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。

诉讼处置不良贷款违约损失率估计的模型簇

违约损失率(LGD)是内部评级高级法要求的重要参数之一,已成为商业银行风险管理的重要手段。由于受数据等多方面的限制,国内外尚无对我国大型商业银行诉讼处置不良贷款违约损失率估计的研究。本文在对我国某大型商业银行诉讼处置不良贷款违约损失率全面统计分析的基础上,找出回收率的影响因素,采用决策树模型,判别出极端回收和非极端回收。针对非极端回收的情况综合运用Logit变换、Beta-正态逆变换、WOE变换等方法,建立点估计模型;随后利用广义Beta回归给出了LGD的分布模型;在对四个模型进行相关性分析的基础上用最小误差平方和的方法建立了组合模型,由此形成由判别模型与组合模型构成的模型簇。实证结果表明,极端回收的判别准确率高达77.6%,组合模型的均方误差低于5%;模型簇在极端回收和非极端回收两类表现出很好的一致性。