中国资产证券化产品信用评级尚处于初始阶段，评级体系不够完善，评级方法还有待改进。本文通过对国外评级方法的介绍，综合国内信用评级流程和评级方法，分析我国资产证券化产品信用评级过程中存在的问题，进而提出对策建议。

资产支持证券化是一种结构化金融，是未来现金流与当前现金流的置换。中国资产证券化品种主要以信贷资产证券化品种、企业资产证券化品种和资产支持票据为主。信贷资产证券化以信贷资产为基础资产，企业资产证券化主要表现形式是券商专项资产管理计划，基础资产的范围涉及企业应收账款、基础设施收益权、租金收入等能够带来稳定现金流的资产。资产支持票据由银行间市场交易商协会主管，基础资产大多为企业应收款、政府回购应收款等。随着国家对资产证券化业务的逐步放开，产品发行呈现出爆发式增长趋势。

整体而言，2016年上半年的资产证券化市场延续快速增长态势，企业资产证券化发行规模更是在2015年的基础上大幅跃升，成为发行量最大的品种。资产支持票据的发行份额相对较小，存量较上年下降3%，占到市场总量的份额仅为2%。信贷资产证券化产品发行中，公司信贷类同比下降近50%，占比为35%，增长速度最快的为租赁类产品，增速超过170%。

信用评级在资产证券化产品发行中的重要性分析

资产证券化因其复杂的交易结构往往使投资者难以准确判断其风险点所在，通过信用评级制度，可以将结构化产品中蕴含的风险以市场化的语言来展现，为投资者提供一个可以合理预判风险的投资环境，降低投资者的信息搜索成本和选择成本，提升投资效率。此外，对发行者而言，资产证券化信用评级是发行定价的重要参考因素，获得良好的评级结果可以降低融资成本，提高融资效率。

信用评级作为资产证券化过程中的重要一环，对融资者和投资者都具有重要的影响。特别是在中国资产证券化产品发行爆发式增长过程当中，拥有健全信用评级机制的投资品种更能获得投资者的关注和青睐，而缺乏信用评级的产品则会被市场所淘汰。

实际上，中国资产证券化产品发行过程中信用评级占据的地位还远远不够，一方面是国内在产品发行方面还缺乏足够的经验，并没有对信用评级的作用有足够的认识；另一方面，国内的评级方法并不能足以满足产品发行的需求，导致评级结果的可信度较低。

国外用于资产证券化信用评级的模型介绍

（一）资产证券化评级的两阶段法

国际三大评级机构穆迪、标准普尔和惠誉对包括担保债务凭证（CDO）证券化产品采用两阶段法进行。第一阶段是资产池信用风险评估，第二阶段是评级机构考察证券化的参与主体和交易结构，分析结构性风险。在第一阶段，评级机构根据资产池的基础资产特征以及机构本身情况来选择合适的评级方法。第二阶段主要分析存在的结构化风险：真实出售、破产隔离、信用增级、服务商的信用品质等。

在第一阶段，评估资产池也就是对预期损失的测度，常用的方法一般包括五种：二项式扩展法（BET）、多重二项式扩展法（MBET）、蒙特卡洛模拟法（MCS）、傅立叶转换法（FIM）和对数正态法（LNM）。二项式和多重二项式扩展法是基于假设每笔资产违约概率服从二项式分布，具有计算友好的特点，不像蒙特卡洛模拟法那样动辄进行上万次的试算，因此其计算低成本特性使其在信用评级中得到一定的应用。蒙特卡洛模拟的基本思想是，首先将最终考察的问题进行因素分解，并且设定各个因素的分布特征；然后根据随机数逆推各个因素发生的可能规模。蒙特卡洛模拟法基本思想比较简单，但计算过程却极为复杂，运算量非常大，其中涉及到目标函数和可逆的累计分布函数两个基本要点。FIM和LNM是三大评级机构提出的补充方法。FIM在基础资产违约概率测度时具有广泛运用，将傅立叶函数引入基础资产违约率评定过程中，根据基础资产之间的独立性和相关性，对傅立叶函数求期望，最终得到资产池每一违约率的总体分布特征。LNM基于累计违约率的自然对数服从正态分布，对历史数据要求极高，适合资产数目较大和资产异质性较低的情形。在具体方法的选择上，三大评级机构有所不同，评级机构会根据不同产品的特征选择不同的评级模型，使用较多的则是蒙特卡洛模拟法。

（二）违约概率的计算方法

国外评级方法中最主要关注违约概率指标，核心思想是通过历史违约数据，借助一定的数理模型来预测未来可能发生的违约情况。以穆迪分析公司为例，该公司在Merton的B-S模型的基础上提出了一个预测违约率的VK模型，该提出了一个违约距离（Distance to Default，DD）的概念度量信用风险的三个关键因素：公司资产价值、公司经营业务与行业风险、公司杠杆。其公示表示如下：

公式中，V为公司的资产价值， 表示资产的市值波动率， 是资产市场的回报率，t是当前时间，T为债务到期日，D为到期日债务价值。

VK模型首先利用B-S期权定价模型确定企业的资产的市场价值和资产波动率，然后根据负债情况计算违约点，进而计算出违约距离。最后再根据历史违约数据得出不同违约距离所对应的违约概率。VK模型是基于Merton改进的B-S期权定价模型而来，改进的B-S期权定价模型如下：

公式中，E为公司权益价值，r为无风险利率， 和为参数， 表示标准正态累计分布函数。

VK模型诠释是：违约概率与违约距离之间存在反向关系，即较高的债务、较低的资产增长，形成较小的违约距离，对应较高的违约概率。该模型适合成熟的股票市场，已在行业体系内具有完整的上市公司分布，同时需要海量的历史数据做支撑，而这些在中国国内完全不具备，因此在国内的应用还存在一定的局限性。

计算违约概率的模型有很多，但是基本上都是建立在成熟的资本市场之上的，如果套用在资产证券化评级上，就会出现较为严重的水土不服现象，最终导致评级结果偏离实际情况，误导参与主体的行为。

国内评级方法介绍与评述

（一）资产证券化信用评级的一般流程

除了引入国外评级模型之外，评级机构也在积极探索适合本土国情的评级方法，致力于提供高水平的资产证券化产品评级服务。国内在分析资产证券化项目的风险时，大致采取三个步骤：首先是分析基础资产的信用质量；其次是分析交易结构的风险（定性判断）；最后是根据前两个步骤进行现金流和压力测试（定量判断），确定最终的信用等级。

如果按照评级要素分析，完整的评级流程包括基础资产分析、交易结构分析、参与主体分析、法律结构分析四个部分。基础资产池分析包括资产池特征分析、信用质量分析、现金流分析等，在分析基础资产质量时需要着重考察基础资产的性质、分散性等因素。交易结构分析包括现金流支付机制分析、交易结构风险分析、信用增级措施分析等。参与主体分析包括参与主体各方信用风险分析和服务质量分析。法律结构分析包括交易结构和基础资产在法律层面的完备性分析等。

具体到不同的产品，评级的基本框架会略有不同，比如银行信贷资产证券化产品的发行过程中，进入到资产池的基础资产分布较广，包括不同行业、不同期限、贷款五级分类等，因此在分析基础资产时就需要逐笔进行风险判断。在具体的操作上虽然存在差异，但是整体的评级流程大致相同，在完成全部的评级过程中，都需要利用一定的方法对违约比率（SDR）和目标损失比率（SLR）进行预测。当然，是否必然采用SDR和SLR指标作为评级结果判定的依据，不同的评级机构会有不同的做法。

（二）尽职调查与交易结构分析

尽职调查一般是产品发行的第一个步骤，重点需要关注的包括四个方面：资产池的基本信息；各类资产违约率、回收率和违约相关性；参与主体状况（如管理能力、服务商的服务能力等）；宏观经济情况。尽职调查是资产证券化产品设计与发行的基础，有效的尽职调查结果可以是产品最终能否成功发行的关键。在实务操作中，对尽职调查人员的业务水平要求很高，能否在尽职调查过程敏锐发现风险点所在，关系到后续步骤能否顺利完成。

分析交易结构也即定性判断，主要判断出法律、交易结构、参与主体和增信措施中蕴含的风险。定性判断是一个流程化的过程，涉及到相关文件的制作、流程设计等问题，这个一般严格按照业务操作流程推进即可，避免因操作技术层面的失误导致风险的发生。在对交易结构进行信用评级时，关注的重点在风险隔离、分层结构、信用触发机制、外部增级上。

（三）定量分析方法

对于风险的定量判断，从国内资产证券化产品的基础资产来看，中国资产证券化产品的基础资产可以划分为债权类和收益类两种，涉及到的定量评级方法也不尽相同。债权类基础资产的债权债务关系比较清晰，信用风险主要来自相关债务人的违约及回收处置风险；收益类资产一般依附单一的经营实体或独立的实物资产，如路桥、公共事业、公园景区等，信用风险来自经营实体或者实物资产的现金流是否稳定，以及外界经济环境的影响等。

不同基础资产下的量化风险分析模型有所不同，债权类主要分析信用风险，收益权类主要分析现金流的稳定性。实务操作中，一般通过线性回归的方式分析影响现金流的各项因素，确定不同影响因素的权重大小，进而实现进一步的建模。通常可供使用的模型包括Logit回归模型、Probit回归模型、Poisson回归模型等。而对于债权类的信用风险分析，评级机构一般采用蒙特卡洛模拟法建模进行风险量化，通过资产池中单笔资产的违约行为模拟整个资产池的违约行为，从而模拟出资产池的违约及回收概率分布，评级机构据此确定资产证券化产品发行所需的信用增级水平。

定量分析是评级的难点，定性可以得到一个基本的风险概念，但是如何量化风险却并非易事。资产证券化产品信用评级中的定量分析关键是要获得资产池的预期损失分布和现金流分布，获取的方法基本都是采用MCS法，通过超过万次的模拟运算测度出资产池内的损失分布。图4表示的是中债资信违约分布获取流程，在模型运行之前输入单个资产违约概率、资产相关系数、资产违约回收率变量，然后运行蒙特卡洛模型，在经过上万次运算之后得到资产池的违约分布和损失分布，进一步得到违约比率和损失比率。再根据违约比率和损失比率，并结合分层方案设计进行综合评价。

模型的作用在于把不可度量的风险进行量化，但是由于基础变量的确定是评级机构通过一系列影响因素给定的，系数的确定往往需要参照国外违约峰值进行修正，这就使得基础变量存在一定的不确定性。加上模型的假设性特点，会进一步导致模拟结果偏离实际情况。如果产品评级的整个过程的每一步都存在一定比率的偏离，即结果对真实情况的偏离，会导致最终评级结果的偏离。

国内资产证券化评级过程中存在的问题及建议

首先，评级机构的独立性难以保证，可通过双评级制度加以规避。评级机构作为独立的第三方参与资产证券化产品的发行，需要保持一定的独立性，审慎进行评级。独立性需要制度来保证，2012年银行间债券市场重启信贷资产证券化时，明确规定了双评级制度。双评级可以在一定程度上规避道德风险，双评级结果可以为产品定价提供更多参考，也可以为投资者的决策提供参考。

其次，模型、数据、参数问题，模型建立应当本土化。国内在建模方面尚存不足，较之西方国家多年的统计分析经验，国内的数理模型在数据规模、模型构建、参数确定等方面还存在一定的模型风险。由于缺乏必要规模的历史数据，不能直接从现有数据出发对基础资产的违约率分布特征进行合理化设定，如果盲目套用国外的数理模型可能会导致更高的模型风险，假如把关注的重点放在未来的财富创造能力上，就会对模型的依赖大大降低，也能直接模拟出产品的盈利情况。因此，在借鉴国外信用评级方法的同时需要根据国内具体情况适当改进，而不能照搬照抄。

最后，评级方法不透明，加快建立行业规范。国内资产证券化的信用评级起步晚，技术相对不成熟，多数从国外引进评级技术，自主研发相对不足。由于涉及到商业机密，评级方法一般不对外公开，所以很难从技术层面判断资产证券化评级结果的可信度。处在探索中发展的资产证券化评级事业，亟需建立起行业规范，构建系统性的行业准则，研发行之有效的本土化评级方法。

（薛小飞为大公国际信用评级集团有限公司产品分析师。本文编辑/王蕾）