ABS风险不可忽略!从量化的角度看资产证券化兑付效果!

1评论 2018-03-19 14:02:54 来源:千寻生活 如何判断星期六买点?

  摘要

  在研究和投资ABS过程中,考虑以及评估风险情况必不可少,接下来本文从资产证券化的兑付情况入手,分析哪些因素会影响资产证券化的逾期和兑付概率。并且,考虑到日常投资ABS时,量化方法有所缺失,我们尝试利用已经完成结算的银行间ABS历史数据进行分析,然后构建回归模型,对券项的兑付情况进行解读以及预测,以帮助投资者对各个因素以及整体概况有更清晰、更直接的判断。

  1、如何理解ABS的提前及逾期兑付情况

  提前或逾期兑付都会使得ABS产生风险。当债券出现提前兑付时,由于提前偿还的时间不确定,就有可能打乱投资者的资金运用计划。其次,投资者寻找新的投资对象的交易成本增加,如果交易成本大于再投资收益,则投资者仍会遭受损失。如果债券出现逾期兑付,一方面可能暗示债券基础资产池的现金回流情况不佳,造成潜在的违约风险加大。另一方面,逾期也会打乱投资人的资金运用计划。

  2、分基础资产类别讨论提前及逾期兑付情况

  我们将结合不同基础资产类别ABS的特性,分析不同种类的ABS提前及逾期兑付的特征。具体来看:1、企业贷款:按期还款率高,提前还款受还贷情况影响;2、租赁资产:与企业贷款表现类似,3、房地产抵押贷款:资产池分散,期限长,逾期率较高;4、汽车贷款:提前支付比例高;5、信用卡贷款:逾期可能性高;6、消费性贷款:准时支付比例优于信用卡贷款。

  3、哪些指标可以影响提前或逾期支付情况

  评级、ABS的发行利差、分层比例的设计、发起银行均会影响券项的提前和逾期支付情况。(具体可见正文)

  4、尝试构建模型,是否能预测提前与兑付

  提前兑付的预测:从模型估计结果可以看出,估计系数表现与均值统计基本保持一致。分基础资产看,汽车贷款和租赁资产有较高的提前兑付概率。分层比例系数的估计结果也与均值统计一致:分层比例越高的ABS提前偿还概率越大。从评级角度看,评级越高的债券提前支付的可能性越小。利差的估计系数与我们的猜测一致:高评级ABS发行利率与中票的利差越大,提前支付的可能性越高。值得说明的是,发起银行的类别在估计中并不显著。

  逾期兑付的预测:模型的估计结果与均值统计结果基本一致。分基础资产来看,信用卡贷款ABS的逾期支付可能性较大。分层比例越高,逾期支付的可能性越小。分银行类别看,国开行和国有商业银行发行的ABS逾期支付的可能性最小。

  5、结论与建议:在衡量资产证券化产品中提前或逾期风险时,需要考虑基础资产类别、券项评级、与同级别中票利差、分层比例设计等因素。从数据分析结果来看,不同基础资产中,信用卡贷款和房地产抵押贷款ABS逾期兑付的比例最大,汽车贷款ABS提前兑付的比例最大,而企业贷款和租赁资产ABS当期兑付情况较好。不同评级中,券项评级越高,提前支付的可能性越小,而逾期支付的可能性会上升。在ABS于同等级中票利差方面,利差大小一定程度可以反应了发起人的额外资金成本,结果显示利差越大,提前还款的可能性越大,逾期还款的可能性越小。分层结构设计中,优先级债券分层比例越大,提前还款可能性越大,逾期还款可能性越小。

  最后,我们尝试构建模型预测ABS券项的提前还款和逾期还款的可能,模型的估计结果与简单的均值统计基本一致,并且模型具有较好的预测结果。总体而言,运用模型对ABS逾期、兑付情况预测是我们在研究ABS过程中做的一次新尝试,只是模型自身还存在一定缺陷,并且在实际投资过程中的实用性以及准确性也尚未获得验证,因而暂时不能对实际投资产生有效的指导。不过,我们希望借助此次研究尝试,能够为投资者提供一种新的思路。

  6、风险提示:模型运用风险;监管政策风险以及利率上行风险

  在研究和投资ABS过程中,考虑以及评估风险情况必不可少,接下来本文从资产证券化的兑付情况入手,分析哪些因素会影响资产证券化的逾期和兑付概率。并且,考虑到日常投资ABS时,量化方法有所缺失,我们尝试利用已经完成结算的银行间ABS历史数据进行分析,然后构建回归模型对券项的兑付情况进行解读以及预测,以帮助投资者对各个因素以及整体概况有更清晰、更直接的判断。

  一、如何理解ABS的提前及逾期兑付情况?

  一般情况下,一款资产证券化产品有两个重要的日期:预期到期日和法定到期日。预期到期日是指基础资产处于一般状态(并无任何违约和提前偿还等状态)下时,各档证券的到期时间。这个日期是一种估计,是一种特定条件或假设下估计、计算。法定到期日则是处置资产清算日期,如果在这一日不能支付全部的本金和利息,就可以定义为违约,典型情况下该日期要比预期到期日推迟2年。提前兑付则是指实际兑付在预期到期日之前完成,逾期兑付则是指实际兑付在预测到期日之后,法定到期日之前完成。违约则是指在法定到期日之后还未能完成支付的情形。

  提前或逾期兑付都会使得ABS产生风险。当债券出现提前兑付时,由于提前偿还的时间不确定,投资者的资金运用计划就有可能被打乱。如果在短时间内难以找到合适的长期投资目标,投资者只能选其次投资于利率较低的货币市场,只能获取较低的投资收益率。其次,投资者寻找新的投资对象的交易成本增加,如果交易成本大于再投资收益,则投资者会遭受损失。如果债券出现逾期兑付,一方面可能暗示债券基础资产池的现金回流情况不佳,造成潜在的违约风险加大。另一方面,预期也会打乱投资人的资金运用计划。因此,研究或预测提前或逾期兑付有助于投资者更好的选择ABS产品以及把握风险。

  由于企业ABS数据的不完善,本次数据主要采用17年12月31日前已经完成兑付的594只银行间ABS作为研究对象。数据显示,提前兑付、当期兑付和逾期兑付的比例分别约为37%、49%和14%。从分布而言,整体呈左偏分布,提前兑付天数范围较大,在提前30天(一个月)、91天(一个季度)和183天(半年)附近出现集中的分布,这与基础资产池的还款情况有关。其次,统计不同类别的已到期银行ABS提前与逾期兑付的百分比。可以看出,信用卡贷款和房地产抵押贷款ABS逾期兑付的比例最大,汽车贷款ABS提前兑付的比例最大,而企业贷款和租赁资产ABS当期兑付情况较好。

  ABS风险不可忽略!从量化的角度看资产证券化兑付效果!二、分基础资产类别讨论提前及逾期兑付情况

  我们结合不同基础资产类别ABS的特性,分析不同种类的ABS提前及逾期兑付的特征。目前已经完成结算的ABS基础资产类别包括企业贷款、不良贷款、房地产抵押贷款、工程机械贷款、汽车贷款、铁路专项贷款、消费性贷款、信用卡贷款及租赁资产等等,具体来看:

  (一)企业贷款:按期还款率高,提前还款受还贷情况影响

  企业贷款ABS其中一个重要特征就是底层基础资产单笔数额较大,资产集中程度较高。因此,一笔底层基础资产出现违约情况,对整个ABS 的基础资产池产生较大影响。但由于企业贷款ABS经历了较长时间的发展和相对更为广泛的实践,因而产品模式较为成熟,风险也相对可控。

  企业贷款ABS提前及违约支付的主要影响因素就是贷款企业的还款情况。从统计数据可以看出,企业贷款ABS准时支付的比例较高(如图2所示),而非准时支付的情况主要集中在提前支付。由于银行贷出的企业贷款多为按季付息,因此当贷款企业流动性改善,提前还贷也多按季度时间截点支付。

  (二)租赁资产:与企业贷款表现类似

  租赁资产与企业贷款类似,单笔数额较大,资产集中程度较高。ABS的提前和逾期支付情况受承租人还款情况影响较大。当市场利率变动,使得承租人融资成本下降或出现承租人搬迁等变故时,就较为容易发生提前还款的情况。数据表现也和企业贷款ABS类似,相对于逾期支付,提前支付的比例较高。

  (三)房地产抵押贷款:资产池分散,期限长,逾期率较高

  房地产抵押贷款入池资产笔数多、单一资产金额小、资产分散度高,可以较好的起到分散风险的作用。但房地产抵押贷款的另一个重要特征就是证券期限普遍较长。在2017年新发行的房地产抵押贷款ABS中,平均期限为6.6年,而其他类别的ABS平均期限都低于2年。

  然而,期限长增加了现金流的设计和匹配过程中的不确定性,这一点从数据上也可以看出:房地产抵押贷款ABS的逾期还款概率较高。逾期率较高意味着投资者预先的投资计划有可能被逾期而打乱,从而造成投资收益的降低。

  (四)汽车贷款:提前支付比例高

  和房地产抵押贷款类似,汽车贷款ABS具有基础资产分散、贷款质量高等特点。但同房地产抵押贷款相比,汽车贷款ABS平均期限更短。另外,从贷款利率来看,平均而言,汽车贷款利率会高于房地产抵押贷款利率,因而贷款人可能更有提前还款的倾向,数据也显示汽车贷款ABS有最高的提前支付概率。

  (五)信用卡贷款:逾期可能性高

  信用卡贷款ABS资产池分散,每笔数额较小,单笔贷款违约对整体资产池的影响较小。然而,信用卡贷款本身单笔违约率较高,如果ABS产品结构设计不当,可能造成较高的逾期支付概率。从图表2也可以看出,在所有类别的银行ABS中,信用卡贷款ABS有最高的逾期支付率。

  (六)消费性贷款:准时支付比例优于信用卡贷款

  和信用卡贷款类似,消费性贷款资产池分散,每笔数额较小,单笔贷款违约对整体资产池的影响较小。但从准时支付比例来看,消费性贷款ABS表现更佳,总体准时支付比例更高,逾期支付比例更低。

  三、哪些指标可以影响提前或逾期支付情况?

  从评级角度看,提前支付的比例随评级下降而升高;逾期兑付的情况有些许令人意外,高评级并不意味着逾期比例低。从占比来看,AAA评级及AA评级券项逾期支付的比例相对较高,AA-及A+评级券项逾期支付的比例较低。由此来看,我们难以简单从评级来判断一只ABS的提前或逾期兑付情况。

  从发行利率与同等级中票利差角度看,我们发现两者利差与兑付情况有关。如果两者利差过高,则机构更有动机提前兑付以减少利息支出,如果两者利差较低,机构则有动机拖延支付以换取流动性。从数据上看,这一趋势在AAA及AA+评级的券项中最为显著,提前支付的券项发行利率与同等级中票利差平均值最高,逾期支付的券项中两者利差平均值最低。

  ABS风险不可忽略!从量化的角度看资产证券化兑付效果!分层比例的设计也会影响券项的提前和逾期支付情况。我们统计了不同支付情况ABS的分层比例均值。需要说明的是,考虑到不同偿还优先级分层比例的意义会有不同,我们只选取了A1档的债券作为这次的研究对象。一般来说,A1档设置比例越小,支持偿付的基础资产越多,现金流应该越稳定。然而,统计结果与设想结果相反,优先级比例小的债券更容易出现逾期支付的情况。对此,我们的认为是债券的分层设计恰恰反映了基础资产的质量。即基础资产质量越好,可发行的优先级比例越高,而优先级比例低或许就恰好说明基础资产质量较差,因而更容易出现逾期支付的情况。

  分发起银行类别也会是影响因素之一。一般情况下,不同类别的银行贷款对象会有不同,因而其基础资产的质量会有不同。另一方面,国开行、国有银行等发行ABS数量较多,经验丰富,在产品设计等方面或许会有一定优势。结果显示,国开行等政策性银行发行的ABS准时偿还比例最高,而国有商业银行发行的ABS有最高的提前支付比例,最弱的是城、农商行。

  ABS风险不可忽略!从量化的角度看资产证券化兑付效果!四、尝试构建模型,是否能预测提前与逾期兑付?

  (一)模型的构建与思路

  除了上述提到的影响因素,其他因素比如债券期限等也会对提前或逾期支付的概率产生影响。另一方面,不同影响因素之间可能具有一定的相关性,简单的均值统计不能帮助我们理清单一因素的影响。为了帮助投资者对到期还款情况有更清晰的判断和了解,对实际投资形成指导和借鉴,我们尝试利用logistic回归模型对券项的兑付情况进行了建模和预测。估计的模型为:

  ABS风险不可忽略!从量化的角度看资产证券化兑付效果!下面我们针对该模型的设定给出一些必要的说明。模型的因变量是二值变量,当预测提前兑付时,债券提前兑付取1,不提前兑付取0。基础资产类型为wind给出的"基础资产二级分类",但考虑到有的基础资产类别观测值太少,我们将不良贷款、工程机械贷款及铁路专项贷款归为"其他"一类。债券评级这一变量中,同样由于观测值数量的原因,我们将A及以下评级归为"A及以下"一类。发行银行类型是主观定义类别,将其分为国开行、国有商业银行、股份制商业银行、城市商业银行、农村商业银行及其他六个大类。在预测提前兑付的模型中,银行类型并不显著,因此只有在预测逾期兑付时我们才把该变量纳入模型。需要给出特别说明的是"高评级*同级别中票利差"这一项。在图表4中我们看到,发行利率与同等级中票的利差在提前兑付、当期兑付和逾期兑付之间的变异在AAA及AA+评级的债券中较为显著,而在中低级别券项中不显著,因此我们考虑在模型中加入债券是否为AAA或AA+评级的二值变量与利差的交叉项。

  我们用已有数据的70%作为训练集,30%作为测试集,模型的测试结果如图表7、图表8所示。结果显示,提前兑付模型的AUC值为0.792,当阈值为0.353时,所有提前兑付债券中的80%能被我们的模型识别出来,同时保证70.3%的不提前兑付债券被识别出来。当整体的提前付款率与当前已结算银行ABS中的比例保持一致(37%)时,模型判断债券提前兑付的正确率约为70.1%,比随机猜测改进34.1%。

  逾期兑付模型的AUC值为0.798,当阈值为0.11时,所有提前兑付债券中的81.8%能被模型识别出来。同理,模型判断债券逾期兑付的正确率约为38.6%,比随机猜测改进24.4%。

  ABS风险不可忽略!从量化的角度看资产证券化兑付效果!(二)模型的结果与意义

  ABS风险不可忽略!从量化的角度看资产证券化兑付效果!从模型估计结果可以看出,估计系数表现与均值统计基本保持一致。分基础资产看,汽车贷款和租赁资产有较高的提前兑付概率。分层比例系数的估计结果也与均值统计一致:分层比例越高的ABS提前偿还概率越大。从评级角度看,评级越高的债券提前支付的可能性越小。利差的估计系数与我们的猜测一致:高评级ABS的利差越大,提前支付的可能性越高。值得说明的是,发起银行的类别在估计中并不显著,因而我们在估计提前支付的模型中将这一变量删除。

  ABS风险不可忽略!从量化的角度看资产证券化兑付效果!模型的估计结果与均值统计结果基本一致。分基础资产来看,信用卡贷款ABS的逾期支付可能性最大。分层比例越高,逾期支付的可能性越小。分银行类别看,国开行和国有商业银行发行的ABS逾期支付的可能性最小。

  五、结论与建议

  在衡量资产证券化产品中提前或逾期风险时,需要考虑基础资产类别、券项评级、与同级别中票利差、分层比例设计等因素。从数据分析结果来看,不同基础资产中,信用卡贷款和房地产抵押贷款ABS逾期兑付的比例最大,汽车贷款ABS提前兑付的比例最大,而企业贷款和租赁资产ABS当期兑付情况较好。不同评级中,券项评级越高,提前支付的可能性越小,而逾期支付的可能性会上升。在ABS于同等级中票利差方面,利差大小一定程度可以反映了发起人的额外资金成本,结果显示利差越大,提前还款的可能性越大,逾期还款的可能性越小。分层结构设计中,优先级债券分层比例越大,提前还款可能性越大,逾期还款可能性越小。

  最后,我们尝试构建模型预测ABS券项的提前和逾期兑付的可能,模型的估计结果与简单的均值统计基本一致,并且模型具有较好的预测结果。总体而言,运用模型对ABS逾期、兑付情况预测是我们在研究ABS过程中做的一次新尝试,只是模型自身还存在一定缺陷,并且在实际投资过程中的实用性以及准确性也尚未获得验证,因而暂时不能对实际投资产生有效的指导。不过,我们希望借助此次研究尝试能够为投资者提供一种新的思路。

关键词阅读:ABS 兑付 资产证券化 回归模型 模型识别

责任编辑:卢珊 RF10057
快来分享:
评论 已有 0 条评论
更多>> 以下为您的最近访问股
理财产品快速查询