下载文档原格式
保险行业智能化风险评估与防范体系构建方案第一章智能化风险评估概述 (2)1.1 风险评估的定义与意义 (2)1.2 智能化风险评估的发展趋势 (3)第二章数据采集与处理 (3)2.1 数据来源与采集方法 (3)2.1.1 数据来源 (4)2.1.2 数据采集方法 (4)2.2 数据清洗与预处理 (4)2.2.1 数据清洗 (4)2.2.2 数据预处理 (4)2.3 数据挖掘与分析技术 (4)2.3.1 描述性分析 (5)2.3.2 相关性分析 (5)2.3.3 聚类分析 (5)2.3.4 分类分析 (5)2.3.5 回归分析 (5)2.3.6 时间序列分析 (5)2.3.7 机器学习算法 (5)第三章保险行业风险评估模型构建 (5)3.1 风险评估模型的选取 (5)3.2 模型参数设置与优化 (6)3.3 模型验证与评估 (6)第四章智能化防范体系设计 (7)4.1 防范体系的总体架构 (7)4.1.1 架构设计原则 (7)4.1.2 总体架构组成 (7)4.2 关键技术与应用 (7)4.2.1 机器学习与数据挖掘 (7)4.2.2 大数据分析 (8)4.2.3 云计算与分布式计算 (8)4.3 防范体系的实施策略 (8)4.3.1 顶层设计 (8)4.3.2 分阶段实施 (8)4.3.3 跨部门协同 (8)4.3.4 人员培训与素质提升 (8)第五章智能化风险评估在财产保险中的应用 (9)5.1 财产保险风险评估的关键指标 (9)5.2 智能化评估模型的实际应用 (9)5.3 案例分析 (9)第六章智能化风险评估在人身保险中的应用 (10)6.1 人身保险风险评估的关键指标 (10)6.2 智能化评估模型的实际应用 (10)6.3 案例分析 (11)第七章智能化风险评估在健康保险中的应用 (11)7.1 健康保险风险评估的关键指标 (11)7.2 智能化评估模型的实际应用 (12)7.3 案例分析 (12)第八章智能化防范体系的实施与监管 (13)8.1 实施策略与步骤 (13)8.1.1 策略制定 (13)8.1.2 实施步骤 (13)8.2 监管政策与法规 (14)8.2.1 监管政策 (14)8.2.2 法规建设 (14)8.3 风险控制与合规 (14)8.3.1 风险控制 (14)8.3.2 合规管理 (14)第九章智能化风险评估与防范体系的发展趋势 (14)9.1 技术发展趋势 (14)9.1.1 大数据分析技术的应用 (15)9.1.2 人工智能与机器学习技术的融合 (15)9.1.3 区块链技术的应用 (15)9.2 行业应用前景 (15)9.2.1 提高风险防控能力 (15)9.2.2 优化保险产品与服务 (15)9.2.3 促进保险行业创新 (15)9.3 政策法规与标准制定 (15)9.3.1 完善法律法规体系 (16)9.3.2 制定行业标准 (16)9.3.3 加强信息安全监管 (16)第十章总结与展望 (16)10.1 项目总结 (16)10.2 存在问题与挑战 (17)10.3 未来研究方向与建议 (17)第一章智能化风险评估概述1.1 风险评估的定义与意义风险评估是指在保险业务开展过程中，对各类潜在风险进行识别、分析、评价和监控的过程。
防洪风险评估方案报告目录一、前言 (2)1.1 编制目的 (2)1.2 编制依据 (3)1.3 防洪风险评估范围 (4)二、洪水风险识别 (5)2.1 自然因素 (6)2.1.1 气候变化 (7)2.1.2 地质灾害 (8)2.1.3 暴雨洪水 (9)2.2 人为因素 (10)2.2.1 工程建设 (11)2.2.2 生态破坏 (11)2.2.3 社会经济活动 (12)三、洪水风险评估方法 (14)3.1 数据收集与整理 (15)3.2 风险概率计算 (16)3.3 风险影响评估 (17)3.4 风险度量与管理 (19)四、防洪措施体系 (20)4.1 基础设施建设 (21)4.2 防洪工程措施 (22)4.3 防洪非工程措施 (23)4.4 应急管理机制 (25)五、防洪风险评估结果与建议 (27)5.1 风险等级划分 (28)5.2 高风险区域防范策略 (29)5.3 低风险区域防范策略 (30)5.4 改进和完善防洪措施的建议 (31)六、结论与展望 (32)一、前言随着全球气候变化的影响日益显著，洪水灾害的发生频率和规模呈现不断增大的趋势。
防洪工作已成为各级政府和公众关注的焦点之一，为了有效应对潜在的洪水风险，保障人民群众生命财产安全，本报告旨在开展防洪风险评估工作，提出相应的评估方案。
本报告依据相关法律法规、政策文件及地方实际情况，结合国内外防洪减灾的先进经验，对特定区域的防洪风险进行全面评估，以期为政府决策、城市规划建设及公众应对提供科学依据。
通过本评估方案的实施，旨在提高防洪减灾能力，保障社会经济可持续发展。
1.1 编制目的防洪风险评估方案报告旨在全面评估项目所在地区的洪水风险，为制定有效的防洪措施提供科学依据。
通过深入分析项目区域内水文气象条件、地形地貌特征以及历史上洪水灾害情况，本报告将识别潜在的洪水风险因素，并对可能受影响的区域进行风险评估。
这有助于提前采取防范措施，降低洪水灾害对项目及周边地区的影响，确保人民生命财产安全，同时保障项目的顺利实施和长期运营。
中国银保监会关于印发商业银行预期信用损失法实施管理办法的通知文章属性•【制定机关】中国银行保险监督管理委员会•【公布日期】2022.05.13•【文号】银保监规〔2022〕10号•【施行日期】2022.05.13•【效力等级】部门规范性文件•【时效性】现行有效•【主题分类】银行业监督管理正文中国银保监会关于印发商业银行预期信用损失法实施管理办法的通知银保监规〔2022〕10号各银保监局，各政策性银行、大型银行、股份制银行、外资银行、直销银行：为推动商业银行提升预期信用损失法实施质量，银保监会制定了《商业银行预期信用损失法实施管理办法》，现予印发，请遵照执行。
中国银保监会2022年5月13日商业银行预期信用损失法实施管理办法第一章总则第一条为推动商业银行提升预期信用损失法实施质量，有效识别信用风险，及时充足计提信用风险损失准备，根据《中华人民共和国银行业监督管理法》《中华人民共和国商业银行法》《企业会计准则》等有关法律法规，制定本办法。
第二条本办法适用于在中华人民共和国境内依法设立的商业银行，包括中资商业银行、外商独资银行和中外合资银行。
第三条本办法所称预期信用损失法是指商业银行依据《企业会计准则》要求，对所承担的预期信用损失进行评估，并依此计提信用风险损失准备的方法。
第四条预期信用损失法适用于商业银行以摊余成本计量或以公允价值计量且其变动计入其他综合收益的贷款、债券、同业业务、应收款项、租赁应收款、其他债权类投资等表内承担信用风险的金融资产，以及财务担保合同、贷款承诺等表外承担信用风险的项目，以下统称信用风险敞口。
商业银行应运用预期信用损失法，对以公允价值计量且承担信用风险的其他金融资产进行预期信用损失评估，以判断其公允价值计量的合理性。
第五条商业银行预期信用损失法实施应当遵循以下原则：（一）全面性。
预期信用损失法实施应全面覆盖表内外各项信用风险敞口，相关内部控制和决策审批流程覆盖预期信用损失法实施全过程。
《基于XGBoost的用户投诉风险预测模型的探究与实现》篇一一、引言在数字化与智能化的今天，用户的满意度与体验已经成为衡量企业服务水平的重要指标。
面对大量用户投诉数据的分析处理，企业需建立有效的预测模型以预测用户投诉风险，进而改善服务质量、减少潜在投诉，提升客户满意度。
本文将探讨如何利用XGBoost算法构建用户投诉风险预测模型，并进行相应的实现。
二、数据准备与处理首先，我们需要收集用户投诉数据，这些数据通常包括用户的基本信息、历史购买记录、历史投诉记录、服务交互记录等。
在数据预处理阶段，我们需要对数据进行清洗、去重、缺失值填充等操作，确保数据的准确性和完整性。
此外，我们还需要对数据进行特征工程处理，提取出对预测模型有用的特征。
三、XGBoost算法概述XGBoost（Extreme Gradient Boosting）是一种基于梯度提升决策树算法的机器学习算法，常用于分类和回归问题。
其优点在于可以处理大规模数据、具有较高的预测精度、易于并行化等。
在构建用户投诉风险预测模型时，我们可以通过XGBoost算法学习大量特征之间的关系，并预测用户投诉的可能性。
四、模型构建与参数调优在构建模型时，我们需要将数据集划分为训练集和测试集。
训练集用于训练模型，测试集用于评估模型的性能。
我们使用XGBoost算法对训练集进行训练，通过调整参数如学习率、树的数量、树的深度等来优化模型性能。
同时，我们还需要对模型进行交叉验证，以防止过拟合现象的发生。
五、模型评估与结果分析模型评估是检验模型性能的重要环节。
我们可以通过计算模型的准确率、召回率、F1值等指标来评估模型的性能。
此外，我们还可以通过绘制ROC曲线和计算AUC值来进一步评估模型的分类性能。
通过对模型结果的分析，我们可以了解哪些特征对预测用户投诉风险具有较大的影响，从而为企业提供有针对性的改进建议。
六、模型应用与实现在模型应用阶段，我们将训练好的模型部署到实际业务场景中，用于预测用户的投诉风险。
1基于安全相似域的风险评估模型本文从评估实体安全属性的相似性出发，提出安全相似域的概念，并在此基础上建立起一种网络风险评估模型SSD-REM风险评估模型主要分为评估操作模型和风险分析模型。
评估操作模型着重为评估过程建立模型，以指导评估的操作规程,安全评估机构通常都有自己的操作模型以增强评估的可实施性和一致性.风险分析模型可概括为两大类：面向入侵的模型和面向对象的模型。
面向入侵的风险分析模型受技术和规模方面的影响较大,不易规范，但操作性强.面向对象的分析模型规范性强,有利于持续评估的执行,但文档管理工作较多，不便于中小企业的执行。
针对上述问题,本文从主机安全特征的相似性及网络主体安全的相关性视角出发,提出基于安全相似域的网络风险评估模型SSD-REM（security-similar-domain based riskevaluation model）.该模型将粗粒度与细粒度评估相结合，既注重宏观上的把握,又不失对网络实体安全状况的个别考察，有助于安全管理员发现保护的重点,提高安全保护策略的针对性和有效性。
SSD-REM模型SSD—REM模型将静态评估与动态评估相结合,考虑到影响系统安全的三个主要因素,较全面地考察了系统的安全.定义1评估对象。
从风险评估的视角出发，评估对象是信息系统中信息载体的集合。
根据抽象层次的不同，评估对象可分为评估实体、安全相似域和评估网络。
定义2独立风险值。
独立风险值是在不考虑评估对象之间相互影响的情形下，对某对象进行评定所得出的风险，记为RS。
定义3综合风险值。
综合风险值是在考虑同其发生关联的对象对其安全影响的情况下,对某对象进行评定所得出的风险,记为RI。
独立域风险是在不考虑各评估实体安全关联的情况下,所得相似域的风险。
独立网络风险是在不考虑外界威胁及各相似域之间安全关联的情况下，所得的网络风险评估实体是评估网络的基本组成元素，通常立的主机、服务器等.我们以下面的向量来描述{ID，Ai，RS，RI,P,μ｝式中ID是评估实体标识;Ai为安全相似识；RS为该实体的独立风险值;RI为该实体合风险值；P为该实体的信息保护等级,即信产的重要性度量;属性μ为该实体对其所属的域的隶属度.这里将域i中的实体j记为eij。
建筑工程风险源识别与风险评价表2023版一、风险源识别1. 工程设计阶段的风险源识别- 违反建筑设计规范和标准- 工程设计过程中的错误和疏漏- 施工难度较大的设计方案- 材料选择不适合特定工程需求2. 施工阶段的风险源识别- 施工现场安全隐患- 施工过程中的错误操作和违规行为- 施工设备和工具的安全性能问题- 施工质量控制不到位3. 运营阶段的风险源识别- 建筑物维护保养不及时- 设备老化或失效- 建筑物结构安全隐患- 环境污染和安全事故风险二、风险评价1. 风险评估指标- 损失概率：不同风险发生的概率- 潜在损失：不同风险发生后可能引起的损失程度2. 风险评价方法- 定性评价：根据经验和判断对风险进行等级划分- 定量评价：利用统计数据和风险模型对风险进行量化分析- 综合评价：综合考虑定性和定量评价结果，得出综合风险等级3. 风险评价结果- 风险等级：根据风险评估结果划分风险等级，如高风险、中风险、低风险等- 风险处理建议：根据风险等级提出相应的风险应对措施和预防措施三、风险管理1. 风险控制措施- 技术措施：改进设计和施工技术，提高工程质量和安全性- 管理措施：建立合理的管理制度和流程，加强施工现场监督和管理- 经济措施：合理投入预算和资源，为风险应对提供充足的支持2. 风险监测与预警- 定期检查和维护设备和建筑物- 监测施工过程中的关键参数和指标- 建立风险预警机制，及时发出风险警报3. 应急预案和培训- 制定详细的应急预案，包括应对各类风险的措施和流程- 定期组织培训，提高工作人员的安全意识和应急能力以上是建筑工程风险源识别与风险评价表2023版的主要内容，希望能为您的工程风险管理提供一些参考。
附件准备金计提管理办法第一章总则第一条为真实反映本行各类风险资产状况，提高风险抵御能力，充分体现稳健经营和可持续发展的理念，规范准备金计提管理，依据《企业会计准则》《金融企业准备金计提管理办法》《商业银行贷款损失准备管理办法》等相关规定，特制定本办法。
第二条本办法所称准备金，又称拨备，是指本行对承担风险和损失的金融资产计提的准备金，包括资产减值准备和一般准备。
资产减值准备，是指本行根据预期信用损失模型计量的，在当期损益中反映的，递减资产账面净值后计入其他综合收益的损失准备金；一般准备，是指本行计算风险资产的潜在风险估计值后，扣减已计提的资产减值准备，从税后净利润中计提的、用于部分弥补尚未识别的可能性损失的准备金。
本行按照“统一标准、规范程序、科学谨慎、充分及时”的原则，谨慎、客观、合理地估计准备金，并及时足额计提。
第三条纳入本行准备金计量范围的风险资产包括:（一）以摊余成本计量的金融资产；（二）以公允价值计量且其变动计入其他综合收益的金融资产（权益类投资除外）；（三）《企业会计准则第14号——收入》定义的合同资产；（四）企业发行的分类为以公允价值计量且其变动计入当期损益的金融负债以外的贷款承诺和财务担保合同。
第二章职责分工第四条董事会承担准备金计提工作的最终管理责任，并履行以下职责：（一）审批准备金计提的重大政策，确保其满足监管要求；（二）审批准备金计提工作的各项规划，确保本行有足够的资源用于相关工作的开展；（三）对管理层采用和制定的与准备金计提相关的计量方法、政策制度以及相关重大变更等事项进行审批；（四）审批或授权审批涉及准备金计提的其他重大事项。
第五条管理层的职责如下：（一）根据董事会批准的准备金计提的工作规划，配备足够的资源，确保相关工作的顺利进行；（二）组织制定和监督落实准备金计提的各项管理措施，明确相关部门或人员的具体职责，建立并实施问责制度；（三）定期听取相关主管部门对于准备金计提工作的报告，并就重大事项向董事会汇报；（四）审批权限内与准备金计提相关的事项；（五）其他与计提准备金相关的重要事项。
金融行业风控模型优化与安全防范方案第一章风控模型概述 (2)1.1 风控模型的定义与作用 (2)1.2 常见风控模型类型 (3)第二章数据采集与处理 (4)2.1 数据来源与采集方法 (4)2.1.1 数据来源 (4)2.1.2 数据采集方法 (4)2.2 数据清洗与预处理 (4)2.2.1 数据清洗 (4)2.2.2 数据预处理 (4)2.3 数据质量评估与优化 (5)2.3.1 数据质量评估 (5)2.3.2 数据质量优化 (5)第三章特征工程 (5)3.1 特征提取与选择 (5)3.2 特征转换与归一化 (6)3.3 特征重要性评估 (6)第四章模型构建与训练 (7)4.1 模型算法选择 (7)4.2 模型训练与调优 (7)4.3 模型评估与验证 (7)第五章模型优化策略 (8)5.1 参数优化方法 (8)5.2 模型融合策略 (8)5.3 模型迭代与更新 (9)第六章风险评估与监控 (9)6.1 风险评估指标体系 (9)6.1.1 基本指标 (9)6.1.2 洞察指标 (9)6.1.3 动态调整指标 (9)6.1.4 综合评价方法 (9)6.2 风险预警与监控机制 (10)6.2.1 风险预警体系 (10)6.2.2 风险监控机制 (10)6.2.3 风险防范与应对措施 (10)6.3 风险防范措施 (10)6.3.1 完善内部控制体系 (10)6.3.2 加强风险管理和风险文化建设 (10)6.3.3 建立风险补偿机制 (10)6.3.4 优化风险管理体系 (10)6.3.5 加强外部合作与交流 (10)第七章安全防范策略 (11)7.1 信息安全防护 (11)7.1.1 引言 (11)7.1.2 安全防护策略 (11)7.1.3 实施与监控 (11)7.2 数据安全与隐私保护 (11)7.2.1 引言 (11)7.2.2 数据安全策略 (11)7.2.3 隐私保护策略 (12)7.2.4 实施与监控 (12)7.3 法律法规与合规要求 (12)7.3.1 引言 (12)7.3.2 法律法规要求 (12)7.3.3 合规要求 (12)7.3.4 实施与监控 (13)第八章技术支持与保障 (13)8.1 系统架构设计与优化 (13)8.2 算法研究与开发 (13)8.3 技术支持与运维 (14)第九章团队建设与管理 (14)9.1 风控团队组织结构 (14)9.2 人员培训与素质提升 (15)9.3 团队协作与沟通 (15)第十章未来发展趋势与挑战 (16)10.1 金融科技的创新与应用 (16)10.2 金融监管政策的影响 (16)10.3 风险防范与安全挑战 (17)第一章风控模型概述1.1 风控模型的定义与作用风险控制模型（Risk Control Model，简称风控模型）是指金融机构为了有效识别、评估、监控和管理风险而采用的一系列数学模型和方法。
2021年第52008年的金融危机使得国际会计准则备受争议，其规定的金融资产的计量分类过于复杂、减值计量过迟过少，存在顺周期性问题，加大了金融行业系统性风险，为此国际会计准则理事会于2014年7月修订发布了第九号“国际财务报告准则”（IFRS 9）。
为实现准则持续全面趋同，同时也为解决金融工具相关会计实务问题，我国财政部于2017年3月修订了金融工具相关准则，涉及大部分业务及产品，引入的预期损失模型彻底改变了减值计量方式和时间，商业银行财务报表也随之出现明显的变化和波动。
一、新准则预期损失模型主要变化（一）扩大了减值计提范围。
所有以摊余成本（AC ）计量和以公允价值计量且其变动计入其他综合收益（FVOCI ）的金融资产（不包含股权类金融工具）均要计提信用损失准备，同时以公允价值计量且其变动计入当期损益（FVTPL ）的贷款承诺、财务担保合同及同业资产也纳入了减值计提范围，计提范围明显扩大。
（二）划分了三阶段信用风险判定。
一般商业银行按照信用风险显著情况，依据五级分类、逾期天数、评级结果等信息对客户进行阶段判断，分为信用风险未显著增加、信用风险显著增加、已发生信用减值三个阶段。
（三）引入了前瞻性调整。
预期信用损失模型要求风险管理人员除了考虑借款人本身经营状况、信用状况、存续期等影响因素，还需加入宏观经济走势和行业发展等前瞻性考量。
二、我国商业银行模型应用情况——以江苏省内上市法人银行为例本文主要对江苏辖内上市法人银行①开展调研，主要有两类模型：（一）巴塞尔模型。
样本内银行8家均基于巴塞尔模型，再根据不同的产品种类设置不同的参数和具体细分测算模型。
模型具体计算方法为：预期信用损失（ECL ）=违约概率（PD ）×违约损失率（LGD ）×风险暴露（EAD ）。
计算时需综合考虑前瞻性调整系数的影响。
（二）“单项评估+组合评估”综合评估模型。
该模型中组合评估部分也是在巴塞尔模型框架下进行设计，总计算公式如下：预期信用损失总额（ECL ）=单项预期损失金额+组合预期损失金额。
损失阶段划分与风险参数模型方案一、损失阶段划分具体方案会计准则要求，开展减值测试前要评估信用类资产的信用风险自初始确认后是否已显著增加，并根据评估结果分别采用不同方法计量损失准备。
同时，会计准则还指出，评估资产信用风险是否显著增加，应当考虑违约风险的相对变化，而不是预期信用损失金额的变化，并要求对违约风险的界定要与银行风险管理相衔接，保持基本一致。
结合会计准则要求，参照主要同业的做法，我行根据信用类资产的信用风险自初始确认是否显著增加、是否存在明确减值迹象等因素，将信用类资产划分为三个阶段，对处于不同损失阶段的资产采用不同的模型计量，并结合我行业务经营与风险管理实际，对法人与个人信用类资产确定了不同的阶段划分具体标准：（一）法人信用类资产阶段划分标准。
1.符合以下条件之一的法人信用类资产，损失阶段划分结果不得高于阶段二：（1）逾期30天（不含）至90天（含）。
（2）风险分类形态为关注类。
（3）债务人或真实交易对手当前违约概率较初始确认时出现明显上升。
（4）其他表明资产信用风险已显著增加的情形。
2.符合以下条件之一的法人信用类资产，损失阶段划分结果不得高于阶段三：（1）逾期超过90天。
（2）风险分类形态为不良。
（3）债务人或真实交易对手信用等级为D级，且我行信用类资产已逾期较长时间或预计将形成较大损失。
（4）债务人计划进行破产清算、破产重整，或其他财务重组，且我行资产预计将形成较大损失。
（5）其他表明资产已发生信用减值的情形。
（二）个人信用类资产阶段划分标准。
1.符合以下条件之一的个人信用类资产，损失阶段划分结果不得高于阶段二：（1）逾期30天（不含）至90天（含）。
（2）风险分类形态为关注类。
（3）其他表明资产信用风险已显著增加的情形。
2.符合以下条件之一的个人信用类资产，损失阶段划分结果不得高于阶段三：（1）逾期超过90天。
（2）风险分类形态为不良。
（3）其他表明资产已发生信用减值的情形。
后续，将根据宏观经济运行、客户风险状况的变化与趋势判断，结合全行经营管理需要，进一步细化、调整不同类型信用类资产损失阶段划分的具体标准。
二、风险参数模型具体方案损失阶段划分为阶段三的法人信用类资产，采用DCF 模型计量损失准备；其余资产采用风险参数模型计量损失准备。
风险参数模型法基于农业银行内部评级体系或其他风险计量模型，使用违约概率、违约损失率等风险参数进行减值测试。
其中，对具备模型计量条件的，基于内部评级体系建立预期信用损失模型（ECL 模型）计量损失准备；对暂不具备模型计量条件或影响非重大的，使用标杆替代、准备矩阵等简化的风险参数模型方法计量损失准备。
ECL 模型考虑宏观经济情景对预期信用损失的影响，基于较好、基准和较差三种情景下预测的宏观经济指标，分别计量预期信用损失并对其进行情景概率加权平均，得到减值计量结果。
即：()∑=⨯=31i i i ECL P ECL 情景加权平均其中，i P 为情景i 的发生概率，i ECL 为情景i 下根据基础风险参数（PD 、LGD 、EAD ）和宏观情景模型计算得到的预期信用损失。
PD 、LGD 、EAD 等基础风险参数取值方法见下述第（一）、（二）部分，宏观情景模型（即i ECL 的计算）见下述第（三）部分。
（一）法人信用类资产风险参数。
法人信用类资产包括表内外法人信贷资产、同业资产及债券投资。
对于内评法已覆盖的资产，使用经评估、调整后的内部评级风险参数进行计算。
999IFRS IFRS IFRS EAD LGD PD ECL ⨯⨯=对于内评法未覆盖的资产，参见本部分第4点。
1.IFRS9 PD 计量。
农业银行IFRS9 PD 基于非零售内部评级体系计量结果，并参照历史损失准备等因素进行必要修正后得到。
对于12个月（含）期限以内的IFRS9 PD ，基于非零售内部评级违约概率（Basel PD ），经存续期调整、实时性调整后得到；对于大于12个月期限的IFRS9 PD ，基于年度信用等级转移矩阵，经存续期调整、实时性调整后得到。
（1）对划分为阶段一的未逾期资产，需要计算12个月和存续期两者之间较短期限的违约概率。
若存续期大于或等于12个月，则IFRS9 PD 直接采用Basel PD （或经实时性调整后的PD ，下同）。
若存续期小于12个月，则IFRS9 PD 取基于生存公式法计算得到的存续期PD （存续期PD ），具体如下：()()[]365/,365min 911t Basel IFRS PD PD PD --==存续期其中，t 为存续期（单位为天，下同）。
实际计算时可根据系统情况及管理要求，对存续期进行取整或近似处理。
（2）对划分为阶段二的未逾期资产，需要计算整个存续期的违约概率。
若存续期小于等于12个月，对于信贷资产，IFRS9 PD 直接取Basel PD ，对于同业资产和债券投资，取基于生存公式法计算得到的存续期 PD （存续期PD ）。
若存续期大于12个月，IRBS PD 取基于年度信用等级转移矩阵，并经实时性调整后的多年期违约概率预测值（多年期PD ）。
对于非整数年份的IFRS9 PD ，采用整数年份线性插值法计算。
线性插值法计算公式为：()()()()()()()[]()()期期期t/365int t/365int 1t/365int 9365/int 365/*PD t t PD PD PD IFRS +--=+多年期PD 的计算分为两个步骤：一是计算实时性调整后的信用等级转移矩阵。
基于历史数据，建立信用等级转移矩阵与宏观信贷周期指数的函数关系，并基于未来一年宏观经济指标的预测数据，计算得到调整后的信用等级转移矩阵；二是计算各级别多年期PD 。
对实时性调整后的信用等级转移矩阵进行多阶连乘，分别得到各级别二至十年期的违约概率预测值。
同时，多年期PD 还须考虑时间因素影响，进行衰退期调整。
（3）对本金或利息已经逾期的阶段一或阶段二资产，采用逾期天数（T ）插值法计算IFRS9 PD 。
若逾期天数大于90天，IFRS9 PD 直接取100%；若逾期天数小于90天（含），对于本金未到期但利息已逾期的，IFRS9 PD 取100%和经存续期调整后的Basel PD （存续期PD ）两者的插值结果，计算公式为()存续期逾期存续期PD T PD PD IFRS +-=/90*)1(9；对于本金已逾期的，则IFRS9 PD 取100%和Basel PD 两者的插值结果，计算公式为()Basel Basel IFRS PD T PD PD +-=/90*)1(9逾期。
如果某个客户项下存在逾期资产，则该客户项下各笔资产均被视为逾期资产，且逾期天数（T ）取各笔资产逾期天数的最大值。
对贴现、转贴现、福费廷等业务，IFRS9 PD 基于真实交易对手（承兑行而非贴现借款人）的评级信息得到；对地方政府债，IFRS9 PD 基于其对应的地方政府评级信息得到；对国债和央票，IFRS9 PD 取值为0。
2.IFRS9 LGD 。
参考同业实践，使用经区域因素调整的非零售内部评级法初级法LGD 计算表内、外信贷资产损失准备，即：地区调整系数⨯=Basel IFRS LGD LGD 9其中，各地区调整系数由总行风险管理部结合各地区历史实际损失率、评级审慎程度等因素确定。
对债券投资与同业业务，以及境外机构，暂不进行上述地区LGD 调整。
3.IFRS9 EAD 。
表内法人资产EAD 为信用类资产余额，表外法人资产EAD 根据信用转换系数（CCF ）计算，具体为：表外余额⨯=CCF EAD IFRS 9CCF 系数取值由总行风险管理部参考巴塞尔委员会相关规定及历史数据情况，并商产品主管部门确定：（1）等同于贷款的授信业务，包括一般负债担保、承兑汇票、具有承兑性质的背书及融资性保函等，其信用转换系数为100%。
（2）与交易直接相关的或有项目，包括投标保函、履约保函、预付保函、预留金保函等，其信用转换系数为50%。
（3）与贸易直接相关的短期或有项目，主要指有优先索偿权的装运货物作抵押的跟单信用证，其信用转换系数为20%。
（4）贷款承诺，可随时无条件撤销的贷款承诺的信用转换系数为0%；不可无条件撤销的贷款承诺的信用转换系数为75%。
（5）票据发行便利和循环认购便利的信用转换系数为75%。
（6）银行借出的证券或用作抵押物的证券，包括回购交易中的证券借贷，其信用转换系数为100%。
（7）信用风险仍在银行的资产销售与购买协议，包括资产回购协议和有追索权的资产销售，其信用转换系数为100%。
（8）远期资产购买、远期定期存款、部分交款的股票及证券，其信用转换系数为100%。
（9）其他表外项目的信用转换系数为100%。
4.内评法未覆盖资产。
对于内评法未覆盖资产或无法获取内部评级信息的资产，由总行风险管理部参照可比资产的平均水平，制定相应标准，赋予用于减值计量的信用等级：其中，A+级为城市商业银行敞口客户数最多的信用等级；BBB+级为非金融机构敞口客户数最多的信用等级的最小值；AA+级为境外客户内部评级的50%分位点。
如无法区分客户是否为金融机构，将统一视为非金融机构处理。
对于无法获得违约损失率计量结果的资产，参照RWA 计量LGD 标准计算，其中存单、保证金等金融质押品质押部分的LGD 取0%，房地产抵押部分的LGD 取35%，其他情况取45%。
对于理财资产的基础资产，按照穿透原则需要进行减值测试的，结合业务实际与风险特征，合理确定计提方法与标准，计量预期信用损失。
（二）个人信用类资产风险参数。
1.IFRS9 PD 计量。
计量方法与法人资产总体保持一致，但部分细节存在差异，主要为：一是基于Basel PD 计算IFRS9 PD 时，须事先剔除跨周期因素调整的影响，将调整后的Bsael PD 作为个人资产减值计量的基础参数（跨周期调整系数调整/Basel Basel PD PD ）。
二是阶段二资产中，对于存续期大于12个月的，IFRS9 PD 采用基于季度逾期分档转移矩阵，并经实时性调整后的多年期违约概率预测值（多年期PD ），个人逾期分档转移矩阵基于资产的逾期信息变化得到；对于存续期大于0且小于等于12个月的，IFRS9 PD 取基于生存公式法计算得到的存续期 PD （存续期PD ）；对于存续期小于等于0的，IFRS9 PD 取100%和调整后的Basel PD 两者的插值结果。
个人客户资产的逾期天数逐笔确定，与同一客户项下其他资产无关。
三是对于阶段三资产，IFRS9 PD 取值为100%。
四是实际计算时，可根据系统情况或管理要求，对存续期进行取整或近似处理。
信用卡普通透支存续期取12个月。
2.IFRS9 LGD 。
使用剔除衰退期因素调整后内评法零售LGD ，计算表内外信贷资产损失准备，即：衰退期调整系数/9Basel IFRS LGD LGD =3.IFRS9 EAD 。
