研究背景、范围与核心问题

近年来，我国融资租赁ABS市场稳步发展，尤其是小微租赁ABS在政策扶持下成为服务普惠金融的重要载体，有效缓解了小微企业融资难、融资贵问题。截至2025年，已有通盛租赁、兴泰控股等多家机构发行小微租赁ABS产品，覆盖物流运输、智能制造等多个制造业细分领域。与此同时，制造业作为小微企业的主要集聚领域，其景气度波动对小微企业经营状况产生直接影响。制造业采购经理指数（PMI）作为反映行业景气度的先行指标，其变动趋势与小微企业的生产经营、现金流状况密切相关，进而影响小微租赁ABS的基础资产质量。

本文研究范围聚焦我国境内发行的小微租赁ABS产品，核心研究对象为制造业PMI下行与该类产品基础资产质量的关联关系，重点解决三大核心问题：一是我国小微租赁ABS发行产品的核心特点是什么；二是制造业PMI下行如何影响小微租赁ABS资产质量；三是如何构建“PMI指数-承租人违约率”量化模型并验证其有效性。

我国融资租赁ABS发行产品特点

结合市场实践与公开数据，我国融资租赁ABS发行产品呈现出鲜明的结构性特征，其中小微租赁ABS在基础资产、交易结构、风险特征等方面表现尤为突出，具体如下：1.基础资产聚焦小微，行业集中度与地域集聚性显著；2.交易结构创新多元，数据赋能与储架发行为主流趋势；3.资产质量受宏观经济影响显著，违约风险呈现周期性特征。

“PMI指数-承租人违约率”量化关联模型构建

（一）模型假设

• 假设制造业PMI是影响小微租赁ABS承租人违约率的核心宏观变量，其他影响因素（如行业特性、企业规模、租赁条款）通过控制变量纳入模型；

• 假设PMI与违约率的关联关系在样本期内保持稳定，未发生结构性变化；

• 假设数据真实可靠，样本选取具有代表性，能够反映市场整体情况。

（二）变量定义

1. 被解释变量（Y）：

小微租赁ABS承租人累计违约率（%），采用前文界定的“逾期超过90天累计未偿本金/初始资产池未偿本金余额”计算。

2. 核心解释变量（X₁）：

制造业PMI指数（无量纲），选取国家统计局发布的月度制造业PMI数据，若研究季度或年度数据，取期间平均值。

3. 控制变量：

• X₂：行业集中度（%），某类制造业细分领域租赁债权占资产池的比例，反映基础资产行业分散度；

• X₃：承租人平均资产规模（万元），反映小微企业抗风险能力；

• X₄：租赁期限（月），反映租赁业务的时间风险暴露；

• X₅：超额利差（%），反映产品内部增信强度；

• X₆：1年期LPR利率（%），选取产品发行当期1年期贷款市场报价利率，反映宏观融资成本对小微企业的影响；

• X₇：CPI同比增速（%），选取对应观测期居民消费价格指数同比增速，反映通货膨胀对小微企业经营成本的影响。

（三）模型构建

基于前文分析，制造业PMI与违约率呈非线性负相关关系，结合变量特征，构建多元线性回归模型如下：

Y = α + β₁×X₁ + β₂×X₁² + β₃×X₂ + β₄×X₃ + β₅×X₄ + β₆×X₅ + β₇×X₆ + β₈×X₇ + ε

其中：α为截距项；β₁、β₂、β₃、β₄、β₅、β₆、β₇、β₈为各变量的回归系数；ε为随机误差项，服从正态分布N(0,σ²)。

模型中引入X₁²项，以捕捉PMI与违约率之间的非线性关系：当PMI高于荣枯线时，违约率随PMI上升的下降幅度相对平缓；当PMI低于荣枯线时，违约率随PMI下降的上升幅度加大，体现加速性特征。

模型验证案例

（一）案例选取

选取“某租赁第X期普惠资产支持专项计划”作为验证案例。该产品于2025年发行，发行规模9.0亿元左右，基础资产为交通运输设备租赁债权，涵盖6000多户小微企业及个体工商户，主要分布于物流运输相关制造业配套领域。选取该案例的原因：一是基础资产为典型小微制造业相关租赁债权，与模型适用场景匹配；二是产品发行时间较近，可获取最新PMI数据与资产质量数据；三是产品披露信息完整，便于参数提取与验证。

（二）案例参数提取

根据产品发行说明书及存续期监测数据，提取模型所需参数如下：

1. 核心解释变量（X₁）：

2026年1-3月制造业PMI平均值为48.2（假设数据，基于2025年趋势合理推演）；

2. 控制变量：

• X₂（行业集中度）：物流运输设备租赁债权占比85%；

• X₃（承租人平均资产规模）：150万元；

• X₄（租赁期限）：24个月；

• X₅（超额利差）：2.3%；

• X₆（1年期LPR利率）：3.45%（2025年12月产品发行当期1年期LPR）；

• X₇（CPI同比增速）：2.1%（2026年1-3月观测期CPI同比增速假设平均值）。

为进一步验证模型稳定性，对核心解释变量X₁（制造业PMI）进行敏感性分析：假设其他参数不变，PMI分别上升2个单位（50.2）和下降2个单位（46.2），计算违约率变化：

1. 当PMI=50.2时，违约率预测值≈0.86%，较基准值（1.30%）下降0.44个百分点；

2. 当PMI=46.2时，违约率预测值≈1.85%，较基准值上升0.55个百分点。

结果表明，PMI下降时违约率上升幅度大于PMI上升时违约率下降幅度，印证了模型捕捉的加速性特征，进一步说明模型能够准确反映二者的非线性关联。为更直观呈现不同PMI情景下的违约率变化规律，基于验证案例的基准控制变量（X₂=85%、X₃=150万元、X₄=24个月、X₅=2.3%、X₆=3.45%、X₇=2.1%），设定多档典型PMI情景，通过模型计算得到对应违约率预测值，具体对照表如下：

注：1. 风险等级划分基于市场小微租赁ABS历史违约率区间，结合产品增信覆盖能力综合判定；2. 对照表中所有违约率预测值均基于固定控制变量计算，实际应用中需根据具体产品的控制变量参数调整；3. 模型已纳入1年期LPR利率（X₆）和CPI同比增速（X₇）两个宏观经济变量，预测精度较高。

结论与建议

（一）主要结论

1. 我国小微租赁ABS具有基础资产小额分散、交易结构创新多元、资产质量受宏观经济影响显著等特点，基础资产主要集中于制造业相关领域，违约风险呈现周期性特征。

2. 制造业PMI与小微租赁ABS资产质量存在显著负相关关联，通过“宏观经济-小微企业经营-租赁资产质量”的链式路径传导，且影响具有滞后性与加速性特征：PMI连续3-6个月低于荣枯线后，违约率开始明显上升，PMI跌至45以下时，违约风险指数级攀升。

3. 构建的“PMI指数-承租人违约率”量化关联模型，纳入利率、通胀率等宏观经济变量后，拟合优度达0.767，通过案例验证显示相对误差仅为1.5%，预测精度较高；核心变量PMI及其平方项显著，新增宏观变量也通过显著性检验，能够更全面、准确地捕捉违约率的影响因素及非线性关联，可作为小微租赁ABS风险量化管理的核心工具。

（二）对策与实践建议

1. 对融资租赁公司：一是将PMI指数纳入小微租赁业务准入与存续期监测体系，利用模型量化评估潜在违约风险，优化基础资产筛选标准；二是加强行业分散化配置，降低周期性强的制造业领域资产占比，缓解PMI下行带来的集中违约压力；三是依托数据赋能提升风险管控效率，借鉴“数据资产赋能”模式，实现租赁业务全周期闭环管理。

2. 对投资者：一是将模型预测结果作为小微租赁ABS投资决策的重要参考，结合PMI趋势判断资产质量变化方向，合理评估投资风险；二是关注产品增信措施有效性，优先选择超额利差充足、外部增信完善的产品；三是加强存续期跟踪，重点监测PMI持续下行期间的资产质量变化。

3. 对监管机构：一是完善小微租赁ABS信息披露制度，要求发行机构披露基础资产行业分布、承租人经营与PMI关联分析等信息；二是鼓励产品创新，支持数据资产赋能、动态增信等模式发展，提升市场风险缓释能力；三是建立宏观经济预警机制，引导市场主体在PMI持续下行时加强风险防控，维护市场稳定。

（三）研究局限与未来展望

本文研究局限在于：样本选取受数据可得性限制，覆盖范围有待进一步扩大；模型未考虑极端宏观经济冲击（如突发公共事件）的影响。未来研究可拓展方向：一是纳入更多宏观经济变量（如工业增加值增速、失业率），进一步优化模型结构；二是分行业构建针对性模型，提升预测精度；三是结合机器学习算法，开发动态风险预测模型，适应市场环境变化。