个人住房抵押贷款支持证券评级思路

　　2014年9月30日，央行、银监会发布《关于进一步做好住房金融服务工作通知》，鼓励银行业金融机构通过发行住房抵押贷款支持证券(MBS)用于增加首套普通自住房和改善型普通自住房贷款投放。作为MBS重要组成部分的个人住房抵押贷款支持证券(RMBS)，便成为此政策落实的重要载体。由于评估个人信用风险有一定困难，再加上住房贷款期限长，受宏观经济的影响较大，因此RMBS的信用风险评估比较复杂。鉴于上述原因，通常使用量化分析方法来度量RMBS的信用风险。

　　国外RMBS评级方法

　　国外评级机构通常会逐笔评估住房贷款的信用质量，然后测算RMBS组合信用风险。经过研究我们认为RMBS风险评估方法主要有四种：可简称为迁移率—压力乘数法、模拟方法、穆迪单笔贷款分析法(又称MILAN方法)和逻辑回归—压力乘数法，分别被标普、穆迪2013年之前、穆迪2013年之后、惠誉所使用。

　　迁移率—压力乘数法的核心是采用压力测试的方法，估计不同目标级别证券所需的信用增级量。具体步骤如下：第一，估计基准情景违约概率。该方法建立“迁移率清算时间模型”估计违约率随时间的变化曲线，并用证券存续期内的累计违约率作为基准情景违约率。第二，估计基准情景违约损失率。首先按照优质贷款、次级贷款等分类，分别选取样本历史清算数据，估计对应类型贷款的违约损失率。第三，对损失率施加压力，得到目标级别损失率。迁移率—压力乘数法认为目标级别越高的证券应当能够承受的违约率和违约损失率越高，因此该方法对基准情景下的违约率和违约损失率分别施加压力乘数，得到的结果相乘即为目标级别预期损失率。第四，现金流测试确定模型指示级别。根据目标级别预期损失率初步确定不同目标级别的信用增级量和证券分层结构，然后考察依照交易结构设计的现金流测算得到的预期损失率能否满足目标级别的要求，最终确定受评证券的信用等级。

　　模拟方法是采用蒙特卡洛模拟技术得出基础资产的违约概率分布和损失概率分布。具体步骤如下：第一，模拟未来的经济情景。选择利率、失业率、房价等与房贷信用风险相关性较强的经济变量作为被预测变量，借助蒙特卡罗模拟技术预测未来经济变量的变化。第二，预测单笔贷款的信用表现。利用模拟的经济变量和房贷自身属性的指标构建模型，计算贷款在不同时点上的条件违约率、违约损失率和提前还款率，以此预测未来每笔贷款的违约及损失情况。第三，计算基础资产的损失比率。按照上述方法对所有入池贷款测算其未来信用表现，再通过加总的方式得出一次模拟中整个资产池的损失金额占比。第四，估计资产池的损失分布。通过对经济情景的多次模拟，便能够得出基础资产组合损失比率的概率分布。第五，结合现金流测试确定级别。

　　MILAN方法的具体步骤如下：首先，确定基础资产的MILAN信用增级量。MILAN方法对很多国家都构建了一个国家特定标准贷款以及标准贷款组合，并确定了该标准贷款达到市场最高级别所需的信用增级量。通过与标准贷款及标准贷款组合的比较，对信用增级量分别在单笔贷款和资产组合两个层面作调整并得到MILAN信用增级量。然后，估计基础资产的损失分布。MILAN方法假设资产池的累计损失率服从对数正态分布，利用历史数据可以推算得到基础资产的预期损失，那么结合通过市场最高级别的MILAN信用增级量和预期损失率表可以逆推出基础资产的损失分布。最后，结合现金流测试确定级别。

　　逻辑回归—压力乘数法的具体步骤如下：一是建立违约率的计算模型。选取与累计违约率相关的变量建立逻辑回归模型，估计基础资产的累计违约率，然后根据变量的具体情况和资产池的风险集中度调整得到最终的累计违约率。二是建立违约损失率的计算模型。模型对房产评估价值进行调整，估计出房产的净回收额，贷款余额与净回收额的差额就是清算损失，由此得到违约损失率。三是对关键变量施加压力，进而计算目标级别损失比率。给定不同目标级别，模型对几个关键变量施加相应的压力，求出目标级别下的违约率和违约损失率，两者相乘得到目标级别损失比率，然后结合现金流测试确定受评证券的级别。

　　国外评级方法对我国的适用性分析

　　国外评级机构的RMBS评级方法不同，但都有其内在的评级逻辑，其共同优势包括：一是对贷款信用风险的评估比较细致，都采用逐笔分析;二是均具有较强的经济学含义。共同的局限性在于：由于预测期限较长，会出现实际的宏观经济环境可能与模型预测情景不符，导致模型对极端情况下组合的违约及损失情况估计不足。同时其他无法量化的因素无法使用模型加以分析。

　　迁移率—压力乘数法的优势在于逻辑清楚，能够在较短的时间内计算出特定RMBS基础资产的基准违约概率及清算时间，操作性强。其局限性主要体现在：不同目标信用等级对应的压力乘数具有一定主观性，在数据不充分或披露信息较少时，此方法的有效性还有待检验。模拟方法的优势主要体现在理论基础扎实、逻辑性强，且方法比较灵活，可延展性好。其局限性在于模拟量大、运算效率较低，且多次模拟预测误差可能会放大。

　　MILAN方法的优势是操作性强，其局限性体现在定性判断较多，且累计损失率服从对数正态分布假设的合理性有待检验。逻辑回归—压力乘数法的优势体现在模型结构完整，逻辑清晰，方法的解释力较强。其局限性表现在：逻辑回归模型所选取的变量存在着相关关系，且预测模型的误差会在多次回归中被放大，影响最终结果。

　　从适用性方面看，我国目前的数据积累和评级分析师经验基本能够满足迁移率—压力乘数法的要求，因此，迁移率—压力乘数方法比其他方法在我国的适用性更强。但是考虑到国内外经济环境不同，我们可以借鉴国外机构的方法，参考迁移率—压力乘数法的思路开发我国的RMBS评级模型，并在评级实践中加强数据积累，适时对相关参数及调整规则进行实证研究。

　　(作者单位：中债资信评估有限责任公司)