资产证券化分析周报：ABS定价分析：以随机森林为例

　　ABS 定价分析——以随机森林为例

    　　传统ABS 定价方式主要是基于其债券和衍生品的特性，比如静态现金流折现法、期权调整利差法等，实现成本较大，因此这里我们探索基于机器学习的方式解决这一问题。随机森林的“树”结构能较好地处理过拟合问题，而相关变量的重要性考量也为投资者评估ABS 风险与收益带来更多增益信息。

    　　基于模型训练，我们得出以下结论。

    　　（1）对小额分散类的ABS 产品而言，信用等级指标在产品定价中起到至关重要的作用。显然地，高评级的产品市场认可度较高，风险较低，而低级别证券的发行，往往需要发行人支付更高的风险溢价；此外，证券层面的次级占比、发行期限，资产池层面的加权平均贷款利率，及市场层面的ABS 存量规模、发行年份对ABS 发行利差的解释性均较强。

    　　（2）ABS 分层是其实现信用增级最重要的内部机制之一，次级证券给优先级证券提供信用支持，次级占比越高，对优先级证券的信用增级效果越强，相应的优先级发行利差也越高。

    　　（3）对不良贷款类ABS 而言，基础资产池中的借款人数量、贷款笔数、平均每笔贷款未偿本金余额均显著影响其发行利差，因为不良类资产不同于其他正常存续的贷款，一般而言单笔未偿本金金额越大，借款人数量越少，对发起机构来说催缴成本越低，催缴成功的可能性就越大，不良类ABS 的发行利差对国债收益率也较为敏感，随市场波动利差变动较快。

    　　（4）资产池是否出表、还本方式在两种ABS 资产中的解释力度均较低。

    　　（5）如果ABS 的实际发行利差水平高于预测利差水平，投资者购买该证券更可能获得更高收益。

    　　风险

    　　数据统计误差，市场波动风险。

声明：

1. 风险提示：以上内容仅来自互联网，文中内容或观点仅作为原作者或者原网站的观点，不代表本站的任何立场，不构成与本站相关的任何投资建议。在作出任何投资决定前，投资者应根据自身情况考虑投资产品相关的风险因素，并于需要时咨询专业投资顾问意见。本站竭力但不能证实上述内容的真实性、准确性和原创性，对此本站不做任何保证和承诺。
2. 本站认真尊重知识产权及您的合法权益，如发现本站内容或相关标识侵犯了您的权益，请您与我们联系删除。