最新IRRBB管理趨勢

在如今多變的金融環境中，銀行簿利率風險（Interest Rate Risk in the Banking Book，IRRBB）管理已成為銀行能否穩健營運的關鍵重點議題。

概要

• 最新無到期日存款（NMDs）行為模型建置實務
• 利率環境變化對模型所來的挑戰

1. 制定產業特定解決方案

• 除了須遵循d368中提及之零售／非零售、交易／非交易等要求的維度外，銀行往往會採用更細緻的多維度方法，以確保模型能精確捕捉到自身NMDs部位的風險特性。
• 一般來說，銀行會透過針對NMDs部位的資產組合分析，辨識應考量的模型維度。實務上，常見的模型維度包括：客戶特徵（性別、年齡）、產業類型（銀行、實體、非銀行金融機構、私人銀行）、帳戶特性（活期存款、活期儲蓄存款、薪轉戶）以及交易頻率（每週、每月、每季）等。
  
  

2. 利用模型產出結果制訂決策

• 行為模型主要預測客戶在經濟環境變化下之行為。銀行在針對調整利率、利率風險管理、內部資金移轉定價（Fund Transfer Pricing, FTP）、產品定價、資產負債最適化和業務策略制定決策時，可將行為模型的產出結果納入考量。

3. 納入前瞻性因子

• 若銀行採用傳統型基於歷史資料、敘述統計的方法來分析客戶的行為，可能會無法完全捕捉到未來環境可變所可能造成客戶行為的影響，特別是在利率波動期間或當下情況偏離歷史資料適用環境時。藉由納入前瞻性因子，如總體經濟指標、數位化趨勢和監管變化等，銀行可提高模型的準確性與預測能力，並優化風險管理機制。

4. 定期監控模型表現

一般而言，一個有效的模型監控架構至少應該包括：

1. 質化檢視：檢視銀行業務的任何變化，是否可能影響模型建置範圍和模型維度劃分方法；檢視基本假設的妥適性；
2. 量化模型效能評估：應用各種統計方法（例如：均方根誤差（RMSE）、命中率分析（Hit Rate）、F值（F1 score））評估模型效能；辦理敏感性分析（Sensitivity analysis）釐清模型結果的改變將如何影響淨利息收入（NII）和經濟價值（EVE）的衡量結果，以辨識利率風險投資組合的易受影響處；
3. 其他應考慮因素：模型監控頻率、權責劃分、管理監督等。
    

5. 將IRRBB整合進ICAAP壓力測試

• BCBS在d368中明文規定需要將IRRBB整合進Internal Capital Adequacy Assessment Process（ICAAP）的壓力測試中。然而，實務上如何達成整合，並未有明確的法令規範，實務上也尚未有一致性的作法。
• 由於ICAAP壓力測試需對未來一到三年的殖利率曲線進行預測。部分國際大型銀行已領先開發出合理的壓力情境下殖利率曲線，以應用在ICAAP壓力測試所要求適用的複雜情境。下圖係為假設利率在陡峭型變動情境下的殖利率曲線估計範例。

利率環境變化對模型所來的挑戰

• 透過觀察國際實務經驗可知，若是在2018年開始遵循IRRBB，銀行會利用2018年前的十年資料開發NMDs行為模型，但因為此時期恰逢屬異常穩定的低利率時期，故在近期利率上升和波動性增加的環境下，建置之模型的估計結果可靠性很可能會受到影響。
• 為具體說明此情況，故透過下圖以港幣當作範例進行說明。在2009年至2018年間，利率長期保持在低水平上且相對穩定，同時間存款餘額的走勢也屬穩定成長。相較之下，近期利率波動（特別是在2022年之後）的時期顯示了存款餘額對市場波動的敏感性增加。

為利釐清建置之NMDs行為模型是否適用現今利率環境，不少銀行會進行現有模型重新評估，包括：

• 對現有模型及其假設進行全面的檢視，評估模型在利率環境變化下的準確性和穩健性，特別是定期檢視模型表現（Performance）是否衰退。
• 使用更近期的數據校準行為模型，或考慮優化方法論以讓模型能對在利率波動時期之行為變化敏感性更有解釋力。
• 納入前瞻性因子以減少歷史數據導致的模型局限性，並將預測未來情境、市場預期和新興趨勢納入考量，以優化行為模型。