银行理财之CCAR的损失估计

2023-09-06 10:49:29

在损失估计方面，美国银行业一般根据资产类型和会计处理方式分别实行损失估计，紧要包含权责发生制的组合、公允计价、可供（AFS）或持有到期证券（HTM）、交易及交易对手损失估计、损失准备金估计。如果根据危机类别划分，可以划分为损失、市场危机损失以及操作危机损失三大类（Board of Governors of the Federal Reserve System，2014）。

的损失估计

依据资产类型、规模、重要性以及数据的区别，银行通常会采取区别的损失预测方式对损失实行预测估计。总体看，损失预测方式可以分成模型方式和非模型方式两大类。其中，非模型方式紧要针对非重要的资产组合，采用类似尺度（Scaler）调整的方式，通过简单的尺度来调高基准情景下的组合损失作为压力情景下的损失预测。其尺度一般会基于组合的历史表现、其他资产组合模型预测的压力损失与基准损失之比，或者专家经验调整。

目前国内外同业常用的损失预测模型方式紧要包含两大类，一是基于会计损失（即核销和回收）的直接预测方式（Balance Sheet Approach），比较常见的有滚动率（Roll-Rate）模型、账龄损失（Vintage）模型、净核销（Net Charge-Off）模型等；二是基于预期损失（即经济损失）的间接预测方式（Distribution Approach），比较常见的有评级迁移模型、比例危机模型、线性回归模型、逻辑回归模型等。

市场危机损失估计

从金融市场产品分类来看，商业银行的金融市场业务可分为利率类产品、汇率类产品、商品以及衍生品四大类。市场危机的压力测试基本使用全估值方式，即假设银行已具备各类产品的估值模型，压力测试时，将压力下的估值参数（汇率、收益率曲线、商品价格等）输入到估值模型中，得出压力下各类产品的估值价格之后，再乘以组合中各类产品的持有头寸，得到压力下各组合的估值结果；将其与买入价格相比，得出各组合的市场危机损益；然后沿组合树上升到商业银行集团层面，可得到整个商业银行集团市场危机的总体损益。

操作危机损失估计

美国主流银行中大多采用回归解析法和历史平均法相结合的方式，也有一些银行使用损失分布法和情景解析法，但这两类方式通常作为辅助方式来使用。

回归解析法紧要基于各历史时点上各单元格的损失频率和损失金额时间序列数据，与GDP、CPI 等宏观经济变量建立回归解析模型。在压力测试时，基于各压力情景下的宏观经济变量取值，推导出压力情景下各期的损失频率与损失金额结果，进而将宏观经济变量的压力传导至操作危机的损失预测上。

损失分布法（LDA）也是基于损失频率和损失强度的解析范式，其基本逻辑是假设操作危机的损失频率和损失强度服从某种概率分布，利用实际损失数据来推导该分布的紧要参数，建立起分布曲线。基于蒙特卡洛模拟得出损失频率和损失强度的概率分布曲线，进而可以得出给定置信区间对应分位点的损失频率和损失强度。由于损失的概率分布曲线已知，基于实际的损失频率和损失强度数据，可以反推出该损失频率和损失强度对应的实际分位点数据。运用损失频率和损失强度的实际分位点时间序列数据，可以建立与宏观经济变量间的多元线性回归模型，从而可以将压力情景下宏观经济变量的取值，通过回归模型传导至损失频率和损失强度的分位点预测值，再基于分位点的概率分布曲线，可以进一步推导出压力情景下的损失数据。

历史平均法是一种相对简单的压力测试预测方式，紧要适用于与宏观经济指标无明显关系的损失事件类型/ 业务条线，可采用多期历史损失数据做滚动平均，从而预测下的损失数据。

情景解析法紧要作为一种辅助解析方式，可弥补操作危机损失数据在数据量和模型拟合效果方面的局限性，在量化估计结果的基础上，加入前瞻性的考虑，比如对从未发生过的损失事件做情景模拟，从而得出在一定情景下的损失金额。该方式还可以用于对个体特殊危机（特别是针对个体危机与宏观经济环境相关性不明显的状况）和尾部事件实行预测。