01034 ZRE_WP_Solution_TD
- 1. 支援 IFRS9/CECL 及壓力測試的先進分析工具 Z-Risk?Engine?是可自訂的先進解決方案套組，這一套 整合式?SAS?解決方案能夠支援?IFRS9/CECL?和壓力測 試。Aguais and Associates in Association 與 Deloitte 共同開發的這個做法目前首度提供給全球的金融機構。我 們的團隊耗費 10 多年的時間在兩家全球性大銀行開發、 調整並實施這個做法。 準確的 IFRS9/CECL ECL 和壓力損失預測 關於預測前瞻性預期信用損失 (ECL) 支援 IFRS9 和 CECL 耗損計算的新法規要求銀行運用先進的分析工具達到重要 準確度要求。這是因為批發貸款損失在過去這段時間由於 系統性信用週期而增加 10 倍之多。為了達成這些複雜的 目標，Z-Risk Engine 提供整合式關鍵解決方案套組，協助 金融機構達成持續的法規、會計和風險管理目標。 這套解決方案結合先進的信用分析架構來解除信用週期鎖 定 – 準確預測 ECL 損失的關鍵部份。Z-Risk Engine 使 用均數復歸和動量模型，透過產業及地區信用週期，支 援 IFRS9/CECL 要求的「不偏概率加權前瞻性 ECL」，評 估 ECL 所有可能的風險，這些模擬的 ECL 均不設任何條 件，代表所有可能的未來情況。Z-Risk Engine 也運用信 用因子橋梁模型持續得出的宏觀經濟因素，符合壓力測試 法規所要求，支援以情況為基礎的條件式、前瞻性和壓力 損失預測。 針對法規目標及信用模型自訂與整合 Z-Risk Engine 提供估測 ECL 的全面性整合式解決方案， 以滿足法規會計和風險管理目標。這套解決方案包含軟體 工具和自訂的信用週期分析工具，使用金融機構本身的信 用投資組合資料和信用模型。這套解決方案： ? 建構與機構的產業和地區規模有關的自訂信用週期指數 (Z)， ? 運用這些指數將既有的內部 PD、LGD 和 EAD 模型評 估轉換為目前單時點 (PIT)，反映預測批發 ECL 的最正 確 PIT 起始點， ? 預測使用過去 Z 因素資訊進行無條件預測或使用宏觀經 濟因素進行有條件預測，評估預測 Z 因素單時點 (PIT) 的模型， ? 使用這些採用均數復歸和動量分析的 Z 因素預測模型， 產生概率性 Z 情況或少數確定情況， ? 整合這些 Z 情況與既有 PIT、PD、LGD 和 EAD 模型， 產生相關的 PIT PD、LGD、EAD 期限結構，並且 ? 對於個別融資形成概率性情況 ECL 期限結構的均數， 決定各筆融資期限內的無條件值。 信用週期非常重要 25 年信用週期指數：預設、損失及 CreditEdge? EDF 來源：CreditEdge?、Moody's Investors Services、聯邦儲備局和 Z-Risk Engine 分析工具 Z-RiskEngine.com 解決方案概觀 2016 年 3 月 比較不同產業 / 地區的宏觀和信用周期指數 信用週期指數(3=良好期間，-3=不佳期間) 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 中性信用條件
- 2. Scott D. Aguais, 博士 SAguais@Z-RiskEngine.com 作者： Lawrence R. Forest, Jr 博士 LForest@Z-RiskEngine.com Gaurav Chawla， 理學碩 士、MBA、CFA GChawla@Z-RiskEngine.com Z-RiskEngine.com 值得信任且獲得讚賞的做法 Z-Risk Engine 解決方案經過 10 多年對於 商業和企業產品組合的單時點 (PIT) 和跨循 環 (TTC) 雙重評比投入研究和開發，採用 Black-Sholes-Merton、CreditMetrics 和其他領先的信用產品組合模型等等理 念。這套做法在兩家全球性大銀行開發和 實施，並獲得銀行依據《巴塞爾豁免》 (Basel Waivers) 正式簽核。Z-Risk Engine 是按照這套做法重新開發的解決方案，將 在 2016 年 10 月以 SAS 解決方案套組的 形式推出。 解決方案批次自動化有助降低建置和運作 成本 Z-Risk Engine 是 SAS? 軟體型解決方案，支援複雜的 信用分析工具計算和批次模型自動化。Z-Risk Engine 能夠直接整合金融機構的內部客戶靜態資料和各債務 人/融資類型的批發信用披露，並運用各家銀行本身的 PD、LGD、EAD 信用模型。這些內部模型均針對「PIT 程度」進行評估，然後與對於各家銀行產品組合自訂 的產業和地區信用週期一併評估，將這些 PD、LGD 和 EAD 評估轉換為多年 PIT PD、 LGD 和 EAD。先進的分 析工具和批次處理結構可以在模擬模式中執行，評估以 無條件或概率性加權為基礎的詳細 ECL，或評估確定情 況模式中的壓力和基線 ECL，也就是各筆融資和借貸人 的底線。 解決方案自動化：我們的解決方案套組包含了我們的 解決方案專長，而且我們擁有建立信用週期模型的經 驗，這表示只要少量的內部建置成本，即可獲得 Z-Risk Engine 的授權進行實施。批次處理能力能夠評估數萬位 客戶的大規模產品組合，並在幾分鐘內呈現，所需的運 作成本相當低。 如需瞭解 Z-Risk Engine 的詳細資訊並觀看展示，請聯絡 Z-Risk Engine 團隊。 版權 ?2016 Aguais and Associates Ltd.保留所有權利 自訂產業地區信用週期提供： 所有模型使用一致的信用指數降低模型複雜度 評估既有模型的 PIT 將混合模型輸出轉換為 PIT 條件式及非條件式信用週期預測 PIT PD、LGD 和 EAD 衡量 全自動批次處理解決方案 多段期間 壓力 PIT PD 多段期間 壓力 PIT LGD 多段期間 壓力 PIT EAD 各個情況的 壓力損失 預期 信用損失 多段期間 PIT PD 多段期間 PIT LGD 多段期間 PIT EAD 情況 2 情況 n 情況 1 既有客戶模型和資料：PD、LGD、EAD 客戶的 顯著惡化標準 客戶或監管人的 情況