风险加权资产(risk-weightedassets,简称RWA)是指对银行的资产加以分类,根据不同类别资产的风险性质确定不同的风险系数,以这种风险系数为权重求得的资产。

分为权重法和内评法。

内评法比权重法统计粒度更细,内评法中又分为初级法和高级法,高级法又比初级法粒度更细。

RWA在初级法中的计算公式如下:

RWA = K×12.5×EAD,其中K为资本要求;K*12.5称为风险权重,EAD为违约风险暴露;违约暴露(EAD=授信余额+未提用额×信用转换系数

RWA是风险加权资产,是银行为了应对违约风险暴露的而应该准备的资产值大小。RWA=EAD*权重。有些风险资产权重高,则对应RWA就大,有些风险资产权重低,对应的RWA就小。

监管公式计量RWA

初级法
主权、金融机构、公司类风险暴露的风险加权资产计算具体规则为:
(一)、非违约风险暴露的风险加权资产
(1)计算单笔信用风险暴露的相关性(R)和期限调整因子(B)
R = 0.12×[1-EXP(-50×PD)]/[1-EXP(-50)]+0.24×{1-[1-EXP(-50×PD)]/[1-EXP(-50)]}
B = [0.11852-0.05478×ln(PD)]^2
(2)计算单笔信用风险暴露的资本要求(K)
K = [LGD×N[(1-R)^(-0.5)×G(PD)+(R/(1-R))^0.5×G(0.999)]-PD×LGD]×(1-1.5×b)^(-1)×[1+(M-2.5)×b]
(3)计算单笔信用风险暴露的风险加权资产(RWA)
RWA = K×12.5×EAD
(二)、违约风险暴露的资本要求(K)和风险加权资产(RWA)
K=max[0,(LGD-EL)]
RWA = K×12.5×EAD
其中,LGD为违约风险暴露的违约损失率的最优估计值;EL为考虑经济环境、法律地位等条件下违约风险暴露的预期损失百分比。
(三)、中小企业的规模调整
商业银行应单独计算公司风险暴露中的中小企业风险暴露的风险加权资产。商业银行应根据中小企业的年销售额(S)对相关性(R)进行调整。相关性调整公式如下:
R = 0.12×[1-EXP(-50×PD)]/[1-EXP(-50)]+0.24×{1-(1-EXP(-50×PD))/[1-EXP(-50)]}-0.04×[1-(S-3)/27]
上式中,S的单位为千万人民币,报告期的销售额低于3千万人民币的中小企业风险暴露按照3千万人民币来处理。(注:上述公式[1-(S-3)/27]中的3和27分别代表3千万人民币和27千万人民币(30千万-3千万人民币)。
商业银行应基于调整后的相关性根据5.1.1的规定计算非违约中小企业风险暴露的资本要求和风险加权资产。
零售风险暴露的风险加权资产计算
(一)、非违约零售风险暴露风险加权资产的计算规则如下:
(1)计算相关性(R)
个人住房抵押贷款,R=0.15
合格循环零售贷款,R=0.04
其他零售贷款,R=0.03×[1-EXP(-35×PD)]/[1-EXP(-35)]+0.16×{[1-(1-EXP(-35×PD) )]/[1-EXP(-35)]}
(2)计算资本要求(K)
K = LGD×N[(1-R)^-0.5×G(PD)+(R/(1-R))^0.5×G(0.999)]-PD×LGD
(3)计算风险加权资产(RWA)
RWA = K×12.5×EAD
(二)、违约风险暴露的资本要求(K)和风险加权资产(RWA)
K=max[0,(LGD-EL)]
RWA = K×12.5×EAD

其中,LGD为违约风险暴露的违约损失率的最优估计值;EL为考虑经济环境、法律地位等条件下违约风险暴露的预期损失百分比。

RWA风险加权资产的更多相关文章

  1. smart beta

    本文来至人大经济论坛,http://bbs.pinggu.org/thread-3151691-1-1.html 众所周知,beta在CAPM模型中衡量了相对于持有整个市场所带来的风险溢价(risk ...

  2. 【技术开放日】msup携手HPE揭秘全球测试中心背后的12条技术实践

    保证软件产品质量是软件测试永恒的目标. 以控制为出发点的传统IT时代正在快速的向以激活生产力为目的的移动互联时代转变.这不仅是技术的升级,更是思想意识的巨大变革,也对软件技术的发展带来的更高的要求和更 ...

  3. 局部加权回归、欠拟合、过拟合(Locally Weighted Linear Regression、Underfitting、Overfitting)

    欠拟合.过拟合 如下图中三个拟合模型.第一个是一个线性模型,对训练数据拟合不够好,损失函数取值较大.如图中第二个模型,如果我们在线性模型上加一个新特征项,拟合结果就会好一些.图中第三个是一个包含5阶多 ...

  4. 向量自回归模型VS风险价值模型(VAR&VaR)

    单从外观上看,VAR&VaR两个模型很容易混淆,但就模型方法和用处两者截然不同,R语言作为数据分析的有力工具,其函数包库中包含各种各样的统计模型.通过vars包可以调用向量自回归模型,通过Pe ...

  5. 运行 Docker 容器时的安全风险:别丢了你的套接字

    我们都遇到过这种情况:你只是想尝试一段命令行,但安装进程却如同抵押贷款申请那般繁琐.如果不是强制要求完成这么多步骤,你的开发环境会被永远不会再使用的库弄乱.自然, Docker 来了以后,你惊异地发现 ...

  6. RQPro 公募FOF策略实例——晨星基金筛选和风险平价配置

    2017年9月8日,证监会公布首批公募FOF基金名单,标志着公募FOF产品正式落地.FOF(Fund of Funds)是一种通过投资基金,而非直接投资具体证券标的(股票或债券等)来实现分散化资产配置 ...

  7. ImCash:第一个集多功能于一身的数字资产平台

    Web2.0时代,去中心化开始被社会各界人士所知晓,随着网络时代的不断发展,去中心化概念慢慢得到了社会各界的追捧.行业巨头控制.算法运行干扰.大数据的不良利用.跨款平台支付的不便都在一定程度上对用户的 ...

  8. 年关将至业内警示P2P跑路风险

    年关将近,P2P网贷行业的问题平台亦不断增多,“跑路潮”会否再现,业内人士讨论热烈. “从历年数据统计来看,问题平台接近线性向上的增长趋势,即时间越往后,问题平台占比就越高,而每逢年关,问题平台占比都 ...

  9. zipline风险指标计算 (empyrical模块)

    概述 量化中,我们经常会遇到各种量化指标的计算,对于zipline来说,也会对这部分计算进行处理,由于指标计算的通用性比较强,所以,zipline单独封装了 empyrical 这个模块,可以处理类似 ...

随机推荐

  1. [转] Webpack 打包优化之体积篇

    谈及如今欣欣向荣的前端圈,不仅有各类框架百花齐放,如Vue, React, Angular等等,就打包工具而言,发展也是如火如荼,百家争鸣:从早期的王者Browserify, Grunt,到后来赢得宝 ...

  2. 【SPFA与Dijkstra的对比】CDOJ 1961 咸鱼睡觉觉【差分约束-负权最短路径SPFA】

    差分约束系统,求最小值,跑最长路. 转自:https://www.cnblogs.com/ehanla/p/9134012.html 题解:设sum[x]为前x个咕咕中至少需要赶走的咕咕数,则sum[ ...

  3. [WC2014]紫荆花之恋

    题解: 首先考虑点分治 dis(i,u)+dis(i,v)<=value[u]+value[v] 移项就很容易发现用平衡树可以很简单的维护这个东西 但是有重复,需要在下一层的每个平衡树内减去这个 ...

  4. cookie实现刷新不变化树形菜单

    通过设置cookie来保存树形菜单的状态,在页面加载时重新读取cookie来设置菜单. 菜单的HTML结构: <div class="treemenu"> <ul ...

  5. postgresql 查询某一个表中的所有字段

    select * from information_schema.columns where table_schema='public' and table_name='表名称 ';

  6. 麒麟Kylin

    开源的分布式分析引擎,提供Hadoop/Spark之上的SQL查询接口及多维分析(MOLAP)能力以支持超大规模数据,能在亚秒内查询巨大的Hive表: Kylin的主要特点包括支持SQL接口.支持超大 ...

  7. apache利用http_referer进行防盗链

    http://blog.sina.com.cn/s/blog_8729dd9801011rn1.html

  8. scrapy 手动编写模板

    import scrapy class Tzspider(scrapy.Spider): # spider的名字,唯一 name = 'tz' # 初始url列表 start_urls = ['htt ...

  9. ECMAScript 原始类型

    ---恢复内容开始--- ECMAScript 有 5 种原始类型(primitive type),即 Undefined.Null.Boolean.Number 和 String. 1.typeof ...

  10. TF之RNN:TensorBoard可视化之基于顺序的RNN回归案例实现蓝色正弦虚线预测红色余弦实线—Jason niu

    import tensorflow as tf import numpy as np import matplotlib.pyplot as plt BATCH_START = 0 TIME_STEP ...