现金流模型建设及在资产证券化中的重要性

现金流是资产证券化的核心，资产证券化的本意就是现金流的重新分配。要定量地分析资产证券化产品的收益和风险，就必须用到现金流模型。

现金流模型可分成不同的组成部分，即假设部分、资产侧、负债侧、评估部分、收益率扩展曲线，而这些不同的模块则具有不同的功能。

假设部分（the assumption section）：这是储存交易模型参数的地方，包括基本附属数据和目标资本结构的一些细节。

资产侧：是进行现金流量估算的地方。

负债侧：是实现目标资本结构的支付功能的地方。

评估部分（the evaluation section）：紧随债务分析之后，主要功能是对该业务情景进行评级或者估值。

收益率扩展曲线（the yield spread curves）：描绘当前资本市场均衡条件下，不同信用评级证券的收益率情况。这也是估值过程中不可或缺的一部分。(www.xing528.com)

现金流模型的运行结果对资产支持证券的投资者意义重大，也是证券评级机构进行评级的重要依据。任何一个证券评级报告都不能缺少现金流的测算与分析，这是定量评估证券风险的最重要的途径，其运行结果能够直观地显示投资者在未来不同时间段可能的现金回报和预期损失。

现金流模型的构建分为两个步骤：一是根据基础资产的特征，测算基础资产的违约分布；二是将测算的资产违约分布情况输入模型，模拟资产池真实现金流入和现金流支付，并最终得到投资者的预期损失以及各层证券的预期到期期限等信息。

测算资产违约分布的模型大致可以分为两类：解析类模型和蒙特卡洛模拟。解析类模型基于完整的理论分析框架，能够给出一个封闭解，因此具有很快的测算速度，但此类模型依赖于大量的参数设置。蒙特卡洛模拟通过对现实情况的数学化抽象，建立模拟分析模型，并利用计算机技术，通过大量运算，模拟各种可能发生的情况，形成相关考察对象的概率分布，为信用质量分析提供数据基础。与解析类模型相比，蒙特卡罗模拟由于要进行庞大的运算处理，因此测算速度较慢，但由于不需要过多的外部参数，所以相比固定的解析类模型，灵活性更大、客观性更强，且能够提供较高的测算精度。至于具体的违约率、违约后回收率以及早偿率等参数设置，我们将在资产侧现金流分析一节进行详细介绍。

得到资产的违约分布情况，就可以进行具体的现金流模拟。现金流模拟需要考虑的因素主要有：交易结构、信用增级措施、现金流支付机制、信用触发机制。具体地，资产池的现金流入包括本金回收款、利息回收款和合格投资收益等，现金流出包括税费和规费、参与机构服务费用、优先档利息、优先档本金、次级档期间收益和次级档本金等。模型中产品各层的预期利率依据市场同类产品的发行利率设定。现金流模型的输出结果为资产池未来现金流的流入、流出时间分布及规模分布。此外，考虑到资产池现金流不确定的特征，除测出资产池在正常情况下的现金流分布以外，还需要考虑证券化产品在面临各种情景（压力）时现金流的分布情况，所以要对现金流进行压力测试，其主要思想是通过改变基准条件得出各层级不同情景下的临界违约率，即在目标信用水平下，恰好能产生足够现金流并按约定支付本息时的违约率。特定现金流模型的构建要根据基础资产的现金流入状况、相关税费等优先支出项目、资产支持证券（通常根据现金流偿付顺序分为优先/次级）的现金流出状况等具体条款来设计。所构建的模型要能充分体现交易结构中设计的流动性支持、信用触发事件等因素对资产池现金流入、流出所造成的各种影响。因此，对于每个资产证券化项目，有必要根据其具体的交易安排，单独设计更具体且更有针对性的现金流模型，以真实地还原实际的交易结构。

当然，引入模型是为了模拟资产支持证券现金流不确定的特性，如此评价更加符合产品本身的特征，但缺陷也是显而易见的。

一方面，量化模型的输入变量均是对现实情况进行数量化的抽象模拟，是一个将定性指标量化的过程。如何使输入指标更贴近实际情况才是关键所在。因此，加大样本数据范围是一个有效方法，企业间关联关系、行业集中度、贷款集中度、违约率等均需依靠大量历史数据的支撑才能使指标更具代表性。然而目前我国资产证券化业务尚处于起步阶段，历史数据积累不足，难以为评级机构的评估提供支持。另一方面，模型总是基于一定假设条件而成立，如何使模型假设更加贴切地反映现实情况也是未来值得进一步研究的课题。