不良貸款LGD影響因素及建議

【摘要】本文從LGD的定義和性質出發，分析了LGD的研究難點，介紹了國際上LGD主流建模方法，并結合國情分析了我國LGD的影響因素，對開發LGD計量模型提出了建議。

【關鍵詞】LGD 影響因素 計量模型

一、背景介紹

LGD（違約損失率，Loss Given Default）是指某一債項違約導致的損失金額占該違約債項風險暴露的比例，即損失占風險暴露總額的百分比。從貸款回收的角度看，LGD決定了貸款的回收程度。違約損失率估計應基于經濟損失。經濟損失包括由于債務人違約造成的較大的直接和間接的損失或成本，同時還應考慮違約債項回收金額的時間價值和商業銀行自身處置和清收能力對貸款回收的影響。

二、LGD研究的難點

LGD研究的難點主要體現在：（1）參考資料和文獻不足。貸款和債券在發行的方式和違約處理程序上存在一定的差異，不能完全照搬債券的模式來研究貸款的違約損失率；（2）我國的特殊國情。我國的LGD研究不能照搬國外現有的研究結論，而應該在辨明我國LGD影響因素的基礎上，基于歷史清收數據建立自己的統計模型，實現LGD的定量分析框架構建。

三、LGD的影響因素

LGD的影響因素較多，且均較為復雜，這也是LGD量化模型構建后對數據的擬合程度無法提高的一個關鍵原因。因此影響LGD的因素一直是研究重點。我國不良貸款的LGD影響因素分為四個大的方面：客戶因素、債項因素、宏觀經濟環境因素、其他因素。

（一）客戶因素

1.地區因素。地區經濟、司法、要素市場等環境的不同，導致了地區回收率水平有顯著的差異。比如江浙滬地區不良貸款回收率普遍較高，中西部地區不良貸款回收率相對較低。

2.行業因素。不同的行業有不同的經營特點，決定了行業是LGD的重要影響因素。比如說現階段大規模爆發的鋼貿行業不良貸款，行業的經營特點決定了鋼貿企業的財務杠桿較高，并且抵押物較少質押物較多，質押往往存在瑕疵（倉單反復質押），導致其出現不良后給經營行的清收工作造成了很大困難，回收率也較低。

3.經營狀況。引入不良貸款債務人的經營情況來描述債務人的財務和經營情況，實踐證明在不同經營狀況下債務人的LGD期望相差較大，隨著經驗狀況從有到無、從好到差，回收率呈明顯遞減的情況，特別是破產終結的企業回收率出現明顯的驟減。

4.注冊資本。總資產難以用來來描述一個債務人當前階段的經營規模，注冊資本作為一個可獲取的變量，在某種程度上說明了不良貸款債務人經營公司的規模，注冊資本的多少與回收率的高低呈現正相關的關系。

（二）債項因素

1.違約風險暴露（EAD）。影響EAD的因素有：循環信貸、限制條款、重組、債務人特征、合約期限、債務人動用剩余授信額度的可能性及債務人可獲得的信用籌資渠道等。

2.擔保情況。由于不良貸款第一還款來源往往枯竭，第二還款來源成為不良貸款回收率高低的決定性因素。已有研究均發現，信用資產的擔保特性對于LGD具有最大的影響貢獻度。

3.貸款分類。銀行根據每筆貸款的履約可能性，將貸款進行五級分類。不良貸款都是次級、可疑、損失類貸款。五級分類是刻畫不良貸款回收率的一個重要參考指標。

（三）宏觀經濟環境因素

宏觀因素是影響不良貸款回收率的時變因素，對宏觀經濟如何影響LGD，一般是通過直接分析宏觀經濟變量。當經濟形勢向好時，不良貸款債務人經營情況向好，抵押物的價格上漲，市場資金充裕，不良貸款回收率自然上升；反之，當經濟形勢轉差時，回收率亦下降。

（四）其他因素

1.處置方式。有觀點認為，不良資產的質量特征決定了采用不同的處置方式。綜合考慮客戶因素以及債項因素便可以決定到底選擇哪種方式進行處置。

2.相關性。對于不良貸款個體與不良貸款總體之間的相關性系數對回收率的影響，國內尚無學者對其進行實證研究。實踐中，我們發現陷入擔保圈的不良貸款回收率往往較低，與之對應，關系獨立的不良貸款回收率相對較高。

四、LGD研究模型分類

（一）歷史數據回歸分析法

根據違約資產的LGD歷史數據和理論因子模型，采用統計回歸分析和模擬的方法建立起預測模型，將特定項目的相關數據輸入預測模型中得出該項目的LGD預測值。

（二）市場數據隱含分析法

通過分析市場上尚未出現違約的正常債券或貸款的信用升水幅度，得出其中隱含的風險信息。該方法的理論前提是市場對債券定價是有效的，且能夠及時有效地反映債券發行企業信用風險的變化。目前該方法應用在債券定價和信用衍生產品的定價，但是在銀行貸款風險中應用很少。

（三）清收數據貼現法

與上述兩種方法利用違約的歷史數據或債券交易的市場數據不同，清收數據貼現法是通過預測已經違約的不良資產在清收過程的現金流，計算出其貼現值而得出LGD。采用這種方法的關鍵點在于，一是對清收現金流的數額及其時間分布的估計要合理；二是確定采用與風險水平相應的貼現率。

五、后續建議

隨著信用風險監管資本內部評級高級法的開發應用，以及現實經營中大規模處置不良資產的需要，開發LGD計量模型已經刻不容緩。

（一）統一數據標識

目前，國內對LGD建模所采用的數據都來源于LossMetrics數據庫。可借鑒LossMetrics數據庫的字段設置，開發自己的不良貸款清收數據庫。在數據采集上，應盡可能包含前文所述所有可能影響LGD的因素，進而達到更好的建模效果。

（二）建立團隊

建議建立由特殊資產經營部門主導，或風險管理部主導特資部門重點參與的LGD模型開發團隊。

（三）分步驟進行模型建設工作

由于我國不良貸款回收率較國際平均水平有更明顯的雙峰分布特征（0和1的極端回收占比較大），建議首先建立極端回收判別模型，將極端回收的情況從數據庫中判別出來。在此基礎上，對回收率在（0，1）之間的不良貸款建立廣義線性預測模型。在完成上述工作后，可加入經濟增長因子，實現由靜態因素模型發展到動態宏觀因素模型，最終系統構建不良貸款回收率的量化估計和預測框架。

參考文獻

[1]唐躍.中國不良貸款回收率地區差異的原因分析.系統工程理論與實踐.

[2]王鳳玲.不良資產處置方式及影響因素分析.數據統計與管理.

[3]代太山.不同擔保類型之下LGD的結構特征：針對中國的實證.南方經濟.

[4]陳浩.我國資產管理公司違約貸款回收的時間效應實證.系統工程理論與實踐.

[5]陳浩.不良貸款有無回收判別：可選變量的支持向量機方法.系統工程理論與實踐.

作者簡介：時小龍（1986-），男，江蘇南通人，工程師，經濟學，北京大學金融學碩士在讀。endprint