刘久彪

（天津财经大学金融学院，天津 300222）

引 言

在商业银行内部评级系统开发过程中，准确地设定主标尺、划分信用等级或者风险分栏具有特别重要的实践意义。依据评级主标尺，每个经模型评分的借款人被归类到特定的信用等级，同一等级的借款人统一被赋予相同的违约概率，称为池化违约概率[1]。商业银行基于信用等级和池化违约概率进行信贷审批、差异化贷款合同（如执行利率等），以及计算匹配自身风险程度的资本要求、相应的经济资本配置等[2]。

我国商业银行内部评级体系的建立从公司客户起步，设计主标尺的一个重要考虑是满足公司客户的评级分布需要。这样很容易造成在设计主标尺时其他组合被忽略，如没有考虑主权、金融机构客户评级分布的需要[3]。完成这些组合的模型开发后会发现，对原来基于公司客户违约风险分布设计的主标尺中高等级客户细分不够，高等级段越来越拥挤，导致某些级别客户数量集中度不断提高，接近甚至超过监管规定的30%上限[4]。和国际同业相比，我国商业银行将低违约概率区间（0%~0.5%）仅划分为2~3级，而国外同业明显更高，过粗的区间划分会高估主权、金融机构、特大型企业客户的违约风险，导致内评法下计算的风险加权资产高于权重法，给内部评级体系的全面推广和使用造成障碍[5]。因而，设定最优主标尺成为诸多商业银行实践最佳风险管理的基础和关键步骤之一。

本文应用均值聚类方法设计优化商业银行内部评级主标尺，同时引入差分进化算法改善运算速度[6]，以期能够满足更小间隔尺寸的求解需要。……