违约损失率

摘要： 对适用新金融工具相关会计准则的中小商业银行而言,搭建债项评级体系和准确计量违约损失率对于科学计提信用减值具有重要意义。文章从中小商业银行实践出发,将抵质押物回收、借款人及保证人等影响因素纳入债项评级框架,并针对实践中遇到的问题提出建议。

摘要： 随着信用风险管理理论的创新和计算机技术的运用,现代商业银行信用风险管理正朝着科学量化的方向发展.本文基于某商业银行个人循环类贷款微观数据,从宏观、微观的不同角度分析影响信用类贷款违约损失率的因素.

摘要： 2014年,银监会根据《商业银行资本管理办法(试行)》,核准了工行、农行、中行、建行、交行和招行六家银行实施资本管理高级方法。该方法下的信用风险内部评级法不同于权重法,将根据违约概率、违约风险暴露和违约损失率等风险要素计量信用风险加权资产。就质押式回购业务而言,内部评级法计量的风险加权资产较权重法增加。

摘要： IFRS9新会计准则规定金融工具减值采用预期信用损失模型,将对银行核算贷款组合信用损失的方式产生重大影响。文章重点分析了新旧准则下金融资产减值计量规定的差异及主要影响因素,指出新准则下商业银行信贷资产减值准备计量十分复杂,需要强大的信息系统支持。

摘要： IFRS9新会计准则规定金融工具减值采用预期信用损失模型,将对银行核算贷款组合信用损失的方式产生重大影响.文章重点分析了新旧准则下金融资产减值计量规定的差异及主要影响因素,指出新准则下商业银行信贷资产减值准备计量十分复杂,需要强大的信息系统支持.

摘要： 信用风险管理是银行业务中不可或缺的部分.通过修改标准Markowitz模型,研究是否发放贷款二进制变量的优化信用投资组合问题.该模型允许在考虑资产可能的相关性及从影响风险指标和投资组合收益的角度决定是否提供贷款的情况下,估计信用投资组合的累积风险和收益率.最后利用提出的模型,基于标准普尔评级机构的统计数据,实现最优投资组合的实证研究.

摘要： 违约损失率(LGD)影响因素是学术研究热点.现有文献在建模时仅关注数据库常规字段信息,对违约资产管理过程缺乏了解,继而缺乏相应经济、司法环境的针对性分析,导致现有文献结论存在极大差异甚至冲突.本文采用某国有大型银行四川分行不良资产数据,通过回归分析得到初步结论,并和资产处置过程、现有文献结论、从业者调查问卷结果相结合,得出最终结论,其中抵质押司法处置障碍、保证人独立性、上市公司背景等影响因素在已有文献中少有提及.最后,本文突破常规模型,并未将所有显著影响因素都纳入LGD模型,而是在动态博弈框架中分析不同主体偏好和信息获取能力,从而对其LGD的管理策略提出差异化政策建议.

摘要： 随着本轮商业银行不良资产大量产生到逐步消化,不良资产交易市场基本建立,市场参与者越来越丰富,不良债权交易量持续增加,科学有效的评估定价机制和能力,关乎商业银行的风险化解速度、质量和盈利能力,成为不良资产处置和交易的核心要点之一。

摘要： 农业经济发展与农户生活水平的提高,离不开农村金融机构的资金支持.然而近几年来,农村信用社的贷款信用风险不断积累并爆发.防范农户的贷款信用风险,首先需要明确识别农户信贷违约特征的诸多影响因素.基于2017年4月至2018年6月间1356份宿迁地区某农村信用社已到期的短期小额贷款历史信贷记录,研究了我国农户信贷的违约特征影响因素.研究发现:贷款额度越高、存在担保、申请人为女性、家庭负担越重、申请者健康状况越差、受教育水平越低、年收入越高、贷款期越长、实际贷款利率越高,贷款者的违约概率越高.此外,贷款额度越低、健康状况越差、年收入越高,贷款者的违约损失率越高.

摘要： 本文阐释了信用风险的概念,列举了银行进行信用风险定价的方法,并介绍了违约损失率的概念和分析方法.

摘要： 信用资产的担保特性是其违约损失率（LGD）最重要的决定因素。通过实证研究挖掘不同担保类型的不良贷款的LGD 的结构特征，对商业银行的信用风险管理、信贷投放导向，以及对资产管理公司的资产定价都有重要的意义。本文以LossMetrics 数据库中单笔单收的不良贷款数据为样本进行实证分析，对不同担保类型的LGD 结构特征给出了全面的统计描述，并且发现了抵押担保和组合担保下的LGD低于保证担保和信用担保下的LGD， LGD 与抵押品的市场价值负相关，LGD 与现代企业制度密切相关等很多有价值的结果。

摘要： 用于在线计算在使用随机访问MAC协议的网络(WN)的节点(N1，N2)之间建立的至少一条通信链路上的信道损失率和冲突损失率的一种方法。该方法包括以下步骤：i)将时间分割成探测窗口，并在每个探测窗口期间，将选定的S个探测分组从发送器节点(N1)发送给与发送器节点链接的接收器节点(N2)；ii)根据在探测窗口期间在该通信链路上损失的探测分组，测量分组损失率；iii)是用更小的滑动窗口扫描每个探测窗口，来识别其中只发生信道损失的滑动窗口，每个滑动窗口的尺寸Wk都小于S，然后，根据所识别的该滑动窗口，计算该通信链路上的信道损失率；iv)通过从测量的分组损失率中减去计算的信道损失率，来计算该通信链路上的冲突损失率。

摘要： 用于在线计算在使用随机访问MAC协议的网络(WN)的节点(N1，N2)之间建立的至少一条通信链路上的信道损失率和冲突损失率的一种方法。该方法包括以下步骤：i)将时间分割成探测窗口，并在每个探测窗口期间，将选定的S个探测分组从发送器节点(N1)发送给与发送器节点链接的接收器节点(N2)；ii)根据在探测窗口期间在该通信链路上损失的探测分组，测量分组损失率；iii)是用更小的滑动窗口扫描每个探测窗口，来识别其中只发生信道损失的滑动窗口，每个滑动窗口的尺寸Wk都小于S，然后，根据所识别的该滑动窗口，计算该通信链路上的信道损失率；iv)通过从测量的分组损失率中减去计算的信道损失率，来计算该通信链路上的冲突损失率。

摘要： 本申请公开了一种违约损失率的预测方法及装置，所述方法包括：获取目标用户的还款状态及欠款总额，所述还款状态包括所述目标用户的还款能力及还款意愿，所述目标用户为预设平台的债务人；根据宏观环境特征，生成对应的修正参数；根据所述修正参数修正所述还款状态，生成修正后的还款状态；使用经训练的预设模型根据所述修正后的还款状态及所述欠款总额，预测所述目标用户在预设时间段无法偿还对所述预设平台造成的违约损失率，在预测目标用户的违约损失率的过程中考虑到了宏观环境的改变，使得预测的违约损失率能够适应长周期的宏观变化，保证了预测的违约损失率的准确性，提高了金融机构的风险计量水平。

摘要： 一种基于信用等级与违约损失率匹配的信用调整方法，主要步骤包括信用等级划分、设定调整标准和信用等级调整；信用等级划分时，先将数据导入，再设定划分参数，然后输出划分结果。设定调整标准时，先设定调整参数，再输出调整标准；信用等级调整时，先进行数据分析，而后是信用等级调整，由低信用等级向高信用等级依次逆向确定其他信用等级的违约损失率，调整后的信用等级结果直接显示于Microsoft？Office？Excel界面。本发明的信用调整方法，不但像现有研究和实践那样给出了客户清偿能力的信用等级排序，而且给出了每一个信用等级的违约率和违约损失，比现有的银行信用评级系统更科学。

摘要： 一种基于信用等级与违约损失率匹配的信用评级系统与方法，由数据分析模块、系统维护模块、数据查询模块和报告制作模块构成，报告制作模块具有保存信用评级结果、打印及预览功能。满足“信用等级越高、违约损失率越低”的信用本质属性，避免了无穷多次调整方可得到“信用等级越高、违约损失率越低”的调整结果，使商业银行等债权人在清楚不同信用等级对应的违约率的情况下，可以避免对盈亏平衡点以下等级的客户进行贷款，减少贷款损失。根据不同信用等级的违约状况可以对贷款和债券等金融工具进行弥补违约风险溢酬的合理定价，可使商业银行、债券投资者等债权人和社会公众了解每一个信用等级的违约状况，进行投资决策。

摘要： 本发明提供一种基于SMAA‑DS的信用等级与违约损失率相匹配的评级系统及方法，涉及信用评估技术领域。本发明包括用户登录注册模块，用户数据管理模块，用户信用评级模块，通过采集金融机构积累的信用贷款业务的所有借款人历史数据，构建单个定性指标与违约状态间的二元Logistic回归模型，按照指标性质区分成离散型指标和连续型指标；使用Lasso‑Logistic模型对离散型指标和连续型指标进行多重共线性检验，构建两种指标类型下具有最优整体违约判别能力的信用评分指标体系，计算借款人在两种指标类型下的信用评分；建立信用等级划分优化模型，对两种指标类型进行不同比例组合，确定借款人的信用等级信息，得到用户的信用评级。

摘要： 本公开涉及一种预测违约损失率的方法和装置、存储介质及电子设备，以提升违约损失率的预测结果的准确性。所述预测违约损失率的方法包括：获取属于同一用户组中的第一类用户的特征信息以及第二类用户的特征信息；将获取到的特征信息输入至预先建立的违约率预测模型，得到所述用户组中第二类用户的违约率信息，其中，所述违约率预测模型是以历史用户组中各类用户的特征信息以及第二类用户的历史违约率信息作为模型训练样本训练得到的；根据所述用户组中所述第二类用户的违约率信息以及向所述用户组推荐的目标业务产品的特征信息，确定所述目标业务产品的违约损失率。

摘要： 本申请提供了一种违约损失率预测方法及装置，该方法包括：获取目标债项的债项数据；基于所述债项数据中的债项类型，确定所述目标债项对应的LGD预测模型；应用所述目标债项对应的LGD预测模型和债项数据，得到该目标债项的最终违约损失率。本申请能够提高违约损失率预测的准确性。

摘要： 本申请公开了一种违约损失率的预测方法及装置，所述方法包括：获取目标用户的还款状态及欠款总额，所述还款状态包括所述目标用户的还款能力及还款意愿，所述目标用户为预设平台的债务人；根据宏观环境特征，生成对应的修正参数；根据所述修正参数修正所述还款状态，生成修正后的还款状态；使用经训练的预设模型根据所述修正后的还款状态及所述欠款总额，预测所述目标用户在预设时间段无法偿还对所述预设平台造成的违约损失率，在预测目标用户的违约损失率的过程中考虑到了宏观环境的改变，使得预测的违约损失率能够适应长周期的宏观变化，保证了预测的违约损失率的准确性，提高了金融机构的风险计量水平。

摘要： 本发明涉及一种大数据分析技术，揭露了一种建立违约损失率预测模型的装置、方法及存储介质，该方法包括：收集历史的违约数据，计算实际违约损失率；对该违约数据进行预处理，并进行分组处理，以分组处理后的每一组违约数据作为自变量；计算每一组自变量的证据权重，计算每一组自变量的信息价值，将每一违约数据各组自变量的信息价值进行累加得到信息价值；获取预定的具有业务解析性且信息价值大于等于预设阈值的违约数据，作为优质违约数据；调用预定的模型算法对该优质违约数据及实际违约损失率进行拟合训练，以建立预测违约损失率的第一模型。本发明依据数理统计模型算法，能够建立违约损失率与违约数据之间的客观关联关系，提高预测的准确性。