XiaoMi-AI文件搜索系统
World File Search SystemGSES
关于抵押贷款行业人工智能的误解和事实
关于抵押贷款行业 AI 的误解和事实 误解：AI 是抵押贷款行业最近采用的一项新技术。 事实：几十年来，抵押贷款行业一直在安全有效地使用 AI。 人工智能 (AI) 有很多种，但对于如何定义 AI 尚无共识。然而，一些州已经开始努力规范 AI，并将 AI 广泛定义为“任何基于机器的系统，为了任何明确或隐含的目标，从系统收到的输入中推断如何生成输出……可以影响物理或虚拟环境。” 1 此定义涵盖了最新形式的 AI，例如机器学习、大型语言模型和其他“生成性”AI（例如聊天 GPT），但它也涵盖了较旧的技术，例如基于计算机算法的工具。这个广义的定义包括许多已使用数十年的广为接受的技术。贷方依靠联邦政府和政府支持的企业 (GSE) 开发的 AI 来做出贷款决策或确定贷款是否有资格获得担保。这些自动承保系统 (AUS) 由联邦住房管理局、房利美和房地美开发和维护。例如，桌面承保人 (DU) 和贷款勘探顾问 (LPA) 由政府支持企业开发和控制，而退伍军人管理局 (VA) 和联邦住房管理局 (FHA) 的住房和城市发展部 (HUD) 有自己的要求和认证来批准供应商 AUS。此外，贷方依靠 FICO 制作的信用评分模型来为这些贷款决策和定价提供信息。误区：使用人工智能指导贷款决策将加剧住房不平等。事实：有法律保障措施可以防止算法歧视。与任何工具一样，人工智能的效果取决于用户如何开发和部署它。然而，在许多情况下，人工智能通过中立地评估借款人而不考虑受保护的特征来帮助减少住房系统中的偏见。消费者金融部颁布的《平等信贷机会法》(ECOA) 及其实施条例减轻了人工智能或算法歧视在消费者金融中的风险
Pioneer Diversified High Income Fund, Inc. - Amundi
该基金的非基准证券化资产主要由商业抵押贷款支持证券 (CMBS) 组成，但也包括抵押贷款支持证券 (CLO) 和 RMBS 内的信用风险转移证券。（信用风险转移是将传统住宅抵押贷款池中与信贷损失相关的部分风险从政府支持实体或 GSE、房利美和房地美转移到私营部门的证券。）按数量级排列，该基金的 CMBS 配置大致包括单一资产/单一借款人发行、房地美发行的非担保交易和传统的管道交易（多元化的固定利率池）。该基金的证券化资产在 12 个月期间产生了轻微的正总回报，表现优于高收益公司以及更广泛的证券化市场，其中 RMBS 配置在投资组合的证券化风险敞口中为基准相对回报做出了积极贡献。 CMBS 敞口也对基金的相对表现产生了积极影响，尽管该投资组合持有的资产支持证券 (ABS) 产生了负回报，原因是支持消费贷款交易的服务商破产。随着利率上升，CMBS 和 RMBS 领域的发行量在 2023 年均大幅下降，而 ABS 的发行量下降幅度较小。
MDB风险转移：业务模型和数据
执行总结本报告旨在为多边开发银行（MDB）提供实施真正可扩展风险转移的路线图。为此，它审查了商业银行和美国抵押贷款再融资机构采用的风险转移技术，然后介绍了MDB如何进行的建议。MDBS在2015年通过的所谓“数十亿至万亿议程”意味着MDB资产负债表大大扩展。没有MDB资本资源的不可思议的大幅增加，这需要大量资产负债表优化，并利用私营部门投资者的风险承担能力。一次性交易和交易而没有标准化和协调将是实现这一目标的一种非常低效的方法。新的安排和基础设施对于大规模实施MDB的风险转移是必要的。在商业银行的安排中可以找到如何进行MDB的示例。想要创建风险转移流量的单个银行依靠计划或“平台”，在这些计划或“平台”中，他们生成了一系列交易，涉及具有相似特征的贷款，以加快风险转移过程，降低运营风险并从规模经济中受益。例如，评级机构更快地提供了有关从现有平台重复的交易的反馈。作为竞争对手，商业银行倾向于开发自己的内部平台。MDB已经采用了协调风险转移方法的一些要素。目前尚未包含有关投资者也可能需要的可持续性的数据。他们不以与其他银行的实施风险转移的协调或合作方式运作，但是在监管机构要求银行要求银行生成遵守报告标准的数据的范围内，进行了一些有效的协调。相反，人们可能会发现在美国政府机构和政府赞助的企业（GSE）的实践中，这些企业（GSE）提供了在美国住宅抵押贷款市场的重新融资，这是更协调的方法的一个例子。这些机构已成功执行数据标准，该标准支持从初始合同到投资者报告的高效贷款风险转移管道，从而改变了美国住房贷款行业。由投资者主导的美国抵押市场风险转移的标准化可能与MDB有关，因为MDB异常合作金融组织可能希望实施由原始者主导的方法来进行标准化和协调的风险转移。此类元素包括一个称为宝石的财团历史数据库，该数据库为MDB贷款信息开发并协调数据标准。通过参与MDB来设计数据标准，以促进内部MDB风险模型的校准，并且该信息目前不足以满足投资者在包括抵押品和财务特征在内的问题上的需求。此外，MDB已开始开发特定于机构的风险转移平台。示例包括IFC和ADB与保险公司面板的安排。公共国家平台，希望为特定国家提供发展融资，第一个例子是孟加拉国。但是，所有这些想法结合在一起以及MDB的合作和协调的风险转移方法是什么？这是本文的主题。反思商业银行和美国住房机构风险转移平台的经验，我们为可扩展且灵活的方法制定了建议，其中一个或多个MDB的贷款转移到仓库中，然后受到资助或合成的“外卖”证券性的影响。我们建议的新功能是使用主权B-Loans。这种设计将允许MDB管理其杠杆作用和风险加权资产，而某些评级机构仍与极大的杠杆作用作为资本充足的指标的方法论保持联系。使用仓库将有效利用专家投资者的融资能力，而证券化的使用将带来多元化的好处，并有可能与广泛资本市场投资者的风险胃口和专业知识水平相匹配。通过这种方法，MDB可能希望获得最有利的贷款信用贷款风险定价。