1. Análisis de regresión de datos históricos
Este método se basa en los datos históricos de LGD de activos en mora y el modelo de factores teóricos, y aplica estadísticas. análisis de regresión y simulación El método establece un modelo de predicción y luego ingresa los datos relevantes del proyecto específico en el modelo de predicción para obtener el valor de predicción LGD del proyecto. El modelo más típico es el modelo KMV LossCalc de Moody. El modelo utiliza más de 1.800 datos de observación de incumplimiento en los Estados Unidos propiedad de Moody's en los últimos 20 años, que cubren más de 900 empresas cotizadas y no cotizadas en diversas industrias, y estableció dos versiones del modelo de pronóstico para bonos, préstamos y acciones preferentes estadounidenses. LGD, es decir, LGD default inmediatamente y LGD default un año después. Las variables explicativas de LGD en el modelo teórico de este modelo de predicción incluyen 9 factores en 4 categorías (proyecto, empresa, industria, macroeconómico). Moody's dijo que el modelo es mejor que los métodos tradicionales de promedio de datos históricos para predecir la LGD.
2. Análisis implícito de datos de mercado.
Analizar la información de riesgo (incluyendo PD y LGD) implícita en el rango de prima de crédito de bonos o préstamos normales que no han incumplido en el mercado. La premisa teórica de este método es que el mercado es eficiente a la hora de fijar el precio de los bonos y puede reflejar de manera efectiva y oportuna los cambios en el riesgo crediticio de las empresas emisoras de bonos. Este cambio se refleja en la prima crediticia de los bonos, que es la diferencia entre el rendimiento de los bonos corporativos con riesgo crediticio y el rendimiento de los bonos gubernamentales del mismo vencimiento sin riesgo crediticio. Debido a que el producto de PD y LGD refleja la pérdida esperada de un bono y es un componente importante del riesgo crediticio de los bonos, la prima de crédito que refleja el riesgo crediticio también refleja PD y LGD. En los casos en los que la probabilidad de impago pueda estimarse mediante un método específico, también se podrá resolver la LGD oculta en la prima de crédito. Obviamente, este enfoque requiere modelos complejos de valoración de activos y datos suficientes para respaldar un análisis tan complejo. En la actualidad, este método tiene ciertas aplicaciones en la fijación de precios de bonos y derivados de crédito, pero tiene menos aplicación en los riesgos de préstamos bancarios.
3. Método de descuento de datos de cobranza
A diferencia de los dos métodos anteriores que utilizan datos históricos de incumplimiento o datos de mercado de transacciones de bonos, el método de descuento de datos de cobranza se basa en predecir la recuperación. tasa de activos morosos en mora en el proceso y calcular su valor descontado para obtener la LGD. La clave para la aplicación de este método radica en dos aspectos: primero, una estimación razonable del monto del flujo de caja y su distribución temporal, segundo, determinar la tasa de descuento correspondiente al nivel de riesgo; Obviamente, ninguno de estos aspectos es fácil de lograr, especialmente la elección de la tasa de descuento del flujo de efectivo esperado. Para los activos que han incumplido, es difícil utilizar una tasa de descuento más alta para reflejar completa y adecuadamente su nivel de riesgo, y la aplicación del juicio subjetivo de la experiencia es inevitable. Dado que este método no requiere datos de transacciones de mercado, es más adecuado para estimar la LGD de préstamos bancarios.