信贷损失率洞察：全球数据库（英）

国际清算银行工作底稿 1101号 信用损失率洞察：全球数据库 由李连Ong基督教schmied和最小 货币和经济部门 2023年5月 凝胶的分类:G01、G21G33P52。 关键词：信用风险、信用损失率、数据差距、前瞻性、违约损失 （LGD）、宏观隐含、违约概率（PD）、压力测试。 国际清算银行工作文件由国际清算银行货币和经济部成员撰写，不时由其他经济学家撰写，并由银行出版。这些文件涉及热门话题，具有技术性。其中表达的观点是其作者的观点，不一定是国际清算银行的观点。 本出版物可在BIS网站（www.bis.org）上查阅。 ©国际清算银行2023。保留所有权利。简短的摘录可以复制或翻译，前提是注明来源。 ISSN1020-0959(印刷)ISSN1682-7678(在线) 信用损失率洞察：全球数据库 李连Ong基督教schmied和最小1 文摘 信用风险在许多金融危机中发挥了重要作用，包括大金融危机。COVID-19大流行还凸显了银行对私营部门的信贷损失。然而，在用于金融稳定分析的可靠经济层面信用风险数据方面仍存在巨大差距 ，因为公众无法以任何系统的方式随时获得此类信息。在Hardy和Schmieder（2020）的工作基础上 ，我们得出了全球大多数司法管辖区的实际以及前瞻性的市场和宏观隐含信用损失率的时间序列。我们的数据库旨在作为公共产品，可通过用户友好的交互式仪表板获得，该仪表板允许下载所需司法管辖区的信用损失率时间序列。用户还可以根据其预测的GDP路径运行简单的情景分析。随着原始来源发布新信息，数据系列将不断更新。 关键词：信用风险，信用损失率，数据差距，前瞻性，违约损失（LGD），宏观隐含，违约概率（ PD），压力测试。 凝胶的分类:G01、G21G33P52。 1作者电子邮件：ong.lilian@amro-asia.org;Christian.Schmieder@bis.org;wei.min@amro-asia.org。 2李连翁和闵伟是总部设在新加坡的东盟+3宏观经济研究办公室（AMRO）宏观金融研究小组的成员。本文中表达的观点是作者的观点，不一定是AMRO或其成员当局的观点，他们都不应对因使用其中包含的信息而产生的任何后果负责。 3作者要感谢IrinaBarakova，StijnClaessens，RenzoCorrias和NikolaTarashev的有用评论。所有剩余的错误均由作者负责。本文也作为AMRO工作文件23-01发表。 缩写 ae发达经济体 bcbs巴塞尔银行监管委员会cecl当前预期信贷损失2019covid-19冠状病毒疾病含铅暴露在默认 发射极耦合逻辑预期信贷损失新兴市场经济的高速 gfc巨大的金融危机 gppc全球公共政策委员会ias国际会计标准 irb内部评级(BaselII)乐金显示器给违约损失lidc低收入发展中国家不良贷款不良贷款 新加坡国立大学-CRI新加坡国立大学信用研究计划 pd违约概率 内容 信用损失率洞察：全球数据库i 缩写三世 1.介绍1 2.信贷损失概念2 3.数据和指标5 4.说明数据的使用:14例 5.结论15 附件1:Economy-Specific信贷亏损率17表 表1：信用风险指标的类型（可供用户使用的系列是被引用)8 表2：可用信用风险指标列表和相应的经济 9级计算 数据 图1：美国：债券的历史信用损失率5 图2：美国：债券的历史信用损失率17 图3：美国：全球金融危机和COVID-19期间的信用损失率流感大流行17 图4：信用损失率：部分发达经济体18 图5：信用损失率：选定的新兴市场经济体19 图6：信贷损失率：选定的低收入国家和发展中国家20 盒子 框注1：调整缺失值、异常值和可比性的数据13 专栏2：利用经济水平GDP轨迹的情景分析16 参考文献21 “如果你没有一些不良贷款，你就没有做生意。 ~保罗•沃尔克(PaulVolcker) 美国联邦储备理事会(美联储,fed)主席,1979-87 1.介绍 信用风险在许多金融危机中发挥了核心作用，包括大金融危机（GFC）。它通常导致银行与危机相关的整体损失的大部分，这些损失往往会从“和平时期”通常观察到的非常低的水平突然飙升。美国与信贷相关的主要危机包括1930年代的大萧条，1980年代末和1990年代初的储蓄和贷款危机，以及引发全球金融危机的2007年次贷危机。在其他地区，1980年代的拉丁美洲债务危机，1990年代后半期亚洲的双重银行和货币危机，以及2011-12年的欧洲银行主权债务危机尤为突出。重要的是，自全球金融危机以来，企业借款已在多个地区扩大（亚伯拉罕、科尔蒂纳和施穆克勒，2021年）。然而 ，尽管经济活动受到严重干扰，但COVID-19大流行（尚未）导致大规模信贷损失的表现。 COVID-19大流行凸显了能够正确评估银行资产负债表上的信用风险的重要性。大流行给全球企业和家庭的资产负债表带来了巨大压力，尤其是在受影响最严重的行业（Mojon、Rees和Schmieder2021;HoandOng2022），因为广泛的封锁和社会疏远要求压垮了对商品和服务的需求 ，失业率急剧上升。相应地，银行面临着贷款组合中资产质量恶化的问题。认识到这种对金融稳定的威胁，政策制定者采取了广泛的措施，包括在高度宽松的货币和财政政策中暂停偿还债务，对银行资本和流动性要求实行监管宽容，以及处理分类和不良贷款（NPL）。因此，企业破产率仍然很低，特别是与经济衰退的深度并列时，2020年许多经济体甚至有所下降（Banerjee，Cornelli，andZakrajšek2020;詹科夫和张2021;范登堡2021）。 尽管史无前例的疫情支持措施似乎成功地避免了大规模破产，但它们可能掩盖了银行资产负债表上实际问题贷款的金额。Banerjee、Noss和VidalPastor（2021）将基于经济活动下降的预期破产率与实际实现的破产之间的差距定义为“COVID-19破产缺口”。作者将破产与企业现金流急剧减少的脱钩归因于货币和财政支持措施促进了信贷供应充足。然而，他们警告说，信贷的扩大——以及由此增加的债务——可能只是推迟了企业破产，而不是取消了破产。在这方面，Gourinchas等人（2021年）观察到，随后对企业部门的信贷收缩都会逆转慷慨支持政策的结果，从而带来信贷损失潜在飙升的重大风险。 正如许多经济体正在从疫情中复苏一样，2022年全球一致加息的顺序增加了借款人的偿债成本 ，增加了破产缺口缩小的可能性和 贷款人上升。与此同时，在一些国家在战后商品价格上涨之后，延长或重新引入支助措施表明，未来的一些不良贷款和潜在的破产可能在今后一段时间内仍然“隐藏”。事实上，信贷损失的最终水平将取决于经济活动的演变，而经济活动的演变又部分依赖于财政政策支持。 随着增长前景的风险偏向下行（国际货币基金组织2023年），可靠的经济层面信用风险数据（理想地分为经济部门或资产类别）对于金融稳定分析变得更加重要。然而，公众没有现成的此类信息，至少不是系统地获得的。原因有二：（1）很大一部分信用风险与非交易资产有关，其基础信息稀缺且不透明;（2）现有数据的定义和/或格式不容易用于信用风险分析。因此，迫切需要解决这一差距。 该项目旨在为缩小经济层面信用损失信息的长期数据差距做出贡献，这是一项重要的公共产品 。我们的分析建立在Hardy和Schmieder（2020）的工作基础上，将实际信用损失的时间序列与前瞻性的市场和宏观隐含信用损失率相结合。在经济层面估计了世界上尽可能多的司法管辖区信用损失数据的各种定义，并发布供公众使用。我们的估计值将在报告新的来源信息时更新，显示在仪表板中，并且可以随时下载。用户可以根据其分析目的，根据其所需的司法管辖区、时间段和信用损失指标选择数据集。我们还提供了一个工具，可以根据预测的GDP轨迹运行简单的情景分析。 本文的其余部分结构如下：第二部分讨论了相关的信用损失概念，而第三部分描述了拟议的指标和相应的数据来源。第四节提出了一个工作实例，第五节结束。主要对仪表板感兴趣的读者应关注第三部分和第四部分。 2.信贷损失的概念 那么，衡量信用损失的最佳标准是什么？答案在很大程度上取决于手头的目的。迄今为止，已经提出或采用了几个概念和指标，用于微观或宏观审慎目的，或两者兼而有之。我们区分前瞻性信用损失率估计和回顾性或实际/已实现信用损失率，具体如下： 前瞻性的信用损失率估计 在2006年引入巴塞尔II（BCBS2006）之后，金融机构被允许在内部基于评级（IRB）的方法下使用自己的信用风险关键驱动因素的内部衡量标准，作为确定资本要求的主要投入。这些指标包括对违约概率（PD）和违约损失（LGD）的估计，其乘以是未来12个月的前瞻性预期损失率 （公式1）。预期损失应由信贷定价（例如利差和到期日）弥补，并反映在准备金中，而超过预期水平的意外损失将从银行监管资本中扣除。在全球金融危机之后，监管框架是 考虑到危机期间的经验教训（例如，低违约投资组合的实际损失通常更高），但基本方法——即计算每个信贷敞口的PD和LGD——保持不变（BCBS2022）： (1)预期信用损失（ECL）=PDxLGDx违约敞口（EAD），其中PDxLGD=信用损失率。 会计准则是对BCBS准则的补充。2014年7月，国际会计准则理事会引入了用于确认减值的预期信用损失框架。《国际财务报告准则第9号——金融工具》（IFRS9）要求，除考虑过去事件和当前状况外，还应使用对未来状况的预测来衡量预期信用损失，以捕捉可能发生的累计损失。4IFRS9并未规定任何估算预期信用损失的具体方法，仅规定其反映的无偏和概率加权金额，涵盖一系列可能的结果，并考虑所有合理且可支持且无需过度成本或努力即可获得的信息。它还要求该指标捕获货币的时间价值（GPPC2016）。弥补准备金预期损失的任何不足将从监管资本中扣除。 除了以微观审慎监管为基础并被金融机构广泛使用的方法外，还尝试估计全系统的信用风险： –ElizondoFlores等人（2010）提出了一种方法，用于估计零售投资组合的全系统PD和LGD ，该方法在横截面和经济周期的特定阶段都具有代表性。 –Hardy和Schmieder（2020）分析了从1990年代到全球金融危机的银行业危机期间围绕危机的信贷损失时间模式。作者发现，信贷损失在宏观经济下滑方面是相当对称的，在危机的严重程度方面是非线性的，危机通常持续三到五年。因此，他们定义了两个经验法则 ： 一个是发达经济体（AE）和新兴市场经济体（EME）在10-15年、20-30年和50-100年发生一次的危机中预期的信贷损失水平;和 另一个是商业周期之间的关系，即GDP轨迹和信贷损失。 我们在估计各司法管辖区的宏观隐含信用损失率时应用后一条规则，包括预测未来损失。尽管还有其他因素推动信贷损失率，但GDP增长是关键，并且该概念经过校准以隐含地捕获其他相关因素，例如基于全球金融危机之前观察到的历史关系的利率水平。 –Juselius和Tarashev（2020，2021）提出了另一种宏观锚定方法来估计信贷损失。根据他们的分析框架，他们认为预测未来的企业信用损失可能是有价值的，因为破产缺口——正如Banerjee、Noss，和VidalPastor（2021）所定义的那样——在最终关闭时可能会出现延迟的破产浪潮 4https://www.ifrs.org/issued-standards/list-of-standards/ifrs-9-financial-instruments/#about. （图1中的“A”和“B”）。作者利用有关流动性状况和偿付能力风险的信息来预测公司贷款的损失。具体而言，两个传统的金融周期指标分别用于预测基线（预期）和极端但合理的偏离基准（意外）公司贷款损失（图1中的“B”和“C”）： 私人非金融部门偿债比率（DSR），该