2001年初巴塞尔银行监管委员会（下简称“委员会”）公布了《巴塞尔新资本协议草案》，并就此草案向各界征求意见，拟于2006后实施。在此草案中，最引人注目的莫过于对信用风险估值的内部评级法（简称IRB）的推出。该方法的推出，在整个业界产生了极大的反响。

IRB的推出，是委员会经过对业界中几个比较典型的信贷风险估算模型（主要是MTM及DM两大类的模型1 ）的研究和比较之后，根据其成熟度及可操作性进行调整后进行相应调整修改最后确定的基础方法。在此方法中，为了区分不同类型的授信信用风险，委员会将其划分为主权、银行、公司、零售、项目融资及股权风险。

对于公司授信风险而言，委员会还将其划分为基础内部评级法和高级内部评级法（同样的还有主权风险和银行风险）。在基础评级法中，金融机构需根据内部数据对于不同级别的借款测算违约率（PD），金融监管当局则必需提供其他所需参数如违约风险暴露（EAD）及给定违约损失率（LGD）等。而高级法中，上述参数由银行自行测算决定，但必须由监管当局加以确认方可实行。除了上述区别以外，基础法和高级法在计算公式及授信期限等调整因子上也存在着一定差异，最终导致金融机构在计算风险资产及提取相应准备上存在巨大差异。但总体来说，对于风险控制较好的银行，采用高级法往往能比采用基础法减少必须的准备提取，但对于一些风险控制较差的银行，情况可能正好相反。

(1)内部评级对象。过去一个时期以来，银行主要采用一维评级系统，即仅对借款或交易对手进行评级。新资本协议要求，商业银行在内部评级法中必须设计客户资信评级及贷款评级的两位体系，以满足风险监管的精确化技术要求。

(2)评级所考虑的因素。大多数国际性银行在评级时除了考察借款人财务状况，包括资产负债情况、盈利能力和现金流量充足性等因素以外还会考虑经济周期、行业特点、区域特征、市场竞争、管理水平以及产权结构等因素对借款人偿债能力的影响。行业分析在风险评级过程中发挥着越来越重要的作用，因为不同行业的发展前景、市场结构和主要风险因素各不相同，只有通过行业比较，才能比较客观地估计不同行业借款人的信用风险水平，并使不同行业的信用评级具有可比性。为此，一些国际性银行非常重视对行业的研究和跟踪分析，并按不同的行业分别设立机构，每个行业机构下设置客户经理部、行业评估专家组、风险评估专家组和业务处理组。

(3)内部评级标准。一般而言，依靠授信人员自行判断，根据经验及专业知识，可保持评级的弹性，随时根据不同情况作适当调整，不过人工评级方法比科学方法缺少一致性、共通性及全面性。巴塞尔委员会鼓励银行利用自己本身的资料建立评级标准，银行需要将评级的方法清楚列明，清楚阐释授信风险因素的筛选方法、评级的原理、处理非量化因素的准则等，以增加评级的透明度，提供足够信息使其他人容易了解、比较及解释不同评级的分别，待监管机构检查时，可增加他们对评级系统的信心。

(4)内部评级方法。从国际银行界看，常用的内部评级方法分为三类：以统计为基础的模型评级法、以专家判断为基础的定性评级法以及定量与定性相结合的评级方法。其趋势表现为：①风险评级越来越重视对宏观、行业、区域等系统性风险因素的分析研究。②促进定量和定性分析相结合的技术手段和专业化模型不断涌现。③更加重视企业的现金流分析。④侧重将内外部评级结果相互映射并作综合分析。⑤银行在业务决策中更加注重发挥内部评级的作用。风险内部评级结果不仅广泛应用于风险管理过程的各个关键环节，如信贷审批、风险预警、管理报告、授信额度和提取坏帐的准备等，同时还作为分配资金的基础依据，并用于资产组合管理和产品定价等方面。

与旧协议相比，新资本协议所提出的内部评级法更加广泛地涵盖了信用风险、市场风险和操作风险。因此，新的资本充足率计算公式中的分母改由三部分组成：信用风险的加权资产与市场风险和操作风险所需资本的12.5倍之和，即：

资本充足率=资本厂风险加权资产=(核心资本+附属资本)／[信用风险加权资产+(市场风险+操作风险所需资本)×12.5]

巴塞尔委员会进一步提出，银行必须将账面敞口归为6类：公司、主权、银行、零售、项目融资以及股权。内部评级法风险权重是由这3个因素的函数确定的，这个函数将3个因素转化成监管风险权重。此外，最低资本要求还应考虑信用风险类别、评级体系、违约估计模型、数据收集和IT系统等多方面因素。

在确定风险因素后，可利用风险权重函数将风险要素转换成风险资产权重。与原协议不同，IRB风险函数根据风险业务分类的差异而不同，且呈现较好的连续性。IRB法风险权重用风险暴露的PD、LGD以及期限M的连续函数来表示。该函数将上述风险要素转化成风险资产权重。该方法不依赖标准法下监管当局确定的风险权重档次，相反它允许在更大程度上辨别风险，并满足银行不同评级体系的要求。

(1)初级法风险权重函数。在初级法中，如果没有明确的期限因素，公司风险暴露的风险权重就取决其中RWc表示与风险暴露违约概率和违约损失率相联系的风险权重，而BRWc表示给定违约概率下公司风险暴露的基准风险权重，并按50％的违约损失率进行调整。每项风险暴露的BRWc反映了它的违约概率，并按以下方程确定：

BRWc(PD)=976.5×N(1.118×G(PD)+1.288)×(1+0.0470×(1一PD)／PD^0.44 )

其中N(x)表示标准正态分布函数，G(z)表示标准正态分布函数的反函数(即x满足N(x)_z，x=G(z))。

(2)高级法风险权重函数。在高级法中，期限不是3年的风险暴露，其风险权重违约概率和期限水平应作上下调整。风险暴露的风险权重RWc，可表示为违约概率、违约损失率和期限的函数：

RWc=(LGD／50)×BRWc(PD)×[1+b(PD)×(M一3)]，或12.5×LGD，取较小值。

其中b表示违约概率期限调整因子的敏感度。2003年，巴塞尔委员会将为期限调整因子制定新的处理方法。

(1)更高的资本监管要求。随着近几年银行资产迅速扩大，我国商业银行均不同程度地存在着资本充足率达不到国际最低标准8％的问题。新协议实行后，资本金不足的问题将会更为突出。根据新协议框架的测算，全球银行业在新协议下所需的资本金总体水平变化不会很大；但对于个别银行来讲，由于资产质量不同，所需资本金水平将会有明显差异。一般而言，同一家银行根据内部评级方法测算的风险资产规模较原先要减少2％-3％，对于一些经营状况更好的银行，其下降程度会更为明显；而国内银行资产质量普遍较差，如果实施IRB法，其资产风险权重的总体水平反而会有大幅度提高，导致银行资本充足率水平下降。

(2)保守的管理理念与信贷文化。新资本协议和IRB法给我国银行业所带来的挑战涉及管理理念、管理技术和管理体制等诸多方面的深层次矛盾。脱胎于计划经济时代的中国银行业习惯于以规模控制进行信贷管理，习惯于依靠计划指令，使用层层分解指标的方式控制风险暴露，而对那些西方大银行常用的风险评级、风险预控、资产组合分析和各类风险缓解技术缺乏深入了解。事实上，如果推行这些管理方法和技术手段势必对旧文化观念和利益格局造成严重冲击，同时也不可避免地遭到来自传统势力的抵制。

(3)僵化的内部管理体制。长期以来，我国银行特别是占主体的国有银行，习惯于以政府机关的行政命令方式动员和配置各种资源，在机构上偏重于按行政职能设置岗位，缺乏创新性工作所需要的机动性和灵活性，这些都不利于内部评级体系的建设和发展。另一方面，现行管理体制及其绩效评价标准对银行内部的高技术研发形成了明显的短期激励效应，不利于IRB的深入研究和扎实发展。事实证明，管理体制僵化是中国银行业接受新资本协议和IRB等先进管理方法的主要障碍。

(4)不良信用环境。从宏观角度看，我国经济发展中的一个严重制约因素是恶劣的社会信用环境，这一问题同样影响到银行内部评级体系的建立和推行。风险评级必须建立在企业或个人所提供的真实数据基础上，然而在现有的社会信用环境下，这一点恰恰是难以保证的。据统计，2001年我国四大国有银行全部117万户贷款企业中，提供审计后财务报表的仅占总数的7．9％，而同期花旗银行高达33．4％。这使得企业提供的数据质量难以从制度上得到保证，财务欺诈现象比比皆是。不真实的数据信息必然造成风险评级结论的不准确，从而对风险决策和资本监管形成误导。毫无疑问，我国如不尽快建立完备的社会信用体系，银行内部评级系统就会成为无源之水、无本之木。

(5)人力资源约束。风险评级是一项庞大的系统工程，需要强大的人力资本作后盾。从国外经验看，实施IRB法的银行必须拥有一支实力雄厚的专家队伍，它由宏观经济专家、产业经济专家、金融工程师、财务分析师、计量经济学家等组成。此外，银行还需要针对某些特殊领域，通过外聘方式与行外专家保持密切联系，形成一个高效率的智力资源网络。而在人才评定方面，国内银行尚还缺乏合适的评定准则，致使高学历低能力以及专业不对口的现象层出不穷。在这方面，我国银行在人力资源质量和结构上都存在着显而易见的劣势和差距。

(6)监管当局的技术水平不能满足监管要求。新资本协议规定，监管当局应对银行所采用的风险内部评估体系的先进性与合理性作出明确的判断，防止因为拒绝先进的评估方法而阻碍管理水平的提高，或因为接受不完善的评估体系而导致风险失控。事实上，刚刚成立的银监会在IRB方面缺乏专业人才和管理经验，即便国内有些银行建立了自己的内部评级体系，央行在较长一段时期内仍没有能力对其进行检验，从而无法确认这类系统是否可以用于资本监管。

(1)加强内部评级体系的研究与开发。我国商业银行要从战略高度出发，充分重视内部评级法的建立和实施；同时，必须认识到此项工作的艰巨性、复杂性和长期性。应在银行内部成立专业化机构，组织调配各类有效资源，持续和深入开展内部评级体系的研究、设计和开发工作，并对相关的业务流程和决策机制进行必要的改造和完善，使之更加适应现代化风险管理的需要。

(2)积极推进基础数据建设。建立统一的数据仓库和管理信息系统是银行现代化的必由之路。从IRB角度看，没有强大的管理信息系统(MIS)支持，再先进的风险评级系统也将成为无源之水、无本之木。由于模型建立过程中，涉及的数据量大、来源渠道不一、运算程序复杂，模型效力很大程度上依赖信息系统的稳定性和运行高效。在新资本协议有关PD、LGD和EAD的文件中，都明确提出了对于数据库和信息技术系统的要求。国际同业的经验表明，大多数银行在内部评级体系建立过程中，70％-80％的精力消耗在数据清洗和数据结构整合方面。国内银行的数据储备严重不足，且数据缺乏规范性、数据质量不高，这些问题严重困扰着我们，因此建设IRB体系的首要任务就是解决数据问题。必须尽快建立统一的数据仓库和现代化的管理信息系统，从而满足包括风险评级在内各种管理工具的数据需要。

(3)坚持技术创新与制度创新并重，推进内部评级配套制度的研究和建设。新资本协议所要求的内部评级法不是简单地开发一套评级系统，而要将内部评级方法和系统工具切实运用到业务流程中去，使之发挥决策支持作用，所以IRB实施过程中应坚持制度与系统同步推进、配套建设的原则。我国商业银行应根据业务发展需要，组织协调相关的业务管理部门，研究制定内部评级在信贷政策、产品定价、限额管理、准备金计提、经济资本分配、绩效考核、资本充足率测算等方面应用与管理制度，逐步建立与内部评级系统相配套的管理制度体系，为最终实施IRB法创造条件。内部评级的制度建设同样是一个庞大的系统过程，如果这方面工作跟不上，就像火车造出来，却发现没有铁轨一样。

(4)研究设计适合中国的风险评级模型。实施IRB法的技术核心是建立科学的内部评级模型，该模型的效力取决于能否正确反映和评估银行业务中存在的各类风险。目前，国外许多成熟的数学模型，如穆迪公司的RISKCAL、KMV模型、ALTMAN模型、CREDITMETRICS以及标准普尔的神经网络模型等，在全球银行业受到普遍认同和广泛应用。但必须看到，这些国外模型大都偏重于财务分析，有的还大量引入市场价格变量，如利率、汇率、股价等，这对西方银行业无疑是适用的，而我国银行要建立内部评级体系，就既要学习借鉴国外模型的理论基础、方法论和设计结构，又要紧密结合本国银行业的特点和现状，充分考虑诸如利率市场化尚未完成、企业财务数据不够真实、金融市场发展不充分、区域风险差别显著、道德风险偏高等国内特有现象，研究开发自己的模型框架和参数体系。

(5)培养和组建一支优秀的专业化团队。内部评级系统和方法属于银行商业机密，是具有较高技术含量的方法论集成。培养、建立一支精通风险计量分析的专业化人才队伍，对于内部评级体系的建设、实施和维护具有重要意义。这支队伍不是一朝一夕可以产生的，银行需要长期进行储备、培养甚至挖掘人才，一旦形成并投入使用，就应设法保持其稳定性。对于内部评级的关键技术还要注意知识分散化，以防止个别人才流失对系统运行造成不利影响。

(6)充分发挥监管当局的政策导向作用。实施IRB法是一项庞大的系统构成，涉及到外部资本监管和银行风险内控的方方面面。我国商业银行在该领域的整体水平较低，缺乏相应的组织管理经验。为此，中央监管当局应充分发挥其在金融体系中的权威性和导向性作用，一方面要建立一个专业化的工作机构，使之发挥带动、引导和示范作用，促进国内外银行在IRB领域的技术交流；另一方面，要积极发挥国内银行间的整体协作优势，组织并利用各银行现有资源，加快推进内部评级体系的建设和应用。监管当局应鼓励有条件的商业银行加快实施内部评级法，同时允许技术实力较弱的中小银行根据其实际情况，先从标准法做起，或由多家中小银行联合开发一套共同版的风险评级系统(即模型结构和数据库基础一致，但参数有所差别)。这样做不仅可在总体上降低系统开发成本，还能发挥中国银行业的后发优势，争取在短时期内缩短与国际先进银行的技术差距。

(7)建立中国银行业“IRB共享数据池”(Data Poo1)。从技术角度看，国内大型银行的业务数据足以支持评级模型的分析与检验，而中小银行由于业务规模小、积累时间短，因而难以获得足够的评级数据。根据欧洲的经验，可以将多家中小银行联合起来，建立共享的同业数据库，该数据库应包括信用记录、违约率、损失率、挽回率、评级迁移频率等时间序列和横截面数据。同时，银行还可利用评级机构及征信机构所提供的信用数据作为参考，并与政府及研究部门合作，获取宏观经济、产业发展和企业征信等方面的相关数据。在建设全国征信系统以及“IRB共享数据池”方面，人民银行和银监会应该发挥重要作用。国内银行可以在政府部门的统一指导下，有计划、有步骤地开展技术交流与合作。于违约概率和违约损失率。所有敞口的平均期限假定为3年。风险暴露的风险权重RWc表示为违约概率和违约损失率的函数：RWc=(LGD／50)xBRWc(PD)，或12.5xLGD，取较小值。