ABS兑付影响因素的量化效果.docx

1、ABS兑付影响因素的量化效果ABS兑付影响因素的量化效果研究和投资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

2、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

3、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，

4、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。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

5、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

6、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

7、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

8、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

9、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。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

10、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。四、尝试构建模型，是否能预测提前与

11、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。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

12、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。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

13、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%。（二）模型的结果与意义从模型估计结果可以看出，估计系数

14、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。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

15、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。六、风险提示模型运用风险；监管政策风险以及利率上行风险