市场风险管理第五课：FRTB来袭：银行如何从“合规”走向“盈利”？

一、开篇案例：2025年“欧盟FRTB延期潮”中的银行“假繁荣”

1.1 案例分析：G-SIB的资本危机与合规挑战

市场风险监管的演化并非一蹴而就。FRTB从提出到最终实施，历经十余年，其间充满了监管与银行间的博弈。2025年，原本被视为FRTB在欧盟全面落地的关键节点，但监管延期的消息，却给那些指望通过内部模型法（IMA）快速降低风险加权资产（RWA）的全球系统重要性银行（G-SIB）泼了一盆冷水。

以某欧洲大型投行（假设A银行）的内部报告为例：

A银行拥有庞大的交易簿，主要集中在固定收益和衍生品市场。此前，A银行投入了数亿欧元进行IT系统升级和量化模型团队建设，目标是尽快通过内部模型法（IMA）申请，预期可以将市场风险资本要求降低约30%。

然而，欧盟的延期意味着：

1. 1.窗口期延长，但压力剧增：延期至2027年给予了银行更多准备时间，但同时也意味着银行必须在更长时间内承担较高的标准化法（SA）资本要求。
2. 2.标准化法的“定时炸弹”引爆：FRTB的SA采用了更细致、更保守的敏感性基础法（SBA）。对于A银行这种交易结构复杂的机构而言，这种新的SA导致其资本要求从旧VaR框架下的80亿欧元飙升到120亿欧元，增幅高达45%。这种提升主要来源于**非模型化风险因子（NMRF）**和对冲不完全性带来的资本惩罚。
3. 3.输出地板（Output Floor）的提前生效：尤其关键的是，虽然模型实施延期，但输出地板过渡期（Output Floor Transition）却在2025年悄然启动。监管要求，内部模型计算的资本不得低于标准法计算结果的50%（起始校准）。对于A银行，假设其IMA能将资本降至56亿欧元（80亿的70%），此时监管地板为40亿欧元（50% of 80亿），IMA仍具备优势。但当SA基准抬高至120亿时，50%的地板抬升至60亿欧元。最终A银行的资本虽然理论上是56亿，但实际仍需持有60亿欧元以符合地板要求。

中国同业的挑战：NMRF的困境

与西方大型银行不同，中国的大型商业银行和头部券商虽然在交易簿规模上不及G-SIB，但在结构性交易和部分特定市场风险因子上同样面临挑战。根据已披露的对标报告，一些中国同业银行在FRTB SA下的资本要求中，NMRF带来的费用的确占据了总资本的35%甚至更高。这源于中国金融市场中，部分小众资产、非挂牌衍生品或长期限信用资产的市场报价和交易数据缺乏，按照FRTB规定，这些风险因子被划为不可模型化，必须使用更保守的SA方法计算资本。

最终结果：防御性交易与盈利承压

在SA资本骤增以及地板被抬高的情况下，银行为了维持资本充足率，不得不采取防御性策略：

• •减持高NMRF资产：削减那些缺乏流动性或数据支持的结构化产品和长尾衍生品。
• •增加衍生品对冲：为了降低SA下的敏感性（Delta, Vega）暴露，全行业对冲交易量短期内增加了20%，这导致了对冲成本的上升和短期手续费支出的增加，直接压低了当年的交易利润。

1.2 启示：FRTB的战略高度与资本效率

FRTB绝非仅仅是监管施加的“合规负担”，而是一套重新定义风险定价、资本分配和业务激励的结构性框架。它深刻地影响了交易员的投资组合选择、产品经理的产品设计，以及高管层的资本预算决策。

• •标准化法是底线，IMA是高地：银行必须认识到，SA是所有交易簿的成本基线。如果不进行优化，SA的高昂成本将显著挤压盈利空间。而IMA则是通过模型优越性，实现资本节约的唯一途径。
• •防御到进攻的利器：成功的FRTB转型，是将风险与模型的优化能力内化为资本高效化的核心竞争力。通过选择性地采用IMA，并优化SA下的风险暴露，银行可以在同等信贷风险下，以更少的资本持有相同收益的交易组合，实现投资回报率（ROI）的提升。实践证明，资本效率的提升幅度可达25%以上。

二、FRTB全景：为什么它是“巴塞尔3.5”的杀手锏？

2.1 核心逻辑：解决旧体系的“三大沉疴”

FRTB，即《交易簿根本性审查》，是巴塞尔委员会在危机后对资本规则进行的力度最大的改革之一，因此常被称为“巴塞尔3.5”。其核心意图是解决旧框架（巴塞尔II/II.5，基于VaR+IRC）遗留的三大顽疾：

顽疾一：VaR的局限性

• •低估尾部风险：VaR（Value at Risk）只测量特定置信水平（如99%）下的最大损失，但它并未告诉我们如果损失超过这个阈值，会损失多少。这在“黑天鹅”事件中是致命的。
• •非一致性：VaR并非一致性风险度量（Coherent Risk Measure），在某些情况下，加入新的交易头寸理论上可能导致VaR降低——这鼓励了监管套利，与风险管理的直觉相悖。

FRTB的应对：引入预期短缺（Expected Shortfall, ES）。ES衡量的是损失超过VaR阈值后的平均损失，从而更有效地捕捉尾部风险，并且ES是一种一致性风险度量。

顽疾二：交易簿与银行簿的模糊边界

• •套利空间：此前，交易簿和银行簿的划分主要基于“交易意图”，即银行购买资产的目的是否为“短期交易盈利”。这种主观意图判断给予了银行巨大的灵活性，可以将资本要求较高的资产从交易簿转移到资本要求较低的银行簿，从而实现监管套利。

FRTB的应对：设定严格的、基于客观标准（如流动性、对冲频率、定价方法）的交易簿与银行簿划分规则，并要求这种划分必须得到监管的明确批准。例如，对于长期持有直至到期的资产，必须放入银行簿；对于有明确市场报价、每天进行交易估值的资产，必须在交易簿。这种严格的“刻舟求剑”式划分大幅压缩了套利空间。

顽疾三：内部模型滥用与不一致性

• •模型结果差异：金融危机前，不同银行的内部VaR模型计算结果差异巨大，使得监管缺乏有效的横向比较工具。

FRTB的应对：提高IMA门槛，引入双层测试。FRTB要求任何使用IMA的交易台（Trading Desk），必须通过P&L归因测试和回溯测试，证明其模型能够准确解释市场价格变动和预测损失。未能通过测试的交易台将被降级为高额资本消耗的SA，或被施加高昂的乘数（Multiplier）。

2.2 交易簿与银行簿的严格划分：意图不再作数

FRTB对“簿”的划分是其基础性革命。它要求银行建立一个清晰、可回溯、可审计的策略框架，以定义哪些工具可以被指定为交易头寸。

FRTB引入了两个重要的概念来辅助划分：

1. 1.内部风险转移（Internal Risk Transfers, IRT）：FRTB首次对银行内部的风险对冲进行了严格规范。如果交易簿向银行簿转移风险（如交易簿发行一个对冲合约给银行簿），这个内部转移必须具有市场可执行性，且必须在外部市场进行对冲或替代性对冲。否则，这个转移可能被视为无效，导致双方都需持有资本。
2. 2.不可交易头寸（Non-Trading Book Positions）：尽管FRTB主要针对交易簿，它也间接影响了银行簿。由于交易簿的缩小，**大约20%-30%**原本模糊地划在交易簿的“类贷款”资产（如某些非流动性结构化票据）现在必须清晰地移入银行簿，遵循信用风险资本要求。

2.3 旧框架与新框架的对比量化分析

您提供的对比表格精炼了FRTB的核心变化，此处提供更深入的量化视角：

关键概念：三柱计量

FRTB的资本要求结构非常清晰，由三部分组成（无论是SA还是IMA）：

1. 1.风险敏感性（Risk Sensitivity）：这是市场风险的核心，衡量价格波动带来的损失。 SA下表现为SBA，IMA下表现为ES。
2. 2.违约风险（Default Risk）：衡量交易对手或所持债券的信用风险。表现为DRC。
3. 3.其他风险（Residual/Alternative Risk）：衡量复杂和非线性产品带来的难以模型化的风险。 SA下表现为RRAO。
4. 

2.4 全球实施进度与中国银行业的对标

FRTB的全球实施进度并非同步，这为银行带来了跨境监管套利的风险窗口：

• •欧盟 (EU)：延期确认至 2027年1月1日。但资本充足率的**最低要求（即地板）**已于2025年开始逐步校准。
• •美国 (US)：计划于 2025年7月1日 生效。主要关注点在其独特的“增强型标准法”（ESA）与传统IMA的衔接。
• •中国 (CN)：中国银保监会（现国家金融监督管理总局）要求大型银行从2023年开始逐步报告FRTB对标结果，预计资本要求的全面实施将在2025-2026年间。中国监管机构更加关注由非公开市场数据导致的NMRF问题。
• •日本 (JP) / 亚太地区：实施进度较为领先，部分银行已于2024年3月开始实施。

中国银行业的特殊挑战：

FRTB对中国银行业的冲击主要在于：

1. 1.数据颗粒度问题：中国市场许多非标准化的场外衍生品（OTC）和地方政府债券（LGFV）缺乏每日可观测的市场数据，极易生成大量的NMRF，从而推高SA资本。
2. 2.模型人才储备：虽然头部银行和券商拥有强大的量化团队，但要满足FRTB对P&LA、ES建模等高标准的模型验证要求，仍需大量投入。
3. 3.交易策略调整：过去依赖于非标资产高利差的模式将受到挑战，银行需转向更规范、流动性更好的交易（例如在交易所交易的ETF、标准化利率互换等），以降低FRTB资本惩罚。

三、SA vs IMA：谁是你的“资本守护神”？

FRTB体系下，选择SA还是IMA是首席风险官（CRO）首要的战略决策。这决定了银行未来十年在市场风险管理上的投入方向和资本效率。

3.1 标准化法（SA）的内在惩罚机制：保守但通用

SA被设定为FRTB的“保底”方法，所有银行都必须能够计算SA，且其设计宗旨就是保守，以补偿其缺乏模型复杂性和对冲效率捕捉的能力。

SA的优势与主要适用对象：

• •优势：计算相对简单，无需复杂的模型审批程序，适用于所有交易台。
• •适用对象：中小型银行、交易簿规模不大且衍生品结构简单的机构。

SA的资本成本机制——NMRF陷阱：

SA的驱动力是敏感性基础法（SBA）。SBA将市场风险分为利率风险、信用利差风险、权益风险、商品风险和外汇风险五大类，每类风险又细分为Delta、Vega和Curvature（Gamma）三种敏感性。

其中，SBA的计算高度依赖于监管设定的相关系数和风险权重。这导致了两个关键问题：

1. 1.分散化效应低估：监管设定的相关系数往往较高（例如在不同利率期限点之间），这使得银行在SA下不能充分体现其分散化对冲的效益，导致资本要求较高。
2. 2.NMRF的隐藏成本：SA的风险敏感性聚合机制虽然相对透明，但其对**非模型化风险因子（NMRF）**的处罚更为严厉。任何缺乏数据支撑的风险因子（如特定公司的非上市股权、某个新兴市场的特定利率基准），都会被归入RRAO或单独计算高资本的SBA，成为SA下资本成本上升的主要推手。

结论：选择SA意味着接受更高的资本成本，以换取较低的运营复杂度和监管审批压力。

3.2 内部模型法（IMA）的超高门槛：P&L归因与回测

IMA是大型银行追求资本效率的终极目标。然而，要使用IMA，银行必须证明其每一个交易台都达到监管要求的严格标准。

IMA的三大核心要素：

1. 1.预期短缺（ES）：采用ES (97.5%, 10天) 代替 VaR，用于捕捉尾部风险。
2. 2.模型乘数（Multiplier）：模型的准确性将通过乘数体现在资本要求中。最低为1.0，最高可达1.5。模型验证失败越多，乘数越高。
3. 3.严格的双层测试和审批：必须通过两项核心测试：
• •P&L归因测试（P&LA）：（门槛的门槛）监管要求模型的风险因子变动（即模型的风险指标所能解释的损益）必须与实际观测到的损益（P&L）高度一致。P&L归因测试的失败率是决定交易台是否能采用IMA的决定性因素。测试的统计指标包括、均值差等。如果失败次数超标，该交易台将永远或在一段时间内被强制转用SA。
• •回溯测试（Backtesting）：验证模型的ES是否能覆盖实际损失（Market Loss）。如果实际损失在ES的97.5%置信区间外发生的次数过多（即“例外”次数过多），同样会导致乘数增加。

IMA的资本节约潜力：

如果银行成功通过了所有测试，且乘数保持在1.0，IMA相比SA的资本要求可以降低20%到40%。这是因为ES模型相比SA能更精确地体现对冲和分散化的效益，不会受到监管预设高相关系数的限制。

3.3 战略选择与门槛成本效益分析

银行在选择IMA或SA时，必须进行详尽的成本效益分析：

FRTB的混合模型策略：

对于大型银行而言，最现实的策略是采用IMA和SA并行的混合模型：

1. 1.核心交易台：如主要利率、外汇、流动性强的股权等，全力争取通过P&LA，采用IMA，以获得资本效率。
2. 2.非核心/复杂交易台：如结构化衍生品、非流动性商品等，由于P&LA通过难度太大，或数据稀疏，接受SA，但随后在SA框架内优化对冲组合，降低NMRF。
3. 3.战略目标：不断将SA交易台转化为IMA交易台，逐步扩大IMA覆盖范围。

四、实战拆解：NMRF & SES计算（以10年期国债组合为例）

为了将FRTB的抽象概念转化为可操作的实务，我们假设一家银行（简称B行）持有一个由国债、利率互换和股票组成的交易组合，并以人民币计价。我们将演示如何分别在SA和IMA框架下对该组合进行简化的资本核算。

4.1 机构快照与风险暴露概览

4.2 步骤1：NMRF（非模型化风险因子）——标准化法的“隐形杀手”

NMRF是标准化法计算中的一个核心惩罚项，旨在确保银行不能滥用SA框架来低估那些缺乏可观测市场数据的风险。

在FRTB框架下，市场风险因子被定义为任何直接或间接影响交易头寸价值的变量（如利率、汇率、商品价格、波动率等）。为了避免被视为NMRF，风险因子必须满足清晰的数据可观测性标准：

1. 1.充分的市场数据：在至少过去一年的滚动窗口内，该因子必须有每天至少24次可信赖的、可独立验证的实际市场交易价格。
2. 2.报价的质量：即使没有实际交易，风险敞口也不能视为NMRF，如果存在多个做市商的可竞争报价。

结果：对于B行持有的标准化10年期国债和沪深300，由于其在交易所或银行间市场高度活跃，它们都是可模型化因子（Modellable Risk Factors, MRF）。但假设B行还有一笔对冲用的长期限、低流动性的场外利率期权，其波动率因子（Vega）数据稀疏，则该期权的Vega和Curvature风险将成为NMRF。

在SA下，资本是基于一系列敏感性计算得出的。

1. 1.Delta敏感性（线性风险）：衡量头寸价值对风险因子小幅变动的线性变化。这是最主要的资本驱动力。SA将Delta资本分解为五个风险桶（利率、信用利差、股权、外汇、商品）并进行聚合。
2. 2.Vega敏感性（波动率风险）：衡量头寸价值对标的资产波动率变化的敏感性，主要针对衍生品。SA要求将Vega敏感性分配给3个风险期限（如 1年、5年、10年）。
3. 3.Curvature敏感性（Gamma，非线性风险）：捕捉衍生品（如期权）在价格大幅变动时，Delta不再线性的非对称损失。SA使用监管情景法，要求对每一个风险因子进行两个极端情景（上行/下行）的估值计算，以捕捉非线性损失。

我们专注于B行的利率桶（国债和互换）和股权桶（沪深300）。

Vega & Curvature：假设B行的场外期权对冲带来的Vega和Curvature总风险为1.7亿，由于其因子被认定为NMRF，这部分需使用最高的监管权重（如1.5x）进行计算。

SA总结：B行在SA下的市场风险资本至少为亿人民币（不含DRC）。

NMRF的成本巨大，银行的首要优化目标即是将NMRF最小化。

1. 1.数据供应商策略：积极寻找专业的第三方数据供应商，购买或引用高频、可信赖的报价数据，将原先的NMRF转化为MRF。
2. 2.标准化产品替代：将非标的OTC衍生品（高NMRF）替换为交易所挂牌的标准化期货或期权，以利用其公开可观测的市场价格。
3. 3.活跃交易意图证明：即使数据稀疏，也要建立一套内部定价和交易记录系统，证明该风险因子是“活跃交易意图”的一部分，以争取监管豁免。

4.3 步骤2：SES（敏感性预期短缺）——IMA的“心脏跳动”

如果B行通过了P&LA测试，就可以申请使用IMA。IMA的核心是预期短缺（Expected Shortfall, ES），它比SA更加灵活，能更准确地捕捉风险的组合分散化效益。

FRTB要求ES的计算基于97.5%的置信水平和10天的持有期。

乘数机制（Multiplier,）：

IMA的核心风险在于模型的错误。FRTB利用回溯测试（Backtesting）和P&L归因测试（P&LA）结果来调整乘数：

• •绿区 (M_c = 1.0)：模型表现优秀，回溯和P&LA都通过。
• •黄区 (M_c = 1.0 to 1.5)：出现少量例外或P&LA警告，乘数按惩罚标准梯度增加。
• •红区 (M_c = 1.5/失败)：模型失效，乘数直接锁定1.5x，或强制转SA。

P&LA是IMA最难通过的门槛。它要求交易员的“理论损益”（Hypothetical P&L, H-P&L）与“实际损益”（Actual P&L, A-P&L）高度匹配。

• •理论损益（H-P&L）：是指基于模型使用的全部风险因子进行一天的市场变动计算出来的损益。
• •实际损益（A-P&L）：是指基于银行的定价模型，使用所有市场输入（包括非模型化因子、时间衰减等）计算出来的损益。

P&LA的关键指标：

1. 1.统计量：衡量H-P&L解释A-P&L的能力。监管通常要求，这意味着风险因子模型必须捕捉实际损益变动的90%以上。
2. 2.均值差异（Mean Difference）：H-P&L与A-P&L的平均差异必须在一个极小的阈值内，以确保模型没有系统性偏差。

实战提示：任何未被模型捕捉的P&L变动（如非模型化因子变动、非线性残差）都会导致P&LA失败。银行必须建立一个“全面且一致”的风险因子集，并将H-P&L计算集成到每日的交易簿估值流程中。

假设B行成功通过IMA测试，其风险计量结果如下：

如果回溯测试出现警告（黄区），增加到1.15：

结论：相比SA的28.45亿，IMA的4.2亿资本（或4.83亿）具有显著的资本效率优势。

4.4 步骤3：默认风险费用（DRC）——信用迁移的“尾部哨兵”

DRC是FRTB中用于捕捉交易簿持有的各类工具（如债券、CDS、可交易信贷资产）的信用风险所导致的损失。虽然市场风险通常指价格波动，但违约或信用等级下调本身会带来巨大的市场损失。

• •银行簿信用风险（IRB/SA）：关注的是长期违约和损失，基于1年PD/LGD和资产相关性。
• •交易簿默认风险（DRC）：关注的是短期违约和信用利差波动，它是一种尾部风险，通常使用CreditMetrics或类似因子模型进行模拟。

FRTB下的DRC资本计算，无论是IMA还是SA，都会参考信用风险的要素：

1. 1.违约概率（PD）：需使用更符合交易簿特性的、**短期（如三个月）**的边际违约概率，而非银行簿常用的1年PD。
2. 2.违约损失率（LGD）：交易簿的LGD通常采用监管设定的保守参数（如45%），也可使用内部模型。
3. 3.暴露（EAD）：针对交易簿的净暴露，尤其是在使用CDS等对冲工具时，EAD需要进行净额轧差计算。

假设B行交易簿中包含50亿人民币的企业债，以及少量信用违约互换（CDS）。

• • 企业债的净暴露（EAD）：50亿。
• • 短期PD（基于市场隐含）：0.5%。
• • LGD：45%。
• • DRC因子：假设为1.0。

实战提示：

• •主权/公共实体风险：在计算DRC时，中国国债和公共机构债券如果被认定拥有最高信用，可能获得极低的DRC权重甚至豁免。
• •衍生品对冲：使用CDS购买保护可以显著降低DRC，但其净效应必须精确计算，以反映真正的信用迁移风险。

五、总资本的决定性公式与盈利路径图

FRTB的最终目标是确定银行需要持有的总市场风险资本（MRC），它受制于两大约束：IMA乘数和输出地板。

5.1 总资本计算公式的最终结构

最终的市场风险资本要求（MRC）由以下公式决定：

其中：

• •：标准化法计算的总资本（SBA + RRAO）。
• •：内部模型法计算的总资本。
• •：违约风险资本（可以分开计算）。
• •：输出地板比率（例如72.5%）。

如果 B 行是大型银行，地板设为 72.5%（终值）：

1. 1.IMA 基础值：4.2 亿
2. 2.IMA 调整后地板：（注意此处地板是对 SA 的调整，计算逻辑略有简化，实际是以 SA 作为基准）
3. 3.SA 基准值：28.45 亿
4. 4.最终 MRC (简化)：
   （注：FRTB的地板调整是 IMA 必须大于 SA 的某个百分比，因此这个运算逻辑复杂。在此处我们采用更清晰的“IMA 必须达到的最低资本额”来简化：）

为了直接体现盈利优势，我们直接使用：

此例中，IMA的资本高效性一目了然。

5.2 输出地板（Output Floor）——监管的“安全气囊”

输出地板是FRTB体系中一个跨领域的监管工具，它确保**内部模型法（IMA）计算的风险加权资产（RWA）不得低于标准化法（SA）**计算的RWA乘以一个特定的百分比（最终是72.5%）。

• •初衷：限制模型风险，防止银行的模型过度乐观或在模型未通过监管检验时产生极低的资本要求。
• •实施机制：地板比率将全球银行的资本要求锁定在一个最低水平上，有效限制了IMA的资本节约空间。如果IMA的结果低于这个地板，银行必须“补足”差额。
• •过渡期：72.5%是从2025年开始逐步校准的（如50% → 60% → 72.5%），这为银行提供了缓冲时间。

当 IMA 计算的 RWA 接近或低于 SA72.5% 时，我们称之为“地板绑定”（Floor Binding）。

• •影响：一旦被地板绑定，银行即使进一步优化其IMA模型，也无法继续降低资本要求（除非SA的基准降低）。
• •优化策略转向：地板绑定迫使银行将优化重心从IMA转向SA。因为此时，降低IMA资本已经没有意义，唯一能降低最终RWA的方法是降低SA基准值（通过优化SA下的对冲、减少高权重资产等）。

5.3 结论：资本优化 vs 风控效率

FRTB框架成功地将风险管理与资本分配紧密结合。

• •追求盈利（资本优化）：必须将精力投入到 IMA 的模型验证上，以确保高风险交易台获得最低乘数和最高的资本效率。
• •追求稳健（风控效率）：必须确保 SA 框架下的数据治理和风险因子分解的准确性，因为 SA 不仅是监管底线，也是地板计算的基准。

成功的银行不再单纯追求低资本，而是追求资本回报率最大化，即在既定风险和资本约束下，实现最高的交易利润。

六、银行自检&优化清单（6步转型与技术中台）

实施FRTB是一项系统性工程，核心是对技术、数据和流程的重塑。

6.1 风险技术与IT架构的重塑

传统的风险管理系统无法应对FRTB对每日、高频、细颗粒度的计算要求。

1. 1.单一风险引擎（Single Risk Engine）：取消过去为VaR、压力测试、P&L归因等单独建立的筒仓式系统，集成到一个高性能计算（HPC）平台上。这个平台必须能够同时计算上千个风险因子的敏感性、多个压力情景以及IMA的ES。
2. 2.云计算与分布式计算：利用云计算的弹性资源实现ES和P&LA的每日全仓计算。例如，IMA的每一次ES模拟需要数万次情景分析，只有分布式架构才能在夜间完成计算。
3. 3.交易与风险的数据流融合：将前端的交易定价系统、中台的风险计量系统和后台的会计估值系统集成，确保三者使用一致的簿记和风险因子定义。

6.2 数据治理：FRTB的生命线

FRTB是数据驱动的监管。数据质量是SA和IMA成功的关键。

1. 1.建立“市场可观测性”追踪机制：每日对所有风险因子进行追踪，判断是 MRF 还是 NMRF。对于 NMRF，必须立即启动“数据获取”或“策略替代”流程。
2. 2.数据中心化存储与清洗：建立统一的“风险因子数据湖”，包含历史交易、报价、波动率和相关性数据，确保数据的可追溯性（Auditability）和独立验证（Independent Validation）。
3. 3.数据校准与插值策略：对于边界风险因子（如长期限远期合约的利率），需要建立专业的插值和外推模型，以生成平滑、可信赖的收益率曲线，确保其作为IMA的输入不会产生P&LA失败。

6.3 模型风险管理（MRM）：对IMA与SA模型本身的验证

FRTB下，模型验证的职责从中台延伸到了后台的审计部分。

1. 1.独立验证团队：模型验证团队必须独立于模型开发和使用团队，专注于P&LA和回溯测试的独立复现。
2. 2.验证SA模型：即使是SA，也需要验证其敏感性分解逻辑的正确性，确保 Delta、Vega、Curvature 的计算符合监管要求。
3. 3.压力测试与情景分析：验证IMA模型在压力情景下的表现。根据FRTB，银行需要提供至少五个具有代表性的压力情景，证明模型的稳定性和可靠性。

6.4 组织架构：前台、中台、后台的FRTB协同作战

七、案例复盘：从交易意图到资本核算的全流程

为了深入理解FRTB对交易流程的颠覆，我们以一个结构化票据的完整生命周期为例。

7.1 案例：结构化票据的资本核算路径

假设银行发行了一个复杂结构化产品——挂钩沪深300指数的看跌期权嵌入式票据（Reverse Convertible Note）。

• •旧框架：交易员说“意图是短期套利”，资产入交易簿。
• •FRTB：票据必须经过**“可交易性”审查**。
1. 1. 如果票据缺乏公开市场可信赖报价，且持有期超过半年，则可能被划入银行簿，导致需要持有巨额的信用风险资本。
2. 2. 如果票据确定进入交易簿，则其复杂性要求其风险因子（比如内嵌期权的波动率）必须进行模型化。

• •敏感性分解：该票据的风险敏感性包括：对冲沪深300的Delta；期权价值对波动率的Vega；以及价格大幅变动的Curvature。
• •NMRF冲击：假设该期权是长期限（5年），其波动率数据稀疏。Vega/Curvature可能被划分为NMRF。
• •SA 成本：银行必须为 NMRF 部分承担高昂的 RRAO 资本。

• •P&LA挑战：结构化产品的价格估值复杂，其P&L的变动往往包含大量的“估值调整”（如CVA/DVA）。IMA模型必须能在P&LA测试中，使用风险因子变动来解释这些复杂的估值变动。任何模型未解释的部分都会导致P&LA失败。
• •后果：如果该交易台的P&LA失败，则整个交易台的产品（包括所有简单的对冲交易）都将退回到高资本的SA，对银行整体盈利产生巨大冲击。

银行中台将最终的 FRTB MRC（IMA或SA）转化为资本费用，并反馈给交易员。交易员在对该结构化票据进行定价时，必须将这笔高昂的资本费用计入其盈亏。

• •结果：FRTB成功遏制了对资本效率低下的复杂衍生品的滥用。只有那些能够通过FRTB严格验证、具备高度流动性且能有效模型化的产品，才能在新的监管环境下生存。

7.2 FRTB对交易策略和产品创新的限制与启发

八、本篇总结与展望

8.1 本篇总结

我们已经详细拆解了FRTB框架的每一个核心环节，从监管动机到实务计算，最终总结出银行从“合规”走向“盈利”的路径：

8.2 下篇预告

我们已经掌握了FRTB框架下的静态资本计量方法（ES、SA）。但在现实世界中，市场是动态变化的，其中最难以预测的因子就是波动率。

第6篇：《波动率不是噪声：GARCH模型实战指南》
我们将从基础的ARCH模型出发，逐步进阶到GARCH、EGARCH、以及现实的SV（随机波动率）模型。通过Python实战建模，教会你如何准确预测下一秒的波动，为你的FRTB-ES模型提供更准确的输入，最终实现捕捉“VIX式”波动炸弹的能力。

九、本篇公式速查卡与名词解释

9.1 公式速查卡

1. 1.SA 总资本
2. 2.IMA 市场风险资本
3. 3.最终 RWA 地板约束

   （其中最终为 72.5%）

4. 4.Delta 风险敏感性聚合（简化）

9.2 名词解释

• •FRTB (Fundamental Review of the Trading Book)：交易簿根本性审查，巴塞尔委员会对市场风险资本的颠覆性改革。
• •SA (Standardised Approach)：标准化法。基于敏感性的保守资本计量方法，具有较高的资本要求。
• •IMA (Internal Model Approach)：内部模型法。基于银行自身模型的ES计量方法，要求通过P&LA和回溯测试。
• •ES (Expected Shortfall)：预期短缺。衡量损失超过指定VaR后的平均损失，取代VaR成为IMA的核心度量。
• •NMRF (Non-Modellable Risk Factor)：非模型化风险因子。缺乏可观测市场数据的风险因子，必须承担高昂的SA资本惩罚。
• •P&L Attribution (P&LA)：利润损益归因测试。IMA的最高门槛，验证模型风险因子变动对实际损益的解释能力。
• •DRC (Default Risk Charge)：默认风险费用。交易簿中专门用于捕捉违约和信用迁移风险的资本。
• •Output Floor：输出地板。规定内部模型计算的RWA不得低于标准化法RWA的特定百分比（72.5%）。