银行信贷资产证券化产品信用风险蒙特卡洛模拟分析

　　

　　 一、资产证券化提出的背景

　　 尽管我国社会经济处于转型变动过程中，但融资体系仍然处在以间接融资即银行贷款为主的境地，贷款对国民经济生产总值的贡献率很高，这就决定了商业银行在经济中处于重要地位。目前，商业银行表面上看利润很高，但隐患却不少。银行是通过不断吸纳企业和居民储蓄并放贷收取利息差赚取利润的，每年的利润增长超过20%。若银行赚钱太多，而实体经济运营却很困难，实际上就会极大地挤压实体经济的盈利空间。长久以往，银行为实体经济服务的功能就会弱化。但是另一方面，银行作为企业，也需要追求经济效益，避免经营风险更是天经地义的。

　　 随着我国经济体制改革的深化，像基础设施这样一类建设项目在经济增长、扩大就业、维持社会稳定中的作用仍很重要，对经济发展的贡献不可小视。然而，基础设施在建设过程中也面临诸多矛盾和问题，由于基础设施项目特点是周期长、随社会经济环境变化的风险大，加之缺乏流动性，不利于银行经营管理。因此，银行自身的融资难就成为银行投入基础设施项目的最大障碍。

　　 国外经验表明，资产证券化是现代金融发展的标志之一，也是解决像基础设施这类项目贷款的有效途径。银行开展贷款转让和资产证券化，不仅有利于商业银行达到监管要求，也有利于防范和分散银行风险，还给众多社会资金开辟了又一条正规投资渠道。由于我国资产证券化仍处于萌芽阶段，有许多问题尚待解决，其中信用风险就是首要一条。

　　 二、资产证券化产品构造

　　 根据证券化产品的金融属性不同，可以分为实体资产证券化（股权型）、金融资产证券化（债券型）和混合型证券化。证券化产品最初形式当然是股权型的，这是最广义的资产证券化。但现在快速发展中的资产证券化却是指狭义的资产证券化，属于债券型证券化，它是把缺乏流动性，但对未来有收入流的资产通过结构性重组，变成可以在金融市场上出售和流通的证券产品。在获取融资的同时，最大化地提高了资产的流动性。信贷资产证券化以其独特的融资功能占据了巨大的优势，成为现代金融市场上最常见的融资形式。资产证券化作为一种融资工具起源于 20 世纪 60 年代，最初主要用于住房按揭贷款的融资，称为按揭支持证券（MBS），后来逐渐演变成一种被普遍应用的融资工具――资产支持证券ABS。 同其他融资方式相比，ABS 可以不受项目原始权益人自身条件限制，绕开一些客观存在的壁垒，筹集大量资金，由专业人士运作，具有很强的灵活性。

　　 总而言之，资产证券化是以可预见的现金流为支持而发行证券在资本市场进行融资的一个过程。可预见的现金流是进行证券化的先决条件，而不管这种现金流是由哪种资产产生的。产生可预见现金流的资产可以是实物资产如高速公路的收费，也可以是非实物资产如住房抵押贷款、汽车消费贷款、信用卡等。所以资产证券化从表面上来看似乎是以资产为支持，但实际上是以资产所产生的现金流为支持的，这是资产证券化的本质和精髓所在。

　　 三、资产池信贷资产信用风险分析方法

　　 对证券化产品的设计开始于对资产池中每笔贷款的信用评估。其方法主要有：加权平均方法――根据每笔贷款的借款人信用质量和担保情况进行加权平均，可确定每笔贷款的信用等级。蒙特卡洛分析方法――结合每笔资产的违约和回收概率情况对资产池中资产的信用风险运用蒙特卡洛方法进行建模分析。

　　 由每笔贷款的风险暴露值乘以相对应贷款权重，可以得出资产池的加权平均信用等级，由于低信用等级贷款的风险暴露往往占有更高的权重，因此资产池的加权平均信用等级相对更保守。但加权平均信用等级只是资产池信用质量的一种直观反映，并没有考虑资产组合中的相关性因素，包括行业集中度、债务人集中度等，故难以准确反映资产组合的风险情况。

　　 资产池加权平均信用等级可能在一段时间后发生变化，以静态资产池为例，这种信用等级的变化取决于资产池的剩余期限、所处的外部经济环境、以及资产池中贷款资产的初始信用质量。一般而言，债务的剩余期限越长，其信用等级变化的可能性越大。在较弱的经济环境中，大多数的信用等级变动都是负向的。因此，在对资产池的信用风险进行建模分析时，剩余时间和外部环境都是建立违约假设模型的考虑因素。

　　 通过对资产池中每笔贷款进行详细的考察，银行可以得到资产池中每笔贷款的还款情况，并由此确定未来每季还款的期望、方差及其他相关信息。并综合考虑贷款的风险暴露情况、贷款人的信用、宏观经济环境等因素，最终得到对单笔贷款的信用风险等级。

　　 四、资产池信贷资产信用风险Monte Carlo模拟

　　 因为多笔资产之间具有明显的违约相关性，仅仅对单笔资产进行信用分析然后进行加权平均并不能很好地反映资产间的相关性，因而也远远不能满足人们对整个资产池产品风险评级的要求。由于MATLAB是一款用途广泛、易于编程的软件，本文以此为工具进行 Monte Carlo模拟。为了更好地说明该方法应用，以下给出一个虚拟案例。

　　 首先，假设银行有5笔基础设施贷款需要进行资产证券化，5笔贷款总值分别为 StartAssets =  [130;90;110;120;100]（单位：千万元）。5笔贷款未来每季还款的期望、方差折算到每天为 ExpReturn = [0.0184  0.0169  0.0193  0.0174  0.0178]/100 和 Sigmas = [0.0481  0.0453  0.0486  0.0484  0.0478]/100，5笔资产的相关性系数（可根据行业，地区情况调整）为： 　　 Correlations  = [1.0000  0.4403  0.4735  0.4334  0.6855

　　            0.4403  1.0000  0.7597  0.7809  0.4343

　　            0.4735  0.7597  1.0000  0.6978  0.4926

　　            0.4334  0.7809  0.6978  1.0000  0.4289

　　            0.6855  0.4343  0.4926  0.4289  1.0000]

　　 其次，假设发行的债券价格票面价格为100元，期限为两年，按季付息。5笔贷款各自证券化为债券利息率分别为 SeaIntre=[1.0870 1.0064 1.0812 0.9964 1.0798]/100，债券利息率为其加权组合;若出现违约，资产的回收率为：RecoRate=[0.42，0.38，0.52，0.58，0.47]。因此可用Matlab对其资产池价值进行10 000次Monte Carlo模拟，本文将采用多阶段模拟方法，在资产存续期内的每个时段内（即每个交易日内）模拟资产的价值，与临界值比较，如果某一时段模拟产生的资产价值低于违约临界值，则该笔资产发生违约，计入损失。

　　 在违约临界值的选择上，我们先选择债券到期后的本息和作为违约临界值，将最后一天的资产池模拟价值与违约临界值作比较：若最后一天的资产池模拟价值低于违约临界值，这在该次模拟中债券违约，否则不违约。用违约次数除以总违约次数（10 000次）可得到该证券在两年期内违约的概率。

　　 另外，假设企业每季还贷额“相等”（考虑到资金的时间价值即为每季还贷额换算到债券到期日价值相等），债券到期后的本息和除以还款季度可得到企业每季还贷额的近似值。那么可以得到一个新的违约临界值的计算方法：每季末的违约临界值为已经经过的季度乘以每季还贷额加上剩余季度乘以每季还贷额乘以资产回收率，即：

　　 DefaultCiticalValue= DPM*i+ DPMRR *（NumSea-i）

　　 DPMRR= DPM* RecoRate

　　 新的违约临界值的计算方法是假设债券市场是有效的，因此债券的价格能够反应债券的全部信息。因此，假如债券价格低于DefaultCiticalValue也即若本季度末债券不违约而下季度末债券违约的情形下的债券价值，则债券在该时刻违约。将债券每季度末的模拟价格与DefaultCiticalValue进行比较，若模拟价格低于违约临界值DefaultCiticalValue则该资产违约。违约后应还贷款总额除以本息总和即为该资产违约损失率。对所有资产的违约损失率加权后可得资产池的违约损失率。

　　 以上过程可用MATLAB编程实现之，运行以上代码可得资产池的违约概率为：PD =0.1120。

　　 这个结果表示该资产池在二年到期时有11.2%的概率违约。

本文链接：http://www.qk112.com/lwfw/fxlw/xingzhengfa/148551.html