穆迪违约损失率模型Moody LGD
LGD简述
LGD简述中图分类号：f832 文献标识：a 文章编号：1009-4202（2010）11-061-01摘要违约概率pd和违约损失率lgd是构成irb法的核心变量。
目前，许多银行已经完成pd模型的设计开发，但lgd研究尚不够充分，这不仅会影响到高级irb法的贯彻实施，也将显著降低贷款定价、限额管理以及经济资本分配的准确度。
本文给出了lgd 的含义，指出影响lgd的几个因素，最后阐述了巴塞尔新资本协议对lgd 的测算要求。
关键词 lgd 测算一、lgd的含义lgd即违约损失率。
要准确理解这个定义必须准确界定违约、损失以及违约风险暴露。
违约是指借款人不能按事先达成的协议履行其义务，使银行面临经济损失的状态。
损失是指经济损失，在计量时应考虑所有的相关因素，包括重要的折扣效应，以及贷款清收过程中较大的直接成本和间接成本。
违约风险暴露则是指因借款人可能违约而带来损失的预期暴露。
综上所述，我们给出一个lgd 定义：债务人违约的情况下对债权人特定的一笔业务造成的经济损失和该笔业务的风险暴露的比值。
二、影响lgd的因素由于lgd的大小不仅受到借款企业的因素影响，而且还同贷款项目的具体设计密切相关，所以，影响lgd的因素比影响pd的因素更多、更加复杂。
具体而言，影响lgd的因素包括以下四个主要方面：1．项目因素这类因素直接与贷款项目的具体设计相关，反映了lgd的项目相关特性，也反映了银行在具体交易中通过交易方式的设计来管理和降低信用风险的努力。
具体包括清偿优先性、抵押品等。
2．公司因素该类因素是指与特定的借款企业相关的因素，但不包括其行业特征。
影响lgd的公司因素主要是借款企业的资本结构。
在公司因素中，企业规模的大小对lgd 的影响是受到关注的问题之一，有人推测规模越大的企业可能lgd越小。
然而，许多研究表明，企业规模对lgd的影响并不显著。
3．行业因素许多研究表明，企业所处的行业对lgd有明显的影响，也就是说，统计表明，在其它因素相同的情况下，不同的行业往往有不同的lgd。
LGD建模实例分析及若干技术问题经验分享
LGD模型未来的发展方向和趋势
深度学习与LGD的结 合
随着深度学习技术的不断发展，将深 度学习与LGD模型相结合是一个值得 探索的方向。通过引入深度学习的方 法，可以进一步提高LGD模型的非线 性拟合能力和泛化性能。
可解释性研究
可解释性是机器学习领域的一个重要 研究方向。对于LGD模型，如何解释 其预测结果是一个值得关注的问题。 未来可以通过研究LGD模型的可解释 性，提高其在某些领域的应用价值。
参数调优
根据模型的表现，调整模型参数，以提高预测准确率。
模型评估和优化
评估指标
采用准确率、召回率、F1值等指标对模型进 行评估。
过拟合与欠拟合问题
针对模型可能出现的过拟合与欠拟合问题，采取相 应的优化措施，如增加数据量、采用正则化方法等 。
模型优化
根据评估结果，对模型进行优化，如采用集 成学习、深度学习等方法提高预测性能。
模型参数调优
LGD模型的参数选择对预测结果有很大影响。在实际应用中，我们通过交叉验证和网格搜索等方法对模 型参数进行优化，以找到最佳的参数组合，从而提高模型的性能。
如何提高LGD模型的性能
集成学习
ቤተ መጻሕፍቲ ባይዱ
特征工程
正则化
集成学习是一种通过结合多个模型来提 高预测性能的方法。在LGD模型中，我 们可以使用集成学习技术，如bagging 和boosting，将多个LGD模型组合起 来，以获得更准确的预测结果。
多任务学习与迁移学 习
多任务学习和迁移学习是机器学习的 两个重要分支。将多任务学习和迁移 学习的思想应用于LGD模型，可以进 一步提高模型的泛化能力和实用性。 例如，在金融领域中，可以通过迁移 学习将一个领域的LGD模型应用到另 一个领域，从而提高风险评估的准确 性。
标准普尔和穆迪违约损失率衡量方法研究资信论坛-上海新世纪资信
◆资信论坛标准普尔和穆迪违约损失率衡量方法研究郑宇 黄德民/文违约损失率（Loss Given Default）与债权人的自身利益息息相关，主要指债务人发生违约后给债权人造成损失的程度。
违约损失率一般与宏观经济、偿债法律顺序、企业自身素质等因素存在相关关系。
在违约损失率较大时，即使违约率较小，债权人仍需要客观评估当债务违约后面对巨大损失时自身的风险承受能力，因此违约损失率的衡量是信用评级不可或缺的考虑因素。
一、标准普尔公司违约损失率衡量方法标准普尔公司（以下简称“标准普尔”）对违约损失率（Loss Given Default）的研究涉及非常广泛的范围，包括大中型企业、金融机构、保险公司、项目融资（Project Finance）、资产融资（Asset Finance）、房地产、贸易融资（Trade Finance）、地方政府及主权等方面。
标准普尔的违约损失率衡量方法涉及基于挽回风险（Recovery Risk）的分析工具，可以对配对分析（Peer Analysis）、情景分析（Scenario Analysis）和主动资产组合管理（Active Portfolio Management）提供支持。
图1 从劣质贷款中分辨优质贷款11两个信用风险维度（违约风险和挽回风险）的分离可以在不同方面分析和管理风险。
银行在授信方面能够通过有效的结构化措施使预期损失达到最小。
1.打分卡模型（SCORECARDS）在较低违约风险的环境中，标准普尔的打分体系通过已测试的以内部评级为基础的方法体系进行违约损失率的估计。
标准普尔的打分体系包括以下特征：①包括广泛的子行业和资产分类（A s s e t Class）；②可以在一个连续的范围（Scale）内上进行违约损失率的点估计，可以映射于任何离散的挽回比例；③当挽回率数据不完备时，通过专家分析在一致的方法和统计框架下增加要素（Inputs）；④可以使用EXCEL工作表进行整合和表示。
国际三大评级机构信用评级定义及方法研究
国际三大评级机构信用评级定义及方法研究信用评级是指对借款人或发行人的信用质量进行评估和评级的过程。
国际上最为知名和权威的三大评级机构分别是标准普尔（S&P）、穆迪（Moody's）和惠誉（Fitch Ratings）。
这三大评级机构都采用类似的方法来确定一个借款人或发行人的信用评级。
评级结果通常以字母形式表示，如S&P的AAA、AA、A等级，穆迪的Aaa、Aa、A等级，惠誉的AAA、AA、A等级。
这些评级通常分为两大类别，一类是投资级评级，表示借款人或发行人信用良好，另一类是垃圾级评级，表示信用较差。
评级方法一般包括以下几个方面：1.定性分析：评级机构会对借款人或发行人的行业、市场地位、盈利能力等进行分析，以确定其潜在的风险和收益。
2.财务分析：评级机构会对借款人或发行人的财务状况进行全面、深入的分析，包括债务比率、偿债能力、现金流量等指标。
3.定量分析：评级机构会使用统计模型和评级算法来预测借款人或发行人未来的违约概率和违约损失，并将其转化为相应的信用评级。
4.相对评级：评级机构通常会将借款人或发行人与同行业、同地区的其他借款人或发行人进行比较，从而确定其相对信用水平。
5.审查程序：评级机构会对所有的评级结果进行审查和验证，确保其准确性和可靠性。
同时，评级机构也会及时更新评级结果，以反映借款人或发行人的最新信用状况。
评级结果对于借款人或发行人来说具有重要意义。
首先，投资者通常会根据评级结果决定是否购买债券或其他借款人发行的债务工具。
其次，评级结果也会影响到借款人或发行人的借款成本，评级越高，借款成本越低。
此外，评级结果还可以作为政府、企业和个人进行信用评估和风险管理的重要参考依据。
需要注意的是，评级机构也存在一定的局限性和偏差。
首先，评级机构可能存在利益冲突问题，因为它们受到借款人或发行人的雇佣和支付。
其次，评级机构的评级结果是基于已有的信息和历史数据，可能无法完全准确地预测未来的信用风险。
内部评级核心计量指标
内部评级核心计量指标
内部评级核心计量指标是用于评估企业或个人信用风险的重要工具。
以下是一些常见的内部评级核心计量指标：
1. 违约概率（PD）：指在一定时间内借款人违约的可能性。
这是衡量信用风险的基本指标之一。
2. 违约损失率（LGD）：指一旦借款人违约，贷款可能损失的比例。
LGD 考虑了贷款的担保品价值、追偿成本等因素。
3. 风险暴露（EAD）：指贷款或债券的未偿还本金余额，用于衡量潜在损失的规模。
4. 信用评分：通过分析借款人的信用历史、财务状况等因素，对其信用质量进行评分。
信用评分通常用于贷款审批和风险管理。
5. 预期损失（EL）：综合考虑违约概率和违约损失率，用于预测贷款或债券在未来一段时间内的平均损失。
这些指标可以帮助金融机构评估借款人的信用风险，优化贷款组合，设定合理的风险溢价，并监控风险暴露水平。
内部评级核心计量指标的准确性和可靠性对于有效的风险管理至关重要。
穆迪公布的各等级债券历史违约率情况
穆迪（Moody's）是全球知名的信用评级机构之一，其公布的各等级债券历史违约率情况一直备受关注。
了解和分析这些历史数据对投资者和市场参与者来说非常重要，因为它们能够提供对不同债券等级的违约风险有一个更清晰的认识。
在本文中，我将对穆迪公布的各等级债券历史违约率情况进行全面评估，并就此撰写一篇有价值的文章。
让我们从最基础的概念开始，了解一下什么是债券违约率。
债券违约率是指某一时期内债券发行人未能按时偿还债券本金或利息的比率。
穆迪将债券按照其信用风险分为不同等级，在不同等级债券的违约率会有所差异。
而了解这些违约率的历史情况能够帮助投资者更好地评估债券的违约风险，从而做出更为明智的投资决策。
让我们具体了解一下穆迪公布的各等级债券历史违约率情况。
根据穆迪公布的数据，不同等级债券的违约率存在明显差异。
一般来说，投资级债券（即评级为Baa3及以上）的违约率较低，而垃圾级债券（即评级为Ba1及以下）的违约率较高。
然而，并非所有投资级债券都是安全的，而并非所有垃圾级债券都是高风险的。
投资者在进行债券投资时，需要根据具体情况和市场环境综合考虑各种因素。
接下来，让我们来分析一下这些历史数据对投资者的意义。
对于长期投资者而言，了解不同等级债券的违约率可以帮助他们更好地选择适合自己投资组合的债券品种。
对于短期投机者或者交易员而言，了解违约率的历史情况能够帮助他们更好地把握市场波动，获得更好的交易机会。
对于整个市场而言，了解这些数据能够帮助监管机构更好地监管市场，防范风险。
总结回顾，通过评估穆迪公布的各等级债券历史违约率情况，我们了解到不同等级债券的违约率存在明显差异，投资者应该根据具体情况和市场环境综合考虑各种因素进行投资决策。
在我看来，违约率数据只是投资决策的一个参考因素，投资者还需要综合考虑经济环境、行业前景、发行人信用状况等多方面因素，以做出明智的投资决策。
了解穆迪公布的各等级债券历史违约率情况对投资者和市场参与者来说至关重要。
美国银行主要采用的经济资本计量方法
美国银行主要采用的经济资本计量方法上世纪80年代后期，国际银行业认识到资本对风险防范的重要意义，通过出台《巴塞尔协议》确立了统一资本监管原则，强调资本的“风险缓冲器”本质，从理论上使银行风险与资本建立了直接而明确的联系。
20世纪90年代以来，基于信用风险和其他风险的内部模型提高了银行计算风险损失的准确度，并通过风险损失映射资本承担，实现了资本管理从监管资本到经济资本的飞跃。
经济资本反映银行自身风险特征，与作为可用资本的账面资本和作为资本底线的监管资本在性质上有很大区别（目前，国际性大银行资本充足水平大多维持在平均12%左右，高于8%的监管要求）。
经济资本不仅实现了建立在高度量化基础上的风险损失与资本承担的相互统一，而且不断推动着风险管理和资本管理的整体统一，确立了资本约束在银行风险管理中的核心地位。
美国信孚银行（现已并入德意志银行）十多年前就开始计量风险并根据交易方所占用的资本向其收取费用，目的是通过计算风险调整后收益以提高整体风险回报水平。
这个理念逐渐被很多大型国际银行所采用，如JP摩根、蒙特利尔银行、巴克莱银行、澳新银行和花旗集团等,纷纷建立了以经济资本计量和配置为平台的风险管理体系。
其中美国银行的实践具有代表性。
美国银行的经济资本共包括四个组成部分：信用风险、市场风险、国家风险和业务风险经济资本。
一、信用风险经济资本计量美国银行把信用风险分为违约风险和迁移风险两种。
其中违约风险是由于贷款人或者交易对手违约造成的损失；迁移风险是由于贷款人信用质量恶化造成的损失。
信用风险资本计算流程如下：1、测算违约概率美国银行建立了内部评级模型来计算每个债务人的违约概率。
利用违约概率模型，可以测算出每个客户的违约概率。
该模型覆盖了对公和零售风险暴露。
2、违约风险暴露EAD＝当前未清偿余额＋LEQ未使用的授信余额其中LEQ表示客户违约后，对未使用授信余额提取的预期比例。
此参数可以通过统计模型估计出来。
3、损失的严重程度LGD美国银行建立了LGD模型来估计每笔债项的违约损失率，即贷款如果发性违约，风险暴露损失的百分比。
信用评级方法框架
信用评级方法概览目录一、总论 (2)（一）什么是信用评级 (2)（二）信用评级内涵及外延 (2)1 预期损失率vs 违约率 (2)2评级对应的预期损失率/违约率不是恒定不变的 (2)3 短期信用评级与中长期信用评级 (3)4主体信用评级与债项信用评级 (3)二、信用评级方法概览 (3)（一）传统信用分析方法 (4)1 要素分析法 (4)2 综合分析方法的比较 (4)3 比率分析法 (6)（二）新兴信用评级方法 (7)CM模型（信用计量模型） (7)KMV模型 (7)三、评级公司采用评级方法介绍 (8)（一）穆迪 (8)（二）标准普尔 (11)（三）大公国际 (12)（四）中诚信 (14)四、总结 (15)一、总论（一）什么是信用评级狭义的信用评级指独立的第三方信用评级中介机构对债权人如期足额偿还债务本息的能力和意愿进行评价，并用简单的评级符号表示其违约风险和损失的严重程度。
按评级对象的不同，信用评级主要分为两种类型：主体信用评级与债项信用评级。
因此，信用评级涉及到两个方面的评估：违约概率（Probability of Default,PD）：评级对象违约的可能性。
因此，违约概率更加倾向于对主体信用的评价。
违约损失率（LGD）：违约损失严重程度。
其大小不仅受到评级对象信用水平的影响，还受到具体债项的特定信用保障措施设计，如合同的具体条款（抵押、担保等等）的影响，同时，还与债权人（如商业银行）的管理水平有关。
违约损失率是对主体信用评价与债项信用评价的综合评估。
（二）信用评级内涵及外延1 预期损失率vs 违约率前面提到，信用评级使用简单的评级符号表示损失的概率和损失严重程度。
不同的评级公司和不同类型债项，其评级系统对PD和LGD的关注侧重程度有所不同。
Moody’s 和S&P对评级的定义有所不同，关键在于度量的目标并不完全相同，前者更强调预期损失率，而后者更强调违约率。
但以上区别并不是完全绝对的，根据产品和投资者偏好的不同，评级公司的评级目标也会有所侧重。
穆迪内部评级系统介绍
穆迪内部评级系统介绍由世界上最大的资信评级公司之一穆迪公司所研发设计的信用风险评估系统，是在欧美多家跨国银行被广泛应用的电子化信用风险管理系统。
该系统完全依据欧美银行的需求设计，因此在违约概率的测量、公司情况的评估、抵押物抵押价值的确定及信贷额度等级划分等方面并不一定适合于我国的实际情况。
但这一系统吸收了欧美银行多年来的信用风险控制经验，同时贯彻了新巴塞尔协议的相关要求，其内在的风险控制理念对我国商业银行信用风险控制体系的设计与完善具有相当强的借鉴意义。
故本文即对该系统作以下介绍。
穆迪系统的核心为如下公式：EL％=PD×LGD公式一这个公式涵盖了信用风险控制的全部内容。
EL％指预计损失率，PD指违约概率，LGD指违约损失率。
一、违约损失率(LGD)违约损失率（LGD）用于衡量银行在每一单位的名义风险敞口下，当借款人违约时所实际暴露的风险敞口。
它是一种与借款工具因素（即债项）相关的违约比率，其大小完全只与银行信贷额度所安排的借款工具相关，而与借款人的信用等级没有任何关系。
即对于任何一个借款人而言，如果使用的借款工具是完全相同的，那么计算出的违约损失率也必然相同；对于同一借款人而言，当其使用不同的借款工具时，违约损失率也可能会不同。
其计算公式是：违约损失率=违约敞口/名义风险敞口公式二其中，名义风险敞口指银行某一融资项目总的信贷额度风险敞口；违约敞口则是指扣除了抵押物的价值因素后的风险敞口，即当借款人出现违约时，银行实际风险暴露的数量。
违约损失率的计算步骤如下：（一）确定名义风险敞口的大小。
穆迪系统将名义风险敞口划分为表内金额和表外金额两种作区别对待。
前者即被视为实际借出的金额；后者则只是可能借出的金额，是一种或有风险。
对于表内金额，穆迪系统将其全额计算为名义风险敞口；对于不同种类的表外金额，则按照不同的比例（100％、75％、50％、20％）确定其名义风险敞口。
比如：银行保函和备用信用证等，将按照100％全额计算，因为一旦被要求，银行就必须无条件地进行全额偿付；而开立信用证等，则按照20％计算，因为银行拥有货权凭证，从而大大降低了损失可能性。
中金公司—穆迪和标准普尔的信用评级方法介绍
♦ 短期信用评级与长期信用评级有什么关系和不同？
9 Moody’s 和 S&P 的短期信用评级定义和内涵一致，都是反映债务人对短期债务的按时偿还能力，也即其违约率。
9 虽然评级公司对长短期评级使用不同的评级符号，但因为短期信用风险是建立在对长期信用风险评估基础上的， 因此短期评级和长期评级存在着对应关系。
2008 年 4 月 3 日
中国固定收益证券：信用策略
中金公司固定收益研究组 联系人：陶 铄 taoshuo@
姬江帆 jijf@ 分析员：徐小庆 xuxq@
(8610) 6505 1166
要点:
信用评级——定义、目标及其在 信用产品投资中的应用
2 本报告中的信息均来源于已公开的资料，我公司对这些信息的准确性及完整性不作任何保证。报告中的信息或所表达的意见并不构成所述证券买卖的出价或征价。我公司及其所属关联机构可能会持有报 告中提到的公司所发行的证券头寸并进行交易，还可能为这些公司提供或争取提供投资银行业务服务。本报告的版权仅为我公司所有，未经书面许可任何机构和个人不得以任何形式翻版、复制、刊登、 发表或引用。
本报告中的信息均来源于已公开的资料，我公司对这些信息的准确性及完整性不作任何保证。报告中的信息或所表达的意见并不构成所述证券买卖的出价或征价。我公司及其所属关联机构可能会持有报 告中提到的公司所发行的证券头寸并进行交易，还可能为这些公司提供或争取提供投资银行业务服务。本报告的版权仅为我公司所有，未经书面许可任何机构和个人不得以任何形式翻版、复制、刊登、 发表或引用。
中金公司信用评分体系——符号、定义与应用 ..................................................................................20 国内评级公司的评级符号、定义及实践 ......................................................................................20 中金公司信用评分体系的定位及定义 ..........................................................................................22 中金行业信用风险展望的定位及定义 ..........................................................................................24
穆迪违约损失率模型Moody LGD
Moody’s Analytics Professional Services巴塞尔新资本协议下的违约损失率模型开发与债项评级的解决方案2009年2月介绍大纲巴塞尔新资本协议：关于违约损失率的相关要求违约损失率的影响因素和模型违约损失率模型开发与债项评级的解决方案–中国的挑战–主要问题–解决方案的框架结构–业务流程改进解决方案–模型开发的初步工作：专家模型和模型因素的分析–问题的讨论2Moody’s Analytics Professional Services巴塞尔新资本协议：违约损失率的相关要求标准法和内部评级法：抵押品管理标准法和内评初级法规定有资格的抵押品应该具备以下特点：法律地位明确能够客观估值（可以采取盯市价格）良好的流动性价值波动性较低和交易对象的信用相关性较低有资格的抵押品种类：金融抵押品（标准法和内评初级法）应收账款（内评初级法）商用房地产/居住用房地产（内评初级法）其它抵押品（内评初级法）4标准法：认可抵押品类型标准法认可的抵押品：–现金类，包括存款证明或者银行发行的类似现金的工具。
–黄金–债券类，包括公认的外部信用评级机构评定的债券（国家公共部门发行BB-，其它机构BBB+以上）和未经外部信用评级机构的债券（银行发行、交易所交易、优先债务等）。
–股票类，包括纳入主要市场指数中的股票和可转换债券等。
–证券和基金类，包括集体投资可转让证券和共同基金。
标准法中综合法认可的抵押品（在简化法基础上）：–不属于主要市场成份股，但在认可交易所交易的股份–集体投资可转让证券和共同基金（每日公开报价）–满足一定标准的银行发行的未经外部评级机构评估的债券5标准法：信用风险缓释的调整一、简化法（风险权重）根据替代原则将抵押或者担保部分与风险暴露部分分开计算权重。
二、综合法（风险暴露和风险权重）考虑抵押品无法按面值变现的风险和银行无法对抵押品行使物权的风险–未来贷款期限内抵押价值的波动性–抵押部分和风险暴露部分的价值变化–抵押品标价货币和贷款货币不一致产生的汇率风险风险缓释调整后风险暴露=Max {0, [E x (1 + H e) –C x (1 –H c–H fx)]}H e: 风险暴露本身价值波动的调整折扣H c: 抵押品价值波动的调整折扣H fx: 货币错配的调整折扣（1）标准监管折扣（2）银行自行估计的折扣67内部评级法初级法：违约损失率的标准内评初级法不直接调整风险权重，而是调整PD ，LGD ，和EAD 。
信用风险估测违约概率
企业债券的流通性较差 债券 交易员的主观违约率假设可能比表16-1中
给出的违约率高得多
债券违约并不是相互独立的.
除了我们刚刚讨论的系统风险，每一个债券还 会伴有非系统风险。债券收益具有非常大的偏 态性，而且上涨的幅度有限。这类风险难以分 散
3.191 5.596 8.146 10.453
10.432 16.344 21.510 26.173
7 10
0.244 0.494 0.443 0.619 1.239 2.136 3.031 4.904 14.440 20.101 34.721 44.573
6
解读
表中数据显示了公司的信用随时间推移 而出现的不同变化
平均回收率 = 59.33 − 3.06 ×平均违约 概率
回归的R2 大约等于 0.5
13
信用违约互换(Credit Default Swaps)
合约给信用违约互换的买入方提供了对某家公司的信 用保险，这里所涉及的某家公司被称为参考实体 (the reference entity)
假设某两家公司在2021年3月1日进入了 一个5年期的 信用违约互换，信用违约互换的面值为1亿美元，信用 违约互换的买入方付费为每年90个基点，买入方因此 得到了对某参考实体 X 的信用保护
LIBOR+150个基点.无论债券是否违约，都必须支付行使 条约中注明的款项 另外，有一个初始现金的交换来反响债券价格与面值之间 的差额 不同的可能均使得资产互换的溢差(150个基点)的贴现值 等于无风险债券的价格与类似企业债券的差价，这里的无 风险利率被假定为LIBOR/swap互换曲线
23
抵押贷款的违约损失率(LGD)研究
抵押贷款的违约损失率（LGD）研究摘要：新巴塞尔资本协定将违约概率（PD）和违约损失率（LG D）纳入监管资本衡量的大体框架，国际活跃银行内部风险管理指标已从不良贷款率转向PD和LGD。
本文简要综述了国际上LGD理论与实证研究的功效，并对国内商业银行抵押贷款LGD进行了实证研究，得出了一些重要结论与管理建议。
关键词：新巴塞尔资本协定，抵押，违约损失率自巴塞尔新资本协定将违约概率（PD）和违约损失率（LGD）一同纳入监管资本衡量的基本框架以来，违约损失率（LGD）引起了监管界、业界和理论界的高度重视。
一、关于违约损失率（LGD）的研究综述违约损失率LGD（或1—回收率）是指预期违约的损失占风险暴露（exposure）的百分比，违约时风险暴露（EAD，exposure at defaul t）是指由于债务人违约所导致的可能承受风险的信贷业务的余额。
反映信用风险的重要指标—预期损失率（Expected Loss, EL）是LGD 和PD的乘积，即：预期损失率（EL）＝LGD × PD。
（一）国外及港台的研究企业举债取得资金的主要渠道有直接融资和间接融资。
直接融资的各项公司债具有次级市场价格，违约后可以通过该债务工具违约后一定时点的市场价格为基础估算违约损失率。
对于间接融资，则需依靠银行积累的违约贷款数据资料来推估违约损失率。
公开市场资料较易取得，因此违约损失率的研究也以此为基础发展起来。
Robert C. Merton于1974年发表的“on the Pricing of Corporate De bt: the Risk Structure of Interest Rates”一文是现代信贷违约概率和回收率分析的理论基础文章。
其不足之处是没有解决信用资产质量的实际观测问题，在实证中的应用受到限制，这也是模型诞生后大量后续工作的重心所在。
针对Merton（1974）模型在实证应用领域的困难，有若干文献尝试提供变通的解决办法。
穆迪抵押债券评级理论
穆迪（Moody’s）抵押债券评级理论概述抵押债券是对债务人或(及其)债务人所在集团具有追索权，一旦债务人违约，对抵押物（抵押资产池）具有追索权的债务工具。
穆迪（Moody’s）对于抵押债券的评级方法主要关注投资人的预期损失。
这里所采用的评级模型主要涉及‘穆迪（Moody’s）抵押债券预期损失评级模型’（或称为穆迪（Moody’s）预期损失模型）。
穆迪（Moody’s）预期损失模型基于一套被称为‘联合违约’的理论，主要关注债务人的信用状况和抵押资产池的价值。
如果债务人能履行偿债义务，那么在穆迪（Moody’s）预期损失模型中就不涉及任何的预期损失。
但是如果发生债务人违约，最终的损失将取决于抵押资产池的价值，但是资产池的价值又容易受到很多因素的影响，尤其是抵押资产池的信用质量、再融资的可能性和成本，以及市场的各种风险等。
然而这些因素又将受到例如法律法规以及合同条款的影响。
穆迪（Moody’s）目前已经在其所有新抵押债券发行评级中采用这个新方法，并打算在下一年度抵押债券的跟踪评级中也使用这个方法。
整个过程将包括对主要法律法规的进一步研究，以及对抵押资产池中抵押物和对冲交易安排进行更加详细的分析。
我们希望在研究过程中，这个方法能得到进一步的改进，尤其是针对不同国家、不同市场和法律法规进行适当的调整。
这篇评级方法研究报告包含两个重要的部分。
第一部分对穆迪（Moody’s）公司抵押债券评级理论做了一个概括性的介绍，第二部门以附注的形式对这个理论进行详细的解释。
穆迪（Moody’s）抵押债权评级理论穆迪（Moody’s）预期损失模型对抵押债券从发行日一直到到期日进行每月的跟踪研究。
每个月，穆迪（Moody’s）都会计算在无担保/无抵押的情况下债务人的违约概率和违约发生后抵押债券的损失率。
然后再将违约概率乘以抵押债券的损失率。
将计算结果折现，并将从发行日到到期日中每月的折现值相加。
按照穆迪（Moody’s）的评级模型，这一数据就是抵押债券的预期损失（附注A1举例说明穆迪（Moody’s）预期损失模型是结合债务人违约概率和抵押资产价值，从而获得抵押债券的评级结果）。
常用的违约风险评级模型
常用的违约风险评级模型
常用的违约风险评级模型包括以下几种：
1. Moody's KMV模型：该模型基于KMV公司开发的一种违
约概率模型，在企业级别评估违约风险。
该模型结合了企业的资本结构、市值以及市场波动情况等因素，计算企业的违约概率。
2. Altman Z-Score模型：Z-Score模型是美国学者Edward Altman开发的一种多变量线性判别模型，用于评估企业的违
约风险。
该模型以企业的财务指标为输入变量，包括债务比率、净营收比率、市值比率等，通过计算Z-Score来评估企业的违
约概率。
3. S&P评级模型：标准普尔评级机构开发的一种违约风险评
级模型，用于评估债券的违约概率。
该模型基于债券发行人的财务情况、市场条件以及行业风险等因素，对债券进行评级，从AAA到D不同级别表示不同的违约风险。
4. Fitch模型：Fitch评级机构开发的一种违约风险评级模型，
用于评估企业的违约概率。
该模型基于企业的财务指标、市场条件以及行业风险等因素，对企业进行评级，从AAA到D不
同级别表示不同的违约风险。
5. Basel模型：巴塞尔协议中规定了一套风险评级模型，用于
评估银行的违约风险。
该模型基于银行的资本充足率、资产质量、管理能力等因素，对银行进行评级，从1到7不同级别表
示不同的违约风险。
需要注意的是，不同的评级模型可能适用于不同的行业和情况，选择合适的评级模型要根据具体情况进行综合考虑。
违约损失率(LGD)研究
违约损失率（LGD）研究作者：陈忠阳博士、副教授中国人民大学中国财政金融政策研究中心、中国人民大学财政金融学院长期以来，人们对信用风险的关注和研究主要在于交易对手违约的可能性，即违约概率PD（Probability of Default），而对交易对手一旦违约可能造成的损失程度，即违约损失率LGD(Loss Given Default)的研究远远不及违约概率PD，然而，作为反映信用风险程度的基本参数之一，LGD相比于PD对信用风险管理有着同样的重要性。
尤其是自新巴塞尔资本协定将LGD和PD一同纳入监管资本衡量的基本框架以来，违约损失率（LGD）引起了监管界、业界、和理论界的高度重视。
一、LGD性质与特点违约损失率LGD是指债务人一旦违约将给债权人造成的损失数额，即损失的严重程度。
从贷款回收的角度看，LGD决定了贷款回收的程度，因为，LGD＝1－回收率。
构成一个完整风险概念的两个基本要素是损失的可能性和一旦损失发生后的损失规模，即损失的严重程度。
因此，LGD是除违约概率PD以外反映信用风险水平的另外一个重要参数，两者结合在一起才能全面反映信用风险水平。
显然，PD既定的情况下，LGD越高，信用风险越大。
预期损失率（Expected Loss, EL）是反映信用风险的一个指标，它是LGD和PD的乘积：预期损失率（EL）＝LGD × PD。
1PD和LGD都是反映债权人面临债务人违约的信用风险的重要参数，因此，两者都受到债务人信用水平的影响，然而，从性质上看，两者又有重要的区别。
总的来说，PD是一个交易主体相关变量，其大小主要由作为交易主体的债务人的信用水平决定；而LGD具有与特定交易相关联的特性，其大小不仅受到债务人信用能力的影响，更受到交易的特定设计和合同的具体条款，如抵押、担保等的影响。
因此，对于同一债务人，不同的交易可能具有不同的LGD，如对于同一债务人的两笔贷款，如果一笔提供了抵押品，而另一笔没有，那么前者的LGD将可能小于后者的LGD。
违约损失率模型研究
Moody’s的LossCalcTM模型（Gupton and Stein, 2002）包括了债务类型和
优先级、资本结构、行业和宏观经济四个方面的九个自变量，如下表。
变量类型
变量名称
变量数 目
债务类型和 优先级别
债务类型和优先级 别对应的 LGD 历史平 X1 均值
债务的相对级别
X2
资本结构
资产负债率
至时间点，如图中的 24 月份，24 月份以后的回收现金流忽略不计。
图 1 有效催收窗口 实际操作中，是分逾期的时间段对银行历史催收数据分别进行分析，以保证 分析结果的稳健性，如图 1，在贷款逾期后的第 24 个月，曲线变得比较平坦， 而且不同年份违约客户的情况都是如此，则可以确定 24 个月为该产品的有效催 收窗口。图 1 中，不同时间段的累积回收率曲线如同一层层逐渐成熟的葡萄架， 故英文中也把这个方法叫做 Vintage。在我国，零售敞口的核销较为困难，大量 违约贷款长期挂在账上，这样，有效催收时点的确定，对于 LGD 计量而言就非常 重要。 催收成本 新资本协议规定催收成本包括直接成本和间接成本，但对于直接成本和间接 成本的具体内涵未做详细界定。欧盟认为，“清收成本包括与清收相关的重要直 接成本和间接成本。此类清收成本源于运营清收部门的成本、由回收直接引起的 外部资源服务成本，如法律成本，一定比例的其它运行成本，如公司日常开支等”。 银监会的相关指引在此基础上，对直接成本和间接成本做了进一步的明确，指出 “直接损失或成本是指能够归结到某笔具体债项的损失或成本，包括本金和利息 损失、抵押品清收成本或法律诉讼费用等。间接损失或成本是指商业银行因管理 或清收违约债项产生的但不能归结到某一笔具体债项的损失和成本。商业银行应
在非违约帐户和违约帐户的分组中，LGD 模型建设都只使用违约样本，但是 其观察期和表现期的构造并不一致。非违约帐户分组中，所有样本在观察点之前 还没有发生违约，而是在表现期内都发生违约，发生违约后的帐户回收率决定于 有效催收窗口的分析，所以 LGD 模型的建设对于历史数据的时间长度要求比较 高，在下图的例子中，需要四年的历史数据。违约帐户分组中，所有样本在当前 观察点之前都已经发生违约，有效催收窗口在观察点之前已经开始（一般选择在 观察期内发生违约的样本，这样，有效催收窗口在观察期内开始，容易分析）， 在下图的例子中，需要三年的历史数据。
不良贷款LGD影响因素及建议
不良贷款LGD影响因素及建议作者：时小龙来源：《时代金融》2017年第29期【摘要】本文从LGD的定义和性质出发，分析了LGD的研究难点，介绍了国际上LGD 主流建模方法，并结合国情分析了我国LGD的影响因素，对开发LGD计量模型提出了建议。
【关键词】LGD 影响因素计量模型一、背景介绍LGD（违约损失率，Loss Given Default）是指某一债项违约导致的损失金额占该违约债项风险暴露的比例，即损失占风险暴露总额的百分比。
从贷款回收的角度看，LGD决定了贷款的回收程度。
违约损失率估计应基于经济损失。
经济损失包括由于债务人违约造成的较大的直接和间接的损失或成本，同时还应考虑违约债项回收金额的时间价值和商业银行自身处置和清收能力对贷款回收的影响。
二、LGD研究的难点LGD研究的难点主要体现在：（1）参考资料和文献不足。
贷款和债券在发行的方式和违约处理程序上存在一定的差异，不能完全照搬债券的模式来研究贷款的违约损失率；（2）我国的特殊国情。
我国的LGD研究不能照搬国外现有的研究结论，而应该在辨明我国LGD影响因素的基础上，基于历史清收数据建立自己的统计模型，实现LGD的定量分析框架构建。
三、LGD的影响因素LGD的影响因素较多，且均较为复杂，这也是LGD量化模型构建后对数据的拟合程度无法提高的一个关键原因。
因此影响LGD的因素一直是研究重点。
我国不良贷款的LGD影响因素分为四个大的方面：客户因素、债项因素、宏观经济环境因素、其他因素。
（一）客户因素1.地区因素。
地区经济、司法、要素市场等环境的不同，导致了地区回收率水平有显著的差异。
比如江浙沪地区不良贷款回收率普遍较高，中西部地区不良贷款回收率相对较低。
2.行业因素。
不同的行业有不同的经营特点，决定了行业是LGD的重要影响因素。
比如说现阶段大规模爆发的钢贸行业不良贷款，行业的经营特点决定了钢贸企业的财务杠杆较高，并且抵押物较少质押物较多，质押往往存在瑕疵（仓单反复质押），导致其出现不良后给经营行的清收工作造成了很大困难，回收率也较低。
lgd经济学术语
lgd经济学术语
“LGD”在经济学中通常指的是“违约损失率”（Loss Given Default）。
这是一个用于评估贷款或投资在违约情况下可能遭受的损失的指标。
LGD的计算方式是，先估计贷款或投资的“违约概率”，然后根据这个概
率和违约发生后的损失程度来计算。
例如，如果一个贷款的违约概率为5%，且违约发生后能回收的金额为50%，那么这个贷款的LGD就是50%（即100% - 50% = 50%）。
LGD是风险评估中的一个重要指标，它可以帮助投资者和金融机构了解他
们所面临的风险，从而更好地管理自己的资产和负债。
以上内容仅供参考，建议查阅金融学书籍或咨询专业人士获取更多更准确的信息。
LGD的定义和计算范文
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：一、LGD的基本范畴界定.............................................. 错误！未定义书签。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Moody’s Analytics Professional Services巴塞尔新资本协议下的违约损失率模型开发与债项评级的解决方案2009年2月介绍大纲巴塞尔新资本协议：关于违约损失率的相关要求违约损失率的影响因素和模型违约损失率模型开发与债项评级的解决方案–中国的挑战–主要问题–解决方案的框架结构–业务流程改进解决方案–模型开发的初步工作：专家模型和模型因素的分析–问题的讨论2Moody’s Analytics Professional Services巴塞尔新资本协议：违约损失率的相关要求标准法和内部评级法：抵押品管理标准法和内评初级法规定有资格的抵押品应该具备以下特点：法律地位明确能够客观估值（可以采取盯市价格）良好的流动性价值波动性较低和交易对象的信用相关性较低有资格的抵押品种类：金融抵押品（标准法和内评初级法）应收账款（内评初级法）商用房地产/居住用房地产（内评初级法）其它抵押品（内评初级法）4标准法：认可抵押品类型标准法认可的抵押品：–现金类，包括存款证明或者银行发行的类似现金的工具。
–黄金–债券类，包括公认的外部信用评级机构评定的债券（国家公共部门发行BB-，其它机构BBB+以上）和未经外部信用评级机构的债券（银行发行、交易所交易、优先债务等）。
–股票类，包括纳入主要市场指数中的股票和可转换债券等。
–证券和基金类，包括集体投资可转让证券和共同基金。
标准法中综合法认可的抵押品（在简化法基础上）：–不属于主要市场成份股，但在认可交易所交易的股份–集体投资可转让证券和共同基金（每日公开报价）–满足一定标准的银行发行的未经外部评级机构评估的债券5标准法：信用风险缓释的调整一、简化法（风险权重）根据替代原则将抵押或者担保部分与风险暴露部分分开计算权重。
二、综合法（风险暴露和风险权重）考虑抵押品无法按面值变现的风险和银行无法对抵押品行使物权的风险–未来贷款期限内抵押价值的波动性–抵押部分和风险暴露部分的价值变化–抵押品标价货币和贷款货币不一致产生的汇率风险风险缓释调整后风险暴露=Max {0, [E x (1 + H e) –C x (1 –H c–H fx)]}H e: 风险暴露本身价值波动的调整折扣H c: 抵押品价值波动的调整折扣H fx: 货币错配的调整折扣（1）标准监管折扣（2）银行自行估计的折扣67内部评级法初级法：违约损失率的标准内评初级法不直接调整风险权重，而是调整PD ，LGD ，和EAD 。
–LGD 调整：抵押品的风险缓释作用–PD 调整：担保和信贷衍生工具的风险缓释作用–EAD 调整：表内资产净扣内评初级法下，LGD 由监管当局按有无抵押品、清偿优先权、银行对抵押品的控制程度、和不同风险暴露类型来指定相应的LGD 内评初级法下，增加了认可抵押品的范围和标准法下的综合法类似的抵押品价值调整方法：抵押品价值= C / (1 + H e + H c + H fx )9内部评级法高级法要求抵押品能够真实、确切、连续一致降低可能损失强调银行自行估计LGD 具备一定的可靠性，满足一定的最低标准。
至少能够反映标准法和内评初级法认定的押品风险管理和操作管理的标准抵押品认可进一步放宽不要求初级法的抵押品确认技术（折扣调整）内部评级法高级法允许银行在满足一些最低标准条件下，自行评估LGD ，其特点是：10内部评级法高级法：LGD 的评估必须考虑至少一个经济周期的数据，同时必须使用不得少于七年的来自同一来源的数据。
评估LGD 必须在历史LGD 的基础上，而不仅仅是当前市值的评估。
这项要求承认银行没有能力迅速控制和清算抵押品。
银行必须对抵押品管理、操作程序、法律确定性以及通常与标准法要求一致的风险管理过程建立内部要求。
LGD 的评估必须是基于债项的，而且必须是“Stressed”的LGD （在经济不景气条件下）。
评估的LGD 不应该小于该债项的长期平均LGD 。
银行必须持保守的态度考虑借款人的风险和抵押品风险或者抵押品提供者风险之间的相互依赖程度，以及贷款和抵押品的货币不一致性银行必须同时考虑到在违约债项清算期附加的和不可预料的费用。
银行如果使用了不同的LGD 评估方法应对监管和内部风险管理，则必须提供使用方法的异同以及相互之间的转换。
11内部评级法：操作管理要求法律上有保证：如果借款人违约、无力偿还、破产，银行有权及时清算或者拥有抵押品，同时托管抵押品；银行必须采取所有必要的步骤履行法律要求，确保银行在抵押品上的利益；银行有清晰稳健的程序及时清算抵押品，以保证能有效遵守违约条款的规定；银行已经建立起相关程序和做法，在考虑影响抵押品价值因素的基础上（如抵押品市场流动性及抵押品价值下降或者恶化），保守地估计抵押品市场价值。
同时定期检证抵押品（如对存货或者设备这样的押品进行实物检查）；银行具备一个体系接受一些像规定好押品最低价值低限的抵押品交易。
银行在操作管理过程中为了实现抵押品的风险缓释作用，需要达到的要求：12内部评级法：担保的风险缓释作用认可担保的风险缓释作用是通过调整PD 或者LGD 来进行的。
银行必须对借款人和担保的贷款进行评级时考虑担保人履行义务的能力和意愿。
银行必须评估担保人履行担保义务的能力和意愿与借款人还款能力之间的关联程度。
银行必须考虑担保人的支出结构，保守地估计对清偿水平和及时性的影响。
调整后的风险权重不能低于直接向担保人贷款的风险权重。
Counterparty EADRequiredCapital2008%Counterparty EADRequiredCapital113.68%PDEADLGD*0.08%25.6%2.5yrsMaturityRequired Capital2008%Moody’s Analytics Professional Services违约损失率的影响因素和模型 专家模型历史数据的lookup表格模型 穆迪LossCalc模型统计模型穆迪瀑布waterfall模型影响违约损失率的主要因素由于LGD的大小不仅受到借款企业的因素影响，而且还同贷款项目的具体设计密切相关，所以，影响LGD的因素比影响PD的因素更多、更加复杂。
经验研究表明，违约损失率不是一个确定的数值，它取决于特定的债务种类，优先级别、风险缓释技术以及商业周期和一个国家的破产体制和法律制度，其中每一项因素都包含许多不确定性因素。
一般的，影响回收率的决定因素主要包括： 违约概率借款人的还款顺序（优先等级与债务的保护程度）是否抵押和抵押品的情况宏观因素与经济周期行业因素破产体制（与破产法等法律制度密切相关）担保情况17违约损失率模型---专家模型如果没有数据或没有足够的数据（关于数据的数量和所需信息的类型），一般建议专家模型的方案。
专家判断方法的目的是通过使用一个综合定量因素和定性因素的LGD解决方案。
通常通过搜集贷款申请或与申请者的面谈获得必要的数据。
专家模型流程直观且容易理解。
历史经验表明，有许多因素会影响LGD。
我们可以使用这些在大多数情况下是同时考虑定量和定性因素来开发打分系统。
一旦专家模型建立，分数可以映射到一个LGD标尺上，使用专家模型所提供的LGD 范围的中点和边界值，从而转化为LGD的评级。
这是最简单也是有效的LGD 方法，特别对在那些没有数据却希望立即实施LGD方法的贷款机构中特别有效。
穆迪也可能建议组合方法，其中专家模型是兼有统计模型方法和专家模型方法或者很多其它组合的变形。
18违约损失率模型---专家模型LGD专家模型涉及行业和PD模型相对应，覆盖银行的主要信用暴露。
LGD 专家模型需要的信息主要是有关贷款的担保人和抵质押品的情况，同时考虑债项品种的外围特点和借款人主题的特征：担保人抵质押品行业特征贷款品种差异地区差异借款人主体的信用特征19LossCalc模型LossCalc模型的基本思路是根据历史数据在债务的违约损失率和一组解释变量之间建立起的一个多元统计模型。
数据以债券为主。
该模型利用穆迪公司拥有的美国过去20多年1 800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、贷款和优先股的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。
LossCalc模型的被解释变量是特定债券在一定时期的预期损失比率，解释变量归结为以下四类：a) 债务类型（贷款、债券和优先股）和偿还的优先等级；b) 公司资本结构（资产负债比率）；c) 行业特征，公司所在行业的平均回收率；d) 宏观经济，全年违约概率的中位数、投机级、债券违约率跟踪与经济指数变化等。
20LossCalc模型变量结构21根据穆迪公司2002年在其LGD预测模型LossCalc的技术文件中披露的信息表明，清偿优先性等项目因素对LGD的影响贡献度最高，为37％左右；其次是宏观经济环境因素，为26％左右；再次是行业性因素，为21％左右；最后是企业资本结构因素，为16％左右。
22违约损失率模型---穆迪瀑布（waterfall）模型瀑布模型是穆迪公司实施LGD评级的基础模型。
该方案基于违约公司的破产或重组过程中的绝对优先权原则，模型假设回收款由违约公司的资本结构的优先次序来决定。
这些回收款由以下因素影响：清偿优先性（在资本结构中的位置）担保情况（被担保的不被担保的）抵押品类型（贷款是如何担保的以及抵押品质量如何）担保人（内部，外部，或第三方）贷款合约条款covenant（约束性很强，强，中等，弱，非常弱等）基于历史LGD 数据的统计方法，该方案也考虑到了和绝对优先原则的不一致的情况。
模型数据主要是来自大企业，以债券为主。
穆迪已经观察到当不同国家的回收过程非常不同，但结果会服从一定的统计分布。
2325违约损失率模型---穆迪瀑布（waterfall ）模型穆迪的LGD 瀑布模型基本解决方案是：估计在违约时的债务结构（清偿优先权和各自的风险敞口）；估计在违约清算时的企业价值的统计分布； 基于企业价值的分布，在每一种可能的情形下，基于绝对优先权原则，计算每一种债项的违约损失率；以企业价值的分布进行概率加权平均，计算最终的LGD 。
穆迪瀑布模型是为大公司估计LGD 的行业标准，这种情况下信贷经理具有建立完整的资本架构的全部信息。
然而，当前台或信贷经理无法获得具体的资本结构信息时就产生了困难。
Moody’s Analytics Professional Services违约损失率模型开发与债项评级：中国的挑战中国的挑战：缺乏较长时期公开的债券市场历史和缺乏经历多个经济周期的资产评估历史资料；借款人不如约支付贷款本金和利息，而通过依法建立的公司重组和/或资产清算外的其他方法解决；因债务违约事件的处理方式，可执行性与清算抵押品/追溯担保人的程序非常不可靠；未支付余额的收回通常都是来自抵押物或担保，而很少是同时来自抵押物和担保。