西南财经大学信托与理财研究所副所长  罗荣华先生在现场致辞及主题发言

                             资料来源：2015第四届普益标准管理论坛

今天非常高兴能邀请各位业内专家参加这个论坛，我也非常荣幸能代表我们研究所向大家报告我们研究所最新的研究成果。我们说报告，但其实更希望的是和大家互相探讨在理财市场所做的一些事情。

我今天首先会有一个背景介绍，然后会介绍我们这个评级方法的框架，然后是我们在这个评级中间需要处理的一些技术细节，最后时间如果允许的话和大家一起看我们的评级结果。

背景介绍

“我们究竟在做什么？”这个问题说起来简单，但在做之前我们思考了很久，我们面对的是金融市场里面一个庞大的细分市场，银行理财市场，现在从规模和数量上来看都已经达到了非常大的程度。在这其中我们注意到，占有份额最大的毫无疑问是封闭式预期收益率的银行理财产品，广大投资者，各位专家你们所在银行的客户可能购买数量最多的也是这类产品，我们就想给这类投资者提供一个评定方案，告诉大家说这个东西相对而言究竟传递出了哪些方面的信息，这就引导出我们的目的。一方面是为投资者，我们可能更多的刚开始站在投资者的立场告诉投资者买产品的时候哪些产品相对好一点，这个好不是简单的收益率高就好，我们需要综合考虑各方面的因素。除此之外，我们还希望通过我们的工作能够帮助银行更加深入的理解商业银行在发行产品时候的内在规律，我们希望能够做到的事情是说让大家在某些地方能够感觉眼前一亮，这些事情也许各位业内专家在自觉或者不自觉的时候已经在做，但是可能没有完全意识到。我们做这个事情刚开始觉得没有那么困难，我们2011年就开始在想这方面的事情，后来发现这个事情还真的不是那么容易。就像翟教授刚才在欢迎辞里面讲，在我们国家的金融市场中间有最主流的两类金融工具，一类是债券，一类是股票，当然还包括银行信贷，这都是非常传统的，也是大家熟知的产品。但是银行理财自从它创设那天开始到现在一直处于快速的变革之中，它有它一些非常独特的属性，这是我作为研究金融学的老师可以说最不喜欢看到的事情，比如我不知道这个产品它背后的标的究竟是什么。我们随便抓一个产品过来讲我们可能有70%是投资货币市场、投资债券市场，但是究竟详细比例是多少，如何变化，有什么规律，这就和另外一个相对成熟的产品，共同基金差别很大了。第二，理财产品通常不存在二级市场，投资者和银行客户买完之后如果有流动性的需求想要实现的话恐怕相当困难，迄今为止很少有大规模的针对这方面的二级市场，而且大多数产品部存在类似于基金的申购与赎回机制。第三，产品的种类五花八门，有七天的，35天的，有1万起的，有10万起的，还有本币和外币的，样式真的是太多太多。由于这些区别于传统的债券基金甚至银行信贷的这些特征，决定了对这一类产品进行分析的时候，我们传统的分析手段确实不能直接照搬，我们需要有一些新的思考。

我们很早以前就开始思考并做了一些工作。去年的时候我们受到基金评级方法的触动，运用了半参数的方法对周期性发行的银行理财产品进行评级。我介绍一下我们半参数评级所做的事情，我们最早称之为1.0版本，我们当时对产品定价做了一个构想，我们认为它从技术形式上可以拆分为大概三个部分：一个是随机效应，另外一个是线性部分，，这主要是产品的特征。然后有从债券借鉴过来的收益率曲线的非参数函数F   ，最后有一个，有一个扰动（英文字符），这个东西看起来能解决一部分问题，但是它存在一些缺陷，现在看来这个缺陷还在不断被放大。我们首先注意到这个评级方法只能针对周期性发行的产品，如果不是周期性发行的我们没有办法对它进行后续的评级工作。其次，在这个模型中间我们由于数据的限制，我们只能更加注重预期收益率，相对忽略了到期收益率，对投资者而言可能一方面会关注预期收益率，但相对而言可能更加重视的是究竟这个产品到期之后能够获得什么样的回报。为此，我们进一步思考有没有其他的缺陷呢？还真的有。产品不可避免的受到宏观经济的影响，我们1.0的时候没有考虑到，为此我们需要一个新的方法。

评级方法的框架

这个新的方法就是我们今天和大家交流的预期收益率产品的评级方法，我们在这个方法当中希望能够实现一些我们的想法。我们希望更加侧重到期收益率，而不是预期收益率，更加注重本质还不是刚刚发布产品说明书里面的收益率的数字，以及我们希望涵盖更多的产品，而不仅仅是周期性的产品，这是我们的初衷。基于这样的想法我们就开始思考我们究竟该怎么做，要回答这个问题，我们就追寻到定价理论，不管是传统的理论还是大量的实战分析，现在公认的是说价格应该是这样的：价格首先一定会涵盖无风险的收益率，然后会有一个风险溢价，再之后有一个流动性溢价。这三个方面，前两个是早期金融学的一般理论，就是理性框架下的一般金融学理论所推导出来的结论，都是从这里面可以看到它的影子。大家如果对金融学稍微熟悉一点，金融学早期关注一般理性人的均衡，但是现在会关注一些非理性人的行为特征，就是现代行为金融学所发现的（现实和理论情况）往往有一定的行为偏差，这是现代金融学理论和实践所证实的。我们就从最基本也是最核心的金融理论出发，来思考我们银行理财市场上的问题。比如预期收益型银行理财产品的定价或收益率应该包含，比如至少有风险溢价。风险溢价说起来简单，我们要进一步思考它究竟是什么，金融学告诉我们风险越高要求的风险溢价相应越高，但是我们不清楚，在这一类理财市场上的风险应该如何定义，进而如何测度。流动性的理论也告诉我们流动性越差要求的溢价越高，那流动性究竟包括哪些方面呢？在我们看来银行理财产品中间至少有两个方面非常集中的反映了流动性，一个是产品的期限，因为投资者一旦购买产品之后，它是没有办法再进行变现的，自然是期限越长，流动性越长，然后规模，或者说投资门槛越高意味着流动性越差。我们的问题就是，这类流动性的影响该用什么样的方法测量。进而还有投资者行为偏差，理财市场之间投资者的行为偏差，比如说我们注意到产品中间往往会有这样一个划分，是普通投资者和高净值投资者他们有一个区分，他们面对的产品在定价上，甚至是对风险溢价和流动性溢价要求上是否又存在差异呢？我们按照这个框架，如果能够回答这三个问题，那大概我们就可以知道这个产品它的定价究竟是怎么回事，进而我们可以把这样一个产品的内在收益进行剥离。

技术细节的处理方法

首先关于风险，我们注意到银行理财它本质上有很多和债券和银行信贷相类似的地方，以债券为例，投资者买债券就把钱借给债券发行方，投资者买理财产品也可以近似看成把钱借给银行，而且是有约定期限的资金借出行为。我们进一步认识到在借出的时候有一个给投资者产生第一印象的预期收益率，这个看起来不就像债券最开始的票面利率吗？或者说像银行发放贷款的贷款利率，这个初步印象，然后到期之后会有一个到期收益率。如果债券不能兑现它的预期收益率，不能兑现它的面利率，我们称之为违约。信贷客户贷款不能按时还款，我们也把它称之为违约。这是金融学当中经典的风险，信用风险或违约风险，我们把这个风险借过来在银行理财中间进行明确定义，对于公布了预期收益率的产品而言，如果它不能达到预期收益率这可能就是违约风险或者说信用风险。有了这个定义之后，我们接下来的事情就好办了。我们就借鉴银行对贷款的违约风险，有两个维度，一个是违约概率，一个是违约损失，这是从风险来看。有了风险之后，我们就进一步把经典的金融学理论拿过来，有了风险之后有一个确定性等值，或者用风险调整后的收益率，它应该是这样的。这个地方有一个比较特别的，有一个，（公式）它进行了一个风险调整，但是这个调整我们不能不加处理，一般投资者会要求风险的额外补偿，这里我们会有风险系数调整后的补偿，针对π我们会有不同的取值，保证收益的应该是1，保本浮动型的1.2，非保本浮动型取值1.4，这是对风险。流动性的调整，要找一个相对物，最常见的就是国债，对期限方面进行调整，除了期限影响流动性，还有规模。那规模的话我们就思考一个问题，我们假定没有之前的这种期限，也没有之前的风险的影响的话，仅仅是由规模产生的收益率的差异，我们把它进行一个调整，我们采用这种方式，这个方括号中间的东西，我们把它称之为规模效益，我们用这个度量保证收益，没有风险的产品，对应规模是s的时候它会是什么收益率，然后我们再把产品的期限t同样纳入考虑之后我们得到了中间的差值，就是，一个产品如果规模为s，期限为ti，它的收益率会达到什么样子，然后减掉。这个区别于基准规模的东西，我们把它称之为规模效益数size effect。

风险调整和流动性调整我们可以做的还剩最后一个问题，行为偏差如何调整。我们注意到投资者在银行理财产品中间主要是两类，一类是普通的，另一类是高净值或者机构，我们就来观察这两类产品，面对这两类投资者的产品它们的规模效应是否有差别，以及它们风险的度量，也看违约损失是否存在差别，通过这两方面把行为偏差也纳入考虑。到这个地方我们就只剩下一个细节，怎么处理。我们计算规模效应和违约风险的时候，把产品的购买对象也一并纳入模型，就可以进行处理了。

经过上述三个方面的调整之后我们调整的收益率是这个样子的，这个稍微有一点复杂，但是应该可以看得出来，首先要调整违约风险，现在并不是预期收益率越高产品最终的表现就会越好，会和它违约的概率、违约损失直接相关。同样，不是为了提高收益率把期限拉长就好，我们会考虑它的流动性，期限范围内的流动性，也不是我们把规模效应纳入考虑，提高规模我们对规模同样会进行处理。这样的话，剩余的是什么？剩余的就是银行内在的管理能力。最左边的PYAR是什么东西？就相当于在传统金融学里面讲的α。这个框架我们看起来不错，但是我们处理的时候还是有细节，首先PD、LGD不晓得，还有规模效应同样不晓得，没有哪个产品会给我们讲，我们需要自己算，这一系列的问题都需要处理。我们相信数据是有规律的，有规律就好办，我们将来会在每个周一发布一个产品的评级，我们在每周用前两年的历史数据进行估计。

具体来说，首先看违约概率模型，把历史数据拿过来可以知道产品究竟有没有达到预期收益率，这样一来就是非常经典的统计学中间的广义线性模型或者说对应其他的模型，这个地方不同的模型最大的区别就在于连接函数G的选择和估计，违约损失是同样的，下面的处理方式我们需要考虑如何估计链接函数H，还有规模效益我们需要估计函数F，估计的时候必然需要用产品的特征或者其他一些东西，因为这毕竟是有内在规律的。解释变量X包括产品特征、行业特征、宏观经济特征，我们相信这都是有道理的，但是今天时间关系不可能一个个讲，有兴趣的话我们下午讨论可以交流。

产品方面我们有十几个变量，行业方面我们有七八个变量，宏观经济方面有五六个变量，总共加起来将近30个变量，我们把这些变量纳入考虑，处理的时候也有一些细节，比如说这中间有一些是时间序列变量，时间序列变量处理的时候常规的做法是进行期限调整。我们把这些数据处理好之后，还有一些很麻烦的问题，比如技术上的问题，违约概率模型究竟如何选择，我们考虑了四大类的模型，广义线性模型，包括非线性，我们把所有交叉项同样纳入考虑，不仅是二次项、三次项我们也纳入考虑。所有这些模型都能够给出一个违约概率的估计，但究竟哪个更好？用最为经典成熟的交叉验证结合0-1变量的处理，来选择一个预测效果最好，并且表现最稳定的模型。

违约损失以后规模效益选择的时候我们考虑两大模型，一个是线性模型，一个是样条函数，我们同样利用交叉的方法选择对违约损失预测效果或者规模预测效果最好并且表现最稳定的模型。模型选择之后我们就可以计算刚才的东西，有一个问题，我们每周都带做，每周都有新的数据出来，我们每周都重新换模型吗？这显然不合适，模型太不稳定了，这是不好的，模型筛选我们会每半年选一次，保证稳定性。比如说我们用2013年9月到2015年9月的数据，发现带交叉性的广义线性模型，用它来预测违约损失，违约概率表现最好最稳定的，那我们接下来的半年时间都会一直用这一个模型。但请注意，由于有新的数据进入，我们每周都会用新加入的数据重新进行估计。

   评级结果

到这个地方，我们的框架细节都已经做完了之后，剩余的就是按部就班把每周在售的产品筛选出来，然后计算出风险调整之后的收益率，然后按照从大到小的顺序进行排序，排完序之后我们有一个评定的星级方法，前10%是五星级，15%四星级，30%三星级，30%二星级，最后15%是一星级的。

更多的技术细节和结果展示我们到后面再看，看一下我们在排的时候会有全部的产品按照收益风险类型、期限规模和银行类型分别进行排序，可以看到在不同细分领域哪些产品会表现更好。

今天向大家报告就到这里，谢谢大家！