个人汽车抵押贷款支持证券（以下简称“Auto Loan ABS”）是资产支持证券的一种，是以发起机构合法拥有的汽车贷款及其抵押权和附属担保权益作为基础资产，以其产生的现金流作为偿付基础，通过交易结构设置及信用增级措施将其转变为可在金融市场出售和流通的证券。在我国银行间债券市场，Auto Loan ABS已经成为仅次于公司信贷资产支持证券（以下简称“CLO”）的第二大主流资产证券化产品。
        一、个人汽车抵押贷款证券化产品的特征
        1.基础资产分散度极高，数量一般可达10000-50000笔，同质性强，单笔资产占比低。而资产池分散度越高，单笔贷款的违约对资产池信用状况的负面影响程度越小。
        2.借款人和贷款的特征直接影响着资产池信用质量进而影响着资产池违约比率和损失程度。
        3.基础资产服从稳定的统计分布，且可以获得数量足够多、信用表现历史足够长、具有代表性的静态样本池
        4.发起机构信用政策、风控能力和风险容忍度，以及贷款服务机构的贷后管理能力将很大程度上影响证券化资产池在存续期内的信用表现。
        5.证券存续期内宏观经济环境将影响借款人的还款能力和还款意愿，汽车行业整体的发展程度将影响到车辆的变现价值，从而改变证券化资产池所面临的信用风险。
        6.真实出售和破产风险隔离机制是信贷资产证券化交易的核心，现金流支付机制灵活多样，另外，优先/次级结构作为主要信用增级措施，是优先级证券获得较高信用等级的重要保证。
        二、评级思路
        中债资信对Auto Loan ABS信用等级的评定是对受评证券违约风险的评价，即在考虑基础资产损失的情况下，受评证券本金和利息获得及时、足额偿付的可能性。对受评证券违约可能性的评估，首先是通过组合信用风险分析模型对基础资产整体进行信用质量分析，然后通过现金流压力测试模型对信用增级措施、现金流支付机制、流动性支持等部分交易结构评级要素加以考虑，并施加压力条件进行测试，通过评级模型测试结果得到证券初步的信用等级。除了量化分析外，中债资信会结合交易结构风险、主要参与机构尽职能力、法律风险等评级要素的定性分析对量化模型决定的指示信用级别进行调整。公司信用评审委员会将依据各评级要素的分析结果、模型参数的设置以及模型运算结果，并考虑其它定性因素，综合考量受评优先级资产支持证券违约风险的高低，最终确定受评证券的信用等级。
        基础资产的信用质量和证券交易结构两个评级要素共同决定了受评证券的信用等级。在交易结构方面，证券的信用增级措施、交易结构安排、交易结构风险、主要参与机构尽职能力以及法律风险等要素的影响因素与CLO评级相似，在此不赘述。
        基础资产整体信用质量受基础资产的分散度、借款人特征、贷款特征以及宏观经济波动、行业发展趋势和发起机构/贷款服务机构的风险控制水平、资产违约回收率等要素影响，资产池整体的违约风险表现将有所不同。其中，借款人特征方面，主要通过借款人年龄、职业、收入等几个维度来间接评估借款人违约风险；贷款特征方面，贷款类型、贷款期限、贷款价值比、保证人信用状况、抵押物或车辆的状况等贷款特征也间接影响着资产池整体的信用表现。此外，还有多种因素会对存续期中的资产池造成影响。证券存续期内宏观经济波动性将影响到借款人的收入水平、还款能力和意愿；而入池贷款发放之时汽车行业整体景气程度会一定程度上对入池资产信用质量及信用表现造成影响，证券存续内行业景气程度变化也会影响车辆的变现价值；发起机构贷前、贷中风控水平以及贷款服务机构贷后管理能力也将很大程度上影响证券化资产池违约水平及违约后的回收水平。另外，基础资产违约回收率的确定对资产池损失分布的确定有着重要影响。
        三、评级模型
        评级过程中的定量分析模型主要包括组合信用风险分析模型和现金流分析及压力测试模型，主要用于考察基础资产组合信用风险和压力情景下基础资产产生的现金流能否足额偿付证券投资者利息和本金，从而通过量化分析方法确定受评证券信用等级。
        1.模型的基本理论
        Auto Loan ABS的基础资产池具有资产同质性强、资产数量众多、分散度极高等特点，个别资产的违约不会对整个证券化资产池造成实质性影响，其违约及损失分布具有稳定的统计特性。经过对样本数据的分析，中债资信验证了资产池累计违约率能够服从对数正态分布 。因此，评级过程中，中债资信不对入池贷款进行逐笔分析，而是通过构建与证券化资产池具有相似特征的静态样本池，以多个静态样本池的历史信用表现为基础，模拟证券化资产池的未来信用表现。与证券化资产池特征相似的静态样本历史数据的充分性，可以确保由其估计得到的违约分布和损失分布参数的稳健性。
        2.模型的运算方法和评级标准
        中债资信基于基础资产违约比率和损失比率服从对数正态分布的理论基础，利用静态样本池历史数据估计出其违约分布和损失分布的参数（μ和σ）和基础资产加权平均回收率，并根据资产池信用风险特征、静态样本池和证券化资产池的特征差异、宏观经济变化趋势、汽车行业发展状况、贷款服务机构风控能力等方面的因素对分布的参数μ和σ进行调整，从而最终确定基础资产的违约分布和损失分布；参照累计违约率表，得到不同信用等级对应的累积违约概率水平下证券所需承受的资产池目标违约比率TDR 。
        由于组合信用风险分析过程中没有考虑超额利差形成的超额抵押、流动性支持和信用触发事件等交易结构特点，以及压力情景下基础资产产生的现金流在各时点对受评证券本金和利息的覆盖程度，因此需根据交易约定的交易结构和特定压力条件进行现金流分析及压力测试，测算出使受评证券在特定压力条件下本息不违约的最大违约比率，即临界违约率。基于各优先档证券临界违约率大于目标违约比率TDR的评级标准，得到由量化模型决定的指示信用级别。现金流模型的原理和构建与CLO相似，在此不赘述。
        具体操作方面，对于组合模型，中债资信以拖欠30天以上作为判定违约的标准，统计每个静态池在统计期末的累计违约比率。理论上，与证券化资产池特征相似的静态样本池提供了累计违约信用表现，但在实际操作中，静态池历史数据期限可能无法全部跨越整个证券存续期，从而不一定能够真实地反映证券化资产池在未来一段时间内的信用波动状况，因此，需参考行业平均水平，并结合静态池自身违约率增量的变化规律对其进行样本数据的推测，外推出得出每个静态池在存续期末的累计违约比率。中债资信对静态样本池的历史数据进行分析，得出资产回收率的平均水平。具体而言，中债资信将根据每个静态样本池在资产池存续期末的累计违约率，通过 ， 来得出参数μ和σ的估计值，其中n为静态样本池数量，xk为第i个静态样本池的资产池存续期末的累计违约比率或累计损失比率（xk通过各期违约率增量占比计算得出），从而初步得到证券化资产池的违约分布和损失分布参数μ和σ，违约分布和损失分布的均值为E(X)=e^(μ+σ^2/2)， var(X)=(e^(σ^2 )-1)e^(2μ+σ^2 )。然后，中债资信根据静态样本池数据质量（可能出现的问题主要包括样本数量不足导致参数估计的误差、每个静态样本池中贷款数量的不足导致分散度不够、样本信用表现期限不足、样本的选择不具有代表性、证券化资产池与静态样本池的特征存在差异导致一致性不足、静态样本池中贷款的发放标准与证券化资产池发放标准不一致）、证券化资产池信用风险特征、宏观经济、行业状况和贷款服务机构风控水平等方面因素对违约分布和损失分布的参数μ和σ进行调整，从而最终确定基础资产的违约分布和损失分布。
        3.静态样本数据选取要求
        静态样本池数据信息质量会对基础资产信用质量的评估产生重要影响。中债资信对静态样本池历史数据质量的考察要素主要包括：完备性、无偏性、分散性、代表性和一致性。
        完备性要求静态样本池的历史信用表现应包含各期贷款的拖欠、回收、核销以及提前偿还信息；无偏性要求静态样本池数量应达到30至50个，足够多的静态样本池有利于降低参数估计的相对误差；分散性要求单个静态样本池中平均单笔贷款占比很低；代表性要求静态样本池中资产应为随机抽取，或者包括发起人在某一时间段发放的所有类似的贷款组合，主要用于规避发起机构有倾向性地选择资产，且尽量使所选贷款组合的期限覆盖资产池存续期或完整的经济周期；一致性一般要求静态样本池的资产特征（如：贷款价值比、贷款类型等）与证券化资产池尽可能相似，并且贷款的发放标准具有一致性，静态样本池所经历的外部经济环境与证券化资产池所处环境相似。中债资信将根据要素达标程度在样本池历史信用表现（累计违约率和累计损失率）的基础上进行调整，从而影响资产池违约分布和损失分布参数μ和σ的确定。