01034 ZRE_WP_Solution_SC
- 1. 支持 IFRS9/CECL 和压力测试的高级分析工具 Z-Risk Engine 是一套高级的可定制解决方案，旨在以单一 集成 SAS 解决方案的形式支持 IFRS9/CECL 和压力测试。 该方案由 Aguais and Associates in Association with Deloitte 研发，现首次面向全球金融机构开放。我们的团 队已花费十余年时间为两家大型国际银行研发、优化和实 施该方案。 准确的 IFRS9/CECL ECL 和压力损失预测 进行 IFRS9 和 CECL 减值计算所需的前瞻性预期信贷损失 (ECL) 预测适用新的监管规定，要求银行利用高级分析方 法满足关键的准确性要求。原因是由于系统性信贷周期的 影响，周期内批发贷款的损失已经以高达十倍的系数发生 变化。为帮助实现上述复杂目标，Z-Risk Engine 提供了一 套重要的集成解决方案，帮助金融机构持续满足监管、会 计和风险管理目标。 该解决方案包含一个高级信贷分析框架，旨在解锁信贷周 期 – 准确预测 ECL 减值的关键元素。Z-Risk Engine 使 用均值回归和动量模型模拟行业和区域信贷周期，支持 IFRS9/CECL 要求的“无偏概率加权前瞻性 ECL”，评估 所有可能风险下的 ECL。这些模拟的 ECL 是无条件的， 代表未来所有可能情景。Z-Risk Engine 还利用统一借助信 贷系数桥梁模型研究出的宏观经济要素，支持基于情景的 有条件的前瞻性基线和压力损失预测，满足压力测试监管 规定的要求。 针对监管目标和信贷模型定制集成 Z-Risk Engine 提供全面的集成解决方案，用于估测 ECL， 帮助满足监管会计和风险管理目标。解决方案包含软件工 具和定制信贷周期分析，使用金融机构自己的信贷组合数 据和信贷模型。该套解决方案： ? 根据机构的行业和区域影响力，构建定制信贷周期指数 (Z)， ? 利用这些指数将现有内部 PD、LGD 和 EAD 模型估测 数据转换为当前时间点 (PIT)，反映最准确的 PIT 起点， 便于预测批发 ECL， ? 无条件使用过去 Z 要素信息的模拟结果或有条件使用宏 观经济要素，估算预测 Z 要素时间点 (PIT) 模型， ? 利用这些基于均值回归和动量分析的 Z 要素预测模型， 生成概率性 Z 情景或少量确定情景， ? 将这些 Z 情景与现有 PIT、PD、LGD 和 EAD 模型集 成，产生相互关联的 PIT PD、LGD、EAD 期限结构， 以及 ? 针对各笔融资形成概率性情景 ECL 期限结构的均值， 从而确定各笔融资在整个周期内的无条件值。 信贷周期至关重要 25 年违约、损失和 CreditEdge? EDF 信贷周期指数 来源：CreditEdge? 穆迪投资者服务、联邦储备系统和 Z-Risk Engine 分 析。 Z-RiskEngine.com 解决方案概览 2016 年 3 月 不同行业/区域宏观和信贷周期指数对比 信贷周期指数（(3=繁荣时期，-3=萧条时期） Moody’s DR USA CE ALL CROP 01/09/1989 01/09/1991 01/09/1993 01/09/1995 01/09/1997 01/09/1999 01/09/2001 01/09/2003 01/09/2005 01/09/2007 01/09/2009 01/09/2011 01/09/2013 01/09/2015 USA FED LOAN LOSS 中性信贷条件
- 2. Scott D. Aguais, 博士 SAguais@Z-RiskEngine.com 作者： Lawrence R. Forest, Jr 博士 LForest@Z-RiskEngine.com Gaurav Chawla, 理学硕 士、MBA、CFA GChawla@Z-RiskEngine.com Z-RiskEngine.com 值得信赖的兼容方案 Z-Risk Engine 解决方案融合了我们在商 业和公司信贷组合时间点 (PIT) 和全周期 (TTC) 双评级研发领域十余年的经验，并 以 Black-Sholes-Merton、CreditMetrics 和其他领先信贷组合模型理念为基础。 该方案曾在两家大型国际银行开发和实 施，后依据银行的《巴塞尔豁免》( Basel Waivers) 协议正式结束使用。Z-Risk Engine 是一个在该方案基础上完全重新 开发的解决方案，并且将在 2016 年 10 月 以 SAS 解决方案的形式发布。 解决方案批量自动化有助于实现低建置和 经营成本 Z-Risk Engine 是一款基于 SAS? 软件的解决方案，支持 复杂的信贷分析计算和批量模型自动化。Z-Risk Engine 可按照借款人/融资类型，直接与金融机构内部客户统 计数据和批发信贷敞口集成，并可利用各银行自家的 PD、LGD、EAD 信贷模型。这些内部模型会接受“PIT 级别”评估，然后结合行业及区域信贷周期—根据各银 行的信贷组合历史定制，将这些 PD、LGD 和 EAD 估值 转换为多年 PIT PD、LGD 和 EAD。高级分析和批量处理 架构可以在模拟模式下运行，在无条件或概率加权基础 上详细评估 ECL，也可在确定情景模式下评估压力或基 线 ECL—按照融资额和借款人由低到高排列。 解决方案自动化：该套解决方案融汇了我们的解决方案 专长，而我们在信贷周期建模领域的经验意味着 Z-Risk Engine 可以相当于内部建置成本零头的价格获得授权和 实施。批量处理能力支持在几分钟内评估包含数十万客 户和敞口的大型信贷组合，降低经营成本。 如欲了解更多有关 Z-Risk Engine 的信息及观看演示，请 联系 Z-Risk Engine 团队。 Copyright ?2016 Aguais and Associates Ltd.保留所有权利。 定制行业-区域信贷周期提供： 应用于所有模型的统一信贷指数，降低模型复杂性 现有模型的 PIT 评估 将混合模型输出信息转换为 PIT 有条件和无条件的信贷周期预测 PIT PD、LGD 和 EAD 测量 基于完全自动化批量处理的解决方案 多周期 压力 PIT PD 多周期 压力 PIT LGD 多周期 压力 PIT EAD 不同情景下 的压力损失 预期 信贷损失 多周期 PIT PD 多周期 PIT LGD 多周期 PIT EAD 情景 #2 情景 #n 情景 #1 现有客户模型和数据：PD、LGD、EAD 客户提供的 严重恶化的标准 客户或监管方 提供的情景