在学习CFA二级的统计学时发现和之前给一个客户做的一个财务报告目的的预期信用损失减值损失（“ECL”）项目中的很多专业技术点可以很好的进行结合，通过结合CFA中学到的知识结合对实务中的案例进行回顾和分析，ECL的测试涉及的内容较多，本文主要针对确认前瞻性调整因素（“FLI”）采用的回归分析法与CFA中的数量知识进行结合分析。

项目背景：ClientY拟委托乙方对其期末应收账款的减值金额测算。该应收账款是应收房地产行业的款项，2022年末由于受房地产行业低迷的经济环境影响，存在减值迹象，需要对其进行减值测试。

项目目的：财务报告目的

估值基准日：2022-12-31

整体主要方法简介（略过）：

𝐸𝐶𝐿= 𝑃𝐷× 𝐿𝐺𝐷× 𝐸𝐴𝐷× 𝐹𝐿𝐼× 𝐷F

在确认上述的FLI因素中，我们采用的是回归分析法，相关步骤如下所示：

Step1:获取地产行业的历史违约率数据（历史期PD，包含PDt)，建立其与宏观经济指标GDP和CPI的概率模型；

Step2:回归分析得到预测相关系数；

Step3:获取不同经济环境下的预期经济数据，结合上一步骤的出来的回归方程式对下一期的地产行业违约率进行推测，加权平均得到下一期的预期违约率PDt+1,确定前瞻性调整因子FLI=PDt+1

•

在做完整个回归之后，在内部复核过程中，reviewer提出了以下问题：

1）R^2太低，P-value太高；

2）对因变量的调整：业内一种常用做法Wilson模型是对历史违约率进行Logit转换，即用ln(pd/(1-pd))作为因变量来进行回归，一则避免得出的违约率预测值为负数，二则回归效果也比目前PD直接回归更好一些

3）程结果和经济意义不符，如CPI和PD正相关

当时按照reviewer的意见进行了修改，但是当时并不太理解其中的含义。现在通过学习CFA中的统计学，对上述问题有了更加深刻的理解：

---