個人汽車抵押貸款支持證券（以下簡稱“AutoLoan ABS”）是資產支持證券的一種，是以發起機構合法擁有的汽車貸款及其抵押權和附屬擔保權益作為基礎資產，以其產生的現金流作為償付基礎，通過交易結構設置及信用增級措施將其轉變為可在金融市場出售和流通的證券。在我國銀行間債券市場，Auto Loan ABS已經成為僅次于公司信貸資產支持證券（以下簡稱“CLO”）的第二大主流資產證券化產品。
一、個人汽車抵押貸款證券化產品的特征
1.基礎資產分散度極高，數量一般可達10000-50000筆，同質性強，單筆資產占比低。而資產池分散度越高，單筆貸款的違約對資產池信用狀況的負面影響程度越小。
2.借款人和貸款的特征直接影響著資產池信用質量進而影響著資產池違約比率和損失程度。
3.基礎資產服從穩定的統計分布，且可以獲得數量足夠多、信用表現歷史足夠長、具有代表性的靜態樣本池
4.發起機構信用政策、風控能力和風險容忍度，以及貸款服務機構的貸后管理能力將很大程度上影響證券化資產池在存續期內的信用表現。
5.證券存續期內宏觀經濟環境將影響借款人的還款能力和還款意愿，汽車行業整體的發展程度將影響到車輛的變現價值，從而改變證券化資產池所面臨的信用風險。
6.真實出售和破產風險隔離機制是信貸資產證券化交易的核心，現金流支付機制靈活多樣，另外，優先/次級結構作為主要信用增級措施，是優先級證券獲得較高信用等級的重要保證。
二、評級思路
中債資信對Auto Loan ABS信用等級的評定是對受評證券違約風險的評價，即在考慮基礎資產損失的情況下，受評證券本金和利息獲得及時、足額償付的可能性。對受評證券違約可能性的評估，首先是通過組合信用風險分析模型對基礎資產整體進行信用質量分析，然后通過現金流壓力測試模型對信用增級措施、現金流支付機制、流動性支持等部分交易結構評級要素加以考慮，并施加壓力條件進行測試，通過評級模型測試結果得到證券初步的信用等級。除了量化分析外，中債資信會結合交易結構風險、主要參與機構盡職能力、法律風險等評級要素的定性分析對量化模型決定的指示信用級別進行調整。公司信用評審委員會將依據各評級要素的分析結果、模型參數的設置以及模型運算結果，并考慮其它定性因素，綜合考量受評優先級資產支持證券違約風險的高低，最終確定受評證券的信用等級。
基礎資產的信用質量和證券交易結構兩個評級要素共同決定了受評證券的信用等級。在交易結構方面，證券的信用增級措施、交易結構安排、交易結構風險、主要參與機構盡職能力以及法律風險等要素的影響因素與CLO評級相似，在此不贅述。
基礎資產整體信用質量受基礎資產的分散度、借款人特征、貸款特征以及宏觀經濟波動、行業發展趨勢和發起機構/貸款服務機構的風險控制水平、資產違約回收率等要素影響，資產池整體的違約風險表現將有所不同。其中，借款人特征方面，主要通過借款人年齡、職業、收入等幾個維度來間接評估借款人違約風險；貸款特征方面，貸款類型、貸款期限、貸款價值比、保證人信用狀況、抵押物或車輛的狀況等貸款特征也間接影響著資產池整體的信用表現。此外，還有多種因素會對存續期中的資產池造成影響。證券存續期內宏觀經濟波動性將影響到借款人的收入水平、還款能力和意愿；而入池貸款發放之時汽車行業整體景氣程度會一定程度上對入池資產信用質量及信用表現造成影響，證券存續內行業景氣程度變化也會影響車輛的變現價值；發起機構貸前、貸中風控水平以及貸款服務機構貸后管理能力也將很大程度上影響證券化資產池違約水平及違約后的回收水平。另外，基礎資產違約回收率的確定對資產池損失分布的確定有著重要影響。
三、評級模型
評級過程中的定量分析模型主要包括組合信用風險分析模型和現金流分析及壓力測試模型，主要用于考察基礎資產組合信用風險和壓力情景下基礎資產產生的現金流能否足額償付證券投資者利息和本金，從而通過量化分析方法確定受評證券信用等級。
1.模型的基本理論
AutoLoan ABS的基礎資產池具有資產同質性強、資產數量眾多、分散度極高等特點，個別資產的違約不會對整個證券化資產池造成實質性影響，其違約及損失分布具有穩定的統計特性。經過對樣本數據的分析，中債資信驗證了資產池累計違約率能夠服從對數正態分布。因此，評級過程中，中債資信不對入池貸款進行逐筆分析，而是通過構建與證券化資產池具有相似特征的靜態樣本池，以多個靜態樣本池的歷史信用表現為基礎，模擬證券化資產池的未來信用表現。與證券化資產池特征相似的靜態樣本歷史數據的充分性，可以確保由其估計得到的違約分布和損失分布參數的穩健性。
2.模型的運算方法和評級標準
中債資信基于基礎資產違約比率和損失比率服從對數正態分布的理論基礎，利用靜態樣本池歷史數據估計出其違約分布和損失分布的參數（μ和σ）和基礎資產加權平均回收率，并根據資產池信用風險特征、靜態樣本池和證券化資產池的特征差異、宏觀經濟變化趨勢、汽車行業發展狀況、貸款服務機構風控能力等方面的因素對分布的參數μ和σ進行調整，從而最終確定基礎資產的違約分布和損失分布；參照累計違約率表，得到不同信用等級對應的累積違約概率水平下證券所需承受的資產池目標違約比率TDR 。
由于組合信用風險分析過程中沒有考慮超額利差形成的超額抵押、流動性支持和信用觸發事件等交易結構特點，以及壓力情景下基礎資產產生的現金流在各時點對受評證券本金和利息的覆蓋程度，因此需根據交易約定的交易結構和特定壓力條件進行現金流分析及壓力測試，測算出使受評證券在特定壓力條件下本息不違約的最大違約比率，即臨界違約率。基于各優先檔證券臨界違約率大于目標違約比率TDR的評級標準，得到由量化模型決定的指示信用級別。現金流模型的原理和構建與CLO相似，在此不贅述。
具體操作方面，對于組合模型，中債資信以拖欠30天以上作為判定違約的標準，統計每個靜態池在統計期末的累計違約比率。理論上，與證券化資產池特征相似的靜態樣本池提供了累計違約信用表現，但在實際操作中，靜態池歷史數據期限可能無法全部跨越整個證券存續期，從而不一定能夠真實地反映證券化資產池在未來一段時間內的信用波動狀況，因此，需參考行業平均水平，并結合靜態池自身違約率增量的變化規律對其進行樣本數據的推測，外推出得出每個靜態池在存續期末的累計違約比率。中債資信對靜態樣本池的歷史數據進行分析，得出資產回收率的平均水平。具體而言，中債資信將根據每個靜態樣本池在資產池存續期末的累計違約率，通過， 來得出參數μ和σ的估計值，其中n為靜態樣本池數量，xk為第i個靜態樣本池的資產池存續期末的累計違約比率或累計損失比率（xk通過各期違約率增量占比計算得出），從而初步得到證券化資產池的違約分布和損失分布參數μ和σ，違約分布和損失分布的均值為E(X)=e^(μ+σ^2/2)， var(X)=(e^(σ^2 )-1)e^(2μ+σ^2 )。然后，中債資信根據靜態樣本池數據質量（可能出現的問題主要包括樣本數量不足導致參數估計的誤差、每個靜態樣本池中貸款數量的不足導致分散度不夠、樣本信用表現期限不足、樣本的選擇不具有代表性、證券化資產池與靜態樣本池的特征存在差異導致一致性不足、靜態樣本池中貸款的發放標準與證券化資產池發放標準不一致）、證券化資產池信用風險特征、宏觀經濟、行業狀況和貸款服務機構風控水平等方面因素對違約分布和損失分布的參數μ和σ進行調整，從而最終確定基礎資產的違約分布和損失分布。
3.靜態樣本數據選取要求
靜態樣本池數據信息質量會對基礎資產信用質量的評估產生重要影響。中債資信對靜態樣本池歷史數據質量的考察要素主要包括：完備性、無偏性、分散性、代表性和一致性。
完備性要求靜態樣本池的歷史信用表現應包含各期貸款的拖欠、回收、核銷以及提前償還信息；無偏性要求靜態樣本池數量應達到30至50個，足夠多的靜態樣本池有利于降低參數估計的相對誤差；分散性要求單個靜態樣本池中平均單筆貸款占比很低；代表性要求靜態樣本池中資產應為隨機抽取，或者包括發起人在某一時間段發放的所有類似的貸款組合，主要用于規避發起機構有傾向性地選擇資產，且盡量使所選貸款組合的期限覆蓋資產池存續期或完整的經濟周期；一致性一般要求靜態樣本池的資產特征（如：貸款價值比、貸款類型等）與證券化資產池盡可能相似，并且貸款的發放標準具有一致性，靜態樣本池所經歷的外部經濟環境與證券化資產池所處環境相似。中債資信將根據要素達標程度在樣本池歷史信用表現（累計違約率和累計損失率）的基礎上進行調整，從而影響資產池違約分布和損失分布參數μ和σ的確定。
