不良贷款和中小企信贷评级方法.docx

不良贷款证券化评级思路研究 不良贷款证券化的信用风险不容易准确评估，一方面资产证券化在我国开展时日尚短，不良贷款证券化的评级方法和评级经验都比较匮乏；另一方面，不良贷款证券化涉及的入池资产笔数较多，每笔资产产生的现金流也不稳定，需要用模型来量化资产支持证券的信用风险。因此，研究不良贷款证券化的评级思路，准确评估不良贷款证券化的信用风险，对解决银行不良贷款问题具有重要的现实意义。一、不良贷款证券化的评级思路不良贷款证券化的评估思路也与一般资产证券化类似，但是由于不良贷款证券化的基础资产已经违约，且资产回收金额和回收时间的不确定性较大，因此资产支持证券的风险主要取决于不良贷款的回收情况，在组合信用风险评估时，更侧重于对贷款的回收金额和回收时间进行估计。基于对已有资料的梳理，我们将国外评级机构对不良贷款证券化的评级思路归纳为以下两种：一种是以穆迪为代表，假设不同贷款是同质的，按照回收时间长度模拟回收率，这种方法可简称为“同质化模拟法”。另一种方法认为贷款的特征会影响到贷款的回收率以及回收时间，因而针对每笔贷款的特征逐笔模拟回收率，这种方法可简称为“逐笔模拟法”。(一)同质化模拟法同质化模拟法假设不同贷款是同质的，回收率只和回收时间相关而和贷款的特征（如行业、地区、发放时间等）无关，其基本步骤如下：第一，通过历史数据计算当期回收率。当期回收率是以不良贷款资产池形成时间为起点，计算之后各年度回收金额在资产池上一期未偿本金余额中的占比。当期回收率是一个时间序列，表示不良贷款在形成之后第1年、第2年、第3年等的条件回收率。对每一个不良贷款资产池的历史数据进行统计，能够得到一个当期回收率时间序列的样本，通过对多个不良贷款资产池的历史数据进行统计，便可以得到当期回收率的多个样本。第二，计算当前回收率的统计量。基于当前回收率的样本值，可以确定当期回收率的样本均值、标准差及变异系数。第三，估计回收率分布。在获得当前回收率的样本均值和标准差后，选取对数正态分布、Beta分布等常见分布作为回收率的候选分布，经过数据拟合后，从候选分布中估计出拟合度最高的分布作为回收率服从的分布。第四，模拟贷款未来各年回收率。在确定回收率的分布形态后，利用每年回收率的样本均值和标准差估计每年回收率分布的参数，从而得到逐年的回收率分布函数。从各年的回收率分布函数中分别随机生成一个回收率，便可以得到一个回收率时间序列。由于假设所有贷款是同质的，因此模拟出的回收率时间序列可以应用到所有贷款。基于上述假设，可以模拟出已有贷款在未来各年的回收率。第五，测算资产池现金流。同质化模拟法的另一个假设是，不良贷款不是一次回收的，而是每年都有回收金额，只是回收金额逐年降低。基于这个假设和上述每笔贷款的回收率模拟结果，可以测算出资产组合每年产生的现金流。第六，确定受评证券模型指示级别。利用资产池产生的现金流测算各档资产支持证券的本息偿付情况，从而确定各档证券在法定到期日是否违约，以及损失情况。通过大量模拟（重复第四、第五步），便可以计算出各档证券的预期损失率，从而依据损失率表确定受评证券的模型指示级别。(二)逐笔模拟法与同质化模拟法不同的是，逐笔模拟法不假设每笔贷款的同质性，而是认为贷款的特征会影响到贷款的回收率以及回收时间，该方法的基本步骤是：第一，根据历史数据确定回收率分布。根据历史数据得到不良贷款回收率样本，然后选取正态分布、对数正态分布、Beta分布等常见分布作为回收率的候选分布，经过数据拟合后，从候选分布中选取拟合度最高的分布作为回收率的概率分布。第二，估计每笔贷款的预期回收率和（或）预期回收时间。分析师对拟证券化资产池的贷款逐笔进行分析、统计估值，再综合考量借款人的经营、财务状况以及抵押担保情况，评估出每笔贷款的预期回收率和（或）预期回收时间。第三，模拟每笔贷款的回收率和（或）回收时间。在蒙特卡洛模拟阶段，依据每笔贷款的预期回收率，从第一步确定的回收率分布中生成随机数作为模拟出的该笔贷款的回收率。对于回收时间，如果能够估计出贷款的预期回收时间，则将该笔贷款的回收时间设置为预期回收时间，否则可以从历史数据估计出的经验分布中生成随机数作为基准情景的回收时间，也可以在初始起算日和法定到期日之间从均匀分布中随机生成一个日期作为该笔贷款基准情景的回收时间。第四，测算资产池现金流。在得到每笔贷款的回收率和回收时间后，结合每笔贷款的期初未偿余额，便可以对每笔资产的未来现金流进行预测，并在此基础上测算出资产池在各个核算期间内产生的现金流。第五，确定模型指示级别。基于模拟出的回收现金流，结合分析师设定的交易结构相关的各项参数，对回收现金流的分配情况进行测算，得到一次模拟中各档资产支持证券的本金、利息在各个本息兑付日的支付情况，进而得出各档证券在法定到期日的损失率、违约发生情况（0,1）、平均到期期限、是否发生期间违约等信息。经过数十万次模拟，就能够得到数十万种证券的损失率、违约发生情况、平均到期期限数据，根据理想违约率表/理想损失率表中得到证券的模型指示级别。二、两种方法在我国的适用性分析(一)两种方法各自的优势与局限性同质化模拟法和逐笔模拟法都是采用蒙特卡洛方法模拟基础资产在未来产生的现金流，其共同优点在于理论基础较强，且受评证券目标信用等级的测算过程比较清晰，逻辑性较强。两种方法共同的局限性在于，回收率分布参数是通过样本资产池估计而来，而我国不良贷款历史数据并非公开数据，获得这些样本数据比较困难。此外，两种方法还具有各自的优势与局限性：同质化模拟法的优势在于：对于同质化程度较高的资产，运算速度较快；其局限性在于：首先，当基础资产差别较大时该方法可能会存在一定误差；其次，要求有较丰富的数据积累。相比之下，逐笔模拟法的优势是：能够处理贷款特征差别较大的资产池，灵活考虑每笔贷款的特征；其局限性在于：当基础资产数量较多、同质化程度高时，依然进行逐笔模拟会导致运算效率较低。(二)两种方法在我国的适用性分析由于这两种方法的局限性互补性较强，因此在分析两种方法的适用性时，要着眼于比较两种方法在我国的可操作性。从我国不良贷款的特征上看，贷款的同质化程度较低，逐笔模拟法比同质化模拟法的适用性强。首先，贷款发放时间对估计不良贷款回收率有重要影响。如果纵看我国不良贷款的形成历史就会发现，各级政府的行政命令或者行政干预、我国经济结构转型及产业结构调整、商业银行经营管理不善等都是不良贷款形成的重要原因。而这些因素与特定的历史时期分不开，因此不良贷款形成的回收情况也不能一概而论，需要根据贷款发放时间，甄别其变为不良贷款的原因来估计其回收率。其次，我国不良贷款的处置速度也因地区不同而存在差异。一般来说，与经济欠发达地区相比，经济较发达的地区司法诉讼程序时间较短，因而当企业破产进入司法诉讼时，清算过程比较快，破产企业造成的不良贷款在回收率以及回收时间方面的表现也会优于经济欠发达地区的企业。最后，我国的不良贷款主要由企业贷款组成，贷款的抵质押情况较国外更为复杂。综合以上考虑，在我国不良贷款特征差异较大的情况下，逐笔模拟法比同质化模拟法在我国的适用性强。中小企业信贷资产证券化评级思路研究 中小企业信贷资产这里我们指的中小企业信贷资产也包括小微企业贷款，为了简化名称，我们统称为中小企业（SME）贷款。中小微企业的具体划分标准根据企业从业人员、营业收入、资产总额等指标并结合行业特点确定，从业人员上限为2002000人，营业收入上限为5000万20亿，资产总额上限为112亿，不同行业的划分标准有所不同，具体请参见2011年工信部等四部门联合发布的关于印发中小企业划型标准规定的通知。支持证券（SME CLO）属于公司信贷资产支持证券的一种，是指发起机构将中小企业贷款作为基础资产，以资产池未来的现金流作为偿付来源而发行的资产支持证券。SME CLO起源于上世纪80年代的美国，但目前欧洲是最主要的市场。我国曾于2008年10月由浙商银行在银行间债券市场发行6.96亿元SME CLO，虽然发行规模不大，但是为解决中小企业融资难题提供了新途径。目前，在我国进一步促进中小企业发展、缓解中小企业融资困难的大背景下，积极开展SME CLO既有助于拓宽中小企业融资渠道，降低中小企业的融资成本，又有利于分散银行体系风险，提高银行对中小企业提供服务的积极性。因此在我国2012年资产证券化重启后，有必要深入研究SME CLO的评级思路，为准确评估资产支持证券的信用风险提供参考。一、SME CLO组合信用风险评估思路SME CLO的基础资产为中小企业贷款，其借款人级别普遍较低，风险较高，同时不同的基础资产组合在资产数量和集中度等方面差异显著，因此需要借助模型来测算基础资产的组合信用风险。通过研究国际评级机构的评级方法，我们发现测算SME CLO组合信用风险的方法主要有两种：一种是参考CLO的评估思路，利用蒙特卡洛模拟方法模拟基础资产的违约及损失情况，从而得到资产池的违约及损失分布，这种方法可以简称为“蒙特卡洛模拟法”；另一种方法是假设基础资产池的累计违约率服从逆正态分布，然后利用静态样本池的历史数据估计逆正态分布的参数（均值和相关系数），这种方法可以简称为“逆正态分布法”。蒙特卡洛模拟法是测算组合信用风险的常用方法，其总体思路是基于基础资产的违约率、回收率和相关性等假设，通过生成随机数模拟每笔资产的违约及损失情况，得到一次模拟过程组合的违约及损失金额占比，然后利用大量模拟得到基础资产违约及损失的概率分布。考虑到SME CLO的基础资产笔数范围跨度较大，可以从几十笔到几千笔，当基础资产数量多（通常大于1000笔）、同质性强、分散度高时，蒙特卡洛模拟法的运算效率不高，同时在这种情况下，基础资产累计违约率的分布具有一定规律，因此以穆迪为代表的机构对笔数较多的SME CLO假设基础资产累计违约率服从逆正态分布，其理由是逆正态分布是一种极限分布，如果将单因子蒙特卡洛模拟模型用于充分分散的同质化组合，当基础资产的数量趋于无穷大时，组合的违约分布即为逆正态分布。然后利用发起机构提供的数据估计分布参数，从而直接得到基础资产的违约分布。二、两种方法的适用性分析(一)两种方法的优势与局限性蒙特卡洛模拟法的优势在于：测算过程比较清晰，灵活性强，既可以处理同质性强、分散度高的基础资产，又能够处理贷款特征差异较大、集中度较高的基础资产。然而该方法存在一定的局限性：当基础资产数量较多时模拟运算效率较低。蒙特卡洛模拟法通过生成相关联的随机数来判断每笔资产的违约情况，当基础资产的数量非常多时，模拟过程耗时很长，运算效率很低。逆正态分布法的优势在于：第一，在基础资产数量较多的情况下能够快速评估组合信用风险，运算效率高。逆正态分布法直接假设组合的违约分布函数，直接估计分布参数，不用进行大量重复模拟运算，因此模型运算效率较高；第二，理论基础较强。当基础资产同质性较强、分散度足够高时，如果基础资产的数量趋于无穷大，那么单因子蒙特卡洛模拟法得到的组合违约分布即为逆正态分布。从这个意义上讲，逆正态分布法是单因子蒙特卡洛方法的极限分布，因此能够保证在评估笔数较多的SME CLO组合信用风险时，与单因子蒙特卡洛模拟方法具有一致性。该方法同样存在一定的局限性：首先，该方法不能处理基础资产数量较少，或者存在贷款集中度较大的情况。当基础资产笔数非常多、同质性强并且充分分散的情况下，整个资产组合的损失表现比较稳定，逆正态分布的拟合效果较好。如果基础资产数量较少或集中度高，单笔大额贷款的违约风险会对整个组合信用风险产生影响，在这种情况下采用逆正态分布法可能会低估尾部风险。其次，该方法只能得到资产池存续期末的违约概率分布，而不能生成违约时间分布，因而还需要其他数据估计违约时间分布。(二)两种方法在我国的适用性分析蒙特卡洛模拟法和逆正态分布法各有优劣，其适用性主要取决于基础资产的风险特征。从方法的适用性方面看，任何类型的SME CLO都可以采用蒙特卡洛模拟法评估基础资产的组合信用风险。而对于资产笔数较多、同质性强、分散度高的SME CLO可以采用逆正态分布法来估计基础资产累计违约率的概率分布，提高运算效率。从数据的要求方面看，蒙特卡洛模拟法对每笔贷款的信息量要求大（如贷款的抵质押状况等），而逆正态法是一种简化算法，对基础资产的数据信息需求小，但也要以牺牲一定的计算精度为代价。三、方法应用中需要注意的问题SME CLO是信贷资产证券化产品中的一种，但是与大型企业CLO相比，SME CLO在评估过程中还需要注意其独特的风险特征：一方面，由于基础资产是由中小微企业贷款组成，单笔资产的信用质量相对较差，风险较高；另一方面，资产池包含的贷款笔数较多，资产分散度高，能够在一定程度上降低组合信用风险。因此在评估SME CLO的组合风险时要综合考虑上述特点，利用模型加以分析。在应用蒙特卡洛模拟法或者逆正态分布法评估SME CLO组合信用风险的过程中需要注意以下问题：第一，要根据基础资产的具体情况选择合适的方法。蒙特卡洛模拟法和逆正态分布法有各自的特点和适用范围，因此需要根据基础资产的具体情况来选择适合的方法，兼