JP2004528611A - 構造化金融性能監視指標 - Google Patents

Abstract

構造化金融取引における取引（１８０）を評価し及び動的に信用度評価する方法。本方法は種々形態（１００）の資産プールによって裏付けられ複数の発行債権（１２５）中に記載された担保から予測される弁済約定からの逸脱（１７０）を評価する。トリガー及び信用増加の外的形態を含めた取引債務が債務保有者によって予測される弁済約定からの逸脱を計算するため正確に考慮される。取引構造及び資産プールの最新状態を表わすデータが受け取られる（１００）。受け取ったデータへマルコフ連鎖論理形式（１５０）を適用し、キャッシュフローモデルを構築して資産プールのキャッシュフロー性能（１８０）を予測する。

Description

【０００１】
関連出願とのクロスリファレンス
本出願は３５ＵＳＣ§１１９（ｅ）に基づき２０００年７月１４日に出願された暫定特許出願（出願番号６０／２１８，４８６）を基礎とする優先権主張を行うものである。当該基礎となる特許出願の開示内容は本願に参照のため付帯されている。
合衆国後援研究開発に関する記述
該当しない。
発明の背景
構造化金融とは特定資産が信任されることによって該資産を起こした実体の破産リスクから該資産を分離する財務上の手法である。構造化金融は全当事者が相当程度信用度評価及び信用度告示を信頼して構造化担保における信用リスク及び保護原因を理解する取引として知られている（構造化金融には多数の形態があり、資産裏付小切手（ＡＢＣＰ）、資産裏付担保（ＡＢＳ）、抵当権裏付担保（ＭＢＳ）、担保保証済保証金債務（ＣＢＯ）、担保保証済貸付債務（ＣＬＯ）、担保保証済借入債務（ＣＤＯ）、構造化投資媒体（ＳＩＶ）、及びＡＢＳの誘導商品群（ＤＰＣ）、統合ＣＬＯｓ、ＣＢＯｓがあり、これらは総称的に構造化金融と呼ばれる）。現在では、構造化金融に関連して生じた担保の信用良否は、取引有効期間にわたる損失の想定ポートフォリオ変動に関連する一定取引における増加量を比較することによって完了時に決定される。しかしながら、これらの評価は実際の経験内容を反映するために更新されることは行われたとしても稀である。それゆえに実際の信用喪失及び他の行為に基づいて構造化された担保の信用評価を動的に更新する方法が望まれる。
【０００２】
一般的に、構造化金融はこの目的だけのために創設された特別な目的媒体への受取手形の売買の結果である。プール（資産プール）された受取手形によって裏付された担保がその際発行される。これら担保は通常１または２以上のそれぞれそれ自体の特徴及び弁済優先権をもつ「発行債権」あるいは「種」へと分離される。異なる弁済優先権をもつことにより、前記発行債権はそれゆえ潜在的義務不履行及び、プールされた種々受取手形及び他の資産の不履行の結果として異なるリスクプロファイル及び弁済期待値をもつ。優先権付き発行債権のリスクは通常最も低い。
【０００３】
発明の要約
本発明は構造化金融に関連して発生し対象物担保の信用良否を算定し動的に更新する方法に関する。前記した信用良否は前記担保に関わる弁済約定からの逸脱から評価される。かかる逸脱は資産が投資者へ金利及び元金全額を返済するのに十分なキャッシュフローを生じない場合に起こるものである。
【０００４】
本方法においては、取引構造を示すデータ及び資産プールの最新状態を示すデータが用いられる。資産プールから受け取る見込みのあるキャッシュフローを予測するため受け取ったデータに対してマルコフ連鎖論理形式が用いられる。マルコフ連鎖モデルによって生じたキャッシュフローは前記取引書類中に詳述された正確な弁済優先権に従って債務に対して適用される。この優先権にはトリガー、保険証券及び信用増加の外部形態等の特徴が含まれていてもよい。それゆえ、この方法は個々の露顕例でのキャッシュ発生能力に基づいて構造化された担保の性能をモデル化するものである。
【０００５】
本発明の他の態様、特徴及び利点については以下に記載する詳細な説明において開示される。
【０００６】
図１には本発明の一実施態様に係る資産プール及び１または２以上の債務発行債権によって特徴づけられる構造化金融に関わる弁済約定からの逸脱を計算する方法が示されている。
【０００７】
本計算方法においては二つの別個の処理が行われる。第一の処理は取引の完了時あるいは完了期間中のいずれかにおいて行われる。第二の処理は資産プールの平均的満期の前期あるい担保が満期になるか回収される時点までのあらゆる後続期間において行われる。前記後続期間は取引慣行に従って判断されるが、一般的には１カ月である。本実施態様による本願方法のための処理については図１を参照しながら下記においてより詳細に説明する。
【０００８】
本願発明に係る方法はステップ１００おける取引に関わる種々データ及び変数を読み取ることから開始される。これらのデータは性能監視指標を計算するために用いられる。ステップ１００で読み取られたデータ及び変数には基本的取引パラメーター（金利等）、債権構造情報、顧客数や平均的品質等の資産プール情報、信用度評価機関によって指定された初期発行債権評価額、及び性能監視指標が基礎とする特定のマルコフ処理に基づくパラメーター及び取引情報が含まれる。前記データは種々のデータソース及びデータプロバイダから読み取られる。
【０００９】
図２はマルコフ行列の縦欄０、１、２、３、４及び５に対応する新しい状態及び該行列の横欄０、１、２、３、４及び５に対応する古い状態を有する該行列の例を示している図である。この行列のセルＣ_００の数値は、一定期間の開始時に状態０であった一定顧客が該期間の終了時にも状態０のままである確率に対応するものである。セルＣ_００を越えて右側へ移動すると、各セル数値は状態０から義務不履行状態への定期的推移の確率を示しており、縦列を横切って右へ移動するにつれて悪化している。別言すれば、各セル中の数値は顧客が横列数字で判断される開始位置を与えられた縦列表題によって示される義務不履行状態へ移動する確率に対応する。マルコフ行列のいずれかの横列においては、前記確率の総数は定義された数値と同じでなければならない。一般的に横列の最後の二つのセルは不履行及び前納移行確率にそれぞれ対応する。また、ゼロではない確率は時間調節慣行によりセルＣ_００、Ｃ_１１、・・・から斜め右方向への２個以上のセル中には実際上存在できない（すなわち、何らかの義務不履行状態にある顧客にとって単一期間スパン中の２以上の付加期間までに義務不履行となることは物理的に不可能である）。
【００１０】
取引完了後の最初の期間中の資産プールにおける顧客の状態に関する確率分布を測定するために横行列Ｖｉｔが用いられる。この行列は前記取引における顧客の初期確率分布を示す。マルコフ行列（Ｐ）は横行列（すなわちＶｉｔ＊Ｐ）によって予め乗算されて前記第一期間後の顧客の新たな状態に関する確率分布が計算される。一般的に将来における何らかの期間ｎ中の顧客の確率分布は等式Ｖｉｔ＊Ｐ^ｎによって与えられる。さらに、一定期間に結びつけられたキャッシュフローは前記取引の基礎となる資産について有効である信用証書を用いる二つの連続した期間間における顧客の確率分布における変化から導かれるものである。これらの証書はその取引の１または２以上の当事者から入手可能である。
【００１１】
各時間ステップにおけるマルコフ行列の記入は手形振出人データから得られた関連資産種の信用喪失基礎曲線特性を参照して計算される。既知基礎曲線のパラメーターは、該基礎曲線によって限定されるパラメーターを用いて特定された確率分布から生ずるランダムな偏差値との関連において各期間におけるマルコフ行列の１または２以上の記入を調整して予想されるキャッシュフローの変遷を表すために用いられる。
【００１２】
再度図１を参照してステップ１１０において取引の完了時であるかあるいは取引の完了月の期間内であるかの決定が行われる。現段階が完了段階であるならばその取引についてステップ１２０において「シグマ」目盛り定めを実施する。この目盛り定めの目的は、その取引を評価している信用度評価機関によってその取引に指定される信用度評価に対応するその弁済約定からの逸脱を表示するため、その取引について優先権付き発行債権を生じさせるために必要な資産性能の揮発性を決定することである。このメモの定めはマルコフ連鎖論理形式を利用し取引の正確な債務構造を用いて行われるモンテカルロシミュレーションを経て完了される。各モンテカルロ作業後、上記揮発性はその信用度評価によって暗示されたものに近い優先権付き弁済約定からの逸脱を選ぶような方法で修正される。この処理は集束まで継続される。前記目盛り定めの結果は信用度評価機関によって取引に対して指定された優先権付き発行債権信用度評価により暗示される資産性能の基準的ずれである。これら目盛り定めの副生物が同様の方法で計算された取引の他の発行債権についての性能監視指標、すなわち弁済約定からの逸脱である。
【００１３】
前記目盛り定めがステップ１２５において一旦収束すると、各発行債権についての初期性能監視指標値がステップ１３０において出力される。前記優先権付き発行債権の信用度は前記機関による信用度評価と同一であると解釈される。一般的に、本願方法は各文字で等級分けされた信用度カテゴリー（Ａａａ、Ａａ、Ｂａａ等）について客観的かつ特有な数字で表した階級を用いているので、信用度の低い発行債権種は前記信用度評価機関とは異なる信用度をもつ。その結果、すべての価値の低い発行債権について本願方法によって生じた性能監視指標値は、前記信用度評価機関によってそれら債権へ指定された文字で等級分けされた対応する信用度評価とは必ずしも一致しない。次いで目盛り定めされたシグマはステップ１３５での各期間における各発行債権についての性能監視指標値の更新における後者の使用のために記憶される。
【００１４】
いすれか後の期間についてのデータはステップ１４０において受託者及びサービス提供者レポートに基づいて取引情報を集めた市販のデータベースから入力される。このデータ入力は第二期間中及び後続する各期間中ずっと行われる。
【００１５】
現行の取引性能は完了時において期待される性能と比較され、ステップ１５０で差異を用いてマルコフ連鎖パラメーターが適合される。これら更新されたマルコフ行列は次いで該行列への期間２から満期までの横行列Ｖｉｔとの連続同一乗算処理を経て処理される。より詳細には、信用喪失基礎曲線を限定するパラメーターが期待性能と実性能間の相違を参照した上で修正される。この更新された基礎曲線を次いで前述したマルコフ連鎖論理形式の範囲内で用いて同様な方法で前記性能監視指標を再度計算する。義務不履行、不履行及び前納等の変数は前記修正において用いてもよい。この目的に関する多数の前記修正処理は特定の投資家あるいは手形振出人の必要性に基づいて通常採用される処理に代用することができる。例えば、（例えば自動車ローン資産に関わる）不履行、あるいは（例えば抵当権を用いた）前納に関しては特に適する。
【００１６】
次いでステップ１７０において問題となる期間についての前記性能監視指標が計算される。商業上の規約に基づいた前納引受及び近似値をステップ１６０で入力してステップ１７０で行われる計算へ統合してもよい。前記マルコフ連鎖論理形式では最も伝統的な前納モデルを用いて調整が可能である。
【００１７】
前納確率は通常マルコフ行列の第一横列中の第二欄から最終欄までに記入される。前納方式においては単一月失敗率（ＳＭＭ）として引用される。本発明においては、前記ＳＭＭの定義から義務不履行状態にある債務者から行われる前納は排除される。商業上有効なＳＭＭ数値は一般的に決算ベースよりむしろドルで与えられるが、ドルと決算数値との差異は最も商業的に有効な前納モデルの正確性と比較すれば一般的に小さい。これらのモデルは前記行列の適当なセルへＳＭＭ数値を挿入してここで述べているマルコフ連鎖論理形式と統合してもよい。
【００１８】
ステップ１７０での性能監視指標値の計算においては、ステップ１６０で入力された前納からのデータ及びステップ１３５で計算された標準偏差値が用いられる。
【００１９】
前記性能監視指標は、ユーザーが生成された情報を受け取りかつ表示できるようにステップ１８０で出力される。
【００２０】
ここで述べた性能監視指標の基礎をなす概念に関する一般的認識について図３（Ａ）−３（Ｄ）を参照して説明する。図３（Ａ）では、未知の特性及び加減パターンをもつ資産についての信用喪失基礎曲線が信用喪失の軌跡変動を示唆する複数の曲線を用いて示されている。図３（Ｂ）においては、自動車ローンセキュリティゼーションあるいは評価済取引における予想事例についての他の信用喪失基礎曲線が信用喪失の軌跡変動を示唆する複数の曲線を用いて示されている。図３（Ｂ）に示した含意信用度評価機関信用喪失基礎曲線分析は図３（Ｃ）に示した本発明の本実施態様に係る方法のステップ１７０における各対応期間において得られた結果と対比される。図３（Ｂ）に関する従来法による分析は取引において有効な増大する情報のために適合されたものではないが、一方において図３（Ｃ）に示した期待値は本発明の実施態様に係る方法によって適合化されたものである。
【００２１】
さらに、図３（Ｂ）及び３（Ｃ）に示した分析では図３（Ａ）に示した分析と対照的に加減効果は考慮されていない。実行可能なプールの事例において、本発明の実施態様に係る方法は、これらのプールの信用喪失揮発性が時間経過とともに減少して該揮発性によって支持される担保の平均的信用良否が対応的に向上されている事実を反映したものである。別言すれば、時間経過とともに喪失揮発性が減少すれば図３（Ｄ）に示すように弁済約定からの予想される逸脱が狭められるのである。特に、図３（Ｄ）中の上側の曲線は完了時における例示的喪失揮発性を示し、図３（Ｄ）の下側の曲線は完了後一定時期における例示的喪失を示すものである。上の曲線において、その下側及び直線２の右方向の領域（クッションプールレベル損失の増加）は、その領域により支えられる担保を喪失させるプール信用喪失値を示すものである。かかる後者の喪失は前記弁済約定からの歩留まりの減少によって評価ができる。完了後しばらく時間が経過した、下の曲線で示される更新された分析では、直線２の右側には無視できる程度の領域しかなく無視できる程度の歩留まり減少のみ示される。
【００２２】
本発明の実施態様により、更新された資産プール性能データが有効となった時に該データを用いて構造化金融と結合した弁済約定からの逸脱を定期的に評価して、前記性能監視指標を全取引期間にわたって動的に更新できるようにした性能監視指標が提供されている。前記性能監視指標はマルコフ連鎖論理形式を用いて資産プールによって起こされる将来のキャッシュフローを予測しかつその予測を調整して担保を使用可能とし及びそれが有効となった時に対象の資産プールからの最新情報に基づいて損失予測額を調整するものである。前記性能監視指標はキャッシュフロー枠内での取引の正確な債務構造をモデル化するものである。これにより、前記性能監視指標は通常基準点歩留まりにおける損失として測定される契約上の弁済特性を基盤とする複数の発行債権のそれぞれについての弁済約定からの逸脱の測定を可能とするものである。
【００２３】
本発明は、一般的に基礎的行列計算が多数行うことが可能な効果的コンピュータ環境において実施される。かかる環境としては、分布ＣＰＵ、ソース、及び本発明の実施態様において図４に示されたような計算に用いられるデータソース４１４からのデータ受取りに適するインターネット接続を備えたネットワーク４１２用のＩ／Ｏ装置としての１または２以上のＣＰＵ及び端末４１０が与えられる。
【００２４】
本願において開示された発明概念から逸脱することなく上記技術に対する他の改良及び変形が可能なことは当業者には明白である。それゆえ本発明は付帯の特許請求の範囲に記載した範囲及び意図のみによって限定されるべきと理解されなければならない。
【図面の簡単な説明】
本発明は図面と関連させて以下の本発明に関する詳細な説明を参照することによってより完全に理解されるものである。
【図１】本発明の一実施態様に係る構造化金融性能指標計算方法のフローチャートである。
【図２】本発明の一実施態様に係る構造化金融取引のためのマルコフ状況取引マトリックスを示す図である。
【図３（Ａ）】特性の未知な資産及び加減パターンについての信用喪失基礎曲線の例を信用喪失の軌跡変動を示す複数曲線を用いて示した図である。
【図３（Ｂ）】自動車ローンセキュリティゼーションあるいは評価された取引において想定された事例についての信用喪失基礎曲線を信用喪失の軌跡変動を示す複数の曲線を用いて示した図である。
【図３（Ｃ）】本発明の一実施態様に係る自動車ローンセキュリティゼーションを履行するための動的信用損失基礎曲線を信用損失軌跡変動を示す複数の曲線を用いて示した図である。
【図３（Ｄ）】本発明の一実施態様によって性能を向上させた場合の取引弁済契約からの逸脱を示した図である。
【図４】本発明の一実施態様に係る方法を実行するコンピュータシステムを示す図である。

Claims (21)

1. 取引構造を表すデータを受け取るステップと、
   資産プールの最新状態を表すデータを受け取るステップと、
   受け取ったデータに対してマルコフ連鎖論理形式を適用して資産プール性能を予測するステップと、
   前記取引の正確な債務構造を用いるキャッシュフローモデルを構築するステップと、
   初期期間中についての前記キャッシュフローモデルの結果を、取引の優先権付き発行債権の信用度が信用度評価機関によって同一の発行債権へ割り当てられた信用度と釣り合うように目盛り定めするステップと、
   各発行債権に対する弁済約定から予想される逸脱を更新するため最新の取引性能を用いてマルコフ確率移行行列の１または２以上の記入を調整するステップから構成される、それぞれがそれ自体の契約上の弁済特性をもつ複数の発行債権によって特徴づけられる構造化金融取引に関連する変数の形態で示される資産プールと結びついた弁済約定からの逸脱評価方法。
2. 前記最新データを受け取るステップ及び前記マルコフ連鎖論理形式を用いるステップが弁済期間中に１回行われることを特徴とする請求項１項記載の方法。
3. 前記期間が取引慣行によって限定されることを特徴とする請求項２項記載の方法。
4. 前記最新状態データを受け取るステップには資産義務不履行データの受取りが含まれることを特徴とする請求項２項記載の方法。
5. 前記最新状態データを受け取るステップには不履行、定期的元金、金利及び前納キャッシュフローデータが含まれることを特徴とする請求項２項記載の方法。
6. 前記マルコフ連鎖論理形式を用いるステップが本質的にＰｄ＝Ｖｉｔ＊Ｐｎで示される行列形態で完了されことを特徴とする請求項４項記載の方法であって、
   上記式中、Ｐｄは時間ｎにおける顧客面での義務不履行確率分布を表し、ｎは最新期間からの期間数を表し、Ｖｉｔは１または２以上のマルコフ状態に対応する所定カテゴリーの取引における顧客の初期確率分布を与える横行列であり、及びＰは横列及び縦列のマルコフ行列であり、該行列のセル記入は各期間についての状態移行確率を説明することに匹敵する前記方法。
7. ｎは初期期間を表しかつ数値１を有することを特徴とする請求項６項記載の方法。
8. 前記マルコフ行列のいずれか横列中におけるセル記入総数が１に等しいことを特徴とする請求項６項記載の方法。
9. 最新期間中の受取手形の発起人から一般的義務不履行パターン、定期的元金、金利、不履行及び前納を表すプールデータを受け取るステップと、
   受け取った義務不履行、不履行、及び前納データに従って前記行列の１または２以上のセル記入を調整するステップをさらに含むことを特徴とする請求項６項記載の方法。
10. 前記調整が特定の確率分布関数に基づくことを特徴とする請求項９項記載の方法。
11. 特別な目的実体によって取得されている前記資産プールが期間中に前記義務不履行、定期的元金、金利、前納及び不履行に関するデータを一度提供することを特徴とする請求項９項記載の方法。
12. 前記調整には受け取った義務不履行データに応じて前記行列の１または２以上のセル記入をプールされた資産の最新の変遷形態を反映するように変更するステップが含まれることを特徴とする請求項９項記載の方法。
13. 前記調整には受け取った不履行、定期的元金、金利及び前納キャッシュフローデータに応じて前記行列の１または２以上のセル記入をプールされた資産の最新の変遷形態を反映するように変更するステップが含まれることを特徴とする請求項９項記載の方法。
14. 前記資産プールの含意揮発性を用いて前記行列を初めに目盛り定めするステップをさらに含むことを特徴とする請求項９項記載の方法。
15. 前記目盛り定めステップには前記資産プールの揮発性を測定するステップが含まれることを特徴とする請求項１４項記載の方法。
16. 前記揮発性が前記資産プールについての信用喪失分布の標準偏差値に対応することを特徴とする請求項１５項記載の方法。
17. 前記取引が信用度評価を得た優先権付き発行債権を受け取り、及び前記揮発性測定ステップには前記信用度評価と一致した弁済約定から逸脱させる揮発性を測定するステップが含まれることを特徴とする請求項１５項記載の方法。
18. 前記揮発性測定ステップにはモンテカルロシミュレーションを行って前記信用度評価に一致する揮発性を測定するステップが含まれることを特徴とする請求項１７項記載の方法。
19. 前記取引がウォーターフォール、トリガー及び他の構造的特徴により特徴づけられ、前記シミュレーションには前記ウォーターフォール、トリガー及び他の構造的特徴についての説明が含まれることを特徴とする請求項１８項記載の方法。
20. 前記シミュレーションには集束処理が含まれることを特徴とする請求項１８項記載の方法。
21. 前記マルコフ連鎖論理形式ステップを各期間について反復して、性能指標が各期間における前記複数の発行債権へ割り当てられるようにすることを特徴とする請求項１項記載の方法。