4. 回测数据准备

回测结论是否可信，首先不取决于模型算法，而取决于数据准备是否严谨。LGD（违约损失率）回测与PD回测最大的差异在于：PD只需要判断“是否违约”，而LGD必须同时回答“违约后损失了多少”，这要求数据同时具备违约时点、敞口余额、清收现金流、清收成本、抵押物处置结果等完整链路。数据准备一旦出现口径偏差，后续分层验证与偏差分析都会建立在错误地基上。

一、核心原理：LGD回测的数据闭环

LGD回测的数据准备本质上是在构建一个“违约—清收—损失”的闭环样本。其核心逻辑可以概括为：

• 违约识别：确定哪些客户、哪些债项在观测期内触发了违约定义。
• 敞口锁定：以违约时点（或违约确认时点）的敞口作为LGD分母，避免用清收后的余额倒推。
• 现金流归集：收集违约后所有回收现金流、处置收入、担保代偿等。
• 成本扣减：扣除清收费用、法律费用、处置税费等直接成本。
• 清收期截断：设定合理的清收观察期，未完成清收的样本需做特殊处理。

只有这五个环节的数据都能对齐到同一债项、同一违约事件，LGD才具备可计算性。否则会出现“分母用A时点、分子用B时点”的错配。

二、方法流程：六步完成回测数据准备

1. 确定数据来源：核心业务系统提供敞口与违约标识，清收系统提供回收流水，财务系统提供成本与核销数据，担保系统提供抵押物处置信息。
2. 定义样本选择规则：明确纳入哪些产品、哪些客户类型、哪些违约年份，排除重组、核销后无清收记录的异常样本。
3. 设定时间窗口：划分观测期与清收期，确保违约样本在清收期内有足够长的表现时间。
4. 统一违约定义：与PD回测保持一致，通常采用“逾期90天以上”或“实质性债务重组”等监管口径。
5. 设计清收期与观测期：观测期用于识别违约，清收期用于观察回收，两者不能重叠混淆。
6. 数据质量校验：检查敞口缺失、现金流时间倒挂、成本未分摊、抵押物估值虚高等问题。

三、关键设计：时间窗口、违约定义与清收期

时间窗口设计是LGD回测中最容易被低估的环节。常见做法是：以某一年为违约观测年，向前锁定该年内所有触发违约的债项，向后设置清收观察期（如36个月或60个月）。清收期太短，会高估LGD（因为很多回收还没发生）；清收期太长，会引入过多未完成样本，导致回测结果不稳定。

违约定义必须与模型开发阶段完全一致。如果开发时用“逾期90天”，回测时却用“逾期60天”，样本量会虚增，LGD分布也会被拉低。对于零售类资产，还需注意“违约后再次违约”的处理，通常以首次违约事件为准，避免同一债项重复计入。

清收期的截断处理有三种常见策略：

• 完整清收样本：只保留清收期结束后已结清的样本，偏差小但样本量少。
• 固定窗口截断：统一观察固定月数，未回收部分按0回收处理，偏保守。
• 滚动清收曲线：用历史清收曲线外推未完成样本，适合清收周期长的对公资产。

四、案例与清单：对公与零售的差异

以某银行对公贷款组合为例：观测期设为2019年1月至2020年12月，清收期设为违约后48个月。数据来源包括信贷系统（敞口、违约标识）、清收系统（现金回收）、财务系统（诉讼费、律师费）、押品系统（抵押物处置净值）。最终纳入样本1,842笔，剔除重组样本和缺失关键字段样本后剩余1,506笔。

零售信用卡资产的清收期通常更短，一般设为违约后24个月，因为无抵押、清收手段有限，回收集中在前期。下表对比两类资产的数据准备要点：

五、误区复盘与数据校验

实际项目中，LGD回测数据准备最常见的误区有四个：

• 敞口时点错配：用期末余额代替违约时点敞口，导致分母偏小、LGD偏高。
• 回收现金流重复：同一笔回收在清收系统和财务系统各记一次，未去重。
• 成本未分摊：只扣直接诉讼费，忽略内部清收人力与资金占用成本。
• 样本选择偏差：只保留已结清样本，剔除了长期未回收样本，低估LGD。

建议在数据准备完成后运行以下校验逻辑，确保样本可用：

-- 校验1：违约时点敞口是否为空
SELECT COUNT(*) FROM lgd_sample WHERE exposure_at_default IS NULL;

-- 校验2：回收现金流是否早于违约日
SELECT COUNT(*) FROM lgd_cashflow
WHERE recovery_date < default_date;

-- 校验3：LGD是否超出[0,1]合理区间
SELECT COUNT(*) FROM lgd_sample
WHERE lgd_value < 0 OR lgd_value > 1;

-- 校验4：清收期不足样本占比
SELECT SUM(CASE WHEN observation_months < 24 THEN 1 ELSE 0 END) * 1.0 / COUNT(*)
FROM lgd_sample;

只有通过上述校验的样本，才能进入后续的分层验证与偏差分析。数据准备阶段多花一天，回测结论的可信度就多一分保障。