> **来源：[研报客](https://pc.yanbaoke.cn)** # 水位与堤坝——无增信应收ABS偿付边界模型总结 ## 核心内容 本文构建了一个无增信应收账款资产支持证券（ABS）的偿付边界量化模型，聚焦于建筑施工类应收账款ABS，旨在通过底层资产信用评估，替代传统依赖主体信用的分析逻辑。模型以“水位”（应收账款拖欠与违约）和“堤坝”（证券分层）为隐喻，通过多层分析结构，识别不同档证券在不同风险情景下的偿付能力。 ## 主要观点 - **风险事件重定义**：无增信ABS的核心风险是债务人拖欠账款，而非传统意义上的违约，应以交易文件中定义的“逾期90天”为风险事件标准。 - **OC ≈ 付息款**：超额抵押（OC）在零违约情况下会被票息、费用和次级期间收益消耗，实际“堤坝”只有次级部分，单户敞口大于次级厚度将直接暴露优先档。 - **风险二元结构**：优先档风险分为按时性风险（由拖延行为驱动）和本金风险（由大额单户违约驱动），两者需要不同的风险补偿。 - **PD是主轴，ρ高度不敏感**：在高集中度小池中，违约概率（PD）是优先档损失概率的主导因素，相关性（ρ）对损失概率影响较小。 - **触发机制时滞性**：触发线常与单户集中度错配，90天逾期认定可能滞后于优先档兑付需求，难以在初期形成有效缓释。 - **循环购买上界**：循环结构需以最差合规池为基准，判断优先档在何种条件下会确定性展期或出现大额损失。 ## 关键信息 ### 模型框架 模型分为三层架构和八步法，从发行文件出发，结合数据可得性分为三档分析： - **L1档**：仅需评级报告/说明书，可进行现金流压力测试与合成池测算。 - **L2档**：需债务人清单，可做逐户分组、最差池分析。 - **L3档**：需回款日或合同进度，可进行行为先验校准与全精度现金流测算。 ### 三层功能 1. **第1层：现金流压力测试** - 无概率假设，通过设定压力场景（如指定债务人回款延迟）测算优先档票息断付、触发线击穿、本金损失等风险边界。 - 举例：单户违约时，OC不计入，真实垫为次级部分，损失逐层穿透。 2. **第2层：行为先验** - 基于合同履约数据计算债务人拖欠比例（g），并扣除10个基点的正常账期容差后加权。 - 对无行为数据的产品，采用行业先验数据（如央企年报数据）进行外推。 3. **第3层：拖延-违约统一蒙特卡洛** - 模拟每笔资产的回款情景（正常、拖延、违约），并输出各档证券的风险分布。 - 敏感性测试显示，优先档损失对PD高度敏感，对ρ高度不敏感。 ## 实证分析 ### 分散型产品（产品A） - **资产池**：约27.9亿元，34户国企业主工程进度款，N_eff≈16。 - **分层机制**：优先A1/A2/B档 + 次级。 - **集中度**：Top1占10.6%，Top5占47.7%。 - **模型结果**： - A1档展期概率36.7%，票息延付22.7%。 - 本金损失概率上限不足1%，风险集中在“按时”维度。 - 确定性风险：Top1+Top2零回收时，B档损失1.06亿元，A1/A2稳定。 - 循环上界：Top1零回收时，A2档损失10.6亿元。 ### 集中型产品（产品B） - **资产池**：约15亿元，15户应收账款，N_eff≈8。 - **分层机制**：优先A档（82%）/B档（5%）/次级（8%）。 - **集中度**：Top1占28%，远超次级+B合计（约13%）。 - **模型结果**： - A档展期概率17.0%，票息延付概率21.3%。 - 本金损失概率有据区间为0.62%-2.54%。 - 确定性风险：Top1零回收时，A档损失2.14亿元，B档全损。 - 循环上界：Top1零回收时，A档损失5.45亿元。 ## 模型适用性与局限性 ### 适用性 - 模型适用于无增信应收账款ABS，尤其建筑施工类资产。 - 数据越全，模型精度越高，可分三档运行。 ### 局限性 - 依赖发行文件和资产池数据，数据不足时需依赖行业先验。 - 稀释、混同、法律瑕疵等无法量化，需依赖定性尽调。 - 违约概率仍是最大不确定性来源，需持续校准。 ## 投资结论 - **分散型产品**：优先级本金安全边际高，核心风险为兑付节奏不稳定，适合配置型资金，需加码流动性与展期风险溢价。 - **集中型产品**：A档风险接近信用债，B档更像夹层股权，需按高风险逻辑定价。 ## 模型输出 模型输出五维度偿付边界画像，包括： 1. 回款及时性与展期风险 2. 本金亏损概率及有据区间 3. 次级厚度与真实损失垫 4. 循环购买最差池上界 5. 定性尽调补充因素 ## 风险提示 - 模型为辅助决策工具，不替代专业尽调。 - 债务人分类依赖逐户映射，大比例债务人落入默认兜底时，违约概率和相关系数可能错配。 - 稀释、混同、法律瑕疵等需依赖定性尽调。 - 违约概率仍是模型的最大不确定性来源。