不良個人住房抵押貸款支持證券信用風險研究

姚鵬 劉蓮

摘要：本文分析了個人住房抵押貸款支持證券的運作模式和風險管理方式，在此基礎上構建了KMV修正模型，選取2018年我國三家商業銀行發行的個人住房抵押貸款支持證券作為樣本，應用KMV修正模型對其信用風險進行了度量。研究結果表明，上述產品的信用風險極低，與評級機構對這些產品的評級結果一致;較高的次級分層占比及超額抵押率有效緩釋了信用風險。

關鍵詞：不良個人住房抵押貸款? RMBS? 信用風險? KMV模型

近年來，受宏觀經濟下行壓力增大等因素影響，我國商業銀行不良貸款余額和不良貸款率有所上升。2019年三季度末，商業銀行不良貸款余額為2.37萬億元，較上季度末增加1320億元;不良貸款率為1.86%，較上季度末增加0.05個百分點。個人住房抵押貸款在銀行貸款中的占比較高，如果個人住房抵押貸款出現大規模違約，將對商業銀行的穩定經營產生較大影響。在此背景下，我國商業銀行針對不良個人住房抵押貸款發行了較大規模的個人住房抵押貸款支持證券（RMBS），緩釋了不良貸款對商業銀行產生的不利影響，優化了商業銀行的資產負債結構，提升了商業銀行抵御風險的能力。那么對于投資者來說，該如何度量RMBS的信用風險？筆者將對此進行探討。

RMBS的運作模式及風險管理方式

（一）RMBS運作的理論基礎

在個人住房抵押貸款發生違約后，如果將多筆不良個人住房抵押貸款打包形成資產池，其整體回收率具有穩定性，可以基于該資產池發行資產支持證券，這是RMBS成功運作的基礎。假設資產池的預期回收率為R，個人住房抵押貸款的賬面價值為V，那么資產池的價值為R與V的乘積。

資產支持證券的認購方一般為機構投資者或個人，認購方基于資產池回收的現金來獲得本金及投資收益。從金融市場層面來看，資產支持證券鏈接了商業銀行的資金需求和投資者的投資需求。

（二）RMBS的交易結構及運作流程

與其他類型的資產支持證券類似，RMBS的交易涉及多個主體，包括特殊目的載體（SPV）、原始貸款人（債務人）、發起人、投資者、服務機構、信用評級機構等。RMBS的一般交易結構見圖1。

RMBS的主要運作流程如下：第一，商業銀行或其他金融機構作為發起人，將多筆個人住房抵押貸款進行組合后形成資產池，在評估資產池的價值后，將資產池出售給SPV1;第二，信用增進機構對證券化資產進行信用增進，信用評級機構對擬發行的RMBS進行信用評級;第三，承銷商將RMBS出售給投資者，并將銷售收入轉給SPV，SPV再將銷售收入轉給發起人;第四，服務機構負責回收債務人的償債資金，并向投資者支付債券本金和利息。

（三）RMBS的風險管理

RMBS的風險管理機制和風險緩釋手段主要體現在以下幾個方面。第一，采用多主體交易結構，多個主體可以相互制衡，降低了資金轉讓過程中可能產生的風險;此外，投資者為了保護自身利益，也會相對理性地進行投資選擇，這將在一定程度上限制基礎資產質量較差且風險較高的債券流入金融市場。第二，設計了優先級/次級結構，RMBS的次級債券均由發起人認購，同時監管政策規定信貸資產支持證券的風險自留比例不得低于所發行債券規模的5%，這使得發起人認購的次級債券對機構投資者或個人認購的優先級債券具有較強的支撐能力，從而極大地降低了優先級債券的本息兌付風險。第三，由于住房抵押貸款屬于相對優質的資產，房屋的處置收入通常較為穩定，不良住房抵押貸款資產池的預期現金回收水平會很穩定。第四，我國商業銀行發行的不良RMBS有較高的超額抵押率，在資產池現金回收率不大幅下降的情況下，優先級債券的違約風險會很低。

模型構建

（一）KMV模型的基本思想

KMV模型是美國KMV公司基于Black-Scholes期權定價理論開發的用于估計公司違約概率的風險管理模型。KMV模型的基本思想是：將公司的股權視為以公司資產價值為標的的歐式看漲期權，在債務到期日，如果公司資產價值高于債務價值，公司的所有者不會違約，公司股權價值即為資產價值與債務價值之間的差額，這相當于執行看漲期權;而當公司資產價值低于債務價值時，公司的所有者會選擇違約，將公司資產完全轉讓給債權人，這相當于不執行看漲期權，此時公司的股權價值為0。根據這一思想，KMV模型提出了違約距離的概念。違約距離越大，公司到期償還債務的能力越強，發生債務違約的可能性越小;反之，公司到期償還債務的能力越弱，發生債務違約的可能性越大。

（二）不良RMBS的信用風險度量：KMV修正模型

筆者結合個人住房抵押貸款的特點，對KMV模型的三個核心變量進行修正，即以不良個人住房抵押貸款資產池現金回收收入替代企業資產價值，以資產池現金回收波動率替代企業資產價值波動率，以RMBS的到期本息替代到期應償還的債務。

基于修正的KMV模型度量RMBS信用風險的基本原理如圖2所示：住房抵押貸款資產池的現金回收服從某種概率分布，如果t時刻資產池的現金回收均值小于RMBS的本息，那么RMBS將發生違約，其違約概率為圖中陰影部分的面積，資產池的現金回收均值距離RMBS到期本息越遠，RMBS的違約概率越小。

筆者根據KMV模型的基本思想對RMBS的違約距離進行推導，具體過程如下：

假設不良個人住房抵押貸款資產池的現金回收收入服從隨機過程，即，其中表示t時刻資產池的現金回收收入，為服從標準正態分布的隨機變量。假設證券到期日為T，為到期日應償付的證券本息。當時，RMBS將發生違約;則意味著達到了違約臨界點。

根據KMV模型可得RMBS的預期違約概率為：

由于隨機變量服從標準正態分布，公式（1）可轉變為：

結合公式（1）和公式（2）可得RMBS的違約距離為，預期違約率為。

假設不良個人住房抵押貸款現金回收收入服從馬爾科夫隨機過程，可用維納過程表示，即：，其中表示資產池現金回收收入增長率，表示資產池現金回收波動率，為維納過程增量。

根據上述假設，可用于償還到期證券本息的資產池現金回收收入可進一步表示為：

由于隨機變量服從標準正態分布，可用于償還到期證券本息的資產池現金回收收入服從對數正態分布，其均值為：

根據公式（4）和公式（5）可得g和的計算公式分別為：

根據公式（1）和公式（2）可得RMBS的預期違約概率和違約距離分別為：

違約距離越大，意味著債券違約風險越小，預期違約概率也越小。一般認為，當債券信用級別在標準普爾標準BBB-或者穆迪標準Baa3以上時，其違約風險很小，具有很好的投資價值。

實證分析

（一）樣本選取

筆者選取2018年我國三家商業銀行發行的RMBS作為樣本，對其信用風險進行分析。樣本共包含5單產品，具體信息見表1。

上述5單產品的發行總額為565020萬元，其中優先級債券為410500萬元，次級債券為154520萬元，優先級債券評級均為AAAsf，說明評級機構認為這5單產品發生違約的風險極低。

（二）RMBS信用風險的度量

根據KMV修正模型，在計算違約距離之前，需對關鍵參數g和進行估計。筆者從三家商業銀行的財務報表中獲取多個年度的不良貸款現金回收率數據，根據公式（7）求得現金回收波動率，將其作為不良個人住房抵押貸款資產池現金回收收入波動率。由于不良個人住房抵押貸款在被封包之后，現金回收收入僅決定回收金額的大小，即g僅與σ相關，因此可以假設現金回收收入為1，再根據公式（6）求得g。

在RMBS發行過程中，評級機構根據貸款人的職業、年齡、收入、地區等信息對資產池現金回收收入進行了評估，該數據可作為資產池的初始價值，即不良個人住房抵押貸款資產池的預期現金回收收入。因此，結合g和σ，再根據KMV修正模型可得到各單產品的總額違約距離和優先級違約距離（見表2）。

由表2可見，上述5單產品的總額違約距離最小的為4.01，最大的為11.47。筆者經過測算發現，上述5單產品的違約概率小于或等于0.003%，意味著違約風險極低。

（三）RMBS信用風險低的原因

筆者發現，上述研究結論與評級機構對這些債券的評級結果一致。從現金流兌付的角度看，上述5單產品信用風險低的主要原因是：

第一，產品均設計了優先級/次級結構，次級分層的占比均較高，同時次級債券均由發行銀行來認購，優先級債券能按期兌付，次級債券對優先級債券的支撐能力很強。

第二，產品資產池的預期回收金額對債券發行金額的覆蓋率較高，超額抵押率均在123%以上（見表3），這意味著只要資產池現金回收收入不大幅下降，優先級債券的違約風險就會很低。

第三，資產池的基礎資產為不良個人住房抵押貸款，資產池的回收率較高且波動小，預期回收金額出現大幅下降的可能性很小。

第四，相對資產池的價值來說，較高的次級分層占比及超額抵押率，顯著降低了優先級債券的發行規模，資產池現金回收對優先級債券的覆蓋能力很強。

相關建議

盡管近年來商業銀行發行的多單不良RMBS的違約風險極低，但是對其潛在的風險應予以重視并進行防范。第一，不良RMBS并沒有完全消除銀行業的信貸風險，只是將商業銀行的信貸風險轉移至債券市場，如果今后房地產價格普遍出現較大幅度的下降，將導致處于存續期的RMBS資產池現金回收總額出現較大幅度的下降，當下降幅度超過相應證券產品的分層比率和超額抵押率時，此類RMBS將發生違約，建議相關機構對此審慎應對。第二，為降低商業銀行信用風險，建議進一步擴大不良RMBS業務試點范圍，盤活存量資產，提高商業銀行的資產周轉率，優化資產負債結構，增強其抵御金融風險的能力。

注：1.在資產支持證券交易過程中，發起人需要將資產池真實地出售給SPV，這種交易結構設計有助于防范風險，這是因為即使發起人出現破產，其出售的證券化資產也不會被納入清算資產。

作者單位：姚鵬? 南開大學經濟學院

劉蓮? 中國華融金融市場部

責任編輯：周舟? 鹿寧寧

參考文獻

[1]洪艷蓉.資產證券化與不良資產處置——中國的實踐與反思[J].證券市場導報，2018（12）：4-15.

[2]羅玉輝，張志.中國銀行業不良資產的長效防控策略——基于金融監管的視角[J].經濟體制改革，2018（1）：136-142.

[3]田博.對住房抵押貸款違約風險影響因素的實證研究[J].經濟研究導刊，2014（28）：108-110.

[4]謝赤，凌毓秀.銀行信貸資產證券化信用風險度量及傳染研究——基于修正KMV模型和MST算法的實證[J].財經理論與實踐，2018，39（3）：2-8.

[5] 閻慶民，蔡紅艷.中國銀行業不良資產證券化信用風險評價研究[J].數量經濟技術經濟研究，2005（8）：75-84.

[6]張小茜，黨春輝.基于抵押物處置風險的不良貸款證券化研究——以某國有商業銀行的個人住房貸款資產池為例[J].金融研究，2018（8）：102-119.

[7] Black Fischer， Myron Scholes. The Pricing of Options and Corporate Liabilities[J]. The Journal of Political Economy， 1973（81）：637-654.