違約損失率分布特征與量化方法研究.pdf

1、違約損失率(LGD)是計算監(jiān)管資本的重要參數，也是按新巴塞爾資本協(xié)議實施內部評級法(IRB)高級法的銀行必須自行估計的參數。本文對LGD的影響因素，分布特征和計量方法進行分析和研究，并探討其在實踐中的應用。 目前，中國商業(yè)銀行信用風險管理水平與國際先進銀行有較大差距，尤其在內部評級體系的建設上不夠完善，表現為評級系統(tǒng)單維性特征明顯，側重于信用風險的識別和違約評估，即較為重視對違約率PD的研究，對LGD的實證分析相對較少。

2、 本文在已有文獻對LGD影響因素的研究的基礎上，歸納出以下影響因素：經濟周期、行業(yè)、抵押擔保、債務合同、貸款規(guī)模、公司特定因素。筆者以某商業(yè)銀行的貸款數據為樣本，利用兩兩t—檢驗、顯著性檢驗等統(tǒng)計方法，實證分析這些影響因素與LGD的關系。利用主成因子分析確定關鍵影響因素：一是貸款擔保方式，二是企業(yè)信用等級。該結果將應用于第五章的條件回收率的建模上。現行的信用風險度量模型一般將PD與LGD看作獨立變量，巴塞爾委員會在新資本協(xié)議中也這樣處理

3、。本文通過因素方差分析得出PD對LGD的影響是正向的。 第三章主要針對單一債項的違約損失率量化方法進行理論推導。在定義了違約和損失后，筆者梳理了不同定義下的回收率的確認和計算方法。由于回收率與違約損失率之和為1，為研究方便，本文的研究中交叉使用這兩個概念。利用債券的市場價格筆者推導出隱含在信用升水中債券的LGD；利用期權模型，筆者推導出銀行貸款回收率的理論估值。 基于回收率的不確定性，要得到更加準確的貸款回收率，就需要根

4、據大量的違約貸款樣本來度量貸款回收率的實際分布。目前大多數研究多沿用理論模型，國外的許多實證研究也都只是對分類數據的均值和方差的描述。在第四章中筆者從回收率的分布入手，根據回收率的特性，利用β分布進行數據擬合，β分布有很多優(yōu)點和便利之處，而且只需均值和方差就可以確定分布函數，研究結果表明在5％的水平上可以接受回收率服從β分布的假設。但是假設回收率服從β分布也有兩個大的缺陷：一是當考慮最終回收率的數值時，模型不能處理所觀察到的包括區(qū)間[0

5、，1]中所有點的概率密度；二是β分布的基本形狀只是對回收率經驗研究的結果，這個簡單的近似在許多時候能產生很好的擬合，但對雙峰分布的擬合有一定的局限性。 為克服β分布對諸如雙峰分布之類的擬合的局限性，第五章引入非參數核密度法對LGD進行估計。核估計中的關鍵點在于核權函數的選擇和最優(yōu)窗寬的確定。由于數據擬合時使用的是β分布，很自然會想到用β核作為核權函數。但β核為非對稱核，如果使用核修勻方法，在修勻精度上仍會存在問題

6、，因為一般核修勻方法中均假設核函數具有對稱性，在實際應用中將導致出現邊界偏差現象。為此，本文選取高斯核為權函數。在推導出理論最優(yōu)窗寬后，應用Matlab軟件估計出隨機變量的密度函數。 數據擬合只是對回收率分布的一個描述。建模時筆者利用第二章有關LGD的影響因素的分析結果，將抵押擔保和企業(yè)的信用等級這兩個因素加以考慮，引入條件回收率的建模方法?；诂F有的數據尚無法有效地對條件回收率進行分析，本文采取保險精算中常用的隨機數據的模擬方

7、法對條件回收率進行研究。筆者使用舍選法用β分布的隨機數來模擬回收率，在給定誤差大小和置信度下，計算出所需的模擬次數。利用假定的解釋變量條件，應用最大熵原理，并要求所估計的條件概率分布一致于樣本數據和先驗分布，最終對違約損失率估計出最佳的條件概率密度。利用該模型我們不僅能夠估計出違約損失率的均值和方差，還可以得出違約損失率的分布密度；另外，該模型也具有更明確的經濟學意義。返回檢驗表明，該模型對雙峰分布有更好的估計效果。 文章的最

8、后，本文總結了所研究的方法和結論，給出了相關的政策建議，并對進一步的研究方向進行闡述。 本文的主要貢獻： (1)對LGD的影響因素進行實證研究；利用債券的市場價格推導出隱含在信用升水中債券的LGD；利用期權模型，推導出銀行貸款回收率的理論估值。 (2)將非參數核密度估計法引入LGD的估算方法中，利用實例研究中影響LGD的關鍵因素，提出用條件回收率建模的方式來考察LGD。 (3)針對LGD的研究及我