RMBS四種評級思路在我國的適用性分析

國際評級機構測算RMBS組合信用風險的方法主要有四種：遷移率-壓力乘數法、模擬方法、MILAN方法和Logistic-壓力乘數法。中債資信在個人住房抵押貸款證券化系列研究的前五篇對這四種方法進行了詳細的介紹。

經研究我們發現，國外評級機構的RMBS評級方法不同，但都有其內在的評級邏輯，評級方法也都比較復雜，其共同優勢包括：第一，對貸款信用風險的評估比較細致，都采用逐筆分析；第二，均具有較強的經濟學含義。共同的局限性在於：第一，由於預測期限較長，會出現實際的宏觀經濟環境可能與模型預測情景不符，導致模型對極端情況下組合的違約及損失情況估計不足。第二，其他無法量化的因素無法使用模型加以分析。從適用性方面看，我國目前的數據積累和評級分析師經驗基本能夠滿足遷移率-壓力乘數法的要求，因此遷移率-壓力乘數方法比其他方法在我國的適用性更強。

但是考慮到國內外經濟環境不同，我們可以借鑒國外機構的方法，參考遷移率-壓力乘數法的思路開發我國RMBS評級模型，提出適用於我國的貸款狀態轉移矩陣估計方法，並在評級實踐中加強數據積累，適時對相關參數及調整規則進行實證研究。

一、四種方法在我國的適用性分析

通過研究國外機構的評級思路，我們發現每種評級方法都有其內在的評級邏輯，評級方法也都比較復雜。總體看來，這四種方法共同的優勢包括以下兩個方面：第一，對貸款信用風險的評估比較細致，都采用逐筆分析。RMBS基礎資產涉及幾千筆貸款，但是國外評級機構在評估其組合信用風險時，卻沒有采用汽車貸款ABS評級中所使用的靜態樣本池的方法，而是對影響貸款信用質量的重要指標，如違約率、違約損失率、提前還款率等，各自構建不同的模型，對每筆貸款逐一評估。這可能是考慮到每筆貸款在借款人性質、貸款條件以及抵押物價值等方面特征具有一定差異，因此靜態樣本池方法可能會存在一定誤差，需要對每筆貸款的性質逐一評估。第二，具有較強的經濟學含義。由於住房抵押貸款的期限較長，受宏觀經濟影響較大，因此在國外機構評級方法中，均不同程度地考察了宏觀經濟指標對資產支援證券信用品質的影響，有的機構對宏觀經濟變量直接塑模並用來預測貸款的信用表現，有的機構則將宏觀經濟變量作為壓力測試的一部分，這些處理使得RMBS方法論具有較強的經濟學含義。同時，這四種方法還具有以下幾方面共同的局限性：第一，由於預測期限較長，會出現實際的宏觀經濟環境可能與模型預測情景不符，導致模型對極端情況下（如房地產市場崩盤致使房價大跌等）資產組合的違約及損失情況估計不足。第二，其他無法量化的因素無法使用模型加以分析。國際機構的組合信用風險評估方法提供的是一種定量分析方法，較難考察無法量化的因素包括：宏觀經濟環境、法律法規變化、發起機構對貸款損失風險的控制能力等，這些因素會對評估結果帶來一定程度的不確定性。除了共同的優勢與局限性之外，由於國際機構的方法各不相同，因此有必要對這些方法各自的優勢與局限性進行深入比較。

（一）四種方法各自的優勢與局限性

遷移率-壓力乘數法的優勢在於邏輯清楚，能夠在較短的時間內計算出特定RMBS基礎資產的基準違約概率及清算時間，模型的程式化亦可由多種編程工具（例如：C++、Matlab、Excel/VBA）實現。在計算出基準損失率之后，施加壓力乘數即可得到目標級別下的損失率，評估過程的操作性強。遷移率-壓力乘數法也有一定的局限性，主要體現在壓力乘數的使用和遷移率清算時間模型兩方面：使用壓力乘數的局限性在於，壓力乘數相當於對未來經濟景況的嚴苛程度對資產池信用質量影響的預測，由於不再對未來宏觀經濟指標分別預測，因此壓力乘數的設定便充當一個重要而綜合的預測指標。而目前不同目標信用等級對應的壓力乘數具有一定主觀性，在數據不充分或披露資訊較少時，此方法的有效性還有待檢驗。遷移率清算時間模型的局限性體現在模型假設方面，模型認為貸款的狀態轉移過程是一個時齊的馬爾科夫過程，並采用轉移概率的思想估計違約率隨時間的變化曲線，但這一假設是否與實際情況相符仍有待考證。在遷移率清算時間模型中，最主要的假設是實際使用的狀態轉移概率，由於模型將同一狀態轉移矩陣用於相當長的一段時間內，但是不同經濟景況下，貸款的轉移概率也會有所不同，因此需要對狀態轉移矩陣做出調整與修正，而從公開資料中也沒有發現對此模型的修正。

模擬方法的優勢主要體現在以下幾個方面：第一，理論基礎扎實、邏輯性強。無論是對宏觀經濟指標的預測還是單筆貸款的違約及提前償還情況的估計，均建立定量分析模型並以實證研究為基礎，在擬證券化資產池存續期內進行預測，度量基礎資產的組合信用風險。第二，方法比較靈活，可延展性好。模擬方法對每筆貸款的違約率、提前還款率進行模擬，既可以處理同質組合，也可以處理異質組合，具有較強的靈活性。同時，模型還對每個經濟變量（利率、房價等）單獨塑模並預測未來經濟景況，這些模型的有效性可以通過數據積累和技術提高而不斷改進，因而方法整體的延展性較好。模擬方法也存在一定局限性，一是由於模擬方法需要產生多個宏觀經濟指標未來的路徑，並且每條路徑下對每筆貸款逐一判定其違約及提前還款情況，因此模型運算效率較低。二是模型對每個宏觀經濟指標分別建立隨機模型，均會產生一定誤差，尤其是如利率預測模型，誤差較大，將預測結果帶入到判定貸款違約風險的Cox風險模型中，可能會進一步放大結果誤差。

MILAN方法的優勢是操作性強，其局限性體現在以下幾個方面：第一，MILAN方法的定性判斷較多，方法略顯說服力不足。MILAN方法側重於貸款與預設標準進行比較分析，但是標準的設定、貸款與標準不同時的調整規則缺乏實證基礎，因此該方法略顯說服力不足。第二，MILAN方法假設基礎資產的累計損失率服從對數正態分布，這一假設在汽車貸款ABS中也曾采用，穆迪也通過實證驗證了該假設的合理性，但是並未對住房抵押貸款組合累計損失率的分布進行相關驗證，因此缺乏實證基礎。此外，資產組合的累計損失率服從對數正態分布這一假設的成立是建立在基礎資產筆數足夠多、分散度較高的基礎上的，如果基礎資產筆數較少，那么這一假設能否滿足還有待進一步驗證。

Logistic-壓力乘數法的優勢體現在以下兩個方面：第一，模型結構完整，邏輯清晰。違約率模型選取了13個自變量以實證數據對每筆貸款的違約率進行Logistic回歸，定量分析其相關關係；損失率模型也選取了多個經濟變量構建了會計基礎的模型，並且將違約率模型與損失率模型有機結合起來，因而結構完整，邏輯比較清晰。第二，方法的解釋力較強。一方面，在選取模型解釋變量時，定量考慮了借款人、貸款、宏觀經濟等多個維度的指標，並且通過實證的方法測算出各指標對違約率的影響；另一方面，違約損失率模型以實際財務過程為基礎，充分分析發行主體在變賣抵押物時的收入及支出，能較好的與實際情況符合，因而模型的解釋力較強。Logistic-壓力乘數法也具有一定局限性，表現在：第一，Logistic回歸模型所選取的變量存在著相關關係。例如，模型中的關鍵變量信用評分（Credit Score）與借款人流動儲備、貸款檔案齊備性存在著相關關係。由於回歸模型的自變量並非完全獨立，這使得模型高估了因變量與某類自變量的相關關係。第二，預測模型的誤差在多次回歸中被放大，影響最終結果。從最基本的房價模型開始，在輸入時就包含了變量的歷史值和預測值，利用這一回歸結果得到了房價的可持續市場價值減值，同時再次用於估計違約概率和違約損失率，因此預測模型的誤差在多次回歸中將被放大，預測模型的準確程度將在很大程度上決定最終模型是否準確。第三，模型對於變量中還包含多個細分類的處理方法采用了設定基準類、調整其他類的方法。在基準類的Logistic回歸結果的基礎上，考慮其他類別變化帶來的影響，得到某個變量的其他類別對應的違約率。模型在考慮不同類別的同一分類變量所帶來的影響中，定性設定相應的調整參數，這些參數設置的合理性缺乏實證基礎，因而削弱了模型的解釋力。

（二）四種方法在我國的適用性分析

由於四種方法具有各自的優勢與局限性，因此在分析四種方法在我國的適用性時，我們需要重點考察這些方法在我國的可操作性，主要考慮以下幾個方面：

從歷史數據積累的要求方面看，我國歷史數據很難滿足模擬方法、MILAN方法和Logistic-壓力乘數法的要求。MILAN方法對數據積累的要求較高，因為該方法需要建立國家標準貸款的特征，比如貸款金額、貸款價值比、利率、房產類型、價值、地區、購買目的、借款人收入、職業等，以及國家標準貸款組合的特征，而這些特征的歸納以及基準參數的設置均需要以大量全國范圍內的數據為基礎，才能使標準貸款以及標準貸款組合具有代表性。此外，擬證券化的每筆資產需要與標準貸款進行比較，資產組合也要與標準貸款組合進行比較，之間的差異需要進行調整，而調整規則的制定也需要有大量的數據積累。因此MILAN方法更適合在數據積累比較豐富、比較成熟的房地產和金融市場中使用，在我國住房抵押貸款市場起步較晚、數據積累有限的條件下，MILAN方法的可操作性不強。模擬方法對歷史數據的要求也很高，一方面，模擬方法需要對各變量分別塑模估計，在宏觀經濟指標（利率、房價等）的模型中，我國宏觀指標數據雖然比較豐富，但是這些宏觀指標數據受政策影響較大，導致許多模型的假設條件（如有效市場）無法滿足，降低了模型的解釋力和預測力；另一方面，模擬方法對條件違約率塑模，估計出貸款在不同時間的條件違約率，而條件違約率與貸款的賬齡關係密切，一般而言賬齡越長的貸款條件違約率越低，因此在運用中對賬齡較長貸款條件違約率的估計存在數據不足的問題。Logistic-壓力乘數法需要大量貸款在存續期末違約與否的狀態數據，以及逐筆貸款的特征數據、借款人資訊、宏觀經濟變量數據等，由於我國大部分住房貸款還處於還款期，只有少部分發放較早、期限在10~15年的住房貸款已經還清或即將還清，因此在大部分住房貸款未到期的情況下，貸款的違約及損失情況還未充分暴露出來，貸款最終違約與否的數據較難獲取，而其他借款人、貸款等資訊目前也並不完備，要同時獲得Logistic回歸模型需要的數據較難實現。

相比之下，我國目前的數據積累基本能夠滿足遷移率-壓力乘數法的要求。貸款狀態轉移概率的估計對數據需求相對較少，只要能夠獲取若干個靜態池中每筆貸款的扣款明細，即可估計貸款狀態轉移矩陣，而我國目前商業銀行基本能夠實現構建靜態池並輸出每筆貸款每期的扣款資訊，從而能夠滿足估計歷史狀態轉移矩陣的數據要求。需要指出的是，與20~30年的貸款期限相比，我國的住房貸款歷史數據的期限較短，因此無法估計全周期的貸款狀態轉移矩陣。這一問題可以根據貸款違約及損失時間分布規律進行推測，由於貸款的賬齡越長，借款人已經償還的金額越多，違約成本越高，因而通常情況下貸款的損失時間分布呈現先增后減的趨勢，越是臨近貸款到期日，違約增幅越低。鑒於這一規律，我們認為對於時間較長的狀態轉移概率的估計，可以在估計出的轉移矩陣基礎上進行相應定性調整，在數據達到一定積累后更新狀態轉移矩陣。遷移率-壓力乘數法對數據要求也很高，需要跨經濟周期的貸款損失歷史數據。標普認為，AAA級別對應的是歷史最嚴苛的經濟情景（比如大蕭條時期），B級別對應的是歷史平均的經濟情景，因此壓力乘數的制定需要歷史最差時期住房貸款損失數據和歷史平均損失數據。我國住房貸款市場起步較晚，房價也不斷上漲，還沒有經歷一個完整經濟周期，因此很難根據我國已有歷史數據估計壓力乘數。在這種情況下，我們可以考慮采用國外AAA級別的壓力乘數為上限，因為我們認為即使我國遭受經濟危機，對住房貸款的影響也不會比國外經濟危機的影響大，並在此基礎上進行相應地調整，待數據達到一定積累后，對壓力乘數進行校準。

從分析師評級經驗的要求方面看，雖然每種方法都需要分析師對相關參數進行調整，但是MILAN方法對分析師評級經驗的要求更高。MILAN方法需要分析師設定國家特定標準貸款的相關特征，並將每筆擬證券化資產（資產組合）與標準貸款（標準貸款組合）進行比較，每一項差異都需要調整信用增級量。這些標準貸款特征的設定、調整規則的設定都需要較豐富的評級經驗積累。其他幾種方法更多地依賴量化分析模型，測算結果比較客觀，對分析師的評級經驗依賴較少，能夠在RMBS業務開展初期為分析師提供一定的參考。

綜上所述，在評估我國RMBS產品基礎資產組合信用風險時，遷移率-壓力乘數法比其他三種方法在我國的適用性更強。

二、相關思考

我國的住房貸款市場起步較晚，人民銀行於1995年發布《商業銀行自營住房貸款管理暫行辦法》標志著我國住房貸款業務開始步入正軌。雖然我國於2005和2007年先后發行了兩單RMBS產品，但是仍然處於探索階段，並沒有形成一套理論完備的RMBS信用風險評估體系，因此我們可以借鑒和改進國外評級機構的相關做法，為我國進一步開展RMBS提供理論參考。

第一，可以借鑒遷移率-壓力乘數法的思路，開發我國RMBS評級模型。通過比較國外機構評估RMBS信用風險時的四種方法，我們認為遷移率-壓力乘數法比其他方法在我國的適用性更強。因此，我們可以借鑒此思路，估計我國的貸款狀態轉移矩陣，並根據貸款在每期還款狀態具有排他性，用隨機數判定貸款的確切狀態，在大量蒙特卡洛模擬中，估計基礎資產組合信用風險。

第二，提出適用於我國的貸款狀態轉移矩陣估計方法。狀態轉移矩陣刻畫的是貸款從某種狀態轉變為其他狀態的概率。遷移率-壓力乘數法將貸款狀態分為9類，但由於我國對貸款狀態的分類標準與國外有所不同，貸款違約后對抵押物處置等狀態的數據較難獲得，因此在開發RMBS評級模型過程中，可以適當減少貸款狀態的種類，並且這一簡化並不影響組合信用風險評估。另一方面，國際評級機構通常假設貸款的狀態轉移矩陣是一個時齊的馬爾科夫轉移矩陣，即認為轉移矩陣與貸款賬齡無關。而這一假設在我國有些不適用，因為我國居民消費較國外謹慎，而且住房在我國民生中意義重大，對個人而言違約成本高，並且隨著賬齡增加，借款人在房產中的權益增加，會進一步增加違約成本。綜合以上考慮，我們認為貸款的轉移矩陣隨賬齡的增加而變化，因此可以嘗試逐年估計狀態轉移矩陣。在發起機構提供的歷史還款數據覆蓋的時間范圍內，可參考遷移率-壓力乘數法的做法估計貸款發放后每一年的狀態轉移矩陣；在沒有歷史數據的時間范圍內，可嘗試利用其他機構的公開數據估計狀態轉移矩陣。此外，應當充分考慮房地產行業的周期性對狀態轉移矩陣的影響，對估計結果進行適當的定性調整。

第三，加強數據積累，對相關參數及調整規則進行實證研究。如上文所述，無論是哪種方法都面臨歷史數據積累匱乏、分析師經驗不足的問題，這些問題都需要在市場的持續發展、評級實踐的深化中不斷解決，在數據達到一定積累后對相關參數及調整標準進行實證研究，以增強評級方法的準確性。

（作者：評級業務部 孫嘉；資訊研究總部 楊帥 王貴君）