LGD的定义和计算精.docx
《LGD的定义和计算精.docx》由会员分享，可在线阅读，更多相关《LGD的定义和计算精.docx（6页珍藏版）》请在冰豆网上搜索。
LGD的定义和计算精
PD：
违约率是指借款人出现违约风险的可能性，是决定信用风险的核心变量。
Z—Score模型:
Z=1．2X1+1．4x2+3．3X3+0．6x4+1．0X5
其中，x为营运资本与总资产的比率；x2为保留盈余与总资产的比率；X3为息税前收益与总资产的比率；x4为股权市值与债务面值的比率；x5为销售收入与总资产的比率。
当z值＜1．81时，企业违约；当z值＞2．67时，企业不会违约；当z介于1．81和2．67之间时为灰色区域。
线性判别模型以财务指标为基础对企业信用进行分析，得到的企业信用评分值能反映企业在一定时期内的信用状况（如违约或不违约），并且该模型具有较强的操作性、适用性及预测能力，是国内外预测企业违约的主流模型之一。
许多金融机构用它预测信用风险.
Logistic模型
Logistic模型的基本思路：
将已违约和非违约样本进行分类（0—1分类）选取一组指标作为解释变量。
取得这些先验数据的样本后，将PD设为违约率，取PD／（1一PD）的自然对数，即对PD作Logistic转换，建立回归方程进行分析，并根据银行、投资者的风险偏好程度设定违约边界，由此确定分析对象是否属于违约组.
从20世纪80年代起，Logistic模型开始成为判断企业是否违约的一种主流方法。
与线性判别模型相比，它的主要优点是对破产的先验概率或样本数据分布不作任何假设。
但Logistic模型也存在一些不足：
（1）由于采用极大似然估计法来估计参数，该模型需要的样本数量较多；
（2）对中间领域的判别敏感性较强，使模型预测结果不稳定；（3）在违约率接近1或0时，模型会出现低估现象，在违约率接近0．5时，模型会出现高估现象。
KMV模型.
真正基于BSM模型的期权定价理论来预测企业违约率的是美国KMV公司开发的Credit—Monitor模型，并提出了理论预期违约率和经验预期违约率两个概念.
基于股票市场的结构化模型具有前瞻性，能够对上市公司信用价值进行逐日盯市的连续评估，其是对单个公司而言，该模型是一种有用的早期预警系统.
BASLEII对PD的数据要求:
5年以上的数据.
LGD提纲：
一、LGD的基本范畴界定4..
（一）基本定义4...
（二）主要特征：
4...
（三）概念层次5...
二、违约损失率的估算方法5..
（一）历史数据平均法。
5..
（二）数据回归分析法6..
（三）市场LGD法（MarketLGD）7.
（四）现金流分析法（WorkoutLGD），7..
（五）市场数据隐含分析法（ImpliedmarketLGD）8.
（六）其它非主流方法8..
三、LGD计算的整体现实约束9..
（一）法律程序和环境9..
（二）LGD数据库9...
（三）公司债券市场1..0.
、LGD的基本范畴界定
（一）基本定义
违约是指借款人不能按事先达成的协议履行其义务，使银行面临经济损失的状态。
损失是指经济损失，在计量时应考虑所有的相关因素，包括重要的折扣效应．以及贷款清收过程中较大的直接成本和间接成本。
违约风险暴露则是指因借款人可能违约而带来损失的预期暴露。
因此，LGD定义可以定义为债务人（借款人）违约的情况下对债权人（银行）特定的一笔业务（债项）造成的经济损失和该笔业务的风险暴露的比值。
用公式表示为：
LGD=违约损失/违约风险暴露
=1-（挽回值一挽回成本）／违约风险暴露；
=1-挽回概率
巴塞尔协议IRB基本法对监管部门提供的LGD值进行分类处理。
主要内容为：
所有无担保或抵押贷款的LGD为45%房地产抵押贷款和应收账款抵押贷款的LGD为35%，由其他抵押品（不包括因贷款违约得到的实物资产）担保贷款的LGD为40%。
（二）主要特征：
LGD有几个明显的特征：
LGD与抵押品情况和担保情况关系密切；
是与债项优先级别有关；
是和行业、资产特性有关；
是和PD正相关；
是研究历史短，量化较为困难；实务工作中通常采用1-挽回概率（recoveryrate，简称RR）来表示。
（三）概念层次
一般认为，LGD的测算有4个层次：
第一层次：
计算某一债项的LGD；
第二层次：
计算某一债项等级的LGD。
就是在一定时间内（通常是1年），一个债项等级内所有发生违约的债项的损失之和与风险暴露之和的比率。
第三层次：
对某一债项LGD均值的估算。
通过打分卡确定某一债项的等级。
然后用该债项等级的历史平均值作为估计值，也可以利用回归的方法对某一债项的LGD进行预测。
预测的LGD属于平均违约损失率。
传统的方法多属于这个层次的研究。
第四层次：
对某一债项衰退期LGD。
即条件LGD进行预测估计。
根据巴塞尔新资本协议要求银行业在实施IRB法高级法时，银行必须估计每笔贷款的违约损失率。
目的是反映经济衰退状况，把握相关风险。
、违约损失率的估算方法
（一）历史数据平均法。
历史数据平均法是根据实际损失率的历史数据进行加权平均，算出某一类资产的LGD历史平均值。
再根据该债项等级的LGD平均值作为某一债项的违约损失率就是这种方法。
优点：
这种方法操作简单，也比较容易被业务部门接受。
可以采用以下三个具体计
算公式
1、货币加权法：
某一时期内（如1年）该组合的全部损失/违约资产的全部暴露。
2、违约加权法：
某一时期内（如1年）该组合LGD总和/LGD的总数。
3、时间加权法：
该组合上述两种平均违约率在不同时间段内的平均数。
早期LGD的计算基本上都是建立在经验分析和历史数据分析基础上的。
比如拿穆迪公司来说，由于该公司有上百年的历史，积累了大量的历史数据，长期以来，它计算LGD的方法就是利用其信息优势求历史平均值。
从统计学角度来看，这种方法实际上假定了企业的经营过程是平稳的，LGD的预测值和其历史平均值是一致的。
缺点：
由于不同的历史违约数据对应不同的资产组合，且贷款数据具有一定的敏感性，不同的时期、不同的贷款组合，可能会产生不同的LGD，因此，分析人员在采用这种方法估算LGD时，必须持谨慎的态度，如果仅估算一项数据，如平均RR或LGD，就可能得出错误的结果。
而且，随着新数据累计量不断增加，每年必须重新计算历史平均损失率，以此作为未来LGD的估计值。
此外，历史数据平均值法的缺陷是由于LGD独特的概率分布特征决定的。
穆迪公司研究表明，贷款和债券的回收率的概率分布一般呈现出双峰分布特征，即回收率要么往往较高（在80%左右），要么往往较低（在20%左右），在均值两侧呈现双峰状态，均值水平并非发生概率最大的水平。
因此，使用平均数作为预测值可能产生误导。
（二）数据回归分析法
这种方法根据债项实际损失率的历史数据，应用最小二乘法或极大似然法建立预测模型，然后将特定债项的相关数据输入模型得出LGD的预测值。
具体操作上又可以分为对虚拟变量的直接回归和非线性多元回归的方法。
所谓的虚拟变量包括优先级、抵押品质量档次（比如3档）、行业分类（比如8类）以及经济周期（繁荣抑或衰退）。
优点：
这种模型相对来说比较容易创建，对数据质量具有一定灵活性，还可以方便地转化（打分卡）形式。
例如典型的是穆迪公司开发的LossCalc模型。
穆迪认为其选取的因素之间的相关性较小，其预测能力在统计上也是显著的。
在建模过程中，穆迪首先将原始数据进行处理。
比如将某些宏观经济变量转换为复合指数，然后利用回归技术综合这些处理过的因素。
得出尽可能准确的预测结果。
对债券、贷款和优先股的LGD建立了立即违约和1年后违约两种版本损失率的预测模型。
返回检验证明，该模型对LGD的预测效果优于传统历史数据平均值法。
缺点：
这种方法在对变量的选取、虚拟变量的分档或分类上较难把握，需要进行大量的实证研究。
（三）市场LGD法（MarketLGD）
在市场上可公开交易的贷款或债券遭遇违约后．可通过其相关的市场价格来确定RR，再计算LGD。
有些学者，如Carry和Hamilton（1998）．以及Keenan、Carty、Shtogrin和Fons（1998）就是将违约后债务的市场价值作为计算RR和LGD水平的依据。
优点：
采用市场LGD法来量化LGD，反映了投资者不愿意或者不能够通过正常的破产清算程序来回收债权的实际情况。
这种方法允许投资者根据自身的实际情况来对未来的RR进行判断，并可根据市场债务价格来计算债务回收值，因此对于投资者来说，具有操作简便的优点。
缺点：
但在采用市场LGD法估算RR水平时，分析人员需要取得违约债务的市场价格，这就要求贷款或债券具有发达的交易市场，并有足够多的投资者参与市场交易。
这样，分析人员才能正确估计债务的RR水平。
因此，在一些发展中国家和地区，由于债务工具交易市场不发达，采用这种方法也会受到一定的限制。
（四）现金流分析法（WorkoutLGD），
该方法是通过预测不良资产在清收过程的现金流，然后计算其贴现值而得出LGD。
应用这种方法的关键在于两个方面，一是对清收现金流的数额及其时间分布的合理估计；二是确定采用与风险水平相当的贴现率
优点：
由于这种方法不需要市场交易数据，因此比较适于估算银行贷款的LGD。
缺点：
由于违约后债务的回收通常需要隔一段时间，以上两个方面关键点都并非容易做到，尤其是对预期现金流贴现率的选用，对于已经违约的资产而言。
采用多高的贴现率才能充分而又适当地反映其风险水平是非常困难的。
所以应用主观判断是不可避免的。
（五）市场数据隐含分析法（ImpliedmarketLGD）
此方法使用资产定价模型．根据风险（而非违约）所涉及的价款来计算LGD。
分析人员在采用这种方法估算LGD时，假设市场上的债券价格已经反映债务人的信用风险，因此可以采用市场上交易的大量尚未违约的债券价格，并使用复杂的资产定价模型来估算LGD。
优点：
市场数据隐含分析法具有一定的理论依据，因此得到投资者的青睐。
缺点：
由于采用这种方法必须运用复杂的资产定价模型，并且需要足够的数据来支持复杂的分析，同时要求分析人员拥有一定的数据统计和资产定价知识，因此运用范围受到一定的限制。
目前，这种方法虽然还没有广泛应用于银行信贷风险管理，但作为检验信用评级模型的工具之一，该方法可适用来确定固定收益产品以及衍生产品的价格。
（六）其它非主流方法
通过神经网络算法来估计LGD
于立勇在论文《内部评级法中违约概率与违约损失率的测算研究》中提出了用神经网络拟合EL的方法。
再利用EL=PD×LGD来求出LGD。
但其本质仍然是回归的方法，不过神经网络更适合处理一些分类变量，能更好地拟合数据。
基于ASRF模型思想的LGD测算方法
出依据渐进单风险因子模型（AsymptoticSingleRiskFactor，ASRF）思想的测算方法．并对我国银行业的LGD测算提出相应的建议。
然而，由于LGD的测算是相当复杂的，对数据要求比较高。
三、LGD计算的整体现实约束
（一）法律程序和环境
企业破产清算的法律程序和环境。
这些很大程度上影响着贷款LGD的高低，而且使得贷款的回收具有很大的不确定性，使LGD的计算预测更加困难。
我国为处理四大银行而成立的四大资产管理公司在实践中遭遇的困难说明，影响贷款LGD的因素不仅包括借款企业的信用水平和银行内部的内控水平，而且还包括清收过程中的司法和地区利益等因素。
由于我国经济和金融体系的独特性质以及我国在企业破产方面的独特司法环境，受制度和法律影响显著的贷款LGD在我国必然表现出与西方发达市场经济国家和其它发展中国家不同的特性和规律。
因此，独立开展我国银行业LGD数据集合研究对发现我国银行信用风险管理和操作风险管理的自身规律具有重要意义。
（二）LGD数据库
对LGD的数据积累，尽早开始建立LGD数据库。
无论是从银行内部管理需要的角度还是外部监管的角度，银行都必须尽早开始建立LGD数据库。
尽管我国目前宣布在2007年之前不实施新巴塞尔资本协定，但为2007年以后实施该协定的准备现在就要开始做。
因为，按照前述新协定对银行使用内部LGD数据的要求，对于批发贷款至少要有一个数据来源的最低数据观察期为7年
（三）公司债券市场
我国缺少发达完善的公司债券市场。
在市场经济发达的国家，有效的公司债券市场是银行分析贷款LGD最为重要的市场基准和参照体系。
前述LGD量化方法的对比分析已经充分说明了这一点。
我国目前公司债券市场还很不发达，利率也没有市场化，通过债券价格变化和信用升水来分析LGD的方法缺乏市场基础。
因此，开展LGD研究成为发展公司债券市场的又一条重要理由。
升级会员 