Großhandel Banking BREAKING DOWN Großhandel Banking Großhandel Banking ist dazu bestimmt, die finanzielle Praxis der Kreditvergabe und Kreditaufnahme zwischen zwei großen Institutionen zu beschreiben. Bankdienstleistungen, die als Großhandel gelten, sind nur für staatliche Stellen, Pensionsfonds reserviert. Unternehmen mit starken Finanzen und anderen institutionellen Kunden von ähnlicher Größe und Statur. Diese Dienstleistungen bestehen aus dem Cash Management. Ausrüstungsfinanzierung, Großkredite, Handelsbanken und Treuhanddienstleistungen unter anderem. Großhandel Banking bezieht sich auch auf die Kreditaufnahme und Kreditvergabe zwischen institutionellen Banken. Diese Art von Kreditvergabe erfolgt auf dem Interbankenmarkt und beinhaltet oft sehr große Geldbeträge. Die meisten Standardbanken arbeiten als Handelsbanken und bieten Großhandelsbankdienstleistungen zusätzlich zu den traditionellen Retail Banking Services an. Dies bedeutet, dass eine Einzelperson, die Großhandelsbanken sucht, nicht zu einer speziellen Institution gehen müsste und stattdessen die gleiche Bank, in der er sein persönliches Retail Banking durchführt, engagieren würde. Beispiel für Großhandel Banking Der einfachste Weg, um Großhandel Banking zu konzeptualisieren ist, um es wie ein Rabatt Superstore wie Costco, die in so großen Mengen, dass es Sonderpreise oder reduzierte Gebühren, auf einer Dollar-Basis bieten kann, zu denken. Es wird vorteilhaft für große Organisationen oder Institutionen mit einer hohen Menge an Vermögenswerten oder Geschäftsvorfällen, um in Groß-Banking-Dienstleistungen anstelle von Retail-Banking-Dienstleistungen engagieren. Zum Beispiel gibt es viele Gelegenheiten, in denen ein Geschäft mit mehreren Standorten eine Großhandelsbanklösung für das Cash Management benötigt. Technologieunternehmen mit Satellitenbüros sind ein Hauptkandidat für diese Dienstleistungen. Lass uns sagen, dass ein SaaS-Unternehmen 10 Vertriebsbüros hat, die um die Vereinigten Staaten verteilt sind, und jeder seiner 50 Verkaufsteammitglieder hat Zugang zu einer Firmen-Kreditkarte. Die Eigentümer der SaaS-Gesellschaft verlangen auch, dass jede Vertriebsniederlassung 1 Million in Barreserven hält. 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 eine Unternehmenseinrichtung anfordern, die alle finanziellen Konten des Unternehmens hält. Großhandelsbankdienstleistungen handeln wie eine Anlage, die Rabatte anbietet, wenn ein Unternehmen die Mindestreserveanforderungen erfüllt und mindestens monatliche Transaktionsanforderungen erfüllt, die beide das SaaS-Unternehmen treffen wird. Es ist daher vorteilhaft für das Unternehmen, sich in einer Unternehmenseinrichtung, die alle ihre finanziellen Konten konsolidiert und reduziert seine Gebühren, anstatt halten 10 Retail-Checking-Konten und 50 Retail-Kreditkarten open. System und Methode zur Optimierung Festverzinslichen Gesamtkredit Trading US 20140188692 A1 Optimierung des Festzins-Gesamtkredithandels Insbesondere stellt die Erfindung computerbasierte Systeme und Verfahren zur optimalen Verpackung einer Population von ganzen Darlehen in Anleihen entweder in einer seniorenbasierten Anleihenstruktur oder in Pools von Pass-Through-Wertpapieren, die von einer Regierungsbehörde garantiert werden, bereit. Modelle für jede Art von Bindungsstruktur werden auf der Population von Darlehen verarbeitet, bis entweder ein optimales Bindungspaket gefunden wird oder ein Benutzer bestimmt, dass eine Lösung von ausreichender hoher Qualität gefunden wird. Darüber hinaus können die Modelle Gebote für ganze Darlehen Rechnung stellen, indem sie ganze Kredite vergeben, die die Anforderungen des Angebots erfüllen, aber am wenigsten günstig sind, um verbrieft zu werden. (25) Was behauptet wird, ist: 1. Computerimplementiertes Verfahren, umfassend: Erzeugen eines Modells, das eine Zielfunktion umfasst, die einen Gesamtmarktwert der seniorenbasierten Bindungsstruktur für die Vielzahl von Darlehen darstellt und durch den Computer die Zielfunktion zur Maximierung des Gesamtmarktwertes umfasst Der seniorenbasierten Anleihenstruktur. 2 Computerimplementiertes Verfahren nach Anspruch 1, wobei der Schritt der Maximierung der Zielfunktion umfasst: Bestimmen eines Marktpreises für jedes Darlehen, das einen ersten gewichteten durchschnittlichen Ausführungskupon für die Vielzahl von Darlehen bestimmt, die dem Marktpreis jedes Darlehens entsprechen, der den Gesamtmarkt bestimmt Wert der seniorenbasierten Struktur bei dem ersten gewichteten durchschnittlichen Ausführungskupon, der den gewichteten durchschnittlichen Ausführungskupon iteriert und bei jeder Iteration einen Gesamtmarktwert für die seniorenbasierte Struktur ermittelt und den gewogenen durchschnittlichen Ausführungskupon mit den höchsten Gesamtmarktwerten für die seniorenbasierte Struktur ermittelt und ermittelt wird. 3 . Computerimplementiertes Verfahren nach Anspruch 1, das ferner das Entwickeln und Maximieren einer Zielfunktion umfasst, um mindestens einen der Kredite optimal in zwei Pseudokredite aufzuteilen, um eine Schaffung einer Zinsanleihe oder einer Hauptbindungsbindung zu verhindern, wobei die beiden Pseudokredite umfassen Verschiedene Couponwerte. 4 Eine computerimplementierte Methode zur optimalen Bündelung einer Population von Darlehen in Pass-Pool-Pools, wobei das Verfahren umfasst: Auswählen der Population von Darlehen, die durch den Computer bestimmt werden, eine optimale Ausführung jedes Darlehens aus der Population von Darlehen durch einen Kauf oder ein Abholung einer Garantiegebühr, die einen oder mehrere Pools festlegt, für die jedes Darlehen berechtigt ist, ein Modell zu erstellen, das auf mindestens einer Einschränkung für mindestens einen bestimmten Pool basiert und Kredite an den einen oder mehrere Pass durch Bondpools verteilt. 5 Das computerimplementierte Verfahren nach Anspruch 4 umfasst ferner das Bestimmen, dass der Computer mindestens ein Modul eines oder mehrerer Module umfasst, das konfiguriert ist, um die Population von Darlehen durch Bündel-Pools auf der Grundlage einer empfangenen Eingabe zu durchlaufen, wobei die mindestens eine Modul umfasst ein Durchgangsmodul. 6 Computerimplementiertes Verfahren nach Anspruch 4, wobei das Modell eine Zielfunktion umfasst, die eine lineare Kombination eines Marktwertes jeder der Populationen von Darlehen umfasst. 7 Verfahren nach Anspruch 6, wobei das Zuordnen der Darlehen das Ausführen des Modells umfasst, um die Zielfunktion zu maximieren. 8 Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass die mindestens eine Einschränkung jedes Durchlaufs durch Bond-Pool in eine bedingte Einschränkung umgewandelt wird. 9 Computerimplementiertes Verfahren nach Anspruch 4, ferner umfassend das Umwandeln mindestens eines Teils der mindestens einen Einschränkung jedes Durchlaufs durch Bindungspool in eine bedingte Einschränkung vor der Verarbeitung des Modells, um sicherzustellen, dass das Modell lösbar ist. 10 Das computerimplementierte Verfahren nach Anspruch 4, das ferner das Transformieren jeder der mindestens einen Beschränkungen in eine bedingte Einschränkung umfasst, um zu erlauben, dass Einschränkungen nur darauf anwendbar sind, nur durch Bindungspools zu gehen, die zugeordnet sind. 11 Computerimplementiertes Verfahren nach Anspruch 4, ferner umfassend das Zuordnen von mindestens einer der Population von Darlehen zu einem nicht zugewiesenen Pool. 12 Die computerimplementierte Methode nach Anspruch 4, ferner umfassend die Zuteilung von Darlehen in einen nicht zugewiesenen Pool, wenn jeder der Pass-Through-Bond-Pools nicht mit der Population von Darlehen zugeordnet werden kann, wobei Kredite in dem nicht zugewiesenen Pool null Marktwert gegeben werden und wobei das Verarbeiten des Modells erfolgt Weiterhin umfasst die Minimierung der Anzahl der dem nicht zugeordneten Pool zugeteilten Darlehen. 13 Computerimplementiertes Verfahren nach Anspruch 4, wobei das Modell die Einschränkung jedes Durchlaufs durch Bond-Pool und eine mit jedem Pass durch Bond-Pool assoziierte Abrechnung berücksichtigt. 14 System mit: einem Speicher, der einen Satz von Befehlen zum Zuordnen eines Teils einer Vielzahl von Darlehen an ein Kreditpaket und einen mit dem Speicher gekoppelten Computer aufweist, der so konfiguriert ist, dass er den Satz von Befehlen ausführt, um zu bestimmen, welcher der Vielzahl von Darlehen eins entspricht Oder mehr Einschränkungen des Kreditpaketes bestimmen einen Marktpreis für jede der Vielzahl von Darlehen auf der Grundlage eines Verbriefungsmodellmodells eine objektive Funktion, um festzustellen, welche Kredite in der Mehrzahl von Darlehen, die die eine oder mehrere Einschränkungen erfüllen, am wenigsten rentabel für die Verbriefung in der Verbriefungsmodell und verteilen die Darlehen, die die eine oder mehrere Einschränkungen erfüllen und sind am wenigsten profitabel für die Verbriefung in das Darlehenspaket. 15 . System nach Anspruch 14, wobei das Verbriefungsmodell ein seniorenbasiertes Modell umfasst. 16 System nach Anspruch 14, wobei die Zielfunktion modelliert ist, um eine Spreizung zwischen einem gewogenen Durchschnittspreis der Kredite im Kreditpaket und einem Anleihepreis (TBA) des gewichteten durchschnittlichen Kupons der Darlehen im Kreditpaket zu minimieren . 17 System nach Anspruch 14, wobei die Zielfunktion modelliert ist, um einen Dollarkurs eines Spread zwischen einem gewichteten Durchschnittspreis der Kredite im Kreditpaket und einem Anleihepreis des gezahlten durchschnittlichen Kupons der Darlehen zu minimieren Im Darlehenspaket. 18 Eine Methode zur Optimierung des Festzins-Gesamtkredithandels, wobei das Verfahren umfasst: Auswählen einer Population von Darlehen, die durch einen Computer einen oder mehrere Darlehen auswählen, die eine Einschränkung eines Gebotsbestimmung durch den Computer erfüllen, einen Preis für jedes Darlehen, das dem entspricht Einschränkung auf der Grundlage eines verbrieften Modells, die durch den Computer bestimmt, ob ein effizientes Modell zu verwenden, um auszuwählen, welche der ein oder mehrere Darlehen am wenigsten günstig sind, um verbrieft zu werden und wenn das effiziente Modell verwendet wird, dann wählen, durch den Computer, welche von Die ein oder mehrere Darlehen sind am wenigsten günstig zu verbrennen durch minimalen Dollar Wert der Ausbreitung. 19 Verfahren nach Anspruch 18, ferner umfassend: Bestimmen, durch den Computer, mindestens ein Modul eines oder mehrerer Module, die den Festzins-Gesamtkredithandel auf der Grundlage einer empfangenen Eingabe optimiert, wobei das mindestens eine Modul ein ganzes Kreditmodul umfasst. 20 Verfahren nach Anspruch 18. Weiterhin umfasst der Schritt des Zuordnens eines Teils der Mehrzahl von Gesamtdarlehen durch den Computer zu einem Paket von ganzen Darlehen für den Verkauf als ganze Kredite, wobei der Teil ganze Kredite umfasst, die mindestens eine Einschränkung erfüllen und weniger sind Rentabel als die anderen ganzen Kredite, wenn sie in eine Anleihe in der Anleihestruktur umgewandelt werden, wenn das effiziente Modell nicht verwendet wird, und dann durch den Computer, welche der einen oder mehrere Kredite am wenigsten günstig sind, um durch die Minimierung der Ausbreitung verbrieft zu werden. 21 System, umfassend: einen Computer, der mit dem Netzwerk kommunikativ gekoppelt ist und konfiguriert ist, um ein Modell zu erstellen, das einer Vielzahl von überschüssigen Coupon-Bond-Pools und einem nicht zugewiesenen Pool entspricht, wobei jeder überschüssige Coupon-Bond-Pool mindestens eine Beschränkung umfasst und das Modell verarbeitet, Die Darlehen entweder in einem überschüssigen Coupon Bond Pool oder in den nicht zugewiesenen Pool, um den gesamten Marktwert der überschüssigen Coupon, die zu den überschüssigen Coupon Bond Pools zugeordnet wird zu maximieren. 22 System nach Anspruch 21, wobei das Modell eine Zielfunktion umfasst, die den Gesamtmarktwert des überschüssigen Coupons darstellt, der den überschüssigen Coupon-Bond-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 Einschränkung 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 erlauben, dass Einschränkungen nur auf überschüssige Coupon-Bond-Pools anwendbar sind, die zugeordnet sind. 24 System nach Anspruch 21, wobei der Computer ferner so konfiguriert ist, dass er die überschüssigen Coupon-Pools identifiziert, für die jedes der Darlehen auf der Grundlage von Sicherheitenattributen der Kredite zugewiesen werden kann und jedes für ein überschüssiges Coupon-Pool identifiziertes Darlehen in ein einzelnes Darlehen zusammenfällt Reduzieren die Anzahl der Kredite im Modell. Diese Anmeldung ist ein Teil der US-Patentanmeldung Ser. Nr. 12533,315, eingereicht am 31. Juli 2009, die den Vorteil der U. S. Provisional Patentanmeldung Nr. 61191,011, eingereicht am 3. September 2009, beansprucht, die hiermit hier vollständig durch Bezugnahme 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 Darlehen zur Ausführung in Anleihen oder Verkauf als Ganzkreditpakete. Finanzinstitute wie Investmentbanken kaufen Darlehen und Darlehensportfolios von Banken oder Darlehensgebern, die vorwiegend die Kredite in Anleihen verbriefen und dann die Anleihen an Anleger verkaufen. Diese Anleihen gelten als Asset-Backed Securities, da sie durch die Vermögenswerte der Darlehen besichert sind. Viele Arten von Darlehen können in Anleihen verbrieft werden, darunter Wohnungshypotheken, gewerbliche Hypotheken, Kfz-Darlehen und Kreditkartenforderungen. Eine Vielzahl von Bindungsstrukturen kann aus einer Population 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 Anleihestruktur und eine gegebene Kreditbevölkerung kann von den Merkmalen jedes Darlehens in der Bevölkerung abhängen. Darüber hinaus kann die Bond-Pool oder Ausführungs-Coupon, dass ein einzelnes Darlehen ausgeführt wird abhängig von der Bond-Pool oder beste Ausführung von einander Darlehen in der Bevölkerung. Da die typische Kreditbevölkerung, die für die Verbriefung in Anleihen gilt, sehr groß ist (z. B. 10.000 Darlehen oder mehr), kann die Bestimmung einer optimalen Bündelung von Darlehen zur Verbriefung in Anleihen herausfordernd sein. Dementsprechend sind Systeme und Methoden zur Optimierung der Verpackung einer Population von Darlehen in Anleihen für eine gegebene Anleihenstruktur erforderlich. Die Erfindung stellt computergestützte Systeme und computerimplementierte Verfahren zur Optimierung des Festzins-Gesamtkredithandels für eine Population von ganzen Darlehen bereit. Ein Aspekt der vorliegenden Erfindung stellt ein System zur Optimierung des Festzins-Gesamtkredithandels bereit. Dieses System umfasst ein Computersystem, das eine Softwareanwendung umfasst, die ein oder mehrere Module umfasst, die in der Lage sind, ein Modell zur Bestimmung einer Verbriefungsstrategie für eine Population von ganzen Darlehen zu entwickeln, wobei die Verbriefungsstrategie Bindungen umfasst und das Modell verarbeiten kann, bis eine optimale Verbriefungsstrategie für Die Population von ganzen Darlehen gefunden wird und eine Benutzerschnittstelle zum Empfangen von Benutzereingaben für das eine oder mehrere Module und zur Ausgabe der optimalen Verbriefungsstrategie, wobei die Benutzerschnittstelle mit der Softwareanwendung in Verbindung steht. Ein weiterer Aspekt der vorliegenden Erfindung stellt ein computerimplementiertes Verfahren zur Bestimmung eines optimalen Ausführungsanleihekupons für jedes Darlehen in einer Gruppe von Darlehen in einer seniorenbasierten Bindungsstruktur bereit. Die Methode umfasst die Erstellung eines Modells, das eine Zielfunktion umfasst, die einen Gesamtmarktwert der seniorenbasierten Anleihenstruktur für die Darlehen darstellt. Weiterhin umfasst das Verfahren die Maximierung der Zielfunktion, um den Gesamtmarktwert der seniorenbasierten Bindungsstruktur zu maximieren. Ein weiterer Aspekt der Erfindung stellt ein computerimplementiertes Verfahren zur optimalen Bündelung von Darlehen in Durchgangs-Bond-Pools bereit. Die Methode umfasst die Auswahl einer Population von Darlehen. Weiterhin für jedes Darlehen der Auswahlpopulation von Darlehen umfasst das Verfahren die Bestimmung einer optimalen Ausführung jedes Darlehens durch einen Kauf oder einen Kauf der Garantiegebühr. Ferner umfasst das Verfahren das Bestimmen eines oder mehrerer Pools, für die jedes Darlehen berechtigt ist. Darüber hinaus umfasst das Verfahren das Erstellen eines Modells auf der Grundlage mindestens einer Einschränkung für mindestens einen bestimmten Pool und die Zuteilung von Darlehen an die eine oder mehrere Durchlaufbindungspools. Ein weiterer Aspekt der Erfindung sieht ein System vor, das einen Speicher enthält, der einen Satz von Anweisungen zum Zuordnen eines Teils einer Gruppe von Darlehen an ein Darlehenspaket aufweist. Ferner enthält das System einen Computer, der mit dem Speicher gekoppelt ist. Bei der Ausführung des Satzes von Anweisungen bestimmt der Computer, welche der Kredite eine oder mehrere Einschränkungen des Kreditpakets erfüllen. Darüber hinaus bestimmt der Computer einen Marktpreis für jedes der Darlehen auf Basis eines Verbriefungsmodells. Weiterhin kann der Rechner eine objektive Funktion modellieren, um festzustellen, welche Kredite in der Gruppe von Darlehen, die die eine oder mehrere Einschränkungen erfüllen, am wenigsten für die Verbriefung im Verbriefungsmodell rentabel sind und die Darlehen zuordnen, die die eine oder mehrere Einschränkungen erfüllen und am wenigsten profitabel sind Verbriefung in das Darlehenspaket. Ein weiterer Aspekt der vorliegenden Erfindung stellt ein Verfahren zur Optimierung des Festzins-Gesamtkredithandels bereit. Diese Methode umfasst die Schritte des Auswählens einer Population von Darlehen, die ein oder mehrere Darlehen auswählen, die eine Einschränkung eines Angebots erfüllen, die einen Preis für jedes Darlehen bestimmt, das die Einschränkung auf der Grundlage eines verbrieften Modells erfüllt, um zu bestimmen, ob ein effizientes Modell verwendet werden soll, um zu wählen, welcher der Ein oder mehrere Kredite sind am wenigsten günstig zu verbrennen. Wenn ferner das effiziente Modell verwendet wird, umfasst das Verfahren das Auswählen, welches der Pone oder mehr Kredite am wenigsten günstig sind, um durch den minimalen Dollarwert der Ausbreitung verbrieft zu werden. Ein weiterer Aspekt der vorliegenden Erfindung stellt ein System zur optimalen Bündelung eines überschüssigen Coupons bereit, der aus der Verbriefung von Darlehen resultiert. Das System umfasst und Netzwerk und ein Computer kommunizierbar mit dem Netzwerk verbunden. Ferner erzeugt der Computer ein Modell, das überschüssigen Coupon-Bond-Pools und einem nicht zugewiesenen Pool entspricht, wobei jeder überschüssige Coupon-Bond-Pool mindestens eine Einschränkung enthält und das Modell verarbeitet, um jedes der Darlehen entweder einem überschüssigen Coupon-Bond-Pool oder dem nicht zugewiesenen Pool zuzuordnen Um den Gesamtmarktwert des überschüssigen Coupons zu maximieren, der den überschüssigen Coupon-Bond-Pools zugeordnet wird. Diese und andere Aspekte, Merkmale und Ausführungsformen der Erfindung werden für einen Durchschnittsfachmann auf dem Gebiet unter Berücksichtigung der folgenden detaillierten Beschreibung von veranschaulichten Ausführungsformen offensichtlich, die den besten Modus zur Ausführung der Erfindung, wie sie gegenwärtig wahrgenommen wird, veranschaulichen. 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, die kurz wie folgt beschrieben werden, Bezug genommen. FEIGE. 1 ist ein Blockdiagramm, das ein System zur Optimierung des Festzins-Gesamtkredithandels gemäß einer beispielhaften Ausführungsform der vorliegenden Erfindung darstellt. FEIGE. 2 ist ein Flussdiagramm, das ein Verfahren zur Optimierung des Festzins-Gesamtkredithandels gemäß einer beispielhaften Ausführungsform der vorliegenden Erfindung darstellt. FEIGE. 3 ist ein Flussdiagramm, das ein Verfahren zur Bestimmung einer Verbriefungsstrategie für eine Population von Darlehen gemäß einer beispielhaften Ausführungsform der vorliegenden Erfindung darstellt. FEIGE. 4 ist ein Flussdiagramm, das ein Verfahren zum Verpacken einer Population von Darlehen in eine seniorenbasierte Struktur gemäß einer beispielhaften Ausführungsform der vorliegenden Erfindung darstellt. FEIGE. 5 ist ein Flussdiagramm, das ein Verfahren zum Verpacken einer Population von Darlehen in eine seniorenbasierte Struktur gemäß einer beispielhaften Ausführungsform der vorliegenden Erfindung darstellt. FEIGE. 6 ist ein Flussdiagramm, das ein Verfahren zum Verpacken einer Population von Darlehen in Durchgangsbindungen gemäß einer beispielhaften Ausführungsform der vorliegenden Erfindung darstellt. FEIGE. 7 ist ein Flussdiagramm, das ein Verfahren zum Verpacken von ganzen Darlehen 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 Festzins-Gesamtkredithandels bereit. Insbesondere stellt die Erfindung computerbasierte Systeme und Verfahren zur optimalen Verpackung einer Population von ganzen Darlehen in Anleihen entweder in einer seniorenbasierten Anleihenstruktur oder in Pools von Pass-Through-Wertpapieren, die von einer Regierungsbehörde garantiert werden, bereit. Modelle für jede Art von Bindungsstruktur werden auf der Population von Darlehen verarbeitet, bis entweder ein optimales Bindungspaket gefunden wird oder ein Benutzer bestimmt, dass eine Lösung von ausreichender hoher Qualität gefunden wird. Darüber hinaus können die Modelle Gebote für ganze Darlehen Rechnung stellen, indem sie ganze Kredite vergeben, die die Anforderungen des Angebots erfüllen, aber am wenigsten günstig sind, um verbrieft zu werden. Obwohl die beispielhaften Ausführungsformen der Erfindung in Bezug auf ganze Kredite (insbesondere festverzinsliche Wohnhypotheken) diskutiert werden, können Aspekte der Erfindung auch für 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 hier beschriebenen und in den angefügten Flussdiagrammen dargestellten Funktionen verkörpert. Es sollte jedoch offensichtlich sein, dass es viele verschiedene Arten der Implementierung der Erfindung in der Computerprogrammierung geben könnte, und die Erfindung sollte nicht als auf einen Satz von Computerprogrammbefehlen beschränkt angesehen werden. Ferner wäre ein erfahrener Programmierer in der Lage, solch ein 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 Offenlegung eines bestimmten Satzes von Programmcodebefehlen nicht als notwendig für ein angemessenes Verständnis der Herstellung und Verwendung der Erfindung angesehen. Die erfindungsgemäße Funktionalität des beanspruchten Computerprogramms wird in der nachfolgenden Beschreibung in Verbindung mit den Figuren, die den Programmablauf veranschaulichen, näher erläutert. Weiterhin versteht es sich für den Fachmann, dass eine oder mehrere der beschriebenen Stufen durch Hardware, Software oder eine Kombination davon ausgeführt werden können, wie sie in einem oder mehreren Rechensystemen ausgeführt werden können. Wendet man sich nun den Zeichnungen zu, 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 des Festzins-Gesamtkredithandels gemäß einer beispielhaften Ausführungsform der vorliegenden Erfindung darstellt. Unter Bezugnahme auf Fig. 1. Das System 100 umfasst 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 beispielsweise eine Darlehenshandelsoptimiereranwendung 120. Diese beispielhafte Darlehenshandhabungsoptimierer 120 umfasst vier Module 121 - 124, die einzeln arbeiten oder miteinander interagieren können, um eine optimale Verpackung von Darlehen in eine oder mehrere Bindungsstrukturen und ganze Darlehenspakete zu schaffen. Ein Seniorenbundesmodul 121 vertreibt Kredite in eine Seniorenbundstruktur mit Anleihen mit unterschiedlichen Bonitätsratings und unterschiedlichen Netto-Couponwerten. Wie anhand der Fig. 1 und 2 näher erläutert wird. 4-5 Das Seniorenbundesmodul 121 verteilt die Kredite in Anleihen mit einem AAA-Rating, nachrangige Anleihen mit niedrigeren Bonitätsratings und je nach Kredite und Couponwerten der AAA-Anleihen und der nachrangigen Anleihen nur Anleihen und nur Anleihen. Ein Pass-Through-Modul 122 verteilt Kredite durch Anleihen, die von einer Regierungsbehörde garantiert werden, wie Freddie Mac oder Fannie Mae. Das Pass-Through-Modul 122 passt die Kredite optimal in To Be Announced (TBA), die durch Wertpapiere auf der Grundlage einer Vielzahl von Einschränkungen bestehen. Das Durchlaufmodul 122 wird nachfolgend unter Bezugnahme auf Fig. 1 näher erläutert. 6 Ein ganzes Darlehensmodul 123 verteilt Kredite, um Angebote für Kreditportfolios zu erfüllen, die spezifische Anforderungen und Einschränkungen des Angebots erfüllen. Das gesamte Darlehensmodul 123 kann entweder mit dem Seniorsubordinate-Modul 121 oder dem Pass-Through-Modul 122 interagieren, um Darlehen zuzuteilen, die die Anforderungen der Gebote erfüllen, aber weniger günstig sind, um verbrieft zu werden. Das gesamte Darlehensmodul 123 wird nachfolgend unter Bezugnahme auf Fig. 1 näher erläutert. 7 Ein überschüssiges Couponmodul 124 verteilt überschüssige Coupons von verbrieften Darlehen in verschiedene Bond-Tranchen oder Pools. Das überschüssige Couponmodul 124 kann überschüssige Coupons, die sich aus der von dem Senioren-Koordinatenmodul 121 erzeugten Seniorsubordinate-Bond-Struktur ergeben, und über überschüssige Coupons, die aus dem Durchgang von Wertpapieren resultieren, die durch das Pass-Through-Modul 122 erzeugt werden, Das überschüssige Couponmodul 124 wird nachfolgend unter Bezugnahme auf Fig. 1 näher erläutert. 8 Benutzer können Informationen in eine Benutzerschnittstelle 115 des Computersystems 110 eingeben. Diese Informationen können eine Art von Bindungsstruktur zur Optimierung, Einschränkungen in Verbindung mit Bindungsstrukturen und Bond-Pools, Informationen, die mit Kreditangeboten verbunden sind, und alle anderen Informationen, die von dem Darlehenshandelsoptimierer 120 benötigt werden, umfassen. Nachdem die Information von der Benutzerschnittstelle 115 empfangen wurde. 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 Benutzeroberfläche 115 berücksichtigt werden sollen. Die Darlehen können in einer Datenbank gespeichert oder an das Rechensystem 110 oder an einer mit dem verteilten Netzwerk 140 verbundenen Datenquelle 150 gekoppelt sein. Die Benutzerschnittstelle 115 kann auch an den Benutzer die von dem Darlehenshandelsoptimierer 120 ermittelten Bondpakete und Ganzkreditpakete ausgeben. Der Darlehenshandhabungsoptimierer 120 kann mit mehreren Datenquellen 150 über das verteilte Netzwerk 140 kommunizieren. Beispielsweise kann der Darlehenshandelsoptimierer 120 mit einer Datenquelle 150 kommunizieren, um die Preise von Fannie Mae TBA und eine andere Datenquelle 150 zu bestimmen, um die Preise der US-Treasury zu bestimmen. In einem anderen Beispiel kann der Darlehenshandhabungsoptimierer 120 mit einer Datenquelle 150 kommunizieren, um auf Informationen zuzugreifen, die mit Geboten für ganze Darlehenspakete verbunden sind. Das verteilte Netzwerk 140 kann ein lokales Netzwerk (LAN), Wide Area Network (WAN), das Internet oder eine andere Art von Netzwerk sein. FEIGE. 2 ist ein Flussdiagramm, das ein Verfahren 200 zur Optimierung des Festzins-Gesamtkredithandels gemäß einer beispielhaften Ausführungsform der vorliegenden Erfindung darstellt. Unter Bezugnahme auf die Fig. 1 und 2. bei Schritt 205. Die Benutzerschnittstelle 115 empfängt die Eingabe von einem Benutzer. Diese Benutzereingabe wird von dem Darlehenshandelsoptimierer 120 verwendet, um die Bindungsstruktur zu bestimmen, die für eine Population von Darlehen optimiert werden sollte. Zum Beispiel, wenn der Benutzer wünscht, die optimale Bündelung von Darlehen für Pass durch Bindungen zu finden, kann der Benutzer die Einschränkungen für jeden Bond-Pool eingeben. Beispiele für Einschränkungen für Pass-Through-Bond-Pools beinhalten Einschränkungen für Kredit-Salden, die Gesamtzahl der Kredite für einen Pool und insgesamt Darlehen Gleichgewicht für einen Pool. Im Schritt 210. Eine Darlehensbevölkerung wird zur Optimierung ausgewählt. Die Bevölkerung von Darlehen kann aus Darlehen ausgewählt werden, die in einer auf dem Computersystem 110 gespeicherten oder gekoppelten Darlehensdatenbank oder aus einer Datenbank an einer mit dem verteilten Netz 140 verbundenen Datenquelle 150 gespeichert sind. Die Bevölkerung der Darlehen kann Darlehen enthalten, die derzeit im Besitz des Nutzers (z. B. Investmentbank) des Darlehenshandelsoptimierers 120 sind und Darlehen, die für ein Gebot von einer anderen Bank, einem Kreditgeber oder einer anderen Einrichtung angeboten werden. Beispielsweise kann ein Benutzer den Darlehenshandelsoptimierer 120 einsetzen, um den maximalen Marktwert eines derzeit zur Veräußerung verfügbaren Kreditportfolios zu finden, um ein optimales Angebot für das Kreditportfolio zu ermitteln. Darüber hinaus kann ein Benutzer die Population von Darlehen durch die Festlegung bestimmter Kriterien, wie z. B. maximale Darlehensbilanz, Ort der Darlehen und FICO Score wählen. Im Schritt 215. Bestimmt der Darlehenshandelsoptimierer 120 eine Verbriefungsstrategie für die Population der in Schritt 210 ausgewählten Kredite. Abhängig von den in Schritt 205 empfangenen Benutzereingaben. Der Darlehenshandelsoptimierer 120 verwendet ein oder mehrere der Senioren-Koordinatenmodule 121. Das Durchgangsmodul 122. Und das gesamte Darlehensmodul 123 zur Bestimmung der Verbriefungsstrategie für die Population von Darlehen. Der Schritt 215 wird unter Bezugnahme auf die Fig. 3-7 Im Schritt 220. Bestimmt der Darlehenshandelsoptimierer 120, ob die im Schritt 215 zurückgegebene Verbriefungsstrategie von hinreichend hoher Qualität ist. In diesem Ausführungsbeispiel vermittelt der Darlehenshandelsoptimierer 120 den Schritt des Bestimmens einer Verbriefungsstrategie für die Population von Darlehen, bis entweder eine optimale Lösung gefunden wird oder der Benutzer feststellt, dass die Verbriefungsstrategie von hinreichend hoher Qualität ist. Damit der Benutzer feststellen kann, ob die Verbriefungsstrategie bei ausreichender hoher Qualität vorliegt, kann der Darlehenshandelsoptimierer 120 die Ergebnisse über die Benutzerschnittstelle 115 an den Benutzer ausgeben. Der Darlehenshandelsoptimierer 120 kann diese Ergebnisse auf der Grundlage einer Anzahl von Iterationen von Schritt 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 Qualität ist. Wenn die Verbriefungsstrategie von ausreichender Qualität oder optimal ist, geht das Verfahren 200 zu Schritt 225 über. Ansonsten kehrt das Verfahren 200 zu Schritt 215 zurück. In einer beispielhaften Ausführungsform wird die Qualität in Bezug auf den Gesamtdollarwert der Population von Darlehen gemessen. Zum Beispiel kann der Benutzer wünschen, eine Bevölkerung von Darlehen für mindestens zehn Millionen Dollar zu verkaufen, um auf die Darlehen zu bieten. Der Benutzer kann einen Schwellenwert für den Darlehenshandelsoptimierer 120 festlegen, 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. In Schritt 225. Kann das überschüssige Couponmodul 124 des Darlehenshandelsoptimierers 120 jeden überschüssigen Coupon, der aus der in Schritt 215 bestimmten Verbriefungsstrategie resultiert, umfassen. Dieser Schritt ist optional und wird nachfolgend unter Bezugnahme auf Fig. 2 näher erläutert. 8 Im Schritt 230. Speichert der Kredithandel-Optimierer 120 die endgültige Verbriefungsstrategie an die Benutzerschnittstelle 115 zur Ausgabe an einen Benutzer. Die Benutzeroberfläche 115 kann die endgültige Verbriefungsstrategie und gegebenenfalls 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. Unter Bezugnahme auf die Fig. 1 und 3. bei Schritt 305. Der Darlehenshandelsoptimierer 120 bestimmt, welche Modelle zur Bestimmung der Verbriefungsstrategien verwendet werden sollen. In dieser beispielhaften Ausführungsform enthält der Darlehenshandhabungsoptimierer 120 ein seniorenbasiertes Modul 121. Ein Durchlaufmodul 122. Und ein ganzes Darlehensmodul 123. Jedes der Module 121 - 123 kann ein Modell zur Bestimmung einer optimalen Verpackung von Darlehen aufbauen und verarbeiten, wie nachfolgend erörtert wird. Der Darlehenshandelsoptimierer 120 bestimmt, welche Module 121 - 123 auf der Grundlage der von dem Benutzer empfangenen Eingabe in Schritt 205 von Fig. 2. Zum Beispiel kann der Benutzer angeben, dass nur eine seniorenbasierte Struktur für die Bevölkerung von Darlehen optimiert werden sollte. Alternativ kann der Darlehenshandelsoptimierer 120 das gesamte Darlehensmodul 123 mit dem Seniorsubordinate-Modul 121 und dem Pass-Through-Modul 122 ausführen, um festzustellen, welche der Darlehen den Anforderungen entsprechen. Wenn der Benutzer eine Gebotsinformation für ein Portfolio von ganzen Darlehen eingegeben hat, Das Angebot und sind am wenigsten günstig für die Verbriefung. 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. Loan Management System SSIs Loan Management System (LMS) underlies all the product modules SSI offers. LMS consists of a comprehensive loan data model, tape cracking model, and reporting tools, providing a true end-to-end platform for managing all loan processes from acquisition to exit. SSIs end-to-end solution helps Securitization Conduits manage their pipeline and track loans through all stages, from initial acquisition through sale, securitization or portfolio management. Sophisticated data capture, workflow and reporting tools facilitate all processes, including servicing oversight, claims management and pipeline monitoring. Whats in the box Manage purchase of whole loans Handle flow and bulk acquisition Crack seller bid tapes setup import maps per seller run standard validations Run overviews - multiple stratifications of the loan data Mark package as wonlost Capture package trade details required for funding for won bids Load custodian receiptexception reports and record final disposition Generate funding memoschedule Agency Pricing Pooling and Delivery Seamless integration with bank LOS and servicing systems Perform best-execution pooling to create an optimal pooling allocation of loans available for sale Manage loan delivery workflow for agency, whole loan sale, and nonagency MBS executions Both pool and loan-by-loan delivery (including forward flow sales) can be captured Accommodates the entire spectrum of mortgage products, including HECMs and HELOCs Load data and document issues from custodians and agency edits, and enable analysts to resolve discrepancies during the delivery process Access 3rd party data and analytics services Create pooling files in required Fannie, Freddie, and Ginnie formats Highly configurable to accommodate unique bank strategies and private investor stips Monitor, manage and respond to repurchase requests Due Diligence Automated data loading of due diligence service results into LMS Review credit compliance data Review diligence service results and record final disposition Real-time due diligence vendor integrations Comment, upload docs, interact with sellers and vendors directly through LMS Position Management Maintain historical loan-level mark to market prices as well as pricing assumptions Integrate with clients proprietary valuation model and store loan level results Report on acquisition and transfer prices, current and historical positions, performingnon-performing status, etc. Track position information on whole loan and MSRs and report on each position separately or in aggregate Manage whole loan sale or securitization process for loans in inventory Source loans for deals using various criteria tag loans to create deal pooling Generate replines for deal Create comp mat and term sheet tables Track deal balances and pay statuses post-securitization Update inventory status after securitization Counterparty Management Manage counterparty information Track Status and Counterparty identifying information Track documents associated with counterparty Capture contact namesaddresses and wire instructions What does it do for me
No comments:
Post a Comment