LGD的定义和计算.doc

PD： 违约率是指借款人出现违约风险的可能性，是决定信用风险的核心变量。 Z—Score模型: Z= 1．2X1+1．4x2+3．3X3+0．6x4+1．0X5 其中，x 为营运资本与总资产的比率；x2为保留盈余与总资产的比率；X3为息税前收益与总资产的比率；x4为股权市值与债务面值的比率；x5为销售收入与总资产的比率。当z值1．81时，企业违约；当z值2．67时，企业不会违约；当z介于1．81和2．67之间时为灰色区域。 线性判别模型以财务指标为基础对企业信用进行分析，得到的企业信用评分值能反映企业在一定时期内的信用状况(如违约或不违约)，并且该模型具有较强的操作性、适用性及预测能力，是国内外预测企业违约的主流模型之一。许多金融机构用它预测信用风险. Logistic模型 Logistic模型的基本思路：将已违约和非违约样本进行分类(0—1分类)选取一组指标作为解释变量。取得这些先验数据的样本后，将PD设为违约率，取PD／(1一PD)的自然对数，即对PD作Logistic转换，建立回归方程进行分析，并根据银行、投资者的风险偏好程度设定违约边界，由此确定分析对象是否属于违约组. 从20世纪80年代起，Logistic模型开始成为判断企业是否违约的一种主流方法。与线性判别模型相比，它的主要优点是对破产的先验概率或样本数据分布不作任何假设。但Logistic模型也存在一些不足：(1)由于采用极大似然估计法来估计参数，该模型需要的样本数量较多；(2)对中间领域的判别敏感性较强，使模型预测结果不稳定；(3)在违约率接近1或0时，模型会出现低估现象，在违约率接近0．5时，模型会出现高估现象。 KMV模型. 真正基于BSM模型的期权定价理论来预测企业违约率的是美国KMV公司开发的Credit—Monitor模型，并提出了理论预期违约率和经验预期违约率两个概念. 基于股票市场的结构化模型具有前瞻性，能够对上市公司信用价值进行逐日盯市的连续评估，其是对单个公司而言，该模型是一种有用的早期预警系统. BASLEII对PD的数据要求: 5年以上的数据.  LGD提 纲： TOC \o 1-2 \h \z \u HYPERLINK \l _Toc205775918 一、 LGD的基本范畴界定 PAGEREF _Toc205775918 \h 2 HYPERLINK \l _Toc205775919 (一) 基本定义 PAGEREF _Toc205775919 \h 2 HYPERLINK \l _Toc205775920 (二) 主要特征： PAGEREF _Toc205775920 \h 2 HYPERLINK \l _Toc205775921 (三) 概念层次 PAGEREF _Toc205775921 \h 3 HYPERLINK \l _Toc205775922 二、 违约损失率的估算方法 PAGEREF _Toc205775922 \h 3 HYPERLINK \l _Toc205775923 (一) 历史数据平均法。 PAGEREF _Toc205775923 \h 3 HYPERLINK \l _Toc205775924 (二) 数据回归分析法 PAGEREF _Toc205775924 \h 4 HYPERLINK \l _Toc205775925 (三) 市场LGD法(Market LGD) PAGEREF _Toc205775925 \h 5 HYPERLINK \l _Toc205775926 (四) 现金流分析法(Workout LGD)， PAGEREF _Toc205775926 \h 5 HYPERLINK \l _Toc205775927 (五) 市场数据隐含分析法(Implied marketLGD) PAGEREF _Toc205775927 \h 6 HYPERLINK \l _Toc205775928 (六) 其它非主流方法 PAGEREF _Toc205775928 \h 6 HYPERLINK \l _Toc205775929 三、 LGD计算的整体现实约束 PAGEREF _Toc205775929 \h 7 HYPERLINK \l _Toc205775930 (一) 法律程序和环境 PAGEREF _Toc205775930 \h 7 HYPERLINK \l _Toc205775931 (二) LGD数据库 PAGEREF _Toc205775931 \h 7 HYPERLINK \l _Toc205775932 (三) 公司债券市场 PAGEREF _Toc205775932 \h 8 LGD的基本范