资产负债、利率流动性风险

ZDNET至顶网CIO与应用频道 07月22日 北京消息：随着中国金融市场的快速发展，金融行业竞争形态的持续演化，以及监管力度的不断加强，IT咨询服务公司对金融企业的商业智能解决方案，也面临着不断的创新。

在主题为“乘数据之舟，达价值彼岸”的文思海辉商业智能解决方案研讨会上，文思海辉金融事业群高级经理徐江在风险管理之道分论坛分享了资产负债、利率流动性风险。

以下为演讲实录：

我从三个方面说一下这个话题。第一个方面是大概介绍。第二方面会把我们过去做的一些具体的实际业务需求也好，和实际工作中碰到的问题稍微展开一下，跟大家分享一下各方面的经验。最后一块是针对这些需求和问题我们是如何解决的？

大概早在5年以前，我们在给一家城市商业银行做风险压力测试系统的时候，那时候我们就已经讨论了利率市场化以后，我们该怎么样去设定利率波动的压力情景。那时候我们根本没有想到，会在今天，央行会开放贷款的利率。可能下一步会把资产利率化的步骤还会加快。

我们08年的时候考虑利率市场化的时候，当时根本不太敢想象贷款完全放开，收益曲线不用基本利率曲线了。考虑到客户和整个市场波动和今天完全不一样。如果我们今天还来做利率波动压力测试，恐怕很多因素要重新考虑。我们这边风险解决方案团队是从08年我们做风险压力测试项目开始，到现在也是伴随着中国这几年金融市场化不断的前进，我们从开始的压力测试产品，到流动性风险产品，到现在不管从产品上，还是业务范围来说都得到了很大的发展。我们现在做的是市场负债和市场风险、指数评级这一类的。

我们做这样的风险管理项目恐怕还是需要跟人有比较大的关系。我们有五个方面组成，其他的方面大家都比较熟悉，关于业务顾问和技术架构师，今天主要介绍一下做统计建模的梳理工程师。主要是根据用一些数据建模工具形成一套数据模型，再把模型用到当期业务数据里面进行分析，预测下期数据的变化。随着这几年不断做这个事，我们接触到的产品也是从最开始的Oracle FICO这个产品开始，然后到后面的MUREX和RiskMetris，产品是越来越丰富了。

团队能力总结：过去经验也好到现在的团队建设也好，三方面我们是比较有优势的。第一块是自主研发，因为当时我们做压力测试分析的时候，都是我们自主做的。从最基础的数据分析，到业务需求，到我们的统计建模，我们都是做的比较成熟。第二块，经历这些年，我们积累了这些业务经验和案例，也是比较典型的。最后一点，我们这边团队，在数据这块应该是第一位的，有了这三方面的内容才能把风险工作结合应用内容把它做好。

风险管理目标需求和内容的目标就是保证银行的盈利性，将利率、汇率风险控制在规定限额内。提高银行净利息收入，维持足够流动性等。流动性管理、利率管理、汇率管理、资本管理、预算管理，同样都会遵循一个基本风险管理的流程。就是从实体计量、监控和控制，基本是按照这个流程来走。

现在来看一个具体的需求，在实际的业务操作当中，或者在实际的管理中，我们大概会碰到一些实际的问题，在这儿列出来的不太全面，但是肯定是比较重要的。第一款，把头寸和流动性管理列在里第一位，也是因为6月中旬市场资金紧张的话题，可以想象头寸管理和流动性管理多么重要。新闻报道光大这样的银行因为资金紧张导致投资成本增加。我觉得对于零售这块可能影响不大，关于像支付宝或者像其他的第三方，目前来说非银行的金融机构，会争夺存款。像余额宝利率是5%左右，我们银行是3.3%左右，这样会导致国际存款流失。这对头寸管理就显得尤为重要了。利率既然已经逐步的市场化了，那么波动会越来越明显，可能可控性不像原来那么可控了。对于净利差的收入恐怕不大那么好计量了。

第三块是关于市场计量的这块内容。不管是累加的还是其他的市场交易资金产品，头寸管理也需要考虑。另外涉及到结算、损益的计量，因为会取不同的时点算，不同的部门看到损益角度不一样，会计准则所计量的东西也不一样。这也会影响实际业务和项目都会有影响。还有是关于模型，不仅仅局限于市场监管，其实任何一个计量模型的验证和实施过程很多是需要扩充的。第三块是关于数据的，是我们比较看重的一方面。按照我上大学的学信息系统工程套用的理论，输入的是垃圾，输出的一定是垃圾。所以数据质量控制一定要控制好，不能输入的是垃圾。

除了数据质量控制，还有两块需要重点看一下，一块是满足对未来的一些应用需要。还有一块是涉及到补录，补录的数据有时候会很复杂。比如几十年前发的国债恐怕没有在系统中维护，这些数据常常会影响到我们的建模和数据头寸计算，这些可能都需要涉及到补录。除了这些问题还有很多问题。

再一个客户行为导致的流动性缺口的过程，举两个例子，第一个例子跟目前比较相关，就是活期存款流失了。第二个例子是贷款提前偿还。现在支付宝已经进入金融领域，余额宝是一个代表，当活期存款流失的时候，把这样的情景要建模考虑，对历史的行为对历史数据进行分析我们才能得到一套模型。通过这套模型再影响资产负债表各个项下面的数据，从而产生数据的分布。

我们对于流动性的管理，或者对于头寸的管理，或者对资产负债表的管理也是一个逐步递进的过程。面对这样不断的竞争环境和资金越来越紧张，只有把这些东西做好，管理做的到位了才能把业务开展的更有底气。

借着客户些微的话题我们再看通常做资产负债系统里面会考虑到一个很重要的就是动态分析。做客户行为分析方法有很多种，不能说哪中对哪种错，它们适合于不同的场合。这是相当于建了个模型实验室，对于客户行为分析这样的课题，我所需要的数据常常是动态的，需要实时更新的。当我在做这个课题研究的时候，我并不确定我当时一定需要什么数，我只知道我可能需要很多数。所以说如果把这样的系统，这样的课题放在一个业务系统中去做显得不大合适，因为会影响别人的生产系统。所以说一般的会把这样的课题研究独立的作为一个环境去进行分析。我会先拿到数据，这个数据是不太确定的，会随着业务不断深入的研究，建模的需要需要很多数据，然后再用利用一些统一近模数据工具去做分析。

其实不管用哪种数据建模工具，关系不是很大。可以用时间序列做这样的一个模型，找出这样的模型。看一下具体怎么做的？首先对我们所要做的课题，比如提前还款或者存款流失，首先要对这样的课题进行相应的业务理解，把变量找出来，根据这样的业务划定一个数据圈，和数据范围。然后把数据样本抽取出来。然后再用我们的数据工具进行建模，进行单变量和多变量分析。综合考虑，然后才会产生相应的模型应用。然后再把这样的模型看它拟合程度，把这个模型用到我们的产品或者系统里面去，让它可以进行对当期或者下期的数据预测。

接下来面对着这样的需求或者观点，我们会有相应的解决方案。做任何一个系统或者项目之前，我们会有一套方法论。包括分析、计量和实施等等。

要关心几个内容，对于静态来讲，没有加上动态模拟这一块，一定要说的准，但是除了考虑静态，也要考虑动态这部分。静态就是当前的头寸会算出计量和收益。动态就是算出未来的计量的东西。就是把当前的头寸，比如溢价等考虑。加上业务的模拟，可能是涉及某一个批量，从而得出相应的分析结果。另外就是压力测试，是讲行为分析所涉及到的内容。

市场风险内部模型法是最近涉及的比较多，也是比较关键的。数据处理和引擎处理比较关键。具体碰到的问题，主要是两方面需要关注。第一块是数据质量；第二块是关于业务逻辑和计量方法。数据质量主要是三方面，很多数据包括业务数据市场都需要进行补全，再一个包括数据勾稽校验也是需要考虑的。另一个各层级基础业务数据和风险数据计量的要求。

业务逻辑和计量方法：

业务定义规范要统一，头寸数据的准确性及最终计量结果的正确性，这也是要求考虑的。因为头寸定义太灵活，很多产品知识程度也不太够。第三块是模型验证计算结果的正确性及模型的透明性。第四块是成果应用，市场风险的计量，政策及流程的成果，这也是需要考虑的。

数据对各大项目的支持：对公零售、市场和操作风险。我们看到的主要问题就是列出来的这几方面：第一数据比较复杂，这是带给我们的一个困扰。第二个就是对于像客户业务跟风险计量相关的口径往往不太统一，这些需要重点考虑。还有一个就是数据常常分布在不同的系统里面，共享性也是一个重要问题。再一个数据质量也很重要。

总而言之，风险数据集市的特点包括四大块：包括人员、案例、产品和计算。这块我们觉得我们做的还是很出色的。