2008年，东和数据公司与国内金融建模领域最领先的机构，中国科学院数学与系统科学研究院，共同创设了“东和中科LGD联合实验室”（简称试验室），作为东和数据公司的一个重要研究单元，成功地将东和数据公司的研究实力提升一个台阶。

东和中科LGD联合实验室(实验室成立 实验室自身定位)

实验室研究力量概况

实验室研究成果

东和中科LGD联合实验室

实验室成立

2008年，东和数据公司与国内金融建模领域最领先的机构，中国科学院数学与系统科学研究院，共同创设了“东和中科LGD联合实验室”（简称试验室），作为东和数据公司的一个重要研究单元，成功地将东和数据公司的研究实力提升一个台阶。

实验室自身定位

通过对大规模金融数据的挖掘、分析，开发相应的计量工具和软件系统，为中国的金融风险管理事业做出开拓性贡献。

实验室研究力量概况

作为实验室科研支柱之一的中科院数学与系统研究院，是国内唯一掌握金融建模三大工具：统计、优化、随机过程的研究单位，实验室拥有国内最强的研究力量：

Ø 林群（院士）：现任中国科学院数学与系统科学研究院研究员。林群院士是我国在泛函分析、计算数学研究领域内著名的数学家、学科带头人。

Ø 陈敏（院长）：1996年在中国科学院应用数学研究所获博士学位。2003年1月起任中国科学院数学与系统科学研究院副院长。

Ø 杨晓光（教授）：中国科学院管理决策与信息系统开放研究室副主任。主要研究方向为研究方向为风险管理、资产选择与优化、宏观经济分析、组合优化等。

Ø 谢群（教授）：清华大学经济管理学院教授。耶鲁大学统计博士。研究领域包括信用风险的衡量与管理，巴塞尔协议在中国的运用，及金融统计模型的应用。

实验室研究成果

在实验室理事会的领导、学术委员会的指导下，经过对数据的清洗、分析和挖掘，实验室研究人员积极奋发团结在一起取得了的丰硕的研究成果：

1 模型开发按处置方式分类

1.1单户模型在对单户不良资产回收数据进行有无回收的判别后，根据判别分类后的结果，进行一系列的数据转换后，利用回归方程测算其回收值。

1.2打包模型将包内资产的单户回收估算值简单累加后，运用折扣率回归模型，测度折扣率，并以此调整打包户的上述单户回收简单累加值，最终得到打包后资产预测回收值。

按适用经济行为分类

1.3快速估值模型根据资产包的回收均值分摊得到分笔债权的期望值，优点是估值快速且资产包估值精度高，但缺点是单户估计偏差较大，故用于收购时债权信息量有限、时间要求紧迫的批量资产定价较为合适。

1.4风险估值模型通过每笔或每户违约债权的特征分别判别并测算其价值，然后再汇总得到地区估值结果，因此该模型对于单笔或单户债权的测算精度要优于快速估值模型，从而更适用于银行、资产管理公司存量违约债权资产逐户风险监测。

2　学术成果：除模型成果以外，东和数据公司的研究还形成了多篇论文、报告等学术成果，这些基础性的研究对于未来新产品开发都有重要的指导意义：

2.1专项研究Ø 信贷不良资产的管理；

Ø 宏观经济因素对行业回收率的影响；

Ø 经济周期对LGD的影响研究；

Ø 不同地区信贷不良资产的回收率的差异和差异原因分析；

Ø 商业性收购与政策性剥离信贷不良资产回收率的整体和地区差异；

Ø 基于动态损失率计量的违约资产风险溢价估计；

Ø 基于广义beta回归模型的LGD分布估计；

Ø 基于LossMetrics™数据库的LGD评级实证；

Ø 亚洲金融危机时贷款流向和回收率特征对当前金融危机的借鉴意义；

Ø 企业财务信息和违约概率研究等。

2.2信贷不良资产处置分析Ø 信贷不良资产处置方式及影响因素研究；

Ø 信贷不良资产处置时间效应；

Ø 不同处置方式下资产性质的统计分析；

Ø 不同处置方式下回收率的差异；

Ø 相似资产在不同处置方式下回收率的差异；

Ø 诉讼类处置方式的贷款专项研究等。

2.3统计模型使用:Ø 信贷不良资产回收率建模框架分析与设计；

Ø 基于决策树、回归树的LGD建模建立；

Ø 基于地区的回收率模型组研究；

Ø 企业规模对回收率影响的广义贝塔模型；

Ø 神经网络的方法建立预测模型；

2.4债项评级Ø 信贷不良资产债项评级解决方案；

Ø 信贷不良资产债项评级框架设计；

Ø 债券和短期融资券的评级；

Ø 商业银行贷款的评级；

Ø 评级的可信度和评价标准等。