人民币对公贷款违约概率计量模型研究
随着金融这一名词的诞生,金融危机也应运而生,西方各国在数百年时间里经历了大大小小各类金融危机数以百计。但随着最近数十年金融全球化愈演愈烈,全球金融行业动荡加剧,金融危机时刻笼罩在世界各重要国家。2007年初,美国次贷危机逐渐浮出水面,世界主要发达国家经济体几乎都受到了冲击。
从国内看,由于存在汇率管制和利率管制,全球金融危机并未对国内的实体经济和金融体系产生冲击。但在利率市场化完成以后,商业银行将直接面对市场,经受各类市场的考验。为此,巴塞尔Ⅲ在一个特殊的时刻诞生了,并被人们寄予了厚望。
国内的金融监管部门已经有了危机意识,一方面正努力将本国的金融监管纳入到国际金融监管体系中,如积极实施巴塞尔Ⅲ；另一方面,监管部门认真研究中国的实际情况,结合本国金融体系的特点,有针对性地进行监管。因此,内评法体系建设是国内商业银行国际化的需要,也是监管部门对商业银行的外部要求,更重要的是,内评法体系建设源自商业银行内在的动力。内评法是一个庞大的系统工程,不可能在一篇研究论文中涵盖所有的内容。
因此本文将研究的关键点聚焦在信用风险计量模型中的违约概率计量模型。同时,我们将研究对象限定在人民币对公贷款上。我们对模型留有一定的可拓展性,为进一步的研究提供了较大的空间。
最终,我们的违约概率计量模型将能够满足巴塞尔协议的相关要求,且符合国内银监会发布的《商业银行资本管理办法》相关规定。更为重要的是,商业银行能够使用模型给出真实可信的企业贷款违约概率,并成为商业银行贷款评级的主要依据,模型将真正帮助商业银行控制未来可能发生的违约风险。更为深远的
意义是,商业银行可以将违约概率计量模型应用于日常的风险管理、定价、考核、资产负债管理等日常经营活动中,使商业银行的综合竞争力大幅提升。
文章首先充分地对巴塞尔协议Ⅲ及各类信用风险计量模型的相关研究文献进行了综述,并对较为常见的信用风险计量模型逐一进行了理论研究和实证分析,总结了它们的优缺点。然后,根据国内商业银行违约概率计量模型建模中的难点提出了独立建模原理,并给出了模型的整体框架,即用二叉树模型解决数据分类问题；使用因子分析法解决Logistic模型参数自相关的问题；建立宏观经济辅助模型对经济各周期的违约概率进行调整；使用聚类分析方法形成不同评级下违约概率的分布；使用Logistic模型与主观评分相融合的方法使计量结果更符合实际情况。最后,文章对模型进行了实证分析,给出了10级评级和相应的违约概率分布区间,并对它们的风险特征进行了描述。
同时,模型通过了多项检验指标,符合监管部门的要求。在文章的结尾,笔者给出了研究结论和进一步的展望。文章主要有三大创新之处,包括：(1)文章提出了适合我国商业银行的违约概率计量模型理论和框架。
(2)本文将风险计量理论与商业银行实务相结合,做到产学研相结合。(3)本文紧紧围绕巴塞尔协议提出了违约概率计量模型,可以作为商业银行实施巴塞尔协议内评法高级法的一部分。但文章同时也有四个不足之处,包括：(1)模型的后评估有局限性；(2)宏观经济周期因素的修正效果有限；(3)模型未经过有效的压力测试；(4)模型仅对违约概率计量进行了研究,并未将研究成果拓展到其他风险指标的计量。
在本文的基础上,未来的研究者可以采用更为先进的计量工具,将研究范围拓展到整个信用风险计量领域,甚至于将研究跳出巴塞尔协议的监管框架。
Moody’s Analytics Professional Services 巴塞尔新资本协议下的 违约损失率模型开发与债项评级的解决方案 2009年2月
介绍大纲 巴塞尔新资本协议：关于违约损失率的相关要求 违约损失率的影响因素和模型 违约损失率模型开发与债项评级的解决方案 –中国的挑战 –主要问题 –解决方案的框架结构 –业务流程改进解决方案 –模型开发的初步工作：专家模型和模型因素的分析 –问题的讨论 2
Moody’s Analytics Professional Services 巴塞尔新资本协议： 违约损失率的相关要求
标准法和内部评级法：抵押品管理 标准法和内评初级法规定有资格的抵押品应该具备以下特点： 法律地位明确 能够客观估值（可以采取盯市价格） 良好的流动性 价值波动性较低 和交易对象的信用相关性较低 有资格的抵押品种类： 金融抵押品（标准法和内评初级法） 应收账款（内评初级法） 商用房地产/居住用房地产（内评初级法） 其它抵押品（内评初级法） 4
标准法：认可抵押品类型 标准法认可的抵押品： –现金类，包括存款证明或者银行发行的类似现金的工具。 –黄金 –债券类，包括公认的外部信用评级机构评定的债券（国家公共部门发行BB-，其它机构BBB+以上）和未经外部信用评级机构的债券（银行发行、交易所交 易、优先债务等）。 –股票类，包括纳入主要市场指数中的股票和可转换债券等。 –证券和基金类，包括集体投资可转让证券和共同基金。 标准法中综合法认可的抵押品（在简化法基础上）： –不属于主要市场成份股，但在认可交易所交易的股份 –集体投资可转让证券和共同基金（每日公开报价） –满足一定标准的银行发行的未经外部评级机构评估的债券 5
浅议商业银行违约概率的测算方法 经济学院国际经济与贸易系谢虹0311995 提要：违约概率是计算贷款预期损失、贷款定价以及信贷组合管理的基础，因此如何准确、有效地计算违约概率对商业银行信用风险管理十分重要。本文根据我国商业银行的现状，分析了建立违约概率估计模型的理论和方法，提出了我国商业银行建立违约概率模型的一些建议，希望对指导建立内部评级体系和信用风险管理有些许借鉴意义。 关键词：商业银行，虚因变量模型，Logistic模型，违约概率 国际银行业监管的统一标准——《巴塞尔新资本协议》在2004年6月正式定稿。与1998年的协议相比，新协议的最大创新之处是提出IRB法，即允许银行采用内部数据估计风险计量参数，包括违约概率PD，违约损失率LGD违约风险暴露EAD和有效期限M等。其中，无论是初级法还是高级法都要求银行自行估计客户的违约概率PD。因此，违约概率是银行信用风险计量的基础，准确测算违约概率对银行防范和控制信用风险十分重要。但是由于我国商业银行的风险管理水平普遍落后于国外先进银行，尤其表现在风险量化方面，因此把《新资本协议》实施作为银行监管和提升风险管理水平的手段对我国商业银行来说既是挑战也是机遇。下面本文将在可供商业银行选择的概率计算方法中结合我国商业银行的实际，对违约概率测算中相关问题进行研究。 一、数据采集 对一个客户信用状况的分析包括两方面：一是定量分析，主要是财务数据的分析；二是定性分析，包括管理水平、市场竞争力和领导者素质等。因此我们测算客户违约概率时采集的数据也必须包括定性数据和定量数据两部分。建模数据的质量很关键，其好坏直接关系到模型结果正确与否。建模所需要的数据有两类，一类是违约客户（坏客户），另一类是非违约客户（好客户）。根据经验，建立相关的企业客户违约概率模型至少需要1000个以上客户样本，所建立的违约概率模型才可能具有较好的稳定性。样本越多，其结果的精确性也越高。由于国内大部分银行一般从2000年以后才开始注意收集并保存完整的客户数据，所以违约客
基于因子分析的logistic违约概率模型的实证研究 作者：葛钊 本文针对一般商业银行等单位采用Logistic回归估计PD的模型中多重共线性、没有考虑时间因素等问题，构建和验证了基于因子分析的logistic违约概率测算模型的效果和可行性，并对财务指标进行了时间加权化处理的模型改进工作，在最后对模型的进一步优化提出了新的思考和方向。 本文样本数据获取渠道为中国证券市场公开信息，选取6家在2005-2006年和2010年发生过银行贷款违约的制造业上市公司（违约笔数8笔），和31家同行业同期贷款未发生违约且非ST类的上市公司，并且总资产与销售规模与违约公司相似（考虑到建模样本数量过少，加入此约定为提高模型精度），组成39个建模数据，进行模型构造。其中，财务数据均取自违约/非违约公司对应违约年份前一年末或前二年末的数据，此是模型具有预测功能的必要条件。 6家违约上市公司8条违约记录（其中3条违约记录来自同一公司）如下： 6家上市公司发生逾期的贷款类型均为短期流贷，全部归属于公司风险暴露中一般公司风险暴露。另外，之所以将上海宽频科技股份有限公司的三次逾期数据全部纳入建模，是由于一方面可供建模的违约数据过少，将其加入不影响模型的建立和使用，另一方面数据量的增加增强了模型的预测能力。 31家非违约上市公司信息如下（合并报表数据）：
*其中四川大通燃气开发股份有限公司在2006年由医药、生物制品类转为批发和零售贸易类；浙江钱江生物化学股份有限公司在2006年由医药、生物制品转为石油、化学、塑胶、塑料类。特此说明。 以下对从网络公开信息获取的数据，进行数据手机、业务定义、数据清洗、模型分组、模型分析、变量构造、变量分析和变量选择等步骤。 选取如下14个财务指标，作为建模数据估计模型参数。选取数据的原则主要是从数据的易获得性、完整性考虑的，同时为了免去单因素初步筛选等较为简单的过程，直接按现有资料综合选取了显著性较高的财务指标。所选指标全部是以百分比度量的财务比率，这样的好处是将企业规模等因素在模型系统中的影响最小化，提高模型的预测精度。 提取指标列表：
确定某一合约中借款人的违约概率及评定其信用等级是一门科学，也是一门艺术。银行通过使用评分卡来做出信用评级。如其名字所示，评分卡是指一种收集有关公司信息，对其进行核对和整理，并对不同的特性打分的工具。评分卡不同部分的得分被计算和汇总，并根据评级量表或其他形式转换成信用评级。借款人的最终信用评级可能完全通过使用评分卡来确定，也可能不完全是这样，但改变其最终评级的过程及依据必须明确。下面我们分别考察这几个步骤。 1. 收集信息–评分卡包含了各种各样的信息。其中一些信息始终是财务性的，包括关键的财务比率，例如联动比率，以及销售额与赢利能力指标，如毛利率或净利润率。这些比率将通过对至少三年经过审计的财务报表进行分析得出。除此以外，还有一些非财务信息，如帐户质量和行业地位等。 2. 评定得分–对于收集的的每一项数据，将根据预先确定的评级量表确定其数值得分。点数越高，风险水平越低。例如联动比率较高的客户得分将低于较低或零联动比率的客户。这主要是基于我们的如下预期，即高联动率使一家公司的风险加大。 3. 对照信用评级量表–将每个项目的点数相加后，将其与总的评级量表进行比较，从而得出诸如“BBB”或“AA-”级之类的评级。较高的评级需要较多的点数。 4. 最终评级–虽然这看起来已经是评级过程的最后一步，但是可能还有充分的理由，使银行根据内部评分卡对借款人的信用评级进行修订，如上调或下调。理由之一是标准比较。内部评分通常根据外部的评级尺度，如标准普尔和穆迪的评级量表，进行调整。而且，如果上述评级公司也已为借款人评定了信用评级，银行通常可将内部和外部评级进行比较。如果存在较大的差别，如不在相同的级别，使用外部评级可能更合适。另外一个理由是在公司的情况发生变化时，这些变化没有在计入评分卡的数字中得到充分反映。这些事件可能包括会计年度终期之后发生的财务事件，如资本增加(风险情况有所改观)或新贷款获批或销售前景不佳(增加了风险)等。这类调整是十分重要的，因为信用评级旨在作为前瞻性手段，衡量未来12个月内的违约概率，而不是机械生成的一个简单概率。因此，必须记住，财务信息在发布和计入评分卡时，通常已经过时数个月。因此，使用这些信息做出信用评级必须要慎重。 上述步骤描述了信用评级是如何确定的。评分卡首先由分析人员或信贷经理填写，但是最终评分将征得独立方，例如信贷审批人员的认可。在一年中，随着新信息的获得或者发生重大事件，例如并购，监管方面发生变化，或者收到新的财务信息，必须随时对信用等级进行再次评估。 上述四个步骤与信用评级机构使用的步骤基本相同，唯一不同之处是评级机构在做出评级后，接受其评级的公司将向其支付费用。这是因为，信用评级机构做出的评级将作为表明公司所发债券风险水平的指标。公司发行债券总是希望投资者愿意购买。由于评级机构可以接触大量信息，因而其在评定最准确的信用评级方面具有优势，而银行等外部各方不具备获得这些信息的渠道。然而，信用评级机构在做出评级时收取费用，这意味着它可能失去一定的独立性。此外，评级机构的信用评级也可能过时。评级机构仅在即将发生违约之前，甚至是在发生违约之后才改变信用评级。但是，当发生某个事件，且这一事件的重要性不能立即显示出来时，如出现并购、接管或利润预警声明，评级机构通常将公司的状态定为所谓“信用关注”或某些类似的评级。
客户违约概率直接影响着内部评级法以及全面风险管理的应用,因此准确的测度违约概率有十分重要的意思。估计违约概率主要有以下几种方法: 经验方法、期权模型方法、经济计量方法、保险精算方法以及利率期限结构比较法。 经验方法 经验方法是通过实际的违约记录建立样本量足够大的信用评级数据库, 以数据库为基础来推断不同信用等级的违约概率。基于经验方法的违约概率测度模型主要有Credit Metrics模型和Creditportfolio View模型。 1、中Credit Metrics模型是以历史等级转移和违约的数据来估计,依据转移矩阵来实现违约概率的度量,不仅可以度量不同性质公司在不同商业周期一年的违约概率即是转移矩阵最后一列数值，同时还能计算了各个信用等级在n ( n > 2) 年内平均的累积违约率。 2、Creditportfolio View模型的最大特点是考虑了当期的宏观经济环境（如失业率、GDP增长率、长期利率水平等因素）的影响，是对redit Metrics模型的转移矩阵通过宏观经济因素调整而得出的条件转移矩阵，由于该模型是以当期的经济状态为条件来计算债务人的等级转移概率与违约概率, 因此这个模型最适合用于投机级别的债务人。 期权模型方法 期权模型方法，由于债务合约的收益分布与期权收益分
布都是非对称分布，因此债务合约可以视为一种期权合约。同经验方法相比, 期权模型的数学形式更加完美。根据期权模型计算出的违约概率通常称为预期违约率(EDF)，在计算预期违约率较出名的是KMV模型。虽然当借款人资产市值低于其债务面值（违约临界值）时, 债务人的偿债能力和偿债意愿下降, 促成债务违约，但据KMV公司对样本公司的观察, 当企业的资产价值位于全部负债价值与短期负债价值之间的某个临界水平时, 企业一般更可能违约。因此, 实际的违约临界值应小于全部债务的账面值。KMV将此违约的临界值称为违约点, 它等于企业短期债务与一半长期债务之和。 经济计量方法 经济计量方法，这种方法的测度主要是集中于违约概率关键变量的探寻与违约分类模型的建立。主要模型有一元判定模型、多元线性判定模型、多元逻辑(Logit) 模型、多元概率比( Probit) 回归模型、人工神经网络(ANN) 模型。 1、一元判定模型以某一项财务指标作为判别标准来判断企业是否处于破产状态的预测模型，虽然其方法简单、使用方便，对前两、三年的企业财务状况有很强的语言能力，但总体判别精度不高，对前一年的预测, 一元判定模型的预测精度明显低于多元模型。 2、多元线性判定模型的最终预测方程包含五个判别变
上市公司违约概率的实证分析EDF模型对中国上市公司违约概率计算适用性的分析 摘要：内部评价法分为初级法和高级法，初级法是当前国内研究的重点。而初级内部评级法的核心部分就是违约概率的计算，其中模型化的计算方法是当今研究的主流。本文利用EDF 模型对我国上市公司的最新数据作了实证分析，结果显示，理论预期违约率值较穆迪公司公布的参考区间偏小，具有一定的风险预警作用，总体来说适用性不强。 关键词：违约概率EDF模型 背景： 内容的内部评级法(Internal Ratings-Based Approach)，该方法允许管理水平较高的商业银行采用银行内部对客户和贷款的评级结果来确定风险权重、计提资本，从而将资本充足率与信用风险的大小有机结合起来。但是在很长一段时间内，我国商业银行不具备条件实施巴塞尔新资本协议中的高级内部评级法，所以目前的研究重点应该是内部评级的初级法。在内部评级初级法中，违约概率（PD）由银行自己提供估计值，而违约损失率（LGD）、违约风险暴露（EAD）和期限（M）等是由委员会规定的监管指标。其中,违约概率(Probability of Default, PD)是商业银行计算意外损失以及经济资本的必不可少的要素之一,并且,违约概率的准确测算为商业银行计算准备金和风险加权资产(Risk Weighted Assets, RW A)提供重要依据。因此，违约概率的测度就是当前内部评级系统建立过程中研究的重点和热点问题。 早期的研究违约的模型有判别分析和Logistic回归等，但它们也只是二分类问题，对应的是判别概率而不是真正的违约概率。现代的违约概率测度模型主要有KMV的EDF模型、JP Morgan的Credit Metrics模型、McKinsey的Credit Portfolio View模型、CSFP的Credit Risk 模型以及应用保险精算方法的死亡率模型等，这些模型是当今研究的主流。本文主要利用KMV的EDF模型应用我国上市公司的数据作一些实证分析，以验证模型化的方法在中国市场中的适用性。 EDF模型基本原理 EDF模型即“预期违约率模型”，是著名的风险管理公司KMV公司开发的用以衡量违约风险基本工具。该模型最主要的分析工具是所谓的预期违约率EDF（Expected Default Frequency），故也称为EDF模型。EDF作为度量公司违约发生可能性大小的指标，根据实证数据显示，其早期侦测(early detecting)违约风险能力成效卓著；再者，应用选择权观念所建立之违约风险衡量指标，于信用分析领域中，独树一格。 对于一个公司而言，违约风险是指围绕其偿债能力所产生的不确定性。在违约之前，我们无法明确判断一个公司是否会违约，充其量也只能对其违约的可能性做出概率上的估计。一家公司的EDF是指该公司在未来一年或几年内违约的概率，它主要由三大因素决定，分别是：
人民币对公贷款违约概率计量模型研究 随着金融这一名词的诞生,金融危机也应运而生,西方各国在数百年时间里经历了大大小小各类金融危机数以百计。但随着最近数十年金融全球化愈演愈烈,全球金融行业动荡加剧,金融危机时刻笼罩在世界各重要国家。2007年初,美国次贷危机逐渐浮出水面,世界主要发达国家经济体几乎都受到了冲击。 从国内看,由于存在汇率管制和利率管制,全球金融危机并未对国内的实体经济和金融体系产生冲击。但在利率市场化完成以后,商业银行将直接面对市场,经受各类市场的考验。为此,巴塞尔Ⅲ在一个特殊的时刻诞生了,并被人们寄予了厚望。 国内的金融监管部门已经有了危机意识,一方面正努力将本国的金融监管纳入到国际金融监管体系中,如积极实施巴塞尔Ⅲ；另一方面,监管部门认真研究中国的实际情况,结合本国金融体系的特点,有针对性地进行监管。因此,内评法体系建设是国内商业银行国际化的需要,也是监管部门对商业银行的外部要求,更重要的是,内评法体系建设源自商业银行内在的动力。内评法是一个庞大的系统工程,不可能在一篇研究论文中涵盖所有的内容。 因此本文将研究的关键点聚焦在信用风险计量模型中的违约概率计量模型。同时,我们将研究对象限定在人民币对公贷款上。我们对模型留有一定的可拓展性,为进一步的研究提供了较大的空间。 最终,我们的违约概率计量模型将能够满足巴塞尔协议的相关要求,且符合国内银监会发布的《商业银行资本管理办法》相关规定。更为重要的是,商业银行能够使用模型给出真实可信的企业贷款违约概率,并成为商业银行贷款评级的主要依据,模型将真正帮助商业银行控制未来可能发生的违约风险。更为深远的
意义是,商业银行可以将违约概率计量模型应用于日常的风险管理、定价、考核、资产负债管理等日常经营活动中,使商业银行的综合竞争力大幅提升。 文章首先充分地对巴塞尔协议Ⅲ及各类信用风险计量模型的相关研究文献进行了综述,并对较为常见的信用风险计量模型逐一进行了理论研究和实证分析,总结了它们的优缺点。然后,根据国内商业银行违约概率计量模型建模中的难点提出了独立建模原理,并给出了模型的整体框架,即用二叉树模型解决数据分类问题；使用因子分析法解决Logistic模型参数自相关的问题；建立宏观经济辅助模型对经济各周期的违约概率进行调整；使用聚类分析方法形成不同评级下违约概率的分布；使用Logistic模型与主观评分相融合的方法使计量结果更符合实际情况。最后,文章对模型进行了实证分析,给出了10级评级和相应的违约概率分布区间,并对它们的风险特征进行了描述。 同时,模型通过了多项检验指标,符合监管部门的要求。在文章的结尾,笔者给出了研究结论和进一步的展望。文章主要有三大创新之处,包括：(1)文章提出了适合我国商业银行的违约概率计量模型理论和框架。 (2)本文将风险计量理论与商业银行实务相结合,做到产学研相结合。(3)本文紧紧围绕巴塞尔协议提出了违约概率计量模型,可以作为商业银行实施巴塞尔协议内评法高级法的一部分。但文章同时也有四个不足之处,包括：(1)模型的后评估有局限性；(2)宏观经济周期因素的修正效果有限；(3)模型未经过有效的压力测试；(4)模型仅对违约概率计量进行了研究,并未将研究成果拓展到其他风险指标的计量。 在本文的基础上,未来的研究者可以采用更为先进的计量工具,将研究范围拓展到整个信用风险计量领域,甚至于将研究跳出巴塞尔协议的监管框架。
违约率与利率之间相关性-基于实证研究 本文翻译自穆迪公司的报告 摘要 理解信用风险与利率风险之间的关系对于信用评估、利率敏感性工具及风险管理等很多金融应用领域非常重要。本研究利用美国1982年至2008年企业层面的违约数据从实证角度验证了利率与违约风险之间的关系。研究发现：短期利率变化量与总违约率之间存在显著的同步负相关，金融危机情况下表现出强相关性。本研究利用穆迪公司KMW的期望违约率（EDF，Expected Default Frequency）模型也发现利率变化在预测违约方面具有说服力。另外，我们研究同期利率变化、同期利率的预期变化、利率差（slope of interest rate）、同期利率的非预期变化与违约率之间的相关性。在EDF条件下，未发现利率和违约之间存在着任何统计上的显著相关性。我们的发现对于风险度量和风险管理有很多重要的启示。 1．引言 信用风险和利率风险是金融机构面临的最重要的风险之一。众所周知，这两项风险相互联系。了解其关系对金融的很多应用领域很重要。例如，可赎回固定企业债券的价值依赖于利率水平和发行者的信用水平。金融机构的资产负债表包括信用工具和利率敏感型工具，如果利率（或信用水平）突然发生变化，对信用水平（或利率水平）的
影响将决定资产和负债的排序，从而决定金融机构的健康程度。因此，信用风险和利率风险的关系对与这两项风险敏感的金融工具定价以及管理金融机构的资产负债表起着非常重要的作用。 但信用风险和利率风险之间的关系并不很清晰。例如，如果经济陷入衰退，违约率很高，但中央银行往往通过降低利率以刺激经济，利率水平往往相对较低。当经济改善，中央银行往往倾向于提高利率。考虑到官方利率往往决定了企业的资本成本，当利率升高，企业为求生存必须提高资产回报率。如果某个企业的资本成本高于回报率，那么它将陷入无力偿还借款或破产的境况。换而言之，中央银行通过提高利率以减速经济。因此，我们可以推测违约风险和利率的关系对陷入经济周期时所采取的一些措施或其他宏观因素比较敏感。 本研究的主要目标是从实证上研究两者之间的关系。我们利用穆迪KMV公司上市公司违约数据库（目前最大的数据库）分析了利率与违约风险之间的关系，同时我们考虑了同步的和预测性关系。 我们的研究与以往的研究文献存在区别。大多数的文献研究了信用点差（credit spread，不知道翻译的对不对）与利率间的关系，很少关注违约率。而已有的一些研究违约率与利率关系的研究的成果是矛盾的。例如Fridson(1997)以1971-1995年的季度数据为基础，发现违约率与真实利率之间存在适度的（moderate）、显著正相关，而且在违约率与滞后2年的真实利率（lagged 2-year real interest rate）之间存在强正相关（strong positive correlation）。我们发现利率变化量（changes in interest rates）与违约率之间存在负相关，短期利率变化
违约损失率概述 长期以来，人们对信用风险的关注和研究主要在于交易对手违约的可能性，即违约概率(Probability of Default,PD)，而对交易对手一旦违约可能造成的损失程度，即违约损失率 LGD(Loss Given Default)的研究远远不及违约概率PD，然而，作为反映信用风险程度的基本参数之一，LGD相比于PD对信用风险管理有着同样的重要性。尤其是自新巴塞尔资本协定将LGD 和PD一同纳入监管资本衡量的基本框架以来，违约损失率(LGD)引起了监管界、业界、和理论界的高度重视。 违约损失率LGD是指债务人一旦违约将给债权人造成的损失数额，即损失的严重程度。从贷款回收的角度看，LGD决定了贷款回收的程度，因为，LGD＝1－回收率。 [编辑] 违约损失率的性质与特点 构成一个完整风险概念的两个基本要素是损失的可能性和一旦损失发生后的损失规模，即损失的严重程度。因此，LGD是除违约概率PD以外反映信用风险水平的另外一个重要参数，两者结合在一起才能全面反映信用风险水平。显然，PD既定的情况下，LGD越高，信用风险越大。预期损失率(Expected Loss, EL)是反映信用风险的一个指标，它是LGD和PD的乘积： 这是相对数形态的预期损失。绝对数形式的预期损失可以表示为: 其中EAD(Exposure at Default)是指违约发生时债权人对于违约债务的暴露头寸。 PD和LGD都是反映债权人面临债务人违约的信用风险的重要参数，因此，两者都受到债务人信用水平的影响，然而，从性质上看，两者又有重要的区别。总的来说，PD是一个交易主体相关变量，其大小主要由作为交易主体的债务人的信用水平决定；而LGD具有与特定交易相关联的特性，其大小不仅受到债务人信用能力的影响，更受到交易的特定设计和合同的具体条款，如抵押、担保等的影响。因此，对于同一债务人，不同的交易可能具有不同的LGD，如对于同一债务人的两笔贷款，如果一笔提供了抵押品，而另一笔没有，那么前者的LGD将可能小于后者的LGD。因此，对PD和LGD的分析应有不同的着眼点。 除了上述交易项目相关特性以外，西方在LGD方面的研究和实践表明LGD还具有以下一些特点：LGD概率分布呈现双峰分布的特征；LGD与PD呈正相关的关系；LGD与破产法等法律制度密切相关；LGD波动幅度大，影响因素多，且研究历史短，数据稀少，因而量化难度大。本文随后将针对LGD的这些特征进行详细的论述。