不良贷款处置方式的影响因素分析和判别模型

不良贷款的回收率与其处置方式有密切的关系,因此寻找最优处置方式是实际工作中很自然的诉求.但是因为不良贷款的特征与其最优处置方式之间的关系过于复杂,以往的文献中对处置方式只有定性的研究.本文不去关注不良贷款的特征与最优处置方式决定关系的具体形式,而是从处置方式的样本个数入手对处置方式进行定量研究,根据历史处置时的"投票"数越多则表明处置方式越优秀的思想,建立了处置方式的判别模型.文章首先通过列联表检验发现不良贷款的处置方式与贷款本金余额、本金占比、贷款银行、贷款担保方式、贷款企业的工商登记状态和经营现状等因素相关,而与债务企业是否上市公司和注册资本不相关.基于这些影响因素,本文首次将部分线性决策树(PLTR)的方法应用于建立不良贷款处置方式的判别模型,同时表达了影响因素与处置方式之间的线性关系和非线性关系,获得了相对较好的判别效果.由此,本文也发掘出不良贷款的历史处置模式,因而可以从提高期望回收率的角度提出合理建议.

简单ACD模型的M估计

文献中往往采用极大似然估计或伪极大似然估计来估计自回归条件久期模型,但是这两种方法在样本存在异常点或者残差厚尾分布是存在很大偏差.本文研究简单自回归条件就其模型的稳健估计,在一定条件下的得到了稳健估计的强相合性和渐进正态性.文章模拟结果表明:若样本没有异常点且残差不服从厚尾分布,则伪极大似然估计比稳健估计稍好;若样本服从厚尾分布或者存在异常点,则稳健估计更合适.由于高频数据往往存在异常样本且残差服从厚尾分布,因此实际处理时稳健估计是比伪极大似然估计更稳妥的一种选择.

不同规模中小型企业不良贷款回收率结构特征研究

依托于国内最大不良贷款回收情况数据库LossMetrics ^(TM)数据库中以中小型企业债务人为主体的数据,针对不同规模注册资本金的中小企业不良贷款数据,从银行贷款金额和转让协议金额两方面分析了不同规模中小型企业资产和债务间的关系;利用聚类的方式划分出有相似回收率结构特征的四类不同规模企业,并用Logistic分类方法对不同规模的企业分别建模,进一步研究影响每一类企业回收率结构的关键因素,给出不同企业不良贷款的质量判别,发现不同规模企业间的回收信用风险差异十分显著.实证研究结果表明:形成不良贷款的大部分中小型企业都存在资不抵债、贷款数量过于庞大的问题;注册资本金在1000万到3000万之间的企业的不良贷款数量最为庞大,应引起银行的重点监控;Logistic模型中以企业的经营情况、不良贷款的处置方式及有效抵质押情况为最重要的判别因素.研究结果对处于金融危机的中小型企业贷款融资和银行业风险管理提供了帮助和参考指标.

基于LARS-Lasso的指数跟踪及其在股指期货套利策略中的应用

本文将多元线性回归选择变量的Lasso方法引入到指数跟踪和股指期货套利策略研究,提出运用LARS算法实现非负限制下的Lasso选择现货组合问题,为业界给出了一种选择构造现货组合的股票的新方法。实证表明:采用本文提出的方法得到的现货组合,在组合含有较少数量股票的情况下,得到较文献中已有方法更小的跟踪误差。同时,利用本文的方法对沪深300仿真交易的期现套利进行研究,得到有重要市场价值的结果。

基于广义Beta回归的不良贷款回收率模型

依据国内最大的违约损失率数据库-LossMet rics^(TAI),利用广义beta回归模型对时间跨度为2001-2008年的不良贷款回收率分布进行了研究。采用极大似然和OLS估计方法,针对全样本和回收率为(0.1)开区间的非极端回收样本给出包含宏观、贷款和债务人异质因子的多变量广义beta回归模型的拟合参数和各个因素对回收率均值、方差的影响分析,并在多种变换方式下研究了只含宏观因子的单变量模型。结果表明,宏观因子的影响在单、多变量模型中都十分显著;不良贷款的有效抵质押和债务人的经营状况对模型的拟合也有明显影响;各因素对全样本和非极端回收样本的拟合结果差异性显著,同一因素对回收率均值、方差的影响大为不同。应用所得广义beta回归模型可进一步讨论回收率的区间估计、在险价值(VaR)等问题,给不良贷款风险管理提供极大帮助。

基于logistic模型族的不良贷款极端零回收强度模型研究

不良贷款能否有回收是其定价、日常管理和回收策略的决定因素之一,而宏观经济和处置时效则是影响不良贷款能否有回收的双重利刃。本文依据我国最大的不良贷款数据库——LossMetricsTM数据库,利用logistic模型族对清收时间跨度为2001-2008年的不良贷款零回收强度的动态变化影响因素进行了研究,并在研究中针对不同的样本分别建立了子模型和全模型,对多个模型的结果进行了对比。在全时间跨度模型中分析了GDP增速与零回收强度的直接关系;并把单笔贷款回收处置时间跨度分为小于12个月、12-22个月、23-60个月和超过60个月四组子样本,针对子样本分别建立模型,分析影响其各自零回收强度因素的区别。结果表明:GDP增速在大部分模型与零回收强度为显著负相关关系;在大部分子模型中不良贷款的有效抵质押因素显著,但在不同处置时间的子模型中显著情况有所不同。通过对零回收强度的研究可更好的结合宏观经济和处置时间来制订有效科学的回收策略。