組合風險漂移偵測
概述
監控並量化貸款組合風險輪廓隨時間的變化。此技能運用年資分析、信用遷移矩陣、集中度追蹤與早期預警指標,在損失實際發生前偵測偏離機構風險胃納的漂移。產出包括趨勢分解、漂移驅動因素歸因,以及提供給組合管理委員會的可行建議。
使用時機
- 向董事會與風險委員會進行季度組合風險報告
- 偵測不同年資的承貸品質惡化
- 監控集中度限制違規(地理、產業、借款人)
- 在不利情境下壓力測試組合韌性
- 評估信用政策變更對組合組成的影響
- 回應來自逾期或遷移趨勢的早期預警信號
必要輸入
| 輸入 | 說明 | 格式 |
|---|---|---|
| 貸款清冊 | 包含承貸與表現數據的完整組合 | 逐筆貸款資料 |
| 年資標籤 | 每筆貸款的承貸季度/年份 | 日期欄位 |
| 風險評等 | 內部風險等級或違約機率區間 | 評等尺規 |
| 表現數據 | 逾期狀態、沖銷、修改 | 每月快照 |
| 風險胃納 | 董事會核准的限制與門檻 | 政策文件 |
| 宏觀指標 | 失業率、房價指數、GDP、利率預測 | 經濟數據饋入 |
方法論
步驟 1 — 年資曲線分析
按承貸年資建構累積違約與損失曲線:
- 按持券月數繪製每個年資的累積淨沖銷率
- 在同等年齡點比較近期年資與成熟年資標竿
- 計算年資偏離指數:當前年資淨沖銷率與標竿在同一持券月數下的比值
- 標記偏離指數超過1.2(比標竿差20%)的年資
- 將偏離分解為規模效應(組合轉移)與比率效應(品質移轉)
步驟 2 — 信用遷移矩陣建構
建立顯示各期間評等等級變動的遷移矩陣:
- 為每個報告期(建議每季)建構N×N遷移矩陣
- 計算每個等級的升等率、降等率與穩定率
- 計算加權平均遷移分數:正值表示組合改善,負值表示惡化
- 將當前遷移模式與歷史常模(3年、5年平均)進行比較
- 識別降級速度異常的等級(>歷史水準的1.5倍)
步驟 3 — 集中度漂移追蹤
監控組合在關鍵維度上的集中度:
- 地理:各州/都會統計區的曝險對比上限
- 產業/部門:NAICS代碼集中度對比分散目標
- 借款人規模:單一名稱集中度及前10/前25大曝險
- 產品組合:固定 vs. 浮動利率、擔保 vs. 無擔保、定期 vs. 循環
- 風險等級分布:正常、注意、次級、可疑的百分比
為每個維度計算賀芬達-赫希曼指數並追蹤趨勢。標記任何維度中季增超過10%或違反政策上限的指標。
步驟 4 — 早期預警指標儀表板
計算並追蹤以下領先指標的趨勢:
- 30天逾期率:按年資與產品分類(最早信號)
- 滾動率分析:從正常→30天逾期→60天逾期→90天逾期→沖銷的轉移機率
- 違約機率遷移:組合的加權平均違約機率與前期比較
- 違約損失率趨勢:已實現違約的回收率
- 預期信用損失:在CECL/IFRS 9下的終身損失估計變動
- 受批評資產比率:分類+特別提及佔總貸款百分比
步驟 5 — 歸因分析
將觀察到的漂移分解為根本原因:
- 承貸品質:新承做的貸款是否比歷史平均風險更高?
- 成熟效應:舊貸款在其年齡時的表現是否符合預期?
- 經濟環境:宏觀因子變遷能否解釋觀察到的遷移?
- 政策變更:近期信用政策修改是否改變了風險輪廓?
- 組合流失:還款是否集中在低風險區塊,留下風險較高的殘餘組合?
使用分解架構:總漂移 = 承貸效應 + 成熟效應 + 經濟效應 + 組合轉移效應 + 殘差
步驟 6 — 壓力情境疊加
在壓力下預測組合表現:
- 將監管壓力情境(CCAR嚴重不利)應用於當前組合
- 計算每個情境下的壓力違約機率、違約損失率與預期信用損失
- 將壓力損失與資本緩衝及貸款損失準備進行比較
- 評估觀察到的漂移是否增加了對壓力的脆弱性
- 量化若漂移以當前軌跡持續所需的增量資本
步驟 7 — 報告生成與建議
產出全面的漂移報告,包含:
- 具紅綠燈指示的組合風險儀表板
- 所有關鍵指標的趨勢圖(至少12季展望)
- 具體漂移發現與根本原因歸因
- 與風險胃納門檻的比較(在範圍內/接近/違反)
- 建議的管理行動(緊縮承貸、增加準備、避險)
輸出規格
## 組合風險漂移報告 — [期間]
### 風險儀表板
| 指標 | 當前 | 上季 | 年增變動 | 胃納上限 | 狀態 |
|------|------|------|----------|----------|------|
| 加權平均違約機率 | X.XX% | X.XX% | +/- X bps | X.XX% | [綠/黃/紅] |
| 加權平均違約損失率 | XX.X% | XX.X% | +/- X pp | XX.X% | [綠/黃/紅] |
| 淨沖銷率 | X.XX% | X.XX% | +/- X bps | X.XX% | [綠/黃/紅] |
| 30+逾期率 | X.XX% | X.XX% | +/- X bps | X.XX% | [綠/黃/紅] |
| 賀芬達-赫希曼指數 (地理) | X,XXX | X,XXX | +/- XXX | X,XXX | [綠/黃/紅] |
| 受批評比率 | X.XX% | X.XX% | +/- X bps | X.XX% | [綠/黃/紅] |
### 年資分析
- 表現最差年資:[季度] — 高於標竿[X]%(持券月數[N])
- 觀察中年資:[清單]
### 遷移摘要
- 加權平均遷移分數:[X.XX](負值表示惡化)
- 降級速度提升的等級:[清單]
### 漂移歸因
- 承貸品質:[X]% 的總漂移
- 經濟環境:[X]% 的總漂移
- 組合轉移/流失效應:[X]% 的總漂移
- 政策變更影響:[X]% 的總漂移
### 壓力測試影響
- 基準預期信用損失:$[X]M
- 嚴重不利預期信用損失:$[X]M(+[X]%)
- 壓力下的資本適足性:[充足/邊際/不足]
### 建議
1. [行動 — 負責單位 — 時程]
2. [行動 — 負責單位 — 時程]
3. [行動 — 負責單位 — 時程]
分析架構
應用VMIC架構:
- Vintage — 比較同梯隊績效曲線與標竿
- Migration — 追蹤信用等級轉變的方向性漂移
- Indicators — 監控領先的逾期與損失信號
- Concentration — 衡量跨維度的分散程度變化
範例
範例 1 — 承貸品質惡化
發現:2025年第三季車貸年資在6個持券月時,30天逾期率為4.2%,對比標竿2.8%(偏離指數:1.50)。歸因:68%來自承貸品質(平均FICO分數在政策變更後下降22點),32%來自經濟因素(區域失業率飆升)。建議:恢復變更前的最低FICO門檻,對受影響都會統計區應用地理風險疊加。
範例 2 — 集中度違規
發現:商業地產辦公物業曝險達到第一類資本的342%(上限:300%)。產業集中度賀芬達-赫希曼指數季增18%。遷移矩陣顯示當季有12%的商業地產辦公物業貸款被降級(歷史常模:4%)。建議:暫停新商業地產辦公物業貸款,加速次級信貸的處置,在30天內向董事會提交補救計畫。
指導方針
- 使用至少12季的歷史數據進行趨勢分析與標竿建構
- 針對早期預警,同時應用絕對門檻與變動率觸發條件
- 使用經年齡調整的指標,將組合漂移與預期的成熟模式分離
- 在用作標竿前,先驗證年資曲線與實際損失顯現情況
- 與資產負債管理委員會、信用風險委員會及財務部門(準備金充足性)協調發現
- 在個別等級層級呈現遷移矩陣,而非彙總的通過/未通過
- 記錄所有數據來源、排除條件及方法假設
驗證檢查清單
- 年資曲線已進行年齡調整,以公平比較不同世代
- 遷移矩陣完整(所有等級皆呈現,列總和為100%)
- 集中度指標反映當前餘額,而非僅承諾金額
- 早期預警指標在各期間使用一致的定義
- 歸因分析考量所有重大漂移驅動因素
- 壓力情境為當前版本(與最新CCAR/DFAST指導一致)
- 風險胃納門檻反映董事會核准的上限,而非非正式目標
- 報告同時包含量化指標與敘述性背景
- 揭露數據品質問題及其對結論的影響評估
- 建議按緊急程度與預期影響排序