二十世纪末官方公布的中国国有银行业不良贷款率高达29.18%，中国银行业可谓到了岌岌可危的时候。为解决中国金融体系的问题，1999年中国政府在借鉴国际经验的基础上相继成立东方、信达、华融、长城四大资产管理公司，分别负责收购、管理、处置相对应的中国银行、中国建设银行、国家开发银行、中国工商银行和中国农业银行所剥离的不良资产近14000亿元。此后在中国银行业的股份制改革过程中，四大资产管理公司又陆续收购了上万亿的不良贷款。十余年来，资产管理公司顺利实现既定目标，为中国金融体系的稳定立下汗马功劳。
　　作为中国历史上一次前所未有的成立专门机构处置不良贷款活动，同时也是世界史上一次罕见的大规模的不良贷款处置活动，资产管理公司在对不良贷款的处置中积累了大量的宝贵经验。对这些经验进行深度挖掘，不仅具有重要的史料价值，为人们展现中国金融史上这段不平凡岁月背后的经济规律，而且为中国银行业提高风险防范能力，落实巴塞尔资本协议II、III，提供重要的参考依据和参数标准。
　　随着时间的流逝，当时不良贷款处置的记录、数据和经验都尚未有全面、完整的总结，从而面临数据、历史资料遗失的可能性。从数据、模型来分析其中的处置、回收的客观经验，不仅是对数据和历史很好的记录，更可以挖掘数据背后的客观规律，提升数据本身的价值。另一方面，当前由次贷危机引发的金融危机、主权债务危机成为各国政府关注的重点，其中涉及的不良资产产生原因、风险监管问题以及后期不良资产处置回收方法成为学术界和业界关注的重点，而这与我国资产管理公司大规模处置不良贷款的历史事件不谋而合。过去的几年中，我们的团队一直从事中国不良贷款回收的研究，在国际国内重要学术期刊上发表了十几篇学术论文，有了丰富的积累。我们认为现在是时候对过去的工作进行总结，撰写一本专著来论述我国不良贷款处置的影响因素、特点和方法，对我国不良贷款处置背后的各种隐藏起来的关系进行一个科学、量化刻画，为当前和未来可能出现的大规模呆坏账和不良资产处置提供参考信息。
　　本书研究的特点是从海量微观数据出发，通过运用大量的数学模型，试图透过事物的表象，发现事物背后规律性的东西，而不是大而化之的历史事件的堆砌。整个研究围绕资产管理公司不良贷款“产生原因、处置方式、影响因素、计量实证”这_主线，利用数据挖掘、广义线性、非线性回归、压力测试、生存分析等多种计量方法，全面分析不良贷款处置、回收过程中的方方面面问题，主要包括不良贷款处置、回收方式对比、回收影响因素分析等。计量模型以东和中科LGD联合实验室为依托，利用东方资产管理公司旗下东和数据公司（东方金诚）建立的违约损失率数据库-LossMetrics展开研究。该数据库包括中国银行、建设银行和工商银行等在全国十七个省市二十一个行业近两万家企业的七万多笔时间跨度超过十年的违约贷款的清收数据，每条数据内容涵盖了包括各笔违约贷款、违约贷款债务人和每笔违约贷款处置的详尽信息，数据质量非常高。这是国内独一无二的不良贷款清收数据库，可能也是国际上最大的不良贷款清收数据库，丰富的数据为模型和论述打下坚实基础。全书的重点在于基于可靠、翔实的数据基础，利用多个不同模型，从不同的角度量化地分析中国资产管理公司的处置、回收经验并从中挖掘客观科学的规律。全书模型主要包括时点静态模型和时变动态模型，既包括在截面数据角度下分析企业规模、抵押因素、处置方式选择与不良贷款回收相关关系等的多个模型；也包括在时变角度下分析宏观经济在全局和地区范围与回收关联的若干模型；还包括在时变角度下分析不良贷款的特殊效应——回收衰退效应影响的生存分析模型。
　　整个研究从2008年年初开始。当时应东方资产管理公司旗下的东和数据咨询公司、东方金诚信用评级公司以及中和资产评估公司之邀，成立了东和中科LGD联合实验室，共同开展这项研究，并以该项研究为基础，通过数据挖掘、模型构建和验证以及经济、机理分析，完成了本书。本书在写作过程中还得到了国家自然科学基金重点项目（No.71532013）、国家自然科学青年基金（No.71203247）、北京市社科一般项目（No.16YJB036）的支持。
　　参与研究的人员除了本书的作者以外，还包括我们的学生陈浩、唐跃、王博、马宇超、代太山、周小林、王凤玲、温琪、黄意求、潘亮、董亮、张玲等。在此，我对他们的贡献表示最衷心的感谢。同时也欢迎各学术界和业界同仁对书中的观点、经验总结进行批评和指正。

　　二十世纪末，中国成立了四大资产管理公司处理因经济转型而产生的巨额呆坏账。这是新中国历史上第1次如此大规模的商业化处理呆坏账，保障了后来中国经济的高速平稳发展。这是中国金融史上浓墨重彩的一笔。杨晓光、陈暮紫、陈敏著的《不良贷款的回收——数据背后的故事》利用一个大型清收数据库，通过计量建模，系统地考察了这次不良资产处置的经验，考察对象包括不良资产回收率影响因素、回收率分布特征、单户债务人和打包处置的回收率估计、不良贷款回收地区差异、不良贷款回收时间效应、不良贷款回收率宏观经济规律以及不良贷款抵质押因素等方面。对这一宝贵历史经验的科学考察，不仅有助于认识和理解当年中国经济和金融中一些珍贵的经历，而且可以为当前和今后可能发生的大规模不良资产处置提供宝贵的借鉴。
　　《运筹与管理科学丛书27 不良贷款的回收：数据背后的故事》不仅可以为商业银行、资产管理公司的信贷审批、处置的专业人士提供技术参考，也可以为金融监管部门的政策制订提供建议，同时还可供对银行业和不良贷款处置实务感兴趣的读者阅读。

第1章 中国资产管理公司的成立及不良贷款处置方式
1．1 中国资产管理公司的成立
1．2 我国资产管理公司的发展
1．3 国际金融机构有关不良资产处置的经验
1．4 国际金融机构采用的处置管理模式
1．5 国际资产管理公司对不良资产的处置方式
1．6 中国资产管理公司不良资产主要处置方式的流程概述
1．6．1 不良资产处置流程
1．6．2 不良资产处置方式概述
1．7 不同处置方式样本分布频率对比
1．8 本章小结

第2章 不良资产处置方式的影响因素分析
2．1 引言
2．2 影响因素分析和检验
2．2．1 影响因素分析
2．2．2 列联表检验
2．3 处置方式判别模型
2．3．1 决策树判别模型
2．3．2 决策树判别结果
2．3．3 PLTR判别模型
2．4 本章小结

第3章 单户处置的回收率的影响因素分析
3．1 引言
3．2 回收率总体描述
3．2．1 LossMetrics数据库概述
3．2．2 回收率分布的直方图描述
3．3 零回收和部分回收影响因素的对比分析
3．4 不同剥离方式回收率的对比分析
3．5 本章小结

第4章 单户处置回收率计量模型
4．1 引言
4．2 模型自变量设定
4．3 各因素的解释力比较
4．4 回收率计量模型
4．5 宏观经济变量对计量模型的贡献
4．6 本章小结

第5章 基于广义Beta分布的单户回收率分布特征
5．1 引言
5．2 广义Beta回归模型
5．3 不同因素下回收率的分布特征分析
5．3．1 地区因素
5．3．2 行业因素
5．3．3 经营状况因素
5．3．4 工商登记因素
5．3．5 五级分类因素
5．3．6 担保因素
5．4．多因素广义Beta回归模型
5．4．1 基于政策性剥离样本的模型
5．4．2 基于商业性收购样本的模型
5．4．3 模型比较和分析
5．5 本章小结

第6章 打包处置回收率的影响因素分析
6．1 引言
6．2 模型预处理
6．2．1 样本选取
6．2．2 资产包回收率的影响因素
6．3 预估回收率
6．3．1 资产包模型介绍
6．3．2 资产包影响因素
6．3．3 各因素的解释力比较
6．4 打包回收率计量模型
6．5 本章小结

第7章 不良贷款回收率的地区差异分析
7．1 引言
7．2 政策性剥离的不良贷款回收率的地区差异研究
7．2．1 研究方法与思路
7．2．2 回收率存在显著的地区差异的论证
7．2．3 回收率的地区差异原因探究
7．3 经济发展水平与市场化程度指标
7．3．1 资产组合层面
7．3．2 单样本层面
7．4 回收率的区域聚类研究
7．4．1 回收率的区域聚类实证结果
7．4．2 政策性转让贷款的区域差异总结
7．5 商业性收购的不良贷款回收率的地区差异研究
7．5．1 研究设计
7．5．2 商业性收购的不良贷款回收率存在显著地区差异的论证
7．5．3 商业性收购的不良贷款回收率的地区差异原因探究
7．5．4 商业性收购贷款地区差异总结
7．6 本章小结

第8章 不良贷款回收率时间衰减效应分析
8．1 引言
8．2 研究设计
8．2．1 数据
8．2．2 研究思路
8．3 总样本的回收率实证
8．4 非破产企业的回收率实证
8．4．1 破产企业的特性
8．4．2 非破产企业的回收率表现
8．5 破产企业的回收率研究
8．5．1 破产企业的回收率在时间维度上的表现
8．5．2 破产企业的回收率与宏观经济周期
8．6 本章小结

第9章 宏观经济因素对不良贷款回收率的影响
9．1 引言
9．2 数据描述和宏观变量选取
9．3 基本统计分析
9．4 回收率与宏观变量的Granger因果关系
9．5 回归分析
9．5．1 单变量模型
9．5．2 多变量模型
9．6 本章小结

第10章 Downturn LGD的估计
10．1 引言
10．2 数据描述和宏观变量选取
10．3 基本统计分析
10．4 回收率与宏观变量的Granger因果关系
10．5 回归分析
10．6 模拟压力测试
10．7 本章小结

第11章 资产管理公司和商业银行LGD模型对比
11．1 引言
11．2 不良贷款回收率全模型构建
11．2．1 模型构建框架
11．2．2 实证结果
11．3 商业银行贷款回收率全模型构建
11．3．1 全样本判别模型
11．3．2 影响因素分析
11．3．3 全样本判别模型构建
11．3．4 组合模型
11．3．5 模型簇效果分析
11．3．6 商业银行贷款回收率模型小结
11．4 资产管理公司和商业银行回收率模型对比
11．5 本章小结

第12章 前事不忘，后事之师
12．1 结论
12．2 新一轮不良资产的集聚风险
12．3 政策建议
12．4 研究和应用展望

参考文献
后记
《运筹与管理科学丛书》已出版书目