住房抵押貸款資產(chǎn)支持證券量化定級問題思考

張 東，湯 軍

(中南財(cái)經(jīng)政法大學(xué) 金融學(xué)院， 湖北 武漢 430073)

住房抵押貸款資產(chǎn)支持證券量化定級問題思考

張 東，湯 軍

(中南財(cái)經(jīng)政法大學(xué) 金融學(xué)院， 湖北 武漢 430073)

中國住房抵押貸款資產(chǎn)支持證券規(guī)模已達(dá)千億，加強(qiáng)住房抵押貸款證券化相關(guān)研究具有現(xiàn)實(shí)意義。結(jié)合國內(nèi)外有關(guān)評級機(jī)構(gòu)做法提出一種可操作的住房抵押貸款資產(chǎn)支持證券量化評級方法，并對其主要影響因素進(jìn)行蒙特卡羅模擬分析，研究住房抵押貸款資產(chǎn)支持證券分層與違約驅(qū)動變量的關(guān)系。論題從信用評級角度展現(xiàn)違約變量選擇和參數(shù)值設(shè)置的重要性，從而為國內(nèi)住房抵押貸款資產(chǎn)證券化研究提供一定參考。

住房抵押貸款資產(chǎn)證券化；評級方法；蒙特卡羅模擬

住房抵押貸款二級市場是房地產(chǎn)金融效率提升的基礎(chǔ)設(shè)施，屬于國務(wù)院提出的多層次資本市場建設(shè)的重要內(nèi)容。從國際視角看，房地產(chǎn)金融效率高的國家都擁有發(fā)達(dá)的住房抵押貸款交易市場。住房抵押貸款資產(chǎn)支持證券(RMBS，Residential Mortgage-Backed Securitization)則是建設(shè)住房抵押貸款交易市場的基礎(chǔ)要件。進(jìn)一步看，在中國城鎮(zhèn)化戰(zhàn)略背景下，房地產(chǎn)作為國民經(jīng)濟(jì)的支柱產(chǎn)業(yè)之一經(jīng)歷了持續(xù)的高速增長，2001年起中國房地產(chǎn)投資占固定資產(chǎn)投資的比重一直保持在17%左右的較高水平。隨著住房投資和住房價格持續(xù)走高，全國范圍住房需求總體不足，導(dǎo)致住房庫存持續(xù)積累，住房系統(tǒng)性風(fēng)險加大。提升房地產(chǎn)金融效率作為防范和化解房地產(chǎn)市場系統(tǒng)性風(fēng)險的一種有效手段，離不開培育發(fā)達(dá)的住房抵押貸款二級交易市場。中國人民銀行上海分行課題組很早就提出“住房抵押貸款證券化是一項(xiàng)為金融市場造就‘基礎(chǔ)設(shè)施’的系統(tǒng)工程”的觀點(diǎn)[1]。

近幾年中國不斷完善資產(chǎn)證券化業(yè)務(wù)制度并推行備案制，國內(nèi)資產(chǎn)證券化市場實(shí)現(xiàn)了跨越式發(fā)展，住房抵押貸款證券化也邁上新的臺階。中國資產(chǎn)證券化網(wǎng)*https:∥www.cn-abs.com/Default.aspx數(shù)據(jù)顯示，截至2017年1月23日，公開市場共發(fā)行資產(chǎn)證券化產(chǎn)品1 002只，發(fā)行規(guī)模2.02萬億元；其中，住房抵押貸款資產(chǎn)支持證券45支(含個人住房公積金抵押資產(chǎn)證券化產(chǎn)品)，發(fā)行規(guī)模1 971.02億元，占資產(chǎn)證券化市場規(guī)模的9.75%。

住房抵押貸款證券化不僅能夠盤活銀行存量住房貸款，釋放銀行住房貸款資本金，提升資金使用效率，也能夠緩解社會資金不足而導(dǎo)致的貸款緊缺，推動住房產(chǎn)業(yè)發(fā)展。同時通過交易市場可以分散系統(tǒng)性風(fēng)險，有利于中央銀行維護(hù)金融市場的穩(wěn)定。面對國內(nèi)復(fù)雜的住房市場環(huán)境，加速住房抵押貸款證券化和培育相應(yīng)的二級市場更為迫切。這其中離不開健全而完善的信用評級制度和評級技術(shù)體系。信用評級是防范與化解住房抵押貸款證券化風(fēng)險的有效手段，能促進(jìn)住房抵押貸款證券化產(chǎn)品的規(guī)范和該業(yè)務(wù)的可持續(xù)發(fā)展。目前國內(nèi)在住房抵押貸款證券化評級技術(shù)方面水平仍然不高。

一、文獻(xiàn)綜述

國內(nèi)對住房抵押貸款證券化的研究范疇主要集中在對住房違約機(jī)理的理論分析和對違約或提前償付影響因素的實(shí)證分析等方面。違約機(jī)理研究主要是基于理性違約的期權(quán)定價模型推導(dǎo)違約的條件，貸款價值比(LTV，Loan To Value Ratio)是該理論的核心基礎(chǔ)變量。學(xué)者張東對終止償付型理性違約的內(nèi)在機(jī)理進(jìn)行了解構(gòu)，并提出防范終止償付型理性違約風(fēng)險的建議[2]。戴建國、龔瀟瀟等利用期權(quán)理論建立微分方程，對其作定解分析和數(shù)值求解，再結(jié)合國內(nèi)情況對相關(guān)參數(shù)進(jìn)行設(shè)定和調(diào)整，最后通過蒙特卡洛方法，對違約和定價的主要影響因素進(jìn)行理論考察[3-4]。實(shí)證方面代表性文獻(xiàn)來自學(xué)者況偉大和顧全林，兩者均利用某大型商業(yè)銀行總行賬戶級大樣本數(shù)據(jù)，對住房抵押貸款違約影響因素進(jìn)行計(jì)量鑒別。結(jié)論顯示，期權(quán)因素中基礎(chǔ)變量房屋抵押貸款率(LTV)，非期權(quán)變量借款人特征、房屋特征(指一手房、二手房)、所屬區(qū)域等對違約率有顯著影響，為住房抵押資產(chǎn)管理和證券化提供數(shù)據(jù)參考，具有現(xiàn)實(shí)意義[5-6]。還有部分學(xué)者利用住房貸款違約的總量數(shù)據(jù)和時間序列模型，從宏觀角度考察宏觀經(jīng)濟(jì)和房價因素對違約率的影響[7-8]。

國際上住房抵押貸款證券化研究文獻(xiàn)非常豐富。特別是2008年金融危機(jī)后，更是吸引大量研究文獻(xiàn)關(guān)注該類課題。研究重點(diǎn)包括住房抵押貸款證券化中涉及的利益沖突和信息不對稱以及資產(chǎn)池風(fēng)險度量等方面；前者側(cè)重證券化機(jī)制研究，后者關(guān)注風(fēng)險量化。由于住房抵押貸款證券化相關(guān)參與方較多，相互間存在潛在利益沖突和信息的不對稱，研究協(xié)調(diào)機(jī)制和證券設(shè)計(jì)原理有利于釋緩這些問題，提升資產(chǎn)證券化市場功能。T Piskorski和A Tchistyi 對道德風(fēng)險情形下的抵押資產(chǎn)支持證券最優(yōu)設(shè)計(jì)進(jìn)行了理論探討[9-10]；Begley, Taylor A., and A. Purnanandam 對RMBS合約在消除發(fā)起機(jī)構(gòu)和投資者之間信息偏差的作用進(jìn)行實(shí)證分析[11]。Van, Astrid, and L. Standard 對底層資產(chǎn)之間的違約相關(guān)性進(jìn)行了考察[12]；Mason, Joseph R., M. B. Imerman, and L. Hong 分析了資產(chǎn)管理機(jī)構(gòu)公開披露住房抵押貸款底層數(shù)據(jù)所存在的局限性和信息偏差。美國住房抵押貸款證券化的底層數(shù)據(jù)會在資產(chǎn)管理機(jī)構(gòu)(信托方)網(wǎng)站上披露，為貸款賬戶級別的數(shù)據(jù)，包括借款人特征信息和月還款記錄，例如FICO分、是否空置、LTV值以及按月還款數(shù)據(jù)等。該類數(shù)據(jù)為學(xué)術(shù)研究提供了便利[13]。

總體來說國內(nèi)關(guān)于住房抵押貸款證券化的研究文獻(xiàn)并不豐富，原因有：一方面是由于中國住房抵押貸款市場剛剛興起，參與該市場的機(jī)構(gòu)和監(jiān)管需求尚未涌現(xiàn)，另一方面房貸數(shù)據(jù)為銀行內(nèi)部機(jī)密數(shù)據(jù)，數(shù)據(jù)可得性也制約了研究的廣泛開展。目前文獻(xiàn)主要集中于對違約因素的分析，該內(nèi)容可以為資產(chǎn)池定價和信用評級服務(wù)，信用評級研究是該類研究的延展。目前從評級角度研究住房抵押貸款證券化的文獻(xiàn)非常少。因此，本文從評級實(shí)務(wù)角度對住房抵押貸款資產(chǎn)支持證券的一般量化定級思路及其風(fēng)險特征進(jìn)行展示，以期更多學(xué)者了解和關(guān)注這個主題。

二、評級思路

住房抵押貸款資產(chǎn)證券化起源于20世紀(jì)70年代的美國，經(jīng)過40多年發(fā)展，國際上已經(jīng)形成了較為成熟的個人住房抵押貸款證券化評級方法。住房抵押貸款作為基礎(chǔ)資產(chǎn)，具有數(shù)量多、金額小、違約因素同質(zhì)性強(qiáng)等特征，資產(chǎn)池總體特征較為穩(wěn)定，根據(jù)個體特征來把握資產(chǎn)池總體風(fēng)險偏差可控。因此，住房抵押貸款的評級思路基本是基于個體特征的匯總。

我國于2005年發(fā)行第一期個人住房抵押貸款證券化產(chǎn)品“建元2005-1”，隨著國內(nèi)住房抵押貸款證券化市場的發(fā)展，國內(nèi)各評級機(jī)構(gòu)參照國際評級思路也有建立自己的評級方法。盡管各機(jī)構(gòu)評級方法有所不同，但核心思路都是尋找資產(chǎn)池的預(yù)期違約分布和損失分布，再設(shè)置各等級情景壓力推算預(yù)期損失(即信用增級量，Loan-level Credit Enhancement，CE)來定級。

本文參考國際評級機(jī)構(gòu)穆迪的評級方法[14]，提出一種可操作的住房抵押貸款證券化的量化評級思路。量化分析是住房抵押貸款證券化評級實(shí)務(wù)中的重要環(huán)節(jié)，但評級機(jī)構(gòu)還會輔以交易結(jié)構(gòu)分析、法律風(fēng)險分析和相關(guān)參與方分析來綜合評定證券等級。本文僅集中于量化分析部分，現(xiàn)對本文提出的住房抵押貸款資產(chǎn)支持證券的量化定級思路簡要概述如下。

(一) 分層定級思路

住房抵押貸款資產(chǎn)支持證券的資產(chǎn)池是由大量小額分散同質(zhì)性強(qiáng)的個人住房抵押貸款資產(chǎn)組成，評級機(jī)構(gòu)是根據(jù)每筆基礎(chǔ)資產(chǎn)的抵押率、借款人和房屋等特征推斷資產(chǎn)池層面預(yù)期目標(biāo)損失率來定級的。評級機(jī)構(gòu)通常會設(shè)置標(biāo)準(zhǔn)資產(chǎn)池作為參考基準(zhǔn)，通過待評估資產(chǎn)池與標(biāo)準(zhǔn)資產(chǎn)池的比較去獲取預(yù)期目標(biāo)損失率值。給定資產(chǎn)違約損失分布(不妨假定為對數(shù)正態(tài)分布)，據(jù)此可以根據(jù)評級機(jī)構(gòu)的違約率定級矩陣確定不同目標(biāo)級別的信用增級量。該環(huán)節(jié)為組合信用風(fēng)險分析。然后再對證券分層進(jìn)行現(xiàn)金流分析和壓力測試。兩個環(huán)節(jié)都通過的，則可以獲得目標(biāo)等級*此處指量化等級，最終的信用等級還需進(jìn)行交易結(jié)構(gòu)、法律風(fēng)險和相關(guān)參與方等綜合分析后才能獲得。。

正常預(yù)期下的預(yù)期損失率為基準(zhǔn)情景違約損失率，其目標(biāo)等級通常與BBB等級對應(yīng)；信用等級越高，對應(yīng)的目標(biāo)違約損失率的發(fā)生概率越低，定級思路見圖1。根據(jù)證券的定級思路，標(biāo)準(zhǔn)資產(chǎn)池特征提取、基準(zhǔn)參數(shù)設(shè)置、分布校準(zhǔn)及其對宏觀經(jīng)濟(jì)變量的敏感性等均需長期的全國范圍大數(shù)據(jù)作為支撐。

圖1 信用增級量與定級關(guān)系圖

(二) 組合信用風(fēng)險

資產(chǎn)池組合信用風(fēng)險主要是通過目標(biāo)違約損失率來體現(xiàn)，求解過程如(1)式所示。

(1)

首先是對單筆貸款求目標(biāo)違約率。PD(LTVi)表示違約率是LTVi的函數(shù)，LTVi表示初始貸款抵押率，其等于抵押貸款余額/抵押房產(chǎn)價值。違約率PD與LTV的關(guān)系由映射表直接給出，每個目標(biāo)等級都給出具體的對應(yīng)關(guān)系。因此，根據(jù)LTVi數(shù)值通過查詢LTV對應(yīng)目標(biāo)PD表可以得到每筆貸款的違約率，即為未經(jīng)調(diào)整的違約率(也叫基準(zhǔn)違約率)。

f(ai)表示基準(zhǔn)違約率PD的調(diào)整因子，是各調(diào)整因素的乘積。典型的調(diào)整因素包括貸款人特征和貸款特征等屬性。例如，借款人年齡、借款人職業(yè)、貸款類型、貸款賬齡等。各調(diào)整因素的具體屬性和調(diào)整數(shù)量關(guān)系也由映射表給出，例如，借款人年齡小于30歲對應(yīng)的違約率調(diào)整數(shù)量是1.1倍(表示基準(zhǔn)違約率增加10%)，通過查表獲得。

其次是求單筆貸款違約后的損失率。LR(MVDi)表示違約損失率是跌價比率MVDi的函數(shù)，根據(jù)MVDi數(shù)值可以求得該筆貸款的違約損失。違約損失計(jì)算公式為：違約損失=貸款余額-房產(chǎn)回收價值*房產(chǎn)回收價值=房產(chǎn)價值*(1-MVDi)+處置成本+財(cái)務(wù)成本。跌價比率MVDi的值由房屋所在城市類型(一線、二線等)查表獲得。此時得到的是基準(zhǔn)違約損失，再除以貸款余額即為基準(zhǔn)違約損失率LR。

同前， f(βi)表示基準(zhǔn)違約損失率LR的調(diào)整因子，是各調(diào)整因素的乘積。典型的調(diào)整因素包括房產(chǎn)屬性。例如，房產(chǎn)類型、位置與交通、建筑質(zhì)量、房產(chǎn)流動性等。各調(diào)整因素具體屬性和調(diào)整數(shù)量關(guān)系也由映射表給出，調(diào)整倍數(shù)也是通過查表獲得。

最后是資產(chǎn)池層面目標(biāo)違約損失率(即信用增級量)計(jì)算。將每筆貸款的目標(biāo)違約損失率(其值等于f (ai)·PD(LTVi)·f (βi)·LR (MVDi)) 按照該筆貸款余額加權(quán)平均就得到資產(chǎn)池的基準(zhǔn)目標(biāo)違約損失率。 f(λ)表示資產(chǎn)池層面的調(diào)整因素*資金池層面調(diào)整方法較為復(fù)雜，具體請參考穆迪技術(shù)文檔，詳見參考文獻(xiàn)14。，通過與標(biāo)準(zhǔn)資產(chǎn)池比較獲得。例如，基礎(chǔ)資產(chǎn)的數(shù)量、區(qū)域集中度調(diào)整等。基準(zhǔn)目標(biāo)違約損失率乘以f(λ)就得到調(diào)整后的資產(chǎn)池層面目標(biāo)違約損失率，也稱作信用增級量，是確定證券等級的參考標(biāo)準(zhǔn)。

(三)現(xiàn)金流分析

下一個環(huán)節(jié)是對資產(chǎn)池層面的現(xiàn)金流分析和壓力測試。根據(jù)第二步可以初步獲得證券分層和目標(biāo)等級的信用增級量。再根據(jù)證券交易結(jié)構(gòu)特征，測算各種壓力情形下的現(xiàn)金流入與流出的匹配情況。通過反復(fù)試算，可以獲得現(xiàn)金流入剛好覆蓋現(xiàn)金流出的資產(chǎn)池預(yù)期損失率，稱為臨界目標(biāo)損失率。此時若臨界損失率大于(或等于)目標(biāo)損失率，受評證券獲得目標(biāo)信用等級；否則要調(diào)整證券結(jié)構(gòu)或者下調(diào)證券等級。

由于資產(chǎn)池現(xiàn)金流的不確定性主要來源于三個方面，分別是違約發(fā)生的時間、提前償付，以及證券利息支出。因此，構(gòu)建由前置、后置違約時間分布，調(diào)升、調(diào)減提前償付比例，以及調(diào)高利差幅度等不同組合組成的壓力情景，各種壓力情形下的臨界損失率都符合要求，證券才能獲得目標(biāo)等級。

由于住房貸款提前償付和逾期、違約存在較大不確定性，個人住房抵押貸款資產(chǎn)支持證券通常都設(shè)計(jì)成過手型證券。對住房抵押貸款資產(chǎn)證券化產(chǎn)品而言，基礎(chǔ)資產(chǎn)平均利率可能高于或者低于證券發(fā)行利率，若基礎(chǔ)資產(chǎn)平均利率低于證券發(fā)行利率即所謂的負(fù)利差，這在住房公積金抵押貸款資產(chǎn)證券化產(chǎn)品中比較常見，此時提前償付導(dǎo)致的現(xiàn)金流不確定性對證券償付能力的影響較小。因?yàn)樘崆皟敻恫粌H提前接收到本金，由于證券是過手設(shè)計(jì)和負(fù)利差，證券本金和利息減少幅度更大，證券本息的覆蓋倍數(shù)反而會有所增加。

現(xiàn)金流分析是建立在組合信用分析和證券設(shè)計(jì)的基礎(chǔ)上，是對組合信用分析后證券設(shè)計(jì)和交易結(jié)構(gòu)安排下的證券償付的穩(wěn)健性進(jìn)行評估。由于其涉及具體的證券設(shè)計(jì)，后文不對現(xiàn)金流作進(jìn)一步展開分析。

三、校準(zhǔn)及展示

上文簡要列示了一種個人住房抵押貸款證券化產(chǎn)品評級方法，與國內(nèi)部分評級機(jī)構(gòu)的評級思路大體相同，具有一定的參考價值。為使讀者對目標(biāo)違約損失率(即信用增級量)和定級關(guān)鍵因子的相互關(guān)系有直觀的認(rèn)識和了解，下面通過蒙特卡羅隨機(jī)模擬分析研究該方法下定級關(guān)鍵因子和目標(biāo)違約損失率的變動特征。

考察的關(guān)鍵定級因子包括LTV、MVD和基礎(chǔ)資產(chǎn)數(shù)量N。模擬過程為，首先設(shè)定基準(zhǔn)條件為：N=2萬筆，資產(chǎn)池平均LTV=0.69，基準(zhǔn)MVD=0.53；再生成N筆貸款，每筆貸款隨機(jī)賦予LTV值和MVD值；然后根據(jù)每筆貸款的隨機(jī)值查表得到對應(yīng)目標(biāo)等級(不妨以AAA為目標(biāo)等級)的違約率和跌價比率；接著根據(jù)公式1的簡化形式求解目標(biāo)違約損失率，簡化形式令(1)式中的f(ai)和f(βi)都等于1；最后，保持其中二個因素為基準(zhǔn)值不變，對另外一個值循環(huán)迭代*迭代過程說明：1. 基準(zhǔn)條件保持不變，N=2萬，MVD為隨機(jī)變量，LTV為隨機(jī)變量； 2. LTV迭代，則令新的LTV等于基準(zhǔn)LTV乘以一系數(shù)，令該系數(shù)從0到1.5步長為0.1來實(shí)現(xiàn)LTV的變動調(diào)整；其他兩個因素保持不變； 3. MVD的迭代過程類似； 4. N迭代則相對簡單，直接令N=3000到30000，步長500。，不斷重復(fù)過程前3步，得到該因素與信用增級量關(guān)系圖。三個關(guān)鍵因素分別與信用增級量的關(guān)系如圖2和圖3所示。

圖2包括四個小圖形，第一個小圖表示模擬資產(chǎn)池的平均LTV與目標(biāo)違約率*目標(biāo)違約率指違約回收率為0時的目標(biāo)損失率，即不考慮資產(chǎn)回收價值的資產(chǎn)池違約比率。的關(guān)系，第二個圖表示隨機(jī)模擬的LTV分布圖，通過LTV與目標(biāo)等級PD的對應(yīng)表來獲得基礎(chǔ)資產(chǎn)的違約比率。第三個圖是考慮違約回收后的目標(biāo)違約損失率，由于基礎(chǔ)資產(chǎn)違約后還可以收回一部分，因此目標(biāo)違約損失率要比目標(biāo)違約率更低。在基準(zhǔn)條件下，對應(yīng)的目標(biāo)違約率即信用增級量大約為0.0875，表明在目標(biāo)等級(AAA等級)下資產(chǎn)池?fù)p失比率超過8.75%的概率低于目標(biāo)等級債券出現(xiàn)違約的概率。最后一個圖是考慮資產(chǎn)池調(diào)整后的信用增級量(基準(zhǔn)值調(diào)整為0.148)變化情況。此處主要是考慮貸款筆數(shù)N和城市等級集中在一線城市時，相比設(shè)定的標(biāo)準(zhǔn)資產(chǎn)池的特征差異而做的調(diào)整。標(biāo)準(zhǔn)資產(chǎn)池*標(biāo)準(zhǔn)資產(chǎn)池指，為計(jì)算信用增級量公式(1)中的值，而設(shè)定的資產(chǎn)池標(biāo)準(zhǔn)。擬評級的資產(chǎn)池與該標(biāo)準(zhǔn)資產(chǎn)池比較，根據(jù)兩者的差異可以得到的值。假定貸款筆數(shù)為3 000筆，且隨機(jī)分布在5類城市分類中。因此，該模擬資產(chǎn)池盡管貸款數(shù)量更多，但由于都集中在一線城市反而降低了該資產(chǎn)池的多樣性，使得調(diào)整后的信用增級量更大。即需要更大的層厚才能獲得目標(biāo)等級。最后一個圖是證券結(jié)構(gòu)設(shè)計(jì)的基礎(chǔ)。

從圖2可知，信用增級量與資產(chǎn)池平均LTV關(guān)系呈正相關(guān)關(guān)系。平均LTV越大，則需要的信用增級量也越大，此時優(yōu)先級分層比例就越小。與資產(chǎn)池基礎(chǔ)資產(chǎn)平均違約比率越高，優(yōu)先級分層越薄的直覺是一致的。圖3則分別反映跌價比例*信用增級量與跌價比例(MVD)的關(guān)系是通過損失值(LR)來間接反映，MVD與LR之間存在正向關(guān)系，跌價比率越高，損失值也越大。損失值(LR) = 貸款余額 + 財(cái)務(wù)成本 - (房屋回收價值 - 房屋處置成本)= 貸款余額 *(1 + 利率 * 清償時間) - 房屋原值 * (1 - 下跌比率(MVD))*(1 - 處置成本比率)。(MVD)和貸款數(shù)量N與調(diào)整后信用增級量的關(guān)系。圖形顯示，平均跌價比例越高則信用增級量也越高。因?yàn)榈鴥r比率越高，則房貸違約后的房屋回收價值越低，回收對資產(chǎn)池的保障也就越低。而房貸數(shù)量則與調(diào)整后信用增級量呈反比例關(guān)系，貸款數(shù)量越多表明資產(chǎn)池分散性越好，所需的信用增級量就越少。

綜合三個主要因素，可以看到，優(yōu)先級分層比例對平均LTV最敏感，平均LTV的信用增級量最多可達(dá)到25%以上，其次是MVD。而在其他條件不變的情況下，房貸數(shù)量對信用增級量的影響最小，信用增級量變動幅度在2個百分點(diǎn)以內(nèi)。

注：信用增級量與跌價比例(MVD)的關(guān)系是通過損失值(LR)來間接反映，MVD與LR之間存在正向關(guān)系，跌價比率越高，損失值也越大。

以上分析表明，個人住房抵押貸款證券化產(chǎn)品對資產(chǎn)違約比率最為敏感，低違約比率有利于較大幅度地降低其所需要的信用增級量，使優(yōu)先級分層比例更高。在給定目標(biāo)等級條件下，證券優(yōu)先級比例越高，就意味著融資成本越低。分層比例是個人住房抵押貸款資產(chǎn)證券化實(shí)務(wù)中最受關(guān)注的內(nèi)容。其中，底層資產(chǎn)的分散度對分層有較大影響，若資產(chǎn)池區(qū)域集中則會使其面臨較大的區(qū)域系統(tǒng)性風(fēng)險，進(jìn)而削弱相同分層比例下劣后層對優(yōu)先層的保障程度。住房公積金資產(chǎn)支持證券因發(fā)行主體為所在地區(qū)(地級市)住房公積金管理中心，其資產(chǎn)都集中在當(dāng)?shù)?，該類產(chǎn)品則普遍面臨區(qū)域集中風(fēng)險。

四、結(jié) 論

住房抵押貸款證券化及其二級市場的培育與發(fā)展，在當(dāng)前房地產(chǎn)去庫存和部分城市房貸風(fēng)險過于集中的背景下具有較強(qiáng)的現(xiàn)實(shí)意義。但國內(nèi)在這方面的研究仍顯不足，相關(guān)文獻(xiàn)并不豐富，一定程度上制約了國內(nèi)住房抵押貸款證券化市場的深化發(fā)展。

除了因住房抵押市場處于市場發(fā)展初期，學(xué)界對該類問題關(guān)注度少外，另一重要原因是數(shù)據(jù)短缺而導(dǎo)致的研究不足。從本文概述的評級思路可以知道，證券分層結(jié)構(gòu)和評級結(jié)果對一些基礎(chǔ)性假設(shè)、關(guān)鍵變量選擇、相互間的數(shù)量關(guān)系，以及參數(shù)的具體取值依賴性非常大，例如，基準(zhǔn)違約率參照系的選擇、LTV和PD的調(diào)整因素、具體數(shù)量關(guān)系等。而證券分層結(jié)構(gòu)和評級結(jié)果間接地體現(xiàn)了融資成本和市場交易效率。在缺乏可靠數(shù)據(jù)和研究支撐的前提下，評級機(jī)構(gòu)傾向于對數(shù)據(jù)作保守估計(jì)，市場也會因此做出保守的投資和交易策略。這在一定程度上增加了證券發(fā)行成本，也抑制了證券在二級市場的流動性。但由于住房抵押貸款信息都是商業(yè)信息，數(shù)據(jù)掌握在各商業(yè)銀行以及各地住房公積金管理中心手中，有興趣的學(xué)者和研究機(jī)構(gòu)因無法獲取相關(guān)數(shù)據(jù)，使得與之相關(guān)的實(shí)證研究非常少。

總之，國內(nèi)資產(chǎn)證券化市場發(fā)展已經(jīng)使住房抵押貸款在制度和操作層面打開了資產(chǎn)證券化融資通道。接下來更重要的是增強(qiáng)市場對住房抵押貸款資產(chǎn)證券化產(chǎn)品的認(rèn)識和理解，尤其是對住房抵押貸款資產(chǎn)池現(xiàn)金流影響因素和定級方法參數(shù)確定等定價關(guān)鍵因素的認(rèn)識。通過研究提升信息透明度，可在一定程度上增強(qiáng)住房資產(chǎn)證券化產(chǎn)品的發(fā)行和流通效率。因此，還需通過各方合作的形式共享數(shù)據(jù)，尤其從監(jiān)管層面推動底層賬戶級數(shù)據(jù)的公開與共享，才能推動學(xué)界和相關(guān)機(jī)構(gòu)持續(xù)做出有影響的研究并發(fā)布研究成果。

[1] 中國人民銀行上海分行課題組(主持人吳曉靈, 王華慶等). 中國住房抵押貸款證券化的實(shí)施步驟[J]. 金融研究, 2000(5):91-98.

[2] 張東. 論住房抵押貸款終止償付型理性違約[J]. 中南財(cái)經(jīng)政法大學(xué)學(xué)報, 2003(2):72-77.

[3] 戴建國. 住房抵押貸款供給與期權(quán)定價模型及其分析[D]. 上海交通大學(xué), 2001.

[4] 龔瀟瀟, 王朝暉, 洪志興. 考慮投資者套現(xiàn)行為的住房抵押貸款期權(quán)定價模型[J]. 經(jīng)濟(jì)評論, 2013(6):115-123.

[5] 況偉大. 中國住房抵押貸款拖欠風(fēng)險研究[J]. 經(jīng)濟(jì)研究, 2014(1):155-168.

[6] 顧全林. 住房抵押貸款的償還能力風(fēng)險和理性違約風(fēng)險[J]. 投資研究, 2014(5):110-119.

[7] 丁彥皓. 中國住房抵押貸款證券化信用風(fēng)險的波動特征檢驗(yàn)——基于ARIMA-ARCH模型的論證[J]. 金融經(jīng)濟(jì)學(xué)研究, 2013(4):117-128.

[8] 姜玉梅, 姜亞鵬, 王飛. 住房抵押貸款證券化信用風(fēng)險宏觀影響因素分析——國際經(jīng)濟(jì)波動下基于建元2005—1資產(chǎn)池的研究[J]. 宏觀經(jīng)濟(jì)研究, 2011(4):56-61.

[9]Hartman-GlaserB,PiskorskiT,TchistyiA.OptimalSecuritizationWithMoralHazard☆[J].JournalofFinancialEconomics, 2009, 104(1):186-202.

[10]PiskorskiT,TchistyiA.OptimalMortgageDesign[J].ReviewofFinancialStudies, 2007, 23(8):3098-3140.

[11]BegleyTA,PurnanandamA.DesignofFinancialSecurities:EmpiricalEvidencefromPrivate-LabelRMBSDeals[J].SocialScienceElectronicPublishing, 2013.

[12]VanA,StandardL.AssetCorrelationinStructuredFinancePortfolios[J].StructuredFinanceAnalyticsGroup, 2007.

[13]MasonJR,ImermanMB,HongL.Self-reportingunderSECRegABandTransparencyinSecuritization:EvidenceFromloan-levelDisclosureofriskFactorsinRMBSDeals[J].JournalofRiskFinance, 2014, 15(4):334-384.

[14]Moody’s.Moody’sInvestorService.Moody’sApproachtoRatingUSPrimeRMBS[EB/OL]. [2016-08-06].http:∥www.moodys.com/viewresearchdoc.aspx?docid=PBS_SF393270.

[責(zé)任編輯：靳香玲]

About Quantization Rating of Residential Mortgage-Backed Securities

ZHAND Dong, TANG Jun

(School of Finance, Zhongnan University of Economics and Law, Wuhan 430073, China)

China’s residential mortgage-backed securities (RMBS) have reached to one hundred billion RMB, which makes the relevant research of strengthening the securitization of residential mortgage significant in practice. Making reference to the methods of some rating organizations at home and abroad, the paper puts forward an operational method of quantization rating of residential mortgage-backed securities and carries out a Monte-Carlo-simulation analysis of its major influencing factors so as to study the relationships between RMBS hierarchies and defaulting-driven variables. From the perspective of credit rating, the paper reveals the significance of selection of defaulting variables and parameter setting, which will provide some reference for the research China’s residential mortgage-backed securitization.

residential mortgage-backed securitization; rating method; Monte Carlo simulation

2017-01-09

張東(1958-)，男，云南昆明人，中南財(cái)經(jīng)政法大學(xué)金融學(xué)院教授，博士生導(dǎo)師，主要從事房地產(chǎn)金融與投資研究。

湯軍(1975-) ，男，江西泰和人，中南財(cái)經(jīng)政法大學(xué)金融學(xué)院國民經(jīng)濟(jì)學(xué)2014級博士研究生，主要從事房地產(chǎn)金融與投資研究。

F 275

A

1004-1710(2017)03-0058-07