北京2017年9月28日电 /美通社/ -- 在中诚信征信8月初提出信用科技一词后，近日又发表观点：信用科技对于底层资产的价值不仅仅是简单的风险评估，更在于风险的精准计量。
信用科技在消费金融ABS评级及风险计量中的价值万象信用
美国次贷危机中评级机构究竟出了什么问题？
导致 2008 年次贷危机发生的一个重要因素是评级机构对 ABS 评级的重大失误。评级机构对大量以次级贷款为基础资产的 ABS 给出了过于乐观的 AAA 评级。
在次贷危机后对评级机构失误的批判主要集中在以下两点：
激励问题：评级机构的费用由 ABS 发行人支付,并且各评级机构提供的服务相似，因此在市场竞争压力下评级机构为了获取市场份额有动机提高发行人的评级
人员问题：评级机构分析师的薪水与投行相比普遍较低,而且每个分析师负责多个项目，因此在于投行博弈的过程中常常处于下风
上述观点虽然部分指出了评级机构的问题,但并没有解释为什么在次贷危机中风险集中爆发于 ABS，而非发行量更大的公司债。我们认为以下原因更为重要：
评级模型问题：
理论基础：静态池方法的实质是通过全周期历史数据的平均值评估主体的风控能力,以此推断入池资产表现。这是一种主体评级的思路,而非基于资产信用评级的思路。主体评级的思路可能在两个方面低估信用风险：
1）入池资产质量可能低于历史平均资产质量
2）入池资产对经济下行、政策调整等因素的影响可能比主体更为敏感
损失分布：评级模型关注损失期望（即损失率分布的平均值），而没有考虑损失率变动程度（即损失率分布的标准差）。由于 ABS 的现金流支付特征，导致其损失率的变动程度大于公司债。其结果是 ABS 的信用风险要高 于同级别的公司债风险
相关性：与公司债不同，ABS 涉及多笔资产,因此需要考虑资产违约的相关性。评级模型通常将违约相关系数嵌入在模型之中，分析师不能直接分析违约相关性对评级结果的影响，也通常不会直接针对相关系数进行压力测试。 评级模型的相关性参数通常基于未经验证过的因素模型，并且依赖于全周期历史数据的平均值，而次贷危机的经验表明，在经济危机时,资产相关系数显著提升，信用风险增加
信息不对称问题：
与公司债相比,ABS 的基础资产要更加复杂，分析思路和所需技能也不尽相同。大多数 ABS 底层资产的信息披露不充分,投资人也通常不具备基于逐笔资产信息评估资产池信用风险的能力,因此难以对评级机构给出的结果进行验证。这使得 ABS 的投资过度依赖于评级。一旦评级结果出问题则会导致风险集中爆发。
国内 ABS 评级是否也存在类似的问题？
美国相比,国内市场的问题更为严重，有以下三点原因：
国内评级机构和国外评级机构的模型类似,依然是以静态池方法为基础。
国内像 FICO 评分这样的通用信用评分尚未得到普遍应用,评级机构对底层资产的把控完全依赖于资产方提供的数据
国外消费金融 ABS 的发行人主要为大型银行,而国内发行人的资质参差不齐,存在较高的道德风险
信用科技在消费金融 ABS 评级及风险计量中能做什么？
基于以上分析我们认为信用科技能够在以下五个方面发挥作用：
目前评级机构使用的 ABS 评级模型的基础仍然是公司债评级的方法论，在应用于ABS 评级时会产生系统性偏差。信用科技对消费金融 ABS 评级的价值在于：
评级结果基于实际入池资产
考虑到 ABS 的现金流支付结构对损失分布的影响
对逐笔资产的相关性进行更精确的估计
在消费金融ABS市场上，信用科技对消费金融 ABS 风险计量的价值在于建立一套基于逐笔资产信息对信用风险进行精确计量的方法论。这套方法论由两部分组成：
机器学习模型：基于资产方提供数据以及三方数据建立对逐笔资产信用风险指标的预测
信用风险计量模型：综合逐笔资产的信息对资产池以及 ABS 各层的信用风险进行精确计量
中诚信征信公司在消费金融 ABS 业务中，定位于独立第三方的大数据信用信息服务商，通过信用科技手段穿透底层资产，对每笔底层资产进行精准的信用评估和风险计量，提升消费金融 ABS 的信用风险管理水平。
关键词:
