【中金固收·资产证券化】ABS定价分析—以随机森林为例

文章预览

中金研究 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 ………………………………