短信预约提醒成功
2013年《风险管理》第三章考点：信用风险计量
3.2 信用风险计量
信用风险计量是现代信用风险管理的基础和关键环节。信用风险计量经历了从老师判断法、信用评分模型到违约概率模型分析三个主要发展阶段，特别是《巴塞尔新资本协议》鼓励有条件的商业银行使用基于内部评级体系的方法(InternaRating-Based Approach)来计量违约概率、违约损失并据此计算信用风险对应的资本要求，有力地推动了商业银行信用风险内部评级体系和计量技术的深入发展。
商业银行对信用风险的计量依赖于对借款人和交易风险的评估。《巴塞尔新资本协议》明确要求，商业银行的内部评级应基于二维评级体系：一维是客户评级，另一维是债项评级。
3.2.1 客户信用评级
1. 客户信用评级的基本概念
客户信用评级是商业银行对客户偿债能力和偿债意愿的计量和评价，反映客户违约风险的大小。客户评级的评价主体是商业银行，评级目标是客户违约风险，评价结果是信用等级和违约概率(PD)。
(1)违约的定义
根据《巴塞尔新资本协议》的定义，当下列一项或多项事件发生时，债务人即被视为违约：
①商业银行认定，除非采取追索措施，如变现抵押品(如果存在的话)，借款人可能无法全额偿还对商业银行的债务。
②债务人对于商业银行的实质性信贷债务逾期90天以上(含)。若债务人超过了规定的透支限额或新核定的限额小于目前余额，各项透支将被视作逾期。
③以下情况将被视为可能无法全额偿还债务：
银行停止对贷款计息;
在发生信贷关系后，由于信贷质量出现大幅度下降，银行冲销了贷款或计提了专项准备金;
银行将贷款出售并相应承担了较大的经济损失;
银行同意消极债务重组，由此可能发生较大规模的减免或推迟偿还本金、利息或费用，造成债务规模减少;
就借款人对银行的债务而言，银行将债务人列为破产企业或类似的状况;
债务人申请破产，或已经破产，或处于类似状态，由此将不履行或延期偿还银行债务。
(2)违约概率
违约概率是指借款人在未来一定时期内发生违约的可能性。在《巴塞尔新资本协议》中，违约概率被具体定义为借款人内部评级1年期违约概率与0.03%中的较高者。巴塞尔委员会设定0.03%的下限是为了给风险权重新定下限，也是考虑到商业银行在检验小概率事件时所面临的困难。
违约概率的估计包括两个层面：一是单一借款人的违约概率;二是某一信用等级所有借款人的违约概率。《巴塞尔新资本协议》要求实施内部评级法的商业银行估计其各信用等级借款人所对应的违约概率，常用方法有历史违约经验、统计模型和外部评级映射三种方法。
与违约概率容易混淆的一个概念是违约频率，即通常所说的违约率。违约频率是事后检验的结果，而违约概率是分析模型作出的事前预测，两者存在本质的区别。
与违约概率容易混淆的另一个概念是不良率，使不良债项余额在所有债项余额的占比，二者不具有可比性。
2.客户信用评级的发展
(1)老师判断法
即老师系统(Expert System)，是商业银行在长期经营信贷业务、承担信用风险过程中逐步发展并完善起来的传统信用分析方法。
①与借款人有关的因素：
声誉(Reputation)
杠杆(Leverage)
收益波动性(Volatility of Earnings)
②与市场有关的因素
经济周期(Economic Cycle)
宏观经济政策(Macro-Economy Policy)
利率水平(Leveof Interest Rates)
目前所使用的老师系统，其中，对企业信用分析的5Cs系统使用最为广泛。5Cs系统指：
品德(Character)
资本(Capital)
还款能力(Capacity)
抵押(Collateral)
经营环境(Condition)
除5Cs系统外，使用较为广泛的老师系统还有针对企业信用分析的5Ps系统和针对商业银行等金融机构的骆驼(CAMEL)分析系统。
5Ps包括：个人因素(PersonaFactor)、资金用途因素(Purpose Factor)、还款来源因素(Payment Factor)、保障因素(Protection Factor)、企业前景因素(Perspective Factor)。
骆驼(CAMEL)分析系统包括：资本充足性(CapitaAdequacy)、资产质量(Asset Quality)、管理水平(Management)、盈利水平(Earnings)流动性(Liquidity)。
老师系统的突出特点在于将信贷老师的经验和判断作为信用分析和决策的主要基础，这种主观性很强的方法/体系带来的一个突出问题是对信用风险的评估缺乏一致性。此外，尽管老师系统在银行业的长期发展和实践中已经形成了较为成熟的分析框架，但老师系统缺乏系统的理论支持，尤其是对关键要素的选择、权重的确定以及综合评定等方面更显薄弱。因此，老师系统更适合于对借款人进行是和否的二维决策，难以实现对信用风险的准确计量。
(2)信用评分法
信用评分模型是一种传统的信用风险量化模型，利用可观察到的借款人特征变量计算出一个数值(得分)来代表债务人的信用风险，并将借款人归类于不同的风险等级。
背景知识：信用评分模型
20世纪60年代，信用卡的推出促使信用评分技术取得了极大发展，并迅速扩展到其他业务领域。奥而特曼(Altman，1968)提出了基于多元判别分析技术的Z评分模型;马丁(Martin，1977)、奥尔森(Ohlson，1980)和威金顿(Wiginton，1980)则首次运用Logit模型分析企业破产问题。
信用评分模型的关键在于特征变量的选择和各自权重的确定。基本过程是：
①首先，根据经验或相关性分析，确定某一类别借款人的信用风险主要与哪些经济或财务因素有关，模拟出特定形式的函数关系式;
②其次，根据历史数据进行回归分析，得出各相关因素的权重;
③最后，将属于此类别的潜在借款人的相关因素数值代入函数关系式计算出一个数值，根据该数值的大小衡量潜在借款人的信用风险水平，给予借款人相应评级并决定贷款与否。
存在一些突出问题：
①信用评分模型是建立在对历史数据(而非当前市场数据)模拟的基础上，因此是一种向后看(Backward Looking)的模型。
②信用评分模型对借款人历史数据的要求相当高。
③信用评分模型虽然可以给出客户信用风险水平的分数，却无法提供客户违约概率的准确数值，而后者往往是信用风险管理最为关注的。
(3)违约概率模型
违约概率模型分析属于现代信用风险计量方法。其中具有代表性的模型有穆迪的RiskCalc和Credit Monitor、KPMG的风险中性定价模型和死亡率模型，在银行业引起了很大反响。
《巴塞尔新资本协议》也明确规定，实施内部评级法的商业银行可采用模型估计违约概率。
与传统的老师判断和信用评分法相比，违约概率模型能够直接估计客户的违约概率，因此对历史数据的要求更高，需要商业银行建立一致的、明确的违约定义，并且在此基础上积累至少五年的数据。
3. 法人客户评级模型
(1)Altman的Z计分模型和ZETA模型
Altman(1968)认为，影响借款人违约概率的因素主要有五个：流动性(Liquidity)、盈利性(Profitability)、杠杆比率(Leverage)、偿债能力(Solvency)和活跃性(Activity)。Altman选择了下面列举的五个财务指标来综合反映上述五大因素，最终得出的Z计分函数是：
X1=(流动资产-流动负债)/总资产
X2=留存收益/总资产
X3=息税前利润/总资产
X4=股票市场价值/债务账面价值
X5=销售额/总资产
作为违约风险的指标，Z值越高，违约概率越低。此外，Altman还提出了判断企业破产的临界值：若Z低于1.81，在企业存在很大的破产风险，应被归入高违约风险等级。
1977年，Altman与Hardeman、Narayanan又提出了第二代Z计分模型――ZETA信用风险分析模型，主要用于公共或私有的非金融类公司，其适应范围更广，对违约概率的计算更精确。
ZETA模型将模型考察指标由五个增加到七个，分别为：
X1：资产收益率指标，等于息税前利润/总资产。
X2：收益稳定性指标，指企业资产收益率在5～10年变动趋势的标准差。
X3：偿债能力指标，等于息税前利润/总利息支出。
X4：盈利积累能力指标，等于留存收益/总资产。
X5：流动性指标，即流动比率，等于流动资产/流动负债。
X6：资本化程度指标，等于普通股/总资本。该比率越大，说明企业资本实力越强，违约概率越小。
X7：规模指标，用企业总资产的对数表示。
(2)RiskCalc模型
RiskCalc模型是在传统信用评分技术基础上发展起来的一种适用于非上市公司的违约概率模型，其核心是通过严格的步骤从客户信息中选择出最能预测违约的一组变量，经过适当变换后运用Logit/Probit回归技术预测客户的违约概率。
①收集大量的公司数据;
②对数据进行样本选择和异常值处理;
③逐一分析变换各风险因素的单调性、违约预测能力及彼此间的相关性，初步选择出违约预测能力强、彼此相关性不高的20～30个风险因素;
④运用Logit/Probit回归技术从初步因素中选择出9～11个最优的风险因素，并确保回归系数具有明确的经济含义，各变量间不存在多重共线性;
⑤在建模外样本、时段外样本中验证基于建模样本所构建模型的违约区分能力，确保模型的横向适用性和纵向前瞻性;
⑥对模型输出结果进行校正，得到最终各客户的违约概率。
(3)Credit Monitor模型
Credit Monitor模型是在Merton模型基础上发展起来的一种适用于上市公司的违约概率模型，其核心在于把企业与银行的借贷关系视为期权买卖关系，借贷关系中的信用风险信息因此隐含在这种期权交易之中，从而通过应用期权定价理论求解出信用风险溢价和相应的违约率，即预期违约频率(Expected Default Frequency，EDF)。
(4)KPMG风险中性定价模型
风险中性定价理论的核心思想是假设金融市场中的每个参与者都是风险中立者，不管是高风险资产、低风险资产或无风险资产，只要资产的期望收益是相等的，市场参与者对其的态度就是一致的，这样的市场环境被称为风险中性范式。KPMG公司将风险中性定价理论运用到贷款或债券的违约概率计算中，由于债券市场可以提供与不同信用等级相对应的风险溢价，根据期望收益相等的风险中性定价原则，每一笔贷款或债券的违约概率就可以相应计算出来。
(5)死亡率模型
死亡率模型是根据贷款或债券的历史违约数据，计算在未来一定持有期内不同信用等级的贷款或债券的违约概率，即死亡率，通常分为边际死亡率(MarginaMortality Rate，MMR)和累计死亡率(Cumulated Mortality Rate，CMR)。
4. 个人客户评分方法
按照国际惯例，对于企业的信用评定采用评级方法，而对个人客户的信用评定采用评分方法。由于个人客户数量众多，历史信息的规律性强，因此主要采用基于历史数据统计的评分模型计量个人客户的信用风险。
参照国际最佳实践，个人客户评分按照所采用的统计方法可以分为回归分析、K临近值、神经网络模型等;按照评分的对象可以分为客户水平、产品水平和账户水平，按照评分的目的可以分为风险评分、利润评分、忠诚度评分等;按照平分的阶段则可以分为拓展客户期(信用局评分)、审批客户期(申请评分)和管理客户期(行为评分)。
(1)信用局评分
这一阶段常用的模型有：
①风险评分，预测消费者违约/坏账风险的大小;
②收益评分，预测消费者开户后给商业银行带来潜在收益;
③破产评分，预测消费者破产风险的大小;
④其他信用特征评分。
(2)申请评分
申请评分模型通过综合考虑申请者在申请表上所填写的各种信息，对照商业银行类似申请者开户后的信用表现，以评分来预测申请者开户后一定时期内违约概率，通过比较该客户的违约概率和商业银行可以接受的违约底线来作出拒绝或接受的决定。
信用局风险评分模型和收益评分模型是很有价值的决策工具，与申请评分模型具有互补性，可以组成二维或三维矩阵来进行信贷审批决策。不同的是，申请评分模型是商业银行为特定金融产品的申请者量身定做的，能够更准确、全面地反映商业银行客户的特殊性，而且可以利用更多的信息对客户将来的信用表现进行预测;而信用局评分模型通常是对申请者在未来各种信贷关系中的违约概率作出预测。
(3)行为评分
行为评分被用来观察现有客户的行为，以掌握客户及时还款的可信度。
5.客户评级/评分的验证(Validation)
(1)客户违约风险区分能力的验证
期基本原理是运用多种数理分析方法检验评级系统对客户是否违约的判断准确性。
(2)违约概率预测准确性的验证(校正)
其基本原理是运用统计学中的假设检验，当实际违约发生情况超过给定阈值，则拒绝原假设，认为PD预测不准确。常用方法有：二项分布检验，检验给定年份某一等级PD预测准确性;卡方分布检验，检验给定年份不同等级PD预测准确性;正态分布检验，检验不同年份同一等级PD预测准确性;扩展的交通灯检验，检验不同年份不同等级PD预测准确性。
3.2.2 债项评级
1. 债项评级的基本概念
(1)债项评级
债项评级是对交易本身的特定风险进行计量和评价，反映客户违约后的债项损失大小。特定风险因素包括抵押、优先性、产品类别、地区、行业等。债项评级既可以只反映债项本身的交易风险，也可以同时反映客户信用风险和债项交易风险。
(2)债项评级与客户评级的关系
客户评级与债项评级是反映信用风险水平的两个纬度。一个债务人只能有一个客户评级，而同一债务人的不同交易可能会有不同的债项评级。
(3)损失
客户违约后给商业银行带来的债项损失包括两个层面：一是经济损失;二是会计损失。
(4)违约风险暴露
违约风险暴露是指债务人违约时的预期表内表外项目暴露总和。如果客户已经违约，则违约风险暴露为其违约时的债务账面价值;如果客户尚未违约，则违约风险暴露对于表内项目为债务账面价值，对于表外项目为已提取金额+信用转换系数×已承诺未提取金额。
(5)违约损失率
违约损失率(Loss Given Default，LGD)是指给定借款人违约后贷款损失金额占违约风险暴露的比例，其估计公式为损失/违约风险暴露。
2. 债项评级的方法
(1)影响违约损失率的因素
①产品因素
包括清偿优先性(Seniority)、抵押品等。
②公司因素
③行业因素
④地区因素
⑤宏观经济周期因素
(2)计量违约损失率的方法
①市场价值法。通过市场上类似资产的信用价差(Credit Spread)和违约概率推算违约损失率，其假设前提是市场能及时有效反映债券发行企业的信用风险变化，主要适用于已经在市场上发行并且可交易的大企业、政府、银行债券。
②回收现金法。根据违约历史清收情况，预测违约贷款在清收过程中的现金流，并计算出LGD，即LGD=1-回收率=1-(回收金额-回收成本)/违约风险暴露。
3. 贷款分类与债项评级
信贷资产风险分类通常是指信贷分析和管理人员或监管当局的检查人员，综合能够获得的全部信息并运用最佳判断，根据信贷资产的风险程度对信贷资产质量作出评价。
2001年，我国监管当局出台了贷款风险分类的指导原则，把贷款分为正常、关注、次级、可能和损失五类(后三类合称为不良贷款)。
在分类过程中，商业银行必须至少做到以下六个方面：
① 建立健全内部控制机制，完善信贷规章、制度和办法;
② 建立有效的信贷组织管理体制;
③ 实行审贷分离;
④ 完善信贷档案管理制度，保证贷款档案的连续和完整;
⑤ 改进管理信息系统，保证管理层能够及时获得有关贷款状况的重要信息;
⑥ 督促借款人提供真实准确的财务信息。
贷款分类与债项评级是两个容易混淆的概念，二者既区别明显又相互联系。
3.2.3 组合信用风险计量
1.违约相关性及其计量
相关性是描述两个联合事件之间的相互关系，而不仅仅是指两个事件概率的简单乘积。违约相关性的计量包括相关系数和连接函数两种方法。
(1)相关系数
线性相关是最常见的一种相关，可用统计学中最常见的简单相关系数来计量。
对于非线性相关，可通过秩相关系数(Spearman)和坎德尔系数(Kendall)进行计量。
上述相关性计量在数学上都具有良好的性质，目前在金融工程领域也得到了广泛的应用，但它们共同的缺点是只能刻画两个变量之间的相关程度，却无法通过各变量的边缘分布刻画出两个变量的联合分布。希望通过单比债项的不同损失分布来计算组合的损失分布，可以采用连接函数。
(2)连接函数
连接函数是一个把单变量概率密度函数连接成联合分布函数的函数。
2.信用风险组合模型
根据原理上的差异，信用风险组合模型可以分为两类：
解析模型。通过一些简化假设，对信贷资产组合给出一个“准确”的解。解析模型能够快速得到结果，但缺点是需要建立在对违约风险因素诸多苛刻的假定基础上。
仿真模型。用大量仿真试验(情景模拟)所产生的经验分布来近似代替真实分布。仿真模型具有很大的灵活性，但是对信息系统的计算能力要求很高。
(1)CreditMetrics模型
CreditMetrics模型本质上是一个VaR模型，目的是为了计算出在一定的置信水平下，一个信用资产组合在持有期限内可能发生的最大损失。CreditMetrics模型的创新之处正是在于解决了计算非交易性资产组合VaR这一难题。
①信用风险取决于债务人的信用状况，尔债务人的信用状况则用信用等级表示。
②信用工具(包括贷款、私募债券等)的市场价值取决于借款人的信用等级，即不同信用等级的信用工具有不同的市场价值，因此，信用等级的变化会带来信用工具价值的相应变化。
③CreditMetrics模型的一个基本特点就是从资产组合而并不是单一资产的角度来看待信用风险。
④由于CreditMetrics模型将单一的信用工具放入资产组合中衡量其对整个组合风险状况的作用，而不是孤立地衡量某一信用工具自身的风险，因而，该模型使用了信用工具边际风险贡献(MarginaRisk Contribution)这样的概念来反映单一信用工具对整个组合风险状况的作用。边际风险贡献是指因增加某一信用工具在组合中的持有量而增加的整个组合的风险。
(2)Credit Portfolio View模型
麦肯锡公司提出的Credit Portfolio View模型直接将将转移概率与宏观因素的关系模型化，然后通过不断加入宏观因素冲击来模拟转移概率的变化，得出模型中的一系列参数值。Credit Portfolio View模型可以看做是CreditMetrics模型的一个补充，因为该模型虽然在违约计量上不使用历史数据，而是根据现实宏观经济因素通过蒙特卡洛模拟计算出来，但对于那些非违约的转移概率则还需要历史数据来计算，只不过将这些基于历史数据的转移概率进行了调整而已。该模型本身并不能计量出完整的等级转移矩阵。
(3)Credit Risk+模型
Credit Risk+模型是根据针对火灾险的财险精算原理，对贷款组合违约率进行分析的，并假设在组合中，每笔贷款只有违约和不违约两种状态。Credit Risk+模型认为，贷款组合中不同类型的贷款同时违约的概率是很小的且相互独立，因此，贷款组合的违约率服从泊松分布。
3. 组合损失的压力测试
根据巴塞尔委员会2005年的定义，压力测试是一种风险管理技术，用于评估特定事件或特定金融变量的变化对金融机构财务状况的潜在影响。
作为商业银行日常风险管理手段的有效补充，压力测试早期主要用于市场风险管理，但随着时间的推移，业界也逐渐开始利用压力测试来补充信用风险模型的不足。
压力测试主要采用敏感性分析的情景分析方法。敏感性分析用来测试单个风险因素或一小组密切相关的风险因素的假定运动(如收益曲线的平移)对组合价值的影响;情景分析模拟一组风险因素(如股权价格、汇率和利率)的多种情景对组合价值的影响。敏感度测试着重分析特定风险因素对组合或业务单元的影响，而情景分析评估所有风险因素变化的整体效应，更频繁地用于机构范围内的压力测试。
尽管压力测试并不困难，但过多的压力测试并不意味着抓住了风险管理的实质和要害，也不意味着高水平的风险管理。而且，由于每次压力测试只能说明时间的影响程度，却并不能说明事件发生的可能性，使得管理者对众多的压力测试结果难以分清主次，因而对决策的帮助并不大。此外，压力测试只是对组合短期风险状况的一种衡量，因此属于一种战术性的风险管理方法。
3.2.4 国家风险主权评级
国际风险是指经济主体在与非本国居民进行国际经贸与金融往来时，由于别国经济、政治和社会等方面的变化而遭受损失的风险。国家风险不仅包括一个国家政府未能履行其债务所导致的风险(主权风险)，也包括主权国家以直接或间接方式影响债务人履行偿债义务的能力和意愿。对国家风险的计量可以通过主权评级来实现。
主权评级指各国直接或间接影响债务人履行其对外偿付义务的能力和意愿的测试与排名。目前，比较通用的主权评级模型是由经济学家坎托和帕克(Cantor & Packer，1996)提出的，CP模型回归了标准普尔和穆迪赋予的主权风险评级，利用49个国家的横截面数据，测量出主权风险评级中作为决定因素的8个变量：
① 人均收入：人均GNP(千美元)。
② GDP增长：年均实际GDP增长(%)。
③ 通货膨胀：年均消费价格通胀率(%)。
④ 财政平衡：相对于GDP的中央财政年均盈余(%)。
⑤ 外部平衡：相对于GDP的资本项目年均顺差(%)。
⑥ 外债：相对于出口的外币债务(%)。
⑦ 经济发展指标：IMF的工业化国家分类(1=工业化;0=非工业化)。
⑧ 违约史指标：1970年以来的外币债务违约(1=违约;0=未违约)。
朱特勒和麦卡锡(Juttner & McCarthy，2000)对上述CP模型适用亚洲金融危机之后的新兴市场国家主权评级的情况进行了分析，增加了下述5个变量，并运用回归分析对CP模型进行了扩展：
⑨ 利差变量：某国和美国相同期限的政府债务之间的利率差。
⑩ 金融部门潜在问题资产占GDP的百分比。
金融系统因政府而产生的或有负债与GDP之比。
私人部门信贷增长的变化率(用对GDP的百分率表示)。
实际汇率变量(用购买力平价作为均衡基点)。
与其他信用风险评级/评分相比，主权风险评级需要更多的经验判断，与其说它是一门精确的科学，不如说它是一门蕴含着不可预见性的艺术。
3.2.5 《巴塞尔新资本协议》下的信用风险量化
背景知识：《巴塞尔新资本协议》概述
《巴塞尔资本协议》将商业银行信用风险资产分为四大类，分别以相应的权重(K)反映其风险大小：
经济合作与发展组织(OECD)中央政府的债权风险暴露权重为0;
对于OECD的商业银行及OECD以外的中央政府的债权风险暴露权重为20%;
抵押贷款的风险暴露权重为50%;
其他所有商业银行、企业、个人的风险暴露权重都为100%.
符合监管要求的商业银行必须满足：资本/信用风险加权资产 > 8%.其中，信用风险加权资产为商业银行所有债项风险暴露额与对应权重乘积之和。
《巴塞尔新资本协议》，不仅构建了最低资本充足率、监督检查、市场约束三大支柱，明确最低资本充足率覆盖了信用风险、市场风险、操作风险三大主要风险来源，而且对信用风险的计量提出了标准法、内部评级法初级法、内部评级法高级法三种方法。
信用风险评级分为外部评级和内部评级。外部评级是专业评级机构对特定债务人的偿债能力和意愿的整体评估，主要依靠老师定性分析，评级对象主要是政府或大企业;内部评级是商业银行根据内部数据和标准(侧重于定量分析)，对客户的信用风险及债项的交易风险进行评价，并据以估计违约概率及违约损失率，作为信用评级和分类管理的标准。
巴塞尔委员会针对各商业银行风险管理水平的不同，提出了信用风险计量的两大类方法：标准法，基于商业银行资产的外部评级结果，以标准化方式计量信用风险;内部评级法，基于商业银行自身健全和完备的内部评级体系计量信用风险，但必须经过监管当局的技术检验和正式批准。
1.标准法
①商业银行的信贷资产分为对主权国家的债权、对一般商业银行的债权、对公司的债权、包括在监管零售资产中的债权、以居民房产抵押的债权、表外债权等13类;
②对主权、商业银行、公司的债权等非零售类信贷资产，根据债务人的外部评级结果分别确定权重，零售类资产根据是否有居民房产抵押分别给予75%、35%的权重，表外信贷资产采用信用风险转换系数转换为信用风险暴露;
③允许商业银行通过抵押、担保、信用衍生工具等信贷资产的风险敏感性，但缺点也很明显：过分依赖于外部评级，对于缺乏外部评级的公司类债权统一给予100%的风险权重，缺乏敏感性;此外，也没有考虑到不同资产间的相关性。
2.内部评级法
内部评级法要去商业银行建立健全的内部评级体系，自行预测违约概率(PD)、违约损失率(LGD)、违约风险暴露(EAD)、期限(M)等信用风险因素，并根据如下权重公式计算每笔债项的信用风险资本要求(K)：
(1)公司、主权及商业银行暴露
①非违约风险暴露
②违约风险暴露
(2)零售暴露
根据对商业银行内部评级体系依赖程度的不同，内部评级法又分为初级法和高级法两种：
①初级法要求商业银行运用自身客户评级估计每一等级客户违约概率，其他风险要素采用监管当局的估机值;
②高级法要求商业银行运用自身二维评级体系自行估计违约概率、违约损失率、违约风险暴露、期限。
初级法和高级法的区分只适用于非零售暴露，对于零售暴露，只要商业银行决定实施内部评级法，就必须自行估计PD和LGD.