Traditional Model Risk Management (MRM)

Traditional Model Risk Management (MRM)

1. 总体框架（必须建立的认知结构）

Model Risk Management 可以拆解为三大主线：
1. Model Lifecycle（模型生命周期）
描述模型从定义、开发、部署到退役的全过程
2. Validation & Testing（验证与挑战）
对模型进行独立评估，识别风险与局限
3. Governance & Control（治理与管控）
确保模型风险在企业层面被识别、监控与约束
AI / GenAI 风险是在以上三层结构上的扩展与强化

2. Model Lifecycle（模型生命周期）

1. Model Definition & Scope
需要掌握：
  • 模型的监管定义与实务定义
  • Model vs Tool vs Rule-based system 的区分
  • AI / GenAI 是否纳入模型管理范围（关键面试点）
  • 模型用途（risk / pricing / decisioning）
2. Model Inventory
核心要点：
  • 模型注册机制（model registration）
  • 唯一标识（model ID）
  • 模型元数据（owner、purpose、version）
  • 模型依赖关系（upstream / downstream）
  • 模型分类（risk type、use case）
重点理解：
  • 为什么 inventory 是 governance 的基础
  • inventory 与监管审计的关系
3. Model Development Governance
不涉及coding，但需要掌握：
  • 模型开发文档要求（documentation standards）
  • 假设与限制（assumptions & limitations）
  • 数据来源与数据选择标准
  • 特征选择的治理要求
  • 版本管理（model versioning）
4. Model Implementation / Deployment
关键知识点：
  • 开发环境 vs 生产环境的区别
  • 上线审批流程（approval workflow）
  • 模型变更管理（change management）
  • 回滚机制（fallback / rollback）
5. Model Monitoring
必须掌握：
  • Performance monitoring（性能监控）
  • 数据漂移（PSI）
  • 概念漂移（concept drift）
  • 阈值设定（thresholds）
  • 触发机制（alerts / escalation）
6. Model Retirement
需要理解：
  • 退役标准（decommission criteria）
  • 模型替换流程
  • 历史记录与审计留存

3. Model Validation & Testing（验证体系）

这是最核心能力模块
1. Validation Framework（验证框架）
需要掌握：
  • 独立验证原则（independence）
  • Challenger model vs benchmark model
  • Conceptual soundness（理论合理性）
  • 持续验证（ongoing validation）
2. Performance Evaluation（性能评估）
理解以下概念（无需coding）：
  • 区分能力（KS、AUC）
  • 校准（calibration）
  • 回测（backtesting）
关键面试点：
  • AUC 的局限性
  • 不同指标适用场景
3. Stability & Robustness（稳定性）
需要掌握：
  • Population Stability Index（PSI）
  • 特征稳定性（characteristic stability）
  • 敏感性分析（sensitivity analysis）
  • 情景测试（scenario testing）
4. Data Validation（数据验证）
核心内容：
  • 数据质量（缺失值、异常值）
  • 数据血缘（data lineage）
  • 样本代表性（representativeness）
  • 偏差识别（bias）
5. Assumptions & Limitations（假设与限制）
必须具备：
  • 识别关键假设的能力
  • 挑战假设（challenge assumptions）
  • 常见问题：
    • 线性假设
    • 平稳性假设
    • 数据泄露
6. Stress Testing（压力测试）
需要理解：
  • 宏观情景（macro scenarios）
  • 极端情境测试
  • 模型在极端条件下的行为
7. Validation Conclusion（验证结论）
必须掌握：
  • 审批结果分类（approved / conditional / rejected）
  • 风险评级（risk rating）
  • 发现问题的优先级划分
 
 

4.Model Risk Governance（治理体系）

这是区分初级与高级候选人的关键模块
1. Policy Framework（政策体系）
需要掌握：
  • 企业风险框架（Enterprise Risk Framework）
  • Model Risk Policy
  • Standard vs Procedure 的区别
  • Policy 与 Lifecycle 的关系
2. Model Risk Tiering（风险分级）
必须精通：
  • 业务影响（business impact）
  • 模型复杂度（complexity）
  • 数据敏感性（data sensitivity）
  • 监管影响（regulatory exposure）
输出能力：
  • Tier 1 / Tier 2 / Tier 3 分类
  • 合理解释（justification）
3. Ownership & Accountability（责任划分）
理解：
  • Model owner
  • Validation team
  • Governance committee
4. Issue Management（问题管理）
核心内容：
  • 问题分类（findings classification）
  • 严重程度（severity）
  • 整改跟踪（remediation tracking）
5. Risk Appetite（风险偏好）
需要掌握：
  • 风险容忍度（risk tolerance）
  • 控制阈值（thresholds）
  • 升级机制（escalation）
6. Audit & Regulatory Interaction（审计与监管）
必须理解：
  • 内部审计（internal audit）
  • 监管框架（如 SR 11-7 的核心思想）
  • 文档可追溯性（traceability）
7. Documentation（文档能力）
你必须具备：
  • Validation report 写作能力
  • Executive summary 表达能力
  • 标准化语言（consulting-style writing）