规模特征 - 数学建模社区-数学中国

贷款企业规模是影响贷款回收率的一个重要因素。不同规模企业的回收率状况存在很大差异。运用广义贝塔模型，对不同企业规模下贷款回收率建模拟和，可以得到不同企业规模下影响贷款回收率的因素和影响机制。数据实证结果显示，采用单因素模型分析得到地区、行业、经营状况、贷款级别、抵押和保证因素对我国贷款回收有重要影响，而且对不同规模企业贷款的影响不完全相同；多因素模型结果显示，不同规模企业贷款的回收机制存在显著差异，主要体现在小型企业的回收与是否有房产土地抵押和保证有显著关系，而大型企业则主要依赖企业自身的偿还；企业性质中经营状况和贷款级别是影响小型、中型和大型企业贷款回收的共同因素；同时，地区、行业、抵押和保证因素这些因素在不同程度上影响了不同规模企业贷款回收的分布均值和形态。

基于金融体系风险管理的需要，在新资本协议的推动下，不良贷款回收的研究是一直是国际上的研究热点，伹是数据获取异常困难。国际上一些大型机构，如穆迪、标准普尔都纷纷建立自己的数据库，而且美国、欧洲、日本、中国香港地区、东南亚的一些商业银行都在探索合作建立数据库。从我们建立的样本数据库看，数据内容具有鲜明的中国特色，也符合了新资本协议的相关要求，针对数据准备的研究对我国金融机构建设类似数据库提供了有益的参考，也填补了我国在违约损失数据库建设上的一个空白。由于相关数据库在国际上并不多，所以下表列示了国际上主要的违约损失数据库在数据准备的基础上，本章还通过统计分析方法，实证分析了我国不良贷款处置方式特征、地域特征、规模特征、时间效应特征；利用单因素分析模型全面分析了影响我国不良贷款回收率的主要因素。这些因素包括：风险暴露规模、担保类型及五级分类、行业、地区、宏观经济周期、逾期时间、企业工商登记状态、经营现状、债权转让方式。这些因素既包含国内外相关研究中提及的因素，也有独具中国特色的一些影响因素，比如工商登记状态、债权转让方式等。

由于大规模不良贷款被剥离或出售给金融资产管理公司等历史原因，我国商业银行普遍存在数据积累历史短、且自身不良贷款历史数据不足以正确反映其资产实际情况的问题。国内关于的计量研究起歩晚且研究深度不足；国外公开的文献资料对的研究成果均基于国外债券或贷款的违约历史数据，虽然对我国研究工作具有一定借鉴意义，但也不可全部照搬照抄。本章的内容不仅构成了我们深入研究开发不良贷款处置定价模型的基础，而且对我国银行金融机构新资本协议的实施提供了有借鉴意义的研究成果。