不良個人住房抵押貸款支持證券信用風(fēng)險研究

姚鵬 劉蓮

摘要：本文分析了個人住房抵押貸款支持證券的運作模式和風(fēng)險管理方式，在此基礎(chǔ)上構(gòu)建了KMV修正模型，選取2018年我國三家商業(yè)銀行發(fā)行的個人住房抵押貸款支持證券作為樣本，應(yīng)用KMV修正模型對其信用風(fēng)險進行了度量。研究結(jié)果表明，上述產(chǎn)品的信用風(fēng)險極低，與評級機構(gòu)對這些產(chǎn)品的評級結(jié)果一致;較高的次級分層占比及超額抵押率有效緩釋了信用風(fēng)險。

關(guān)鍵詞：不良個人住房抵押貸款? RMBS? 信用風(fēng)險? KMV模型

近年來，受宏觀經(jīng)濟下行壓力增大等因素影響，我國商業(yè)銀行不良貸款余額和不良貸款率有所上升。2019年三季度末，商業(yè)銀行不良貸款余額為2.37萬億元，較上季度末增加1320億元;不良貸款率為1.86%，較上季度末增加0.05個百分點。個人住房抵押貸款在銀行貸款中的占比較高，如果個人住房抵押貸款出現(xiàn)大規(guī)模違約，將對商業(yè)銀行的穩(wěn)定經(jīng)營產(chǎn)生較大影響。在此背景下，我國商業(yè)銀行針對不良個人住房抵押貸款發(fā)行了較大規(guī)模的個人住房抵押貸款支持證券（RMBS），緩釋了不良貸款對商業(yè)銀行產(chǎn)生的不利影響，優(yōu)化了商業(yè)銀行的資產(chǎn)負(fù)債結(jié)構(gòu)，提升了商業(yè)銀行抵御風(fēng)險的能力。那么對于投資者來說，該如何度量RMBS的信用風(fēng)險？筆者將對此進行探討。

RMBS的運作模式及風(fēng)險管理方式

（一）RMBS運作的理論基礎(chǔ)

在個人住房抵押貸款發(fā)生違約后，如果將多筆不良個人住房抵押貸款打包形成資產(chǎn)池，其整體回收率具有穩(wěn)定性，可以基于該資產(chǎn)池發(fā)行資產(chǎn)支持證券，這是RMBS成功運作的基礎(chǔ)。假設(shè)資產(chǎn)池的預(yù)期回收率為R，個人住房抵押貸款的賬面價值為V，那么資產(chǎn)池的價值為R與V的乘積。

資產(chǎn)支持證券的認(rèn)購方一般為機構(gòu)投資者或個人，認(rèn)購方基于資產(chǎn)池回收的現(xiàn)金來獲得本金及投資收益。從金融市場層面來看，資產(chǎn)支持證券鏈接了商業(yè)銀行的資金需求和投資者的投資需求。

（二）RMBS的交易結(jié)構(gòu)及運作流程

與其他類型的資產(chǎn)支持證券類似，RMBS的交易涉及多個主體，包括特殊目的載體（SPV）、原始貸款人（債務(wù)人）、發(fā)起人、投資者、服務(wù)機構(gòu)、信用評級機構(gòu)等。RMBS的一般交易結(jié)構(gòu)見圖1。

RMBS的主要運作流程如下：第一，商業(yè)銀行或其他金融機構(gòu)作為發(fā)起人，將多筆個人住房抵押貸款進行組合后形成資產(chǎn)池，在評估資產(chǎn)池的價值后，將資產(chǎn)池出售給SPV1;第二，信用增進機構(gòu)對證券化資產(chǎn)進行信用增進，信用評級機構(gòu)對擬發(fā)行的RMBS進行信用評級;第三，承銷商將RMBS出售給投資者，并將銷售收入轉(zhuǎn)給SPV，SPV再將銷售收入轉(zhuǎn)給發(fā)起人;第四，服務(wù)機構(gòu)負(fù)責(zé)回收債務(wù)人的償債資金，并向投資者支付債券本金和利息。

（三）RMBS的風(fēng)險管理

RMBS的風(fēng)險管理機制和風(fēng)險緩釋手段主要體現(xiàn)在以下幾個方面。第一，采用多主體交易結(jié)構(gòu)，多個主體可以相互制衡，降低了資金轉(zhuǎn)讓過程中可能產(chǎn)生的風(fēng)險;此外，投資者為了保護自身利益，也會相對理性地進行投資選擇，這將在一定程度上限制基礎(chǔ)資產(chǎn)質(zhì)量較差且風(fēng)險較高的債券流入金融市場。第二，設(shè)計了優(yōu)先級/次級結(jié)構(gòu)，RMBS的次級債券均由發(fā)起人認(rèn)購，同時監(jiān)管政策規(guī)定信貸資產(chǎn)支持證券的風(fēng)險自留比例不得低于所發(fā)行債券規(guī)模的5%，這使得發(fā)起人認(rèn)購的次級債券對機構(gòu)投資者或個人認(rèn)購的優(yōu)先級債券具有較強的支撐能力，從而極大地降低了優(yōu)先級債券的本息兌付風(fēng)險。第三，由于住房抵押貸款屬于相對優(yōu)質(zhì)的資產(chǎn)，房屋的處置收入通常較為穩(wěn)定，不良住房抵押貸款資產(chǎn)池的預(yù)期現(xiàn)金回收水平會很穩(wěn)定。第四，我國商業(yè)銀行發(fā)行的不良RMBS有較高的超額抵押率，在資產(chǎn)池現(xiàn)金回收率不大幅下降的情況下，優(yōu)先級債券的違約風(fēng)險會很低。

模型構(gòu)建

（一）KMV模型的基本思想

KMV模型是美國KMV公司基于Black-Scholes期權(quán)定價理論開發(fā)的用于估計公司違約概率的風(fēng)險管理模型。KMV模型的基本思想是：將公司的股權(quán)視為以公司資產(chǎn)價值為標(biāo)的的歐式看漲期權(quán)，在債務(wù)到期日，如果公司資產(chǎn)價值高于債務(wù)價值，公司的所有者不會違約，公司股權(quán)價值即為資產(chǎn)價值與債務(wù)價值之間的差額，這相當(dāng)于執(zhí)行看漲期權(quán);而當(dāng)公司資產(chǎn)價值低于債務(wù)價值時，公司的所有者會選擇違約，將公司資產(chǎn)完全轉(zhuǎn)讓給債權(quán)人，這相當(dāng)于不執(zhí)行看漲期權(quán)，此時公司的股權(quán)價值為0。根據(jù)這一思想，KMV模型提出了違約距離的概念。違約距離越大，公司到期償還債務(wù)的能力越強，發(fā)生債務(wù)違約的可能性越小;反之，公司到期償還債務(wù)的能力越弱，發(fā)生債務(wù)違約的可能性越大。

（二）不良RMBS的信用風(fēng)險度量：KMV修正模型

筆者結(jié)合個人住房抵押貸款的特點，對KMV模型的三個核心變量進行修正，即以不良個人住房抵押貸款資產(chǎn)池現(xiàn)金回收收入替代企業(yè)資產(chǎn)價值，以資產(chǎn)池現(xiàn)金回收波動率替代企業(yè)資產(chǎn)價值波動率，以RMBS的到期本息替代到期應(yīng)償還的債務(wù)。

基于修正的KMV模型度量RMBS信用風(fēng)險的基本原理如圖2所示：住房抵押貸款資產(chǎn)池的現(xiàn)金回收服從某種概率分布，如果t時刻資產(chǎn)池的現(xiàn)金回收均值小于RMBS的本息，那么RMBS將發(fā)生違約，其違約概率為圖中陰影部分的面積，資產(chǎn)池的現(xiàn)金回收均值距離RMBS到期本息越遠，RMBS的違約概率越小。

筆者根據(jù)KMV模型的基本思想對RMBS的違約距離進行推導(dǎo)，具體過程如下：

假設(shè)不良個人住房抵押貸款資產(chǎn)池的現(xiàn)金回收收入服從隨機過程，即，其中表示t時刻資產(chǎn)池的現(xiàn)金回收收入，為服從標(biāo)準(zhǔn)正態(tài)分布的隨機變量。假設(shè)證券到期日為T，為到期日應(yīng)償付的證券本息。當(dāng)時，RMBS將發(fā)生違約;則意味著達到了違約臨界點。

根據(jù)KMV模型可得RMBS的預(yù)期違約概率為：

由于隨機變量服從標(biāo)準(zhǔn)正態(tài)分布，公式（1）可轉(zhuǎn)變?yōu)椋?/p>

結(jié)合公式（1）和公式（2）可得RMBS的違約距離為，預(yù)期違約率為。

假設(shè)不良個人住房抵押貸款現(xiàn)金回收收入服從馬爾科夫隨機過程，可用維納過程表示，即：，其中表示資產(chǎn)池現(xiàn)金回收收入增長率，表示資產(chǎn)池現(xiàn)金回收波動率，為維納過程增量。

根據(jù)上述假設(shè)，可用于償還到期證券本息的資產(chǎn)池現(xiàn)金回收收入可進一步表示為：

由于隨機變量服從標(biāo)準(zhǔn)正態(tài)分布，可用于償還到期證券本息的資產(chǎn)池現(xiàn)金回收收入服從對數(shù)正態(tài)分布，其均值為：

根據(jù)公式（4）和公式（5）可得g和的計算公式分別為：

根據(jù)公式（1）和公式（2）可得RMBS的預(yù)期違約概率和違約距離分別為：

違約距離越大，意味著債券違約風(fēng)險越小，預(yù)期違約概率也越小。一般認(rèn)為，當(dāng)債券信用級別在標(biāo)準(zhǔn)普爾標(biāo)準(zhǔn)BBB-或者穆迪標(biāo)準(zhǔn)Baa3以上時，其違約風(fēng)險很小，具有很好的投資價值。

實證分析

（一）樣本選取

筆者選取2018年我國三家商業(yè)銀行發(fā)行的RMBS作為樣本，對其信用風(fēng)險進行分析。樣本共包含5單產(chǎn)品，具體信息見表1。

上述5單產(chǎn)品的發(fā)行總額為565020萬元，其中優(yōu)先級債券為410500萬元，次級債券為154520萬元，優(yōu)先級債券評級均為AAAsf，說明評級機構(gòu)認(rèn)為這5單產(chǎn)品發(fā)生違約的風(fēng)險極低。

（二）RMBS信用風(fēng)險的度量

根據(jù)KMV修正模型，在計算違約距離之前，需對關(guān)鍵參數(shù)g和進行估計。筆者從三家商業(yè)銀行的財務(wù)報表中獲取多個年度的不良貸款現(xiàn)金回收率數(shù)據(jù)，根據(jù)公式（7）求得現(xiàn)金回收波動率，將其作為不良個人住房抵押貸款資產(chǎn)池現(xiàn)金回收收入波動率。由于不良個人住房抵押貸款在被封包之后，現(xiàn)金回收收入僅決定回收金額的大小，即g僅與σ相關(guān)，因此可以假設(shè)現(xiàn)金回收收入為1，再根據(jù)公式（6）求得g。

在RMBS發(fā)行過程中，評級機構(gòu)根據(jù)貸款人的職業(yè)、年齡、收入、地區(qū)等信息對資產(chǎn)池現(xiàn)金回收收入進行了評估，該數(shù)據(jù)可作為資產(chǎn)池的初始價值，即不良個人住房抵押貸款資產(chǎn)池的預(yù)期現(xiàn)金回收收入。因此，結(jié)合g和σ，再根據(jù)KMV修正模型可得到各單產(chǎn)品的總額違約距離和優(yōu)先級違約距離（見表2）。

由表2可見，上述5單產(chǎn)品的總額違約距離最小的為4.01，最大的為11.47。筆者經(jīng)過測算發(fā)現(xiàn)，上述5單產(chǎn)品的違約概率小于或等于0.003%，意味著違約風(fēng)險極低。

（三）RMBS信用風(fēng)險低的原因

筆者發(fā)現(xiàn)，上述研究結(jié)論與評級機構(gòu)對這些債券的評級結(jié)果一致。從現(xiàn)金流兌付的角度看，上述5單產(chǎn)品信用風(fēng)險低的主要原因是：

第一，產(chǎn)品均設(shè)計了優(yōu)先級/次級結(jié)構(gòu)，次級分層的占比均較高，同時次級債券均由發(fā)行銀行來認(rèn)購，優(yōu)先級債券能按期兌付，次級債券對優(yōu)先級債券的支撐能力很強。

第二，產(chǎn)品資產(chǎn)池的預(yù)期回收金額對債券發(fā)行金額的覆蓋率較高，超額抵押率均在123%以上（見表3），這意味著只要資產(chǎn)池現(xiàn)金回收收入不大幅下降，優(yōu)先級債券的違約風(fēng)險就會很低。

第三，資產(chǎn)池的基礎(chǔ)資產(chǎn)為不良個人住房抵押貸款，資產(chǎn)池的回收率較高且波動小，預(yù)期回收金額出現(xiàn)大幅下降的可能性很小。

第四，相對資產(chǎn)池的價值來說，較高的次級分層占比及超額抵押率，顯著降低了優(yōu)先級債券的發(fā)行規(guī)模，資產(chǎn)池現(xiàn)金回收對優(yōu)先級債券的覆蓋能力很強。

相關(guān)建議

盡管近年來商業(yè)銀行發(fā)行的多單不良RMBS的違約風(fēng)險極低，但是對其潛在的風(fēng)險應(yīng)予以重視并進行防范。第一，不良RMBS并沒有完全消除銀行業(yè)的信貸風(fēng)險，只是將商業(yè)銀行的信貸風(fēng)險轉(zhuǎn)移至債券市場，如果今后房地產(chǎn)價格普遍出現(xiàn)較大幅度的下降，將導(dǎo)致處于存續(xù)期的RMBS資產(chǎn)池現(xiàn)金回收總額出現(xiàn)較大幅度的下降，當(dāng)下降幅度超過相應(yīng)證券產(chǎn)品的分層比率和超額抵押率時，此類RMBS將發(fā)生違約，建議相關(guān)機構(gòu)對此審慎應(yīng)對。第二，為降低商業(yè)銀行信用風(fēng)險，建議進一步擴大不良RMBS業(yè)務(wù)試點范圍，盤活存量資產(chǎn)，提高商業(yè)銀行的資產(chǎn)周轉(zhuǎn)率，優(yōu)化資產(chǎn)負(fù)債結(jié)構(gòu)，增強其抵御金融風(fēng)險的能力。

注：1.在資產(chǎn)支持證券交易過程中，發(fā)起人需要將資產(chǎn)池真實地出售給SPV，這種交易結(jié)構(gòu)設(shè)計有助于防范風(fēng)險，這是因為即使發(fā)起人出現(xiàn)破產(chǎn)，其出售的證券化資產(chǎn)也不會被納入清算資產(chǎn)。

作者單位：姚鵬? 南開大學(xué)經(jīng)濟學(xué)院

劉蓮? 中國華融金融市場部

責(zé)任編輯：周舟? 鹿寧寧

參考文獻

[1]洪艷蓉.資產(chǎn)證券化與不良資產(chǎn)處置——中國的實踐與反思[J].證券市場導(dǎo)報，2018（12）：4-15.

[2]羅玉輝，張志.中國銀行業(yè)不良資產(chǎn)的長效防控策略——基于金融監(jiān)管的視角[J].經(jīng)濟體制改革，2018（1）：136-142.

[3]田博.對住房抵押貸款違約風(fēng)險影響因素的實證研究[J].經(jīng)濟研究導(dǎo)刊，2014（28）：108-110.

[4]謝赤，凌毓秀.銀行信貸資產(chǎn)證券化信用風(fēng)險度量及傳染研究——基于修正KMV模型和MST算法的實證[J].財經(jīng)理論與實踐，2018，39（3）：2-8.

[5] 閻慶民，蔡紅艷.中國銀行業(yè)不良資產(chǎn)證券化信用風(fēng)險評價研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2005（8）：75-84.

[6]張小茜，黨春輝.基于抵押物處置風(fēng)險的不良貸款證券化研究——以某國有商業(yè)銀行的個人住房貸款資產(chǎn)池為例[J].金融研究，2018（8）：102-119.

[7] Black Fischer， Myron Scholes. The Pricing of Options and Corporate Liabilities[J]. The Journal of Political Economy， 1973（81）：637-654.