Wholesale Banking Was ist Wholesale Banking Wholesale Banking bezieht sich auf Bankdienstleistungen zwischen Handelsbanken und anderen Finanzinstituten. Diese Art von Banking befasst sich mit größeren Kunden, wie große Konzerne und andere Banken, während Retail-Banking konzentriert sich mehr auf die einzelnen oder kleinen Unternehmen. Wholesale-Banking-Dienstleistungen umfassen Währungsumrechnung, Working Capital Finanzierung, große Handelsgeschäfte und andere Arten von Dienstleistungen. Laden des Players. BREAKING DOWN Großhandel Banking Großhandel Banking soll die finanzielle Praxis der Kreditvergabe und Kreditaufnahme zwischen zwei großen Institutionen zu beschreiben. Bankdienstleistungen, die als Großhandel betrachtet werden, sind nur Regierungsstellen, Pensionsfonds vorbehalten. Unternehmen mit starken Finanzwerten und anderen institutionellen Kunden von ähnlicher Größe und Größe. Diese Dienstleistungen bestehen aus Cash Management. Ausrüstung Finanzierung, große Kredite, Händler-Banking und Treuhanddienstleistungen, unter anderem. Wholesale Banking bezieht sich auch auf die Kreditaufnahme und Darlehen zwischen institutionellen Banken. Diese Art der Kreditvergabe erfolgt auf dem Interbankenmarkt und erfordert oft extrem hohe Geldsummen. Die meisten Standardbanken sind als Handelsbanken tätig und bieten neben den klassischen Retail-Banking-Dienstleistungen auch Wholesale-Banking-Dienstleistungen an. Dies bedeutet, dass eine Person auf der Suche nach Groß-Banking nicht zu einer speziellen Institution gehen und könnte stattdessen engagieren die gleiche Bank, in der er führt seine persönlichen Retail-Banking. Beispiel für Wholesale Banking Der einfachste Weg, um Groß-Banking zu konzipieren ist es, wie ein Discount-Supermarkt wie Costco, dass in so großen Mengen, dass es spezielle Preise oder reduzierte Gebühren anbieten können, auf einer pro-Dollar-Basis zu denken. Es wird vorteilhaft für große Organisationen oder Institutionen mit einem hohen Betrag von Vermögenswerten oder Geschäftsvorfällen in Groß-Banking-Dienstleistungen statt Retail Banking Dienstleistungen engagieren. Zum Beispiel gibt es viele Gelegenheiten, wo ein Unternehmen mit mehreren Standorten braucht eine Groß-Banking-Lösung für Cash-Management. Technologieunternehmen mit Satellitenbüros sind ein hervorragender Kandidat für diese Dienstleistungen. Sagen wir, dass ein SaaS-Unternehmen 10 Verkaufsbüros in den Vereinigten Staaten verteilt hat, und jeder seiner 50 Vertriebsmitarbeiter hat Zugang zu einer Corporate-Kreditkarte. Die Eigentümer des SaaS-Unternehmens verlangen ferner, dass jedes Vertriebsbüro eine Million Barreserven behält. Insgesamt 10 Millionen im gesamten Unternehmen. Es ist leicht zu sehen, dass ein Unternehmen mit diesem Profil zu groß für Standard-Retail-Banking ist. Stattdessen können die Unternehmer eine Bank engagieren und fordern eine Unternehmenseinrichtung, die alle Unternehmen finanziellen Konten hält. Großhandelsbankdienstleistungen fungieren wie eine Einrichtung, die Rabatte anbietet, wenn ein Geschäft minimale Kassenreserveanforderungen und oder minimale monatliche Transaktionsanforderungen erfüllt, die beide das SaaS-Unternehmen treffen werden. Es ist daher vorteilhaft für das Unternehmen in einer Unternehmenseinrichtung, die alle seine finanziellen Konten konsolidiert und reduziert ihre Gebühren, anstatt zu halten 10 Retail-Girokonten und 50 Retail-Kreditkarten offen. System und Methode zur Optimierung Festverzinsliche Vollkredithandel US 20140188692 A1 Optimierung von Festzins-Ganzkredithandel. Insbesondere stellt die Erfindung computerbasierte Systeme und Verfahren zum optimalen Verpacken einer Population von ganzen Krediten in Anleihen entweder in einer seniorenübergreifenden Anleihestruktur oder in Pools von Pass-Through-Effekten, die von einer Regierungsbehörde garantiert werden, bereit. Modelle für jede Art von Bindungsstruktur werden auf die Population von Darlehen verarbeitet, bis entweder ein optimales Bindungspaket gefunden ist oder ein Benutzer bestimmt, dass eine Lösung von ausreichender Qualität gefunden wird. Darüber hinaus können die Modelle für Gebote für ganze Darlehen durch die Zuteilung von ganzen Darlehen, die Anforderungen des Angebots, aber sind am wenigsten zu verbriefen. (25) Patentansprüche 1. Ein computerimplementiertes Verfahren, das Folgendes umfasst: Erstellen eines Modells, das eine Zielfunktion umfasst, die einen Gesamtmarktwert der seniorenübergreifenden Bindungsstruktur für die Vielzahl von Krediten repräsentiert und durch den Computer die Zielfunktion maximiert, um den Gesamtmarktwert zu maximieren, durch einen Computer Der senioreubordinaten Bindungsstruktur. 2. Computerimplementiertes Verfahren nach Anspruch 1, wobei der Schritt des Maximierens der Zielfunktion umfasst: Bestimmen eines Marktpreises eines jeden Kredites, der einen ersten gewichteten durchschnittlichen Ausführungscoupon für die Vielzahl von Krediten bestimmt, die dem Marktpreis jedes Kredits entsprechen, der den Gesamtmarkt bestimmt Wert der seniorenneutralen Struktur an dem ersten gewichteten durchschnittlichen Ausführungscoupon, der den gewichteten durchschnittlichen Ausführungscoupon iteriert und bei jeder Iteration einen Gesamtmarktwert für die seniorsubordinate Struktur bestimmt und den gewichteten durchschnittlichen Ausführungscoupon mit den höchsten Gesamtmarktwerten für die senioreubordinierte Struktur bestimmt. 3 . Computerimplementiertes Verfahren nach Anspruch 1, ferner umfassend das Entwickeln und Maximieren einer Zielfunktion, um wenigstens einen der Kredite optimal in zwei Pseudokredite aufzuteilen, um die Erzeugung einer Zinsanleihe oder einer Hauptanleihe zu verhindern, wobei die beiden Pseudokredite umfassen Unterschiedliche Couponwerte. 4. Ein computerimplementiertes Verfahren zum optimalen Bündeln einer Population von Darlehen, um durch Bond-Pools passieren zu können, wobei das Verfahren umfasst: Auswählen der Population von Krediten, die durch den Computer eine optimale Ausführung jedes Darlehens aus der Population von Darlehen durch einen Buy-up oder a Kauf einer Garantiegebühr, die einen oder mehrere Pools bestimmt, für die jedes Darlehen geeignet ist, ein Modell zu erstellen, das auf mindestens einer Einschränkung für mindestens einen bestimmten Pool basiert und Kredite an den einen oder den mehreren Pässen durch Anleihepools zuteilt. 5. Computerimplementiertes Verfahren nach Anspruch 4, ferner umfassend das Bestimmen mindestens eines Moduls aus einem oder mehreren Modulen, die so konfiguriert sind, dass sie die Population von Krediten durch Bindungstriche auf der Basis eines empfangenen Eingangs durchläßt, wobei der mindestens eine Modul mindestens einen Modul umfasst Modul ein Durchgangsmodul aufweist. 6. Computerimplementiertes Verfahren nach Anspruch 4, wobei das Modell eine Zielfunktion umfasst, die eine lineare Kombination eines Marktwertes jeder der Kredite umfasst. Fig. 7 Computerimplementiertes Verfahren nach Anspruch 6, wobei das Zuweisen der Kredite das Ausführen des Modells zur Maximierung der Zielfunktion umfasst. Fig. 8 Computerimplementiertes Verfahren nach Anspruch 4, ferner umfassend das Transformieren der mindestens einen Einschränkung jedes Durchgangs durch Bindungspool in eine bedingte Bedingung. 9. Das computerimplementierte Verfahren nach Anspruch 4, ferner umfassend das Umwandeln mindestens eines Teils der mindestens einen Einschränkung jedes Durchgangs durch Bindungspool in eine bedingte Bedingung vor der Verarbeitung des Modells, um sicherzustellen, dass das Modell lösbar ist. 10. Computerimplementiertes Verfahren nach Anspruch 4, das des Weiteren das Transformieren jeder der mindestens einen Einschränkungen in eine bedingte Einschränkung umfasst, um zu ermöglichen, dass Einschränkungen anwendbar sind, um nur Bond-Pools durchzulassen, die zugeordnet sind. 11. Computerimplementiertes Verfahren nach Anspruch 4, ferner umfassend das Zuweisen von mindestens einer der Population von Krediten an einen nicht zugeordneten Pool. 12. Das computerimplementierte Verfahren nach Anspruch 4, das ferner das Zuweisen von Darlehen in einen nicht zugeordneten Pool umfasst, wenn jeder der Durchlauf-Bond-Pools nicht mit der Population von Darlehen vergeben werden kann, wobei Darlehen in dem nicht zugeordneten Pool Null-Marktwert erhalten und bei dem das Modell verarbeitet wird Ferner die Minimierung der Anzahl von Krediten, die dem nicht zugewiesenen Pool zugeordnet sind. 13. Computerimplementiertes Verfahren nach Anspruch 4, wobei das Modell die Einschränkung jedes Durchgangs durch Bond-Pool und eine mit jedem Durchgang durch Bond-Pool assoziierte Anzahlung berücksichtigt. 14. System, das aufweist: einen Speicher, der einen Satz von Befehlen zum Zuordnen eines Teils einer Vielzahl von Krediten zu einem Darlehenspaket und einen mit dem Speicher gekoppelten Computer umfasst und konfiguriert ist, um den Satz von Anweisungen auszuführen, um zu bestimmen, welche der Vielzahl von Darlehen einen erfüllen Oder mehr Beschränkungen des Kreditpakets einen Marktpreis für jede der Vielzahl von Darlehen auf der Grundlage eines Verbriefungsmodellmodells bestimmen, die eine Zielfunktion aufweist, um festzustellen, welche Darlehen in der Vielzahl von Darlehen, die die eine oder mehrere Beschränkungen erfüllen, für die Verbriefung am wenigsten gewinnbringend sind Verbriefungsmodells und vergeben die Kredite, die die eine oder andere Einschränkung erfüllen und für die Verbriefung am wenigsten rentabel sind. 15 . System nach Anspruch 14, wobei das Verbriefungsmodell ein seniorsubordinates Modell umfasst. 16. System nach Anspruch 14, wobei die Zielfunktion modelliert ist, um einen Spread zwischen einem gewogenen Durchschnittspreis der Darlehen in dem Darlehenspaket und einem TBA-Anleihekurs des gewichteten durchschnittlichen Kupons der Darlehen im Darlehenspaket zu minimieren Aufrechtzuerhalten. 17. System nach Anspruch 14, bei dem die Zielfunktion modelliert wird, um einen Dollarkurs eines Spread zwischen einem gewogenen Durchschnittspreis der Darlehen im Darlehenspaket und einem Anleihekurs der Anleihe (TBA) des gewichteten durchschnittlichen Kupons der Darlehen zu minimieren Im Darlehenspaket. 18. Verfahren zur Optimierung eines Festzins-Ganzkredithandels, wobei das Verfahren die folgenden Schritte umfasst: Auswählen einer Population von Darlehen, die durch einen Computer eine oder mehrere Kredite auswählen, die eine Einschränkung eines Gebots erfüllen, die durch den Computer einen Preis für jeden Kredit, Basierend auf einem verbrieften Modell, das durch den Computer bestimmt, ob ein effizientes Modell verwendet werden soll, um auszuwählen, welches der einen oder mehreren Kredite am wenigsten günstig ist, um verbrieft zu werden, und wenn das effiziente Modell verwendet wird, dann durch den Computer, Die eine oder mehrere Kredite sind am wenigsten günstig verbrieft werden durch minimale Dollar Wert der Ausbreitung. 19. Verfahren nach Anspruch 18, ferner umfassend: Bestimmen, durch den Computer, mindestens eines Moduls eines oder mehrerer Module, das auf der Grundlage eines empfangenen Eingangs einen Festpreis-Gesamt-Kredithandel optimiert, wobei das mindestens eine Modul ein vollständiges Kreditmodul umfasst. 20. Verfahren nach Anspruch 18, ferner mit dem Schritt des Zuordnens eines Teils der Vielzahl von ganzen Darlehen zu einem Paket von ganzen Darlehen für den Verkauf als ganze Darlehen durch den Computer, wobei der Teil ganze Darlehen umfasst, die mindestens eine Bedingung erfüllen und weniger sind Wenn das effiziente Modell nicht verwendet wird, wobei dann durch den Computer ausgewählt wird, welcher der einen oder mehreren Kredite am günstigsten ist, um durch Minimierung der Spreizung verbrieft zu werden. 21. System, umfassend: einen Computer, der kommunikativ mit dem Netzwerk gekoppelt ist und konfiguriert ist, um: ein Modell zu erzeugen, das einer Vielzahl von überschüssigen Couponbindungspools und einem nicht zugeordneten Pool entspricht, wobei jeder überschüssige Couponbondpool mindestens eine Einschränkung umfasst und das Modell verarbeitet, Die Kredite entweder in eine überschüssige Coupon-Pool oder in den nicht zugewiesenen Pool, um den Gesamtmarktwert der überschüssigen Coupon zu maximieren, die den überschüssigen Coupon-Pools zugewiesen wird. 22. System nach Anspruch 21, wobei das Modell eine Zielfunktion umfasst, die den gesamten Marktwert des überschüssigen Coupons darstellt, der den überschüssigen Coupon-Pools zugeordnet wird. 23. System nach Anspruch 21, wobei der Computer ferner so konfiguriert ist, dass er jede der mindestens einen Einschränkungen in eine bedingte Bedingung umwandelt. 22. System nach Anspruch 21, wobei der Computer ferner so konfiguriert ist, dass er jede der mindestens einen Einschränkungen in eine bedingte Einschränkung umwandelt, um zu ermöglichen, dass Einschränkungen nur auf überschüssige Couponbindungspools anwendbar sind, die zugeordnet sind. 24. System nach Anspruch 21, wobei der Computer ferner konfiguriert ist, um die überschüssigen Couponpools zu identifizieren, für die jeder der Kredite auf der Grundlage von Kollateralattributen der Kredite zugeteilt werden kann und jeden Kredit, der für einen überschüssigen Couponpool identifiziert wurde, zu einem einzelnen Kreditzinskollaps kollabiert Die Anzahl der Darlehen im Modell zu reduzieren. Diese Anmeldung ist ein Teil der U. S. Patentanmeldung Ser. Nr. 12533,315, eingereicht am 31. Juli 2009, die den Vorteil der vorläufigen US-Patentanmeldung Nr. 61191011, eingereicht am 3. September 2009, beansprucht, die beide hier durch Bezugnahme vollumfänglich hierin aufgenommen werden. Die vorliegende Erfindung bezieht sich allgemein auf Systeme und Verfahren zur Optimierung des Kredithandels und insbesondere auf computergestützte Systeme und computerimplementierte Verfahren zur Optimierung von Paketen von ganzen Krediten zur Ausführung in Anleihen oder Verkaufen als ganze Kreditpakete. Finanzinstitute wie Investmentbanken, Kaufkredite und Kreditportfolios von Banken oder Kreditgebern, um vorrangig die Kredite in Anleihen zu verbriefen und dann Anleihen an Anleger zu verkaufen. Diese Anleihen gelten als Asset-Backed Securities, da sie durch das Vermögen der Kredite besichert sind. Viele Arten von Darlehen können in Anleihen verbrieft werden, einschließlich Wohnungshypotheken, gewerbliche Hypotheken, Kfz-Darlehen und Kreditkartenforderungen. Eine Vielzahl von Bindungsstrukturen kann aus einer Bevölkerung von Darlehen geschaffen werden, wobei jede Struktur Merkmale und Einschränkungen aufweist, die berücksichtigt werden müssen, um den Gewinn zu maximieren, den ein Finanzinstitut durch die Verbriefung der Kredite in Anleihen realisieren kann. Die optimale Gruppierung oder Bündelung von Darlehen in Anleihen für eine gegebene Bindungsstruktur und eine gegebene Kreditpopulation kann von den Merkmalen jedes Darlehens in der Bevölkerung abhängen. Darüber hinaus kann der Anleihepool oder der Ausführungskupon, den ein einzelnes Darlehen ausführt, von dem Anleihepool oder der bestmöglichen Ausführung eines jeden anderen Darlehens in der Bevölkerung abhängen. Da die typische Darlehenspopulation, die für die Verbriefung in Anleihen in Betracht gezogen wird, sehr groß ist (z. B. 10.000 Darlehen oder mehr), kann die Bestimmung einer optimalen Bündelung von Darlehen für die Verbriefung in Anleihen eine Herausforderung darstellen. Dementsprechend sind Systeme und Verfahren zur Optimierung der Verpackung einer Populationsgruppe von Darlehen in Bindungen für eine gegebene Bindungsstruktur erforderlich. Die Erfindung stellt computergesteuerte Systeme und computerimplementierte Verfahren zur Optimierung eines festen Zinssatzes für eine gesamte Darlehensproduktion bereit. Ein Aspekt der vorliegenden Erfindung schafft ein System zur Optimierung eines festen Zinssatzes für den gesamten Kredithandel. Dieses System umfasst ein Computersystem, das eine Softwareanwendung umfasst, die ein oder mehrere Module umfasst, die betreibbar sind, um ein Modell zur Bestimmung einer Verbriefungsstrategie für eine Population von Gesamtdarlehen zu entwickeln, wobei die Verbriefungsstrategie Anleihen umfasst und so betreibbar ist, dass das Modell bis zu einer optimalen Verbriefungsstrategie verarbeitet wird Die Bevölkerung von ganzen Krediten gefunden wird, und eine Benutzerschnittstelle zum Empfangen von Benutzereingaben für das eine oder mehrere Module und zum Ausgeben der optimalen Verbriefungsstrategie, wobei die Benutzerschnittstelle mit der Softwareanwendung kommuniziert. Ein weiterer Aspekt der vorliegenden Erfindung sieht ein computerimplementiertes Verfahren zum Bestimmen eines optimalen Ausführungsbondkupons für jedes Darlehen in einer Gruppe von Darlehen in einer seniorsubordinaten Bindungsstruktur vor. Das Verfahren umfasst das Erstellen eines Modells, das eine Zielfunktion umfasst, die einen Gesamtmarktwert der senioreubordinaten Anleihestruktur für die Kredite darstellt. Ferner umfasst das Verfahren das Maximieren der Zielfunktion, um den Gesamtmarktwert der senioreubordinaten Bindungsstruktur zu maximieren. Ein weiterer Aspekt der Erfindung sieht ein computerimplementiertes Verfahren zum optimalen Bündeln von Darlehen vor, um Bond-Pools durchzulassen. Die Methode umfasst die Auswahl einer Population von Darlehen. Ferner umfasst für jedes Darlehen der Selektionspopulation von Darlehen das Verfahren das Bestimmen einer optimalen Ausführung jedes Darlehens durch einen Kauf oder eine Abnahme der Garantiegebühr. Ferner umfasst das Verfahren das Bestimmen eines oder mehrerer Pools, für die jedes Darlehen geeignet ist. Des Weiteren umfasst das Verfahren das Erstellen eines Modells auf der Grundlage mindestens einer Einschränkung für mindestens einen bestimmten Pool und die Zuteilung von Darlehen an den einen oder den mehreren Durchlaufbindungspools. Ein weiterer Aspekt der Erfindung sieht ein System mit einem Speicher vor, der einen Satz von Befehlen zum Zuordnen eines Teils einer Gruppe von Darlehen zu einem Darlehenspaket aufweist. Ferner weist das System einen mit dem Speicher gekoppelten Computer auf. Bei Ausführung des Satzes von Anweisungen bestimmt der Computer, welche der Kredite eine oder mehrere Beschränkungen des Kreditpakets erfüllen. Darüber hinaus ermittelt der Computer anhand eines Verbriefungsmodells einen Marktpreis für jeden der Kredite. Ferner kann der Computer eine Zielfunktion modellieren, um zu bestimmen, welche Kredite in der Gruppe von Krediten, die die eine oder die mehreren Einschränkungen erfüllen, für die Verbriefung im Verbriefungsmodell am wenigsten gewinnbringend sind und die Kredite vergeben, die die eine oder die mehreren Einschränkungen erfüllen und die am wenigsten profitabel sind Verbriefung in das Kreditpaket. Ein weiterer Aspekt der vorliegenden Erfindung sieht ein Verfahren zur Optimierung eines festen Zinssatzes für den gesamten Kredithandel vor. Dieses Verfahren umfasst die Schritte des Auswählens einer Population von Darlehen, die eine oder mehrere Darlehen auswählen, die eine Einschränkung eines Gebots erfüllen, die einen Preis für jedes Darlehen bestimmt, das die Einschränkung auf der Grundlage eines verbrieften Modells erfüllt, das bestimmt, ob ein effizientes Modell verwendet werden soll, um das zu wählen Ein oder mehrere Darlehen sind am wenigsten günstig zu verbriefen. Wenn das effiziente Modell verwendet wird, umfasst das Verfahren auch das Auswählen, welche der Pone oder mehr Kredite am wenigsten günstig sind, um durch einen minimalen Dollarkurs der Ausbreitung verbrieft zu werden. Ein weiterer Aspekt der vorliegenden Erfindung schafft ein System zum optimalen Bündeln von überschüssigem Coupon, der aus Verbriefungsdarlehen resultiert. Das System umfasst und Netzwerk und ein Computer kommunizierbar mit dem Netzwerk gekoppelt. Ferner erzeugt der Computer ein Modell, das den überschüssigen Coupon-Bond-Pools und einem nicht zugeordneten Pool entspricht, wobei jeder überschüssige Coupon-Pool mindestens eine Einschränkung enthält und das Modell verarbeitet, um jedes der Darlehen entweder in einen überschüssigen Coupon-Pool oder in den nicht zugewiesenen Pool zuzuordnen Um den Gesamtmarktwert des überschüssigen Coupon zu maximieren, der den überschüssigen Couponbindungspools zugewiesen wird. Diese und andere Aspekte, Merkmale und Ausführungsformen der Erfindung werden einem Durchschnittsfachmann unter Berücksichtigung der folgenden detaillierten Beschreibung der veranschaulichten Ausführungsformen erkennbar, die den besten Modus zum Ausführen der Erfindung, wie sie gegenwärtig wahrgenommen wird, beispielhaft darstellen. KURZE BESCHREIBUNG DER ZEICHNUNGEN Für ein vollständigeres Verständnis der beispielhaften Ausführungsformen der vorliegenden Erfindung und der Vorteile davon wird nun auf die folgende Beschreibung in Verbindung mit den beigefügten Figuren verwiesen, die nachfolgend kurz beschrieben werden. FEIGE. 1 ist ein Blockdiagramm, das ein System zur Optimierung eines Festzins-Ganzkredithandels gemäß einer beispielhaften Ausführungsform der vorliegenden Erfindung darstellt. FEIGE. 2 ist ein Flussdiagramm, das ein Verfahren zum Optimieren eines Festzins-Ganzkredithandels gemäß einer beispielhaften Ausführungsform der vorliegenden Erfindung darstellt. FEIGE. 3 ist ein Flussdiagramm, das ein Verfahren zum Bestimmen einer Verbriefungsstrategie für eine Population von Krediten gemäß einer beispielhaften Ausführungsform der vorliegenden Erfindung darstellt. FEIGE. 4 ist ein Flussdiagramm, das ein Verfahren zum Verpacken einer Population von Krediten in einer seniorengeordneten Struktur gemäß einer beispielhaften Ausführungsform der vorliegenden Erfindung darstellt. FEIGE. 5 ist ein Flussdiagramm, das ein Verfahren zum Verpacken einer Population von Krediten in einer seniorengeordneten Struktur gemäß einer beispielhaften Ausführungsform der vorliegenden Erfindung darstellt. FEIGE. 6 ist ein Flussdiagramm, das ein Verfahren zum Verpacken einer Population von Darlehen in Durchlaufbindungen gemäß einer beispielhaften Ausführungsform der vorliegenden Erfindung darstellt. FEIGE. 7 ist ein Flussdiagramm, das ein Verfahren zum Verpacken von Gesamtkrediten gemäß einer beispielhaften Ausführungsform der vorliegenden Erfindung darstellt. FEIGE. 8 ist ein Flussdiagramm, das ein Verfahren zum Bündeln von überschüssigem Coupon gemäß einer beispielhaften Ausführungsform der vorliegenden Erfindung darstellt. DETAILLIERTE BESCHREIBUNG BEISPIELHAFTER AUSFÜHRUNGSFORMEN Die Erfindung stellt computerbasierte Systeme und Verfahren zur Optimierung des festen Zinssatzes des gesamten Kredithandels bereit. Insbesondere stellt die Erfindung computerbasierte Systeme und Verfahren zum optimalen Verpacken einer Population von ganzen Krediten in Anleihen entweder in einer seniorenübergreifenden Anleihestruktur oder in Pools von Pass-Through-Effekten, die von einer Regierungsbehörde garantiert werden, bereit. Modelle für jede Art von Bindungsstruktur werden auf die Population von Darlehen verarbeitet, bis entweder ein optimales Bindungspaket gefunden ist oder ein Benutzer bestimmt, dass eine Lösung von ausreichender Qualität gefunden wird. Darüber hinaus können die Modelle für Gebote für ganze Darlehen durch die Zuteilung von ganzen Darlehen, die Anforderungen des Angebots, aber sind am wenigsten zu verbriefen. Obwohl die beispielhaften Ausführungsformen der Erfindung in Form von Gesamtdarlehen (insbesondere Festzins-Wohnhypotheken) erörtert werden, können Aspekte der Erfindung auch auf den Handel mit anderen Arten von Darlehen und Vermögenswerten, wie z. B. variabel verzinsliche Darlehen und revolvierende Schulden, angewendet werden. Die Erfindung kann ein Computerprogramm umfassen, das die hierin beschriebenen und in den angefügten Flussdiagrammen dargestellten Funktionen verkörpert. Es sollte jedoch offensichtlich sein, dass es viele verschiedene Arten der Implementierung der Erfindung bei der Computerprogrammierung geben kann und die Erfindung nicht als auf irgendeinen Satz von Computerprogrammbefehlen beschränkt angesehen werden sollte. Ferner wäre ein erfahrener Programmierer in der Lage, ein derartiges Computerprogramm zu schreiben, um eine Ausführungsform der offenbarten Erfindung basierend auf den Flussdiagrammen und der zugehörigen Beschreibung in dem Anwendungstext zu implementieren. Daher wird die Offenbarung eines bestimmten Satzes von Programmcodebefehlen nicht für ein angemessenes Verständnis der Herstellung und Verwendung der Erfindung als notwendig erachtet. Die erfindungsgemäße Funktionalität des beanspruchten Computerprogramms wird in der nachfolgenden Beschreibung in Verbindung mit den Figuren, die den Programmablauf darstellen, näher erläutert. Ferner versteht es sich für den Fachmann, dass eine oder mehrere der beschriebenen Stufen durch Hardware, Software oder eine Kombination davon ausgeführt werden können, wie es in einem oder mehreren Computersystemen ausgeführt sein kann. Unter Bezugnahme auf die Zeichnungen, in denen gleiche Bezugszeichen gleiche Elemente in den Figuren darstellen, werden Aspekte der beispielhaften Ausführungsformen im Detail beschrieben. FEIGE. 1 ist ein Blockdiagramm, das ein System 100 zur Optimierung eines festen Zinssatzes des gesamten Kredithandels gemäß einer beispielhaften Ausführungsform der vorliegenden Erfindung darstellt. Bezug nehmend auf Fig. 1. Das System 100 enthält ein Rechensystem 110, das mit einem verteilten Netzwerk 140 verbunden ist. Das Computersystem 110 kann ein Personalcomputer sein, der mit dem verteilten Netzwerk 140 verbunden ist. Das Rechensystem 110 kann eine oder mehrere Anwendungen umfassen, wie etwa die Kredithandhabungsoptimierer-Anwendung 120. Dieser beispielhafte Kredithandeloptimierer 120 umfasst vier Module 121 - 124, die einzeln oder miteinander interagieren können, um eine optimale Verpackung von Krediten in eine oder mehrere Bindungsstrukturen und ganze Kreditpakete bereitzustellen. Ein seniorsubordinates Modul 121 verteilt Kredite in eine seniorsubordinate Bondstruktur mit Anleihen mit unterschiedlichen Bonitätsraten und unterschiedlichen Netto-Couponwerten. Wie im einzelnen unter Bezugnahme auf die Fig. 4-5. Verteilt das Seniorsubordinate-Modul 121 die Kredite in Anleihen mit einem AAA-Rating, nachrangigen Anleihen mit niedrigeren Bonitätseinstufungen und je nach Darlehen und Couponwerten der AAA-Anleihen und nachrangigen Anleihen nur Anleihen und Hauptanleihen. Ein Durchlaufmodul 122 verteilt Kredite, um durch von einer Regierungsbehörde garantierte Anleihen, wie Freddie Mac oder Fannie Mae, zu gehen. Das Durchlaufmodul 122 optimiert die Kredite optimal in "To Be Announced (TBA)" - Passagen, die auf einer Vielzahl von Einschränkungen basieren. Das Durchlaufmodul 122 wird nachfolgend unter Bezugnahme auf Fig. 1 näher erläutert. 6. Ein Gesamtdarlehenmodul 123 weist Kredite auf, um Gebote für Kreditportfolien zu erfüllen, die bestimmte Anforderungen und Beschränkungen des Angebots erfüllen. Das gesamte Darlehensmodul 123 kann entweder mit dem seniorengeordneten Modul 121 oder dem Durchlaufmodul 122 interagieren, um Kredite zuzuteilen, die die Anforderungen der Angebote erfüllen, aber weniger günstig sind, um verbrieft zu werden. Das gesamte Darlehensmodul 123 wird nachfolgend unter Bezugnahme auf 5 näher erläutert. Fig. 7 Ein überschüssiges Couponmodul 124 verteilt überschüssige Coupons von verbrieften Krediten in verschiedene Bondtranchen oder Pools. Das überschüssige Couponmodul 124 kann überschüssige Coupons zusammenfassen, die aus einer von dem seniorsubordinaten Modul 121 erzeugten seniorenneutralen Bindungsstruktur resultieren, unddie überschüssigen Coupons, die sich aus dem Passieren von durch das Durchlaufmodul 122 erzeugten Wertpapieren ergeben. Das überschüssige Couponmodul 124 wird nachfolgend unter Bezugnahme auf Fig. 1 näher erläutert. Fig. 8 Die Benutzer können Informationen in eine Benutzerschnittstelle 115 des Rechensystems 110 eingeben. Diese Information kann eine Art von Bindungsstruktur beinhalten, die optimiert werden soll, Beschränkungen, die mit Bindungsstrukturen und Bindungspools verbunden sind, Informationen, die mit Kreditangeboten verbunden sind, und irgendwelche anderen Informationen, die von dem Kredithandeloptimierer 120 benötigt werden. Nachdem die Information von der Benutzerschnittstelle 115 empfangen worden ist. Wird die Information in einer Datenspeichereinheit 125 gespeichert. Die eine Software-Datenbank oder eine andere Speicherstruktur sein kann. Die Benutzer können auch eine Population von Darlehen auswählen, die für die Optimierung über die Benutzerschnittstelle 115 zu berücksichtigen sind. Die Darlehen können in einer Datenbank gespeichert sein, die auf dem Rechensystem 110 oder an einer Datenquelle 150 gespeichert ist, die mit dem verteilten Netzwerk 140 verbunden ist. Die Benutzerschnittstelle 115 kann auch an einen Benutzer die Bond-Pakete und Gesamt-Kreditpakete ausgeben, die durch den Kredit-Trading-Optimierer 120 bestimmt werden. Der Kredithandeloptimierer 120 kann mit mehreren Datenquellen 150 über das verteilte Netzwerk 140 kommunizieren. Beispielsweise kann der Kredithandeloptimierer 120 mit einer Datenquelle 150 kommunizieren, um Fannie Mae TBA-Preise und eine andere Datenquelle 150 zu bestimmen, um die US-Treasury-Preise zu bestimmen. In einem anderen Beispiel kann der Kredithandeloptimierer 120 mit einer Datenquelle 150 kommunizieren, um auf Informationen zuzugreifen, die mit Geboten für ganze Kreditpakete verknüpft sind. Das verteilte Netzwerk 140 kann ein lokales Netzwerk (LAN), ein Wide Area Network (WAN), das Internet oder ein anderer Netzwerktyp sein. FEIGE. 2 ist ein Flussdiagramm, das ein Verfahren 200 zur Optimierung eines festen Rate-Gesamt-Darlehenhandels gemäß einer beispielhaften Ausführungsform der vorliegenden Erfindung darstellt. In den Fig. 1 und 2 im Schritt 205. Empfängt die Benutzerschnittstelle 115 eine Eingabe von einem Benutzer. Diese Benutzereingabe wird von dem Kredithandeloptimierer 120 verwendet, um die Bindungsstruktur zu bestimmen, die für eine Population von Krediten optimiert werden sollte. Wenn der Benutzer zum Beispiel das optimale Zusammenführen von Darlehen zum Durchlaufen von Anleihen finden möchte, kann der Benutzer die Beschränkungen für jeden Bondpool eingeben. Beispiele für Einschränkungen für den Durchgang von Anleihepools umfassen Einschränkungen für Kreditsalden, Gesamtzahl der Kredite für einen Pool und Gesamtkreditbilanz für einen Pool. Im Schritt 210. Eine Population von Darlehen für die Optimierung ausgewählt wird. Die Population von Darlehen kann aus Darlehen ausgewählt werden, die in einer Darlehensdatenbank gespeichert sind, die auf dem Rechensystem 110 gespeichert ist oder mit diesem gekoppelt ist, oder von einer Datenbank an einer Datenquelle 150, die mit dem verteilten Netzwerk 140 verbunden ist. Die Bevölkerung von Darlehen kann Kredite beinhalten, die derzeit im Besitz des Nutzers (z. B. Investmentbank) des Kredithandeloptimierers 120 sind, und Kredite, die von einer anderen Bank, einem Kreditgeber oder einer anderen Institution angeboten werden. Beispielsweise kann ein Benutzer den Kredithandeloptimierer 120 verwenden, um den maximalen Marktwert eines zur Zeit verkauften Kreditportfolios zu finden, um ein optimales Angebot für das Kreditportfolio zu bestimmen. Darüber hinaus kann ein Benutzer die Population von Darlehen durch die Festlegung bestimmter Kriterien, wie maximale Darlehensbilanz, Standort der Darlehen und FICO Score auswählen. In Schritt 215. Bestimmt der Kredithandeloptimierer 120 eine in Schritt 210 ausgewählte Verbriefungsstrategie für die Population von Krediten. Abhängig von den in Schritt 205 empfangenen Benutzereingaben. Verwendet der Kredithandeloptimierer 120 eines oder mehrere des seniorenungebundenen Moduls 121. Das Durchlaufmodul 122. Und das gesamte Kreditmodul 123, um die Verbriefungsstrategie für die Bevölkerung der Kredite zu bestimmen. Schritt 215 wird ausführlicher unter Bezugnahme auf die Fig. 3-7. Im Schritt 220. Bestimmt der Kredithandeloptimierer 120, ob die im Schritt 215 zurückgelieferte Verbriefungsstrategie ausreichend hohe Qualität aufweist. In diesem beispielhaften Ausführungsbeispiel iteriert der Kredithandeloptimierer 120 den Schritt des Bestimmens einer Verbriefungsstrategie für die Population von Krediten, bis entweder eine optimale Lösung gefunden wird oder der Benutzer bestimmt, dass die Verbriefungsstrategie von ausreichend hoher Qualität ist. Damit der Nutzer feststellen kann, ob die Verbriefungsstrategie von ausreichender hoher Qualität ist, kann der Kredithandeloptimierer 120 die Ergebnisse über die Benutzerschnittstelle 115 an den Benutzer ausgeben. Der Kredithandeloptimierer 120 kann diese Ergebnisse basierend auf einer Anzahl von Iterationen des Schritts 215 (z. B. alle 100 Iterationen) ausgeben oder wenn ein bestimmtes Qualitätsniveau gefunden wird. Die Benutzerschnittstelle 115 kann dann eine Eingabe von dem Benutzer empfangen, die anzeigt, ob die Verbriefungsstrategie von ausreichender hoher Qualität ist. Wenn die Verbriefungsstrategie von ausreichender Qualität oder optimal ist, fährt das Verfahren 200 mit Schritt 225 fort. Andernfalls kehrt das Verfahren 200 zum Schritt 215 zurück. In einer beispielhaften Ausführungsform wird die Qualität in Form des Gesamt-Dollarkurses der Bevölkerung der Kredite gemessen. Zum Beispiel kann der Benutzer wünschen, eine Bevölkerung von Darlehen für mindestens zehn Millionen Dollar zu verkaufen, um auf die Darlehen bieten. Der Benutzer kann einen Schwellenwert für den Kredithandeloptimierer 120 setzen, um nur eine Lösung zurückzugeben, die diese Schwelle erfüllt, oder eine Lösung, die die optimale Lösung ist, wenn die optimale Lösung unter dieser Schwelle liegt. Im Schritt 225. Kann das überschüssige Couponmodul 124 des Kredithandeloptimierers 120 jeden überschüssigen Coupon, der aus der in Schritt 215 bestimmten Verbriefungsstrategie resultiert, zusammenfassen. Dieser Schritt ist optional und wird nachfolgend unter Bezugnahme auf Fig. 1 näher erläutert. Fig. 8 Im Schritt 230. Kommuniziert der Kredithandeloptimierer 120 die endgültige Verbriefungsstrategie an die Benutzerschnittstelle 115 zur Ausgabe an einen Benutzer. Die Benutzerschnittstelle 115 kann die endgültige Verbriefungsstrategie und optional andere mögliche Verbriefungsstrategien mit ähnlichen Qualitätsstufen anzeigen. FEIGE. 3 ist ein Flussdiagramm, das ein Verfahren 215 zum Bestimmen einer Verbriefungsstrategie für eine Population von Darlehen gemäß einer beispielhaften Ausführungsform der vorliegenden Erfindung darstellt. In den Fig. 1 und 3 im Schritt 305. Bestimmt der Kredithandeloptimierer 120, welche Modelle für die Bestimmung der Verbriefungsstrategien zu verwenden sind. In diesem exemplarischen Ausführungsbeispiel umfasst der Kredithandeloptimierer 120 ein seniorsubordinates Modul 121. Ein Durchlaufmodul 122. Und ein Gesamtkreditmodul 123. Jedes der Module 121 - 123 kann ein Modell zur Bestimmung einer optimalen Verpackung von Krediten aufbauen und verarbeiten, wie nachfolgend erörtert. Der Kredithandhabungsoptimierer 120 bestimmt, welche Module 121 bis 123 auf der Grundlage der von dem Benutzer empfangenen Eingabe in Schritt 205 von 1 zu verwenden sind. Zum Beispiel kann der Benutzer spezifizieren, dass nur eine seniorsubordinate Struktur für die Bevölkerung von Darlehen optimiert werden sollte. Alternatively, if the user has entered bid information for a portfolio of whole loans, the loan trading optimizer 120 can execute the whole loan module 123 with the seniorsubordinate module 121 andor the pass-thru module 122 to determine which of the loans meet the requirements of the bid and are least favorable for securitization. Additionally, a user may specify that both an optimal seniorsubordinate bond structure and an optimal pooling of pass through bonds should be determined for the population of loans. If the user selected that a seniorsubordinate bond structure should be optimized, the method 215 proceeds to step 310 . At step 310 . the seniorsubordinate module 121 develops a model for packaging the population of loans into a seniorsubordinate bond structure and processes the model to determine an optimal seniorsubordinate bond structure for the loan population. Step 310 is discussed in more detail with reference to FIGS. 4 and 5. After the seniorsubordinate structure is determined, the method 215 proceeds to step 220 ( FIG. 2 ). If the user selected that the population of loans should be optimally pooled into pass through bonds, the method 215 proceeds to step 315 . At step 315 . the pass-thru module 122 develops a model for pooling the population of loans into multiple bond pools and processes the model to determine an optimal pooling for the loan population. Step 315 is discussed in more detail with reference to FIG. 6. After the pooling is determined, the method 215 proceeds to step 220 ( FIG. 2 ). If the user selected that whole loans should be allocated to a package of whole loans to be sold, the method 215 proceeds to step 320 . At step 320 . the whole loan module 123 develops a model for allocating whole loans that meet certain constraints and are less favorable to be securitized into a whole loan package and processes the model to determine which loans are best suited for the whole loan package. Step 320 is discussed in more detail with reference to FIG. 7. After the whole loan package is determined, the method 215 proceeds to step 220 ( FIG. 2 ). FIG. 4 is a flow chart depicting a method 310 for packaging a population of loans into a seniorsubordinate bond structure in accordance with one exemplary embodiment of the present invention. As briefly discussed above with reference to FIG. 1. a seniorsubordinate bond structure is a structure where bonds with different credit ratings are created. Typically, the seniorsubordinate bond structure includes a senior tranche of bonds having a AAA or similar credit rating and a subordinate tranche of bonds having a lower credit rating. The senior tranche is protected from a certain level of loss by the subordinate tranche as the subordinate tranche incurs the first losses that may occur. The senior trance can be sold to investors desiring a more conservative investment having a lower yield, while the subordinated tranche can be sold to investors willing to take on more risk for a higher yield. For the purpose of this application, a AAA rated bond refers to a bond in the senior tranche, but not necessarily a bond having a credit rating of AAA. Additionally, interest only (IO) and principal only (PO) bonds may be created in a seniorsubordinate structure. An IO bond is created when the net coupon of a loan is more than the coupon of the bond in which the loan executes. Thus, the difference in the loan coupon and the bond coupon creates an interest only cash flow. Similarly, when the loan coupon is less than the bond coupon, a PO bond is created which receives only principal payments. Referring to FIGS. 1 and 4. at step 405 . the seniorsubordinate module 121 determines the bond coupons that are available for executing the loans into. The seniorsubordinate module 121 may obtain the available bond coupons from a data source 150 or may receive the available bond coupons from the user by way of the user interface 115 in step 205 of FIG. 2. For example, the user may desire to execute the loans into bonds having coupon values between 4.5 and 7.0. At step 410 . the seniorsubordinate module 121 selects a first bond coupon value from the range of available bond coupon values. This first coupon value can be the lowest bond coupon value, the highest coupon value, or any other bond coupon value in the range of available bond coupon values. At step 415 . the seniorsubordinate module 121 determines the execution price of each loan in the population of loans at the selected coupon value. Each loan in the population of loans is structured as a bond. The cash flow of each loan is distributed into symbolic AAA and subordinate bonds, and depending on the coupon of the loan and the selected bond coupon, an IO or PO bond. The principal payment and interest cash flows of each loan is generated in each period accounting for loan characteristics of the loan, such as IO period, balloon terms, and prepayment characteristics. The cash flow generated in each period is distributed to all bonds that the loan executes taking into account shifting interest rules that govern the distribution of prepayments between the AAA and the subordinate bonds in each period. The proportion in which the principal payments are distributed depends on the subordination levels of the AAA and the subordinate bonds. The subordination levels are a function of the loan attributes and are supplied by rating agencies for each loan through an Application Program Interface (API) coupled to the computing device 110 . Prepayments are first distributed pro rata to the PO bond and then between the AAA and the subordinate bonds based on the shifting interest rules. Any remaining prepayment is distributed proportionally among all the subordinate bonds. The interest payment for each of the bonds is a direct function of the coupon value for the bond. After the cash flows of each of the bonds for each of the loans have been generated, the present value of these cash flows is determined. For fixed rate loans, the AAA bonds can be priced as a spread to the To Be Announced (TBA) bond prices. However, the subordinate bond cash flows are discounted by a spread to the U. S. Treasury Yield Curve. The IO and PO bonds are priced using the Trust IO and PO prices. Finally, the price of the AAA bond, the subordinate bonds, and the IO or PO bond is combined proportionally for each loan based on the bond sizes to get the final bond price for each loan. This final bond price is the price of the loan executing into the bond given the selected coupon value of the bond. At step 420 . the seniorsubordinate module 121 determines if there are more bond coupon values in the range of available bond coupon values. If there are more bond coupon values, the method 310 proceeds to step 425 . Otherwise, the method 310 proceeds to step 430 . At step 425 . the next bond coupon value in the range of available bond coupon values is selected. In one exemplary embodiment, the seniorsubordinate module 121 can increment from the previous selected bond coupon value (e. g. 0.5 increments) to determine the next bond coupon value. In an alternative embodiment, the seniorsubordinate module 121 can progress through a fixed list of bond coupon values. For example, the user may select specific bond coupon values to execute the loans into, such as only 4.0, 5.0, and 6.0. After the next bond coupon value is selected, the method 310 returns to step 415 to determine the execution price of each loan in the population of loans at the new coupon value. At step 430 . the seniorsubordinate module 121 determines, for each loan in the population of loans, which bond coupon value yielded the highest final bond price for that particular loan. At step 435 . the seniorsubordinate module 121 groups the loans according to the bond coupon value that yielded the highest final bond price for each loan. For example, if the available bond coupon values are 4.0, 5.0, and 6.0, each loan that has a highest final bond price at 4.0 are grouped together, while each loan that has a highest final bond price at 5.0 are grouped together, and each loan that has a final bond price at 6.0 are grouped together. After step 435 is complete, the method proceeds to step 220 ( FIG. 2 ). In the embodiment of FIG. 4. the subordinate bonds for each loan execute at the same bond coupon value as the corresponding AAA bond. For example, if a first loan of 6.25 best executes into a bond having a coupon value of 6.0, then a AAA bond of 6.0 and a subordinate bond that is priced at U. S. Treasury spreads specified for execution coupon 6.0 is created. If a second loan of 5.375 best executes into a bond having a coupon value of 5.0, then a AAA bond of 5.0 and a subordinate bond that is priced at U. S. Treasury spreads specified for execution coupon 5.0 is created. This creates two AAA bonds and two subordinate bonds at two different coupon values. Typically, when loans are packaged in a seniorsubordinate bond structure, multiple AAA bonds with multiple coupon values are created with a common set of subordinate bonds that back all of the AAA bonds. This set of subordinate bonds is priced at the weighted average (WA) execution coupon of all of the AAA bonds created for the loan package. Pricing the subordinate bonds at the WA execution coupon implies that the spread to the benchmark U. S. Treasury curve, which is a function of the bond rating and the execution coupon of the subordinate bond, has to be chosen appropriately. In order to know the WA execution coupon of all the AAA bonds for the population of loans, the best execution coupon for each loan in the population of loans has to be known. In order to know the best execution coupon of each loan, the loan has to be priced at different bond coupon values and the AAA and subordinate bonds created at those coupons also have to be priced. However, the subordinate bond cash flows are discounted with spreads to the U. S. Treasury, with spreads taken at the WA best execution coupon which is still unknown. This creates a circular dependency as the best execution of each loan in the population of loans now depends on all the other loans in the population. FIG. 5 is a flow chart depicting a method 500 for packaging a population of loans into a seniorsubordinate structure in accordance with one exemplary embodiment of the present invention. The method 500 is an alternative method to that of method 310 of FIG. 4. accounting for pricing subordinate bonds at the WA execution coupon and provides a solution to the circular dependency discussed above. The WA execution coupon for a population of loans can be calculated by: In Equation 1, x ij is a binary variable with a value of either 0 or 1, whereby a value of 1 indicates that the i th loan is optimally executing at the j th execution coupon value. The parameters d 0 to d j represent the j execution coupon values. For example, the coupons values could range from 4.5 to 7.0. Finally, the parameter b i represents the balance of the i th loan. If q o to q j are the weights of the j execution coupons, then: where q 0 to q 1 are special ordered sets of type two, which implies that at most two are non-zero and the two non-zero weights are adjacent. Let Pa ij be the price of the AAA bond when loan i executes at coupon j. Next, let Ps ij be the overall price of all of the subordinate bonds combined when loan i executes at coupon j. Finally, let Pio ij and Ppo ij be the prices of the IO and PO bonds respectively when loan i executes at coupon j. The AAA bond prices and the IO and PO bond price components of loan i executing at coupon j are linear functions of x ij . The AAA priced as a spread to the TBA is a function of the execution coupon of the AAA bond and the IOPO prices are a lookup based on collateral attributes of the loan. However, pricing the subordinate bonds is complicated because the subordinate cash flows are discounted at the WA execution coupon. Let P i be a matrix of size jj that contains the prices of the subordinate bonds. The (m, n) entry of the matrix represents the price of the subordinate cash flows when the cash flow of loan i is generated assuming that loan i executes at the m th coupon and is discounted using subordinate spreads for the n th coupon. Subordinate spreads to the U. S. Treasury are a function of the execution coupon and any product definition, such as the size (e. g. JumboConforming), maturity (e. g. 1530 years), etc. The price of the subordinate bond of the i th loan can be written as: which is a non linear expression as the equation contains a product of q and x ij . both of which are variables in this equation. FIG. 5 provides a method 500 for overcoming this non-linearity. Referring to FIG. 5. at step 505 . the seniorsubordinate module 121 determines the optimal execution price for each loan in the population of loans independent of the WA execution coupon. In one exemplary embodiment, the seniorsubordinate module 121 employs the method 310 of FIG. 4 to find the optimal execution price for each loan. At step 510 . the seniorsubordinate module 121 determines the WA execution coupon corresponding to the optimal execution price for each loan. This WA execution coupon can be found using Equation 1 above. At step 515 . the seniorsubordinate module 121 determines the weights (i. e. q 0 q j ) of each execution coupon for the WA execution coupon found in step 510 . These weights can be found using Equation 3 above. At step 520 . the seniorsubordinate module 121 builds a model including an objective function to determine the optimal execution coupon for each loan to maximize the total market value of all of the bonds in the seniorsubordinate structure. The expression of the objective function contains ij terms, where the ij term represents the market value of executing the i th loan at the j th execution coupon. After inserting the values of the weights of the execution coupons (i. e. qs) into the expression for subordinate bond price (Equation 4), only two of the terms will be non-zero for the sub-price of the i th loan executing at the j th execution coupon. As the method 200 of FIG. 2 iterates step 215 . different WA execution coupons can be used to maximize the objective function. The iterations can begin with the WA execution coupon found in step 510 and the seniorsubordinate module 121 can search around this WA execution coupon until either the optimal solution is found or the user decides that a solution of sufficient high quality is found in step 220 of FIG. 2. In other words, the seniorsubordinate module 121 searches for an optimal solution by guessing several values of the WA execution coupon around an initial estimate of the optimal execution coupon. After a final solution is found by the seniorsubordinate module 121 . the loans can be grouped based on the coupon values for each loan in the final solution to the objective function. In some instances, one of the undesirable effects of the seniorsubordinate bond structure is the creation of IO andor PO bonds, which may not trade as rich as AAA bonds. In some exemplary embodiments, the seniorsubordinate module 121 can ameliorate this issue by considering a loan as two pseudo loans. For example, a loan having a net rate of 6.125 and a balance of 100,000 can be considered equivalent to two loans of balance b1 and b2 and coupons 6 and 6.5 such that the following conditions are satisfied: The first condition conserves the original balance, while the second condition is to set the WA coupon of the two pseudo loans to equal the net rate of the original loan. Solving these equations for b1 and b2, we find that b175,000 and b225,000. These two loans, when executed at 6.0 and 6.5 bond coupons respectively, avoids the creation of either an IO bond or a PO bond. Although in the above example two adjacent half point coupons were used to create the two pseudo loans, two coupons from any of the half point bond coupons that are being used to create the bonds can be used. For example, if only bond coupons from 4.5 to 7.0 are being used to create the bonds, there would be fifteen combinations to consider (6C215). In some cases, the best solution is not to split the loan into two adjacent half point bond coupons. For example, this split may not be optimal if the AAA spreads at the two adjacent half point coupons are far higher than the ones that are not adjacent to the net balance of the loan. The seniorsubordinate module 121 can construct a linear program or linear objective function to determine the optimal split into pseudo loans. The output of the linear program is the optimal splitting of the original loan into pseudo loans such that the overall execution of the loan is maximized, subject to no IO bond or PO bond creation. For each loan i, let variable x ij indicate the balance of loan i allocated to the jth half point coupon, subject to the constraint that the sum of over x ij for all j equals to the balance of loan i and the WA coupon expressed as a function of the x ij s equals to the net coupon of loan i, similar to Equation 6 above. Let the execution coupons be r 0 to r n . Thus, this equation becomes: where b i is the balance of loan i and c i is the net coupon of loan i. The price of loan i executing at coupon j is the sum of the price of the AAA bond and the subordinate bonds. No IO or PO bonds are created when the coupons are split. The seniorsubordinate module 121 calculates the price of the AAA bond as a spread to the TBA, where the spread is a function of the execution coupon j. In one embodiment, the seniorsubordinate module 121 also calculates the price of the subordinate bond as a spread to the TBA for simplification of the problem. Cash flows are not generated as the split of the balances to different execution coupons is not yet known. The seniorsubordinate module 121 combines the price of the subordinate bond and the AAA bond in proportion to the subordination level of loan i, which can be input by a user in step 205 of FIG. 2 or input by an API. At this point, the seniorsubordinate module 121 has calculated the price of loan i (P ij ) for each execution coupon j. To determine the optimal splitting of the original loan into pseudo loans, the seniorsubordinate module 121 creates the following objective function and works to maximize this objective function: Equation 8 is a simple linear program with two constraints and can be solved optimally. The solution gives the optimal split of the loan into at most two coupons and thus, a bond can be structured without creating any IO or PO bonds. The user can determine if the bond should be split or not based on the optimal execution and other business considerations. FIG. 6 is a flow chart depicting a method 315 for packaging a population of loans into pass through bonds in accordance with one exemplary embodiment of the present invention. A pass through bond is a fixed income security backed by a package of loans or other assets. Typically, as briefly discussed above with reference to FIG. 1. a pass through bond is guaranteed by a government agency, such as Freddie Mac or Fannie Mae. The government agency guarantees the pass through bond in exchange for a guarantee fee (Gfee). The Gfee can be an input provided by the agencies for a specific set of loans or can be specified as a set of rules based on collateral characteristics. Regardless of how the Gfee is obtained, the Gfee for a loan set is known. When loans are securitized as a pass through bond, one has the option to buy up or buy down the Gfee in exchange for an equivalent fee to the agencies. Buying up the Gfee reduces the net coupon and thus the price of the bond as well. This upfront buy up fee is exchanged in lieu of the increased Gfee coupon. Similarly, buying down the Gfee reduces the Gfee and increases the net coupon and therefore increases the bond price. An upfront fee is paid to the agencies to compensate for the reduced Gfee. The Fannie Mae and Freddie Mac agencies typically provide buy up and buy down grids each month. Referring to FIG. 1. these grids can be stored in a data source 150 or in the data storage unit 125 for access by the pass-thru module 122 of the loan trading optimizer 120 . If the Gfee is bought up or bought down, an excess coupon is created. The amount of buy up or buy down of Gfee can vary based on collateral attributes of the loan and can also be subject to a minimum and maximum limit. Referring now to FIGS. 1 and 6. at step 605 . the pass-thru module 122 determines the optimal execution of each loan by buy up or buy down of the Gfee. In one exemplary embodiment, the optimal execution of each loan is determined by finding the overall price of the loan for each available buy up and buy down of the Gfee. Typically, a Gfee can be bought up or down in increments of 1100 th of a basis point. The pass-thru module 122 implements a loop for each loan from the minimum to the maximum Gfee buy up with a step size of 1100 th of a basis point. Similarly, the pass-thru module 122 implements a loop for each loan from the minimum to the maximum Gfee buy down with a step size of 1100 th of a basis point. In each iteration, the amount of Gfee buy up or buy down is added to the current net rate of the loan. From this modified net rate of the loan, the TBA coupon is determined as the closest half point coupon lower than or equal to the modified net rate. The excess coupon is equal to the modified net rate of the TBA coupon and the price of the excess coupon is a lookup in the agency grid. The fee for the buy up or buy down is also a lookup in the agency grid. The price of the TBA coupon is a lookup from the TBA price curve. When the Gfee is bought up, the cost is added to the overall price and when the Gfee is bought down, the cost is subtracted from the overall price. The pass-thru module 122 determines the overall price of execution for the loan at each iteration and determines the optimal execution for the loan as the execution coupon of the TBA for which the overall price is maximized. This overall cost is the combination of the price of the TBA coupon, the price of the excess coupon, and the cost of the Gfee (added if buy up, subtracted if buy down). At step 610 . the pass-thru module 122 determines which TBA pools each loan is eligible for. Pooling loans into TBA bonds is a complex process with many constraints on pooling. Furthermore, different pools of loans have pool payups based on collateral characteristics. For example, low loan balance pools could prepay slower and thus may trade richer. Also, loan pools with geographic concentration known to prepay faster may trade cheaper and thus have a negative pool payup. Thus, pooling optimally taking into account both the constraints and the pool payups can lead to profitable execution that may not be captured otherwise. Each of the TBA pools for which a loan can be allocated has a set of pool eligibility rules and a pool payup or paydown. Non-limiting examples of pools can be a low loan balance pool (e. g. loan balances less than 80K), a medium loan balance pool (e. g. loan balance between 80K and 150K), a high loan balance pool (e. g. loan balances above 150K), a prepay penalty loan pool, and an interest only loan pool. For a loan to be allocated to a specific pool by the pass-thru module 122 . the loan has to satisfy both the eligibility rules of the pool and also best execute at the execution coupon for that pool. The pass-thru module 122 applies the eligibility rules of the TBA bond pools to the loans to determine the TBA bond pools for which each loan is eligible. The pass-thru module 122 can utilize pool priorities to arbitrate between multiple pools if a loan is eligible for more than one pool. If a loan is eligible to be pooled into a higher and lower priority pool, the pass-thru module 122 allocates the loan to the higher priority pool. However, if a loan is eligible for multiple pools having the same priority, the pass-thru module 122 can allocate the loan into either of the pools having the same priority. At step 615 . the pass-thru module 122 builds a model for allocating the loans into TBA pools based on the constraints of each TBA bond pool. Let x ij be a binary variable with a value of 1 or 0 which has a value of 1 when loan i is allocated to TBA bond pool j. The total loan balance and loan count constraints of the TBA pools are linear functions of the x ij variables. The objective function for this model is also a linear combination of the market values of each loan. The primary problem in this model is that the given loan population selected in step 210 of FIG. 2 may not be sufficient to allocate all TBA loan pools, as some of the pools may not have loans to satisfy the balance and count constraints or the loans may not be eligible for those pools. In such cases, it is desirable for the pools to have the constraints when applicable. If there are some pools for which there are not enough loans in the population of loans to form a pool, then such pools are not subjected to the specified constraints while the other pools are. However, it is not possible to know a-priori which pools do not have enough loans to satisfy the constraints. Thus, the model employs conditional constraints to allow constraints to be applicable to only those pools which are allocated. The pooling model is modified to allow for some loans to not be allocated to any pool. This non-allocation will ensure that the model is always solvable and is similar to introducing a slack variable in linear programming. Thus, for each loan in the population of loans, there is an additional binary variable representing the unallocated pool into which the loan can be allocated. Those loans allocated to the unallocated pool are given a zero costmarket value, thus encouraging the pass-thru module 122 to allocate as many loans as possible. The next step in building this pooling model is to introduce p binary variables for the p possible TBA pools. A value of 1 indicates that this pool is allocated with loans satisfying the pool constraints and a value of 0 indicates that this pool is not allocated. These variables are used to convert simple linear constraints into conditional constraints. Each constraint of each pool is converted to conditional constraints for the pooling model. To detail this conversion, a maximum loan count constraint is considered for pool P. Let x 1 to x n be binary variable where x i are the loans eligible for pool P. Next, let x 1 . x n U, where U equals the total number of loans in pool P. Finally, let w be the binary variable to indicate if pool P is allocated. The user constraint for maximum loan count is specified as UK, where K is given by the user. In order to impose this constraint conditionally, this constraint is transformed to the following two constraints: UK w UM w where M is a constant such that the sum of all x i s is bounded by M. Consider both the cases when pool P is allocated (w1) and when pool P is not allocated (w0) below: w1: UK (required) UM (redundant) w0: U0 U0 The only way for U0 would be when all the x i s are 0 and thus, pool P will be unallocated. Other constraints, such as minimum count, minimum balance, maximum balance, average balance, and weighted average constraints can be transformed similarly for the pooling model. After all of the constraints are transformed to conditional constraints, the pooling model is ready to handle constraints conditionally. At step 620 . the pass-thru module 122 executes the pooling model to allocate the loans into TBA pools. After the pass-thru module 122 executes the model for one iteration, the method 315 proceeds to step 220 ( FIG. 2 ). As the method 200 of FIG. 2 iterates step 215 . different TBA pool allocations are produced by the pass-thru module 122 until either the optimal TBA pool allocation is found or until the user decides that a solution of sufficient high quality is found in step 220 ( FIG. 2 ). FIG. 7 is a flow chart depicting a method 320 for packaging whole loans in accordance with one exemplary embodiment of the present invention. The method 320 identifies an optimal package of loans meeting a set of constraints given by a customer or investor. In this embodiment, the loan package is optimized by determining which loans, among the population of loans that meet the constraints, are least favorable to be securitized. Although the method 320 of FIG. 7 is discussed in terms of the seniorsubordinate bond structure, other bonds structures or models can be used. Referring to FIG. 7. at step 705 . the whole loan module 123 determines which loans in the population of loans meets constraints of a bid for whole loans. Investment banks and other financial institutions receive bids for whole loans meeting specific requirements. These requirements can be entered into the user interface 115 at step 205 of FIG. 2 andor stored in the data storage unit 125 or a data source 150 . The constraints can include requirements that the loans must satisfy, such as, for example, minimum and maximum balance of the total loan package, constraints on the weighted average coupon, credit ratings of the recipients of the loans (e. g. FICO score), and loan-to-value (LTV) ratio. The constraints can also include location based constraints, such as no more than 10 of the loan population be from Florida and no zip code should have more than 5 of the loan population. After the whole loan module 123 selects the loans that meet the constraints, at step 710 . the whole loan module 123 determines the price of each loan that meets the constraints based on a securitization module. For example, the price of the loans may be calculated based on the seniorsubordinate structure discussed above with reference to FIGS. 4 and 5 . At step 715 . the whole loan module 123 determines whether to use an efficient model to select loans least favorable to be securitized by minimizing the dollar value of the spread of execution of the loans based on a securitization model or a less efficient model to select loans least favorable to be securitized by minimizing the spread of execution of the loans based on a securitization model. In one exemplary embodiment, this determination can be based on the total number of loans in the population or chosen by a user. If the whole loan module 123 determines to use the efficient model, the method 320 proceeds to step 725 . Otherwise, the method 320 proceeds to step 720 . At step 720 . the whole loan module 123 selects loans that are least favorable to be securitized by minimizing the spread of execution of the loans based on the seniorsubordinate bond structure. The whole loan module 123 builds a model to select a subset of the loans that meet the constraints such that the WA price of the loans of this subset net of the TBA price of the WA coupon of this subset is minimized. The TBA price of the WA coupon of the subset is typically higher as the TBA typically has a better credit quality and hence the metric chosen will have a negative value. The objective function that needs to be minimized is given by: In Equation 9, x 1 to x n are binary variables with a value of either 0 or 1, whereby a value of 1 indicates that the loan is allocated and 0 otherwise. The variables b 1 to b n are the balances of the loans and p 1 to p n are the prices of the loans as determined in step 710 . The variables q 1 to q m are the weights for each of the half point coupons and px 1 to px m are the TBA prices for the half point coupons. The weights are special ordered sets of type two, which as discussed above, implies that at most two are non-zero and the two non-zero weights are adjacent. Thus, the expression (q 1 px 1 . q m px m ) is the price of the WA coupon of the allocated loans. The weights (q 1 - q m ) are subject to the constraints: The equations above are analyzed when z i is set to 1 and z i is set to 0 and which shows that y i will be y 0 or zero within a tolerance of eps. Eps is a model specific constant and is suitably small to account for lack of numerical precision in a binary variable. The tolerance eps is utilized in this model as although binary variables are supposed to be 0 or 1, the binary variables suffer from precision issues and thus, the model should accommodate numerical difficulties. The source of this precision issue is the way y 0 has been defined. The denominator of y 0 M(x 1 b 1 . x n b n ) is essentially the sum of the balances of all loans in the pool, which can be a very large number resulting in a small y 0 . After building the model, the whole loan module 123 minimizes the objective function in Equation 13 with each iteration of step 215 of FIG. 2 while maintaining the constraints of the subsequent equations 17- 21 . The loans that are allocated into the whole loan package are the loans that meet the constraints of the bid and have a y value equal to y 0 . After step 720 is completed, the method 320 proceeds to step 220 ( FIG. 2 ). At step 725 . the whole loan module 123 selects loans that are least favorable to be securitized by minimizing the dollar value of the spread of execution of the loans based on the seniorsubordinate bond structure. Thus, the difference of the market value of the allocated loans and the notional market value of the loan pool using the price of the WA execution coupon is minimized. The objective function that needs to be minimized for this model is given by: After building the model, the whole loan module 123 minimizes the objective function in Equation 24 with each iteration of step 215 of FIG. 2 while maintaining the constraints of the subsequent equations 25-29. The loans that are allocated into the whole loan package are the loans that meet the constraints of the bid and have a y value equal to y 0 . After step 725 is completed, the method 320 proceeds to step 220 of FIG. 2 . FIG. 8 is a flow chart depicting a method 225 for pooling excess coupon in accordance with one exemplary embodiment of the present invention. The excess coupon module 124 can pool the excess coupon of securitized loans into different tranches or pools. The excess coupon module 124 can take a large population of loans (e. g. 100 thousand or more), each with some excess coupon, and pool the loans into different pools, each pool with a different coupon and specified eligibility rules. Each of the pools can also have a minimum balance constraint. Pools that are created with equal contribution of excess coupon from every loan that is contributing to that pool typically trades richer than pools that have a dispersion in the contribution of excess from different loans. Therefore, it is profitable to create homogeneous pools. Referring to FIG. 8. at step 805 . the excess coupon module 124 converts the pool constraints into conditional constraints as some of the pools defined in this excess coupon model may not have loans to satisfy the pool constraints. This conversion is similar to the conversion of constraints discussed above with reference to FIG. 6 . At step 810 . the excess coupon module 124 builds a model to determine the optimal pooling for the excess coupons. Let x ij be the contribution of excess coupon from loan i to pool j. Unlike the pooling model in FIG. 6 above, this variable is not a binary variable. However, an unallocated pool is added to the set of user defined pools which enables the pass-thru module 122 to always solve the model and produce partial allocations. The first constraint of this excess coupon model is the conservation of excess coupon allocated among all the pools for each loan. Any loan that does not get allocated to a user defined pool is placed in the unallocated pool, and thus the unallocated pool is also included in the conservation constraint. In this embodiment, the unallocated pool does not have any other constraint. The objective function of this excess coupon model is to maximize the total market value of the excess that gets allocated. Unallocated excess coupon is assigned a zero market value and thus the solver tries to minimize the unallocated excess coupon. In this model, the excess coupon module 124 tries to create the maximum possible pools with equal excess contribution. Any leftover excess from all the loans can be lumped into a single pool and a WA coupon pool can be created from this pool. An aspect of this excess coupon model is to enforce equality of the excess coupon that gets allocated from a loan to a pool. Furthermore, it is not necessary that all loans allocate excess to a given pool. Thus, the equality of excess is enforced only among loans that have a non-zero contribution of excess to this pool. Let xp 0 to xp p be p real variables that indicate the amount of excess in each pool. Also, let w ij be a binary variable that indicates if loan i is contributing excess to pool. For each eligible loan i, for pool j, the following constraints are added: When M is chosen to be the maximum excess coupon of all loans in the allocation, the expression xp j M is negative. Thus, from x ij 0 and that all excess coupons have to be zero or positive, this implies that x ij 0 when w ij 0. This excess coupon model can be difficult to solve because of its complexity level. In order to reduce the complexity, the excess coupon module 124 employs dimensionality reduction. The first step of this process is to identify the pools into which a loan can be allocated. Eligibility filters in this excess coupon model specify the mapping of the collateral attributes of the loans to the coupons of the pools that the attributes can go into. For example, loans with a net coupon between 4.375 and 5.125 can go into pools of 4.5 or 5.0. Unlike the pooling model discussed above with reference to FIG. 6. there are no pool priorities. At step 815 . the excess coupon module 124 identifies the pool into which a given loan can be allocated based on the collateral attributes of the loan and independent of the pool execution coupon. This gives a one to one mapping between the loans and the pools. At step 820 . the excess coupon module 124 collapses all loans having the same excess coupon within a given pool definition into a single loan. This approach can significantly reduce the number of loans in the loan population. After the population of loans is reduced, the excess coupon module 124 maximizes the objective function at step 825 . The excess coupon module 124 can iteratively determine solutions to the objective function until an optimal solution is found or until a user decides that a solution of sufficient high quality is found. One of ordinary skill in the art would appreciate that the present invention provides computer-based systems and methods for optimizing fixed rate whole loan trading. Specifically, the invention provides computer-based systems and methods for optimally packaging a population of whole loans into bonds in either a seniorsubordinate bond structure or into pools of pass through securities guaranteed by a government agency. Models for each type of bond structure are processed on the population of loans until either an optimal bond package is found or a user determines that a solution of sufficient high quality is found. Additionally, the models can account for bids for whole loans by allocating whole loans that meet requirements of the bid but are least favorable to be securitized. Although specific embodiments of the invention have been described above in detail, the description is merely for purposes of illustration. It should be appreciated, therefore, that many aspects of the invention were described above by way of example only and are not intended as required or essential elements of the invention unless explicitly stated otherwise. Various modifications of, and equivalent steps corresponding to, the disclosed aspects of the exemplary embodiments, in addition to those described above, can be made by a person of ordinary skill in the art, having the benefit of this disclosure, without departing from the spirit and scope of the invention defined in the following claims, the scope of which is to be accorded the broadest interpretation so as to encompass such modifications and equivalent structures.
No comments:
Post a Comment