银行信贷损失预测：监管数据的经验教训（英）

国际清算银行工作文件 No1125 银行信贷损失预测:经验教训监督数据 马丁·伯恩、伦佐·科里亚斯、克里斯蒂安·施密德和尼古拉·塔拉谢夫 货币经济部 2023年9月 果冻分类：G21、G28、G32、G33、E44、P52。关键词:预期损失预测;监管资本; 投资组合信用风险。 国际清算银行的工作文件由货币和经济部门的成员撰写国际清算银行部，并不时由其他 Economics,andarepublishedbytheBank.Thepapersareonsubjectsoftopic interestandaretechnicalincharacter.Theviewsexpressedinthemarethoseoftheir 作者，不一定是国际清算银行的观点。 该出版物可在国际清算银行网站(www.bis.org)上查阅。 ©国际清算银行2023年。保留所有权利。简短摘录可能是复制或翻译提供的来源。 ISSN1020-0959(打印)ISSN1682-7678（在线） 银行信贷损失预测：监管的经验教训 data 马丁·伯恩，伦佐·科里亚斯，克里斯蒂安·施密德和尼古拉·塔拉谢夫1 Abstract 以信用风险为重点，我们比较了银行的预期损失率(EL)，收集了由巴塞尔银行监管委员会于2009年至2022年保密， 以及供应商数据中报告的相应实际损失率(AL)。一致通过将整个周期的风险估计用于监管目的，EL利率 随着时间的推移，很少与AL率保持一致，这有助于解释一个大的预防措施巴塞尔协议III资本要求中的元素。我们还发现，EL费率的等级顺序 各银行之间的利率与AL利率密切相关，与最近和即将到来的利率一致监管努力改善风险衡量实践。EL率更有可能 在银行盈利能力和财务状况提高之后过于乐观过热，正如信贷与GDP的差距所反映的那样。 关键词:预期损失预测;监管资本;组合信用风险 果冻分类：G21、G28、G32、G33、E44、P52。 1我们感谢IñakiAldasoro，IrinaBarakova，StijnClaessens，SebastianDörr，RodrigoCoelho，NeilEsho， MarcFarag,MikaelJuselius,WillKerry,WolfMüllerandEgonZakrajsekforveryhelpfulcommentson 较早的草稿，以及BurcuErik，RobertoOttolini和JhuveshSobrun的宝贵研究支持。本文表达的观点是我们的观点，不一定反映世行对 国际结算。 Contents 1.导言1 2.Loss吸收资源forcredit风险:基础知识3 2.1Building块of监管资本。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 。。。。。。。3 3.D2a.t2aa说nd明k性ey示指例标w…it…h…ah…yp…o…th…et…ica…l银…行……………………………………………………………………………………6……………………… …………………………………………………………………………………………………………………………… …………7 3.1Data7 3.2钥匙指标8 预期损失费率8 实际值损失费率8 First并列ofELandAL费率9 4.Adequ不ac一yo致f损之失间估da计taaonndE资La本nd要A求L费…率………………………………………………………………………9………………………… …………………………………………………………………………………………………………………………… ………10 4.1ELvsAL:十字节………………………………………………………………………………………… …………………………………………………………………………………………………………………… ………………………10 5.ELvsAL:panel计量经济学分析15 4.2ELvsAL:时间尺寸11 How准确are银行的已报告ELsas预测因子ofALs？15 4.3保守主义in实际资本要求14 Whatexplainsthe预测错误？……………………………………………………………………… 16 6.结论18 参考资料19 Appendix:附加回归结果21 已筛选意见21 Step-one回归21 第二步回归22 已筛选观察and常量样本23 Step-one回归23 第二步回归。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 。。24 1.Introduction 以借贷为核心的银行经营模式，信用评估对于银行的风险管理至关重要。信贷损失在 大金融危机(GFC)(如伯南克(2009)，克莱森等人(2010))和60%至 80%的国际活跃银行的资本要求反映了信用风险(BCBS （2023b），第50-51页）。如今，偿债成本似乎有望在在低利率时代和近期利率期间，债务大量积累 加息。在合理的情况下，这些成本的上升可能会推动信贷损失高达 GFClevels(BIS(2023)).Ultimately,accuratecredit-losspredictionsand/orregulatory 保守主义-即从预测到 资本要求-需要确保有足够的资源来吸收超过贷款损失准备金的信贷损失。 我们使用一个关于银行信贷损失预测的新数据集-或预期损失(EL) rates-toassesstheiraccuracy.WejuxtapestheseELrateswithbanks’actualloss(AL)ratesandidentifydriversofthediscrepancies.Attheheartoftheexerciseare由巴塞尔银行委员会收集的独家机密监管数据 Supervision(BCBS).Thesedatacontainone-yearELrates,asreportedby65 从2008年底到2022年底，从国际活跃银行到监管者。结合 开启的EL速率非默认与供应商的风险敞口会计关于AL率的数据，我们回答两个问题：2(i)EL率如何捕捉AL率的演变?and (ii)银行间EL利率的等级顺序是否与AL利率一致？我们也将EL和AL利率之间的差异与银行层面的特征联系起来，并宏观金融变量。 EL率在时间和横截面维度上的表现不同。首先， wefindthattheygenerallyfailtocapturethetimeprofileofALrates.AsELratestend 为了错过AL率的峰值和趋势， Thetwoseriesisstatisticallysignificantforonly15%ofthebanks.Thisimpliesthata 需要从EL利率到资本要求的保守映射，以确保 在每个时间点都有足够的吸收损失的资源。我们估计-在我们的样本期-这种保守主义会导致资本是(至少)的两倍 相当于四分之三银行的实际损失。3数据表明类似或 在实际资本要求方面有更强的保守主义。我们的第二个发现是银行在表示其信贷投资组合的风险时表现良好相对to 其他银行的投资组合。具体来说，我们发现，在每个样本年中， the等级排序of各银行的EL利率与相应的 AL费率。4 回归分析证实并扩展了这些描述性的发现。我们进行 Thisanalysisintwosteps.Inthefirststep,weregressALratesonlyonthe 相应的EL率（和一个常数）。我们发现，就其本身而言，EL率可以 2对非违约风险的关注侧重于对违约概率的估计，而不是给定损失的违约。 3我们没有信息来阐明是否需要更大的保守主义如果银行使用了顺周期(“时间点”)PD估计。 4除2021年外，EL和AL率之间的相关性在一定程度上受到干扰，在符合新冠肺炎疫情的特殊性和相关支持措施。 explainlessthan5%ofthevolatilityinALratesovertime.Bycontrast,ELratesexplain 几乎70%的AL利率在银行间的分散。 第二步，我们研究未解释的AL率部分的驱动因素 按EL费率，即“第一步错误”。有迹象表明EL费率没有完全说明 在信贷损失持续存在的情况下，我们发现滞后的AL利率有助于解释第一步的错误。我们还发现，第一步之间存在稳健的统计上显著的线性关系 一方面，错误，另一方面，国家一级的信贷与GDP的差距和银行层面的回报- 资产(RoA)和市净率(PtB)，另一方面。与银行一致在预测信贷损失时，从过热的宏观指标中提取 信贷与GDP差距的一个标准差上升占0.12标准 偏差在两年后的第一步错误中上升。反过来，一个标准 RoA的偏差增加导致 一年后AL和EL率之间的差异。这与较高的 在风险衡量中引入过度乐观的盈利能力。最后， PtB比率增加一个标准差占0.17标准 一年后，第一步误差的偏差下降，与较高的一致估值使银行能够在其EL利率上承担更大的保守主义。 在整个过程中，我们意识到 EL费率背后的监管数据和AL费率背后的供应商会计数据。虽然前者包括表内和表外信用风险敞口，但 后者仅系统地涵盖资产负债表头寸，并可能合并证券 暴露于信用风险，而那些只暴露于市场风险的人。此外，虽然监管数据在违约之间划清界限and非违约风险敞口， 会计惯例模糊了供应商数据中的这种分离。5我们因此检查-和 确认-我们结果的稳健性，排除了以下观察结果两个数据集之间可测量的不一致-即 支撑AL和EL利率的信用风险敞口-超过特定阈值。在此外，我们控制影响AL利率的默认值之间的潜在差异以及那些支撑EL利率应该预测的损失的人。最终， 我们的练习是对监管的评估credit风险估计onthe依据ofthe 关于大型国际活跃银行的最佳可用跨辖区数据。6 我们的发现与全球金融危机后监管举措的影响有关。首先，当局试图减轻风险评估过度的趋势 在宁静的时间里保持乐观，压力激增-即减轻顺周期性(BCBS (2021))。这些努力underpin银行对“整个周期”估计的使用违约概率(PD)。7锚定在长期历史违约率，如 估计趋于稳定，itis因此，毫不奇怪，它们导致了EL率错过了AL率的演变。8此外，最近的政策努力寻求 5违约风险敞口保留在监管数据中，直到它们被注销、恢复或出售给一个单独的法人实体，此时它们将从数据中删除。 6Ong等人(2023)提出了一种收集公开关于预期和实际损失的可用数据它们不包括我们使用的银行预期损失的监管数据。 7相关的是银行使用“低迷”的给定违约损失(LGD)，这反映了异常时期高信贷损失。 8反周期缓冲要求原则上可以(部分)纠正银行的失败 估计以捕捉AL的演变(另见Herz和Keller(2023))。成为 打击顺周期性的政策努力，这种缓冲寻求在以下情况下增加吸收损失的资源银行忽视了风险的积累。 确保监管资本的差异反映了基础资本的真正差异 风险，而不是不同司法管辖区风险衡量实践的差异，以及实体(BCBS(2017))。EL速率在解释AL分散方面的表现各银行的利率与这种努力是一致的。 本文补充了以前对银行监管信用风险的评估估计。在GFC之后，BCBS探索了这种 对相同假设投资组合的银行间估计(BCBS(2016))，后来最终巴塞尔协议III一揽子计划中模型设计的知情约束(BCBS (2017))。HardyandSchmieder(2013)andLewricketal(2021)examinedwhether 巴塞尔协议III的资本要求和自愿(或“管理”)资本缓冲是足以吸收GFC后不同水平的潜在压力下的损失。大多数 最近，BCBS(2022)得出结论，巴塞尔协议II