最有看点的互联网金融门户

最有看点的互联网金融门户
国内资讯

公司信贷资产证券化产品及评级思路

本文共3648字,预计阅读时间127

公司信贷资产证券化指金融机构作为发起机构,将对公信贷资产信托给受托机构,由受托机构以资产支持证券的形式发行证券,以基础资产所产生的现金流支付资产支持证券本息的结构性融资活动。公司信贷资产支持证券的主要功能包括增强资产的流动性和风险转移;对于投资者而言,其分散的投资标的和相应的交易结构设计也有效降低了证券违约风险。基础资产为对公贷款的信贷资产支持证券(以下简称“CLO”)是结构融资产品中的一个细分品种,自2005年国内首次推出资产证券化试点以来,累计发行的46期证券化产品中,有32期为CLO产品,可见CLO是国内率先发展、存量最多的证券化产品,未来预计也将是国内资产证券化领域的主流产品。

一、证券特点

1、从基础资产特征来看,我国目前入池贷款笔数一般在1000笔以下,单笔入贷款余额占比较高,贷款利率接近基准利率,贷款担保方式较为多样化,涉及信用、保证、抵押、质押等多种方式,主要还款来源是企业现金类资产和经营性现金流。

2、从CLO的违约风险角度来看,CLO资产池可以通过资产组合以及控制入池贷款地区、行业集中度的方式,在一定程度上化解非系统性风险,降低联合违约发生的可能性。

3、从交易结构的角度来看,真实出售和破产风险隔离是CLO交易结构的核心,而现金流支付机制灵活多样,且优先/次级结构作为主要信用增级措施是优先级证券获得较高信用等级的重要保证。

二、产品评级理念与思路

在理想的法律环境下,资产证券化产品的信用评级主要关注基础资产信用质量与产品交易结构特征。首先,在基础资产实现了真实出售、破产隔离之后,基础资产就具有了独立性,信用评级不再考虑发起人的信用状况,而只考虑基础资产本身的信用质量。其次,证券化产品的特殊之处还体现在产品结构设计上,不同的信用增级措施与现金流支付机制直接影响着信用级别的高低,次级档的厚度决定了其对损失的吸收程度、对优先档证券的保护程度,现金流支付机制决定了优先档证券得到偿付的优先程度。

中债资信对CLO信用等级的评定是对受评证券违约风险的评价,即在考虑基础资产损失分布的情况下,受评证券利息在存续期内未能及时且足额获得支付以及本金于法定到期日不能足额获付的可能性。中债资信对受评证券违约风险的评估方法是以基础资产整体组合信用风险水平为基础,并结合压力测试、交易结构分析进行综合判定。

首先,基础资产中单笔资产的信用质量(即每笔贷款的违约概率)、集中度、资产间的相关性以及回收率等因素,决定了基础资产整体组合信用风险水平。因此,一般需要先对单笔资产的信用质量进行评估,得出每笔资产的违约概率。然后结合每笔资产的违约概率,运用多阶段[多阶段蒙特卡罗模拟是通过在基础资产存续期内,逐年进行模拟而实现的。]蒙特卡罗模拟方法模拟资产池违约事件,构建组合信用风险模型,确定由基础资产质量决定的受评证券信用等级上限。中债资信的组合信用风险模型的构建是以多阶段[]蒙特卡洛模拟为基础,通过生成相关联的随机数对每个资产的违约情况进行判定,汇总一百万次的模拟结果绘制资产池违约分布和损失分布,参照累计违约率表,得到不同信用等级下证券所需承受的资产池目标违约比率和目标损失比率[此处违约比率和损失比率是指资产池违约额和损失额在资产池未偿本金余额中的占比。],基于各优先档证券所获得的信用增级量[各优先档证券所获得的信用增级量是指由劣后受偿证券提供的信用支持以及超额抵押合计提供的信用增级量。]大于目标损失比率的评级标准,最终确定由基础资产质量决定的受评证券信用等级上限的评级标准。

其次,如果入池资产分散度较差,存在集中违约风险,那么可能少数几笔贷款信用表现恶化就会对整个资产池产生较大的负面影响,所以还需要构建大额借款人违约压力测试模型测度集中度风险。受评证券获得的信用增级量必须能够覆盖资产池中低于该目标等级的特定大额资产组合违约所带来的损失,由此得到由大额借款人违约压力测试决定的受评证券信用等级上限。

最后,由于组合信用风险分析过程中没有考虑超额利差、流动性支持、信用触发事件等交易结构特点,以及压力情景下基础资产产生的现金流在各时点对受评证券本金和利息的覆盖程度,因此需根据交易约定的交易结构和特定压力条件进行现金流分析及压力测试,基于各优先档证券临界违约率大于目标违约比率的评级标准,得到由现金流压力测试决定的受评证券信用等级上限。

取上述三个级别上限中最严格的一个为由量化模型决定的指示信用级别。除了上述量化分析外,中债资信会结合交易结构风险、主要参与机构尽职能力、法律风险等评级要素的定性分析对量化模型决定的指示信用级别进行调整。公司信用评审委员会将依据各评级要素的分析结果、模型参数的设置以及模型运算结果,并考虑其它定性因素,综合考量受评优先级资产支持证券违约风险的高低,最终确定受评证券的信用等级。

三、基础资产池信用质量分析方法

CLO产品具有单笔贷款金额占比较大,集中度较高的特点,单个资产的违约对证券整体的信用水平影响较大。因此,对于信贷资产证券化产品资产池的评估,通常结合每个资产的违约概率,基于Merton提出的结构化模型(StructuredModel),运用蒙特卡洛模拟的方法生成相关联的随机数对资产的违约情况进行判定,或者采用二项式扩展法测算得出基础资产的违约分布和损失分布等。每笔资产的影子评级及其违约概率是模型中的重要参数,需要注意的是,对于不同数量、不同企业类型的信贷资产池,评估单笔资产影子级别的方式也有所不同。对于大型企业,资产池中包含的贷款笔数较少,我们通常对每笔贷款中涉及的借款人和担保人级别进行逐一评估,采用的标准与主体评级标准完全一致。对于中小企业,且资产池中包含的借款人数量较多,难以实现逐一评估的情况下,可采用抽样建模的方式得到影子级别,模型通过一些定性和定量指标对借款人、担保人进行评估,其中定性指标包括行业信用品质和企业性质,定量指标包括体现企业经营和财务风险的财务指标,如资产总额、营业毛利率、资产负债率等,通过模型运算确定样本外资产的影子级别。对于小微企业或个人经营类贷款,借款人主要以自然人为主,无详实的经营数据与财务数据,逐一评估存在困难,抽样建模又缺少充足的样本数据,综合考虑,我们采用根据贷款整体特征、发起机构的风控能力确定级别中枢,再根据体现个体借款人信用水平的特征进行微调的方式确定基础资产的影子级别。

四、交易结构分析

信用评级对于交易结构的考察主要包括现金流支付机制和信用增级措施、资产服务机构尽职能力、交易结构风险和法律风险方面等方面因素。

证券通常会设置信用触发机制,触发机制的设置原则是通过改变资产池的现金流支付顺序,来保证优先级证券优先获付利息或本金,从而对风险因素快速做出反应,减少投资者损失的。当出现资产池表现异常时,为了保证优先档证券的绝对优先支付权,交易结构中设置的触发机制将发挥作用,国内外资产支持证券中比较典型的触发机制包括加速清偿事件与违约事件。

部分证券化产品中也会设置相应的流动性支持机制,流动性支持形式主要包括内部支持与外部支持两种形式。内外部流动性支持通常采用设置相应的流动性准备金账户或其他等方式实现。当基础资产现金流流入量与证券各项支出在时点上发生错配时,流动性准备金账户用于弥补证券本息的支付。以上机制通常作为现金流分析和压力测试的考察因素,会对证券现金流及信用增级水平的影响。

信用增级措施可以降低受评证券的违约风险,提升优先级证券信用水平,吸引投资者,同时满足发起机构在会计、监管和提高资产流动性等方面的需求。主要增级方式包括内部信用增级和外部信用增级,其中以内部增级为主。内部增级主要包括优先/次级结构、超额抵押等,外部信用增级措施则由独立的第三方机构提供,通常可以采取保险、担保和现金抵押账户等形式来实现。超额抵押是指资产池本金余额超过资产支持证券本金额的差额,可以作为信用保护的一种内部信用增级措施,该差额用于弥补资产证券化过程中可能会产生的损失,从而对证券具有一定的信用增级效果。信用增级措施对受评证券信用等级的影响,体现在对资产池现金流分析和压力测试过程中。

资产服务机构通常由发起机构或者相关的附属机构担当,负责管理基础资产组合的日常运作,负责收取本金和利息,追收拖欠资金,并向受托机构和投资者定期提供资产服务管理报告。因而,资产服务机构的尽职能力直接影响着资产信用表现和回收情况,进而对基础资产的现金流水平和证券的信用等级产生影响。信用评级过程中通常对资产服务机构的经营风险、财务风险、资产管理业务状况、风险控制水平、信贷业务管理流程、逾期贷款管理和催收方法等方面进行全面的分析,识别并防范由资产服务机构引发的风险。

完善的法律制度是资产证券化发展的必然前提,资产证券化交易中的真实出售、破产风险隔离、债权及其从权力转让效力等重要核心问题均须得到法律的支持。信用评级过程中,通常重点关注交易是否能够实现债权转让同时办理变更登记,是否有法律依据支持抵押权变更登记的批量处理等。


用微信扫描可以分享至好友和朋友圈

扫描二维码或搜索微信号“iweiyangx”
关注未央网官方微信公众号,获取互联网金融领域前沿资讯。

发表评论

发表评论

您的评论提交后会进行审核,审核通过的留言会展示在下方留言区域,请耐心等待。

评论

您的个人信息不会被公开,请放心填写! 标记为的是必填项

取消

消费带动业务快速扩张 汽车金融公司掀增资潮

马传茂 | 证券时报 11-08

Fin-Lab线上沙龙第十八期:资产证券化与金融科技如何改变资产管理行业

小未 10-19

我国信用评级业发展现状与问题剖析

薛小飞 09-27

消费金融资产证券化产品设计及合规风险把控

梁俊丽 09-18

一文秒懂互金平台场内、场外ABS差异

张叶霞 | 盈灿咨询 09-17

版权所有 © 清华大学五道口金融学院互联网金融实验室 | 京ICP备17044750号-1