本文结合对资产证券化业务的理解以及商业银行数据管理资源的现状，介绍了资产证券化业务信息系统架构面临的挑战和应对策略，并对积极备战中的商业银行、特别是中小商业银行，如何完善信息系统架构提出建议。
伴随着信贷资产证券化扩容5000亿和首批信贷资产证券化信息披露指引发布两大重磅消息，资产证券化业务、特别是商业银行信贷资产证券化业务再一次成为众人瞩目的话题，而其背后的“可证券化资产数据管理”越来越成为业界关注的一大课题。
资产证券化的未来：从经营“资本”到经营“数据”的颠覆
从广义上来讲，当前如火如荼的“资产证券化”浪潮其实包括至少两个层面的含义：
其一是“资产支持证券（ABS，Asset-Backed Security）”，以人民银行-银监会主持下银行信贷资产证券化试点和证监会-沪深交易所主持下的企业资产证券化为代表，旨在将具备确定的未来现金流的资产（符合特定条件或不违反负面清单）通过必要的交易安排实现批量真实出售和破产隔离，进而在法定交易机构履行注册程序并挂牌交易。就证券化标的的主体特征而言，资产支持证券这一工具提供了一种技术性降低负债率的可能性，即将以高负债经营为特点的特殊企业（包括商业银行、其它贷款机构或基建项目公司、租赁公司等）的资产予以分割、剥离后表外独立融资，并在确保单个融资载体的负债本息-偿付来源能够被清晰计量和合法主张的前提下，进一步分层次规划偿付资金的分配顺序，以匹配不同类型投资人的风险偏好。
其二是“证券化（Securitilization）”，以放宽公募股票、债券发行条件和梳理私募股权、债权发行组织程序等相关的一系列制度创新为代表，旨在通过《证券法》等法律法规的修订和规范，鼓励满足特定条件的企业股权或债权资产在履行法定交易机构的审核或注册、信息披露等程序后上市或挂牌交易。换言之，就是通过搭市场、分层次、“降门槛儿”等一系列措施，促进企业直接融资条件的不断优化。
可见，从数据流转的角度看，资产证券化业务的过程正是金融脱媒的体现，这意味着以往商业银行家们以债权人身份掌握的债务人“内部信息”需要按法定规范及时、完整、真实地向社会公众投资人公开披露；以往商业银行家赖以立身的审报表、评信用的“独门秘技”，需要被转化为客观公允的数据分析结果，以支撑公众投资人自主开展证券投资决策的需要。因此可以说，资产证券化最本质的颠覆，是要把商业银行运作表内资产-负债、“经营资本”的生意，改变为促成投融资双方交易、“经营数据”的生意。
可证券化资产数据的未来：从“入表”管理到“交易”管理的演变
在 “资本经营”的时代，商业银行一切的数据管理基本上都是围绕“入表”两个字来规划的，商业银行的信息系统大都以“核心清算+信贷管理”的双中心架构呈现。进入 “数据经营”的时代，商业银行依托投行、金融市场和资管三大业务构建的“可证券化资产”的范围大大突破了商业银行表内资产的边界，这必然要求商业银行扩容和升级其信息系统，搭建更全面、更立体的多元化交易管理信息架构，进而合理、有效调配人、财、物资源以实现交易组织效率和效益的经营目标：
服务商转变后，数据管理的维度迅速扩大：
首先，从管理存、贷款客户信息到管理投、融资客户信息，需要增加管理关系型数据（销售场景关系、增信关系、社交关系等等）、偏好分析数据等静态数据的能力，并且需要对交易相关动态信息实施持续跟踪。
其次，从管理贷款资产到管理自营贷款、线上证券、线下产品三个层次的资产数据，需要增加关乎交易（转让）规则、估值管理（市值来源或估值模型等）、风险敞口监控等的数据管理，并且要能够从产品持有的证券、到证券对应的底层资产（池）等层层“穿透”，以满足风险管理和定价管理的需要。
再者，从经营存贷款间接融资到兼营直接融资服务，需要在运营作业授权结构、运营操作日志数据监控和预警体系建设等方面实现升级，既要能够通过合理赋权、保证交易服务效率，又要能够高效监控异常交易和异常作业并适时引入人工干预，最大限度地防范操作风险。
交易型银行信息系统架构的未来：从“数据仓库”到“数据云”的探索
如果进一步将商业银行放在资产证券化业务生态圈中考量，资产证券化还从深度、广度和频度等各个方面大幅度加大了商业银行与外部机构之间数据交互的复杂性：
首先，从自有数据流传递过程的角度看，自“线下网点＋线上直销＋第三方引流”的投融资客户信息入口，到一系列证券化、产品化过程中与下游商业伙伴（如券商、信托等证券化/产品化承销和发行机构）之间的业务数据交互，再到法定交易/登记机构、本行交易平台、第三方代销平台等各个层次的证券/产品交易场所的持续信息披露（银行直接或间接发布），资产证券化过程中需要实现多轮次的内、外部数据交互、流转。
其次，从业务经营中与公共大数据资源的互动关系角度看，为有效管理标准证券、OTC股权和私募债券、私募股权和私募债权、收益权等各类资产及银行理财、信托、基金、专户、资管计划等各类产品的创设与交易，商业银行一方面需要广泛获取相关宏观经济参数、证券价格、融资人财务和征信信息等“市场大（全）样本”大数据以支撑证券、产品风险评估和定价，一方面又在经营债券承销、产品发行、融资人授信的过程中，成为“市场大样本”数据的重要组成部分。
特别地，尽管从法理上讲，“资产支持证券（ABS，Asset-Backed Security）”也是“证券化（Securitilization）”的一个子类，但实务上，“资产支持证券（ABS，Asset-Backed Security）”独有的筛选特定资产批量出表、本息清偿顺序先后有别的特征对配套数据管理提出了更高的要求（以商业银行ABS业务为例的核心功能可参见下表）。其中至关重要的资产筛选标准主要是基于对资产池信用评级和现金流本息覆盖度等因素的拟定，而该两项指标均对赖以估算违约率、早偿率等的“市场大样本”统计特征高度敏感。因此在“资产支持证券”类业务的经营上，唯有那些对“拟出表资产池小样本”相对“市场大样本”的统计特征偏离度有着高度掌控能力的机构，才能够紧跟市场偏好、“以销定产”主动构建流动性够强、证券化溢价高的资产池。
换言之，完善的交易型银行信息管理既是各类可交易资产的市场大数据平台（群）的数据使用者，也是供应者，势必与之建立起高度共生、多边交互的合作关系。因此商业银行有必要在对市场大数据平台（群）的发展趋势做出前瞻性的研判的基础上，突破本地化数据仓库式管理的思维，充分利用好云端远程存储和云计算等创新技术，对与市场大数据平台（群）的数据接口部署和数据资源互换关系做出合理的规划，比如：
第一，在宏观经济参数、证券价格、大宗抵质押物登记、官方征信数据方面，银行更多的是这类数据的使用者，但可通过对内合理规划利率管理、风险管理和金融市场投资、投行、资管等部门的使用需求，对外关注甚至参与一些大类数据整合和云端服务模式的创新，以期有效控制数据资源经济成本支出和优化存储管理实现方案。
第二，在面向各类法定交易、登记机构的报表发送、第三方代销或社交服务机构的引流、自有在线交易功能开发等特定范围内的双向高频交互的数据方面，可探索与数据交互核心对手间合作“云端共建”的解决方案，通过的接口标准化、利用远程数据运营和云计算技术等，一方面降低相关接口开发和维护的时间和经济成本，一方面有望在监管部门和行业自律管理机构多层次市场结构规划和信息披露标准方面的顶层设计方案论证过程中、发挥更具建设性的作用。
第三，对于本行客户销售场景和偏好、本行客户授信评级和风险特征等具备一定商用价值的数据方面，可借鉴现代化“混合云”管理的密级规划技术等、论证“云端资源有偿共享”的可行性，力争集合中小地域性、行业性金融机构的力量，实现跨地域多行业的数据归集，突破单体样本数据局限性，进而共建大数据运营能力，提高与互联网金融机构合作的议价能力。
（本文编辑/丁开艳）
