用神经网络拟合EL的方法。再利用EL=PD× LGD来求出LGD。但其本质仍然是回归的方法，不过神经网络更适合处理一些分类变量，能更好地拟合数据。 ? 基于ASRF模型思想的LGD测算方法
出依据渐进单风险因子模型(Asymptotic Single Risk Factor，ASRF)思想的测算方法．并对我国银行业的LGD测算提出相应的建议。然而，由于LGD的测算是相当复杂的，对数据要求比较高。
三、LGD计算的整体现实约束
(一) 法律程序和环境
企业破产清算的法律程序和环境。这些很大程度上影响着贷款LGD的高低，而且使得贷款的回收具有很大的不确定性，使LGD的计算预测更加困难。我国为处理四大银行而成立的四大资产管理公司在实践中遭遇的困难说明，影响贷款LGD的因素不仅包括借款企业的信用水平和银行内部的内控水平，而且还包括清收过程中的司法和地区利益等因素。
由于我国经济和金融体系的独特性质以及我国在企业破产方面的独特司法环境，受制度和法律影响显著的贷款LGD在我国必然表现出与西方发达市场经济国家和其它发展中国家不同的特性和规律。因此，独立开展我国银行业LGD数据集合研究对发现我国银行信用风险管理和操作风险管理的自身规律具有重要意义。
(二) LGD数据库
对LGD的数据积累，尽早开始建立LGD数据库。无论是从银行内部管理需要的角度还是外部监管的角度，银行都必须尽早开始建立LGD数据库。尽管我国目前宣布在2007年之前不实施新巴塞尔资本协定，但为2007年以后实施该协定的准备现在就要开始做。因为，按照前述新协定对银行使用内部LGD数据的要求，对于批发贷款至少要有一个数据来源的最低数据观察期为7年。
(三) 公司债券市场
我国缺少发达完善的公司债券市场。在市场经济发达的国家，有效的公司债券市场是银行分析贷款LGD最为重要的市场基准和参照体系。前述LGD量化方法的对比分析已经充分说明了这一点。我国目前公司债券市场还很不发达，利率也没有市场化，通过债券价格变化和信用升水来分析LGD的方法缺乏市场基础。因此，开展LGD研究成为发展公司债券市场的又一条重要理由。
相关推荐：
loading