业务逻辑及变量设定

风靡全球

业务逻辑及变量设定

量是纷繁复杂的，如何有效的选取变量来刻画描述违约损失率是一个关键性的问题。采集哪些关键数据进入数据库，并在这些数据基础上对违约率展开有效研究是建立数据库的意义所在。因此，数据库变量设定的规范性和完整性成为了数据库设计研究的重大课题。

我国银监会对先期实施新资本协议的家新协议银行（中国银行、中国工商银行、中国建设银行、中国农业银行、交通银行、招商银行、国家开发银行）进行了首轮预评估，从得到的结果看，我国数据基础相当薄弱，这也将推迟我国新资本协议银行实施高级内部评级法的时间。总体上看，我国商业银行在实施新协议过程中普遍面临数据问题的困扰，如何有效利用其它数据来源以弥补内部数据不足、提高数据质量、减小样本数据收集和清理的工作量、建立和完善数据管理信息系统和数据库等等，成为我国金融机构面临的最迫切和现实的问题。

在变量设定方面，参考欧洲数据库的设计，本文选定了三类描述违约损失情况的变量，分别为：贷款基础信息类，贷款抵押资产类，违约认定处理类。贷款基础信息类主要采集该笔贷款所有的关键信息特征，包括静态特征以及动态变化信息等。这些变量设定参考了央行征信局现有的《企业信用基础数据库》、《个人信用基础数据库》相应库表结构。

贷款抵押资产类主要对该笔贷款的抵押物情况、担保情况以及担保方的信息进行详细的采集。该部分变量设定可参考商业银行各自信贷部门信贷管理系统的相关表结构。

违约认定处理类从发生违约的角度入手，对违约事实进行认定，并对目前违约的损失情况以及采取的处理手段进行了全面纪录。该部分变量设定借鉴了商业银行各自风险资产管理部门的台账系统数据结构。

借鉴信贷资产从产生到不良到处置的业务逻辑，本文设计并建设完成了国内唯一的大规模跨行违约损失数据库，该库是建立在资产管理公司处置实践基础上，考虑了资产管理公司实际操作面对的具体问题。数据内容涵盖了不良贷款成因、结构、现状、管理、处置各个方面的信息。该数据库中的不良贷款数据包含了债务人特征信息、债项特质信息、担保分类信息、法律维权信息以及处置回收信息等多个版块，包含了可能反映借款人信用状况和影响偿债能力的众多因素，如借款企业类型、经营状态、担保种类、债权诉讼状态、行业和地区等多项指标。对债务人和债项信息的采集，跨越了贷款发生、出现违约和处置清收的不同时间段，数据无论从横截面角度还是时间纵深角度，均能体现全面和完整的特性。

违约损失信息有严格的勾稽关系，债务人按户采集，债项按笔归集，从抵质押、抵债资产到保证人信息均能迅速追踪到其所对应的债项及债务人，债务人、债项、资产、处置收现之间的逻辑关系合理且缜密。

3 S& z+ d' A# o# u1 R, b
& I, q) l8 j! `: X6 x