精品
商业银行缺乏有效客户数据的情况下可操作性强，但准确与否取决于这些专家的经验和水平，具有较大的主观性。在实际中，有些中小银行缺乏历史数据，或者早期的历史数据不够反映当前的情况，这样的话应用统计计量的手段估计贷款违约概率的条件就欠成熟，在这种情况下有必要考虑内部违约经验方法 。
映射外部数据方法要求映射评级必须建立在内部评级标准与外部机构评级标准可相互比较，并且对同样的借款人内部评级和外部评级可相互比较的基础上。使用这种方法银行必须避免映射方法或基础数据上的偏差与不一致，以量化风险的数据为基础的外部评级其标准必须是针对借款人的风险而不是反映交易特征的债项评级。同时还需要注意的是银行必须分析内部和外部评级使用的违约定义是否一致。在满足这些要求的情况下该方法的准确性相对较高。
统计违约模型由于是以银行内部的数据为基础建立起来的，所以模型结果能反映出银行违约概率大小的真实情况，准确性更高，但统计模型要求银行有一定的数据积累，并且由于宏观经济环境的变化，银行的客户池是一个动态池，这个动态表现在两个方面：一方面每年都有新的客户进入和原有的客户退出客户池，另一方面原有客户可能在违约和非违约之间转换。这要求银行必须周期性校验统计违约模型，确保模型结果的正确性。
巴塞尔新资本协议虽未明确规定使用哪种方法，但可感受到它所积极倡导的IRB法提倡使用准确性更高的统计违约模型。常用的统计违约模型一般是 logit模型或probit模型。其中，logit模型的具体形式为：
Pi?11?exp[?(????jXij)]j?1k
其中，Pi为贷款企业违约的概率，Xij为第j项指标，该模型确保Pi的值落在区
间（0，1）之间。
精品
5.2 LGD
历史数据平均值法是目前银行业应用最广泛最传统的方法，新巴塞尔协议的许多规定也采用这种方法。然而，它却存在着严重的局限性。 历史数据平均值法是根据回收率历史数据进行加权平均算出某一类或组合资产的LGD历史平均值，其缺陷是由于LGD独特的概率分布特征决定的。穆迪公司研究表明，贷款和债券的回收率的概率分布一般呈现出双峰分布特征，即回收率要么往往较高（在80%左右），要么往往较低（在 20%左右），在均值两侧呈现双峰状态，均值水平并非发生概率最大的水平（见图1）。因此，使用平均数作为预测值可能产生误导。
图1 穆迪公司1970-2002年第二季度所有债券和贷款的回收率分布[5]
鉴于历史数据平均值法的局限性，人们开始研究更多的方法来更加准确地估计LGD。这些方法主要包括以下三类：
（1）历史数据回归分析法
这种方法是根据违约资产LGD历史数据应用回归分析建立起预测模型，最为典型的是穆迪KMV公司的LossCalc模型。该模型利用穆迪公司拥有的美国过去20多年
精品
1800多个违约观察数据，覆盖了各个行业中900多个违约上市和非上市企业，对美国债券、贷款和优先股LGD建立了立即违约LGD和1年后违约LGD两种版本的预测模型。该模型的对LGD的预测效果优于传统的历史数据平均值法。
（2）市场数据隐含分析法
从市场上尚未出现违约的正常债券或贷款的信用升水幅度中隐含的风险信息(包括PD和LGD)分析得出。该方法的理论前提是市场对债券定价是有效的，能够有效及时地反映债券发行企业信用风险的变化。这种变化反映在债券的信用升水中，即具有信用风险的公司债券的收益率与没有信用风险的同期限国债收益率的差额。由于PD与LGD的乘积反映了债券的预期损失，是债券信用风险的重要内容，因此，反映信用风险的信用升水也同样反映了PD与LGD。在PD可以通过其特定的方法估测出来的情况下，隐含在信用升水中的LGD也就可以求解出来。
（3）清收数据贴现法
通过预测违约了的不良资产在清收过程的现金流，并计算出其贴现值而得出LGD。应用这种方法的关键在于两个方面，一是对清收现金流的数额及其时间分布的合理估计，一是确定采用与风险水平相应的贴现率。显然，这两个方而都并非容易做到，尤其是对预期现金流贴现率的选用，对于己经违约的资产而言，采用多高的贴现率才能充分而又适当地反映其风险水平是非常困难的，这其中，主观经验判断的应用是不可避免的。由于这种方法不需要市场交易数据，比较适宜于估算银行贷款的LGD。[5]
5.3 EAD
表内项目或表外项目的违约风险暴露，被定义为一旦债务人违约，预计的表内项和表外项总暴露。对表内项，按照IRB初级法规定的表内净扣效应，银行必须以当前已提取的数量估计违约风险暴露。认定净扣的最低要求和IRB初级法下的要求相同。IRB高级法下内部估计违约风险暴露的其他最低要求，强调对表外项违约风险暴露的估
精品
计（衍生产品除外）。采用IRB高级法的银行，必须建立估计表外项违约风险暴露的程序，必须规定每笔表外项采用的违约风险暴露估计值。银行对违约风险暴露的估计，应该反映在促发违约事件之时或之后借款人另外提款的可能性。根据表外项类别差异对违约风险暴露的估计有所不同，对表外项的描述必须清晰而且明确。
采用IRB高级法的银行，必须对每个表内项和表外项估计违约风险暴露。对相同的表内项、表外项和借款人，违约风险暴露的估计一定是相当长时间内长期的、以违约加权的平均数，估计值误差的范围也有保守调整的余地。如果可以合理预测出违约频率和违约风险暴露大小之间的正相关关系，对违约风险暴露的估计必须体现出较大的保守调整的余地。而且，对于违约风险暴露在经济周期不稳定的贷款，如果经济低迷时期的违约风险暴露比长期的平均数更保守，银行必须使用适合经济低迷时期的违约风险暴露。对那些已经能开发违约风险暴露模型的银行，如果有的话，可以通过考虑模型驱动因素的周期特征来估计违约风险暴露。
5.4 M
M的数值一般是通过对债项的未来现金流加权计算得到，但在高级法中规定M值最大不能超过7年。
6. 计算主要参数所需的数据
实施IRB最基础的工作就是积累数据。自上世纪90年代中期开始，我国商业银行便着手开展企业信用评级工作，特别是近两年来，建立了评级的基本数据库和反映借款人风险特征的微观指标体系。但是，为了实施IRB法，我国商业银行现有的数据积累远远不够，还需要大量而细致的数据积累工作。
6.1 PD
为计算违约概率，对于出现违约的企业，需要收集如下基本数据：
相关推荐：
loading