IFRS 9 PD校准：TTC与PIT之辨

违约概率(PD)处于每一个信用风险框架的核心位置。IFRS 9与巴塞尔协议都需要一个PD——但二者需要的是同一数字的不同版本，而将两者混淆，是审计中最容易翻车的方式之一。

一个词，两种定义

• 全周期(through-the-cycle, TTC) PD是某一评级等级在跨越各种经济环境后平滑得到的长期平均违约率。它是IRB法下用于监管资本的PD：稳定、跨期可比、变动缓慢。
• 时点(point-in-time, PIT) PD是在当前宏观状态下此刻实际的预期违约概率。它会随失业率、GDP、房价增长及经济周期的其他因素而波动。这正是IFRS 9用于计算预期信用损失(ECL)所需要的量。

同一位借款人，即便评级保持稳定，在衰退期与周期顶峰时的PIT PD也可能截然不同。两个PD都可以是“对”的——它们只是在回答不同的问题。

为何IFRS 9迫使你做出选择

IFRS 9要求提供一个无偏、前瞻性、按概率加权的预期信用损失估计。按其构造，这本质上是一个PIT量。若将TTC PD直接代入ECL公式，得到的数字在正常时期稳定且站得住脚，但在周期转折点上会系统性地出错——在下行阶段计提不足，在复苏阶段计提过度。监管机构注意到了这一点，审计机构注意到了，董事会也注意到了。

构建PIT PD的三种方式

1. 从TTC出发，叠加宏观调整。 大多数已建立的IRB银行本已拥有TTC PD。务实的做法是保留该PD，并叠加一个宏观经济调整层——通常是将观测到的违约率对GDP、失业率及行业特定变量进行卫星回归——用以根据当前所处周期位置对TTC PD进行上调或下调。

*优点：*利用现有评级体系，与资本计量相衔接，叠加层易于回溯检验。 *缺点：*大部分实际工作都由该叠加层承担，其校准窗口的选取影响巨大。

2. 直接构建PIT PD。 将借款人特征与宏观变量共同纳入模型，采用逻辑回归或机器学习方法估计违约概率。其输出按构造即为PIT量。

*优点：*内部逻辑一致，避免了TTC向PIT转换的环节。 *缺点：*更难与巴塞尔PD对账，若未针对评级体系专门做平滑处理，评级稳定性会受损。

3. 按业务组合分类处理。 零售业务：PIT相对直接（行为评分加宏观调整）。公司业务：违约事件稀少，PIT更难获得，因此许多银行保留TTC评级，并依赖宏观调整与前瞻性情景来形成PIT视角。中小企业业务则介于二者之间。

前瞻性情景：PIT悄然变为概率性的量

IFRS 9要求跨多个宏观情景——通常为基准、上行与下行情景——提供按概率加权的PD。正是在这里，“时点”悄然变成了“在多种未来分布上的期望值”。

常见的陷阱：

• 只有两个情景，没有分布。 一个基准情景加一个下行情景、权重为80/20，这并非真正意义上的概率加权视角，而只是一次压力测试。
• 情景权重从不改变。 若2019年与2023年的下行情景权重完全相同，说明该模型并非真正具有前瞻性。
• 叠加之上再叠加。 若卫星模型已经纳入了失业率的影响，管理层叠加调整又针对同一失业率再作调整，就会造成重复计算。这正是治理与文档记录的重要性所在。

与监管PD的对账

董事会与审计师迟早会问：为什么同一借款人的IFRS 9 PD是2%，而巴塞尔PD却是1%？干净利落的答案是一份PIT-TTC对账表：一份有文档记录的分解过程，从TTC PD出发，加上周期调整，再加上前瞻性叠加调整，最终得到IFRS 9的PIT PD。每个报告周期都重新生成这一对账桥梁，是防范审计意外最廉价的手段之一。

良好实践的样貌

• 一套统一权威的TTC评级体系，拥有自身的校准与监测机制。
• 一个有明确文档记录的PIT叠加层或模型，具备稳定的估计窗口与明确的重新校准周期。
• 具备多情景的前瞻性宏观预测，且权重能够随周期变化而调整。
• 一份清晰可见的PIT-TTC对账桥梁，每季度生成并接受审阅。
• 对TTC评级与PIT叠加层均进行回溯检验，出现偏差时予以调查，而非简单地予以平滑处理。

IFRS 9的要求不会放松。若说有什么趋势，那便是——气候叠加、地缘政治情景、行业特定的下行假设——正朝着更多前瞻性判断的方向发展。一个将TTC与PIT明确区分、可相互对账并分别验证的PD框架，比一个悄悄将两者混为一谈的框架，能够更经得起时间的考验。