不良贷款回收率计量模型的基本方法
不良贷款回收率计量模型的基本方法穆迪公司模型穆迪的研究结果认为评级结果应同时反映债务的违约可能性以及违约的严重程度。即使同一债务人的不同债务发生违约的可能性基本相同，但在违约的情况下，由于不同的债务偿还顺序和担保情况不同，损失的大小仍有很大的差异。穆迪公司从年开始公布有关的研究结果。和根据年间笔银行违约贷款，并根据二级市场价格计算得出平均回收率为。同时还统计了笔美国中小规模贷款的回收率，发现中小规模贷款的回收率平均约为。和对回收率进行了更深入的研究，具体分析了个破产企业的违约债务。在这些违约债务中高级担保债券、公开发行债券、私募债券和银行贷款等各种不同级别债务的回收率存在很大的差异。穆迪公司公布了第一个计算回收率的模型，即模型。该模型依据穆迪公司过去多年间搜集的多家上市公司和非上市公司发生的多个违约数据构建的，被认为是计算美国债券、贷款及优先股的非常有效的模型。目前穆迪公司的回收率研究还扩展到不同地区的不同债务工具。年月穆迪公司将统计时间扩展到了年，更新了公司债券和优先股的回收率统计；年月的研究报告首次分析了亚太地区年间公司评债务的回收率情况年月的研究报告还分析了欧洲公司债券发行者的违约情况和回收率水平。（穆迪采用分布对违约数据进行拟合。建立的回归模型不仅能够对回收率给出预测，而且还根据违约损失率的分布特征给出了回收率的预测区间，认为的预测效果§显优于金融机构普遍采用的历史平均法等初级方法。模型的被解释变量不是债项的历史平均损失率，而是特定债项在未来一定时期内的预期损失比率。通常认为，违约债务的损失率不服从正态分布，而是更接近于分布。大量研究显示，许多金融机构的都呈现双峰分布。无论是分布还是双峰分布，其值域均介于和之间，没有对称的条件限制。解释变量的选择，是建立模型的关键。该模型综合考虑了债务情况、企业的资本结构、行业特征和宏观经济因素等四方面因素，并从中提取了个变量来预测债务的. 穆迪指出这些因素之间的相关性较小，由此可以防止多重共线性问题，从而更加精确地预测。同时，模型中的因子具有较高的显著度，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（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。模型预测显示这组因素在预测时所起的相对作用大小是不同的：虽然债务类型和优先级别是影响预测的主要因素，但是其影响程度不到其他一些因素特别是宏观经济环境和行业状况对的测也有着重要的影响。这也说明了目前普遍使用的估计方法具有相当大的局限。
页:
[1]