解读审慎监管局最新监管指引

英国审慎监管局（PRA）近期召开了一次 IRB 批发业务圆桌会议，为使用或考虑采用内部评级法（IRB）处理批发业务的公司引入了新指南。

在这篇文章中，我们将深入探讨 6 个关键要点：

#1. 模型风险区分：符合 PRA 的期望

首先，PRA 的最新指导意见提出了关于模型风险区分的几个重要期望。其中包括：

• 模型重建要求

• 利用历史低迷期

• 选择模型目标变量的方法

• 模型性能评估

💡Jaywing 的专家见解：

为了满足这些期望，我们建议公司：

1. 评估投资组合特征：评估投资组合的违约水平和外部评级覆盖范围。此评估将指导您选择最合适的目标变量方法。这可以是违约预测模型或影子评级模型（使用外部机构或专家排名）。

2. 确保有意义的风险区分：全面评估模型的合规性和性能。您的评级系统应体现：明确区分各个部分的风险、在经济低迷时期保持稳健的表现以及投资组合中所有重要部分的一致性。

#2. 解决低默认校准问题：冥王星-Tasche 方法

低违约率投资组合在风险建模方面面临独特挑战。PRA 承认公司在遵守 SS11/13 12.4 方面面临挑战，该标准针对内部违约率较低的公司。此外，在无法从外部违约数据源得出可靠的 PD 估计值的情况下

业界认可的解决低违约挑战的关键方法如下：

💡 Jaywing 的专家见解：

对于处理低违约率投资组合的公司，我们建议：

1. 考虑冥王星-Tasche 方法：该方法为 PD 推导提供了强大的统计基础。

2. 探索多种方法：评估冥王星-Tasche 方法以及其他相关统计方法。

3. 证明您选择的方法：无论您选择哪种方法，请确保您能够为您的选择提供全面的证明。

4. 记录您的流程：保留您选择的方法的详细记录，包括：不同方法的比较分析、选择或拒绝每种方法的原因，以及支持您选择的方法有效性的证据。

#3. 优化周期长度：平衡 LRA 违约率

PRA 还强调了有关长期平均 (LRA) PD 校准的一个关键问题。不同公司的周期长度选择存在显著差异。这些差异可能导致模型校准错误。

PRA 的主要观察结果：

• 公司需要重新评估其选择的 LRA PD 周期长度

• 选择合适的周期长度时应考虑几个因素

• 必须考虑压力测试要求

💡 Jaywing 的专家见解：

为了消除 PRA 的担忧，我们建议公司：

1. 全面评估周期长度：确保您选择的周期长度符合所有 PRA 考虑因素，包括：捕捉经济好坏年份的组合以及完整的经济周期。

2. 使用峰到峰或谷到谷的评估：这些方法可以支持完整周期的识别和纳入。

3. 定期审查和更新：考虑到经济变化，定期重新评估您的周期长度以确保其仍然合适。

#4. 掌握评级量表：微调您的风险等级。

PRA 已就使用主评级量表进行校准提供了指导。关键要点是主评级量表仍然适合进行校准。但是，风险等级的数量需要仔细考虑。

确定风险等级数量时需要考虑的关键因素：

• 专注

• 模型性能

• 模型用途

💡 Jaywing 的专家见解：

为了优化您的主评级量表，我们建议公司：

1. 评估每个等级的债务人数量：确保每个风险等级包含足够数量的债务人，以支持严格的校准。

2. 评估风险同质性：在每个风险等级内，确认债务人具有相似的风险驱动因素和可比的业绩特征。

3. 分析等级扩展影响：在增加等级数量之前，评估对风险辨别的潜在影响，只有在辨别能力明显改善的情况下才实施额外的等级。

4. 平衡粒度和稳定性：考虑更细粒度的风险区分（更多等级）和随时间推移的评级稳定性（随着等级增多可能会降低）之间的权衡。

#5. 重新构想 MoC：与 PRA 的愿景保持一致

PRA 还强调了对使用 MoC 的担忧。MoC 的使用通常不符合其预期目的，并强调不应使用 MoC 来缓解基本数据和方法缺陷。

PRA 的主要预期：

💡 Jaywing 的专家见解

为了符合 PRA 对 MoC 的期望，我们建议公司：

1. 进行全面的 MoC 审查：确定当前应用于您的模型的所有 MoC，并评估每个 MoC 的目的和适用性。

2. 解决根本问题：修复任何观察到的数据或方法问题，并仅应用 MoC 来反映调整中的不确定性和人为判断。

3. 制定未解决问题的行动计划：如果无法立即解决问题，则制定计划以纠正缺陷并减少估算错误。此外，设定合理的实施时间表，并考虑评级系统中估算错误的重要性。

4. 实施强有力的治理：建立定期审查 MoC 的流程。确保持续评估 MoC 的适当性。记录维护或调整 MoC 的理由。

5. 保持透明度：清晰记录每个 MoC 背后的原理。确保 MoC 及其解决的具体不确定性之间的可追溯性。

#6. 企业风险暴露：模型范围和细分

PRA 已发现企业 IRB 模型存在一些问题，特别是有关企业风险暴露的模型范围。这包括对债务人适当分类的担忧以及 PD 模型之间可能重叠的问题。

PRA 的主要预期：

💡 Jaywing 的专家见解：

为了解决 PR​​A 的担忧并优化企业 IRB 模型，我们建议企业：

1. 评估模型细分：评估每个模型细分中的债务人数量。审查每个细分中债务人的关键风险驱动因素的范围和相关性。此外，确保细分既不太宽泛也不太小众。

2. 优化细分粒度：在拥有足够多的债务人以达到统计显著性与保持细分内同质性之间取得平衡。此外，如果细分内的风险状况过于多样化，可以考虑创建子细分

3. 防止模型重叠：审查模型构建和实施过程。然后，实施检查以确保任何债务人都不能被分配到多个 PD 模型。