项目背景

      西南某市级城商行，资产总额500亿元左右。

      根据银行业务发展，银行需要开发零售/非零售客户评级模型和债项评级模型，支持银行对客户信用风险的管理，同时建立评级流程和评级数据管理体系。

问题与挑战

      •没有内评系统，无法对客户和债项进行评级，不能符合新协议要求。

      •需要建立合规的评级流程，提供流程审批过程权限控制。

      •需要建立和保存评级的数据记录，保留详细的历史数据。

解决方案

      融和内部评级系统基于银监会资本管理办法的相关要求，结合国内先进银行的成熟经验，建立符合监管要求和业务发展的零售/非零售评级系统产品，支持银行零售/非零售业务处理系统（信贷系统、小微系统）进行流程和数据整合，实现内部评级的模型管理、数据加工、评级管理、应用管理、接口管理等功能，切实推动零售/非零售内部评级的实际应用。

      其中非零售内部评级模块：

      •实现公司信贷客户和资产的分布、风险等级变化趋势、评级审批工作情况、各评级模型表现的统计分析功能。

      •以客户和债项为核心的二维评级系统。其中，客户评级的核心变量是违约概率（PD），债项评级的核心变量（LGD）。

      •根据指标需求从相应的指标基础统计表汇总到唯一的指标事实表。使规则配置更加灵活。

      •建设风险管理报表，结合各部门的需求，设计差异化的数据钻取统计分析功能。

      •更加详尽科学的评级指标体系、更加先进的评级操作系统积极推进客户信用评级和统一授信机制的完善。

      其中零售内部评级模块：

      •建立集成化的零售风险整合数据平台，集成个人信贷、小微企业和信用卡等零售业务生产环境产生的信息，以及评分和风险分池的结果。

      •实现统一的客户风险特征变量计算及分析：基于计量模型要求，对获取的业务数据进行汇总、统计、加工，生成各种风险特征变量，同时也支持业务人员的定性分析。

      •建立统一的风险计量引擎：

      评分计算引擎：以参数化方式灵活设置零售评分卡模型，如个贷的申请评分、行为评分、催收评分等。

      分池决策引擎：以参数化方式灵活设置分池决策模型，如小微企业PD/LGD/CCF分池等。

      •建立统一的报表加工、展现、决策树展现平台，包括：各类评分卡的业务统计分析报表；PD/LGD/EAD风险分池的统计分析报表；评分模型、分池模型的验证报表；明细业务数据的查询等。

项目价值

      •通用的评级模型：以内部评级体系监管指引为理论依据，结合新协议银行使用经验，涵盖包括非零售客户和零售客户两类主体，支持客户评级与债项评级二维评级体系，为信用风险管理提供量化手段支持；采用业界通用的模型开发方法论，以财务数据为基础，采取定性和定量相结合的方法，实现计量模型和专家判断的完美结合；

      •高效的计量引擎：实现评级模型各组成部分的灵活配置，包括指标计算公式、档位划分、权重设置和主标尺映射等，支持单笔实时和批量的评级运算，还可以在引擎上部署内评应用规则，如审批准入、贷款定价、风险预警等，提供与其他业务系统的数据接口；

      •合规的评级流程：根据中小银行客户的特点，设置了相应的评级流程；提供流程配置功能，可由业务人员配置合适的评级流程并根据实际所需进行启用；提供流程审批过程权限控制，可设置业务人员的审批权限；

      •完整的数据记录：对整个评级生命周期内的债务人和债项数据进行跟踪记录，保留详细的历史数据，包括模型输入的定量和定性信息、评级和风险参数结果以及审批和推翻记录等。

      •通过第三方验证：客户评级模型和债项评级模型在试运行期间，通过第三方咨询公司的包括评级数据、评级模型、评级流程和评级系统在内的全面验证。