内容摘要
自2016年不良资产证券化重启以来，信用卡不良ABS在助力金融机构有效化解表内零售类资产不良压力的优势凸显，经过快速增长已成为不良ABS的主流产品，市场地位显著提升。由于信用卡不良ABS底层基础资产均为纯信用不良资产，其回收具有较大的不确定性，在此背景之下，产品的估值准确性凸显其重要性，引发市场对不良估值方法长期的探索、讨论和研究。
中债资信凭借银行间全覆盖评级的优势，通过不断累积项目经验对估值方法迭代与更新，最终形成一套科学、客观、严谨的估值方法体系，在估值总额和估值时间分布方面均实现了较高的估值准确度。本文通过选取40余[1]只样本产品，从证券全周期、优先级存续期间以及逐期的回收等多个维度进行分析与校验，90%以上的结果证明中债资信的估值的准确性较高。同时，本文详细介绍了中债资信实现准确估值的经验，供市场参考。
[1]部分样本未纳入使用的原因包括表现期过短，估值结果尚不稳定等。
一、信用卡不良ABS估值准确的重要性
（一）信用卡不良ABS发展迅速，有效化解银行表内零售类资产不良压力的优势凸显，市场地位以及重要性日益提升
自2016年，不良资产证券化重启以来，信用卡不良ABS发展迅速，发行规模以及发行单数增速较高。根据中债资信统计，信用卡不良ABS年发行单数由2016年的3单上升至2019年的22单，增幅达6.3倍，累计发行54单，占不良ABS发行总单数的56.25%；累计处置信用卡不良资产达到1,155.33亿元。2020年，新冠疫情之下，由于信用风险进一步下沉，银行表内的信用卡不良贷款规模攀升压力进一步增加，直接带动发起机构的发行踊跃性持续提升，仅上半年共发行13单，同比增长62.5%，增速较快。综上，信用卡不良ABS未来发行量预计将再创新高，产品市场地位以及重要性日益提升。
（二）底层资产回收率逐年下降，引发市场各方对估值准确性的进一步关注
从各家发起机构静态池回收数据和已发行产品真实回收表现来看，随着宏观经济增长的持续放缓，以及催收政策和环境的变化，近几年信用卡不良贷款回收率整体呈下降趋势。如下图所示，2018年成为不良的信用卡贷款在后续12个月内的平均回收率仅为24.82%，较2017年、2016年分别下降了5.09%、11.41%；2018年下半年以来，各发起机构的产品估值整体上也存在一定幅度的下调。
1、估值准确性直接影响投资人的投资决策以及投资收益高低
估值的准确性分为两方面，一是估值的总额准确，二是估值回收时间分布准确。从投资人来看，若估值总额虚高，实际回收不及预期，投资人将面临本金或收益亏损的可能；此外，对于优先档投资人而言，投资更关注违约风险以及期限，譬如现金管理类理财和货币基金可投资剩余期限在397天以内（含397天）的资产支持证券，若估值现金流相较实际现金流过于前置，则证券的兑付需要整体后延，影响投资人的预期流动性安排，若估值现金流过于后置，则优先档将提早完成兑付，在市场利率下行的背景下，优先档投资收益会降低，再投资风险增加。
2、估值准确性直接影响发起人的声誉以及发起动力
从发起人来看，若估值总额虚高，发起人将承担催收不达预期的声誉风险，譬如某发起人发行的信用卡不良ABS，由于部分原因无法在预期到期日完成本息兑付，证券需延期兑付，这对发起人的声誉造成一定的负面影响，后续该类产品销售或面临困难；若估值总额过低，发起人则面临资产贱卖的损失压力，进行资产证券化的动力不足。
综上，估值准确性牵动了信用卡不良ABS市场各参与方的关注，关系着发起人与投资人的损益以及健康的市场秩序。因此，研究估值准确性对该类产品意义重大。
二、中债资信已实现较高的估值准确性
（一）90%信用卡不良ABS项目的真实回收表现与中债资信的预测相近，证明估值准确性较高。
截至2019年末，市场已发行的53单信用卡不良资产支持证券的资产池估值水平相对集中，估值毛回收率[2]均分布在5%～30%之间，最高为27.48%。如下图所示，建设银行整体估值范围在18%～28%之间，工商银行整体估值范围在13%～18%之间，农业银行整体估值范围在13%～20%之间，招商银行整体估值范围在9%～17%之间，浦发银行整体估值范围在6%～14%。
[2]毛回收率 = 24期或36期总回收金额 / 封包时点入池资产未偿本息费余额
从整体估值准确性来看，90%的项目真实回收表现与中债资信的预测回收比值在1附近，比值均值约为1.12，估值准确性较高。从市场主要发起机构来看，以工商银行、建设银行、招商银行为例，累计真实回收/累计预测回收均值分别为1.15、1.08、1.12，估值准确性较高。
（二）优先档证券存续期内（约为12个月），累计真实回收/累计预测回收的比值平均为1.11
从历史发行的所有信用卡不良产品来看，截至2019年末，优先档证券均正常兑付。如图4所示，各产品的累计真实回收与中债资信的预测回收的比值基本集中于[0.90, 1.50]的区间，均值为1.11，多数产品的真实回收金额略高于中债资信预测回收金额。由此可见，中债资信在谨慎客观的原则下，同时考虑宏观经济环境、发起机构催收政策变化、回收水平的季节性等因素的影响，预测的估值水平能够较好地反映出信用卡不良贷款的真实回收水平。
少数几单产品的回收比值小于1，但均未低于0.90。中债资信在对信用卡不良ABS进行信用评级时，对最严苛压力情景的设置已经考虑了回收率下降10%的情况，所以这几单产品相对较低的回收水平仍在中债资信的压力覆盖范围内，对证券偿付尚不会构成重大影响。
（三）证券存续的全周期内，累计真实回收/累计预测回收的比值平均为1.16
信用卡不良ABS底层基础资产的完整估值周期一般为24个月或36个月，截至2020年6月末，各发行产品的真实回收数据表现期数不尽相同，这里我们将实际表现期分为6～24期和24期以上两类情形，分别进行估值准确性的验证。整体来看，两类表现期的产品累计真实回收/累计预测回收的比值均落于区间 [0.9, 1.5]内，均值为1.16，真实回收情况均接近中债资信估值预测水平（如下图所示）。
（四）主要发起机构的逐期真实回收/逐期预测回收的比值略有波动，但基本稳定在1附近
受到发起机构本身催收管理的因素、季节性因素、节假日以及宏观经济形势的影响，发起机构在不同月份的回收情况与中债资信的预测水平相比，呈现上下浮动的态势，但仍基本保持在相对稳定的水平。以中国建设银行的信用卡不良产品为例，全周期内观测到的逐月回收/逐月预测值围绕1.00有所波动，整体表现基本稳定；另外，随着表现期数增加，波动逐渐剧烈，主要是由于逾期时间较长资产的尾端回收具有较高不确定性所致。
三、中债资信如何实现准确估值
自2016年不良资产证券化重启以来，中债资信凭借银行间评级全覆盖的优势，深耕估值技术，积累项目经验，不断地进行方法迭代与更新，最终形成一套科学、客观、严谨的估值方法体系。目前，借助该方法已实现上文所述的较高估值准确度，获得市场发行端和投资端的认可。
中债资信根据大数定律，运用定性与定量相结合的分析原则，对静态池和资产池进行聚类分析，结合统计检验的方法将具有同质化特征的资产进行归类划分，得出资产池的初始回收率。然后，在此基础上，综合各方面因素对初始回收进行合理调整，得到最终的毛回收率以及回收时间分布。
（一）分池阶段，合理选取用于参考的历史数据，对静态池和资产池进行聚类分池，匹配得到资产池初始回收率
信用卡不良估值的第一步是分池计算，先挑选与资产池同质的静态池，将静态池和资产池以相同方式聚类划分为若干子池。假定各子池内的基础资产同质，然后以静态池各子池计算得到的回收率作为资产池相应子池回收率的预测值。
1、选择与资产池的时间长度和产品类型一致的静态池，并剔除新增消费，确保历史数据选用的合理性
在选择静态池时间长度时，我们选择资产池成为不良最早的时间点作为静态池的时间开始日，选择封包日当天作为静态池历史数据的截止日，保证静态池的时间长度包含资产池的时间长度；同时，应保证静态池的资产类别与入池的资产类别一致，剔除不相关资产，保障两池匹配，避免模拟回收受到干扰；最后，应准确甄别新增消费的情况，若回收款中本金回收总额大于成为不良时未偿本金余额的资产，即可认定为存在新增消费的情况，将这一类资产从静态池中剔除，避免回收高估。
2、选取有较强预测能力的特征变量，对不良资产池进行聚类划分，确保历史回收情况映射的合理性
我们利用统计检验的方法，选取检验结果显著的变量，将具有相近特征的不良贷款划分至同一类别。影响资产池回收率的变量较多，通常包括成为不良时未偿本金余额、客户授信额度、年收入、职业、地区等，以贷款成为不良时的未偿本金余额为例，随着金额增大，回收难度升高，回收或呈下降趋势。分池后将得到n个子池，各子池均可计算得出对应回收率，资产池未打折毛回收率是由各静态池子池回收率映射相应资产池同质子池所得，即资产池各子池的毛回收率与资产池子池的未偿本息费余额相乘，得到各子池的毛回收金额，然后根据账龄调整并累加得到资产池的整体未打折毛回收率和毛回收金额。
（二）调整阶段，需考虑诸多因素消除静态池和资产池之间的差异，修正以历史预测未来的偏差，得到最终毛回收率
通过静态池预测拟证券化资产池的缺陷，在于两者之间存在差异。静态池仅包括过去成为不良的贷款数据，与资产池在外部经济状况、贷后催收政策、资产本身质量等方面存在差异；而且，当进行长期预测时，若使用的历史数据较为久远，也会导致对未来发展趋势的判断不足。因此，需要考虑诸多的估值调整因素，包括但不限于入池贷款特征、特殊事件、过往项目回收表现情况、催收政策和催收能力、宏观经济环境等，对静态池与资产池之间的差异进行修复。
1、为降低回收估值受资产池与静态池在定性与定量因素上差异的影响，设置差异因素调整项以平滑差异
拟入池资产池通常只是该发起机构所有历史资产数据中的一小部分，经过刻意挑选后，资产池的特征与静态池的特征可能会存在明显的差异，且会影响回收预测的效果。譬如，若资产池中存在未满3年的新产品，且其余额占比明显超过静态池的余额占比，此时应在毛回收率基础上进行针对性调整。目前，中债资信的差异折扣因素包括产品差异、区域差异、账龄差异等。
2、针对某些特殊事件或系统性因素，应判断对回收的影响范围和影响程度，对估值进行调整
特殊事件一般通过影响发起机构的催收能力来影响最终的回收估值。在估值过程中应考虑这些事件的影响，判断影响范围和影响大小，并应用到估值调整实践中。在此，以暴力催收整顿事件为例分析特殊事件对回收的具体影响。
2019年4月，工信部为响应打黑除恶的政策，牵头八部委以及几大电信运营商联合整治暴力催收，这一行动直接影响信用卡不良ABS的实际回收。我们对存续产品的真实回收进行了4个月的连续监测，以此判断该发起机构是否涉及暴力催收以及是否受到整治行动的影响，并将该事件的影响通过特殊事件折扣对估值进行调整。结果显示，不同银行受到整治行动的影响程度不同，部分银行的单月真实回收下降幅度达到20%~50%，其它银行受影响较小。对于受影响较大的银行，将根据历史已发行产品真实回收波动情况确定特殊事件折扣值，对新产品估值进行酌情下调。通过后续观测，估值下调产品的实际回收基本保持稳定，并未出现进一步恶化，证明当前对特殊事件的判断处理较为准确。
3、根据历史数据以及已发行产品的真实回收波动规律，模拟并调整回收时间分布
通过逐月观测历史回收数据，将其波动性规律复制到资产池的现金流中，对部分波动性较大月份的金额进行后置或前置处理。譬如，春节所在月份或者国庆十月，其回收金额应进行一定比例的后置，得到最终的回收时间分布。
2019年，我们对估值方法进行了第二次优化和升级，历时4个月，通过200余次测算模拟以及多轮专家意见的收集反馈，实现了信用卡不良ABS估值方法与评级技术的进一步完善，推动理论基础更加扎实、评级结果更加准确。新方法弥补了过去回收时间分布过于平滑，与实际回收曲线差异较大的缺陷，根据发起机构历史回收表现，分析基础资产的月回收波动性及季节性波动规律，调整当前产品的回收时间预期，使预测情况更加接近于真实表现。
以建鑫2017-2为例，图9展示了该产品存续期间的真实回收表现与原方法下预测现金流入的对比情况，可见真实回收在不同时期会围绕代表回收预期的平滑曲线上下波动。而在新方法中，如图10所示，经调整后的回收曲线的预测准确性大大提高，更加趋近于真实回收情况。
四、展望
目前，中债资信的信用卡不良ABS估值方法在实现估值总额以及回收时间分布的准确性方面已取得初步成效。随着我国不良资产处置力度的持续加码，信用卡不良ABS有望继续加速发展。为了及时适应我国信用卡业务的发展变革，及时适应风云变幻的经济形势和社会环境，相关技术方法不能故步自封，仍需与时俱进不断改良优化。在现有基础上，或可进一步探索将更多可能影响回收的不良贷款特征和借款人特征纳入估值体系的可行性，考虑区域性特征造成的回收差异、公共卫生事件各阶段影响可能不同等新的因素，继续夯实信用卡不良ABS的估值准确性，为市场提供更优质的服务，助力我国信贷资产证券化市场稳健发展。
声明
本报告由中债资信评估有限责任公司（China Bond Rating Co.,Ltd）（简称“中债资信”，CBR）提供，本报告中所提供的信息，均由中债资信相关研究人员根据公开资料，依据国际和行业通行准则做出的分析和判断，并不代表公司观点。本报告中所提供的信息均反映本报告初次公开发布时的判断，我司有权随时补充、更正和修订有关信息。报告中的任何表述，均应从严格经济学意义上理解，并不含有任何道德、政治偏见或其他偏见，报告阅读者也不应从这些角度加以解读，我司及分析师本人对任何基于这些偏见角度理解所可能引起的后果不承担任何责任，并保留采取行动保护自身权益的一切权利。
APP专享直播
热门推荐
收起
24小时滚动播报最新的财经资讯和视频，更多粉丝福利扫描二维码关注（sinafinance）
