過去10年以上にわたり、多数の世界的規模の銀行が、その業務ラインから生じる信用リスクのモデル化を図るために、精巧なシステムを開発してきた。こうしたモデルは、銀行が複数の営業地域及び商品ラインにまたがってリスクの計量化、集計及び管理を行うことを支援するためのものである。これらのモデルの算定結果は、銀行のリスク管理及び業績評価プロセスにおいて益々重要な位置を占めるようになってきており、特に、業績に基づく報酬、顧客の収益性分析、リスク・ベースのプライシングにおいて、またそれより少ないが増加しつつある能動的なポートフォリオ管理及び資本構成の決定において、重要な役割を果たしつつある。当タスク・フォースは、信用リスクのモデル化が、実際に各銀行の内部リスク管理を改善し、銀行の監督にも使用され得る可能性がありうると認識している。しかし、ポートフォリオに対するモデル化方式が、信用リスクに関する規制上の所要自己資本の公式の設定プロセスとして使用されるためには、モデルが能動的にリスクを管理するために利用されているだけではなく、モデルが概念的に健全（conceptually sound）であり、実証的に検証され、さらに金融機関間で比較可能な所要自己資本の算出ができることを監督者が確信しなくてはならない。現時点においては、主としてデータの入手可能性及びモデルの検証可能性等の大きな障害を乗り越えなければ、これらの目標を達成することはできない。バーゼル委員会としては、自己資本合意の改定に見込んでいる期間内でこれらの障害を乗り越えることは困難であると考えている。

　モデルは、マーケット・リスクに対する所要自己資本を決定するうえで、すでに規制に導入されている。しかしながら、以下の２つの主要な理由から、信用リスク・モデルはマーケット・リスク・モデルの単なる延長とは言えない。
　

　銀行や研究者は一様に、信用リスク・モデルを設計し導入するにあたり、最大の障害としてデータが制約されていることを挙げている。殆どの与信関連取引は時価評価されておらず、また信用リスク・モデルによる予測は、過去の価格の包括的な記録に基づいて将来価格を統計的に算出したものではない。信用リスク・モデルを見積もるために必要なデータが不足している理由として、デフォルト事象が頻繁ではないこと、信用リスクを測定するに際してより長期間のリスク計測期間（time horizons）が使用されていることも挙げられている。そのため、モデルのパラメータを特定するにあたり、信用リスク・モデルでは、単純化のための仮説(simplifying assumptions)及び代替データ（proxy data）を使うことが必要である。バンキング勘定の相対的規模―及び、モデルによる信用リスクの推計が不正確である場合の銀行の支払能力に対する影響の大きさ―は、体系的な仮説（structural assumptions）及びパラメータの推定に対するモデルの感応度をより良く理解することの必要性を強調している。

　上記の点は、モデル化による様々な利点を強調したが、モデル・アプローチが規制上の所要自己資本の決定に使用可能であるかを評価するためには、下記に示されているような多くの重大な障害を乗り越えなければならない。

　モデルを評価するにあたり、当タスク・フォースは識別された問題点を大きくモデルの概念的方法論（conceptual methodology）、パラメータの特定及び推定、及びモデルの検証、の3つに分けている。以下では、これらの区分に関するいくつかの主要なポイントを議論している(本報告書の別表はその他の主要な点の概要をまとめている)。
　

　上記の仮説は、しばしば主観的な判断に基づいており、モデルの開発者が行った選択を支持する実証分析は一般的に極めてまれである。その上、仮説に対するモデルの脆弱性の感応度のテストを行うことは、未だ標準的な実務とはなっていない。実務上、貸出の内部格付や、債務者の業種分類等のモデルのパラメータの推定は、ある程度の人的判断を要するかもしれない。こうした判断や仮説がモデルの正確さを与える影響については、まだよく把握されていない。