[个人住房商业性贷款]干货 ｜ 个人住房抵押贷款支持证券评级方法（标普、穆迪、惠誉）

导 读
我国资产证券化市场起步较晚，国内对于RMBS的相关研究还比较欠缺，深入研究国外评级机构的评级方法，对提高我国RMBS产品的评级技术具有很重要的意义。

本文作为中债资信“他山之石”系列研究报告的一篇，首先对国际三大评级机构RMBS产品的评级思路进行综述，然后从评级要素和数据处理两个方面对国际三大评级机构RMBS产品的评级方法进行了介绍。其次从压力情景的构建、交易风险要素的考虑两个方面对国际三大评级机构RMBS产品的评级方法进行介绍，最后总结了三大评级机构评级方法的优劣势，并就国内RMBS评级方法的适用性进行了探讨。
1 评级思路综述
RMBS是住房抵押贷款资产支持证券（MBS）的一种，是指以金融机构作为发起机构，将个人住房抵押贷款信托给受托机构，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入支付证券本息和相关费用的结构性融资活动。RMBS始于上世纪70年代的美国，由于能够有效降低发起机构的融资成本、提高资产流动性、分散风险，受到市场热烈追捧，经过四十多年的发展成为国外结构融资产品中最主要的组成部分，市场份额庞大。然而在次贷危机中，由于资产证券化中贷款审批的松懈把关、信用评级的过高评估、投资的盲目激进、监管力度的不到位等问题，RMBS产品成为此次危机的重要风险源头，引发了美国、欧洲乃至全球的金融海啸。在危机后，多国金融监管改革中重点针对包括RMBS在内的证券化产品加强监管，尤其对评级提出了更加严格的要求，以期发挥证券化产品应有的市场功能与作用。

RMBS的信用风险评估比较复杂，主要有以下三方面的原因：第一，RMBS的基础资产为个人住房抵押贷款，评估个人信用风险有一定困难，且入池资产笔数较多，很难实现逐笔评估；第二，住房贷款期限很长，受宏观经济和房产价格的影响较大，因此基础资产的预期损失具有较大的不确定性；第三，RMBS面临较大的提前还款风险，尽管提前还款能在一定程度上降低贷款的违约风险，但当资产端利息流入大于证券端利息和相关费用支出时，提前还款会减少超额利差流入，降低对证券本息偿付的支持。鉴于上述原因，国外机构通常使用量化程度较高的分析方法，借助评级模型并结合定性分析的方法来度量RMBS的信用风险。

国际三大评级机构对RMBS产品的评级，通常是先确定基础资产的组合信用风险，然后结合交易结构特征构建现金流模型，测算基础资产的现金流恰好能够满足资产支持证券本金和利息支付要求的概率，或者测算不同情景下资产支持证券的损失情况进而确定其预期损失率，最后参考理想违约率目标或理想损失率目标确定受评证券的模型指示级别，经过信评委综合考虑其他定量及定性因素后最终确定受评证券信用等级。经过研究，我们发现国际三大评级机构在对RMBS评级时，现金流模型的大致思路基本相同，主要区别在于对基础资产违约风险和违约后损失严重程度的衡量（即组合信用风险分析），下面简要概述了三大评级机构的组合信用风险分析方法：

标普首先构建一个标准资产池，同时确定其在AAA目标等级下的预期违约率和预期损失程度，基于目标资产池与标准资产池在借款人和贷款层面信用风险特征的差异，通过LEVELS模型对标准资产池的预期违约率和预期损失程度进行调整，从而得到目标资产池的信用增级水平（预期违约率*预期损失程度），再根据目标资产池的定性特征调整得到最终结果，对于09年前发放的贷款，标普还采用迁移率清算时间模型，通过02-07年的数据库，得出贷款在各状态间的转移概率，从而计算目标资产池的违约率。

穆迪在2013年后采用MILAN法对资产池的信用风险进行分析，美国MILAN模型是用于评估严重经济衰退情境下（AAA情景）美国第一留置权住房抵押贷款组合的信用风险的打分模型，其假定是严重的经济衰退，类似2007-2009年。MILAN模型是关于违约模型和损失模型的运用，给出了预期损失估计和损失严重程度估计。每笔贷款的违约概率（PD）、违约损失率（LGD）是基于贷款水平的特点并结合国内房价价格变动、失业率和利率情况的情景估计得到的；资产池损失的估计依赖于单笔贷款损失的估计、借款人以及区域集中性的调整等。

惠誉选取了13个关键变量对累计违约率建立Logistic回归模型，参数通过最大似然法进行估计，对模型计算出的结果会根据变量的取值和资产池集中度进行调整，在估计违约损失率时，首先根据可持续市场价值减值因素对房产价值进行调整得到均衡价格，随后根据快速销售过程中的折价因素进行调整，最后是扣除清算成本和存置成本等以得到最终的回收额，最后根据各目标级别的压力乘数，对违约率和违约损失率计算中的几个关键变量施加相应的压力，即可求出目标级别下的违约率和违约损失率，两者相乘就得到了目标级别的损失比率。
2 评级要素简介
（一）基础资产特征要素

对于基础资产特征要素，三大评级机构都会从借款人、贷款和抵押物三个层面来进行考虑，具体关注内容如下表：

初始贷款价值比（LTV）是三大评级机构都很重视的风险特征之一。初始贷款价值比越低，贷款的回收可能性越高，违约率也就越低。标普设定的基准贷款价值比为75%，之后会根据不同资产池的贷款价值比来应用调整因子；对于大多数国家，穆迪强调贷款价值比对于违约概率的影响，会基于LTV来计算基准违约概率；初始贷款价值比是惠誉累计违约率Logistic回归模型的一个重要变量。

借款人信用评分也是三大评级机构都很重视的风险特征之一，借款人的信用评分越高，违约可能性就越低。FICO评分是标普LEVELS模型的重要输入参数；穆迪会基于借款人的FICO评分来计算基准违约概率；惠誉在对累计违约率建立Logistic回归模型时，FICO评分也是一个重要的变量。

在借款人的偿债能力方面，标普会通过借款人信用评分、债务收入比、借款人的收入和就业情况、借款人居住地等指标来评判债务人的还款能力；穆迪主要通过对借款人的收入进行审查，会基于贷款收入比对计算得出的信用增级进行调整；惠誉会按月统计借款人的偿付信息，在对违约率进行建模时，债务收入比是一个变量。

在贷款特征方面，标普认为长期贷款有较高的损失概率和违约概率，针对15年以下，调整因子为0.4, 15-30年，调整因子为0.7，大于30年，调整因子为1.2。惠誉要求发起人提供贷款层面的统计信息，此外，惠誉在评级之前，会要求独立第三方对资产池的真实性进行审查。

在利率方面，美国最流行的贷款为混合贷款，混合贷款包含了固定利率和浮动利率贷款的特征，利率一开始是固定的，通常是一个强制的固定低利率，之后会转化成指数化的浮动利率，风险点在于，前五年利率一直增加，第6年变成浮动利率之后的初始偿还数额会远大于最初的偿还金额。标普会根据调查和统计赋予不同类型贷款相应的调整因子，利率类型也是穆迪比较关注的特征要素之一。

在抵押物特征方面，除了对抵押物的类型、持有目的和价值进行关注外，标普会关注抵押物的集中度，通过标普历史数据库提取抵押品数据来分析过去的抵押品地区分布情况得出历史集中度基准参数，然后根据特定资产池特征进行调整。抵押物的占用情况也是非常重要的因素之一，标普认为首套房违约率最低，二套房其次，投资性房地产违约率最高。

（二）评级模型要素

1.违约率

三大评级对于违约率的计算有所不同。其中标普是设定一个基准资产池的基准违约率，然后根据不同资产池的特征来调整基准违约率，而穆迪和惠誉则是假定违约率服从一定分布得出。标普最新方法中确定的标准资产池中AAA级和B级所需的信用增级量分别为7.50%和0.50%，此信用增级水平的设定是基于最近对市场数据的观察，以及对大萧条等重大历史事件的研究所得出，在经济大萧条期间，借款方承受的违约率在12%到16%之间，另外，那段期间的贷款都具有优质贷款的特征，综合大萧条期间的其他相关因子包括失业率，房价下跌指数和美国GDP的下降，标普认为15%的违约率假设接近AAA下的压力水平。而穆迪则是选定由给定资产进行证券化的所有贷款为样本，做出了违约率与初始LTV比率和FICO分数一一对应关系的曲线（穆迪对于不同国家使用的指标会有差异，LTV是统一会使用的指标）。因此根据初始LTV比率和FICO分数，就可以从违约率曲线中找到对应的违约率。

惠誉则是使用与累计违约率相关的变量建立Logistic回归模型，这些变量包含了反映贷款质量、借款人的还款能力和还款意愿、宏观经济状况等三个方面的信息，然后利用拟证券化资产池的相应变量的数值，估计出拟证券化资产池在存续期的累计违约率，并根据变量的具体情况和资产池的风险集中度对估计出的违约率进行调整，得到最终的累计违约率。

2.损失率

标普和惠誉对于损失率的计算方法大致相同，都是采用了一种会计基础的方法来进行违约损失率的估计，将房产评估价值依次经过可持续市场价值减值(sustainable Market Value Decline，sMVD)因素、快速销售调整因素、清算成本和存置成本(carrying cost)等因素的调整，估计出房产的净回收额，贷款余额与净回收额的差额就是清算损失，由此即可算出违约损失率。

穆迪假定损失分布服从对数正态分布。在组合分析阶段可以得到资产组合的预期损失和MILAN增级的估计值。预期损失反映基准经济情形下贷款组合的预期损失，通常会分析贷款组合的历史表现和未来表现，通常使用基于正常情形下（而不是压力情景下）的MILAN模型来确定组合的预期损失。MILAN 增级反映严重经济衰退情景（AAA情景）下贷款组合面临的压力损失。然后通过预期损失和MILAN 增级的估计值确定组合的损失分布的期望和方差，进而得到对数正态损失分布。

3. 提前还款率

提前还款发生在债务人在贷款合同的最后付款日期之前全额偿还债务或发生尚未到期的额外付款。一般来说，贷款的提前支付将减少证券化产品可用于支付损失的超额利差数额，从而可能导致证券面临本息发生损失的风险。标普将提前还款率分为三种情形，最终的恒定提前还款率，当前提前还款率，高的恒定提前还款率。最终的提前还款率和当前提前还款率应用于所有评级情形，而高提前还款率只应用于BBB-以下的评级，最终的提前还款率基于评级级别的不同而假定不同的恒定提前还款率。例如假定AAA的最终提前还款率为1%，而当前提前还款率是最近12个月和资产池账龄可观察的提前还款率取孰低。穆迪则是根据对市场和模型的分析假设了四种提前还款情景（先升后降，先降后升，水平，上升）。而惠誉利用发起人的历史提前还款利率、已证券化资产池的提前还款速度以确定基本情形的提前还款。

（三）宏观要素

三大评级机构均将宏观经济要素纳入模型中考虑，在经济状况严重衰退的情况下，三大均会对房产价值做相应的减值准备。

1.数据获得

标普通过包含高级分析师、经济学家等的内部评估委员来进行市场前景分析，他们会定期评估房地产市场和公关市场的经济状况（评估周期通常为3-5年，因违约风险通常在5年时最高），从而预测不同的市场情形下资产池的预计损失。穆迪则通过假定经济严重衰退情况，来判断房价的下跌程度。惠誉是通过在回归模型中加入经济风险因子来代表地区宏观经济状况。经济风险因子越大，表明宏观经济情况越差，对应的违约率也会相应地越高。

2.分析方式

标普通过分析当前的经济环境和未来前景来预测不同的市场情形下资产池的预计损失。对于典型资产池，标普预计在良好且稳定的经济环境中所发放的B 档证券损失率为0.5%，当经济状况发生变化，标普会相应调整信用支持水平。如经济膨胀时期发放的贷款，相同的典型资产池的预计违约率会更高（因为经济膨胀时期房价迅速增长，而收入增长和雇佣率会在未来经济下滑时有所下降），因此，随着繁荣期转向泡沫，我们预计资产池的违约和损失率将更高，AAA的资产规模将被压缩。

穆迪在MILAN模型中，通过假设经济衰退情况来估计房价下跌的严重程度。例如对于优质住房按揭证券，穆迪假设的经济衰退情景与2007-2009年发生的经济危机相似。假定全国房价在30个月的期间下降30%，在接下来的30个月保持低谷水平，然后在180个月的时间里恢复到分析时的水平，同时假定区域房价将会下降30%-60%，与全国房价有相似的变化路径。穆迪将房价下降程度分为两个部分：固定因素和依赖于前期房价变化可持续性的可变因素。可变因素假定在严重经济衰退情况下损失中期（一般为10年）的房价增长部分，并根据住房的需求因素比如家庭可支配收入增长、家庭数目增长和供给因素比如房地产开发企业的股价等进行调整。固定因素假定房价在可变因素影响之外下降的比例。评估固定因素基于对在经济冲击发生时国家经济结构造成的房价下降的定性分析，分别分析家庭债务杠杆（35%）、住房超额供应量（35%）、汇率弹性（20%）、建筑业占经济比重（10%）。此外，穆迪还会考虑利率和失业率的影响。但是只有利率和失业率的变化路径对模型有实质影响。

惠誉所使用的经济风险因子是通过在国家风险指数基础上施加地区风险乘数得到的。其中，国家风险指数与实际GDP增长、实际消费支出、商业支出、失业率、CPI通胀率、按揭利率、国家房屋价格评估以及住宅营建批准数相关；地区风险乘数与地区经济状况相关，主要的影响包括个人收入及其分布、就业增长、住房建设、失业率、人口增长率、地方税和区域性法规。经济风险因子被应用到计算违约率的LOGISTIC模型中，经济风险因子越大，表明宏观经济情况越差，对应的违约率也会相应地越高。
3
对于资产池的审查，是惠誉RMBS分析的重要组成部分。惠誉对于不同大小的资产池规定了不同的抽样要求，然而统一的是，如果抽样池中15%的资产信息与存档信息不一致，惠誉认为所评资产与真实资产不符，从而拒绝提供评级。对于资产池的审查由第三方尽调机构完成，惠誉会向第三方尽调机构提供打分卡，以及基础的报告要求等材料，由第三方尽调机构形成尽调报告上交惠誉。尽调报告中应该罗列第三方公司的熟练程度和独立性、参与范围和方法、样本数量和选择、特例的数量和重要性等。在报告中，第三方尽调公司也应提供对于资产池在信用质量、房产估值和合规性三个部分的评分。同时，尽调过程中任何的发现与问题也要上报惠誉。

需要第三方尽调公司提供的内容如下：

（二）事后存档

从98年开始，标普针对所有RMBS资产池中的贷款建立了跟踪数据库，定期从信息供应商获得更新后的表现数据。然后通过分析这些数据来估计风险特征的调整因子。之后通过发起人所提供的静态池数据和动态池根据LEVELS模型分析目标资产池。LEVELS模型的输入项包含70多项数据，其中一半以上的数据是模型运算所需。借款人和贷款层面的特征包括：信用评分（FICO评分）、LTV比率、DTI比率（Debt to Income）、财产类型、贷款类型、资料类型、贷款期限等。LEVELS同时会基于联邦住房金融局（FHFA）的房价指数和标普的房价波动指数（HVI）对财产价值进行调整。模型的输出结果是在各目标等级下每一笔抵押贷款预期违约率和预期损失程度。

4 压力情景
（一）压力情景的构建

1、标普

标普用压力倍数来测试那些比资产池中基本损失假设更严重的经济情景。标普认为AAA级证券对应的压力情景类似美国1930~1934年大萧条的极端经济情况，同时统计数据也表明，大萧条时期的贷款损失率大约是平均水平的5倍左右，因此，平均而言，一个资产组合的预期损失超过类似组合（静态池）历史平均损失5倍的可能性极低，从而标普在RMBS评级中，普遍对AAA级证券评级采用5倍左右的压力乘数。

由于基准情景损失率的绝对数值反映了当前经济环境的压力状况，基准情景损失率较高意味着当前的经济环境已经承受了一定的压力，因此此时应当选择较低的压力乘数；反之，如果基准情景损失率较低，那么应当选择较高的压力乘数。

在现金流模型中，标普对以下因素做出了假设：违约率的后置和标准情形，回收率的滞后，CPR的不同变化模式，抵押物权重平均票息变化，抵押物浮动利率的三种变化模式（先增后减，先减后增，一年远期利率加压），贷款机构停止预付款比例假设（不良贷款中服务商停止预付本息的贷款）。每一个等级必须同时通过以上所有的加压假设情形，才能获得相应的级别。

2、穆迪

穆迪的现金流模型压力测试使用损失情景、损失时间分布和提前还款率组合生成压力情景，其中损失情景来自对数正态损失分布。对于美国优质住房按揭证券，对每一个损失情景各有3种损失时间分布情景和4种提前还款率情景，即一共12种情景，除此以外，穆迪还可能根据资产池状况、经济状况、历史表现信息，补充或更改压力测试情景。

3、惠誉

惠誉使用4个压力变量对RMBS进行压力测试，得到目标级别的损失比率。给定不同的目标级别，模型对违约率和违约损失率计算中的几个关键变量施加相应的压力，将施压后的变量值代入违约率和违约损失率的计算模型，即可求出目标级别下的违约率和违约损失率，两者相乘就得到了目标级别的损失比率。主要施压的变量包括：sMVD、经济风险因子、清算时间等。

压力变量1：可持续市场价值减值（sMVD）。sMVD指标反应的是房价虚高部分占房屋市价的比例。同时影响违约率和违约损失率的计算。当估计贷款的违约率时，sMVD越高，sLTV就越高，违约概率也就越高；而当估计违约损失率时，sMVD是房产价值的折减因子，sMVD越高，贷款的预期损失越大。

压力变量2：经济风险因子(ERF)。ERF是违约率回归模型中的自变量之一，它影响违约率的计算，但不影响违约损失率的计算。模型对于各个信用等级设置了ERF的下界，见下表：

压力变量3：清算时间。清算时间用于假定贷款将在拖欠多长时间之后发生违约，这一压力变量用于计算服务商垫资以及相应的存置成本，进而影响贷款的违约损失率。清算时间越长，服务商对拖欠贷款的垫资越多，对应的存置成本越多，违约损失率也就越大。因此对于越高的目标级别，模型假定的清算时间也越长。在基准假设的基础上，模型对不同目标级别给出了不同的附加压力假设，见下表：

（二）信用增级量的最低要求

就标普而言，近些年的经验表明其对住房抵押贷款市场表现的预测存在局限性，并且历史数据无法准确反映未来市场表现。标普通过对近些年优质贷款违约率的研究，得出绝大部分优质贷款丧失抵押品赎回率在3%-4%左右，因此标普设定AAA等级下的最低信用增级水平为4%，标普AAA级4%的最低增信要求对应于25倍的融资杠杆，如果超过了该比例，交易将十分脆弱，不符合AAA级的评级要求。

就惠誉而言，在通过压力测试得到不同目标级别对应的违约率和违约损失率后，模型还根据对历史情况的分析规定了违约损失率的最小值，如果估计出的违约损失率低于对应级别的最小违约损失率，则需要用后者作为估计值，具体见下表：
5 交易结构风险评估要素
（一）发起机构/服务机构尽职能力

1、标普

标普将服务机构划分为五个级别，并且给予积极，稳定或者消极的评级展望。标普将评级为平均或以上，并且具有稳定或积极展望的服务机构，选入服务机构选择名单。

标普认为，服务机构的服务质量和其财务实力没有完全相关。许多住房抵押担保证券，商业抵押担保证券和资产支持证券的服务机构遇到财务困难，但证券化产品仍然保持运营良好。根据服务机构的财务状况，标普将服务机构分为充足和不充足两类，如果服务机构维持高于平均评级并且前景稳定，在服务机构选择名单上存在三年以上，即使财务状况不充足，仍有可能在服务机构选择名单中。如果服务机构在财务上不充足，评级在高于平均等级之下，且不具有稳定的展望，或者在服务机构选择名单上的时间少于三年，则无法列入服务机构选择名单。标普认为那些并不以为资产证券化提供服务为主营业务的、或是具有平均以下级别的服务机构将具有更大的风险。

2、惠誉

惠誉通过审核贷款发放机构和第三方调查机构的尽职能力，来判断贷款服务机构的尽职能力。

贷款发放机构作为交易的重要参与者，对于基础资产的表现有着直接的影响。惠誉主要从定量和定性两个面对抵押贷款发放机构审核，期间所需要的材料均由抵押贷款的发放者提供、或者由与其进行访谈获得。基于审核结果，惠誉会对评级结果做出调整。如果发放机构的经营水平未达到惠誉的要求，惠誉会对评级结果设置上限或者拒绝评级。惠誉对于发起机构的评价分为：高于平均水平，平均水平、或者低于平均水平。

第三方机构在评级的过程中发挥着基础资产检查者的作用，因此良好的审查机制与基础资产的质量息息相关。第三方尽调机构的经营能力主要体现在自身的管理层面和对于基础资产的尽职调查层面上。由于惠誉要求由第三方尽调机构从资产池中抽取样本来检验资产是否符合入池标准，因此要求第三方机构有着科学的方法和理论依据对资产池进行抽样调查。具体针对第三方机构自身尽职能力的要求如下：

3、穆迪

对发起机构质量评估通常在首次评级时进行，包含对发起机构过去的贷款表现、政策和经营成果评价。关注点如下：1.贷款表现。2.发起人能力：市场营销活动；承销策略和程序；资产估值政策和程序；结贷政策和程序以及信用风险管理。3.发行人的稳定性：财务稳定性；质量控制和审计；管理能力和员工素质以及技术。

穆迪认为服务机构的战略、政策和经营对贷款的影响由借款人的信用特征决定。对于优质借款人，穆迪认为服务机构的经营活动应专注于核心功能，比如支付处理和表现报告。而且这两个核心功能往往是服务平台自动化功能中的一部分，一旦服务机构具备这些核心能力，在服务平台或资产池表现没有显著恶化的条件下，服务机构对资产池的影响是中性的。同时，穆迪审查交易中的其他服务安排，比如主服务机构或者其他服务机构的义务，并在合适的时候调整评级假设。

（二）其他交易结构风险

三大国外评级机构仍然广泛考虑抵销风险、混同风险、后备贷款服务机构缺位风险等因素。混同风险是指交易参与机构在交易管理过程中，将基础资产回收款账户的资金与其持有的其它资金混同在一起，若交易参与机构发生信用危机或破产清算，被混用的资金权属难以区分，可能导致证券持有人本息发生损失的风险。因此，三大评级机构均关注交易文件中的相关规定。例如是否有交易文件规定如果现有服务机构的评级低于指定的评级，则要求受托人将服务转移给其他备用服务机构等。

此外，惠誉认为贷款发放时完备的交易文件对于资产池的合规性以及交易的透明度是非常必要的，针对于无法达到惠誉评级要求的法律声明和表述，或者第三方尽调机构在尽调过程中发现任何与法律声明和表述有关的问题，惠誉将给级别设定上限，或者拒绝评级。惠誉认为，一个完整的贷款交易文件应大致包括房产估值、收入/受雇信息/资产、职业、贷款偿付来源、信用背书、不动产保险、合格不动产、纳税情况、破产历史等44条信息。
6 优劣势分析及我国适用性探讨
（一）国外评级方法的优势及局限性

通过对国外三大评级机构评级方法的研究，发现每种评级方法都有其内在的评级逻辑，并且都比较复杂。总体看来，其共同的优势包括两个方面：1.对贷款信用风险的评估比较细致，都采用逐笔分析。RMBS基础资产涉及几千甚至上万笔贷款，国外评级机构在评估其组合信用风险时，对影响贷款信用质量的重要指标，如违约率、违约损失率、提前还款率等，各自构建不同的模型，对每笔贷款逐一评估，充分考虑了每笔贷款在借款人性质、贷款条件以及抵押物价值等方面特征的差异性。2.具有较强的经济学含义。由于住房抵押贷款的期限较长，受宏观经济影响较大，因此在国外机构评级方法中，均不同程度地考察了宏观经济指标对资产支持证券信用品质的影响，有的机构对宏观经济变量直接建模并用来预测贷款的信用表现，有的机构则将宏观经济变量作为压力测试的一部分，这些处理使得RMBS方法论具有较强的经济学含义。

鉴于RMBS基础资产的特点和评级的复杂性，国外三大机构的评级方法也不可避免的存在一些局限性：1.由于预测期限较长，会出现实际的宏观经济环境可能与模型预测情景不符，导致模型对极端情况下（如房地产市场崩盘致使房价大跌等）资产组合的违约及违约后的回收可能无法做到准确衡量。2. RMBS信用风险的评定是一个定性分析与定量分析相结合的过程，对于无法量化的因素如宏观经济环境、交易结构风险、法律法规变化、参与机构尽职能力等，通常采用的是定性分析的方法，而这些定性因素对证券最终信用风险的影响方式和影响程度需要大量的经验积累，并且需要随着现实情况不断修订和完善，三大评级机构也都会随着宏观经济的变化对相应指标和参数的设置进行实时调整。

（二）我国的适用性分析和相关思考

1、对违约风险的衡量

标普主要的评级方法（LEVELS模型）和穆迪的评级方法（MILAN法），对数据积累的要求较高，其核心逻辑均是建立一个参照的标准资产池，再根据目标资产池跟标准资产池在借款人或者贷款特征上的差异进行调整，LEVELS模型和MILAN法对特征项的选取均很全面和精细，而这些特征的归纳以及基准参数的设置均需要以大量全国范围内的数据为基础，才能使标准贷款以及标准贷款组合具有代表性，LEVELS模型和MILAN法适合在数据积累比较丰富、比较成熟的房地产和金融市场中使用，我国住房抵押贷款市场起步较晚、数据积累有限，且LEVELS模型和MILAN法对借款人信用风险的衡量比较依赖FICO评分，而我国缺乏比较完善的个人征信系统建设，因此这两种方法在我国现阶段情况下的可操作性不强。惠誉的方法需要大量贷款在存续期末违约与否的状态数据，以及逐笔贷款的特征数据、借款人信息、宏观经济变量数据等，由于我国大部分住房贷款还处于还款期，只有少部分发放较早、期限在10~15年的住房贷款已经还清或即将还清，因此在大部分住房贷款未到期的情况下，贷款最终违约与否的数据较难获取，而其他借款人、贷款等信息目前也并不完备，难以建立基于累计违约率的Logistic回归模型。

基于我国现有情况，中债资信在估计贷款的违约风险时，选用的是标普对于09年前发放贷款使用的迁移率清算时间模型，相比之下，贷款状态转移概率的估计对数据需求相对较少，只要能够获取贷款在发放后各月的还款情况，即可估计贷款状态转移矩阵。虽然与房贷20~30年的贷款期限相比，现有最长10年的银行历史数据积累，无法估计全周期的贷款状态转移矩阵，但随着贷款不断偿还，抵押物覆盖倍数增加，违约成本也随之上升，在到达一定账龄后，贷款各状态的转移概率应趋于稳定，可根据现有历史数据体现出的各状态转移概率的变化趋势来推断补足后续年份的状态转移矩阵，未来随着数据的不断积累，对状态转移矩阵的估计也会更客观。

2、回收率的计算

房贷均有个人住房作为抵押，房产较好的保值增值能力，能够有效降低贷款违约后的损失程度，资产池的回收情况对证券的违约风险影响较大，三大评级机构在计算回收率时考虑的因素都很全面，对未来房价的不确定性和房价下跌风险也都做了细致的分析，这对我们合理有据的评估资产池的回收率提供了很好的借鉴。惠誉在估计违约损失率时，首先根据可持续市场价值减值因素对房产价值进行调整得到均衡价格，随后根据快速销售过程中的折价因素进行调整，最后是扣除清算成本和存置成本等得到最终的回收额，中债资信在计算回收率时考虑的维度跟惠誉的一致，首先是基于过去实际的房地产市场价格走势，将抵押物价值从贷款发放时点调整到封包日时点，再考虑快速变现过程中的折价因素、抵质押物权属情况、贷款服务机构清收能力等得到抵押物清收价值，对于未来房价的不确定性，三大评级机构在压力条件的设置中均有考虑，中债资信基于对美国、日本、香港等有比较完整房价周期地区房价最大下跌幅度的分析，设置了在资产池存续期回收率计算的压力幅度。

3、其他因素的考虑

RMBS信用风险的评定是一个定性分析与定量分析相结合的过程，国外三大评级机构在其评级方法中都有大量的对定性因素的考虑，包括对发起机构/贷款服务机构尽职能力、宏观因素的变化、法律风险和交易结构风险等的分析，中债资信在评级过程中，也加入了对这部分影响因素的定性分析，对于定性因素的判定和相关参数的设定需要大量的经验积累，相较发达国家，我国RMBS业务开展的时间相对较短，对一些影响因素以及影响程度的判定还需要基于现实项目经验不断的完善和修订。