一、信用风险概述

各位同学好，我是老周。在金融风控这个行当摸爬滚打了十几年，今天咱们来聊聊信用风险。说实话，信用风险是金融世界里最古老、也最让人头疼的风险之一。你想想看，借钱出去容易，收回来难——这就是信用风险的本质。

1.1 信用风险的定义

信用风险，说白了就是交易对手不还钱的风险。用专业点的话说：借款人未能按合同约定履行还款义务，导致债权人蒙受损失的可能性。

我个人习惯把信用风险拆成三个维度来看：

• 违约风险：借款人直接赖账不还。我在项目中遇到过一家小企业，经营得好好的，突然老板跑路了，贷款直接变坏账。
• 敞口风险：你借出去的钱有多少可能收不回来。比如你给一家公司授信1个亿，实际只用了5000万，那敞口就是5000万。
• 回收风险：违约后能追回多少。抵押物、担保措施好不好，直接影响回收率。

1.2 信用风险的重要性

为什么信用风险这么重要？我给你讲个真实案例。

2008年金融危机，说白了就是美国次贷危机——银行把钱借给了一堆还不起钱的人。我当时在做一个零售信贷项目，亲眼看着违约率从2%飙到15%。那感觉，就像多米诺骨牌一样，一个倒，全倒。

信用风险的重要性体现在几个方面：

1. 银行的生命线：银行靠息差吃饭，如果贷款收不回来，利润直接归零。我见过一家城商行，不良率从1%升到5%，当年就亏损了。
2. 系统性风险：信用风险会传染。一家企业违约，可能拖垮上下游，甚至引发连锁反应。
3. 监管红线：巴塞尔协议对信用风险资本金有硬性要求。你算少了，监管罚你；你算多了，股东骂你。

1.3 信用风险管理的框架

信用风险管理，不是拍脑袋的事。它有一套完整的框架。我习惯把它画成一张图，你一看就明白：

这张图我用了好多年，每次给新人培训都拿出来讲。你看，它是个闭环：

• 风险识别：找出谁可能违约。我习惯用规则引擎先扫一遍，比如征信逾期次数、负债率这些硬指标。
• 风险计量：算概率、算损失。这就是咱们这门课的核心——违约概率建模。
• 风险监控：盯着指标看。一旦违约率超过阈值，立刻预警。
• 风险控制：采取措施。比如收紧额度、要求追加抵押。
• 风险报告：向上汇报。董事会要看的不是模型细节，而是「我们亏了多少、还有多少风险」。

1.4 信用风险建模的核心要素

说到建模，咱们得先搞清楚几个关键概念。我整理了一张表，方便你对照：

概念	英文缩写	含义	我的理解
违约概率	PD	借款人在未来一年内违约的可能性	说白了就是「他有多大概率不还钱」
违约损失率	LGD	违约后损失的比例	抵押品好不好卖，直接影响这个数
违约风险敞口	EAD	违约时你借出去多少钱	授信额度用了多少，就是敞口
预期损失	EL	PD × LGD × EAD	这是你「应该」亏的钱
非预期损失	UL	实际损失超出预期的部分	这才是真正让你睡不着觉的东西

嗯，这里要注意：预期损失是定价的基础，非预期损失是资本金的基础。巴塞尔协议要求银行持有的资本金，就是为了覆盖非预期损失。

1.5 信用风险建模的常见方法

建模方法有很多，我挑几个常用的说说：

• 逻辑回归：最经典的方法。简单、可解释性强。我在做零售信贷时，90%的场景都用它。
• 决策树/随机森林：适合处理非线性关系。但要注意过拟合，我吃过这个亏。
• XGBoost/LightGBM：现在工业界的主流。速度快、精度高，但调参是个技术活。
• 神经网络：适合大数据量场景。但可解释性差，监管不太买账。

1.6 信用风险建模的流程

建模流程，我习惯分五步走：

1. 数据准备：收集、清洗、特征工程。这一步占60%的时间。
2. 模型开发：选算法、训练、调参。
3. 模型验证：回测、压力测试、稳定性检验。
4. 模型部署：上线、对接业务系统。
5. 模型监控：持续跟踪性能，定期迭代。

你想想看，为什么很多模型上线后效果变差？因为业务环境在变，客户行为在变。模型不迭代，就是废纸一张。

1.7 信用风险建模的挑战

最后聊聊挑战。做信用风险建模，你可能会遇到这些问题：

• 数据不平衡：违约样本太少。我处理过的一个项目，违约率只有0.5%，建模难度极大。
• 特征缺失：很多客户信息不全。比如收入字段，30%是空的。
• 模型可解释性：监管要求你解释「为什么拒绝这个客户」。黑箱模型很难通过。
• 业务变化：政策调整、市场波动，都会影响模型效果。

嗯，这些挑战咱们后面都会一一讲到。别担心，有方法应对。

---

公众号:蓝海资料掘金营，微信deep3321