我国不良贷款回收率模型开发基本框架

风靡全球

我国不良贷款回收率模型开发基本框架

基于我国不良贷款形成原因和处置模式的特殊性，考虑到我国不良贷款回收率的型分布特征，结合上一章我们对我国不良贷款回收率影响因素的统计分析结果这三个我国的特殊性，本文在构建我国不良贷款回收率计量模型框架时，围绕以下三点展开：

1、先判别——后回归的思路

由于我国不良贷款的极值点为，这会对建立回归模型的变换造成一定的困难，而不良贷款的零回收又对其管理、定价和处置意义重大。如果我们能够首先对大规模待处置不良贷款能够有效判别分类，那么通过判别模型就应该能区分有回收和无回收进行归类，对有回收部分在进行全部回收或部分回收判别。这样，在管理决策层面，金融资产管理公司就能在无回收的不良贷款上不花成本或少花成本，对能全回收的不良贷款就可以重点关注，运用多种处置手段，实现回收最大化。这种判别模式的实现能帮助金融资产管理在不良贷款的定价决策上实现有效管理、高效管理和重点管理。因此，本文在建立计量框架时，把回收率分为极端回收（—极端回两类。对极端回收，可利用数据挖掘的方法进行判别分类。在将极端回收的客户判别出来之后，再对非极端回收的客户的回收率进行回归预测，回归的方法主要采用变换回归和变换回归两种。后面章节将具体介绍模型方法。

2、单笔到多笔，单户到资产包的思路

根据历史数据的统计，金融资产管理公司在实际处置中是单户处置和打包处置结合的，这主要是源于人力资源配置、投资者选择和流动性需求等因素。在全部不良贷款的处置终结户中可以看出有超过六成的处置是通过打包方式来实现的。基于这一原因，金融资产管理公司的定价决策模型应该既考虑单户模型还应该考虑打包定价模型的设计。显然，资产包的价格是以牺牲单户回收水平为代价的，他不是包内单个债权价格的简单加和，因此在建立单户回收率预测模型以后，对资产包进行独立的模型开发符合金融资产管理不良贷款实际处置的需要。对资产包的回收率进行计量方法详见下文的描述。

3、先有点预测——后有分布估计的思路

上述的非极端回收率的预测模型只能给出债务人的单点回收率预测，还不能完全反映出我国不良贷款违约损失率的分布特殊性。由于我国不良贷款的数量众多，特征各异，因此考虑到同质化建模和分析的问题，我国不良贷款的回收率分布为典型的型双峰分布，还可以利用广义回归模型，对全样本的回收率分布和非极端样本的回收率分布进行深入研究。分布估计的意义在于能有效区分各种同质化的不良贷款，同时能分析各种因素对分布的均值和方差有利模型变量的选择。在广义回归模型中，可以引入增长率这种与时间相关的概念，对回收率随经济波动的规律进行研究。

7 g; S  G/ i" ?: e/ L: X7 N% a
  U4 p$ _# R$ u0 \