违约损失率的估计：发达国家的经验及启示，本文主要内容关键词为：损失率论文,发达国家论文,启示论文,经验论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
引言
2001年初，巴塞尔委员会公布了银行监管新资本协议草案。新协议最核心的内容是提出了计算银行监管资本金中风险权重的办法，即基于外部信用评级的标准法(Standardised Approach)和基于内部信用评级的IRB方法(Internal Rating Based Approach)。其中IRB方法规定银行在满足一定的技术和信息披露的要求以后，可以使用按照自己内部信用评级模型测算得到的违约率(PD,Probability of Default)、违约损失率(LGD,Loss Given Default)等参数代入IRB方法给定的公式计算监管资本。这样IRB方法将监管资本的计算建立在商业银行内部评级系统基础上，体现了对银行改进风险管理水平的激励，有利于减少监管资本和经济资本的差距，做到真正的风险敏感，因此受到了发达国家商业银行的普遍欢迎。对于发展中国家，由于缺乏外部评级的客观因素，也对IBR方法表示出很大的兴趣。人民银行调查表明，我国商业银行均认为自己更适合使用IRB方法。
IRB方法将银行资产分为公司、零售、国家、银行、股权投资、项目融资等六种类型。其中股权投资和项目融资属于特殊形式的借贷，和普通的商业贷款存在一定的区别。对于这两种类型的债权风险权重如何确定，巴塞尔委员会目前还在征求意见中。除此之外，其他四种类型资产的风险资本金的计算框架基本上是相同的。以公司、国家和银行风险暴露为例，其资本要求系数(CR)在IRB法下表达为PD、LGD和剩余期限M的连续函数：
期限调整因子b=(0.08451-0.05898×log(PD))2。
在上面资本要求系数的计算公式中，由于期限调整因子6是一个远比1小的数字，M对监管资本的影响远小于PD、LGD，因此IRB法的关键因素是PD、LGD，业界和学术界都把开发测算这两个参数的模型作为实施IRB法的重中之重。PD的估算方法发展较早，相对比较成熟。人们不仅开发了针对客户特征的PD预测模型，而且对影响PD的各项因素各种参数的选择与范围、模型的测评等均有非常深刻的讨论。但是LGD测算模型的研究与开发仅仅是最近几年的事情。和PD相比，不论是理论、方法还是实践，均远远不够成熟。巴塞尔委员会的一项调查资料显示，只有很少的银行有相对完善的债项评级尺度，银行计算LGD要比计算PD困难。但是一般而言，LGD的规模与标准差要远大于PD的规模与标准差，这样LGD估算的准确度的影响要大于PD准确度的影响。因此，讨论LGD的建模和影响因素的意义不亚于对PD的讨论。
我国信用资产的风险度量以及商业银行资本金计算方面远远落后于西方发达国家。根据有关行业调查情况表明，在PD的估算方面，我国的商业银行虽然近几年自主开发了的客户评级系统，但这些客户评级不仅分级比较粗略，而且以主观判断为主。更重要的是，目前尚无统一的违约定义，不能估计违约概率，基本上仅用于确定授信额度，无法用来计算资本金。至于LGD的估算方面，各行为满足监管当局要求建立了五级分类债项评级体系，但各行的五级分类债项评级都没有包括违约后清偿成本的数据，难以进行定量分析，也没有进一步用于计提准备金，更不能在此基础上计算LGD。可以说，国内银行界对于LGD如何度量还没有起步，理解、学习、借鉴国外在LGD度量方面的方法和经验对于国内业界和学界都是非常必要的。特别地，随着我国市场经济的深入以及国家在金融管理方面法律与制度与国际接轨，国外LGD的一些表现特征很有可能在我国表现出来。对这些特征的掌握，可以为我们建立自己的LGD度量模型提供一个未雨绸缪的先机。
本文试图对发达国家在LGD开发和研究方面的主要成果进行总结和分析。我们将对违约与损失的定义、LGD的一般特征、影响LGD的各种因素与表现、LGD商业软件包等做系统的介绍和评述，并提出关于LGD建模的建议。
违约和损失的定义
违约事件中确定的损失显然依赖于所采用的违约定义。许多符合定义的违约事件可能不会导致违约的发生。例如，某公司90天逾期偿付，但接下来正常偿付，按定义该事件将被记录为违约，但清偿率是100%。如果忽视这一情况，银行将低估LGD，因为此项风险暴露及其100%的清偿率不会包含在银行的损失数据中，从而银行的模型会产生过于悲观的LGD估计。
LGD通常定义为违约是损失对风险暴露的比率，但其中的细节问题远比这一简单的定义复杂。一旦违约事件发生，LGD包括以下损失：
·本金损失；
·不良贷款的财产维持费；
·清算费用（债务追索和法律费用等）。
度量金融工具LGD的途径大致有三种：
·市场LGD：实际违约事件发生后违约债券或可交易贷款的市场价格；
·清算LGD：清算及追讨过程产生的一系列现金流估计值的现值与风险暴露的比值；
·市场隐含LGD：利用资产定价模型由风险（未违约）债券价格获得的LGD。
陷入财务困境的公司一般经历4个阶段：
(1)LCP(last cash payment)：最后一次现金支付；
(2)违约：LCP之后某一时刻发生，对一年付息一次的贷款来说，为12个月以后下一次支付利息的时候；
(3)破产：在违约后一年左右时间内宣布。但公司可以对债务违约而不宣布破产，这取决于与债权人之间的谈判结果；
(4)合并／重组：通常在LCP之后第二年到第四年进行。
破产程序所耗费的时间平均为两年，这将大大降低债务的LGD。
一旦公司进入破产程序，有些费用是必须支出的，包括破产过程本身的管理费用，如诉讼费、律师费、托管费，以及宣布破产后的融资费用。
对运行正常的公司进行估价已非易事，何况是陷入财务困境甚至破产的时候，此时估价的波动范围会很大。处于不同优先级的债务诉求者会根据其债权在公司资本结构中的位置做出有利于自己的公司价值评估。高级别债权人会倾向于对公司价值做出保守估计，以此限制低级别债权人的要求；低级别债权人则相反。
LGD的基本特征
初级IRB法下，LGD由监管当局规定为两类：未抵押的优先债务为45%，未抵押的从属债务为75%。LGD的实际取值与抵押物的情况有关。高级IRB法下，LGD由银行的内部模型计算得出。因此，采用高级IRB法的机构须开发评估工具以度量LGD。新协议第三支柱也规定，银行需披露其信贷组合的PD、LGD和EAD，高级IRB法在确定LGD方面允诺的灵活性促成银行对该方法的青睐。当然，其中的灵活程度要取决于银行对LGD的认知水平和预测能力；而监管机构必须能够评估银行的这种“认知水平和预测能力”。
尽管一些银行可以利用其内部经验，但大部分采用IRB法的银行都需要参考学术界和业界通过大量实证分析得出的LGD一般特征。这些特征包括：
·清偿率最重要的决定因素是债务是否受到保护和它在债务人资本结构中的位置。
·清偿率在经济低迷时期系统性地降低，且比较明显：可降低1/3。
·债务人所属行业具有一定影响作用：对实物资产依赖性强的行业比服务行业公司的清偿率高，不过也有例外，特别是高科技产业和电信业。
债务清偿的决定因素
实际上，预测贷款在违约时的价值或现金流是十分困难的。如果一家公司既发行债券同时又向银行贷款，破产清算时，债券和贷款哪一个优先偿还？在美国破产法中，债权人分配公司清算价值要遵循绝对优先原则(Absolute Priority Rule)，每个等级的债权人对应一个相对次序，可用资金首先偿还给最高等级的债权人，然后才轮到下一个等级。然而，这种优先性的严格解释从来不会被完全遵守，事实上，破产过程中要进行债务偿还计划的起草，该计划只有在各级别债权人全部通过之后才可以执行。为了快速控制破产公司，阻止资产价值的进一步下跌，不同等级的债权人之间会互相妥协。因此回收率不仅与公司资产和债权人优先级有关，也与谈判的结果密不可分。
考虑到数据方面的原因，大部分公开发表的研究工作处理的都是债券而非贷款的清偿率。可以预想，在其他所有因素（行业、经济周期等）相同的情况下，贷款的清偿率要高于债券。银行贷款在资本结构中的级别通常最高，而且银行会积极地监控借款人财务状况的变化。本文的观测结果主要来自债券数据（穆迪数据库），但我们会始终贯穿着对贷款的探讨。
贷款与债券的清偿率之所以差别较大，一个重要原因是债券持有者与银行之间监控权有所不同，在违约临近以及发生后，这种差异所产生的影响显得尤其明显。Amihud、Garbade和Kahan(2000)指出，贷款提供者（银行）通过严密的合同、复审权以及更密切的监控，可以更好地控制债务的代理成本。银行能够利用借贷关系巩固其债权在破产公司资本结构的最高地位，从而提高预期清偿率。而债券所有者的流动性和分散性使得他们在公司破产时难以在债券合约的核心项目和条件上进行谈判，导致其清偿率较低。
在不考虑优先级、行业和经济周期等因素的情况下，清偿率大致服从Beta分布，如图1所示，其中横轴代表债券违约发生一个月后的市场报价，纵轴代表该报价出现的频率。这种清偿率分布的决定因素是什么？要预测清偿率，需要知道什么？这是人们最关心的两个问题。
图1 债券清偿率分布
1、优先级和抵押品
最统一的一个观点是，优先级和抵押品在很大程度上决定着清偿率的高低。Gupton、Gates和Carty(2000)的报告显示高级别、受保护债务的清偿率平均为70%，而未受保护的债务平均为52%。Thornburn(2000)考察了瑞典小型企业破产情况，结果是高级别债务清偿率平均达到69%，而低级别只有2%。不同优先级对债务的不同控制能力直接导致清偿率的差异，但Altman和Suggit(2000)指出，贷款的违约率在其存续期的前两年远远高于债券。
2、清偿率与经济周期的关系
经济衰退期的清偿率明显低于繁荣期，Frye(2000)利用穆迪的数据得出衰退期清偿率是繁荣期的1/3。Hu和Perraudin(2002)通过历史数据计算出，清偿率与累计违约概率之间的相关系数在美国平均为-20%。Schuermann(2002)利用穆迪违约数据，对1970年开始衰退期与繁荣期的清偿率进行简单的统计对比，如表1所示，从中可以看到明显的差别。
表1 经济周期的影响（来源：Schuermann(2002)）
Mean
Std.Dev
25%
50%
75%
衰退期
27.85
25.67
8.00
20.00 40.00
繁荣期
43.10
27.11
21.00 38.56 63.00
3、行业因素的影响
行业因素对清偿率具有一定影响。对于公司债券，Altman和Kishore(1996)发现，实物资产密集型行业（如公用事业）比隐性资本密集型行业的清偿率高一些。他们使用的数据跨越1971至1975年。Grossman等(2001)用近期的数据得到了相似的结果，他们使用的是1997-2000年具有惠誉(Fitch)评级的债券和贷款。表2和表3摘录了他们的一些统计结果。这里同样也能找到前面所分析的规律，同行业的债券和贷款差异显著。从表2可以看到，服务业公司债券的清偿率极低，只有3%，而贷款则有42%。
表2 行业影响（来源：Grossman et al.(2001)）
行业，资产类型平均清偿率
资产密集型，贷款 95%
资产密集型，债券 60%
服务导向型，贷款 42%
服务导向型，债券 3%
零售业（超级市场），贷款 89%
表3 行业影响（来源：Altman and Kishore(1996)）
行业平均清偿率
行业
平均清偿率
公共事业
70% 通迅 37%
服务业46% 金融机构36%
食品 45% 房地产 35%
贸易 44% 普通商店33%
制造业42% 纺织
32%
建筑业39% 造纸
30%
交通运输
38% 旅店
26%
4、规模的影响
虽然“规模”在违约概率PD的模型中是一个重要的决定因素，但是违约发生之后，规模对损失并没有多大的影响。Asarnow和Edwards(1995)考察了花旗银行1970-1993年中等市场和大型公司的贷款，发现LGD与贷款规模之间不存在显著相关性。Thornburn(2000)在对瑞典小型企业破产的研究中，也发现公司规模对LGD没有决定作用。
5、与PD的关系
从引言所列资本要求系数的公式可以看出：IRB法同时假设LGD和PD是独立的，而根据Altman等(2002)的实证研究表明，至少债券的LGD和PD间存在非常强的正相关性，也即LGD随着PD的增加而增加。这样对于高PD的资产，银行的损失会超过IRB所估计的损失。另外这一公式也表明：IRB法中的资本要求是LGD的线性函数。这一点使得LGD对IRB法计算的资本要求的影响大于PD的影响。陶铄(2002)构造了这样一个例子：比较如下的两笔贷款，A,LGD=5%、PD=20%;B,LGD=50%、PD=1%；则根据2001年11月的修正稿规定，A、B所对应的资本比例为3%和7.95%。A的违约概率是B的20倍。按照常识，人们会毫无疑问地选择B。但是根据IRB法计算的结果，B的资本要求却大于A。这样的结果可能会导致银行在信贷中过于强调抵押和担保而不是企业的还款能力，从而夸大了LGD在IRB法中的作用。这一点在住宅抵押贷款的资本要求中表现更为突出。美国80年代的S&L危机、日本银行业在90年代的经济泡沫的破灭，以及最近两年香港经济衰退后产生的大量按揭贷款呆坏账，均证明了过于依赖抵押和担保，尤其是不动产抵押和股票担保的贷款会造成经济的巨大系统性风险。而目前我国的商业银行在信用放贷时，也有这种过大强调抵押和担保而忽视还贷能力的现象，应引起我们的警觉。
LossCalc:LGD商业软件包
到目前为止，主要的商业LGD预测工具恐怕只有穆迪针对美国市场开发的LossCalc，它是一个动态的多因素统计模型，解释变量可大致归为四类：
·债务类型（贷款、债券和优先股）和偿还的优先等级；
·公司具体的资本结构（资产负债比）；
·行业：公司所在行业的平均清偿率；
·宏观经济：全年违约概率的中位数、投机即债券违约率跟踪和经济指数变化等。
穆迪所考虑的因素与本文前面几节的分析基本一致。穆迪认为，这些因素之间的相关性较小，其预测能力在统计上也是显著的。在建模过程中，穆迪首先将原始数据进行处理，比如将某些宏观经济变量转换为复合指数，然后利用回归技术综合这些处理过的因素，得出尽可能准确的预测结果。穆迪认为LossCdc的效果要好于按债务类型和优先等级计算LGD历史平均值的传统方法，具体体现在：
·LossCalc误差明显低于历史平均法；
·LossCalc产生大差错的概率极低；
·LossCalc的估计与实际结果之间具有更显著的相关性。
需要指出，LossCalc是针对美国情况开发的，模型的参数都是根据美国的数据得到的。也许是推出不久，LossCalc还没有形成一定的影响力。而在此之前，同一公司还开发了测算PD的商用软件包RiskCalc。RiskCalc不仅受到一些美国商业银行的欢迎，而且被推广到西方其他发达国家，与这些国家的实际情况与数据相结合，形成具有国家针对性的专用模型，到目前为止已经有15个国家的不同版本。比较而言，LGD的估算可谓任重道远。
LGD建模建议
IRB法允许银行开发其对关键参数的内部估计，包括LGD。根据IRB法，PD需在借款人层次上建模，而LGD在债项层次上。
任何建模工作都将依赖于反映银行贷款经历的历史数据。前面我们已经比较全面地分析了决定LGD变化的一系列因素，LGD模型应体现这些因素的影响，它们包括在资本结构中的地位、抵押品的存在与否及其质量、行业和经济周期。
我们在这里将推荐三种可供选择的建模框架，它们的复杂程度和估计效果各不相同。
最简单的是LGD对虚拟变量的基本回归，虚拟变量包括优先级、抵押品质量档次（比如3档）、行业分类（比如8类），以及经济周期（繁荣抑或衰退）。这种模型相对来说比较容易创建，对数据质量具有一定灵活性，还可以方便地转化为“打分卡”形式，但是在对虚拟变量的分档或分类上较难把握，需要进行大量的实证研究。
复杂一点的是高级回归法，使用非线性的回归模型。这种建模方式能够更好地拟合数据，但需要更高层次的建模技能，并且处理不好就有可能出现过度拟合和对数据的依赖。
更复杂的就是神经网络和机器学习，它们相对于一般的回归更适合优先级、行业这种分类变量，能够非常好地拟合数据，但也有明显的缺点，就是复杂程度很高，模型运算量较大，而且非常容易出现过度拟合和数据依赖的情况。
当然，模型建立的基础是数据。对于我国而言，当务之急是建立违约资产的清收数据库，并对数据进行整理与分析。与西方国家各商业银行是私有银行不同，我们的商业银行主要是国有银行。因此为弥补我们在数据历史短上的缺陷，建议可由人民银行牵头建立联合清收数据库，实现资源的共享，以数据广度的优势来弥补深度的不足。这项工作不仅对于实施IRB意义重大，而且有利于打击目前相当严重的金融犯罪，遏制金融界腐败的蔓延。