1 / 19

LossMetrics TM 违约数据库、模型及应用

坚毅 创新 和睦 卓越. LossMetrics TM 违约数据库、模型及应用. 北京东方中和数据咨询有限公司 二 OO 八年 十一月. 一、 LossMetrics TM 违约数据库. LossMetrics TM 违约数据库是中国东方资产管理公司旗下东和数据公司建立的，目前国内最大的跨行及规模 LGD 研究数据库。 数据来自于东方资产管理公司，主要包含中国银行、中国建设银行和中国工商银行的违约贷款数据，还涉及光大银行、深圳商业银行、江苏银行等的违约贷款数据；

tybalt
Download Presentation

LossMetrics TM 违约数据库、模型及应用

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 坚毅 创新 和睦 卓越 LossMetricsTM违约数据库、模型及应用 北京东方中和数据咨询有限公司 二OO八年 十一月

  2. 一、LossMetricsTM违约数据库 LossMetricsTM违约数据库是中国东方资产管理公司旗下东和数据公司建立的，目前国内最大的跨行及规模LGD研究数据库。 • 数据来自于东方资产管理公司，主要包含中国银行、中国建设银行和中国工商银行的违约贷款数据，还涉及光大银行、深圳商业银行、江苏银行等的违约贷款数据； • 在东方公司原有数据基础上，东和公司对违约清收数据进行采集、核对和整理，目前数据库共涉及17000余户已处置终结的违约债权；

  3. 一、LossMetricsTM违约数据库 • LossMetricsTM数据库中，样本具有广泛的代表性，涉及各个行业、地区和各种特质的借款人。数据库中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20多项指标； • LossMetricsTM中的数据跨度从1999年～2008年，符合巴塞尔新资本协议内部评级法的建模数据要求。 • 经过长期的数据挖掘与研究，从中获得了许多有价值的发现。有效样本集的建立为违约损失率的建模提供了重要前提。

  4. 一、LossMetricsTM违约数据库

  5. 一、LossMetricsTM违约数据库 国际知名违约回收数据库，如S&P’s LossStats Database和Moody’s Credit Risk Database.：

  6. 二、基于LossMetricsTM违约数据库的建模 1.LGD计量方法 • 市场价值法(Market LGD) • 隐含数据分析法(Implied Market LGD) • 清收数据贴现法(Workout LGD)

  7. 二、基于LossMetricsTM违约数据库的建模 2. 建模流程

  8. 二、基于LossMetricsTM违约数据库的建模 3. 建模思路 • LossMetrics的数量模型：判别模型和预测模型。 • 判别模型是用来判断一笔违约贷款回收率是无回收、或是有回收。 • 当一笔违约贷款被判别为是有回收时，用预测模型来预测违约回收率。

  9. 二、基于LossMetricsTM违约数据库的建模 3. 建模思路

  10. 三、基于LossMetricsTM违约数据库模型分类 1.计算过程分类 • 判别模型 • 预测模型

  11. 三、基于LossMetricsTM违约数据库模型分类 1.计算过程分类 • 判别模型 • 逐步判别 + 贝叶斯判别分析模型  将违约贷款分为“无回收”和“有回收”两类，利用逐步判别筛选对两类贷款判别作用显著的变量。再利用贝叶斯判别，分别建立以上两类贷款的线性判别函数，通过比较函数测算的两类贷款分布概率，进行贷款分类的判别。 • 支持向量机判别模型 支持向量机是目前国内外最新研究的预测模型。东和数据研究中的创新点是将逐步回归的思想应用在支持向量机方法上，筛选出边际预测效果较好的关键变量。结果显示这种思路建立的支持向量机判别模型，不仅提高了样本外预测的正确率，而且具有很好的稳健性。

  12. 三、基于LossMetricsTM违约数据库模型分类 1.计算过程分类 • 预测模型 • 参数模型 参数模型基于变换后的线形模型，具有较强的解释力度，目的在于为业务人员提供强有力的咨询支持，利于业务人员在处置不良贷款资产时有的放矢地关注某些重要指标，如逾期时间、贷款金额等。并且可以提示业务人员对某些多重指标结合分析，同时关注。 • 非参数模型  非参数模型在预测结果方面可能易于得到更准确的预测结果，在不良贷款资产包回收率预测、不良贷款资产组合问题研究和贷款资产定价快速估值模型等方面可能会发挥更大的作用。

  13. 三、基于LossMetricsTM违约数据库模型分类 2.处置方式分类 • 单户模型 采用了判别模型结合预测模型的建模思路。即：先对与不良贷款资产回收相关的变量数据用判别方程进行判别，判断其有无回收、是否完全回收；再根据判别分类后的结果，进行一系列的数据转换后，利用回归方程测算其回收值。 • 打包模型 建立在单户估算的基础上，即：获得包内资产单户回收值，并简单累加后，通过打包相对单户处置的折扣率回归模型，测度折扣率，并以此调整打包户的上述单户回收简单累加值，最终得到打包后资产预测回收值。

  14. 三、基于LossMetricsTM违约数据库模型分类 3.适用经济行为分类 • 快速估值模型 应用于批量违约债权收购估值，其算法核心是通过批量违约债权资产包的均值计算而得到分笔债权的期望值，因此对于单户估计而言偏差较大，但资产包的估值结果能够达到预计精度，故用于收购时、债权信息量有限、时间要求紧迫的批量资产定价较为合适。 • 风险估值模型 通过每笔或每户违约债权的特征分别判别并测算其价值，然后再汇总得到地区估值结果，因此该模型对于单笔或单户债权的测算精度要优于快速估值模型，从而更适用于银行、资产管理公司存量违约债权资产逐户风险监测。该估值能对流动性风险、信用风险进行测算。

  15. 四、LossMetricsTM违约数据库模型应用 案例1 A地区资产包处置

  16. 四、LossMetricsTM违约数据库模型应用 案例2 B地区资产包处置

  17. 四、LossMetricsTM违约数据库模型应用 案例3 C地区商行NPL收购案 • 本金总和：36亿，其中： • 次级 5亿、可疑 11亿、损失 20亿 • 公司贷800户，个贷：6000万 • 涉及上市公司近10家 • 预测值和成交价差异不超过1.3%

  18. 四、LossMetricsTM违约数据库模型应用 案例4 资产管理公司D地区风险监测 • 本金总和：76亿，其中： • 公司贷1794户 • 建行722户、工行1072户 • 除提供最终的回收值预测结果外，还提供了流动性风险、信用风险和法律风险的预测值。

  19. 坚毅 创新 和睦 卓越 谢 谢 通讯地址：北京市东城区朝阳门北大街8号富华大厦A座2层 邮政编码：100027 联系电话：010-58383700 传真：010-65547182 公司网站：http://www.dohodata.com

More Related