商业银行个人不良资产证券化产品定价的实证研究——基于机器学习

樊响，等：商业银行个人不良资产证券化产品定价的实证研究财政与金融

业银行个人不良资产证券化产品定价的实证研究

—基于机器学习算法

樊响#,阮俊杰2,刘博森1

(!中国农业银行总行研发中心，北京100073;

2.中国农业银行总行个人信贷部，北京100005)

[摘要]个人不良贷款证券化是商业银行化解不良贷款的重要途径之一。目前，不良资产证券化产品定价多通过市场 询价完成，定价过程缺乏科学依据和理论支撑。对个人不良资产证券化产品定价进行了实证研究，运用机器学习算法和对定价法对产品进行 定价。

[关键词]个人不良贷款证券化#定价#商业银行

[DOI]10. 13939/http://ki.zgsc.2019. 05. 045

1定价方法

基于到期收益率的银行不良资产证券化产品在发行原理 和发行结构上与债 品具有 性，因此对银行不良资 化的定 债券的定价方法。

资本资产定价模型（CAPM)，将风 回报（利）系起来，建 以无风险利 利率的关于 益、无风险利率和风险溢价的线性模型：

求回报率=无风险利率+风险溢

因此，不良资 化产品的定 于基准利 上风溢价，风险溢 表发行利差。因不良资化品的定价公 表达为'

票面利率=基准利率+利差

2指标选取

2%基准利率的选取

利率的标的资产应具有三个特征：一是流动性强，二级市场 ％>益稳定，风险小；三 控性好，资关联性强。

际市场上通常采用短 L i](伦敦银行利率）利。我债品定价通常

采用S h i]R利率，并且不良资化市场参体 市场重合，发行利 D hiboi■相关性大，DGL]能较好地反映我国不良资化产品

的利率。因，本 取1年S h i]R利进行 。

2.2利差的选取

利差是指债券产品利率与基准利率的差值，主要包括期 限利差、利差和流动性利差。期限利差是指因 不 来的利率风险补偿，即不同期限的S h i]之间的收益率 差。利差和流动性利差，不债品的发行利率还会

随 风险水平和流动性水平不 有所差异，一般 等、流动性越好，发行利 。因此，债券的发行利差中还应 风 偿和流动性风险补偿，即：发行利差=期限利差+信用利差和流动性利差3扩充样本容量一一基于机器学习算法

因单个 行发行的债券样本 小，且 债券的发行利率易受短期因素的影响，所以会 统计学的有效性。本采器学习算法对12 有过个人不良资产证券化产品发行记录的银行 进行聚类分析，出样本，样本 的合 充，一步 打下基础。

3.1机器学习.means聚类算法简介

器学习是指通过让计算机自动“学习”，获得 用 新的知识不断地 和改善性能的过程。聚类是指对大量位注的 ，的性 划分为多个类别，使类别内的 大而类别 的

小。聚类算 器学习 成熟的应 域之一。

[means聚类是最流行的聚类算法，本思 ：以空间中Q个 进行聚类，对最靠 的对象归类。通过迭代的方法，新聚类的值，直得到最好的聚类结果。各聚类本身尽可能紧凑，聚类 尽可能分开。

3.2数据筛选和预处理

取12 上发行过个人不良资 化的银行金 融 对象，以2017年年报 ，从资产规模、盈利能力、资质量、风防控4个方面选取了8个 指 。于 指 的计 位不 ，

的可比性，采用Z-i]e法对 进行标注化 。

3.3算法流程

[means聚类算法大致流程为：（1)随机选取Q个点作 (这Q个点不一定属于 ）％(2)分别计算每个 Q个 的距离，离哪个 最近，就属于哪类；（3)重新计算Q个 的坐标（简 的方法求坐 的平 新的坐 ％(4)重复2、3步，直 坐标不 循环 成。

3%运算平台和运算过程

本文采用Pyth。，3.5进行编程，调用了 S kleam库、numpy库、matplotliL和m pl_ toolkits库，进行机器学习、数 算、三维图像绘制，如图1所示。

(1)聚类结设置为3，即将样本聚为三类。

2019.2 [H D I 45