我国不良贷款回收率模型开发

风靡全球

我国不良贷款回收率模型开发

与回收率相对应的违约损失率的计量模型主要包括：历史数据平均法、平均值表格预测法、初级模型法和高级模型法等。下面分别进行介绍。

1、历史数据平均法

允许实施初级法的银行使用历史平均损失率作为违约损失率的预测估计值，该方法操作简单，比较容易被业务部门接受。但每年必须依据新增加的数据重新计算历史平均损失率。历史数据平均法的主要缺陷是由违约损失率的双峰分布决定的。由于这种分布特点，加之不同行业、地区和国家的双峰呈现不一样的状态，使用平均数作为违约损失率的预测值往往存在一定的系统偏差。

2、平均值表格预测法

国外一些银行使用期望平均值表来估计债务工具的违约损失率。这种方法一般建立在历史违约损失率数据基础上，结合外部评级机构的评级信息和风险管理专家的意见，给出违约损失率的预测，本质上是改进的历史数据平均法。

3、初级模型法

违约损失率的估计可以传统的回归模型来实现。以违约债务回收率作为被解释变量，考虑影响债务回收的各种可能因素，包括债务优先级别、担保类型、债务人资本结构、行业因素和宏观经济周期因素等，建立线性或非线性模型。这种方法的比前两种方法提高了预测准确度，且较为简易。但由于违约损失率影响因素的复杂性和变异性，这种方法的总体预测效果仍然较差。

4、高级模型法

由于违约损失率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，因此用历史平均的方法往往会对违约损失率的估计产生误导。违约债务回收率的特殊分布增加了建模的难度，因此需要更精确的模型来估计和预测。一类重要的模型就是通过变换后的回收率（或违约率）数据建模，通常的变换方法包括正态逆变换和变换。这些变换都是针对回收率（或违约损失率）取值在（，开区间而产生的。尤其是正态变换，可以通过灵活的分布来描述复杂多变的回收率分布特征。通过拟合参数服从分布的回收率转换为常见的正态分布，利用新数据建立回归模型，最后再将模型的预测结果通过逆转换还原成实际数据。该类模型能在一定程度上提高回收率的预测精度。目前比较成熟的，公开的计量模型是由穆迪公司开发的模型和标普开发的模型。