《供应链金融资产证券化问题研究的文献综述6000字》

供应链金融资产证券化问题研究的国内外文献综述
目录
供应链金融资产证券化问题研究的国内外文献综述 (1)
一、供应链金融资产证券化研究 (1)
（一）供应链金融 (1)
（二）供应链金融资产证券化 (2)
二、资产证券化定价方法研究 (3)
（一）现金流折现法 (3)
（二）回归分析法 (4)
三、资产证券化定价影响因素研究 (5)
四、文献述评 (6)
参考文献 (6)
一、供应链金融资产证券化研究
（一）供应链金融
Timme（2000）认为供应链金融是由核心企业、中小企业以及金融服务机构共同参与而形成的一种合作关系，这种合作关系的目的在于降低整个供应链的成本 [1]。

Hofmann（2005）将供应链金融定义为供应链中的多个主体合作，通过计划、组织和控制等一系列活动促使金融资源在供应链中流动，最终实现共同创造价值的目标[2]。

Peterson（1994）指出供应链金融不仅能使企业获得低成本的融资，还有利于加强企业与供应链系统中其他企业的联系，其本质是一种关系型融资[3]。

丁汀、李雪梅（2009）分析了供应链金融保兑仓模式、应收账款模式和融通仓模式的具体流程[4]。

沈敏（2015）则按主导特征不同划分为应收类融资、预付类融资和存货类融资三种模式进行分析[5]。

夏芳（2013）认为基于应收账款融资的保理业务可以缓解企业的资金周转困难的问题，而商业保理可以更好地解决中小微企业的融资难问题 [6]。

于宏新（2010）分析了供应链金融的风险来源和表现形式，并提出了具体的防范对策[7]。

熊熊（2009）在考虑主体评级和债项评级的基础上使用主成分分析和Logistic回归构建了信用风险评价模型[8]。

胡海青（2012）提出中小企业信用风险评估指标体系需要将核心企业资信与供应链关系因素考虑在内，
并对比了支持向量机和BP神经网络算法在构建信用风险评估模型时的有效性[9]。

（二）供应链金融资产证券化
美国证券交易委员将资产证券化定义为把弱流通性资产出售给特设目的载体并进一步设计为具有流通性的金融产品的融资方式[10]。

随着学者对资产证券化研究的逐渐深入，资产证券化在供应链中的应用价值也逐渐被发现。

Doetsch和Petkovic（1999）在研究新兴市场或地区时发现应收账款证券化模式具有融资成本低和回报率高的特点[11]。

Schwarcz和Scholer（2002）在研究国际贸易中的应收账款融资时，同样发现证券化的融资方式有助于降低融资成本[12]。

Pfohl和Gomm（2009）认为供应链金融通过证券化的形式融资意味着直接从资本市场获得资金，有利于扩大供应链金融的资本存量 [13]。

都婧和周晓维（2014）分析了在供应链金融中应用证券化形式融资的可能性，认为供应链金融资产证券化能使供应链融资难题得到有效缓解[14]。

梁金祥等（2016）认为证券化的融资方式可以有效解决商业保理的资金问题[15]。

李茜（2011）基于供应链金融背景深入分析了应收账款资产证券化的运作流程，并提出中小企业联合证券化的模式，认为该模式适用于应收账款数额较少的中小企业，可以规模化资产池，进一步压缩融资成本[16]。

段伟常（2014）提出在中小企业资产证券化模式中，供应链的环境及运作特点是构建可证券化的资产池和提高信用的基础[17]。

温胜辉（2017）对供应链金融资产证券化的市场概况、主要类型、交易结构和关键风险做了详细论述，认为供应链金融与资产证券化结合具有较大的市场潜力[18]。

房丽媛（2018）认为供应链金融保理资产证券化在有效管理核心企业的应付账款与现金流的同时解决了供应链上下游企业的融资困境 [19]。

李津津（2018）认为供应链金融保理资产证券化主要面临三类风险，即宏观基本面风险、供应链条的信用风险以及产品设计风险[20]。

卢文华（2019）从基础资产、证券、计划管理及操作方面分析了应收账款证券化的风险 [21]。

蒋阿力（2019）以万科为案例，认为供应链金融资产支持专项计划的风险可以从核心企业信用、基础资产质量、交易结构与现金流压力测试几个方面分析 [22]。

吴晓庆（2020）指出供应链金融保理资产证券化的信用风险主要来源于资产信用和主体信用，并进一步概括为基础资产池的信用质量、交易结构的有效性以及还款主体的履约能力 [23]。

二、资产证券化定价方法研究
Curley和Guttentag（1974）在研究住房抵押担保证券的定价问题时提出了静态现金流定价方法 [24]。

Findley和Capozza（1977）利用Black和Scholes （1973）提出的期权定价公式分析借款人的提前偿付行为，并引入CIR模型刻画利率路径 [26]。

Chinloy（1994）在CIR模型基础上结合蒙特卡洛模拟法进行定价[27]。

Downing、Stanton 和 Wallace（2005）引入 Copular 函数，运用统计方法预测产品定价 [28]。

马才华、艾铭霞（2011）把二叉树模型应用到定价中，进一步丰富了定价理论[29]。

丁浩（2010）在描述动态利率期限结构时采用了Vasicek模型,并构建ARMA模型预测提前偿付率 [30]。

王珺威等人（2011）利用t-Copula和Guass-Copula模型与蒙特卡罗法和HW半解析法构建了结构性信用产品的定价模型[31]。

张文强（2009）在对实体企业应收账款资产证券化的风险分析基础上提出了风险定价的观点[32]。

郭杰群、张立（2014）阐述了资产证券化的绝对定价法与相对定价法，并指出我国常见的名义利差法不能完全反映资产证券化产品特定价值与潜在风险 [33]。

朱荃等（2019）认为信用债利差加点定价和多因子信用利差回归模型定价是中国当前企业资产证券化市场条件下的两种可行定价方法[34]。

高欣（2020）则以局部加权回归模型作为融资租赁资产证券化产品的定价模型，并用交叉验证法检验了模型的合理性[35]。

总结国内外资产证券化定价相关文献，可知定价方法主要分为现金流折现法和回归分析法两大类。

现金流折现法是预测证券资产池未来的现金流量并根据一定的贴现率来计算证券的即理论价值，可进一步分类为静态现金流折现法、静态利差法和期权调整利差法，属于理论建模或机理建模。

回归分析法指在分析证券价格的影响因子基础上，使用历史经验数据拟合影响因子与产品价格的关系，形成因子定价模型，属于数据建模。

各个方法具体介绍如下：
（一）现金流折现法
1.静态现金流折现法(Static Cash Flow Yield，简称SCFY法 )
静态现金流折现法是在不考虑利率波动与提前偿付率变化条件下对基础资产未来各期产生的现金流按照确定折现率折现的理想化定价方法。

SCFY法基本公式为：
P=CF1
(1+r)1+CF2
(1+r)2
+⋯+ CF n
(1+r)n
（1-1）
其中，P为资产证券化产品的价格； CF n为第n期预期现金流；r为折现率。

静态现金流折现法的优点是计算简单，缺点是直接以无风险利率作为折现率，忽略了资产证券化产品的风险溢价，也忽略了市场利率的变化引发基础债务人有提前偿还债务和违约的可能性。

2.静态利差法（Static Spread，简称SS法）
静态利差法假定在相同的提前偿付水平下，特定期限与评级的资产证券化产品收益率与国债收益率之间存在恒定的利差，这部分利差是代表风险溢价的静态利差。

SS法基本公式为：
P=CF1
(1+r1+SS)1+CF2
(1+r2+SS)2
+⋯+CF n
(1+r n+SS)n
（1-2）
其中：P为资产证券化产品的价格； CF n为第n期预期现金流；r n为不同期限的国债收益率；SS为静态利差。

相比使用无风险利率折现的静态现金流贴现法，静态利差法与是以证券化产品整条到期收益率作为折现率，考虑了风险溢价，但仍没有考虑不同利率走势和不同利率路径对提前偿付和违约的影响。

3.期权调整利差法（Option Adjusted Spread，简称OAS法）
期权调整利差法是对上述两种方法的进一步修正，以模拟路径上的基准利率与利差之和作为折现因子对剔除期权特性后的现金流进行贴现，并运用蒙特卡洛模拟计算在不同利率路径下的平均现金流，进而得到资产证券化产品的理论价格。

OAS法基本公式为：
P=1
S ∑s=1
S∑
n=1
N CF n s
(1+r n s+OAS)n
（1-3）
其中：P为资产证券化产品的价格； S为模拟的利率路径的总条数;CF n s为第s条路径下的第n期现金流， r n s为第s条路径下的第n期的国债收益率；OAS为对期权进行调整后的利差。

期权调整利差法考虑了利率走势的不确定性，也考虑了因市场再融资利率波动影响提前偿付率而导致的现金流不确定性。

由于其考虑的因素较相比于前两种方法更为全面，因此被认为是分析资产证券化产品价值的标准方法之一。

（二）回归分析法
回归分析法是在不确定变量间的数学关系时，通过大量数据进行统计推断的建模方法。

采用回归分析法对资产证券化产品进行定价，首先需要从理论上分析哪些因子对
价格（一般为利率或利差）有显著影响及其影响方向，然后搜集市场已发行产品的相关数据，采用合适的模型与算法进行回归分析，得出因子对价格的影响程度、影响方向等相关结论，再验证模型的稳健性与解释能力，最后代入待定价的产品的影响因子信息并输出定价结果。

三、资产证券化定价影响因素研究
Ammer和Clinton（2004）研究了信用评级与资产支持证券定价之间的关系，发现评级下调往往伴随着产品负收益与利差扩大[36]。

朱波、刘文震（2019）研究发现信用评级可以显著地降低我国资产证券化产品发行人的融资成本，但交易所市场和银行间市场的具体效应之间存在差异 [37]。

张建平（2021）考察了不同行业信用评级对企业资产证券化融资成本的影响，发现房地产行业资产证券化产品的信用评级对其融资成本的影响幅度比建筑工程业更大[38]。

Vink（2008）从投资者角度研究影响欧洲资产支持证券发行成本的主要因素，发现尽管信用评级是形成产品发行利差的主要因素，但投资者并不会完全依赖评级结果，还会参考产品交易结构、基础资产池类型等因素[39]。

张安霞（2016）研究发现信用评级、利息覆盖率等微观证券因素以及债券市场指数等对发行利差有着较高的解释度，且不同评级和不同利率类型的证券对这些因素的敏感度不同[40]。

刘曦腾等人（2016）发现企业资产支持证券的影响因素相比信贷资产支持证券会更加多元化，且不同因素对两类产品的价格影响有显著差异 [41]。

谢世清（2017）等人也得出类似的结论，并给出了CLO与ABS独立定价与相互参考定价的框架[42]。

褚晓凌、刘婷等人（2017）根据项目所在行业的风险高低进行分组研究，进一步发现发行规模对两组产品的利差具有相反的显著影响[43]。

邱东阳（2018）实证结果表明PPP证券化产品的定价受宏观环境、基础资产质量和增信措施的显著影响 [44]。

胡洋（2020）采取普通线性回归模型对PPP资产证券化产品进行分析也得出了类似结论[45]。

项云（2019）则重点关注基础资产质量和无风险利率两类因素对PPP资产证券化定价的影响，并通过中介效应检验模型发现无风险利率通过对基础资产质量的影响间接对PPP项目资产证券化定价利率产生影响[46]。

Molina和Carlos（2005）认为现金流波动性越大的公司所面临的资金短缺危机也越大，由此增加违约风险，增加证券的风险溢价 [47]。

王宁（2018）研究了企业性质与证券化产品发行利差的关系，结果表明隐性担保在一定程度上可以降低企业资产支持证券的利差，但隐形担保与信用评级的交互项对产品发行利差的降
低效果不显著[48]。

He等（2011）研究结果表明，当市场不景气时，小规模发行人比大规模发行人出售的证券化产品的价格跌幅更小[49]。

朱波、刘文震（2020）研究发现，发起人与发行人隶属关联对信贷资产证券化产品发行价差具有显著降低的效应[50]。

四、文献述评
从研究对象上看，国内现有文献多数是基于信贷资产证券化、企业资产证券化的总体市场数据或基于PPP资产证券化、融资租赁资产证券化的局部市场数据进行实证分析，而以供应链金融资产证券化为研究对象的文献主要是围绕概念、模式应用和信用风险三个方面展开，实证研究尤其是定价研究较少。

有关资产证券化定价模型的研究主要是基于现金流折现的思想构建数学模型求解单一产品的价格，虽然思路清晰，但忽视了增信措施、行业和参与企业具体特征等因素，无法体现出市场对资产证券化产品的风险关注点，得出的结果难以指导实践。

虽然朱荃等（2019）[34]介绍了多因子信用利差回归模型的定价思路，但以线性模型作为应用举例忽视了模型本身的预测效果及稳健性。

高欣（2020）[35]以局部加权线性回归法改善了传统线性回归欠拟合的不足，但忽视了模型的可解释性，没有进一步分析各个输入因子与输出结果相关性。

有关资产证券化定价影响因素的研究较为丰富，主要围绕信用评级、证券层面和宏观层面因素展开，很少有文献将所有层面的可能因素纳入到同一个模型中进行研究。

参考文献
[1]Timme S, Williams-Timme C. The financial-SCM connection[J]. Supply Chain
Management Review, 2000, 4(2): 33-40.
[2]Hofmann E. Supply chain finance: Some conceptual insights[J]. Logistic
Management, 2005: 203-214.
[3]Petersen M A, Rajan R G. The benefits of lending relationships: Evidence from
Small Business Data[J]. The Journal of Finance, 1994, 49(1): 3-37.
[4]丁汀, 李雪梅. 供应链金融解决中小企业融资的优势分析[J]. 物流技术, 2009,
28(07): 73-75+82.
[5]沈敏. 基于供应链金融的中小企业融资模式分析[J]. 科技经济市场,
2015(04):24-25.
[6]夏芳. 应收账款增长下商业保理的发展[J]. 商业会计, 2013(16): 79-81.
[7]于宏新. 供应链金融的风险及防范策略[J]. 经济研究导刊, 2010(20): 112-114.
[8]熊熊, 马佳, 赵文杰, 王小琰, 张今. 供应链金融模式下的信用风险评价[J]. 南开管
理评论, 2009, 12(04): 92-98+106.
[9]胡海青, 张琅, 张道宏. 供应链金融视角下的中小企业信用风险评估研究——基于
SVM与 BP神经网络的比较研究[J]. 管理评论, 2012, 24(11): 70-80.
[10]Henderson J. Asset securitization: Current techniques and emerging market
applications[M]. London: Euromoney Books, 1997:1.
[11]Doetsch D A, Petkovic D. Securitization trade finance cash flows[J]. Journal
of Politics, 1999: 29-33.
[12]Schwarcz S, Scholer K. Simplifying securitisation via cross-border receivable
financing[J]. International Finance and Treasury, 2002(3): 13-16.
[13]Pfohl H C, Gomm M. Supply chain finance: Optimizing financing flows in supply
chains[J]. Logistic Research, 2009(1): 149-161.
[14]都婧, 周晓维. 探讨供应链金融下资产证券化的可能性[J]. 经济研究导刊, 2014(07):
159-160.
[15]梁金祥, 李宝德, 梁正大. 经济新常态下商业保理实施证券化融资[J]. 金融经济,
2016(08): 135-136.
[16]李茜. 基于供应链金融的应收账款证券化模式研究[J]. 现代管理科学, 2011(7):
89-90.
[17]段伟常. 供应链环境下中小企业资产证券化创新模式[J]. 广州大学学报(社会科学版),
2014, 13(03): 32-38.
[18]温胜辉. 供应链金融ABS解析[J]. 债券, 2017(10): 69-74.
[19]房丽媛, 张子彪, 程雪. 供应链金融保理资产证券化的应用与发展[J]. 金融市场研究,
2018(03): 33-40.
[20]李津津. 供应链金融ABS解析及对商业银行的启示[J]. 新金融, 2018(07): 36-39.
[21]卢文华. 应收账款资产证券化发展研究[J]. 金融理论与教学, 2019(04): 34-40.
[22]蒋阿力. 房地产企业供应链金融资产证券化的信用风险研究[D]. 北京邮电大学,
2019.
[23]吴晓庆. 供应链金融模式下商业保理资产证券化信用风险研究[D]. 南京大学, 2020.
[24]Curley A J, Guttentag J M. The yield on insured residential mortgages[J].
Explorations in Economic Research, 1974: 114-161.
[25]Black F, Scholes M S. The pricing of options and corporate liabilities[J].
Journal of Political Economy, 1973, 81(3): 637-659.
[26]Findley M C, Capozza D R, The Variable Rate Mortgage: An Option Theory
Perspective[J]. Journal of Money Credit and Banking, 1977, 9(2): 356-364. [27]Chinloy P, Megbolugbe I F. Reverse mortgages: Contracting and crossover risk[J].
Journal of American Real Estate and Urban Econimics Assiociation, 1994, 22(2): 367-386.
[28]Downing C, Stanton R, Wallace N. An empirical test of a two-factor mortgage
valuation models: How much do house prices matter[J]. Real Estate Economics, 2005, 33(4): 681-710.
[29]马才华, 艾铭霞. 二叉树期权在企业资产证券化定价中的应用研究[J]. 财会通讯,
2011(17): 57-58.
[30]丁浩. 住房抵押贷款支持证券的利率风险度量——基于“建元2005-1MBS”A证券的实
证[J]. 当代经济科学, 2010, 32(02): 45-53.
[31]王珺威, 马宇超, 陈暮紫. 结构性信用产品定价模型研究[J]. 财经问题研究,
2011(06): 76-82.
[32]张文强. 论实体企业应收账款资产证券化的风险与定价[J]. 金融研究, 2009(5):
194-206.
[33]郭杰群, 张立. 资产证券化产品定价[J]. 中国金融, 2014(20): 36-38.
[34]朱荃, 裴茜. 中国企业资产证券化投资定价方法探讨与实践[J]. 深圳职业技术学院学
报, 2019, 18(02): 8-15.
[35]高欣. 融资租赁公司发行的资产支持证券的定价研究[D]. 哈尔滨工业大学, 2020.
[36]Ammer J, Clinton N. Good news is no news? The impact of credit rating changes
on the pricing of asset-backed securities[J]. International Finance Discussion Papers, 2004(809).
[37]朱波, 刘文震. 信用评级对我国资产证券化产品发行定价的影响机理[J]. 财经科学,
2019(09): 14-25.
[38]张建平, 徐雨朦. 行业背景、信用评级与资产证券化融资成本[J]. 工业技术经济,
2021, 40(03): 47-53.
[39]Vink D, Thibeault A E. ABS, MBS and CDO pricing comparisons: An empirical
analysis[J]. Journal of Structured Finance, 2008, 14(2): 27-45.
[40]张安霞. 信贷资产支持证券发行利差实证研究[D]. 西南财经大学，2016.
[41]刘曦腾, 杨大楷. 我国资产证券化产品发行利率影响因素的实证分析——基于ABS和
CLO信用利差差异的比较[J]. 东岳论丛, 2016, 37(11): 162-168．
[42]谢世清, 覃昭远. 资产支持证券跨产品的定价实证研究[J]. 证券市场导报, 2017(12):
13-23.
[43]褚晓凌, 刘婷, 陆征, 王守清, 伍迪. PPP项目资产证券化产品利差定价实证研究
[J]．地方财政研究, 2017(10): 13-18.
[44]邱冬阳, 曹亚飞, 邓璇. 中国PPP资产证券化定价影响因素的实证研究[J]. 上海经济,
2018(04): 90-105.
[45]胡洋. PPP项目资产证券化定价影响因素的实证分析[D]. 北京化工大学, 2020.。