想当年我在银行做柜员，听着老旧的《风险计量学》读得头疼，认定那些数学模型像天书。
后来去投了个项目，看着屏幕上跳动的曲线，突然认定仿佛懂了老师的脑子。结局这次考试，我做了几道题，发现原来只要把那些复杂的公式翻译成咱们这行的“大白话”，就能拿高分。大量人当作这玩意儿就是死记硬背一堆公式，实际上不然。
这更像是一种把抽象概念具象化的本事。 就拿算风险回报率（RAROC）来说，教科书都说要把资本成本、预期收益和总风险概率三个东西套进那个公式里。但在我脑子里，它实际上就是问自己一句：这笔生意到底值不值？要是这笔生意赚进来的钱，比投出去的钱多，那它就算稳。
要是反过来，哪怕它赚了 10 万，但挣的这些钱里大局部是借来的，那它就是个亏本买卖。公式里的权重，说白了就是给这些数字加个滤镜，算出个“智慧”的比率。 再看违约概率（PD），那会儿总认定这是个冰冷的数字，代表啥。
后来懂点风控的哥们儿告诉我，PD 不是预测未来有没有违约，而是衡量借款人“老实不老实”。一个一直按时还房贷的住户，PD 可能低；但一个有一堆烂账的老板，哪怕他工资发了，PD 照样高。我在做案子里，最常犯的错就是只盯着违约概率看，忽略了下述会（SVA）。SVA 就像个过滤器，把你那个利率高的客户筛掉，把他拿掉。 这就好比你在做概率题，光看“中奖率”够不够高，你得结合“赌注”的大小。在银行里，就是看概率高但钱少的客户，是不是值得动真格的。
要是 PD 高，意味着这客户一旦出事，银行亏得了得；就算概率低，但底裤薄，也不敢投。
这时候就得看 SVA 给的概率调整系数（IV）大不大。系数大了，说明这客户的风险被压得更低，能够投；系数小了，说明风险还是偏高，得慎重。 还有好办的线性回归。
那会儿老师教我们画那条直线，Y 和 X 的斜率代表相关系数。但实操中，我们更多是用“残差”来判断。
要是某个指标，比如某个月度的不良率，和某个宏观指标（比如通胀指数）对不上，那就是个残差值。
这时候就得往下看是啥情况是残差。
可能是数据本身就有异常，也可能是业务逻辑没跟上。 做最终一道主观题时，老师给了个案例：某银行给一个高收益理财产品计提了坏账预备，但实际坏账只情有可原。我该如何评？要是硬套公式，可能会认定计提多了。但要是理解业务实质，这实际上是给高风险客户买了一份保险。
那个保险费（计提的预备金）是不是覆盖了真形成的损失？要是没覆盖，那这产品的预期收益就虚了。
这时候，公式只是个工具，用来判断“预期”和“实际”有没有偏差，而不是为了做减法而机械计算。 实际上吧，这套东西的核心就四个字：匹配。数据务必匹配业务逻辑，模型务必匹配风险偏好，概率务必匹配资本约束。别忒纠结数字的精确度，有时候那个“大约”更真。就像咱们拍电影，忒完美的 CGI 有时候会骗人，反而让观众认定假。 最终想起那个老同事，他总说，做风险管理不是为了把风险算得更低，而是为了把风险掌控得更好。你最近做的那道题，要是能把那些枯燥的数字，还原成咱们银行日常看业务的眼光，哪怕只多一个细节的斟酌，大约率就能搞定那个分数。考试不是考你是哪位那个模型，而是看你能不能把模型变成你的直觉。
这感觉，就像把复杂的公式揉成一团，最终变成手里的一张纸，上面画着咱们熟悉的业务图景。
那时候，分数自然就来了。


相关标签：