4. 经济下行识别

在Downturn LGD体系中,经济下行识别不是“预测衰退”的学术练习,而是决定LGD校准是否有效的第一道闸门。如果下行期界定错误,后续的违约损失率上迁、抵押品折价、回收周期拉长都会失去基准。本章聚焦三个问题:什么是可操作的下行期、用哪些指标识别、以及如何把识别结果转化为情景触发机制。

一、核心原理:下行期是“状态”而非“点事件”

宏观经济下行期通常被定义为经济活动的全面、持续且显著收缩。与单月数据波动不同,下行期具有三个特征:广度(多个部门同步走弱)、深度(偏离长期趋势达到阈值)、持续度(连续若干季度或月度)。在LGD校准中,我们关心的是“损失确认窗口”是否落在下行区间,而不是某一天是否出现负增长。

因此,下行期界定需要同时回答两个问题:区间起点与终点,以及下行强度分级。常见做法是采用“峰—谷”法:以GDP、就业、房价等综合指标从峰值回落到谷底的区间作为下行期,再按回落幅度分为轻度、中度、重度。对于LGD模型,重度下行期往往对应抵押品集中处置、回收率骤降,需要单独设置情景权重。

关键原则:下行期识别必须与LGD的损失确认逻辑对齐。若回收现金流发生在违约后18~36个月,则识别窗口应覆盖违约后回收期,而非仅看违约时点。

二、关键指标:从GDP到房价的指标体系

单一指标容易误判。建议构建“增长—就业—资产价格—金融条件”四维指标体系,并明确每个指标的阈值与权重。

维度指标下行触发参考对LGD的影响路径
增长实际GDP同比/环比折年率连续两季度低于长期趋势1.5个标准差企业盈利下降,回收来源减少
就业城镇调查失业率、新增就业失业率较12个月低点上升0.5个百分点个人收入恶化,房贷回收放缓
资产价格住宅价格指数、商业地产租金房价同比连续3个月负增长且跌幅扩大抵押品价值缩水,LGD直接上升
金融条件信贷增速、信用利差、不良率信用利差走阔超过历史75分位再融资困难,处置周期拉长

指标选择应遵循“可得性、频率、领先性”三原则。GDP频率低但权威,失业率和房价月度可得,信用利差日度可得且领先。实践中常用合成指数:将各指标标准化后加权求和,当合成指数低于阈值并持续一定期数时,判定进入下行期。

下行识别合成指数示例(伪代码):
z_gdp = (gdp - mean_gdp) / std_gdp
z_unemp = (unemp - mean_unemp) / std_unemp
z_house = (house_price - mean_house) / std_house
z_spread = (spread - mean_spread) / std_spread

downturn_index = 0.35*z_gdp + 0.25*z_unemp + 0.25*z_house + 0.15*z_spread

若 downturn_index < -1.0 且连续3个月,则标记为下行期。
若 downturn_index < -2.0,则标记为重度下行期。

三、方法流程:从识别到情景触发

识别不是终点,触发机制才是落地环节。建议按以下流程操作:

  1. 数据准备:收集至少覆盖一个完整经济周期的月度/季度指标,确保口径一致。
  2. 阈值设定:结合历史分位数与业务容忍度,设定轻度、中度、重度下行阈值。
  3. 状态判定:采用“连续N期低于阈值”规则,避免单月噪声导致频繁切换。
  4. 情景映射:将下行状态映射为LGD情景参数,如抵押品折价率、回收周期延长系数。
  5. 回溯验证:用历史下行期检验触发机制是否及时、是否过度触发。

实操提示:触发机制应设置“确认期”和“退出期”。例如连续3个月低于阈值才确认下行,连续3个月高于阈值才退出,防止状态频繁抖动。

四、案例与场景:房价触发下的LGD情景

假设某银行住房抵押贷款组合,历史数据显示:当房价同比连续3个月负增长且失业率上升0.5个百分点时,进入下行期。此时触发LGD情景调整:

  • 抵押品折价率从基准的10%上调至25%;
  • 回收周期从18个月延长至30个月;
  • 回收成本率从5%上升至9%;
  • 最终LGD从基准的22%上升至41%。

该场景说明:下行识别不是抽象判断,而是直接改变LGD计算中的回收现金流与折现因子。若识别滞后,LGD将被低估,拨备不足。

五、误区与复盘

常见误区:用单月GDP负增长判定下行期;忽略房价与失业率的滞后效应;触发阈值过于敏感导致频繁切换;未区分轻度与重度下行,导致情景权重错配。

复盘时应重点检查:触发时点是否早于损失确认高峰;退出时点是否滞后于经济复苏;阈值是否在不同区域、不同产品间通用。建议每半年回溯一次,结合最新数据微调权重与阈值。

经济下行识别是Downturn LGD校准的起点。只有把下行期界定清楚、指标选准、触发机制设稳,后续的LGD上迁与情景加权才有可靠基础。