压力测试_现金流压力测试（上）

篇首语：本文由编程笔记#小编为大家整理，主要介绍了现金流压力测试（上）相关的知识，希望对你有一定的参考价值。

资产证券化产品在结构上的复杂性给对其风险测算和定价带来了很高的难度，因而来自专业评级机构的评级对于资产证券化十分关键。在给资产证券化中的债券评级时，主要分为两个方向：分别是定性分析与定量分析。其中定性分析更多的是考虑产品的交易结构、法律风险以及参与方履约能力等，主要侧重于从理论层面来解释评级的准确度。而定量分析则分为蒙特卡洛模拟与现金流压力测试，给评级的最终确定确立了一个标准。之前我们介绍过了蒙特卡洛模拟的相关内容，本次我们就以国际常见的CDO产品为例来重点介绍下国际上较为通用的现金流压力测试的内容。

现金流分析一般是和基础资产违约模型相结合使用的，一般在通过蒙特卡洛模拟测算出资产违约和损失分布之后进行，是定量分析的第二步。现金流分析的目的是评估每个信用级别按期偿付全部利息和本金的可能性，最终需要使得每个分层都通过现金流分析来评估能否支持该债权的现有信用评级，同时也可以测算出其流动性以及所需的准备金。

在做现金流压力测试的时候，需要考虑很多不同因素和环境。其中主要的因素包括本金和利息偿付的优先顺序、超额抵押和利息的覆盖测试、再投资收益、提前偿付或回购事件、超额利差的累积和准备金水平。

在做某层债权时，需要组合不同因素以及环境来模拟出一个压力情景，这些压力情景的苛刻程度需取决其债权的信用预期评级，预期评级越高所需承受压力情景越苛刻。衡量是否通过此测试是需要资产在压力下仍然能够提供稳定的现金流进行本息偿付。这些分析的结果最终会得到临界违约率（BDRs），如果资产组合在某一信用评级上能够承受的BDR水平高于情景违约率（RDR），那就可以获得信用预期评级。BDR高出RDR越多则债券承压能力远高于设定的情景，通常这部分被称为“保护垫”。

现金流模型设定

在设定影响因素来构建情景时，其实是会遇到不少困难的，因为部分因素很难被预估并设定。例如违约时间、利率变化、回收款状况等，只能依据过往数据来进行预估，产生偏差是不可避免的。因此会需要对债券所在地区的环境、资产池的特征进行分析，合理调整压力的系数。

信用等级的含义

上面提到评级的等级是鉴于还本付息的可能性，通常这个是观察在法定到期日之前的现金分配情况。在对CDO产品的评级是否满足的结果进行判定时，每个等级的要求会有所不同，如下所述：

AAA~A层级：现金流模型应该显示在到期日利息和本金能够偿付，利息没有延迟。

A-层级：现金流模型允许利息的延迟不超过3年，之后利息的支付必须按计划进行。

低于BBB+层级：允许利息延迟直到法定到期日，但所有利息必须全部支付完毕。

另外，除非注明“延迟利息”等条款可以除外，否则测试时需严格执行类似以上的判定规则。

违约时间分布

违约发生的时点是另一个重要的测试环节，测试时可以假设多种违约分布概率来进行测试，通常会设定一些主要模型以及一些辅助模型（为了满足一些特定环境所设置，例如低信用资产或期数较短等情况）来进行测试。

 图1 四种主要模型

       上图表明了四种模型的违约分布，也即一旦发生违约，违约时间的分布概率。例如一个40%违约率的资产使用模型二，那么违约分布就是用40%乘以各自违约时间分布的概率，最终得到在第1、2、3、4、5年发生违约的概率为16%，8%，8%，4%，4%。如果最初的本金余额是500美元，违约金额分别是80，40，40，20，20。像模型二这类模型是测试超额利差的依赖程度，首年分配时会出现较高的违约概率，这将严重影响到后期所产生的利息，使提供信用支持的超额利差减少。而像模型3则更多的关注后期，现金流分配会对后期违约事件发生更为敏感。

上面说的是一些主要模型，在实际操作中，进行测试时往往还会加入一些辅助模型来应对特殊情况，例如在为低信用级别资产测试时，需要把违约分布集中到首期（如图2），目的是为了模拟低信用资产在首期就出现大概率违约情况下现金流的分配情况。

图2 低信用级别的辅助模型

通常来说ABS产品的到期时间较长，但不排除有些特例拥有较短的到期时间，上图就是另外两种模型来测试此种情况下的违约分布。

 图3 法定到期日较短的辅助模型

利息错配偏差

       在设计证券的要素的时候，利率是个重要的组成部分。一般而言，对于有息证券而言，其利率可以是固定利率，也可以是浮动利率。固定利率证券的利率始终保持不变，是一个固定值，而浮动利率证券的利率则和市场利率相关，其公式表达为：基准利率*倍数+利差。这里利差一般是个固定值，而基准利率则是一个和市场相关的利率，一般国际通用的是Libor（伦敦银行间同业拆借利率），而国内目前用的多的则是存款利率或贷款基准利率。

       在高利率的环境下，浮动利率就会显著增高，这就使得债务人承担更多的付息压力，容易产生更高的违约概率。相反，在低利率情况下，由于相对市场利率而言，固定利率证券的付息压力更大，因而固定利率债务人违约概率更高。

因而，在设计现金流模型来测算违约概率时，需要在高利率情况下偏向于浮动利率，在低利率情况下偏向于固定利率。通过这种方式，从而校正市场利率波动对于证券偿付的违约率的测算的精确度。一般在混合评级查过10%时，国际经验是引入违约偏差的概念来校正：

违约偏差 = 2x/(1+x)

其中x是固定利率或浮动利率贷款的比例。假设资产中有60%的固定利率资产和40%浮动利率资产,则

a.     当基准利率上升，则对浮动利率资产产生违约的概率上升，因而先计算浮动利率违约偏差=2*40%/(1+40%)=57%。这时就可以调整现金流模型中对应的资产违约率为：浮动利率资产-57%，固定利率资产-43%。

b.     当基准利率下降，则对固定利率资产产生违约的概率上升，因而先计算固定利率违约偏差=2*60%/(1+60%)=75%。这时就可以调整现金流模型中对应的资产违约率为：浮动利率资产-25%，固定利率资产-75%。

结合上述的现金流模型设计中的基础违约分布模型和一些校正偏差的辅助模型，我们就可以来运行具体的现金流模型了，从而得到最终现金流压力测试的结果。