型校準(zhǔn)的違約概率為標(biāo)準(zhǔn)劃分，分布要合理，不能過于集中，級別應(yīng)按照債務(wù)人違約概率的大小排序，確保對信用風(fēng)險的有效區(qū)分。

（2）主標(biāo)尺應(yīng)涵蓋商業(yè)銀行所有類型資產(chǎn)的整體風(fēng)險范圍，應(yīng)將違約概率連續(xù)且沒有重疊地映射到信用等級。

（3）信用等級的劃分應(yīng)足夠精細(xì)到可以分辨不同的風(fēng)險狀態(tài)，至少設(shè)置7個非違約級別和1個違約級別。

（4）相鄰信用等級的違約概率數(shù)值不能變化過大，各個違約概率區(qū)間的跨度（即上、下限差值）應(yīng)該是單調(diào)的，且最好是按幾何級數(shù)方式增加。

（5）違約概率映射要照顧商業(yè)銀行現(xiàn)有的評級和客戶分布，不能顯著偏離[18]。銀行保險監(jiān)督管理委員會發(fā)布的《商業(yè)銀行資本管理辦法（試行）》沿用國際監(jiān)管規(guī)則的同時，也明確客戶不應(yīng)過于集中在單個信用等級，每個等級的客戶數(shù)目不應(yīng)超過客戶總數(shù)的30%。

2.3 主標(biāo)尺的作用

建立主標(biāo)尺應(yīng)該滿足客觀性、獨立性、統(tǒng)一性和穩(wěn)定性的要求?？陀^性是指主標(biāo)尺只是違約概率與信用等級之間客觀對應(yīng)，獨立性是指不同商業(yè)銀行的主標(biāo)尺可以不同，統(tǒng)一性是指全行的主標(biāo)尺盡量統(tǒng)一，穩(wěn)定性是指除非客戶群和環(huán)境發(fā)生重大變化，主標(biāo)尺一般不宜頻繁變動[19]。實踐中，商業(yè)銀行針對不同產(chǎn)品條線、各類資產(chǎn)組合分別開發(fā)風(fēng)險模型，并校準(zhǔn)模型到所謂的“真實”違約概率。然后，按照主標(biāo)尺定義的違約概率尺度確定信用等級，每個等級的長期中心違約趨勢設(shè)為“池化”違約概率，同一信用等級被賦予相同的違約概率“估計”。一方面，主標(biāo)尺將風(fēng)險模型和信用等級、違約概率連接起來，客戶的相對“好”“壞”可以通過違約概率的數(shù)值差異體現(xiàn)出來。另一方面，統(tǒng)一的對比尺度使不同資產(chǎn)組合的風(fēng)險比較成為可能，實現(xiàn)了對非零售客戶違約風(fēng)險的區(qū)分，從而奠定了統(tǒng)一的風(fēng)險計量基礎(chǔ)。

3 主標(biāo)尺的設(shè)計方法

主標(biāo)尺的構(gòu)成要素主要包括由字母或數(shù)字表示的信用等級、評級標(biāo)識和相應(yīng)的違約概率區(qū)間。作為一個相對獨立的工作環(huán)節(jié)，主標(biāo)尺的設(shè)計過程即是確定信用等級數(shù)目、每個等級對應(yīng)的違約概率上限值、下限值和區(qū)間代表值的過程。其中，違約概率區(qū)間的代表值表示信用等級的整體違約概率，即池化違約概率，其反映了商業(yè)銀行處于該等級客戶的長期平均違約率，也是最終計算風(fēng)險加權(quán)資產(chǎn)的違約概率值[20]。

為設(shè)計合格的商業(yè)銀行內(nèi)部評級主標(biāo)尺，Thiemo等總結(jié)三種方法[13]：

（1）利用歷史違約率作為未來違約概率的替代。該方法要求商業(yè)銀行具有每個信用等級或風(fēng)險分欄在數(shù)年內(nèi)（如3~10年）的年度違約率記錄，據(jù)此計算每一等級的平均違約率作為整體違約概率，或稱池化違約概率的估計值。該方法直觀上看起來非常有吸引力，但如果評級系統(tǒng)是新設(shè)計、或者最近重新設(shè)計過的，又或使用者對評級系統(tǒng)的要求較高，那么實際上是沒有這種方法要求的歷史數(shù)據(jù)集合可用。

（2）外部評級映射。該方法的基本思想是根據(jù)與外部評級系統(tǒng)的相似性，將其作為商業(yè)銀行內(nèi)部評級主標(biāo)尺設(shè)計和優(yōu)化的重要參照和起點，如參照標(biāo)準(zhǔn)普爾、穆迪等大型評級機構(gòu)的標(biāo)尺確定自己的風(fēng)險分欄和池化違約概率，而通過確保商業(yè)銀行遵循外部評級機構(gòu)公布的一系列定義和準(zhǔn)則便可得到這種相似性。一旦設(shè)定了商業(yè)銀行內(nèi)部評級與某個外部評級的對應(yīng)關(guān)系，基于后者過去的評級和違約數(shù)據(jù)集合，就能比較容易地計算出各個等級的整體違約概率，并將這些池化違約概率指定給內(nèi)部評級系統(tǒng)的各個風(fēng)險分欄。

盡管這種方法簡單而吸引人，且可以利用外部評級數(shù)據(jù)計算出長期的違約頻率，但這種方法也存在許多令人關(guān)注的問題，如其準(zhǔn)確性取決于內(nèi)部評級與外部評級的評級原則的相似程度?？傮w上，映射評級必須建立在兩個評級系統(tǒng)可相互比較的基礎(chǔ)上。

（3）聚類優(yōu)化方法。聚類的指導(dǎo)思想是按照某個特定標(biāo)準(zhǔn)（如距離準(zhǔn)則）把一個數(shù)據(jù)集合分割成不同的類或簇，使同一簇內(nèi)數(shù)據(jù)對象的相似性盡可能大，而不在同一簇中的數(shù)據(jù)對象的差異性也盡可能大?；蛘哒f，同類數(shù)據(jù)盡可能聚集，不同類數(shù)據(jù)盡量分離。這與設(shè)計評級標(biāo)尺的考慮是一致的：一個合適的評級標(biāo)尺既要保證不同等級借款人之間的差異最大，又要確保同一等級借款人之間具有最大的相似性。

由于信用評級也可視為按照樣本信用水平進行的分類，商業(yè)銀行評級主標(biāo)尺設(shè)計可看成一個借款人信用等級最優(yōu)劃分的聚類問題，采用基于誤差統(tǒng)計量的均值聚類算法求解，該算法的目標(biāo)是在一定的約束條件下，尋找所有借款人的最優(yōu)分割，使得所有信用等級（或風(fēng)險分欄）內(nèi)的誤差之和最小，即各借款人估計的違約概率與其相關(guān)的整體違約概率（即池化違約概率）之差的平方和的最小值，如（1）式條件優(yōu)化式：

其中，k=1，…，K，k表示信用等級，K為信用等級總數(shù)，Nk表示等級k中的債務(wù)人數(shù)目，N表示所有等級的債務(wù)人總數(shù)表示等級k的池化違約概率，PDi表示借款人i的“真實”或模型校準(zhǔn)違約概率，Ei，k表示等級k中債務(wù)人i的風(fēng)險暴露，ETotal表示商業(yè)銀行總風(fēng)險暴露。

該方法具有含義明確、簡單實用和效率較高的優(yōu)點，F(xiàn)oglia利用其確定了意大利公司在1995—1998年大型樣本的7個、10個和15個風(fēng)險分欄。但是，該方法需要事先指定k值，不適用于最優(yōu)k值未知情況下的求解，且嚴(yán)重依賴于初始聚類中心的選取，導(dǎo)致算法的聚類結(jié)果穩(wěn)定性較差，容易陷于局部最優(yōu)，而非全局最優(yōu)。本文擬采用差分進化算法對傳統(tǒng)的均值聚類進行改善，將前者的全局優(yōu)化能力結(jié)合到后者的局部搜索和實用高效操作之中，可望取得較好的聚類效果，為商業(yè)銀行內(nèi)部評級主標(biāo)尺的設(shè)計提供一種更為優(yōu)異的可選方法。

4 基于差分進化的均值聚類算法

4.1 均值聚類算法

采用均值聚類算法求解條件約束優(yōu)化（1）式，具體過程如下：

（1）設(shè)定信用等級數(shù)目為K，隨機選取K個初始聚類中心PD1，…，PDk；

（2）計算各數(shù)據(jù)點PDi與各聚類中心PDk距離的大小，以最小為原則聚類；

（3）計算聚類準(zhǔn)則函數(shù)，即（1）式的目標(biāo)函數(shù)；

（4）判斷聚類準(zhǔn)則函數(shù)是否收斂，若收斂停止計算并輸出結(jié)果。否則，重新選取聚類中心進行最小距離原則的聚類，直至收斂。

4.2 應(yīng)用差分進化對均值聚類算法改進

應(yīng)用差分進化改進均值聚類算法主要體現(xiàn)在上面步驟（4）中，應(yīng)用差分進化重新選取聚類中心，而不是按照固定長度的循序增減或牛頓梯度法等具有明顯不確定性的選取方法。若基于隨機選取的聚類中心計算出的聚類準(zhǔn)則函數(shù)（1）式不收斂，則執(zhí)行差分進化算法的變異、交叉、選擇操作，獲得更優(yōu)的聚類中心。

對于第G代準(zhǔn)則函數(shù)不收斂的每個聚類中心PDk，G，k=1，…，K，差分進化算法具體步驟如下。

4.2.1 變異操作

作為父代群體變量，選擇與其距離最近的個體作為父代差分變量，按（2）式生成變異個體uk，G：

其中，F(xiàn)為縮放因子，G為當(dāng)前種群的代數(shù)。

4.2.2 交叉操作

變異后的個體uk，G和種群的當(dāng)前個體PDk，G進行交叉操作，生成K維中間交叉檢驗個體，設(shè)為vk，G其交叉檢驗式如（3）式：

其中，rand（0，1）是（0，1）間服從均勻分布的隨機數(shù)，CR∈(0，1)是交叉概率，一般在0.3～0.9之間取值，r為{1，…，K}上的一個隨機整數(shù)。

4.2.3 選擇操作

定義適應(yīng)度函數(shù)f（X）為（4）式：

其中，X=（x1，…，xk）為進行適應(yīng)度檢驗的聚類中心向量，PDi，i∈k為按照距離大小原則聚類到k類的任一樣本為k類樣本的平均違約概率。

采用上面的均值聚類算法，分別計算當(dāng)前進化個體和中間交叉試驗個體作為聚類中心的適應(yīng)度值。按照最小化求解原則，適應(yīng)度函數(shù)值更小的個體才有可能進入下一代種群中繼續(xù)進化。

4.2.4 算法終止

定義經(jīng)過選擇操作的適應(yīng)度函數(shù)值小的聚類中心為PDk，G+1，判斷其聚類準(zhǔn)則函數(shù)是否收斂，若收斂停止計算并輸出結(jié)果。否則，重新回到變異操作選取聚類中心進行最小距離原則的聚類，直至收斂。

5 實例應(yīng)用

5.1 實例描述

某商業(yè)銀行在內(nèi)部評級系統(tǒng)開發(fā)過程中，由于當(dāng)時缺乏相關(guān)經(jīng)驗，參照某外部評級進行了“四等十級”的等級劃分，并通過映射方法相應(yīng)地構(gòu)建了信用評級主標(biāo)尺，具體如表1。

表1 某商業(yè)銀行內(nèi)評初期的信用等級設(shè)置和主標(biāo)尺

5.2 主標(biāo)尺優(yōu)化

經(jīng)過一段時間的試運行，該商業(yè)銀行積累了更多的評級經(jīng)驗和違約數(shù)據(jù)。同時，也認(rèn)為這種傳統(tǒng)的十級劃分對客戶的區(qū)分程度不高，不利于精確計算資本要求，最終會影響風(fēng)險管理的效果，因而需要進一步細(xì)化原有的風(fēng)險分欄。為此，該商業(yè)銀行首先整理了新積累的10 000個對公客戶樣本數(shù)據(jù)，其中部分列表見表2。

表2 某商業(yè)銀行部分對公客戶的內(nèi)評結(jié)果和履約狀況

基于新積累的樣本數(shù)據(jù)，該商業(yè)銀行將內(nèi)部評級系統(tǒng)細(xì)化為14級，并采用基于差分進化的均值聚類算法設(shè)計符合自身業(yè)務(wù)實際的主標(biāo)尺。其中，縮放因子F取0.5，交叉概率CR取0.1，最大進化迭代次數(shù)設(shè)為1 000，運用Matlab仿真求解新的聚類中心，以此得到新的信用等級設(shè)置的主標(biāo)尺，如表3所示。

表3 某商業(yè)銀行優(yōu)化后的信用等級設(shè)置和主標(biāo)尺

5.3 效果檢驗

驗證每一信用等級的違約概率是個十分重要的步驟，其直接決定監(jiān)管資本計算的準(zhǔn)確性，監(jiān)管要求使用內(nèi)部評級的商業(yè)銀行必須實施比較違約概率估計與違約率觀察值的檢驗。目前，Brier評分是最常用的單個時期全部等級檢驗的統(tǒng)計量，其定義為一組事件的預(yù)測概率與事件結(jié)局偏差的平方均值。在已知驗證樣本中，由每個借款人的預(yù)測違約概率和其實際信用結(jié)果偏差的平方均值產(chǎn)生，取值在0與1之間，縮寫為BS：

其中，yi為借款人i的違約指示變量，違約時取1，履約時取0；PD（i）為借款人i的預(yù)測違約概率，N為樣本中借款人數(shù)。

假設(shè)評級系統(tǒng)的信用等級個數(shù)為K，當(dāng)任意借款人i（i=1，…，N）被指定為等級k（k=1，…，k）時，PD（i）=PDk表示所有評級的預(yù)測違約概率與實際結(jié)局偏差的平方均值。BS可計算為（6）式：

其中，PDk為k級借款人的預(yù)測違約概率，Nk為k級借款人數(shù)，Nk，y=1為k級借款人中違約的個數(shù)，pk=Nk，y=1/Nk是k級借款人的實際違約率。

若評級系統(tǒng)預(yù)測違約借款人的違約概率高，則預(yù)測履約借款人的違約概率低，也就是說，每個等級的PDk與Pk越接近，則整個系統(tǒng)的BS值越小。一般說來，其他條件保持不變，BS值越接近零，違約概率預(yù)測的質(zhì)量越好；BS越高，評級系統(tǒng)的性能越差。

對上面某商業(yè)銀行具體實例檢驗評級優(yōu)化的效果，將表2示例全部10 000個對公客戶的內(nèi)部評級結(jié)果分別映射到表1所示的原評級系統(tǒng)和表3所示的優(yōu)化后評級系統(tǒng)，根據(jù)客戶的履約狀況，分別結(jié)合兩個評級系統(tǒng)各個等級的違約概率估計和違約率觀察值，應(yīng)用公式（6）計算其BS值，結(jié)果見表4。

從表4中計算結(jié)果可見，經(jīng)相同的樣本數(shù)據(jù)檢驗，相比原評級系統(tǒng)，優(yōu)化后的評級系統(tǒng)具有更低的BS值。這表明，通過對原評級系統(tǒng)中部分借款人分布較為集中的信用等級（如AA級、A級）細(xì)分為AA+、AA、AA-、A+、A和A-，并應(yīng)用本文建立方法優(yōu)化相應(yīng)的主標(biāo)尺設(shè)計，得到新的評級系統(tǒng)違約概率預(yù)測的質(zhì)量更好，而這會通過監(jiān)管資本要求顯著地提高內(nèi)部評級系統(tǒng)的風(fēng)險敏感性，從而提高商業(yè)銀行的風(fēng)險管理效率。

表4 原評級系統(tǒng)和優(yōu)化后評級系統(tǒng)的BS值計算比較

6 研究結(jié)論和方法使用

本文研究商業(yè)銀行內(nèi)部評級主標(biāo)尺的最優(yōu)化設(shè)計，結(jié)合均值聚類優(yōu)化方法和差分進化算法設(shè)計商業(yè)銀行內(nèi)部評級的主標(biāo)尺，可以獲得更高的運算速度，進而滿足細(xì)分信用等級、更小間隔尺寸的求解需要?；诿總€信用等級的預(yù)測違約概率與其實際違約率之間偏差計算BS值，可以檢驗信用評級系統(tǒng)違約概率估計的準(zhǔn)確性，滿足商業(yè)銀行內(nèi)部評級的監(jiān)管要求。借助較大規(guī)模樣本數(shù)據(jù)支持，適度地細(xì)分主標(biāo)尺能夠提高內(nèi)部評級校準(zhǔn)精度，進而通過監(jiān)管資本要求顯著地提高內(nèi)部評級系統(tǒng)的風(fēng)險敏感性，提高商業(yè)銀行的風(fēng)險管理效率。

判斷主標(biāo)尺設(shè)計是否合理的指標(biāo)需要模型預(yù)測能力的持續(xù)表現(xiàn)，包括模型的辨別力、準(zhǔn)確性、審慎性和穩(wěn)定性四個維度。通過監(jiān)控和驗證各類客戶評級結(jié)果在主標(biāo)尺各個等級上的預(yù)測表現(xiàn)，可以發(fā)現(xiàn)主標(biāo)尺可能存在的缺陷。主權(quán)和金融機構(gòu)都屬于低違約組合，違約樣本少，評級模型的日常監(jiān)控和驗證都要依賴外部評級結(jié)果，把外部評級結(jié)果作為內(nèi)部評級結(jié)果的基準(zhǔn)。在這種方法下，必然要求商業(yè)銀行設(shè)計的主標(biāo)尺和外部評級能有對應(yīng)關(guān)系。如果主標(biāo)尺設(shè)計沒有考慮到低違約組合的特征，就會出現(xiàn)一個內(nèi)部等級對應(yīng)多個外部等級的情況，難以采用基準(zhǔn)方法判斷模型的預(yù)測能力。目前除了基準(zhǔn)測試外，業(yè)界尚沒有更好的方法對主權(quán)和金融機構(gòu)實施日常監(jiān)控和驗證。在基準(zhǔn)測試的實踐中，如果辨別力指標(biāo)隱含和衡量準(zhǔn)確性的匹配指標(biāo)表現(xiàn)較差，則主標(biāo)尺中低違約概率段的劃分很可能存在問題。返回測試中如發(fā)現(xiàn)各個等級預(yù)測違約率和實際違約率的差異無法通過審慎性或準(zhǔn)確性檢驗，可能是主標(biāo)尺劃分過細(xì)、有些等級的違約樣本數(shù)量不足所致。

實踐中，有些商業(yè)銀行還會出于各種原因，在內(nèi)部設(shè)立子標(biāo)尺，通過子標(biāo)尺映射到主標(biāo)尺來實現(xiàn)并表層面的資本計量。由于子標(biāo)尺違約概率刻度劃分不能與主標(biāo)尺刻度劃分完全對應(yīng)，并表層面的監(jiān)管資本計算精確程度會受到影響。這還容易導(dǎo)致管理上的混亂，適用子標(biāo)尺的非零售客戶和適用主標(biāo)尺的非零售客戶信用風(fēng)險無法直觀地比較，增加了內(nèi)部管理多個標(biāo)尺的成本。在主標(biāo)尺使用過程中，可以根據(jù)原有主標(biāo)尺問題的性質(zhì)不斷進行優(yōu)化。一是根據(jù)歷史的評級結(jié)果和每個等級非零售客戶的違約狀況，重新規(guī)劃主標(biāo)尺刻度。二是更多地考慮原有主標(biāo)尺的延續(xù)性，將原標(biāo)尺比較集中的等級區(qū)間，按照預(yù)想的等級數(shù)目和對數(shù)等距原則進行重新劃分。

商業(yè)銀行內(nèi)部評級法獲得監(jiān)管機構(gòu)批準(zhǔn)后，信用評級主標(biāo)尺對業(yè)務(wù)拓展、風(fēng)險管理、資本計算、信息披露等領(lǐng)域都會產(chǎn)生實質(zhì)性影響。在內(nèi)評體系開發(fā)階段，其就應(yīng)立足于建立適合自身資產(chǎn)特點的主標(biāo)尺，并努力保持主標(biāo)尺的穩(wěn)定性。特別是在外部宏觀經(jīng)濟環(huán)境明顯變化階段，將主標(biāo)尺的適用性與模型表現(xiàn)的日常監(jiān)控、持續(xù)驗證緊密聯(lián)系起來，更容易發(fā)現(xiàn)主標(biāo)尺設(shè)計的潛在不足。一旦確認(rèn)主標(biāo)尺存在明顯缺陷，應(yīng)立即啟動優(yōu)化工作。為了更加精確地預(yù)測風(fēng)險，主標(biāo)尺優(yōu)化工作應(yīng)與違約概率模型優(yōu)化工作緊密結(jié)合起來。還需要做好結(jié)果測試和全面影響分析，對于主標(biāo)尺變化導(dǎo)致的評級結(jié)果變化的合理性，及其對監(jiān)管資本的影響，應(yīng)及時向監(jiān)管機構(gòu)報告，并邀請監(jiān)管機構(gòu)實施現(xiàn)場檢查。