結構金融產品系列講座(摘登)

穆迪公司已經開發了許多不同的評級方法和相應的模型，來應對歐洲房屋證券化市場中的各式各樣的證券。每一種評級方法都最合適于分析某一特定類型的證券，盡管有些方法的適用范圍更為廣泛。通常，要聯合運用若干模型，因為實際的證券通常介于若干標準模型之間，或者更為經常的是，僅僅對所采用的基本模型提供支持。另外，其他一般性的結構化的融資工具，也可用于檢驗這些以房屋為基礎的模型之分析結果。設計這些模型是為了自動地分析每一筆資產或貸款的信用質量。然而，在商業房屋抵押貸款支持證券資產的獨特性質已經給定的情況下，所有模型都依賴于恰當的房屋評估結果，并以其作為數據輸入。

渠道證券

渠道分析法普遍用于分析那些合理地充分分散化的資產池，而且分析以下貸款池的效果最佳——在同一個國家內，所包含的資產具有相近的規模與信用質量。然而，它也可以經過修改或與其他模型相配合，來分析復雜的貸款池以及跨越多個司法體系的資產組合。對于房屋，逐個分析其數據。

在單個房屋/貸款層次上的信用提升幅度的決定因素

模型假設一筆貸款的違約概率極大地取決于債務償付保障率。一旦發生違約，與擔保性抵押貸款相對應的貸款/抵押資產價值之比，是預期損失程度的主要決定因素。模型中所采用的債務償付保障率，是在證券的開始時，以必要收益率為基礎的債務償付保障率，其目的是為了將不同的貸款在一個相似的基礎上進行比較。

模型的起點是穆迪公司針對具有特定的債務償付保障率、質量等級、房屋類型的貸款，所提出的關于最低的信用提升幅度的意見，以達到Aa2的評級。這個意見是仔細分析美國房屋的長期數據而得出的(歐洲市場上的業績信息依然有限)。因此，需要進行許多的調整，以反映一個國家的若干具體情況。例如，在其他條件相同的情況下，對于英國的證券來說，較低的信用提升幅度通常是可以接受的，這是因為英國的法制環境對債權人有利，這暗示著貸款的假定回收率要高一些。在英國，由于可用于新房產開發的地皮有限，再加上限制性的規劃審批，也減少了新建房產的風險。

為了達到穆迪公司的Aa2評級，一筆貸款——由位于歐洲大陸的、中等質量的房屋所擔保——所需要的信用提升幅度，是債務償付保障率與房屋類型的函數。對于那些屬于風險資產類型的低質量的資產，其現金流更加不穩定，需要更大的信用提升幅度，以達到同等的信用評級。當債務償付保障率介于1.0～1.3之間時，所需要的信用提升幅度對于債務償付保障率的變化最為敏感。實際上，債務償付保障率值大于1.3的貸款，具有某些微弱的緩沖能力，以抵御暫時性的問題或者由于經濟周期所導致的現金流的典型波動。類似地，人們通常認為債務償付保障率低于1.00的貸款之違約概率接近100%，因為預計借款人在一個較長的時間內不能獲得資金以彌補現金流的短缺。然而，對于那些通過出售(借款人的)資產就有可能回收的貸款，可以提高其信用評級。

將資產池提升到Aa2級所必需的總體的信用提升幅度，是在每一筆貸款所必需的信用提升幅度的基礎上，以該筆貸款額占貸款池總額的百分比為權重，加權求和而得出。將資產池提升到其他信用等級所必需的信用提升幅度，是在提升到Aa2級所必需的信用提升幅度的基礎上，乘以每一個信用等級所對應的因子而得到。

在貸款池的層次上所進行的調整

穆迪公司還采用基于房屋的數量和規模的霍芬達霍指標，來評估貸款池的資產組合分散化程度。圖1表示針對資產的集中化，而需要對穆迪公司得出的為達到Aa2級所必需的典型的信用提升幅度進行調整，該調整的幅度用絕對值表示。針對拖欠貸款、貸款賬齡或擔保資產組合所進行的調整，可以在貸款的層次上進行，但通常是在貸款池的層次上進行調整。其他方面，比如法律風險、剩余現金流、利率風險、集中化的問題(例，資產類型的集中化或地域分布的集中化)、資料或服務機構的質量，將被包含在資產組合的層次上。

通過貸款/抵押資產價值比分析而附加的支持

為了對以上分析提供支持，穆迪公司還要考慮每一筆資產的參與和氣球型貸款/抵押資產價值比。在這種方法中，結構性的信用提升幅度是這樣來確定的——在不同的壓力情形下，證券可以經受的資產價值的最大損失額，而不會引起各個信用等級的貸款之預期損失的增加。

表1顯示了貸款池中每一筆貸款的貸款/抵押資產價值比的目標范圍，該范圍取決于貸款池的規模和分散化程度。例如，對于那些包含了多項房屋、團體性借款人、多重司法管轄權而且在有利于債權人的法律環境中的大型貸款池來說，目標范圍的上限是恰當的。這些貸款/抵押資產價值比的目標范圍，是用來近似反映每一個信用等級的貸款的違約概率和損失的嚴重性。

為了使一筆貸款達到目標的信用評級，穆迪公司關于其所必需的信用提升幅度，除了可以根據其他因素計算得到，還可以從該貸款的貸款/抵押資產價值比與其希望達到的信用等級的目標貸款/抵押資產價值比之間的差距而得到。貸款池總的信用提升幅度，是在每一筆貸款所必需的信用提升幅度的基礎上，以該貸款額占貸款池總額的百分比為權重，加權求和而得出。因為在貸款層次的目標貸款/抵押資產價值比中，已經反映了貸款池的分散化程度，所以在貸款池的層次上，無需針對其分散化程度而作進一步的調整。

對于較低信用等級的貸款來說，根據上述貸款/抵押資產價值比分析所得出的信用提升幅度更加恰當，因為其違約概率將會增加，而且根據貸款/抵押資產價值比得出的假定回收率也更加重要。

渠道分析法的局限性

渠道分析法原本是用來分析包含了50筆或更多筆貸款的貸款池，其貸款/抵押資產價值比集中在80%～90%這個狹窄的范圍內，這正是美國早期渠道證券的典型情況。因為對于具有這種特征的貸款池，所搜集的數據更多，因而分析也就更加準確，所以渠道模型對于這種類型的貸款池尤為合適，而對于具有其他特征的貸款池，可能會更加不準確。

渠道分析法主要考察貸款池中的每一筆貸款的質量及其所產生的現金流。在房屋的質量評級過程中，可以考慮一些擔保性的措施，比如擁有長期高信用品質的承租人或對于信譽良好的借款人的追索權。然而，評級的這種調整，可能沒有完全反映由于外部支持所導致的貸款信用特性的變化。當一個資產組合包含了大量的此類貸款時，我們將優先使用高信用等級承租人的租賃契約分析法，或者使用蒙特卡羅仿真法。

此外，通過在資產組合的層次上進行數量的調整，可以反映貸款的其他重要的信用特征，因此，這種調整可能是不精確的。

大額貸款證券

大額貸款并且是單一借款人之抵押支持證券，在歐洲并不常見。穆迪對這種證券的分析主要集中于對每一筆貸款的信用特征的分析。當這些貸款因為具有高信用等級的長期承租人而受益時，貸款池的風險特征就直接與承租人的風險特征相關。否則，針對這類證券的分析方法就會受到貸款/抵押資產價值比的影響，主要是初始和氣球型貸款/抵押資產價值比。對于由交叉擔保的房屋或貸款所組成的資產池，這種分析方法的優點與所有結構性特征交織在一起。

這種分析方法的起點是，針對某一特定國家的某一項房屋貸款，確定每一個信用等級的目標貸款/抵押資產價值比值。為了得到目標貸款/抵押資產價值比值，還必須作出如下假定:(1)貸款具有Baa3級這樣的影子評級;(2)25～30年有抵押擔保的分期償付特性(具體特性因貸款而異)。在這種償付特性的基礎上，預期的貸款/抵押資產價值比值隨著時間的變化情況，提供了一個良好的指示器，以反映在不同的到期日可能會承擔的貸款的再融資風險。

通過設定利率上限，貸款的市值已經反映了與每一種房屋類型有關的現金流之波動性。因此，無需就證券中所考慮的房屋類型，對上述的貸款/抵押資產價值比水平進行調整。

穆迪公司針對一筆給定的貸款所提出的信用提升幅度及其信用評級，除了可以根據其他因素而計算之外，還可以從該貸款的貸款/抵押資產價值比值與這種信用類別的貸款的目標貸款/抵押資產價值比值之間的差額推斷出來。

出售與回租證券以及高信用等級承租人的租賃契約

租予高信用品質的承租人并有堅實的租約作支撐，一般都具有低的債務償付保障率值和高的貸款/抵押資產價值比值。因為與一般的租金流相比，從高信用品質的承租人處所獲得的租金收入更穩定、質量更高。而且，在許多市場上，這些租約要比一般的租約期限更長;另外，房東幾乎不承擔房屋的營運和維護的費用。特別地，一個典型的高信用等級的承租人的租賃契約(CTL)，將無條件地責成承租人支付貸款應付的間接利息和本金，而且還要承擔一切與租用和維護房屋有關的費用。

假設貸款沒有再融資風險，則承租人的信用評級可以最好地反映貸款的違約風險。當承租人未被公開評級時，穆迪公司將對承租人的企業給予內部的影子評級。通常情況下，承租人對于貸款的償付義務，是將其房屋作為抵押資產來保證的。其結果是，每一筆貸款的假定回收率，可由該貸款的貸款/抵押資產價值比和穆迪公司對于擔保性房屋價值的波動性而得出。

由前述模型所得出的信用提升幅度，需要人為調整，以反映這種類型房屋的真實風險。對于相對同質的、高信用等級承租人的長期租賃契約，由一套專門為分析此類租賃契約而設計的模型，而不是依賴于對其他模型進行某些調整來分析這種類型的抵押支持證券。

傳統的抵押債務債券方法

這種模型采用二項式展開技術，該方法類似于對擔保債務憑證(CDOs)進行評級時所采用的方法。這種方法的基本原理為，將由潛在相關的貸款或債券所構成的現實貸款池，簡化為由同質的不相關的資產所構成的、一個更小型的理想化的貸款池，這種理想化的貸款池可以模擬原貸款池的違約行為。

該模型是以分散化評分的概念為基礎的。在傳統的CDOs中，分散化評分是將原始貸款根據其所代表的行業和地理區域進行分組而計算出來的。然后，假設在同一行業和/或同一區域的貸款之間，存在著某種相關性。例如，經驗數據顯示，在非新興市場國家，同一區域和同一行業的貸款違約事件之間的相關系數大約為25%。分散化的評分(D)，是由這些相關系數以及各筆貸款占貸款池的份額而計算出來的。這個數字反映了在理想化的貸款組合中，同質并且獨立的貸款的數量。

然后，假設理想貸款池中的所有貸款的到期日、息票率、分期償付特性以及違約概率皆相同，也就是說，等于原始貸款池的加權平均之到期日、息票率、分期償付特性以及違約概率。原始貸款池的加權平均違約概率，可由其加權平均信用評級直接算出。

由D筆貸款所構成的同質貸款池的行為，可完全由D個可能的違約情形來描述:一筆貸款違約、兩筆貸款違約如此這般，直到D筆貸款全部違約。每一種違約情形，都有一個發生概率，這個概率可由二項概率密度函數算得。

穆迪公司關于損失的時間結構的假設，是建立在我們對違約事件進行研究的基礎之上的，它提供了一種綜合性統計方法用來分析80年來，不同信用評級和期限的債券違約事件。如果某一個租賃契約貸款池的分散化程度，低于我們進行違約分析的樣本貸款池的分散化程度，那么我們對于違約的時間結構的假設，與歷史上實際發生的大多數損失情形相比，將更為保守。相應地，穆迪公司對于違約情形的假設，是假定大多數的損失額都發生在貸款的早期階段。這種違約模式需要進一步調整，以反映貸款池的構成，如通常所見的，低信用等級的貸款很可能更快地發生違約。表2展示的是穆迪公司所采用的違約特性的兩個例子。在第一個例子中，違約的時間結構取決于:貸款池總額中每一個信用等級的貸款所占的比例。第二個例子假設貸款池中一半的貸款將在第一年發生違約，余下的貸款在隨后的5年中，每年等額地(10%)發生違約。

最后，結合所提議的證券結構，并對資產和負債進行適當的分組，資產側所產生的現金流輸出(貸款回收之后)，將用作證券負債側的現金流輸入。當采用這種評級方法時，將會自動地考慮剩余現金流(當其可用于證券時)以其他的時間結構特性。對于被評級的債券，上述D種違約情形中的每一種都會導致不同的損失。每一個債券組別的最終預期損失額，是將每一種違約情形中的債券損失額，以該違約情形發生的概率為權重，加權求和而得。

包括房屋的收益

除了承租人的信用評級，穆迪公司還將考察房屋對于承租人經營的重要性。承租人有可能寧愿在一些未擔保的債務上違約，而不愿意在這樣的租賃契約上發生違約:所租賃的房屋對其經營至關重要。對于從該公司的無擔保的優先受償債券的信用評級中推算出來的違約概率，穆迪公司還將作相應的調整。

通常根據債券違約后的平均市場價值，來測算標準的企業債券的回收率。然而，在租賃契約證券中，以房屋作為貸款的抵押，令投資者受益。因此，可從適當的貸款/抵押資產價值比水平——它反映了扣除證券成本(以及對于租金的所有附加的無擔保的索取權)之后的空置價值——推算出回收率。因而，在高信用等級承租人之租約的融資過程中，債務通常是分期償付的，所以貸款/抵押資產價值比值隨著時間的推移而降低。這不同于標準的企業債券——它通常被設計成平時只需支付利息，而在到期日有再融資風險的債券。

租賃契約方法的局限性

使用租賃契約方法所受到的第一個制約來自于，關于歐洲不同行業或區域內的貸款之間相關系數的可用數據很有限;這種制約在租賃契約資產組合中反映得尤其典型。目前，穆迪公司借用美國的數據來分析歐洲的貸款，并且依賴于其企業團隊來提出模型中的相關因素。

當考察由同質資產所構成的大型貸款池時，租賃契約方法尤其有效。然而，對于小型貸款池，以及呈現出高度分散化的貸款池(在規模、信用評級、分期償付特性、到期日等等方面)，并不適合采用這種分析方法。事實上，在這種情況下，要將原始貸款池簡化成由同質貸款所構成的、不相關的理想化的貸款池，以便能準確地模擬原貸款池的違約行為，就更加困難了。然而，如果由異質資產所構成的貸款池可以拆分為同質資產所構成的、數量有限的子貸款池，就有可能將租賃契約分析法用于子貸款池，并得出總貸款池層次上的預期損失額。

這種方法并不適用于由高信用等級承租人的短期租賃契約所構成的資產池，因為，短期租賃契約不考慮已證券化的債務的完全分期償付。相反地，穆迪公司將依賴于傳統的房屋分析法來評估:在證券的有效期之內，找到一位新承租人的概率。

蒙特卡羅仿真法

為了應對其他分析方法在反映歐洲商業房屋抵押貸款支持證券市場特性上的局限性，穆迪公司已經開發出了基于蒙特卡羅仿真法的對歐洲商業房屋抵押貸款支持證券進行評級的方法。首先，這種逐筆貸款分析法的起點是:對所貸款的房屋進行基本分析，并以此為基礎，針對貸款池中的每一筆貸款，給出一個影子信用評級。然后，既根據與其信用評級有關的違約概率，又根據與貸款池中其他貸款可能存在的相關性，該模型假設，隨著時間的推移，每一筆貸款都會發生違約。

確定貸款的影子信用評級

該模型運行的基礎是一些關鍵信息——包括貸款余額、到期日、息票率、分期償付特性、貸款/抵押資產價值比、債務償付保障率、房屋的類型、所處的地域，以及貸款的信用等級。貸款/抵押資產價值比和債務償付保障率的計算是以穆迪公司對于預期現金流的評估為基礎的，而預期現金流來源于:為每一筆貸款提供擔保的一項或多項房屋。交叉擔保貸款被視作一筆貸款，但因為其較低的違約概率以及較高的假定回收率，它能獲得一個恰如其分的信用評級。

對于小型的資產組合，穆迪公司也對其每一筆貸款給予影子評級;但自動采用適合于大型資產組合的分析方法，以輔助其分析。已經開發出了格子評級體系，以便根據債務償付保障率和/或貸款/抵押資產價值比、質量等級以及房屋類型，自動地給出影子評級的建議。資產的質量和房屋的類型，都反映了現金流的潛在波動性，因此也就反映了貸款的信用風險。例如，賓館就是周期性的資產，與住宅性房產之類的其他資產類型相比，它通常表現出更大的現金流的波動性。因此，在其他條件相同的情況下，為了達到相同的信用評級，穆迪公司要求賓館的債務償付保障率值超過住宅性房產的債務償付保障率值。

該模型包括了貸款期限之內的實際債務償付保障率(以實際的債務償付為基礎)。對于不完全分期償付的貸款，穆迪公司將根據預期的氣球型償付額和資產的剩余期限，并且采用必要收益率計算必要的債務償付保障率，以反映貸款到期日的再融資風險。特別是那些平時只償付利息的貸款，臨近到期日時，它們對于利率的任何上升和擔保性資產有效壽命的任何縮短都非常敏感;而且，臨近到期日時，其違約風險急劇上升。結果是，在到期日有再融資風險的貸款將具有兩個不同的影子評級，一個是針對整個貸款期限的，而另一個是專門“強調”到期日的。

將可能會影響貸款風險特性的所有特征都包括進來(比如，拖欠、貸款賬齡等等)，作為對于房屋所產生的現金流或質量等級的一個調整因素，因此，也就作為對于自動評級過程所產生的信用評級的一個調整因素，這樣做法亦是可能的。

要逐個考察，而且必要時可以調整它們的影子評級。

對于違約和相關性的建模

通過抽取三個正態分布的隨機數，針對每一筆貸款，模型每年產生一個呈正態分布的隨機數。這三個隨機數分別代表了:(1)貸款的特性對于違約概率的影響(尤其是參考諸如其債務償付保障率、貸款/抵押資產價值比或質量等級);(2)房屋類型的影響;(3)在國內所處的區域的影響。后兩個因素反映了貸款之間的相關性。這種關系可以用數學公式表達為:

上式中，NR、NP、NL 分別代表區域、房屋類型以及貸款。

相關性權重ω1、ω2、ω3，都是從穆迪公司關于同一房屋類型和/或同一區域內的兩筆貸款之間相關性的假設中直接推導出來的。在穆迪公司的違約數據庫的基礎上所進行的深入研究，確定美國企業部門的ω1、ω2介于0.3162～0.3873之間，而ω3則介于0.8367～0.8944之間。對于同一區域但不在同一行業(反之亦然)的兩個債務人，上述權重系數相當于相關系數為10%～15%;而對于同一區域且在同一行業的兩個債務人，上述權重系數則相當于相關系數為20%～30%。由于房屋的類型與承租人特性的差異性，較之其他資產類型而言，房屋之間的特性的差異就更大。因此，穆迪公司傾向于認為:不同的房屋類型就相當于不同的行業。要注意的是，隨著越來越多的歐洲的數據可以獲得，以及經濟區域和部門之間的關系的變化，隨著時間的推移，我們的模型中所采用的相關系數也很可能會發生變化。

服從正態分布的隨機數Z，是在某一年內針對一筆貸款而產生的，然后，將Z映射為一個統一的隨機數，再將這個統一的隨機數與每年違約率門檻值相比較。該違約率門檻值分別與各筆貸款在該年份的邊際違約概率相對應。這個邊際違約概率，可以從《穆迪公司理想化累計違約概率數據表》中推算出來。

舉例說明，考慮一筆信用等級為Ba2的一年期貸款。對于Ba2級的貸款，一年的邊際違約概率為1.56%，這個數據可以從穆迪公司的理想化累計違約概率數據表中得到。因此，這一筆貸款該年的違約概率就為1.56%;即這一筆貸款該年不違約的概率為98.44%(即100%～1.56%)。可以在(0，1)區間里產生一個隨機數來描述這種狀況。如果我們產生了一個等于或大于98.44%的隨機數，那么就代表該筆貸款發生了一次違約。

貸款的回收

當一筆貸款發生違約時，回收的數額可以由設定的回收率乘以穆迪公司對于所抵押的房屋的估值而得到。因為在歐洲國家，貸款的回收程序以及債權人受擔保的狀況大為不同，所以，穆迪公司將根據貸款所投向的區域(見表3——注意，當出現新的信息或發生新的損失時，我們的假設就可能會隨之調整)而采用不同的假定回收率。通常截取回收率的正態分布來反映假定回收率的不確定性。至于分布的均值和標準差，可能會隨著國別的不同而變化。

隨著時間的推移，分期償付的貸款受益于其較高的回收率，因為利用出售資產而獲得的收入成功地償付剩余貸款的可能性越來越大。

預期損失的計算

在一個目標分組的基礎上，資產側所產生的現金流，將被作為計劃中的證券在負債側的輸入。通過轉手結構，可用的剩余現金流與時間結構特性被自動地考慮進來。主要的結構性特征也被包含在分析中，比如，任何現存的儲備基金或流動性便利。穆迪公司將考慮數千種不同的情形，每一種情形都會導致所要評級的債券的潛在損失。從這數千種情形中所得出的平均預期損失額、違約概率、每一個債券類別的期限，將會與穆迪公司的信用評級一一對應。

蒙特卡羅仿真法的局限性

該方法結合了渠道分析法與高信用等級承租人租賃契約分析法的主要成分，避免了它們的局限性。所有調整都在貸款的層次上進行，而不是在資產組合的層次上進行，這樣就可以更精確地定量分析它們的影響。從理論上講，這種方法還允許使用更詳細的相關系數矩陣，該矩陣描述了不同類型與不同區域的房屋之間的相關關系。例如，寫字樓與零售商店之間的相關性通常要強于寫字樓與賓館之間的相關性，因為寫字樓和零售商店二者與GDP之間的相關性均不及賓館與GDP之間的相關性。然而，這種方法主要的局限性在于:目前，在歐洲房屋市場上，關于資產之間相關性的可用數據依然有限。

結論

不考慮所采用的模型的類型，穆迪公司對于某一特定類別的債券之評級，最終反映了它對于債券的期限內，預期的違約事件所引起的損失數額的觀點。上述每一種方法都旨在得出所要評級的債券的預期損失額，然后，該損失額就對應著穆迪公司對該債券的評級。債券的預期損失額，其本身取決于資產池的違約頻度、損失的嚴重性、信用損失的預期時間結構，還取決于證券可以獲得的信用提升幅度。