北京贷款借款人的信用评级是如何评定的？

借款人信用等级，专业一点就是说客户风险等级(customer risk rating)，也就是借款人违约的概率有多大?客户信用等级越高，违约概率越低。如何判断目标客户的违约率呢?传统上就是凭经验，更加科学化、体系化的评估就要用信用评级模型。

信贷业务中的评级包括主体评级和债项评级。一笔信贷业务的预期损失-违约概率(PD)x违约损失率(LGD)x风险敞口。主体评级是解释该客户的违约可能性有多少。例如，某银行的客户甲主体评级C级，通过主标尺换算成违约概率，其对应的违约概率是20%;客户乙主体评级 AAA 级别，其对应的违约概率 0.05%。当一个客户的违约概率太高，银行就不会介人。债项评级(facilities risk rating)主要是确定违约后某一笔信贷业务的损失程度。违约并不一定会损失，担保贷款和信用贷款的损失率是不一样的。一个客户只有一个主体评级，但是可能有多个债项评级，假如客户在银行有两笔业务，一笔是房产抵押贷款，另一笔是信用贷款，很明显前一笔贷款的风险要小于后一笔贷款。有时候主体评级和债项评级有一定的关联度。例如:当借款人违约时，抵押物相应发生贬值，这就是正相关;又比如，股东将公司的股权质押给银行，公司贷款违约自然会影响其股权价值;还有一些上市公司的股东作为借款人，将旗下上市公司股份质押给银行，这时候股东出现问题(借款违约)，是否影响上市公司股价?

这就要区分情况，如果股东作为上市公司关键管理方，上市公司本身财务状况较差，股价就会波动。一般来说，主体评级很低的客户，只能做债项评级很高的业务(低风险业务)。

银行要准确评级，一方面要有不同类型客户的历史违约数据库;另一方而要掌握目标客户多维度的信息。要不断地细分，建立不同的评级模型，如零售模型、中小企业模型、大企业模型以及各种专项贷款模型等。大企业模型还要细分，根据不同的地区校准参数(国别风险、地区风险)，做成各地区的评分模型。实务中的评级要录入财务报表和非财务信息，有的新公司没有财务报表，要用商业计划、管理层经验、财务预测，有时候需要用担保人的主体评级替代借款人的评级。评级结果也不完全以模型为准，如果对系统评级结果有异议，可以进行评级调整，但是必须提供充分的调整理由。

我们常说，模型是没用的，但是必须要有一个。大部分银行评级模都非常初级。例如将客户的财务、非财务因素逐个罗列，设定各种等级、权重，然后累加分数，分数对应信用等级。影响客户违约的指标有哪些?影响程度有多少?这种指标的选取和权重的设置往往是靠管理层的经验(即风险建模中的特征工程)。例如，婚姻状况和房产状况都是常用的指标，已婚无房产、离婚有房产，哪个客户评分更高?这就需耍用历史违约数据来估算权重。一些数据积累比较完善(七年以上，包含完整经济周期)的银行开始实施巴塞尔协议的内部评级法，然而我国处于经济转型发展期，数据的结构性变化比较明显，新的风险特征不断涌现，影响了模型准确度。个人贷款的模型相对成熟，随着机器学习方法的运用，模型自我优化的能力也在提升。总之，对评级模型不能过于迷信，模型的功能在于简化思维过程，如果“唯模型”“为模型打工”，那就进入误区了。

评级有重要的管理意义，一笔贷款债项评级(FRR)太低、该笔贷款就会被否决。有的银行还将评级等级与信贷审批员的审批权限动态挂钩。例如，一笔贷款评级很高，本来审批权限500万元的审批员，可以批1000 万元以内的贷款，一笔贷款评级很低，本来权限 500万元的审批员。

只能批 200万元以内的贷款。有时候，信贷人员还要关注外部评级，要通过公开渠道收集第三方(包括评级机构、其他银行)对申请人主体及债项的评级信息。一般来说，客户发行过短融、中期票、企业债的必须提供第三方评级报告作为附件，这些都可以借鉴。