非标债权信托产品的估值体系详解 信托类产品收益如何

与上述投资品种相同，但具有不同特征的，应以相同资产或负债的公允价值为基础，并在估值技术中考虑不同特征因素的影响。特征是指对资产出售或使用的限制等，比如非标信托产品中的交易结构、含权设计等合同条款。此外，信托产品管理人应考虑在相关资产或负债持有期内产生的溢价或折价对产品估值的影响。

（2）交易不活跃，需借助技术实现估值的产品。应采用在当前情况下适用且有足够可利用数据和其他信息支持的估值技术确定公允价值。采用估值技术确定公允价值时，应优先采用可观察输入值，只有在无法取得相关资产或负债可观察输入值或取得的观察输入值不切实可行的情况下，才可使用不可观察输入值。对于可利用数据不够，估值技术暂时无法满足公允价值估值的产品，可使用摊余成本法进行估值。

（3）重大事项调整。比如经济环境发生重大变化或发生委托人行为影响产品价格的重大事件，使产品隐含价格出现巨大波动，应对估值进行及时调整并作出相关说明。

（二）收集数据

估值业务最重要的是数据收集，除宏观经济数据与行业数据之外，还需要对信托产品发行材料中关于交易对手和底层资产的相关情况、财务数据等设计字段进行数据采集。由于目前信托产品缺少交易市场，在估值初期可参考相同主体或相应评级债券产品的二级市场交易情况，根据信托项目的真实估值、含权条款的量化分析来进行流动性点差弥补。

1.数据来源

建模数据的基本来源包括：（1）宏观经济数据。专业数据库、行业协会和国家统计局发布的行业及宏观经济统计数据等。（2）公司财务报告。主要包括标的公司的属地公告、内部实地调研、个人平时积累等。（3）产品数据。主要包括信托产品发行时的产品信息、发行计划书、合同文本等。

2.数据整理

（1）产品数据整理。对信托产品相关文件进行数据整理，提取出对估值结果有用的字段，如发行利率、产品期限、条款、产品结构比例等；提取后进行数据整理，未加整理的历史数据是无序的、难以应用，只有对历史数据加以整理之后才能保证准确、有效地建立模型。

（2）财务数据整理。在得到公司的原始数据之后，需要对其进行整理，尤其是财务报表中的数据，应根据建模需要进行重构。重构后的财务报表反映了模型对目标公司财务情况的预测以及估值模型的构建思路，与企业会计准则规定的标准形式并不一定相同。常用的重构方式为：

科目合并。将数额较小的、驱动因素相同点科目合并。

科目拆分。对重要的科目进行详细拆分，细分数据通常需要查看财务报表附注。

顺序调换与重新归类。实际操作来看，需要利用现金流量表，对企业原始的资产负债表和利润表进行调整，针对调整后的财务报表进行数据分析。

①资产负债表中增加“融资缺口”科目。融资缺口又称为循环贷款，反映公司现金相对于所需现金不足的部分，是财务预测模型中的配平项。除此之外，在资产方也有一个配平项，为货币资金。配平项是通过现金流量表来完成，用来配平资产负债表。

②简化资产负债表的某些科目。省略一些某年数据为0的科目。如商誉、其他非流动资产等科目；合并了一些性质相近的科目。比如把应收账款和应收票据合并为应收款项，将应付账款和应付票据合并为应付款项，将股本和资本公积金合并为股本及资本公积，将盈余工具和未分配利润合并为留存收益等。

③将利润表中折旧、摊销从营业成本、管理费用和销售费用中剥离出来。这样一方面将属于成本费用的折旧、摊销剥离，另一方面是因为折旧、摊销的预测方式与其他现金成本费用不同。

④利润表中计算EBITDA和EBIT等指标，调整非经常性和非经营性损益。计算出的EBITDA和EBIT是针对公司的核心业务，对与核心业务无关的损益进行调整，合并成一个“非经常性或经营性损益”项目列在EBIT之后。所有非经常性损益和非经营性损益都在该项目中体现，包括标准利润表中的资产减值损失、公允价值变动收益、投资收益、营业收入和营业外支出等科目。由于这些项目与主体的核心业务无关，只需要简单预测即可。

（三）产品分类

按照新会计准则要求，应当对信托产品类型进行梳理，包括现有金融资产分类、业务合同条款及金融工具业务模式。根据新准则要求，初步得到金融工具的分类原则，提供SPPI测算模型、划分标准、判断流程以及调整方案，包括现有产品下的SPPI测试结果与调整方案，以及未来新增产品SPPI测算模型、划分标准与判断流程等。

（四）选择估值方法

参照会计准则对金融工具投资的分类，金融资产根据持有目的不同，可分为交易、可售和持有到期三类，并采用不同的计量与损益确认方法。对交易类和可售类资产，采用公允价值法计量；对非交易类资产，采用以收取合同现金流摊余成本法计量；对以交易为目的的非标信托产品，按照公允价值法计量。

（五）构建收益率曲线

对不同产品的估值，首先需要确定该行业、该类型产品的收益率基准。建议在参考中债估值收益率曲线编制的基础上，构建信托产品的收益率曲线，为后续信托产品的估值提供估值基础。

收益率曲线是反映一组货币和信用风险均相同，但期限不同的债券收益率值的连线。非标债权信托产品的估值曲线是在原有信托产品的市场发行价基础上进行绘制，通过对市场固定时间内发行产品的信托收益率的回归与统计分析，得到该产品的期望值，由此绘制出产品的收益率曲线。按照目前的调研结果，对收益率曲线的绘制有如下两种划分方式：

1.按收益率类型划分

（1）到期收益率。指投资人按当前市价买进非标债权信托产品，如期收到全部利息和赎回本金，并持有至到期可获得的回报率。将债权类非标信托产品的现金流以到期收益率折算为现值，形成产品的市价。

（2）即期收益率。零息非标债权信托产品的到期收益率，这类产品在市场上较少，数据源也相应较少。

（3）远期收益率。指隐含在给定的即期收益率中，从未来某一时点到另一时点的收益率，又分为远期到期收益率和远期即期收益率。该曲线主要是基于市场变动，非标债权信托产品的实际价值有所变化，给予有交易意向投资者的参考收益率。

（4）点差收益率。指浮动利率型的非标债权信托产品减去即期基准利率的结果。该类产品依然不多，除非信托产品持有浮动利率型固收产品或信托条款中有浮动利率条款，否则指导意义不大。

2.按资产所处行业划分

（1）房地产行业信托产品收益率曲线。主要针对以房地产行业为底层资产的信托产品进行收益率曲线的计算，由于房地产信托产品底层资产复杂，需要根据信托产品基本信息，对底层资产所处行业进行归纳和细分。例如商业地产、住宅、酒店类资产应当有不同的收益率曲线。

（2）政信合作信托产品收益率曲线。主要针对政府融资、城投公司类融资主体的信托产品进行收益率曲线的计算。

（3）工商企业类信托产品收益率曲线。主要针对能源、建筑、物流等城市建设相关的实体企业为融资主体的信托产品收益率曲线的计算。

（六）估值模型设计

结合利率、流动性等综合因素评估信托产品的公允价值。对信托受益权估值可为信托产品转让提供价格参考。采用市值法计量，通过对持有资产的估值充分考虑市场风险、信用风险、流动性风险，对信托贷款、应收账款投资、收（受）益权投资等资产进行估值。

由于非标信托产品中有许多含权条款的设置，需要将这些条款转换成现金流，按照期权定价的方法对抵押条款、担保条款、可赎回条款进行估价，最终得出含权非标债权信托产品的估值。

（七）估值结果

最终估值结果呈现的是一套指标，其中包括价格指标（全价、净价和应计利息）、风险指标（久期、凸性）、流动性指标和推荐指标（可信度）。具体如表2所示：

1.价格指标

市场收益率。对于流通的非标债权信托产品资产中，显示的是加权的结算收益率；如果没有交易发生，则为报价的到期收益率，若无报价，则为空白。

市场全价。全价是指目前的银行间债权产品市场和交易所债权产品市场在结算时，再采用全价价格，也就是买方除按净价支付成交价款外，还要另向卖方支付应计利息的价格。

市场净价。全价提出应计利息后的价格，是投资人实际拿到的金融资产价格。

应计利息。应计利息是债权产品自上一次付息后累计未付的利息。在债权产品买卖时，债权产品卖出的结算价格应是债权产品的市场价格加上应计利息，即买主应向卖主支付债权产品市场价格加应计利息。

2.风险指标

久期。麦考利久期，是使用加权平均数的形式计算非标债权信托产品资产的平均到期时间。是债权类资产在未来产生现金流的时间的加权平均，其权重是各期现金值在债权类资产价格中所占的比重。

利率久期。当利差不变时，基准利率变动所引起的非标债权信托产品资产价格的线性变动。数学上是非标债权信托产品价格对基准利率的一阶偏导数。

利差久期。当基准利率不变时，利差变动所引起的非标债权信托产品资产价格的线性变动。数学上是非标债权信托产品资产价格对利差的一阶偏导数。

利率凸性。当利差不变时，基准利率变动所引起的非标债权信托产品资产利率久期的线性变动。数学上是非标债权信托产品资产价格对基准利率的二阶偏导数。

利差凸性。当基准利率不变时，利差变动所引起的非标债权信托产品资产利差久期的线性变动。数学上是非标债权信托产品资产价格对利差的二阶偏导数。

3.流动性指标

相对流动性系数。首先分别计算考察期内单只债券与全市场债券平均的现券结算量、结算总笔数和结算天数三个指标，再计算单只债券指标与全市场平均指标的比值，最后将三个比值按一定权重加总，得到该只债券的相对流动性系数。

绝对流动性系数。为计算相对流动性系数而取得现券结算量、结算总笔数和结算天数三个指标。三个比值按一定权重加总得到该只债券的绝对流动性系数。

位置百分比。所评债券流动性所处位置，衡量在当天市场的相对活跃度。

4.推荐指标

可信度。在成熟的流通市场上，同一个信托产品可能由于份额的拆分拥有多个估值，所有估值均发布，用“可信度”来标识比较倾向于哪个估值。

（八）事后检测与调整

1.模型检查

平衡性检查。估值体系的基本要求是财务模型的资产负债表是平衡的。如果不平衡，在资产负债表的平衡测试项中就可以显示出来，此时需要进行平衡性检查，看现金流量表的科目、符号、计算公式是否正确。当资产负债表所有预测都平衡时，需要进行模型测试，对模型假设进行修改，观察资产负债表是否依然保持平衡，通过一些压力测试，看模型是否依然保持平衡。

合理性检查。在财务预测和估值模型完成后，还需要对模型的合理性进行检查。需要找出模型中一些不太合理的结果或计算过程，找到不合理的原因，并进行修改。注意在建模过程中公式错误、预测期长度、假设的不合理性等错误对最终建模结果的影响。

2.模型更新与调整

数据更新。随着时间推移，过去的预测期成为了历史期。最新的财务数据只更新到某一季度而非全年，则还需要进行季度上的处理与修正。

假设更新。若国家政策、宏观经济、市场和行业环境、公司经营计划等因素发生变化，还需要根据这些变化对模型的假设进行修正，以反映公司最新状况。例如公司业务结构发生变化，新增了一项业务，需要在模型中增加对该业务的分析；若公司宣布新的重大固定资产投资计划或债权与股权融资计划等，应当就该计划可能影响的科目进行详细分析。

（九）相关会计计量

在产品估值的基础上，根据新会计准则的要求进行会计项目的记录，对信托产品的应付受托报酬、应付托管费用、应缴税费等负债进行计量，形成信托产品净值。信托产品估值形成的产品净值，按照“资管新规”要求定期向投资者进行披露，可作为投资者对不同信托产品进行业绩比较和评价的依据，得出最终的产品净值。

（十）研究基础

非标信托产品的估值体系是一个复杂的系统性工程，需要在宏观、行业、公司领域有一定的研究能力，做好估值的决策基础；同时，现金流测算、产品估值、含权条款的确权都需要金融工程领域的相关知识和计算能力储备；最后，在具体计算过程中，需要对数据进行维护和计算，需要相应的人工智能、数据仓库技术的支持。

1.宏观研究

估值体系中的宏观经济分析主要包括两个方面，即宏观经济运行和宏观经济政策对金融市场的影响分析。（1）宏观经济运行研究。宏观经济环境是影响企业生存、发展的最基本因素；需要考察宏观经济周期、政策、利率、物价水平等宏观经济因素变动对企业收入的影响。同时，当国家经济政策发生变化，比如采取调整利率水平、实施消费信贷、征收利息税等政策时，居民与单位的资金持有成本将随之变化，从而影响金融市场走向。（2）宏观经济政策研究。主要包括财政政策、货币政策与汇率政策。经济政策在企业支持、货币供给等方面影响整个经济的景气度，更重要的是对不同行业与企业带来不同影响，相关融资主体相应的股票、债券、非标融资等金融资产价格会随之波动。

2.行业研究

从金融资产分析的角度来看，行业分析是对企业进行分析的前提，也是连接宏观经济分析和公司分析的桥梁。不同的行业有特定的生命周期，处在不同生命周期不同发展阶段的行业，其投资价值、产品估值也不一样。在国民经济中地位不同的行业，这两项的表现也不一样。公司的投资价值可能会因所处行业不同而有明显差异。一方面，企业的投资价值可能会因为所处行业的不同而产生差异；另一方面，同一行业内的公司也会千差万别。各行业变动时，往往呈现出明显的、可预测的增长或衰退格局。这些变动与国民经济总体的周期变动相关联，处于增长型、周期型、防守型的不同行业，在不同的经济周期中利润增长不一样，同时企业的融资需求、融资成本也会在不同的周期呈现不同的状态。

3.公司研究

主要包括：（1）行业地位分析。企业盈利能力是高于还是低于行业平均水平，决定企业在行业内的竞争地位，衡量公司行业竞争地位的主要指标是产品市场占有率。（2）经济区位分析。将公司的价值分析与区位经济的发展联系起来。主要考虑区位内的自然条件和基础条件，区位内政府的产业政策和当地政府的财政实力等。（3）财务分析。包括公司法人治理结构、盈利预测、扩张能力预测、偿债能力分析等，主要以财务报表为基础，直接关系到企业的估值。

4.金融工程研究

估值体系涉及公司分析、金融工具交易、投资管理和风险管理各个环节，金融产品的最终定价是各环节综合的结果，因此需要纳入金融工程技术的运用。随着传统金融工具越来越难以满足公司特定的融资需求，越来越多的新型金融工具出现，以满足公司特定的融资需求。债权衍生品、股权衍生品、利率衍生品的不断丰富、含权非标产品、结构化产品的丰富，都需要金融工程技术对现金流进行分解和估值。许多含权产品的本质是发行人对自身产品的风险管理，运用风险管理工具进行风险控制。

5.信息技术研究

估值体系建设需要向大数据、数据技术的处理转变。随着数据量的不断增加与数据的广泛使用，金融产品的估值迫切需要将这些数据转换成有用的信息和知识，主要涉及人工智能、数据挖掘、数据仓库等IT技术。（1）人工智能技术。机器学习是人工智能的核心，主要采用归纳、综合，而不是演绎。自动推理是按照策略由已知判断进行推动，通过推理机实现问题的求解和新的判断。由于非标产品的个性化极强，需要建立专家系统，应用人工智能技术和计算机技术，根据专业的知识和经验进行推理和判断，模拟人类专家的决策过程。（2）数据挖掘技术。主要方法有神经网络、决策树、联机分析处理、数据可视化等，主要模型有分类模型、关联模型、顺序模型、聚类模型等。在非标数据的整理过程中，系统通过分类模型，根据金融数据的属性将数据划分至不同的组中，找出数据的属性模型，利用模型分析已有数据，预测新数据属于哪一个组，再对应到估值曲线与估值区间。（3）数据仓库技术。随着数据库技术的应用和发展，通过对原有数据库中的数据进行再加工，形成一个综合的、面向分析的环境，以更好地支持决策分析。作为决策支持系统，数据仓库技术通过有逻辑地存放数据，在数据库基础上进行梳理和归纳，运用联机分析处理和数据挖掘，用于支持高层决策分析。查看