商业银行内部评级模型验证
金融风险管理中的模型验证过程
金融风险管理中的模型验证过程金融风险管理中的模型验证过程一、金融风险管理与模型验证的重要性在复杂多变的金融市场环境中，金融风险管理至关重要。
它关乎金融机构的稳定运营、者的利益保护以及整个金融体系的安全。
而模型验证作为金融风险管理的关键环节，其重要性日益凸显。
金融风险管理旨在识别、评估和应对金融市场中各类风险，如市场风险、信用风险、操作风险等。
有效的风险管理能帮助金融机构在追求收益的同时，合理控制风险水平，避免因风险事件引发的重大损失。
模型验证则是确保风险管理模型准确性、可靠性和适用性的重要手段。
通过模型验证，金融机构可以对内部使用的风险模型进行全面审查，评估模型是否能够真实反映市场情况和风险特征，从而为风险管理决策提供坚实的依据。
二、模型验证的关键步骤（一）模型开发与文档审查1. 模型开发文档审查- 首先要检查模型开发文档的完整性。
这包括对模型的理论基础、假设条件、算法逻辑等方面的详细记录。
例如，在信用风险模型中，审查其对违约概率计算所依据的信用评分模型的原理阐述是否清晰，假设的违约相关性是否合理。
- 评估模型开发过程的合理性。
查看是否遵循了行业公认的标准和最佳实践。
比如，在市场风险模型开发中，是否采用了适当的时间序列分析方法来估计波动率，模型的参数估计方法是否科学。
2. 模型算法审查- 深入研究模型算法的正确性。
对于复杂的金融模型，如衍生品定价模型，需要验证其算法是否准确实现了理论模型。
例如，检查布莱克 - 斯科尔斯期权定价模型的实现中，是否正确计算了期权价格所涉及的各项参数，如标的资产价格、执行价格、波动率、到期时间等。
- 分析算法对数据的敏感性。
了解模型输出对输入数据微小变化的反应程度。
在利率风险模型中，评估利率曲线的微小变动对债券价格模型输出的影响，以确定模型在不同数据环境下的稳定性。
（二）数据质量评估1. 数据来源审查- 确认数据来源的可靠性。
对于市场数据，如股票价格、汇率等，要考察数据提供商的信誉和数据采集方法。
商业银行市场风险内部模型验证的方法与实践
019商业银行市场风险内部模型验证的方法与实践陈开中（南京银行 江苏 南京 210000）摘 要：风险价值（Value at Risk，简称VaR）是近年来银行管理和度量市场风险的重要方法之一，可以有效地控制银行面临的风险。
同时，随着计量模型的复杂化，银行业也会产生模型风险，对银行经营活动产生负面影响，因此需要通过有效的模型验证来提高模型的准确性与稳定性。
本文在分析比较多种返回检验方法的基础上，结合突破原因的分析，对模型的预测能力进行了验证，并以此为基础，提出了模型使用及验证的相关建议。
关键词：市场风险；内部模型法；风险价值；模型验证中图分类号：F830.33 文献标识码：A DOI：10.19921/ki.1009-2994.2021-10-0019-00720世纪80年代后期，为了弥补当时传统风险计量指标的缺陷，摩根大通公司最先引入了风险价值（VaR）的概念。
VaR 是建立在概率论与数理统计的基础之上，既有很强的科学性，又统一了风险度量视角，因此迅速得到了金融机构和监管机构的青睐。
1996年，巴塞尔银行监管委员引入VaR 模型来计量市场风险监管资本要求，这使得VaR 的地位进一步提升。
如今VaR 已被广泛视为金融机构市场风险管理的核心方法。
随着VaR 等风险计量模型在银行经营管理中广泛的应用，一方面为银行风险管理提供了强有力的工具；另一方面，模型本身和经济世界的复杂性以及对模型的不当使用将会导致模型局限性被放大，发生模型风险。
次贷危机的一个重要原因，就是金融机构、评级机构对各种风险计量模型的模型风险未能有效控制。
因此，银行需要通过制定相应的制度、流程来开展模型验证相关工作，以保证模型质量，控制模型风险。
一、返回检验技术简述返回检验是模型验证的一类重要方法，是将市场风险内部模型法（VaR）计量结果与损益进行比较，以检验计量模型的准确性、可靠性，并据此对计量模型进行调整和改进的整个过程。
一个“好的”模型能够避免偏差的出现，在某种程度上，它能够迅速对金融工具的波动性及其相关性的变化做出反应。
内部评级模型验证
内部评级模型验证(2014-06-03 11:08:06)转载▼标签：风险管理模型验证是对评级体系、评级流程和所有参数估算的准确性和一致性进行评估的整个过程，是评估和提高模型表现水平、防范模型风险及合理使用模型的基本手段。
巴塞尔协议规定商业银行内部信用评级体系验证最低的要求是：定期比较参数的实际值与预测值，执行返回检测；定期预测比较预测值和相关的外部参数，执行基准测试。
内部评级模型验证包括两方面：内部评级体系验证和内部评级过程验证。
一、内部评级体系验证：包括模型验证设计和风险参数估值验证，主要关注评级模型合理性以及风险量化结果准确性和一致性。
明确验证范围、执行主体和验证方法，建立定期评估、更新验证方法的机制，确保验证工作的独立性和客观性。
模型验证标准：准确性和一致性。
准确性高低是指模型输出结果与实际结果的偏离程度大小。
一致性是指模型在不同行业、不同地区风险度量一致，不同时间段内一致。
模型验证内容：内评的风险参数模型：借款人评级、债项评级、PD、LGD、EAD; 内评结果应用模型：预期损失和非预期损失模型等。
对单个模型，模型验证包括建模参数、建模过程和输出结果。
建模参数验证包括建模数据和模型假设的验证建模过程验证包括对理论基础和程序代码的验证输出结果审查保证结果准确性和易于理解模型验证方法：定性方法和定量方法结合验证。
定性方法对模型设计、数据质量和模型结果出发，从模型假设、理论方法和模型报告角度对模型进行整体评估和检验。
定量方法是通过量化工具对模型准确性和一致性进行评估。
分为返回测试和基准测试两种。
返回测试是指将模型结果与实际结果进行比较。
基准测试则是将模型预测结果与一系列内部或外部工具进行比较来推断平均正确性、内部基准测试是将模型输出结果同客户经理或业内信贷专家的观点进行比较；外部基准测试是与其他评级方法或模型进行比较。
内评验证实施原则：独立性原则（建模与验证人员独立）、明确责任（验证部门认可和书面记录、得到批准）、模型记录（原因、模型局限性、重要事件、建模关键人、时间等）、持续验证（定期模型验证，建模机构对模型调整，进行相关记录）、内部审计。
商业银行资本管理办法附件
附件16：资本计量高级方法验证要求一、总体要求1．商业银行采用信用风险的内部评级法、市场风险的内部模型法、操作风险的高级计量法，应当按照本附件的要求建立验证体系，对资本计量高级方法及其支持体系进行持续检查，完善自我纠正机制，确保资本充分反映风险水平。
2．对本办法实行前已投产的资本计量模型和支持体系，商业银行应当按照本附件要求评估投产前全面验证工作情况，补充相应文档，并证明其定期持续监控和投产后全面验证已达到本附件有关投产前全面验证的要求。
3．银监会应当定期评估商业银行验证工作以及针对验证工作的内部审计工作，商业银行验证或审计工作不充分、存在缺陷或未能达到监管要求的，银监会有权要求商业银行进行进一步验证或审计。
（一）验证目标和范围1．商业银行对资本计量高级方法的验证承担主要责任，并通过建立完善的验证体系实现以下目标：（1）增强资本计量高级方法的稳健性和可靠性。
（2）建立纠正机制，改进资本计量高级方法的风险预测能力，促进方法和体系的持续改进。
（3）增进商业银行高级管理层和相关人员对计量模型的理解，充分认识模型的局限性，完善模型结果运用，确保资本准确反映风险水平。
2．商业银行对资本计量高级方法的验证包括对计量模型及其支持体系的验证。
3．商业银行对计量模型进行验证时，应当重点关注对模型开发样本数据、模型方法、重要假设和参数、模型开发过程和模型结果应用等方面的审查。
商业银行应当对自行开发模型和外购模型进行验证，确保模型适用于本银行实际资产组合和风险状况。
4．商业银行对支持体系进行验证时，验证范围应当包括但不限于计量模型使用政策和流程、数据、信息系统、模型应用和用户反馈信息，以及相关文档记录等方面。
5．商业银行应当同时采用定量和定性的验证方法。
定量验证主要通过返回检验和基准测试等方法，运用数理统计工具对模型的准确性、区分能力和稳定性进行验证。
定性验证主要通过专家评估等方法，检验计量模型和支持体系相关治理结构、政策、流程、控制、文档管理和模型结果运用等情况。
中国银监会关于印发《商业银行资本计量高级方法验证指引》的通知
中国银监会关于印发《商业银行资本计量高级方法验证指引》的通知（一）对于自行开发模型的商业银行，模型开发团队应提交开发过程文档，具体包括：模型理论推导、编码说明、程序源代码、开发过程测试及验证文档、使用说明等；应确保独立的模型验证主体可根据文档完成模型验证工作。
（二）对于采用外购模型的商业银行，模型采购部门应要求系统提供商提供充分的模型使用手册及技术文档，以确保模型验证主体可根据文档完成模型验证工作。
（三）模型验证主体需提供完整、充分的验证文档，包括模型理论说明、定价算式推导、数据来源、平行模型结果对比等。
模型验证人员还需在验证报告中对模型的有效性及局限性进行评估，并说明原因。
第二节对市场风险内部模型输入数据的验证第一百零一条商业银行需确保其市场风险内部模型输入数据准确、完整、及时。
模型输入数据可分为交易及头寸数据、市场数据及模型的假设和参数。
第一百零二条交易及头寸数据包括手工输入或由系统接口导入的数据。
商业银行应确保其市场风险内部模型中的交易及头寸数据传输顺畅、准确有效。
模型初建时，商业银行应选取验证时点，对该日的新增交易数据及持仓数据与其他来源的交易数据进行核对；对于模型变更等其他类型验证，商业银行可采取抽样方式进行输入数据的验证。
第一百零三条市场数据是指由第三方外部机构提供的、用于产品估值及风险价值计算的收益率曲线和汇率等数据。
商业银行可通过选取时点，比照多个外部机构提供的数据进行交叉验证，或者可以通过自行编程、EXCEL计算表等方式处理原始数据并与之前加工后的数据进行比较，以确保市场数据的准确性。
第一百零四条商业银行采用自行采集或计算所获得的投资组合、交易对手等市场数据作为内部模型输入数据时，须经监管部门批准并向监管部门提供自行采集或计算市场数据的方法说明及技术文档，并说明其选择的合理性。
第一百零五条商业银行应采取基于理论损益的返回检验验证内部模型的主要假设和参数。
商业银行可以根据自身风险和组合结构特点，采取以下一种或若干种验证方法作为补充。
浅析内部评级模型验证与优化的方法与路径
浅析 内部评级模型 验证与优化的方法与路径
刘 吕科 ’ 。 郭 代 （ １ ． 中国 民生银行 ， 北京 １ ０ ０ ０ ３ １ ； ２ ． 北京 大学 光 华管理 学院 ， 北京 １ ０ ０ ８ ７ １ ）
摘要 ： 模 型验 证 与优 化是 模 型 管理体 系的重要 组 成部 分 ， 模 型 验证 也是 支撑模 型优 化 ， 确保 模 பைடு நூலகம் 准确性与可靠性的有力工具。结合行 业实践 ， 分析 了评级模型表现 衰减的潜在原 因， 结合原 因 给 出 了验 证 思路 ， 并依 据验 证 结论分 析 了模 型优 化 的主要 方 法与路 径 。
和经验 的角度会对客户风险状况做出一定的判断 ， 如 果模 型结 果 与评 审 人 员直 接 判 断偏 差 过 大 ， 会 导 致评审人员难 以在信贷准人标准 、 利率及期 限核定 从业界实践看 ， 评级模型在上线之初 ， 都具有较 等 方 面对 客户 做 出一 致 性判 断 ； 再次 ， 模型不准确 ， 好 的准确性 、 稳定性与审慎性 。但绝大多数评级模 也会在一定程度上导致银行授信政策偏离政策设定 型在上线运行一段时期后 ， 模型 的准确性和可靠性 的初衷 ， 导致银行风险偏好与实际风险承担偏离 ； 最 都会 出现一定程度 的衰减 ， 各类指标如 Ａ Ｒ 值和Ｋ Ｓ 后， 模型结果不准确直接导致风险调整收益指标不 值都有所下降。除了指标值的表现之外 ， 还有一些 准确 ， 在 此 情 景 下 难 以对 被 考 核 者 做 出公 正 的评 出现 违 约 的客 户 ， 在违 约之 前评 级级 别很 高 ， 出现所 价 。 总之 ， 评 级 应用 越 深 入 ， 越广泛 ， 模 型结 果 可 能 谓 的 “ 评 级 悬崖 ” ， 从 侧 面 反 映 了模 型 较 差 的表 现 。 由于结果变化较大 ， 造 带来的争论 、 质疑 、 困惑、 挑战就越多 。很多情况下 ， 还有一些重新优化后的模型 ， 导 致监 管 资本计 算 与配 置 、 业 务部 门倾 向于 以主 观 经验 质 疑模 型统 计 ， 以特 殊 成评 级 分布 的较 大迁 徙 ，
银行内部评级体系验证办法(试行)模版
银行内部评级体系验证办法(试行)模版x银行内部评级体系验证办法（试行）第一章总则第一条为规范x银行内部评级体系验证工作，提高内部评级体系的准确性与稳健性，根据我国银监会监管要求和x银行有关规定，参照巴塞尔新资本协议内部评级法对商业银行的要求，制定本办法。
第二条本办法所称验证是指按照规定的流程和方法，对内部评级体系进行持续检验和评价的过程。
按照内容的不同，验证分为内部评级数据验证、评级模型验证、息系统验证、政策流程验证、评级治理结构验证及评级应用验证等六个方面。
按照开展时间的不同，验证分为投产前验证、定期持续监控和投产后验证等三个阶段。
第三条验证主要实现以下目标：（一）评估内部评级体系的准确性、稳健性和可靠性。
（二）建立纠正机制，促进内部评级方法和体系的持续改进。
第四条验证是内部评级体系持续、稳健运行的前提和保障。
验证结果应作为运用内部评级体系进行实际业务管理的重要依据。
第五条验证遵循以下原则：（一）独立性原则。
验证团队应在职能上独立于模型开发、应用团队，利益不受模型表现好坏的影响；验证工作的开展应不受外界因素的约束、影响和干扰，以确保验证结论的独立、客观、真实。
（二）统一性准绳。
验证事情应基于统一的数据收罗标准，并接纳统一的验证方法和流程，确保模子验证结果的客观、一致。
（三）持续性准绳。
验证应作为模子管理的一项日常性事情，贯穿于内部评级体系投产、运行、优化的全进程，需根据外部环境和自身谋划的变化，及时发起验证事情。
（四）审慎性原则。
验证工作要运用科学的方法、标准和流程，结合可靠的数据和专家经验进行，既不高估模型预测能力，也不低估模型风险。
第六条本办法适用于x银行非零售风险暴露内部评级初级法体系和零售风险暴露内部评级体系的验证。
非零售、零售风险暴露是指《x银行银行账户用风险暴露分类办法（试行）》划定的内部评级法下金融机构、公司及零售风险暴露。
第二章职责分工第七条验证在初级管理层的统一带领下，由风险管理、贷管理、科技部门以及各客户部门分工负责，共同实施。
商业银行内部评级法体系建设——项目服务方案
这些银行虽然没有进入“申请实施巴塞尔协议”的银行名单，但为 了在后期获得银行监管部门的认可同时出于提升银行自身风险管理水平 的需要，其中的大部分银行如光大银行在2009年左右就开始了针对内 部评级法体系的研究和建设。
城商行和农商行
这两类银行总体上在信用风险内部评级方面的起步较晚，绝大部分 银行甚至还没有考虑建立自己的内部评级体系。其中，部分规模较大的 银行和具有一定战略意识的银行如宁波银行、包商银行、河北银行等出 于提高风险管理水平、提高行业地位、在海外上市等多方面的考虑已经 按照巴塞尔协议Ⅲ的要求开始建设信用风险内部评级体系。
目录
银行实施信用风险内部评级法的意义
信用风险内部评级法有较为广泛的应用：
核心应用方面 信用风险内部评级法可以用于支持营销、信贷准入、授信审批、风险 限额、贷款定价、绩效考核、信贷政策制定和预警监控等。
高级应用方面 信用风险内部评级法可以用于经济资本计量、贷款损失准备计提、确 定风险偏好和制定风险战略、风险定价、计算风险调整后的 资本收益率、 绩效考核、配置风险资源等。
“信用风险内部评级法建设”项目实施方案
我方派遣项目组成员到银行驻点开展项目，项目全 程由专家指导，项目成果由专家检查确认。具体流程包 括数据整理、建模、确定参数、验证修正参数等。
“信用风险内部评级法建设”项目实施方案
项 目 实 施 具 体 流 程
“信用风险内部评级法建设”项目实施方案
我方派遣项目组成员到银行驻点开展项目，项目全 程由专家指导，项目成果由专家检查确认。具体内容包 括配套政策制度调整、业务流程改造、组织IT系统上线 等。
银行实施信用风险内部评级法的意义
银行实施信用风险内部评级法的意义
银行实施信用风险内部评级法的意义
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
金融天地风险计量模型的应用为银行风险管理工作提供了强有力的工具，但是，由于模型的复杂性、数据清洗和样本筛选不当、变量分布特征的误判、风险驱动因素考虑不够全面、模型环境发生变化等方面的原因，可能会导致模型风险，对银行经营活动产生负面影响。
因此，商业银行应该通过制定相应的模型验证制度来监控模型表现能力，控制模型风险。
一、模型验证的内容与标准广义的模型验证范围包括银行的内部评级体系，比如部门分工、模型开发应用流程、IT系统环境等。
对于单个模型而言，验证主要包括以下内容：1.理论基础审查和数据审查。
统计理论和经济理论是建模的逻辑基础。
在理论选择的过程中，可能发生一些概念或逻辑错误。
银行必须对这些理论进行审查，或者通过行外专家的认可。
数据是建模的基础，如果数据存在着错误，即使其他建模过程都是正确的，得到的模型质量也无法保证，因此必须对建模数据进行独立审查。
2.模型假设审查。
建模经常会使用各种假设。
这些假设可能来自各种金融理论，也可能来自银行的内部研究。
但无论如何，银行应该将这些假设和实际情况进行比较，并随着外界形势的变化，对相关假设进行调整。
3.程序审查和结果审查。
为了保证运算程序的正确，银行最好选择经验丰富的编码专家逐行进行检查，并与其他的模型结果进行对比，保证输出结果准确、易于理解。
根据巴塞尔新资本协议，信用风险度量模型有三个重要判断标准：①准确性。
这是指模型输出和实际情况的偏差要小，这是对模型最根本的要求。
②一致性。
是指模型在不同行业、不同地区间的一致性。
例如，具有相同信用等级的制造业客户和金融业客户应该具有相同的违约概率。
③稳定性。
即模型表现在不同时间段内尽可能一致，以便保持业务连续性。
二、模型定性分析定性分析是对模型开发理念、适用条件、变量逻辑关系、参数设定等方面的考察。
模型架构与计量对象的一致性、业务定义的合理性、风险因素的全面性、参数估计的合理性、模型的可操作性等，都是定性评价的重要内容。
由于模型的构建往往是建立在数据分析上的，开发人员往往会犯两类错误：一是尽力将所有可能的风险因素都包含在模型当中，导致参数个数超过由样本规模与所用结构决定的上限，引起过度拟合问题。
二是过多的重视量化关系，忽视实际业务含义。
实践中，在定性分析时要特别注意充分发挥业务专家的作用。
三、模型定量验证根据验证依据的不同，模型验证一般包含返回检验和基准测试。
1.返回检验返回检验是通过统计工具比较实际值与模型输出之间的差异来评价模型效果的一类方法。
由于以实际生产数据为基础，返回检验能够比较准确的评估模型性能。
但是，返回检验的应用条件比较高，其结论的准确性不仅依赖于验证方法的科学性、合理性，也依赖于数据质量的高低。
如果可以获得足够的历史违约债务人/债项样本数据并能够保证一定的数据质量要求，就可以对模型进行返回检验。
2.基准测试基准测试是以设定标准为依据来评估模型性能的。
常用的基准有：(1)使用第三方估值模型，例如标普或穆迪有关模型，或其他商业银行使用的模型等，比较所用模型与外部模型的估计结果；(2)比较专家经验判断与模型估值来评价模型；(3)将模型输出与市场中能够反应信用质量的指标进行比较，如股票价格，债券点差，或信用衍生品的风险溢价等。
四、定量验证方法1.CAP曲线和AR值CAP曲线(Cumulative Accuracy Profile)是常用的衡量风险模型的验证方法之一，它描绘了各个评分(或评级)结果下，累积违约客户比例和累积客户比例之间的关系。
为了画出CAP曲线，需先根据模型的结果，自高风险(差评级别)至低风险(好评级别)对评级客户进行排列，对于横坐标客户总数中特定的比例。
纵坐标描画风险评级分数小于或等于横坐标x中的违约个数百分比。
一个有效的模型应在样本客户同一排除率的情况下，排除更高百分比的坏客户。
图1为CAP曲线示意图：图1 CAP曲线示意图在完美的模型下，CAP曲线会是一条斜率为(1/违约率)并且停留在1的水平线。
这时，所有表现差的客户都排在左边，表现好的客户都排在右面。
图中最佳曲线就是这种情况。
如果模型完全没有区分能力，CAP曲线会是一条45度的直线(图中随机曲线)。
此时，模型无法区分客户的好坏，违约案例随机分布在所有客户中。
具有合理预测能力的模型通常介于最佳曲线和随机曲线之间，如图中待验证评级模型曲线。
这表示该模型会给多数表现差的客户较低的评分，而给多数表现好的客户较高的评分。
在少数情况下，也会给表现差的客户较好的评分，而给表现好的客户较低的评分。
CAP曲线越接近左上角，模型预测能力越好。
为了度量模型区分能力，人们通常使用AR值这一指标。
AR值被定义为模型的CAP曲线和45度线间的区域与完美曲线和45度线的区域商业银行内部评级模型验证研究邱作文 国家开发银行摘要：风险计量模型在现代银行风险管理工作中扮演着重要角色。
但是由于种种原因，模型输出可能与业务实际存在差异，进而给银行运营带来负面影响。
为了控制和消除这种差异，保持模型的有效性，商业银行有必要建立系统的模型验证制度来监控模型表现能力。
关键词：商业银行；内部评级；评级模型；模型验证中图分类号：F830.33 文献标识码：A 文章编号：1001-828X（2013）07-0321-02现代经济信息的比率。
计算公式为：不难看出，AR值是一个介于[0，1]之间的值，AR值越高，模型的区分能力越强。
但是，如果AR值过高，比如达到0.9，也可能意味着模型存在过度拟合的问题。
根据各国银行业实践，AR值达到0.6以上即可认为模型表现良好。
2.K-S检验KS检验主要是为了验证模型的区分能力，通常是在模型预测全体样本的信用评分后，将全体样本按正常户和违约户分成两组样本，然后用KS统计量来检验这两组样本信用评分的分布是否有显著差异。
有效的模型应能区别出违约户和正常户之间的差异，违约户的评级分配应当不同于正常户的评级分配。
当两个样本累积相对次数分配的差异非常接近，且差异为随机时，则两样本的评级分配应为一致；反之当两样本的评级分配并不一致时，样本累积相对次数分配的差异会很显，如图2所示。
另外，KS检验也常用来选择有预测能力的单变量。
一般认为，KS值达到0.5以上即可认为模型可以接受。
图2 KS曲线示意图3.等级相关系数等级相关系数是一种较简易模型验证方法，属于非参数分析方法。
一般地，对于非连续数据数据、非正态分布或分布类型难以判断的对象，或者只能以严重程度、名次先后等定出等级的对象，通常需要使用等级相关系数来衡量模型效果。
相关系数取值范围为-1～+1，大于0表示变量之间为正相关，小于0为负相关，绝对值越接近1表示相关性越大。
通常来说，绝对值小于0.5表示相关性偏低。
Spearman系数计算公式为：Si的均值。
4.均方误差 (MSE: Mean Square Error)均方误差是常用的统计指标之一，用来测量估计值对实际值的偏其中，YAi为实际值，YBi为预测值，N为样本数目。
均方误差是对估计值可靠性的估计。
由于均方误差简便、易用，因而得到广泛应用。
需要注意的是，均方误差强调的是数据之间的数量差异。
由于客户违约与否在统计上常常用0、1来表示，并且PD模型验证更多地关注的是预测结果是否与实际结果具有实质意义上的趋同性，而不需关注二者在数量上的差异。
因此，均方误差对于PD模型验证是不适用的。
5.二项检验二项检验可以让我们比较二分类变量的构成比是否与假设值不同。
二项检验的一个重要应用条件是，事件的结果只有两类对立结果且事件相互独立。
在内部评级体系中，PD类模型具有这样的特征。
因此，二项检验是PD模型验证的重要方法。
在使用二项检验时，双边检验要求模型结果必须位于置信区间内，单边检验则测试每一评级的实际违约率是否在此置信水平对应临界值的上界之下。
6.置信区间检验给定一个债项分类方式(如按估计LGD大小划分等级、按债项地区分类、按担保形式分类等等)，为了判断LGD模型对每个类别的LGD 均值估计的准确性及其与该类别实际LGD之间的偏差是否可以接受，我们可以对分类方法中的每一个类别单独进行估计均值的置信区间检验。
假设某个类别或等级的验证样本来自一般总体Y(代表该类别或等级的分布总体)，总体的均值为，方差为，那么根据中心极限定理有设该类别或等级LGD估计均值为。
双侧检验(t检验/Hoeffding检验)的目的是检验和是否一致，在给定的显著性α水平下，估计均值对实际均值的偏差是否可以接受。
单侧检验(t检验/Hoeffding检验)目的是检验是否足够保守，在给定的显著性水平α下，估计均值是否显著高于实际均值，估计足够审慎。
以上介绍了几种常用的模型验证方法。
实际上，模型验证方法远不止这些，其他统计分析方法，如转移矩阵、赫芬达尔指数、对数似然率、检验、蒙特卡罗模拟等，在实践中都有广泛应用。
模型验证需要多年的数据积累。
因此，银行应该提前进行长远规划，并建立或改进信息管理系统。
规划要考虑与违约概率、违约损失率及违约风险暴露等数据的协调，以提高数据积累的效率。
有条件的银行，还应该根据规划，对以前年度的数据进行整理和完善。
同时，加强模型验证方法研究和验证制度建设，完善模型运行IT系统坏境，持续改进模型验证质量。
参考文献：[1]王胜邦,陈颖.新资本协议信用风险的建模、计量和验证[M].上海:上海远东出版社,2008.[2]梁世栋.商业银行风险计量理论与实务[M].北京:中国金融出版社,2009.[3]詹原瑞.银行内部评级的方法与实践[M].北京:中国金融出版社,2009.[4]武剑.内部评级理论、方法与实务：巴赛尔新资本协议核心技术[M].北京:中国金融出版社,2006.[5]Basel Committee on Bank Supervision, 2005, Study on the Validation of Internal Rating System.[6]Bernd Engelmann, Robert Rauhmeier: The Basel Ⅱ Risk Parameters, Springer Berlin Heidelberg New York,2006.[7]Roger M Stein.Benchmarking Default Predition Models: Pitfalls and Remedies in Model Validation [R]. Moody ’s KMV ,New York,2002.作者简介：邱作文（1975-），男，博士后，国家开发银行。