联系我们
如您对参会报名、网站使用、内容发布有任何疑问或改进意见，请随时与我们进行沟通！
客服企业微信
期待您的宝贵意见
李师刚 CEDAR投资全球主管合伙人、德信汇智咨询董事长
我的分享分为以下五个部分，第一部分是信用风险内部评级体系建设的必要性，第二个是监管方面相关的要求和实践，以及内部评级体系具体建设时从治理体系、治理流程到建模、数据和模型这一块，到最后重要的模型验证，其前端的单一风险计量是基础，这一部分一定要做好，如果做错的话，后面的所有组合模型以及后面绩效的考核以及拨备的计提的基本的计量都会出偏，这对银行的顶层组合管理、战略的设计以及我们业务的发展规划会带来很大的影响。第三块是简要说明如何做内部评级体系建设，从治理架构体系到数据、流程、IT系统，以及过程中会存在的问题。第四部分是信用风险内部评级体系的应用，在前中后怎么应用，使得业务运作效率、风险管控效力以及组合管理高层战略的制定都能配合银行发展的战略，在快速发展的同时能够控制风险，这是很重要的。最后一个是大家都在谈的大数据在内部评级体系及风控中应用讨论，我们前期也帮助三家互联网金融机构做过相关的业务，有相关的体会，到时候和大家分享一下。
关于信用风险内部评级体系建设的必要性，以银行管理路线图为例，银行的整个运营管理从50、60年代的资产管理时代开始，为了战后重建，大量的资金流入经济和金融体系，重点做一些投资、管理的工作。那时候的资产管理比较好，后来美国布林顿森林体系的倒闭导致黄金和美元脱钩、美元和其他货币脱钩，最后导致利率和汇率的波动，吸走很多银行的存款，导致这个时代资金的短缺，进入负债时代。在这个时代的末期，即80年代初期，出现了储贷危机，因为大量工具的出现，银行的资产、负责端都出现了很大困难，美国率先放开负债，后来放开了资产、资本管制，大量的人去做银行，最终因为前期363的结构导致银行的资产和负债出现了匹配的问题，倒闭了近三分之一。到了80年代中期，资产和负债开始综合管理。到了90年代，市场风险开始进入计量和管理。80年代末期到90年代中期开始进入信用风险量化的时代，应该说不仅仅是信用风险，为了对冲信用风险以及应对巴Ⅰ对信用风险的管制而衍生了大量的工具，导致市场风险爆发，很多机构出现了亏损和倒闭，研究也发现信用风险、操作风险、市场风险是结合在一起的，所以银行想持续稳定地发展，金融体系保持稳定，必须全面地管理包括信用风险在内的市场风险、操作风险、银行账簿利率风险和流动性风险等等。所以说从90年代中末期，银行业进入全面风险管理的时代，这是九大风险大家要同管，在此基础上进行精细化的管理，所以在这个时代中，信用风险的领域首先是计量违约概率，这都需要大量数据的支持。对于违约损失率和违约风险暴露需要的数据相对来说难度更高。一开始是违约概率的建模，到违约损失率、违约风险暴露，三者计量出来之后就可以计量预期损失，在预期损失下考虑组合的关联性，之后计量经济资本，不光是看单个风险计量，要看这个组合里各个借款和抵质押品之间、债项之间相关性。例如在钢铁行业，他的上游、下游、客户有着密切的相关性，在这些行业之内和行业之间的相关性的考虑基础之上才能准确地计量组合分散的作用，才能计量经济资本。计量出损失分布之后才能在一定的置信区间里保持资本，使得面临的风险组合能够使违约的可能性掌握在目标评级或目标风险偏好之内。所以在前面的计量基础上加上对于组合相关层面的计量之后，就可以做经济资本计量，再做动态组合管理，当然国内还在尝试，但还未成立一个真正完善的经济资本模型。在产业链中要注意组合的风险，因为产业链是一条线，任何一个环节尤其是核心企业出了问题，那么整条线就会出现断裂，那么组合里这条链暴露过大就会出现问题。无论是全面风险管理时代还是动态组合管理时代，基础还是对单一风险进行精准计量，在这基础之上才能谈后面的事情，所以说单一风险的计量是十分重要的。
内评是最难的，我曾经在一段工作期间内，大量的工作就是协助亚太，包括咱们中国的客户进行 PD、LGD模型的建设，不可能出现贷款出现了超出平均损失的情况，不可能用借款的钱去还，只能是银行自有的资金、股东自有的资金，因为借款人的钱是负债，借钱是要收回去的，所以最后的损失只能用资本去缓冲，如果资本全都耗光了，那就是资不抵债，就相当于资产等于负债，借款的钱都亏了，银行势必会出现违约。为什么是资本去缓冲非预期损失，就是因为不可能用存款人的钱去弥补损失，所以资本是缓冲损失的一个本，确保不倒闭的情况。新资本协议之所以是整个金融业监管的一个基础，是因为金融行业是用资本撬动大量的负债去运作的，所以如果资本出了问题，那么银行的运营一定会出现问题。最后风险也是要跟资本挂钩起来，那么怎么联系？要画一个损失的曲线，损失的曲线从底端到顶端一一汇总，把整个组合的损失风险全划出来，就能算出银行在一定的置信区间之下要保持多少资本，以确保在目标概率之下，也就是置信区间之下银行不倒闭的概率。假设希望目前的风险组合，使银行在当前持有资本水平下倒闭的可能是万分之五，那就把损失分布划到99.95%这个位置，我们就知道超出平均非预期损失之后的非预期损失，那么就知道要弥补这部分损失应该持有多少资本。当然新资本协议所谓的渐近的单因素模型，好处就是便于操作，但是不好之处在于没有考虑风险暴露之类的因素。比如说银行，同一风险暴露下它的风险加权公式是一样的，那么这个公式是符合这个公式的反函数，那么它也是固定的。显然对于不同的金融机构，模型计算带给组合的损失、考虑相关性的影响都是不同的。举个比较简单的例子，假设早前建行很多业务做住房信贷和开发性信贷，工行更多的是做工商信贷，如果再有一笔开发贷，放到建行的组合里去，它给建行的组合带来的边际风险增加应该是比较高的，因为它加剧了某一个行业中的集中度，因此信用风险更高。但如果放到工行，相反可能是分散了风险，减少了非预期损失但不是到0。这是一个理想的渐近性模型应该如何计算。但是按照现在新资本办法或者巴Ⅱ巴Ⅲ的风险计量公式，借款人和贷款人 PDLGD相同的话，那么大家占用的资本是一样的，显然这就没有反映真正的组合状况，这是目前的资本组合模型的缺陷，当初说巴Ⅲ应该所解决这个问题，但是后来发现还是因为组合层面去计量风险有些困难，但是我们做风险管理的同时也要知道这是模型的风险所在。
那么将来不仅是要看现有方法计算出来的占用资本，还要对大额的风险暴露进行控制，所以银保监会打算出台大额风险暴露这一块内容，就是为了避免大额的暴露。大额的暴露就是金额的集中，我们在大的银行还特别设立了行业风险的关注，既关注某一个行业未来的发展方向，又关注了行业相互之间的影响，这就是为了弥补现有资本计量办法的缺陷。提到新资本协议为什么要计量风险，因为计量风险即所谓的资本协议，其实是去风险的资本，因为资本是弥补非预期损失的，这是风险。所以说到底，新资本协议虽然叫资本协议，实际上是以计量风险作为基础，然后在这基础之上去计算非预期损失占用的资本。在信用风险领域内评法模型的校准点是什么？是一年的持有期、展望期，置信区间9.9%。最早是99.95%，后来做了定量测算之后发现不行，这样银行就不用经营了，资本没有撬动，因为上升5个基点，其实带来的资本的消耗是非常大的。由于是厚尾，所以哪怕就增加5个基点的额外资本要求，也会带来大量的资金消耗，所以这是不现实的。99.95%的含义相当于1万年里面可能就发生5次，按个数来看，一年里面一万家金融机构如果按这样的方法去运作，监管会要求你持有的资本和承担的风险，一万家可能就五家倒闭，这样系统性风险是比较低了，但是银行是没法承受的。银行或者金融机构就是用资本撬动杠杆去支持实体经济的发展，没了撬动，可能对实体经济的支持作用就会受到大幅的限制。所以最后的权衡是99.9%，市场大家知道是10天的展望期。
新资本办法中，第一支柱实际上转化成风险，其实就是计量市场风险、信用风险、操作风险这三大风险的非预期损失的资本要求。因为信用风险渐近性单因素模型的缺陷，可能会出现集中度的风险，所以在第二支柱里面特别拿出来要去评估，对于在特殊情况下存在的重大风险，就一般情况下用那个公式没问题，但是针对特定的银行、特定的时期、特定的组合，也要去评估会不会出现其中一个风险。如果出现金融风险，还要计量额外的资本。所以第二支柱实际上讲的是第一支柱没有涵盖的部分，银行主要面临的风险也就是集中度风险、流动性风险、银行账户利率风险，当然战略风险和声誉风险本身是超峰的内容，但是超峰里边因为计量的问题，第一支柱里面就没有特别提出不涵盖这两部分。所以我们要在特殊的情况下去评估，比如说银行突然发生了一个大的战略变化，这会不会给整个风险组合，整个银行的资产组合带来额外的风险。战略最主要的一个内容就是调整资产的组合，出于盈利性、风险偏好等等原因和发展因素，调整的同时可能会导致某些组合不合时宜，会带来非预期的损失，这样的情况也要去评估。所以对于战略调整的时候，一定要评估调整战略风险，这是战略制定过程中的一个环节。如果现在金融机构在战略调整的时候没有进行这方面评估，那么这是比较危险的，可能会面临将来潜在的风险。国内由于体制的原因，经常换一届领导可能就伴随着提出一些新的战略，这些战略如果行家做了很久，有数据的支撑，有业务的经验，那这个战略可能是没什么太大问题的。但是如果前期行业做的时间不太久，基层的数据支撑也不太好，那在战略制定过程中可能会出现偏差。一般战略是管3~5年的，战略一制定，整个人、财、物的资源都会发生变化，一旦造成影响就是中长期的影响，短期调不回来的。在国内看到好几家机构都曾经出现过一些战略方面的风险，花几年的时间再重新调整，这给银行带来比较大的客户经济损失。这就是第二支柱的上半部分，所谓的重大风险评估就是评估在第一支柱里面没有涵盖的这些风险，在特定情况之下会不会带来一些非预期损失。然后是资本规划压力测试等等，以及接受监管机构的监督和检查，要知道监管机构怎么去监督，怎么检查，它有什么流程，我们怎么去对接。这个是所谓的第二支柱的内容。
第三支柱就是我们怎么去管理风险，怎么计量风险，怎么计量资本，怎么做资本的压力测试，根据压力测试怎么去做资本的规划。其实资本规划有两部分，一个是市场，一个是组合，就这两个方面去调整组合达成资本的充足，减少风险暴露，调整风险组合，使得组合的风险资本占有程度降到要求程度。如果没有充足的资本市场资源，可以去资本市场融资，可以去发资本工具去应对目前资本组合的情况以及未来战略的资本需求。把风险和资本、所有的工作要充分地披露出去，可以使所有的利益相关者，包括存款投资者、银行的员工等都能够很清楚这个情况，对信用风险能尽快地给出一个大的计量框架。
信用风险在美国可能在70~85%甚至到90%之间，那么中国从前几次的披露来看，它的资本效益基本上占到90%，市场风险基本上在1~2%，操作风险在7~9%，这是目前新资本协议的内容。从资本的消耗来看，信用风险是绝对的大头，所以对于信用风险的准确计量、管理和运营当然就是银行的一个核心工作，要对运营的风险心里有数。特别提到因为金融机构的集中度很高，所以可以看到它的R是非常高的。很多的金融机构希望通过同业业务做大，那么资产规模里面就会有集中度的问题，同业的业务都是风险暴露比较大的，不出问题则已，违约责任可能很低，但是一旦出现风险就会相对于一个普通借款来讲大得多，进行资产组合保护的时候要注意这一点。关于信用风险暴露，风险先要分类，之后根据风险不同的类别，采用不同的计量方法，这是信用风险管理的基础工作。在新资本协议里面，主要的风险暴露分这么几类，一个是金融机构，第二个是公司主权，然后零售、股权的暴露，其他风险暴露等等。
关于内评的体系的运作，不只是要有好的数据，有好的模型，关键还是要有确保这些数据准确、足量的机制，也要有好的模型从开发到验证。模型风险是非常大的，因为一错全错，所以模型的验证以及到内部评级体系的整个运作，从评级的发起、评级的计量，评级的确认，到评级的应用都要有一套详细的机制，从董事会到高管层，到相关的管理部门，这就是所谓的内评治理机制，在建设的时候一定要去做。这个机制并不是做个模型就可以了，用系统来记录其实只是落地的手段，前面一定要有建模的经验。模型的团队在一个银行里面应该是非常大且非常核心的，所以更重要的是设计的部分，落地可以交给IT公司去做，这倒是次要的。系统只是支撑体系的一个部分，体系一般有9~10个模块，系统只是其中一个模块来引用，所以内评的体系就需要有一个从治理到制度，然后到流程到模型到数据到IT等等全方位的体系。
关于非零售内评体系相关的监管要求，总的来说有9个方面。
1.总体要求
所以总体的要求有两个方面，在债务方面，对于借款人本身要保证两个方面都要去评估。从方法来讲没有限制，既可以是统计模型的方法也可以是专家判断的方法或综合应用，但前提是一定要去验证。对于大的组合LDP低违约组合要结合公司本身特点，比如说三桶油，它从来没有违约，没有数据去建模也统计不过来，那么可以用基本面分析的方法、现金流配置的方法去做也没问题，但是最后还是要做检验。这就是说两种方法都可以综合运用，这是总体的一个要求。
2.评级维度
首先，内评是两维的，不能是一维的。我在设计第一代评估方法的时候，就出现一个争论，这个借款人虽然看起来资质很差，但是它的业务风险很小，比如刚成立的贸易公司，看着财务报表一般，但是有单有证有物，做抵押其实是没有风险的。但就是因为90年代第一期的风险评估过多地关注主体，而没有去看非常重要的债项这个维度，所以那个时候发明了一个名词，即所谓的低风险业务，这个名词后来大家都在用，主要是说在债项方面低风险的特征。所以新的监管要求也是总结多年实践，全面地评估风险，还是要从债务人的主体和债项两个维度去看。可能业务的违约概率100%，但是债项是120%甚至120%cover，当然法律上也有反对，因为没有损失，所以违约概率可能是100%，但是乘上违约损失概率零，所以预期损失还是零。把两个维度结合起来看之后，对风险的评估才能够比较准确地反映它的风险特征。在评级维度方面，高级内评法和初级内评法对债项评级要求不同。对于初级内评，由于数据的限制，模型验证结果发现在LGD（违约损失率）那边达不到准确性、稳定性的要求，可能用不了。如果是高级法的划分，那么对公来讲，PD、LGD、ED都要通过数据支撑，经过检验后的模型去计量。那么对于零售组合来讲，初级法和高级法是一样的，都需要去对 LGD进行估算和建模。
3.评级结构
关于评级的结构要求，第一个要求是至少要有七个非违约级别和一个违约级别，这是最低要求。比如在违约的级别里面大多数分成三个类型，第一类是企业已经倒闭破产了，把它识别出来对于构建模型有比较好的作用。另一个类型是企业有还款能力，但是还款意愿有问题。第三类就是企业看起来有还款能力，但是提前判别出还款意愿有问题，也出现了一些迹象表明它的资产不能还款，市场的流动性也不一定允许还款。一般来讲在违约的级别里面，业界还会去细分，一个就是能够去识别出不同的违约情况，另一个就是未来有的建模还会经过很好的期间标准，知道模型建立的时候按什么去作为目标变量，最后回归出来是那个样子，所以这个是分类是比较好的。第二个要求就是较高级别的风险小于较低级别的风险，这就是关于风险的要求，就是说明风险级别要按序去排列的，模型要有风险排序的检验，能够由高到低去识别出风险来。至于用什么标号去标识，1~15级还是说3A级到B级，这个没关系，只是符号的问题，但是符号与符号之间，由高到低排序，不能乱，这就是排序的能力。有些机构有排序能力，但是准确性不行，这也不符合要求。第三个要求就是风险在不同级别要合理分布，这要求符合一个标准分布，不同的银行可能关注的客户群体不同，有些偏向于高风险客户，比如中小型银行，但是不管怎样，模型要将自己的组合去合理分布，有意义地区分。这里边有个定量的要求，就是单一评级的组合不能超过一定的比例，监管要求30%，一般是不能超过20%，放到25%的话，如果按级别去管理风险的话，可能这25%分辨不出风险，当然了有了外部一个概率，其实没关系的，这只是按照目前的方法计量资本。但是如果担心，可以准备计量风险，做的时候可以去单独去看。这里面还有一个所谓的主标尺的问题，不同类型的银行主标尺是不一样的。
4.评级方法论
关于评级的方法可以采用时点法，时点法主要适合做债券交易的机构。时点法是反映在某一个点上客户的风险情况，因为交易是及时的，Public EDF的方法就是基于时点的方法。对于Private EDF，长期持有贷款对银行类金融机构来讲，更多的是跨周期的方法去建模。同时要考虑债务人的违约风险，非系统性和系统性的因素。有些系统性的因素是考虑不到的，所以目前前瞻性的系统性的行业因素可以去考虑，另外建模尽可能地使用长期的、跨一个周期甚至两个周期的数据，那么系统性的因素会比较好地去反应，但是还不能完全反应。对于新巴协议来讲，平均的时间跨度不同组合是不一样的。有的机构做短期的多，有的机构做长期的多，所以在建模的时候可以按照不同的产品去做。但是对于监管来讲，整齐划一到一年，因为对于大多数机构而言，贷款的数学期望做定量测算基本上是一年左右，所以目前是用一年的展望期来去算。当然采用更长的时间跨度，期限越长，不确定性越高，风险就越高，所以违约概率肯定会越高。
5.评级时间跨度
应估计债务人未来一年违约概率。监管部门鼓励商业银行采用长于一年的时间跨度。
6.评级标准
要考虑与债务人和债项评级相关的所有重要信息。如果银行拥有的信息越少，那么评级应该越保守。内部评级也可以参考外部评级结果，但是不能局限于外部评级结果。
7.数据要求
数据的要求是至少一个经济周期，PD模型开发至少要有3-5年的数据，在过多的情况之下可以考虑3年，现在基本上是没有过多的问题。然后是LPD模型的开发，对于零售是5年，非零售至少7年，避免模型出偏。
8.模型使用
模型在实际的使用中测试至少三年的时间，使用三年之后才能有资格去申请。计量模型应在评估违约特征和损失特征中发挥重要作用；要有监测模型的预测能力，验证模型，持续改进模型。
9.文化档
要书面记录内部评级的设计；书面记录内部评级的重要过程、评级标准及各级别定义；就模型的方法论、使用范围等建立完整文档 。
建模的时候有这些方法，有纯粹的专家判断、模板的方法、主客观结合的打分卡，另外就是纯粹的定量模型。要通过检验之后，才能确定用哪个方法更准确。零售方面不太一样，零售分池体系是老的概念了，原来比较早的时候做零售就是有评分卡，A卡BC卡，然后再去做。零售还有一个特点就是客户群体非常多，所以一开始很难单一去建模计算的，所以采用的是聚类的方法管理，将风险特征相同的资产放到一个池里去，然后通过池内同质性池间异质性检验之后，就可以在这个基础上去估算PD（违约概率）、LGD（违约损失率）。计量风险核心指标有4个，违约概率(PD)、违约损失率(LGD)、违约风险暴露(EDA)和期限(M)。另外还有系统和数据的要求。整个的内评法要做几个方面的工作，包含了所有业绩的相关的实践，内评应用要求是比较高的，不能分开两样评，计量是一块，业务跟计量没关系就不行，授信审批、风险预警、限额管理、制定信贷政策和风险报告是核心应用，是最基础的，必须用。然后高级的应用方面包括经济资本模型、确定风险偏好、制定风险战略、贷款损失准备计提、贷款及投资定价、绩效考核等等。
在数据的方面，对于客户的和债项的两方面都要全力去收集，确保数量和质量达到要求。在此基础之上进行PD、LGD的建模，再去计算预期损失，考虑相关性之后计算出非预期损失。
数据有四项要求，首先要充足，不管从时间长度和数量来讲都要足够。第二个是做建模数据有一个标准，比如说做PD建模，某个模型的样本一定要不少于120，当然30个也可以建模，50个也可以建模，但是模型的稳定性后面是通不过的，因为某一个样本就会大幅地影响表现，拉偏模型。其次数据的准确性要反映客户情况，数据不能有错。第三是数据需要有代表，代表目前的组合，代表历史，不能用某一时间段或某一类的客户，不能用其他行的数据，不加分析直接用，比如说所谓的大数据，首先就要看它有没有问题，数据之间要保持一致，还有数据的缺失，数据不满足要求等等各方面问题。
目前统计的模型来看，线性回归、决策树、神经网络，模板模型都可以，神经网络计算量大，但结果不见得比传统线性回归模型效果更好。决策树在零售里面中应用是比较多的。但选择模型开发方式时一定要考虑数据是否足够、数据的数量和质量以及后期运营时候数据的可获得性。如果建模看起来表现很好，但是在获得数据的时候要花很长时间才能获得，及时性受到影响，也不行。所以数据情况是首先要考虑的情况。第二个是监管机构认可度。还有模型对风险的预测和评估能力、模型对风险的量化能力和外部评级映射能力、模型的稳定性及可维护性、开发成本、IT支持能力等等都要去考虑。最后一点就是要看模型是不是适合机构的特点需求和未来的发展需要，这在设计模型时也要去考虑。
特别提一下中小微企业，很多企业的财务很不透明，很多财务数据未经审计。大企业的财务报告非常好，在数据方面没什么问题，当然有LPD方面的挑战。中小微企业如果单纯地用财务数据来看，往往是不准确的，因为存在数据的造假，所以数据的反欺诈在中国是最大的一个挑战。因此一些企业行为的分析，业务的分析等等都要加入考虑因素。但是每个银行具体情况不一样，客户群体不同，数据不一样，可能就要有变化。为此我们专门开发了一个专家统计建模工具，把业界和银行内部对于自己客户的真知灼见科学、客观、去伪存真地收集起来。一线做过很多客户调研，有的客户只看几个方面就基本上看不出问题。这在专家看法中也比较模糊，有些专家看法可能还不一致，所以我们就把很多的专业的东西通过这个工具筛选出来，去伪存真，最后还要做检验，这样就把少数人的经验变成全行的经验。有很多的新的银行，还有一些城商行，基层只工作了两三年就去做信贷，他们要面对的客户是非常聪明的，单凭这些年轻的同事很难去把握，但是把专家去伪存真的经验放进来之后，就能够把握八九不离十的大的风险。
对于零售组合，一些小微企业尤其个体经营户，我们基本上是参照零售的方法去做，笔数少数量多，不可能去按照企业的方法每次都做评估，所以还是去批量。走批量的话，就需要参照采用零售的方法，先去做A卡，A卡是申请转入时主要的工具，然后再做B卡C卡，B卡做贷中贷后的管理，C卡用于催收时出现不良资产的时候提前甄别出去，并采取相应的贷后措施。零售分池就是要做池内同质性和池间异质性，要有统计学的检验才能够去做。对零售来讲，CCF的估计是很重要的一个基础。比如说信用卡组合，现在要评估一年之后可能的违约时点和风险暴露，这个是在不断变化的，客户什么时候透支，什么时候用额度是不知道的，对于某些循环的信贷也是如此，也需要去建立预定的模型。
一定要去验证内部评级模型才可以投产，验证不了的话，验证部门是不给授权、不给投产的，所以模型的验证非常重要。模型的验证首先是区分能力验证，包括交叉验证、ROC、AUC等等，KS检验等等都可以去做。准确性验证包括二项检验和卡方检验（HL检验）。稳定性检验包括转移矩阵SVD检验，就是在不同的组合之间，不同的时段之间，让不同的组合达到稳定性检验要求，要求至少两个指标都通过，模型才是合格的。
一般来讲为了能够较好地掌控信用风险，从建模到应用的数据，很多的风险部门都成立了专门的风险及时管理部门，这样能够及时地为建模以及风险相关的报告进行服务。相关的政策和操作流程其实是很细致的。
在实施的时候要做的是从制度体系、数据模型到系统实施都要去做，要去做一些相应的规划，比如说谁去做什么，怎么去做时间表和预算等等。应用方面，从经营单位到客户营销，到贷款的定价，有内评法之后才能把风险成本放进去。按照风险进行授信审批、信贷准入，通过自动化的审批、限额的管理、风险监控与预警，从前台、中台到后台，有一个风险报告的系统。
最后再谈一谈大数据的问题。第一个是数据的可信度很差。第二个就是数据的有用性和有效性的问题。建模的时候有一个压力的金额限制，数据有效性其实是比较低的。第三个问题是数据的隐私保护。监管前年和去年查处了一批违法经营数据的公司，关于大数据的监管，人大也在立法，人民银行在制定相关规定，所以未来在大数据应用上，银行的信誉度是非常重要的，如果说因为违法采用了相应的数据，使用个人征信信息一定要征得本人的书面同意，所以如果一旦触犯相关的监管规定，对银行的处罚影响以及业务影响是比较大的。所以关于大数据在内评体系中的应用，要根据监管方向的变化去做相应的调整。
（责编：张璐璐）
来源：TGES2020周末在线系列前沿讲座（7月）
