财富放到哪里最安全，银行最好，但是银行也有破产的可能，几年前的巴林银行，给人们敲响了警钟。银行的每一笔贷款都存在风险（expose of default），如果风险太大，即坏帐死帐太多，资金周转困难，银行就面昨周围困难。如今，银行的竞争越来越大，同时，没有健全的诚信制度保证，银行危机越来越大。 风险当然是相对的，银行也是这样，如果银行的资本总额足够大，那么它就可以承担更多的风险。 如果能够把银行所有的风险计算出来（风险是用金钱来衡量的，不同类型的风险是不一样的，所以各种风险前面应该加一个相对的权重，严格来说，叫作总风险加权资产（total risk weight asset），放在分母上，分子是银行的资金总额，这样就得到一个比值，叫银行的资本充足率(CAR　Capital Adequacy Ratio)，我们就可以用CAR来衡量银行的风险，这个数值越高，说明银行能够承担的风险也越大，银行是与公众利益息息相关的商业机构，不能恣意胡作非为，所以，我们得规定CAR的一个最小数值，这就是巴塞尔协议的资本充足率最低规定，即8%，这个就是Basel　II的第一支柱（pillar），非常重要。 最低资本要求是对银行自身的一个约束，同时，应该有监管部门对银行行为的约束，这就是外部监管，在中国是银监会；公众对于自身的利益也有知情权，银行应该增加信息的透明度，这就是市场约束。外部监管和市场约束是Basel　II的第二和第三支柱，Basel　II中详细规定了这三个支柱的一些细则，后两个不谈，我们来谈一谈第一支柱。 巴林银行的悲剧也说明，除信用风险之外，即市场风险和操作风险，市场风险是一些金融衍生产品（股票，汇率，期货等）对于银行的冲击，操作风险是指银行的实际操作所带来的风险。 我们以信用风险为例来说明风险的量化。即计算总风险加权资产。 假设公司共有N个信贷资产，每个信贷资产的风险暴露额EAD（Exposure at default），每个信贷资产的风险权重RW，则两者相乘再把所有的相加就是公司的暴露加权资产。所以，这里剩余的问题就是怎样测算信贷资产的风险权重。Basel　II中规定了两种方法，谓之标准法和内部评级法（Internal Rank Based Approach），前者是让银行外的机构代劳的方法，适用于小银行，后者适应于风险管理水平较高的银行，在国内来说，大家关心的就是内部IRB。当然，银行要满足实施IRB必须有一个最低标准，譬如，信用风险的有效细分，评级的完整性和完备性等，监管当局还要对最低标准进行检查。

        与风险权重相关的组件称为风险要素，有违约概率( PD) 、违约损失率(LGD) 、违约风险值( EAD) 和期限(M) 。公司信用风险内部评级法有初级法和高级法两种:在初级法下,银行内部测算违约概率PD;在高级法下,以上四个风险要素都由银行内部测算。

        得到四个风险要素后，就要根据风险权重函数计算风险权重，银行帐户中的风险根据资产共划分为六个类别，即公司、银行、主权、零售、项目和股权，不同的类别有不同的风险权重函数，在Basel　II中都有定义。

        回到细节上，剩余的还有一点，就是风险要素的测算，测算违约概率就是一个内部的评级。银行依据一定的模型，把所有借贷方的违约概率计算出来。业务的问题到这个层面上，那么就是技术的问题了，要得到这个打分模型，我们称之为数据挖掘（当然不仅仅是数据挖掘的手段，基本的统计手段也为大家所爱）。

        以申请信用卡为例，在申请之前，我们会填写一些个人的资料，然后，银行会根据个人的资料给你一个打分，来判定你应该得到普卡银卡或者是金卡，用函数来表示，就是信用打分＝f（个人信息），这个函数目前来说是一个非常简单的函数。

        这里存在的问题是，个人的信用度是可以变化的，单单个人信息是靠不住的，还要有消费信息――信用卡的消费记录。

        从细节回到整体，我们可以基于Basel　II给银行设计一个内部评级系统，流程如下，如图：    银行的信用评级，不能是一个黑箱子，即使它的性能非常之好，我们必须得到最终的打分函数，而这是一个简单易理解并且考虑到诸多变量（最好是线性）的函数，这个函数通过各种机器学习方法得到。