北京2017年9月28日電 /美通社/ -- 在中誠信征信8月初提出信用科技一詞后，近日又發表觀點：信用科技對于底層資產的價值不僅僅是簡單的風險評估，更在于風險的精準計量。
信用科技在消費金融ABS評級及風險計量中的價值萬象信用
美國次貸危機中評級機構究竟出了什么問題？
導致 2008 年次貸危機發生的一個重要因素是評級機構對 ABS 評級的重大失誤。評級機構對大量以次級貸款為基礎資產的 ABS 給出了過于樂觀的 AAA 評級。
在次貸危機后對評級機構失誤的批判主要集中在以下兩點：
- 激勵問題：評級機構的費用由 ABS 發行人支付,并且各評級機構提供的服務相似，因此在市場競爭壓力下評級機構為了獲取市場份額有動機提高發行人的評級
- 人員問題：評級機構分析師的薪水與投行相比普遍較低,而且每個分析師負責多個項目，因此在于投行博弈的過程中常常處于下風
- 上述觀點雖然部分指出了評級機構的問題，但并沒有解釋為什么在次貸危機中風險集中爆發于 ABS，而非發行量更大的公司債。我們認為以下原因更為重要：
評級模型問題：
- 理論基礎：靜態池方法的實質是通過全周期歷史數據的平均值評估主體的風控能力，以此推斷入池資產表現。這是一種主體評級的思路，而非基于資產信用評級的思路。主體評級的思路可能在兩個方面低估信用風險：
1）入池資產質量可能低于歷史平均資產質量
2）入池資產對經濟下行、政策調整等因素的影響可能比主體更為敏感
- 損失分布：評級模型關注損失期望（即損失率分布的平均值），而沒有考慮損失率變動程度（即損失率分布的標準差）。由于 ABS 的現金流支付特征，導致其損失率的變動程度大于公司債。其結果是 ABS 的信用風險要高 于同級別的公司債風險
- 相關性：與公司債不同，ABS 涉及多筆資產，因此需要考慮資產違約的相關性。評級模型通常將違約相關系數嵌入在模型之中，分析師不能直接分析違約相關性對評級結果的影響，也通常不會直接針對相關系數進行壓力測試。 評級模型的相關性參數通?；谖唇涷炞C過的因素模型，并且依賴于全周期歷史數據的平均值，而次貸危機的經驗表明，在經濟危機時，資產相關系數顯著提升，信用風險增加
信息不對稱問題：
與公司債相比，ABS 的基礎資產要更加復雜，分析思路和所需技能也不盡相同。大多數 ABS 底層資產的信息披露不充分，投資人也通常不具備基于逐筆資產信息評估資產池信用風險的能力，因此難以對評級機構給出的結果進行驗證。這使得 ABS 的投資過度依賴于評級。一旦評級結果出問題則會導致風險集中爆發。
國內 ABS 評級是否也存在類似的問題？
美國相比，國內市場的問題更為嚴重，有以下三點原因：
- 國內評級機構和國外評級機構的模型類似，依然是以靜態池方法為基礎。
- 國內像 FICO 評分這樣的通用信用評分尚未得到普遍應用，評級機構對底層資產的把控完全依賴于資產方提供的數據
- 國外消費金融 ABS 的發行人主要為大型銀行，而國內發行人的資質參差不齊，存在較高的道德風險
信用科技在消費金融 ABS 評級及風險計量中能做什么？
基于以上分析我們認為信用科技能夠在以下五個方面發揮作用：
目前評級機構使用的 ABS 評級模型的基礎仍然是公司債評級的方法論，在應用于ABS 評級時會產生系統性偏差。信用科技對消費金融 ABS 評級的價值在于：
- 評級結果基于實際入池資產
- 考慮到 ABS 的現金流支付結構對損失分布的影響
- 對逐筆資產的相關性進行更精確的估計
在消費金融ABS市場上，信用科技對消費金融 ABS 風險計量的價值在于建立一套基于逐筆資產信息對信用風險進行精確計量的方法論。這套方法論由兩部分組成：
- 機器學習模型：基于資產方提供數據以及三方數據建立對逐筆資產信用風險指標的預測
- 信用風險計量模型：綜合逐筆資產的信息對資產池以及 ABS 各層的信用風險進行精確計量
中誠信征信公司在消費金融 ABS 業務中，定位于獨立第三方的大數據信用信息服務商，通過信用科技手段穿透底層資產，對每筆底層資產進行精準的信用評估和風險計量，提升消費金融 ABS 的信用風險管理水平。
