4、LGD数据来源与类型：内部历史数据、外部评级机构数据、市场数据（债券价格、CDS）、清收数据、拍卖数据，数据口径与可比性

违约损失率（Loss Given Default, LGD）的建模与验证高度依赖底层数据的质量与结构。在巴塞尔协议内部评级法（IRR）框架下，LGD 估计的准确性直接决定资本计量的审慎性。然而，LGD 数据并非单一来源，不同渠道的数据在定义口径、时间跨度、回收现金流构成、经济周期覆盖度等方面存在显著差异。实务中，数据可得性与口径可比性往往是比模型算法更棘手的挑战。本节将系统梳理五类核心 LGD 数据源，剖析其适用场景与局限，并重点讨论跨源数据整合时的口径校准方法。

4.1 核心原理：LGD 数据的经济含义与质量维度

LGD 的本质是违约暴露（EAD）中最终无法收回的比例，其计算基础是回收现金流（包括本金回收、利息回收、抵押物处置收入、法律追偿收入等）的折现值。从数据视角看，LGD 估计需要回答三个核心问题：违约何时发生？回收持续多久？现金流如何折现？ 不同数据源对这三个问题的回答方式不同，导致 LGD 数值天然存在差异。

评估 LGD 数据质量需关注以下维度：

• 完整性：是否覆盖完整的回收周期（通常 1-3 年，复杂破产案可达 5 年以上）；
• 颗粒度：是否有逐笔贷款/逐笔债券级别的回收明细，而非仅组合层面汇总；
• 经济周期覆盖：是否包含衰退期样本（如 2008-2009 年、2020 年），避免“幸存者偏差”；
• 现金流时间戳：每笔回收是否记录实际到账日期，以支持折现计算；
• 费用归属：清收费用、法律费用、处置税费是否从回收额中扣除，口径是否一致。

4.2 五类数据源深度解析

4.2.1 内部历史数据：最基础但需警惕样本偏差

内部历史数据来自银行或金融机构自身信贷业务中的违约贷款清收记录。其优势在于：与自身客户结构、抵押品类型、清收流程高度匹配；数据字段可自定义，支持精细化的维度分析（如行业、地区、担保方式）。但局限同样明显：样本量有限，尤其是低违约组合（如大型企业贷款）；经济周期覆盖可能不完整；清收策略变化（如更积极的法拍）会导致 LGD 结构性下降，产生“策略性偏差”。

操作要点：建立内部 LGD 数据库时，应至少记录以下字段：

1. 违约日期与违约时 EAD；
2. 逐笔回收日期、金额、回收来源（现金/抵押物处置/保证人代偿）；
3. 清收费用（律师费、评估费、拍卖佣金）；
4. 贷款发放时的抵押物类型、LTV（贷款价值比）、担保方式；
5. 借款人行业、地区、评级迁移路径。

4.2.2 外部评级机构数据：行业基准但存在选择偏差

Moody's Default & Recovery Database、S&P LossStats 等数据库提供了跨机构、跨地区的违约债券和贷款回收数据。这类数据的核心价值在于：样本量大、时间跨度长（可追溯至 1980 年代）、覆盖多轮经济周期，且回收率按债券优先级、抵押品类型、行业分类统计，便于建立行业基准（Benchmark）。

但使用时需注意：评级机构数据以公开债券为主，对银行贷款的覆盖有限；其回收率计算通常基于违约后债券交易价格（即“违约时市场价法”），而非实际清收现金流，这与银行内部基于“现金流折现法”的 LGD 存在本质差异。此外，评级机构数据存在“幸存者偏差”——未违约债券不在样本内，而违约债券的回收率往往受市场流动性影响。

4.2.3 市场数据（债券价格、CDS）：高频但需谨慎解读

市场数据提供了“实时”的 LGD 代理指标。债券违约后，其二级市场交易价格直接反映了市场对最终回收率的预期；CDS 利差中则隐含了风险中性违约概率与回收率假设。这类数据的优势是高频、前瞻性强，可用于早期预警和组合监控。但问题在于：违约后债券流动性极差，交易价格可能严重偏离最终实际回收；CDS 隐含回收率受市场情绪、对冲需求等非基本面因素干扰。

实务建议：市场数据适合作为 LGD 模型的“领先指标”或交叉验证工具，不宜直接作为监管资本计量的 LGD 估计。例如，若某债券违约后交易价格为面值的 35%，而内部模型估计 LGD 为 60%（回收率 40%），两者接近则增强信心；若差异超过 15 个百分点，应检查模型假设或市场是否存在异常。

4.2.4 清收数据与拍卖数据：底层资产回收的“最后一公里”

清收数据记录了从违约开始到最终结案的全流程信息，包括催收记录、法律诉讼进展、重组方案、分期还款计划等。这类数据是内部 LGD 模型最可靠的“结果变量”来源，但往往以非结构化文本形式存在（如律师函、法院判决书、还款协议），需要投入大量精力进行清洗和结构化。拍卖数据则聚焦于抵押物处置环节，包括拍卖底价、成交价、流拍次数、处置周期等，是估计有抵押贷款 LGD 的关键输入。

4.3 数据口径与可比性：跨源整合的五大校准步骤

当同时使用多源数据时，必须进行系统性的口径校准，否则模型输出将失去可比性。以下是标准化的校准流程：

1. 违约定义对齐：统一“违约”的判定标准（如 90 天逾期、破产申请、债务重组），避免内部数据与外部数据在违约时点上的错位；
2. 回收现金流折现率统一：内部数据通常使用合同利率或资金成本作为折现率，而评级机构数据可能使用无风险利率。建议统一采用“违约时点的风险调整折现率”，并做敏感性分析；
3. 经济周期状态标记：为每个违约样本标注其违约时点所处的经济周期阶段（扩张/衰退/复苏），以便在建模时进行周期调整；
4. 费用处理标准化：明确清收费用是否计入 LGD。监管口径通常要求“毛回收额扣除直接费用后的净回收”来计算 LGD；
5. 时间截断处理：对于尚未结清的违约案例，需采用“截止日回收率”并做尾部回收预测（通常假设 3-5 年后回收率为 0）。

4.4 案例拆解：某股份制银行对公贷款 LGD 数据整合实践

背景与约束：某股份制银行对公信贷组合约 5000 亿元，内部违约样本仅 120 笔（2015-2023 年），其中含抵押贷款占比 65%。监管要求采用内部评级法高级法计量资本，需估计各等级 LGD。银行面临的核心矛盾是：内部样本量不足，且 2015-2019 年经济平稳期样本占比过高，2020-2022 年受疫情影响违约率上升但清收尚未结束。

初始现象与目标：初步使用内部数据建模，LGD 估计值仅为 28%，明显低于 Moody's 数据库同类型贷款 35%-40% 的行业基准。监管质疑其保守性不足。银行需在 6 个月内完成数据整合与模型重估。

关键输入数据：

• 内部 120 笔违约贷款的逐笔回收现金流（含时间戳）；
• Moody's 数据库 2000-2023 年 8000 余笔银行贷款/债券回收数据；
• 拍卖数据：近 5 年 300 笔抵押物处置记录（含流拍次数、成交折扣率）；
• 宏观经济变量：GDP 增速、PPI、区域房价指数。

分析判断过程：

第一步，对比内部样本与 Moody's 样本的违约定义差异。发现内部数据将“逾期 90 天”视为违约，而 Moody's 以“破产申请或债券到期未付”为违约标准。经调整后，内部样本中 15 笔“技术性违约”（逾期但最终全额收回）被剔除，LGD 初步上升至 31%。第二步，对内部样本按经济周期加权——将 2015-2019 年样本权重下调 20%，2020-2022 年样本权重上调 30%，模拟长期周期平均 LGD。第三步，引入拍卖数据修正抵押物回收率：内部数据显示抵押贷款平均回收率 72%，但拍卖数据显示实际成交价仅为评估价的 68%，且平均流拍 1.2 次。据此将抵押物回收率下调至 65%。

实际操作步骤：

1. 建立统一数据字典，将内部字段映射至 Moody's 标准字段；
2. 对 120 笔内部样本逐一复核回收现金流，剔除 3 笔数据错误；
3. 采用“混合模型”策略：以内部数据为主体重建 LGD 模型，用 Moody's 数据做贝叶斯先验收缩，防止小样本过拟合；
4. 对抵押物回收率子模型，使用拍卖数据回归得到“处置折扣率 ~ 流拍次数 + 区域房价增速 + 抵押物类型”的方程；
5. 最终 LGD 估计值调整为 34.5%，并通过了监管回测检验。

结果对比与复盘：整合后 LGD 从 28% 提升至 34.5%，风险加权资产增加约 42 亿元，资本充足率下降 0.3 个百分点，但更贴近行业真实水平。复盘经验：① 数据整合的核心不是“合并数据表”，而是“统一业务定义”；② 拍卖数据对抵押贷款 LGD 的修正效果显著，但需注意区域差异；③ 小样本下应避免“纯内部数据建模”，引入外部先验是监管可接受的做法。

4.5 常见误区与总结复盘

总结：LGD 数据建设的核心原则是“以内部数据为主体、以外部数据为校准、以市场数据为验证、以清收拍卖数据为底层支撑”。数据口径的统一不是一次性工作，而是需要建立持续的数据治理机制——包括定期复核违约定义、更新折现率假设、监控经济周期状态。只有数据基础扎实，LGD 模型才能在资本计量、贷款定价、拨备计提等场景中发挥可靠作用。