2014年9月30日，央行、银监会发布了《关于进一步做好住房金融服务工作通知》，并鼓励银行业金融机构通过发行住房抵押贷款支持证券（MBS)用于增加首套普通自住房和改善型普通自住房贷款投放。作为MBS的重要组成部分的个人住房抵押贷款支持证券(RMBS)，便成为此政策落实的重要载体，尽管我国此前曾经发行过3单RMBS产品，积累了一定的实践经验，但是由于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，再加上住房贷款期限长，受宏观经济的影响较大，基础资产的预期损失具有较大的不确定性，此外RMBS面临一定的提前还款风险，可能导致资产池损失部分利息收入，严重者会造成劣后受偿证券的损失，因此RMBS的信用风险评估比较复杂。鉴于上述原因，国外机构通常使用量化分析方法，借助评级模型来度量RMBS的信用风险。
　　一、 国外评级机构RMBS评级方法简介
　　国外评级机构在评估RMBS组合信用风险时，通常都会逐笔评估每笔贷款的信用风险，然后测算出基础资产组合信用风险。经过研究我们认为RMBS组合信用风险的评估方法主要有四种：可简称为“迁移率-压力乘数法”、“模拟方法”、 “MILAN方法”和“Logistic-压力乘数法”，分别被标普、穆迪2013年之前、穆迪2013年之后、惠誉所使用。
　　（一） 迁移率-压力乘数法
　　迁移率-压力乘数法的核心是采用压力测试的方法，估计不同目标信用等级证券所需的信用增级量。该方法的具体步骤如下：第一，估计基准情景违约概率。迁移率-压力乘数法建立了一个“迁移率清算时间模型”进行违约率的估计，该模型的实质是认为贷款的状态转变是一个马尔科夫过程，因此可以采用转移概率的思想估计违约率随时间的变化曲线，包括各月的当期新增违约率和截至该时点的累计违约率两种，并用证券存续期内的累计违约率作为基准情景违约率。第二，估计基准情景违约损失率。违约损失率反映的是贷款一旦违约所造成损失的程度，它主要与贷款的信用品质有关。因此，模型按照优质贷款、Alt-A贷款、次级贷款等类型，分别选取相应的样本群，利用每个样本群在观测时点前3个月至前1年之间的历史清算数据，估计对应类型贷款的违约损失率。第三，对损失率施加压力，得到目标级别损失率。迁移率-压力乘数法认为目标级别越高的证券应当能够承受的违约率和违约损失率越高，因此该方法对基准情景下的违约率和违约损失率施加相应的压力乘数得到各个目标信用等级下的违约率和违约损失率，两者相乘即得到目标级别的损失比率，也就是证券达到相应级别所需要的信用增级量。第四，现金流测试确定模型指示级别。结合资产池的目标级别预期损失率，可以初步确定不同目标级别的信用增级量和证券分层结构，然后考察依照交易结构特征设计的现金流测算得到的预期损失率能否满足目标级别的要求，最终确定受评证券的信用等级。
　　（二） 模拟方法
　　模拟方法是以单笔贷款风险点的分析为基础，采用蒙特卡洛模拟技术得出基础资产的违约概率分布和损失概率分布。该方法的具体步骤如下：第一，模拟未来的经济情景。选择与住房贷款信用风险相关性较强的经济变量作为被预测变量，包括利率、失业率、房屋价格等，借助蒙特卡罗模拟技术预测证券存续期内这些经济变量的变化；第二，预测单笔贷款的信用表现。利用模拟的经济变量和住房贷款自身属性的指标构建模型，通过Cox风险模型等方法计算单笔贷款在不同时点上的信用风险指标，包括条件违约率、违约损失率和提前还款率，以此预测未来每笔贷款在证券存续期内的违约及损失情况；第三，计算基础资产的损失比率。按照上述方法对所有入池贷款测算其未来信用表现，再通过加总的方式得出一次模拟中整个资产池的损失金额占比；第四，估计资产池的损失分布。通过对经济情景的多次模拟，便能够得出基础资产组合损失比率的概率分布；第五，结合现金流测试确定级别。该步与迁移率-压力乘数法的现金流测算和级别得出过程类似，不再赘述。
　　（三） MILAN方法
　　MILAN方法同样是基于对单笔贷款的信用风险分析。该方法的具体步骤如下：首先，确定基础资产的MILAN信用增级量。MILAN方法对很多国家都构建了一个国家特定标准贷款以及标准贷款组合，并确定了该标准贷款达到最高的市场有效级别所需的信用增级量。通过与标准贷款及标准贷款组合的比较，对信用增级量分别在单笔贷款和拟证券化资产组合两个层面做调整并得到MILAN信用增级量。然后，估计基础资产的损失分布。MILAN方法假设分散度较高的资产池其累计损失率服从对数正态分布，利用历史数据可以推算得到基础资产的预期损失，那么结合通过最高市场有效级别的MILAN信用增级量和预期损失率表可以逆推确定基础资产的损失分布。最后，结合现金流测试确定级别。
　　（四） Logistic-压力乘数法
　　Logistic-压力乘数法的具体步骤如下：第一，建立违约率的计算模型。选取与累计违约率相关的变量建立Logistic回归模型，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。第二，建立违约损失率的计算模型。模型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因素、快速销售调整因素、清算成本和存置成本(carrying cost) 等四个因素的调整，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。第三，对关键变量施加压力，进而计算目标级别损失比率。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，将施加压力后的变量值代入前两步中给出的违约率和违约损失率计算模型，即可求出目标级别下的违约率和违约损失率，两者相乘得到目标级别损失比率，用于与现金流模型的结果进行比较，从而确定受评证券的模型指示级别。
　　二、 我国适用性分析
　　国外评级机构的RMBS评级方法不同，但都有其内在的评级逻辑，评级方法也都比较复杂，其共同优势包括：第一，对贷款信用风险的评估比较细致，都采用逐笔分析；第二，均具有较强的经济学含义。共同的局限性在于：第一，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组合的违约及损失情况估计不足。第二，其他无法量化的因素无法使用模型加以分析。
　　迁移率-压力乘数法的优势在于逻辑清楚，能够在较短的时间内计算出特定RMBS基础资产的基准违约概率及清算时间，操作性强。其局限性主要体现在：不同目标信用等级对应的压力乘数具有一定主观性，在数据不充分或披露信息较少时，此方法的有效性还有待检验。在模型假设方面，模型认为贷款的状态转移过程是一个时齐的马尔科夫过程，但这一假设是否与实际情况相符仍有待考证。模拟方法的优势主要体现在理论基础扎实、逻辑性强，且方法比较灵活，可延展性好。其局限性在于模拟量大、运算效率较低，且多次模拟预测误差可能会放大。MILAN方法的优势是操作性强，其局限性体现在定性判断较多，方法略显说服力不足，累计损失率服从对数正态分布假设的合理性有待检验。Logistic-压力乘数法的优势体现在模型结构完整，逻辑清晰，方法的解释力较强。其局限性表现在：Logistic回归模型所选取的变量存在着相关关系，且预测模型的误差会在多次回归中被放大，影响最终结果。
　　从适用性方面看，我国目前的数据积累和评级分析师经验基本能够满足迁移率-压力乘数法的要求，因此迁移率-压力乘数方法比其他方法在我国的适用性更强。
　　但是考虑到国内外经济环境不同，我们可以借鉴国外机构的方法，参考迁移率-压力乘数法的思路开发我国RMBS评级模型，提出适用于我国的贷款状态转移矩阵估计方法，并在评级实践中加强数据积累，适时对相关参数及调整规则进行实证研究。