基于决策树的g1d模型研究.docx

基于决策树的g1d模型研究 一、 国内学者关于lgd的研究 内部评估法是新协议的核心内容之一。内部评级法允许银行开发和使用适用于自身特点的风险评级系统来估计各项风险要素(违约概率PD、违约损失率LGD、风险敞口EAD和期限M)来提取抵御风险的资本,以增强风险计量的精确性、敏感性和标准化。内部评级法是包括客户评级与债项评级的两维评级体系,而违约概率PD和违约损失率LGD则分别是两者的定量基础,这两者也构成了内部评级法的核心变量。然而,长期以来,理论界和实务界对于银行内部评级体系的研究主要集中于PD层面,而对LGD的研究比较少见,尤其在我国,对LGD的理论研究起步更晚。因此,对LGD的有效估计仍是当前国际国内银行业和监管部门普遍遇到的一个难题。 国外对LGD的研究与实践,可大致分为三类:一是对LGD驱动因素的研究。大量实证研究表明,债务结构(抵押/保证及清偿优先级别)、经济周期、PD因素对于LGD的影响较为显著,但对于行业、规模等因素的影响程度还存在一定的争论,陈忠阳(2004)、武剑(2005)、沈沛龙等(2005)对这些实证研究进行了较为全面的综述和讨论;二是对LGD量化方法的研究,主要包括四类:市场违约损失率(Market LGDs)、隐含市场违约损失率(Implied Market LGDs)、隐含历史违约损失率(Implied Historical LGDs)和清收违约损失率(Workout LGDs)(BCBS,2005);三是评级公司和国际银行业的LGD建模实践,如穆迪公司的LossCalc多元回归模型;某些国际银行建立的基于历史平均法的清收LGD模型。此外,非参数法与神经网络法也开始被引入到LGD的建模之中(沈沛龙等,2005)。综合来看,国外对LGD的研究实践相对较为丰富,对LGD的一些测算结果也得到了一定的应用,如新资本协议内部评级法初级法中LGD参数设定就是这些研究的一个总结。 与国外的研究实践相比,我国学者和银行业对于LGD的探索还仅处于起步之中,多数研究还只局限于对国外研究实践的介绍与总结,而基于我国银行业数据的量化研究则相当稀少。张海宁(2004)研究了191个我国大型商业银行违约信贷项目损失率与风险敞口的关系;何自力(2006)采用广东地区某商业银行的抵押贷款处置数据,采用会计回收率对LGD进行了量化分析;于晨曦(2007)则采用我国某国有商业银行2000～2004年的抵押贷款数据进行了LGD的统计分析研究;而汪办兴(2007)则采用主成分法,考虑信用等级、行业、担保方式、规模等7个因素,分析了我国某国有商业银行2002～2005年1249个贷款的LGD状况;而叶晓可和刘海龙(2006)则在考虑贷款回收成本的情况下,采用浙江地区某银行3045笔违约贷款的数据,按规模、期限、担保方式和区域等因素进行了LGD的测算研究。总体上来看,国内学者对于LGD的研究还比较简单:一是对于违约损失多为会计意义,而不是新资本协议要求的经济损失概念;二是研究样本存在一定的局限性,如样本量较小,只限于抵押贷款或某些地区;三是没有考虑贷款回收的时间价值,这与新资本协议的要求相悖。由于LGD模型在银行风险管理中处于非常核心的位置,因此,只有解决了LGD估计问题,才可能解决债项评级问题,才有可能提高信贷资产的组合管理水平,才有可能开发和应用经济资本管理技术。如何开发LGD模型正在成为中国银行业提高风险计量水平、迫切需要解决的技术问题。 本文将遵照新资本协议对于LGD建模的要求,针对国内研究的不足,采用国内某银行的违约贷款数据,对LGD模型开发过程中的技术难点进行分析并进行实证研究。全文的内容结构为:首先,对LGD的测算模型进行简要介绍,其次,提出适合中国银行业实际的LGD模型;接着,将对模型中关键参数的确定方式和使用的数据做出分析说明;在第四节中将建立LGD的决策树模型并对LGD的测算结果做出分析;最后,进行总结,提出中国银行业开发LGD模型应该关注的问题和解决方案。 二、 市场违约损失率法 违约损失率(Loss Given Default,LGD)是指借款人或者交易对手违约后债项的损失程度。对LGD的研究一般集中在与其紧密联系的另一个概念回收率(Recovery Rate,RR),即债务人违约后债项的回收程度,两者的关系为LGD+RR=1。由此提供了分析LGD的另一个角度,即通过研究RR可以间接得到LGD的估计,本文也遵从这一分析思路。 根据BCBS (2005)的研究,可将目前研究和使用的LGD测算方法分为四种:市场违约损失率(Market LGDs)、隐含市场违约损失率(Implied Market LGDs)、隐含历史违约损失率(Implied Historical LGDs)和清收违约损失率(Workout LGDs)