我国住房抵押贷款支持证券信用风险度量研究_信用风险论文

我国住房抵押贷款支持证券的信用风险度量研究，本文主要内容关键词为：度量论文,抵押贷款论文,住房论文,信用风险论文,我国论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

      [中图分类号]F832.5 [文献标识码]A [文章编号]1006-169X(2014)11-0067-07

      20世纪90年代，住房抵押贷款支持证券作为重大金融创新而被广大发达国家和新兴市场所接受，成为国际资本市场上广为流行的融资工具。但是，次贷危机的爆发让人们意识到这也是能够激发金融市场系统性风险的复杂金融衍生产品。我国住房抵押贷款支持证券的发展正处于初级阶段，发展历史不足十年：2005年，国内第一次进行住房抵押贷款支持证券的试点工作，之后由于次贷危机冲击的影响，2008年监管部门暂停了资产证券化的试点项目，直到2012年国务院才宣布重启资产证券化业务试点。结合我国资产证券化才刚刚起步的实际国情，构建可靠的住房抵押贷款支持证券信用风险评估框架，对我国安全扩大资产证券化试点范围、继续深化发展资产证券化市场有着重要的现实意义。但是目前国内学者对此方面的研究多是针对我国国情设计有利于国内住房抵押贷款支持证券信用风险管理的配套政策体系，尚未在风险度量上有所突破。因此本文试图从宏观和微观两个层面，结合我国的实际情况分别对住房抵押贷款支持证券的基础资产及资产池的信用风险进行度量，以探讨适合我国住房抵押贷款支持证券的信用风险度量方法。

      二、住房抵押贷款支持证券信用风险度量模型

      20世纪90年代以来，信用风险计量模型的发展已经越发成熟，但是如何根据住房抵押贷款支持证券的信用风险特点来筛选模型一直是国内外学者的研究重点。当前，主流的信用风险计量模型有Credit Metrics模型、KMV模型、Credit Risk+模型和CPV模型等。根据对信用损失的确认模式，可以将这些模型大致分为违约模式(Default Mode，DM)和盯市模式(Mark-to-Market，MTM)两种。CPV模型是四个模型中唯一研究宏观经济因素对违约率影响的计量模型，具备其他三种模型所缺少的宏观层面分析能力。在信用风险变化的敏感性方面，属于MTM模式的Credit Metrics模型、KMV模型和CPV模型要明显优于归类于DM模式的Credit Risk+模型。而在波动率决定方面，Credit Metrics模型依赖于信用评级机构给出的信用等级迁移矩阵，但由于信息公布的滞后性导致其在预测极端事件时的表现并不如波动率基于资产价值实时变化的KMV模型。因此，本文将选用注重宏观影响的CPV模型和侧重于微观层面分析的KMV模型对信贷资产证券化产品的信用风险进行综合分析。

      (一)CPV模型：基础资产信用风险的度量

      CPV模型是利用宏观经济运行状态对资产组合信用风险进行模拟的多因素经济计量模型，它根据利率、汇率、失业率、ＧDP增长率、政府采购等一系列宏观经济因素，借助于经济计量工具与蒙特卡洛模拟法，研究资产组合的违约率与宏观经济因素间的关系。其基本建模策略是首先对宏观经济因素的周期性变化进行模拟，然后将宏观经济状态与资产组合的条件违约概率和评级转移概率对应起来，并以此为基础描绘出资产组合的信用损失分布。模型通过计量经济学方法将违约率模型化为宏观经济指数的Logit函数，确保违约概率保持在0～1的范围之内，其表达式为：

      

      

      住房抵押贷款支持证券作为一种结构化的重组金融产品，会产生积累性的信用风险。当宏观经济基本面保持稳定时，这种风险会被结构化重组技术所掩盖，并不表现出破坏性，而一旦宏观经济基本面产生较大变化，住房抵押贷款支持证券的基础资产的信用质量将受到冲击，导致违约率上升，这种积累性的信用风险就会彻底爆发。因此，基础资产的质量会对住房抵押贷款支持证券信用风险的变化产生最直接的影响，其中基础资产借款人的还款能力以及还款意愿是其信用风险最直观的影响因素。当存在足够多的借款人时，其还款能力以及意愿主要取决于宏观经济环境的变化，因此CPV模型作为唯一用宏观经济因素来模拟违约率及其变动状况的模型，适合对基础资产的信用风险进行度量。

      (二)修正的KMV模型：资产池信用风险的度量模型

      KMV模型是一种将资产组合的信用风险和预期违约率EDF(Expected Default Frequencies)联系起来，并通过EDF来计量信用风险的微观违约预测模型。其基本思想是将公司股权看作是看涨期权，并认为公司价值与公司的资产结构联系紧密，负债公司的资产结构与债务总额决定了其发生信用违约的概率。住房抵押贷款支持证券的资产池结构与KMV模型的假设非常相似，其资产就是池内来自于发起银行的住房抵押贷款未来可回收本息的总价值，而负债则是以这些贷款为基础资产所发行的证券在未来应偿还的本息总和，所以住房抵押贷款支持证券的信用风险就是资产池整体未来现金流在某一时点无法按时支付已发行的证券的本息金额。基于此，KMV模型的核心思想将能被应用在住房抵押贷款支持证券的信用风险度量中，可理解为在所发行证券的付息日，若由原始住房抵押贷款组成的资产池获得的本息收入小于发行证券所需支付的本息额，则投资人将无法得到足额偿付，住房抵押贷款支持证券发生信用违约。

      但是由于资产池的财务结构与公司并不相同，将KMV模型应用到住房抵押贷款支持证券信用风险度量中，还需要对模型中的参数进行合理的改变。(1)在KMV模型中，认为公司会在短期债务与总债务间的某一点违约，这一点被定义为公司违约点，一般取值为：(短期债务+长期债务)*1/2。而在住房抵押贷款支持证券中，其负债是以基础资产未来现金流为保证所发行的证券，并无短期与长期的区别，所以住房抵押贷款支持证券的违约点是到期应当支付给投资者的证券本息总和。(2)KMV模型中认为公司价值是公司负债与所有者权益之和的公司整体价值的均值。住房抵押贷款支持证券的资产池是由多笔经打包后的住房抵押贷款组合构成的，它的结构设计并不要求池内每笔贷款本息的收回都是确定的，当单笔贷款发生违约时，其他贷款收回的本息将能抵消该笔贷款违约带来的损失，资产池总体的未来现金流收入能保持在相对稳定的水平，只要保证足够按时偿付给投资者持有的证券本息即可。因此，住房抵押贷款支持证券的资产池价值均值可以通过其未来本息收入均值来近似描述。(3)KMV模型中公司价值波动性指公司负债与所有者权益相加后的公司整体价值的波动性，通过公司股票历史收盘价数据的波动率来描述。在住房抵押贷款支持证券中，资产池的未来现金流收入由池内基础资产的本息收入总和直接决定，与其发行的证券总额并没有关系，即其未来现金流受住房抵押贷款的信用质量直接影响。因此，住房抵押贷款支持证券的资产池整体价值的波动性可以通过池内贷款累积本息回收率的波动性来描述。

      假设证券的到期日为T，到期时资产池内所有资产的未来现金流以

表示，应付本息总额为

，那么在证券到期日，若资产池资产的未来现金流小于应偿付给投资者的证券本息额，则住房抵押贷款支持证券将会出现违约。

      

      

      将式(6)代入式(4)可得：

      

      在确定违约距离DD之后根据式(4)，并按照累积正态分布概率密度函数来确定资产池的违约概率p。图1显示了修正后的KMV模型的原理。

      

      图1 修正后KMV模型的原理图

      三、我国住房抵押贷款支持证券信用风险的实证分析

      (一)建元2005-1个人住房抵押贷款支持证券的基本信息

      建元2005-1个人住房抵押贷款支持证券是我国首只以住房抵押贷款为基础资产的证券化产品，于2005年12月15日在国内银行间债券市场发行，共有51家机构作为一级分销商认购了这批证券，其中商业银行21家。资产池由15162笔个人住房抵押贷款作为基础资产组成，贷款合同总额达到37.212亿元，发行总额为30.17亿元人民币，其主要条款描述见表1。

      

      从贷款的地域分布来看，抵押房产分属于我国经济发展水平较好的城市，分布为上海、福州、泉州和无锡。从贷款期限来看，资产池中贷款都是在2000-2004年之间发放的，初始期限在5～30年之间，加权平均期限约为17年，平均账龄有2.67年。从抵押房产的抵押率来看，资产池内基础资产的加权平均抵押率为67.2%。可见建元2005-1住房抵押贷款支持证券的基础资产质量相对较好，资产包的组合风险相对分散①。

      (二)“建元2005-1”证券的基础资产信用风险度量

      依据CPV模型的基本思想，引进宏观经济变量，构建个人住房抵押信贷风险度量模型如下：

      

      其中，Y为建元2005-1资产池内个人住房抵押信贷违约率，CLI为OECD综合领先指标，HP为全国新建住房均价，DPI为城镇居民人均可支配收入增长率，R为5年以上商业住房抵押贷款基准利率。

      以上四个变量与住房抵押贷款的信用风险之间的关系体现为如下四个假定：

      假定1：经济发展状况与住房抵押贷款的信用风险负相关，即

＜0。这表明当经济周期处于上升阶段时，社会失业率下降，则购房者拥有健康的财务状态，同时良好的经济发展能继续刺激购房需求，房产变现并不存在障碍，有较强的流通性，所以住房抵押贷款的违约率将降低。

      假定2：全国住宅价格水平与住房抵押贷款的信用风险负相关，即

＜0。这表明当住宅价格水平处于上升阶段时，出于对住宅价格水平继续上升的预期，借款人通常会继续持有房产或者通过转让房产而获取收益，并没有人会违约；反之，当住宅价格水平处于下降阶段时，当房产价格下降到该房产抵押贷款余额比新买一套同条件房产的价格还多时，过高的贷款成本将直接导致理性借款人主动违约。

      假定3：居民人均可支配收入与住房抵押贷款的信用风险负相关，即

＜0。这表明在物价浮动稳定的情况下，居民人均可支配收入越高则居民购买能力越强，住房抵押贷款的第一还款来源更有保障，住房抵押贷款出现违约事件的概率降低。

      假定4：贷款利率与住房抵押贷款的信用风险正相关，即

＞0。商业银行进行住房抵押贷款发放时，一般采用浮动利率贷款。当贷款利率下降时，意味着借款人的融资成本降低，减轻了借款人的还款压力，信用风险下降。反之，当贷款利率上调时，借款人的利息成本也随之上升，导致借款人的财务负担也增加，诱发信用风险提高。

      根据所建的住房抵押贷款支持证券的基础资产信用风险度量模型，分别选取2006年1月至2013年12月期间的季度数据②，运用Eviews7.2软件进行线性回归，可以得到如下回归结果：

      

      1.回归结果显示，

=0.7186表示宏观因素的变化中有71.9%可以通过以上所估计的模型来解释，同时Prob(F-statistic)=0说明该模型总体拟合优度良好。

      2.各解释变量的t统计量均大于其临界值，说明该模型中OECD综合领先指标、全国新建住房均价、城镇居民人均可支配收入增长率以及5年以上商业住房抵押贷款基准利率对住房抵押贷款违约率有显著的影响。

      3.D-W检验显示为1.659，表示模型并不存在自相关，估计结果良好。

      从对住房抵押贷款支持证券的基础资产信用风险的实证分析中可以看出，β系数取值符合假定呈现的关系，模型中最显著驱动变量是引入的能够反映宏观经济变化状况的指标——OECD综合领先指标CLI以及城镇居民人均可支配收入增长率DPI。CLI的上升表明中国经济整体情况改善，导致违约率Y的下降；DPI的上升表明居民个人的收入水平得到提升，还款能力增强，违约率Y下降；反之则违约率Y上升。同理，从房地产市场层面选取全国新建住房均价以及从反映借款成本角度选取的5年以上商业住房抵押贷款基准利率也是如此，前者与违约率Y呈正方向变动，而后者则成反方向变动。

      (三)“建元2005-1”证券的资产池信用风险度量

      以“建元2005-1期”个人住房抵押贷款支持证券的发行相关信息作基础，使用修正后KMV模型对“建元2005-1期”的资产池整体潜在信用风险进行度量③。“建元2005-1期”资产池入池资产本金290039万元，加权平均贷款年利率5.31%，加权平均抵押贷款剩余期限为172.36个月，则资产池的账面价值将为51 1251万元④。

      假设资产池内的资产间相关系数为0，基础资产的质量决定了其本息回收率，则资产池价值均值的波动性能通过本息回收率的波动水平来反映。根据中国建设银行2001-2005年全行贷款本息回收率，经修正的KMV模型计算可得：

      μ=0.020126，σ=0.019142

      假设“建元2005-1期”的预期本息回收率为95%⑤，则资产池的价值均值为485688万元。利用修正的KMV模型对一年期的违约距离进行测算，并根据累积正态分布函数将违约距离转化为预期违约率，在“建元2005-1期”个人住房抵押贷款支持证券发行时，其资产池的潜在信用风险如表2所示。

      根据中诚信国际信用评级的标准，凡一年期内预期违约概率在0.25%以下的资产，其信用质量分属于AAA级。经测算，“建元2005-1”个人住房抵押贷款支持证券当期资产池整体违约概率远低于0.25%的临界值，这与其得到AAA级的信用评级是相一致的。由于我国住房抵押贷款证券化刚起步，监管层对于试点项目坚持审慎原则，“建元2005-1期”的个人住房抵押贷款支持证券能获得高等级的信用评级，与资产池内选取的基础资产都具有优良的信用质量有很大关系。

      值得关注的是，从EDF变化趋势图(图2)可以看到，“建元2005-1”个人住房抵押贷款支持证券在2007年后半年至2008年之间预期违约率急速升高，而在2009年后开始回落并且回归稳定。结合CPV对基础资产分析的情况，笔者认为这一现象具备合理性。从2007年下半年开始，为了控制物价上涨和流动性过剩，中央银行实施了从紧的货币政策，存贷款基准利率不断上调，增加了购房者的还贷压力。同时，国家不断出台住房调控政策，各大城市相继出台相关实施细则，减缓了房价上涨的速度，甚至出现房价出现拐点的预期，致使一些按揭者的还款意愿减弱。此外，国内宏观经济的下行也对违约率的提高产生了影响。尤其是受次贷危机和人民币升值的影响，我国的出口压力增大，整体宏观经济不容乐观。2008年我国为了进一步扩大内需，促进经济平稳较快增长，推出了“四万亿计划”，这在一定程度上阻止了中国经济的下行，重新刺激了房地产市场，全国住宅均价开始新一轮的爬升。同时，央行也配套地降低了存贷款基准利率，购房者的还款压力减轻。这些因素使得“建元2005-1”个人住房抵押贷款支持证券资产池总体潜在信用风险于2009年初开始回归低水平。

      

      (四)结论

      本文应用CPV模型及修正后的KMV模型对我国第一只住房抵押贷款支持证券——“建元2005-1期”个人住房抵押贷款支持证券的信用风险进行度量和分析。通过CPV模型对基础资产的研究，笔者认为我国住房抵押贷款支持证券的基础资产质量变化主要受到宏观经济形势、全国住宅价格、人均可支配收入、商业住房抵押贷款利率四方面的影响：而修正后的KMV模型对资产池的研究结果则显示，“建元2005-1”个人住房抵押贷款支持证券预期违约率始终保持在0.25%以下，与中诚信国际评级的信用评级追踪报告中始终保持AAA评级的情况相符合。

      但是我们应该清醒地认识到这主要是由于目前我国对于住房抵押贷款支持证券仍采取试点模式⑥，未来全面扩大试点范围后依然要重视防范可能触发危机的风险点。次贷危机中，住房抵押贷款支持证券就展示出对美国经济极具破坏力的一面。从基础资产层面看，利率的不断上升和住房市场的持续降温是美国次贷危机爆发的直接原因。受到美国前期住房市场过度繁荣的影响，为了在激烈的竞争环境中谋得利益，放贷机构降低了对借款人的借款标准以追求信贷发放规模的扩大，这本身就造成了美国住房抵押贷款支持证券的基础资产质量下降。而美联储在2005年到2006年间连续加息17次导致住房市场逐渐降温，既增加了借款人的还款负担又致使借款人变卖住房或者对抵押住房再融资也变得困难。这直接造成大量次级贷款的借款人还款困难，显然宏观因素的变化降低了基础资产的质量。从资产池层面看，信用评级机构的失职导致评级结果失真也是美国次贷危机爆发的一个重要诱发因素。在美国，投资者对于资产池整体信用风险变动的判断主要来源于信用评级机构对个人住房抵押贷款支持证券评出的信用等级的升降变化。但是由于信用评级机构的失职，投资者对资产池的整体信用风险变化缺乏准确认识，不能够作出正确的投资决策。由此可见，为了转移银行日益积累的风险，将来就必须扩大住房抵押贷款支持证券的规模，当前模式所展示出的良好效果可能会降低，我国个人住房抵押贷款支持证券的发展仍面临信用风险控制的问题。

      四、政策建议

      第一，对拟证券化的住房抵押贷款资产质量设置一定的标准

      一是在技术手段方面，商业银行内部要严格实行的自我评估，控制好住房抵押贷款的信用质量，保证抵押房产的变现能力，承销商以及评级机构在对基础资产进行审计和调查过程中应尽职尽责，从风险源头上做到根本可控。二是必须加强外部监管。住房抵押贷款支持证券从发行到流通要经过复杂的流程，在这个过程中必须提升政府的监管作用，防止信用风险的泛滥、扩大，尤其是要控制好商业银行用于证券化的住房抵押贷款资产占其自身资产比例，避免过度证券化，将住房抵押贷款支持证券的信用风险保持在可控范围内。

      第二，实行有差别的授信政策，控制房贷总量，优化房贷结构

      各商业银行要综合考虑自身住房抵押贷款的现状、资金状况、中长期贷款比例指标、经营管理水平、风险承受能力和房地产市场发展前景等，根据中国人民银行的指导意见相应确定全行的住房抵押贷款总量和比例，适度控制各分支机构的房贷规模，严格控制和用好增量贷款，在住房抵押贷款总量控制下平衡各个部门的贷款额度，这间接提高了对借款人资信能力的要求，提高了基础资产质量。同时还应根据各地区发展水平、房地产市场的发展现状和潜力、房地产的价格水平和供求状况、当地居民收入水平和购买能力，对不同信用评级的借款人实行差别授信政策，优化当地分支机构的住房抵押贷款结构，并加强贷后管理。

      第三，强化信用评级机构评级的透明度管理，防范利益冲突

      为了促进信用评级机构的评级标准与评级过程透明化，对于评级机构开发的评估模型应给予知识产权保护，这样既能够提高知识的共享程度，又可以保护评级机构的创新积极性以不断推动信用评级行业的发展。在防范利益冲突方面，为保持信用评级机构的独立性，避免受到大客户的利益诱惑，应对信用评级机构从服务对象获取收入的百分比设置上限，并加强对评级机构与其关联方的利益关系以及评级决策流程进行严格监控。

      第四，加强风险定量分析

      对于国外比较成熟的风险评估指标以及模型不能照搬照抄，需要我国金融机构借鉴并且结合我国具体国情，开发、建立起符合我国住房抵押贷款支持证券发展过程中不同阶段特点的信用风险度量模型，做到对信用风险变化的准确监控。同时，应重视金融行业信用数据库和贷款违约数据库的建立与完善，突破当前国内运用模型对信用风险进行定量研究时受到数据缺乏制约的瓶颈，为我国金融机构的信用风险度量提供有效的数据支撑，推动商业银行信用风险度量研究向模型化过渡。

      ①“建元2005-1住房抵押贷款支持证券”的基础资产中正常类贷款占比达到100%，涉及四个不同地区的各笔个人抵押贷款之间的相关性比较低。

      ②CLI综合领先指标数据来源于www.oecd.org，城镇居民人均可支配收入增长率以及5年以上商业住房抵押贷款基准利率数据来源于锐思数据库，全国新建住房均价由锐思数据库提供的每季新增住宅销售额、每季新增住宅销售面积推算得到，住房抵押贷款的实际违约率取自“建元2005-1住房抵押贷款证券”受托机构受托报告。

      ③数据来源于2006年1月至2013年12月的月度受托机构报告。

      ④资产池的账面价值=资产池入本金+剩余应收贷款利息=290039*(1+5.31%*172.36/12)=511251万元。

      ⑤根据“建元2005-1住房抵押贷款证券”发行说明书，建行个人住房抵押贷款的不良贷款率为1.23%。

      ⑥目前，我国个人住房抵押贷款支持证券的发行流通依旧非常审慎，已有的个人住房抵押贷款支持证券均选用了优质的个人住房抵押贷款作为基础资产，即便在我国宏观经济下行时仍有良好的表现。同时，证监会、银监会等监管部门也对个人住房抵押贷款支持证券采取了严格的监督措施，要求发行的个人住房抵押贷款支持证券采取简单的证券化结构，并将风险杠杆控制在较低水平。

标签：信用风险论文;  住房抵押贷款论文;  资产支持证券论文;  违约概率论文;  基础资产论文;  房地产抵押贷款论文;  证券论文;