请选择 进入手机版 | 继续访问电脑版

QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 2056|回复: 0

[个人总经验] 资产包回收的预测模型

[复制链接]
字体大小: 正常 放大

361

主题

13

听众

2078

积分

风靡全球

  • TA的每日心情
    开心
    2016-11-15 12:14
  • 签到天数: 102 天

    [LV.6]常住居民II

    网络挑战赛参赛者

    新人进步奖 发帖功臣 最具活力勋章

    发表于 2015-10-7 13:49 |显示全部楼层
    |招呼Ta 关注Ta
    资产包回收的预测模型
    债权包是由多个企业的不良贷款组合而成,组包企业的性质各有不同,使得包内资产结构纷繁复杂,难以将其作为一个整体进行回收率的建模和预测。本文的思想是,利用上节中的回收率预测模型对于单户处置企业的预测结果,通过将债权包内企业的预测回收率加总,得到每个包的预估回收率. 事实上,由于债权包采用整体转让出售,而非清收追偿的处置手段,从而提高了处置时效性,降低了处置成本,因此打包处置需要进行一定的让利,这使得打包处置的回收率水平要比单户处置低。也就是说,真实回收率要系统性地低于由单户处置模型计算而得的预估回收率因此,我们可以用乍为解释变量之一,来预测债权包的真实回收率。
    除了预估回收率之外,债权包回收率预测模型中还将包的规模作为一个自变量,因为样本统计结果显示,债权包回收率与其规模(用包内所含的企业户数衡量)存在着负相关的关系:包内企业户数在以下的,回收率达到,而包内含户企业以上的,平均回收率降至的水平。综上所述,债权包回收率预测模型是一个线性回归模型,以包的真实回收率为因变量,以包的规模和预估回收率为自变量。
    模型变量的贡献度分析
    研究与不良贷款回收率或违约损失率相关的因素是国内外研究的重点,因为这些因素直观的反映了与回收率直接相关的因子。与此相关,国外的研究中对各影响因素权重或贡献度亦非常关心,这对更深层面认识回收率模型的影响因素大有帮助。因此,本节以纳入模型的各个变量为对象,从整体层面对各影响因素对回收率的显著性程度或贡献度进行了统计。由于本文提出的回收率模型框架是判别加回归的方式,因此,以下分别对判别和回归模型的因素贡献度进行了独立的分析。研究设计如下:首先,在对违约贷款进行有无损失判断时,采用逐步判别的思想筛选出显著的变量,即每引入一个最重要的变量进入判别式,同时也考虑较早引入判别式的某些变量,如果其判别能力随新引入变量而变成不显著了,应该及时的从判别式中将其剔除取,直到判别式中没有不重要的变量需要剔除,而剩下的变量也没有重要的可以引入判别式中,逐歩判别过程结束。可以通过模型给出的偏方(偏回归平方和)来判断变量在模型中的重要性。偏回归平方和是指从全模型中取消一个自变量后,回归平方和减少的部分,即这个自变量对的贡献度。每个自变量在全模型中所起的作用大小,可通过相应的偏回归平方和来衡量,偏方的值越大,重要性和对模型的贡献程度也越大。
    其次,在预测回收率大小时,采用方法估计回归模型,并用逐歩回归法筛选显著变量。根据参数估计结果,按照以下计算公式,得出各解释变量在模型中的贡献度.

    : S/ z, C! F9 P: w4 U1 O. D1 Y) p8 d& [2 A5 S% v1 L8 z
    zan
    没有个性,何来签名。
    您需要登录后才可以回帖 登录 | 注册地址

    qq
    收缩
    • 电话咨询

    • 04714969085
    fastpost

    关于我们| 联系我们| 诚征英才| 对外合作| 产品服务| QQ

    手机版|Archiver| |繁體中文 手机客户端  

    蒙公网安备 15010502000194号

    Powered by Discuz! X2.5   © 2001-2013 数学建模网-数学中国 ( 蒙ICP备14002410号-3 蒙BBS备-0002号 )     论坛法律顾问:王兆丰

    GMT+8, 2024-3-29 00:25 , Processed in 0.355131 second(s), 51 queries .

    回顶部