风险计量基础：PD、LGD、EAD、EL与UL
各位同学，今天咱们来聊聊信用风险计量的几个核心概念。说实话，我刚入行那会儿，觉得这些术语特别绕——PD、LGD、EAD，念起来跟绕口令似的。但后来在项目里吃过亏，才明白这些指标是风控模型的命根子。
你想想看，银行放贷出去，最怕什么？怕借款人还不上钱。但光知道「怕」没用，得量化。怎么量化？就是靠这几个参数。
1. 违约概率（PD）
违约概率，说白了就是借款人未来一段时间内还不上钱的概率。比如我说「这个客户明年违约的概率是5%」，意思就是100个类似客户里，大概有5个会逾期不还。
PD的估计方法，我个人习惯分三步走：
- 历史数据统计：看过去同类客户的实际违约比例
- 评分卡映射：把客户的信用评分转成违约概率
- 宏观调整：根据经济周期做校准
嗯，这里要注意一点——PD不是一成不变的。我在项目中遇到过，同一个客户在不同经济环境下，违约概率能差好几倍。所以做模型时，一定要考虑时点因素。
关键点：PD通常用百分比表示，范围在0%到100%之间。零售业务中，PD一般小于10%；对公业务可能更高。
2. 违约损失率（LGD）
客户违约了，银行能收回多少钱？LGD衡量的就是「损失的比例」。比如客户欠了100万，最后只收回40万，那LGD就是60%。
LGD的影响因素，我总结为三类：
- 抵押品：有抵押的贷款，LGD通常低很多
- 优先级：优先级的债权，回收率更高
- 清收成本：打官司、拍卖抵押品都要花钱
我曾经犯过一个错误——直接用行业平均LGD做模型，结果发现实际损失比预期高出一大截。后来才明白，不同产品的LGD差异太大了。信用卡的LGD可能在70%-90%，而房贷的LGD只有20%-40%。
实战技巧：计算LGD时，别忘了考虑时间价值。回收款通常要等好几个月甚至几年才能到账，折现后的实际损失会更大。
3. 违约风险敞口（EAD）
EAD就是客户违约时，银行总共暴露了多少钱。听起来简单，但实际操作中有个坑——额度使用率。
比如信用卡，客户额度10万，目前用了3万。违约时他可能已经把额度刷爆了。所以EAD不是当前余额，而是「违约时的预期余额」。
EAD的计算公式：
EAD = 当前余额 + (授信额度 - 当前余额) × 额度使用率系数这个系数怎么定？我建议用历史数据回测。比如过去违约的客户，平均额度使用率是85%，那系数就取0.85。
4. 预期损失（EL）
好了，前面三个参数凑齐了，就能算预期损失了。公式很简单：
EL = PD × LGD × EAD举个例子：一个客户PD=5%，LGD=60%，EAD=100万。那么EL = 5% × 60% × 100万 = 3万。
这意味着什么？银行放这笔贷款，平均下来要亏3万。注意，我说的是「平均」——不是每个客户都亏3万，而是大量同类客户的平均损失。
核心理解：EL是银行可以预期的损失，所以要在定价时覆盖掉。说白了，贷款利率里已经包含了这部分成本。
5. 非预期损失（UL）
EL是平均损失，但现实往往不按平均来。有时候损失会远高于预期，比如金融危机时。这个「超出预期的部分」，就是非预期损失。
UL的计算，本质上是在衡量损失的不确定性。我常用的方法是：
- 先算出损失的标准差
- 再乘以一个置信水平系数（比如99.9%对应3.09）
- UL = 置信水平下的损失 - EL
你想想看，银行为什么要算UL？因为要准备资本金。EL靠定价覆盖，UL靠资本金覆盖。这就是巴塞尔协议的核心逻辑。
避坑指南：我曾经见过一个团队，把EL和UL混为一谈，结果资本金少提了30%。记住——EL是预期内的，UL是预期外的，两者性质完全不同。
知识体系总览
下面这张图，把五个概念的关系梳理清楚了。我建议你多看几遍，理解它们之间的逻辑链条。
实际应用中的注意事项
讲完理论，说点实际的。我在做评分卡项目时，发现很多新人容易犯这几个错：
- PD和LGD混用：有人直接用PD代替LGD，这是不对的。PD是概率，LGD是比例，性质完全不同。
- 忽略相关性：PD和LGD不是独立的。经济差的时候，两者往往同时升高。
- EAD估算太粗糙：直接用当前余额当EAD，会低估风险。
我的建议：刚开始做模型时，先别追求复杂。用最简单的公式把EL算准了，再慢慢加细节。稳扎稳打，比花里胡哨强。
好了，这一章的内容就到这儿。记住这五个概念，后面的评分卡建模就顺了。
公众号:蓝海资料掘金营，微信deep3321