论文部分内容阅读
违约损失率(LGD)是计算监管资本的重要参数,也是按新巴塞尔资本协议实施内部评级法(IRB)高级法的银行必须自行估计的参数。随着国内银行业推进巴塞尔新资本协议实施进程的加快,LGD模型的构建成为国内各家银行攻坚的重点。然而,受贷款违约损失率的影响因素复杂、合格数据缺乏、建模技术要求高等方面因素的影响,目前国内无论在学术界、监管部门还是银行内部,都缺乏成熟的方法和技术。本文通过借鉴国内外违约损失率计量的研究成果,结合新资本协议有关要求和我国银行业的实际情况,基于中国银行江苏省分行2002年至2010年7月间的违约贷款债项信息数据,尝试对国内银行LGD估计模型的构建方法进行研究。围绕LGD模型的开发,本文在对LGD的相关理论、文献,现有LGD建模方法以及国内开发LGD模型的难点和约束条件等进行研究分析的基础上,提出了以统计计量模型为核心,辅之以专家调整的LGD混合模型体系的模型构建思路。为构建LGD统计模型,本文重点对两个关键环节进行突破：一是历史债项LGD的计算及其转换；二是模型自变量的确定。围绕第一个环节,本文首先从违约和损失的概念界定、清收结束时间的确定、清收中回收部分的计算、清收中成本部分的计算、LGD计算中贴现率的设定和EAD的计算等六个方面入手,突破LGD计算过程中存在的技术难题,完成历史违约债项LGD的计算；在此基础上,通过对样本LGD分布的观察分析,发现该分布与Beta分布较为相似,基于此,对样本LGD分布进行了Beta拟合,并通过Beta分布与正态分布之间转换,将LGD数据序列转换成服从正态分布、可用于统计模型建模的Y序列,而Y值与LGD值之间可以相互转换,从而解决了LGD统计模型的因变量问题。围绕第二个环节,本文首先梳理出可能影响LGD的潜在因素,其次,对梳理出的潜在影响因素逐个进行单因素分析,鉴于潜在影响因素均为类型变量,采用设定虚拟变量的方式对类型变量进行处理,在单因素分析的过程中,以统计显著性、经济含义等为约束条件,对部分不符合条件的变量做放弃处理,从而筛选出LGD统计模型的备选变量；第三,采用逐步回归的方法进行模型优化和变量选择,最终确定LGD统计模型；第四,从模型的拟合效果、可靠性和准确性三个纬度进行模型检验。通过上述步骤,本文建立了一个包括地区、行业、企业性质、企业规模、贷款占比、贷款溯源、风险缓释类型7个LGD影响因素,共11个虚拟自变量的LGD统计模型。考虑到在LGD统计模型之外还存在着一些因素可能会对LGD产生较大影响,以及统计模型本身的局限性、数据基础的缺陷性等方面因素,本文在LGD统计模型的基础上引入专家调整法,提出了可用于实践的LGD“混合模型”方案。该方案包括两个层面,第一个层面是：通过专家调整的方式对LGD统计模型中没有考虑到的宏观经济周期因素、借款人的还款顺序、借款人的资产负债率、债项的抵押情况、债项的质押情况、债项的担保情况六个因素进行考虑,形成LGD调整方案,从而使得LGD的预测值能够尽可能多地包含影响LGD因素的信息；第二个层面是,对于由LGD统计模型加上专家调整方案共同组成的LGD混合模型确定的LGD预测值,与传统专家模型下的LGD范围边界值进行比照,一旦突破边界,则启动专家整体复议方案,从而避免模型预测结果出现较大偏差的情况。通过在统计计量模型的基础上引入专家判断调整和人工复议,弥补了单纯LGD统计模型的局限,保证了LGD模型预测结果的准确度和合理性,为LGD模型由理论走向具体实践提供了一个现实可行的方案。本文可能的创新之处在于：第一,受LGD影响因素复杂、合格数据缺乏、建模技术要求高等方面因素的影响,国内LGD估计模型的研究还处于起步阶段。本文不仅提出了一个较为完整的LGD估计模型,对模型构建过程中的关键技术也有创新突破,构建的以统计计量模型为核心、辅之以专家调整的LGD混合模型体系,在国内尚属首次。第二,根据对中国银行江苏省分行历史LGD数据分布的观察,采用Beta拟合技术和Beta分布与正态分布的转换技术,实现了LGD实际数据向LGD统计模型应用数据的转换,解决了LGD模型构建过程中的一个技术难题。此外,针对LGD计算上的难点,基于国内银行实际情况给出了相关概念的界定和具体的LGD计算方案,具有较强的可操作性,为LGD模型的建立奠定了基础。第三,根据LGD统计模型的潜在自变量多为类型变量、且类型较多的特点,采取了根据不同类型下的平均LGD情况进行重新分类,并在此基础上设定虚拟变量的处理方法,这是本文在探索LGD建模方法中的一个创新,有效解决了LGD影响因素的定性信息向LGD统计模型可用的定量信息的转化难题。本文的不足之处在于：第一,本文建模所使用的数据是中国银行江苏省分行2002年至2010年7月间的对公贷款违约债项信息,其间,由于股改上市因素,对一部分不良资产进行了剥离,导致该部分数据的缺失,这可能会对模型的结果产生一定的影响。第二,在构建LGD混合模型时,本文在LGD统计模型的基础上引入了专家调整法。由于该方法需要基于实践进行探索。因此,本文仅仅是提出了一个专家调整的方案,具体如何在现实中落地未能进行系统的研究。