Hela lånet handel system

Partihandel Banking BAKGRUND Wholesale Banking Partihandel är avsedd att beskriva den ekonomiska praxis för utlåning och upplåning mellan två stora institutioner. Banktjänster som anses vara grossist reserveras endast för statliga myndigheter, pensionsfonder. företag med starka finansiella och andra institutionella kunder med liknande storlek och storlek. Dessa tjänster består av kontanthantering. utrustning finansiering, stora lån, handelsbank och förtroende tjänster, bland andra. Grossistbanken avser även upplåning och utlåning mellan institutionella banker. Denna typ av utlåning sker på interbankmarknaden och innebär ofta extremt stora summor pengar. De flesta standardbanker verkar som handelsbanker och erbjuder grossistbanktjänster utöver traditionella detaljhandelstjänster. Det betyder att en person som söker grossistbank skulle inte behöva gå till en särskild institution och i stället kunna engagera sig i samma bank där han bedriver sin personliga detaljhandel. Exempel på grossistbanker Det enklaste sättet att konceptualisera grossistbankerna är att tänka på det som en rabattbutik som Costco som handlar i så stora mängder att den kan erbjuda speciella priser eller reducerade avgifter, per dollar. Det blir fördelaktigt för stora organisationer eller institutioner med höga tillgångar eller affärstransaktioner att engagera sig i grossistbanktjänster i stället för detaljhandelstjänster. Till exempel finns det många tillfällen där ett företag med flera platser behöver en grossistbanklösning för kontanthantering. Teknikföretag med satellitkontor är en främsta kandidat för dessa tjänster. Låt oss säga att ett SaaS-företag har 10 försäljningskontor distribuerade runt USA, och var och en av de 50 försäljningsgruppmedlemmarna har tillgång till ett företags kreditkort. Ägarna till SaaS-bolaget kräver också att varje försäljningskontor håller 1 miljon kontantreserv. totalt 10 miljoner över verksamheten. Det är lätt att se att ett företag med den här profilen är för stor för vanlig detaljhandel. Istället kan företagare ägna sig åt en bank och begära en företagsanläggning som håller alla bolagets finansiella konton. Partihandelstjänster fungerar som en anläggning som erbjuder rabatter om ett företag uppfyller minsta kassakravskrav och / eller minsta månatliga transaktionskrav, vilka båda SaaS-bolaget kommer att träffa. Det är därför fördelaktigt för verksamheten att engagera sig i en företagsfacilitet som konsoliderar alla sina finansiella konton och sänker sina avgifter, i stället för att hålla 10 detaljhandelskontrollkonton och 50 detaljhandelskreditkort öppna. System och metod för att optimera fast ränta hela lånehandeln USA 20140188692 A1 Optimering av helräntehandel med fast ränta. Specifikt tillhandahåller uppfinningen datorbaserade system och metoder för att optimalt förpacka en befolkning av hela lån till obligationer i antingen en seniorbaserad obligationsstruktur eller i pooler av passera genom värdepapper garanterade av en statlig myndighet. Modeller för varje typ av obligationsstruktur bearbetas på lånpopulationen tills antingen en optimal bindningspaket hittas eller en användare bestämmer att en lösning med tillräcklig hög kvalitet finns. Dessutom kan modellerna redovisa bud för hela lån genom att allokera hela lån som uppfyller kravet på anbudet men som är minst gynnsamma för att vara värdepapperiserat. (25) Det som hävdas är: 1. En datorimplementerad metod innefattande: att med hjälp av en dator skapa en modell innefattande en objektiv funktion som representerar ett totalt marknadsvärde för den seniorabordinära bindningsstrukturen för flertalet lån och maximerar med hjälp av datorn objektivfunktionen för att maximera det totala marknadsvärdet av den seniorsubordinära bindningsstrukturen. 2. 2. Den datorimplementerade metoden enligt patentkrav 1. varvid steget att maximera objektivfunktionen innefattar att bestämma ett marknadspris på varje lån som bestämmer en första viktad genomsnittlig exekveringskupong för det antal lån som motsvarar marknadspriset för varje lån som bestämmer den totala marknaden värdet av den seniorsubordinerade strukturen vid den första vägda genomsnittliga exekveringskupongen, som detererar den viktade genomsnittliga exekveringskupongen och bestämmer ett totalt marknadsvärde för den seniorsubordinerade strukturen vid varje iteration och bestämmer den viktade genomsnittliga exekveringskupongen som har de högsta totala marknadsvärdena för den seniorbaserade strukturen. 3. Den datorimplementerade metoden enligt patentkrav 1. vidare innefattande att utveckla och maximera en objektiv funktion för att optimalt dela åtminstone ett av lånen i två pseudolån för att förhindra skapande av enbart intresseobligation eller en principiell bindning, varvid de två pseudolånen innefattar olika kupongvärden. 4. En datorimplementerad metod för att optimalt samla en befolkning av lån till pass genom obligatoriska pooler, varvid metoden innefattar: val av befolkning av lån som bestämmer, på datorn, ett optimalt genomförande av varje lån från befolkningen av lån genom en uppköp eller en köpa ned en garantiavgift som bestämmer en eller flera pooler för vilka varje lån är berättigat att bygga en modell baserad på minst en begränsning för minst en bestämd pool och fördela lån till en eller flera passera genom obligationspooler. 5. Den datorimplementerade metoden enligt patentkrav 4 innefattar vidare att bestämma, genom datorn, åtminstone en modul av en eller flera moduler som är konfigurerad för att poola populationen av lån till passera genom obligationspooler baserat på en mottagen ingång, varvid den åtminstone en modulen innefattar en genomgångsmodul. 6. 4. Den datorimplementerade metoden enligt patentkrav 4. där modellen innefattar en objektiv funktion innefattande en linjär kombination av ett marknadsvärde för varje befolkning av lån. 7. 7. Den datorimplementerade metoden enligt patentkrav 6. där allokering av lånen innefattar att exekvera modellen för att maximera objektivfunktionen. 8. Den datorimplementerade metoden enligt patentkrav 4. vidare innefattande att omvandla åtminstone en begränsning av varje passera genom bindningspoolen till en villkorlig begränsning. 9. Den datorimplementerade metoden enligt patentkrav 4. vidare innefattande att omvandla åtminstone en del av den åtminstone ena begränsningen av varje passera genom bindningspoolen till en villkorlig begränsning före bearbetning av modellen för att säkerställa att modellen är lösbar. 10. Den datorimplementerade metoden enligt patentkrav 4. vidare innefattande att omvandla var och en av de åtminstone ena begränsningarna till en villkorlig begränsning för att tillåta begränsningar att vara tillämpliga för att endast passera genom obligationspooler som tilldelas. 11. Den datorimplementerade metoden enligt krav 4, vidare innefattande att allokera åtminstone en av befolkningen av lån till en odelad pool. 12. Den datorimplementerade metoden enligt krav 4, vidare innefattande att tilldela lån till en odelad pool om var och en av passering genom obligationspooler inte kan fördelas med populationen av lån, där lån i den odelade poolen ges noll marknadsvärde och vari bearbetning av modellen Vidare innefattar det att minimera antalet lån som tilldelas den odelade poolen. 13. 4. Den datorimplementerade metoden enligt patentkrav 4. vari modellen beräknar begränsningen av var och en passerar genom bindningspoolen och en betalning som är förknippad med var och en genom bindningspoolen. 14. Ett system innefattande: ett minne innefattande en uppsättning instruktioner för allokering av en del av ett flertal lån till ett lånepaket och en dator kopplad till minnet och konfigurerad att utföra uppsättningen instruktioner för att: bestämma vilken av de många lån som möts en eller fler begränsningar av lånepaketet bestämmer ett marknadspris på varje av de många lånen baserat på en värdepapperiseringsmodellmodell en objektiv funktion för att bestämma vilka lån i flertalet lån som uppfyller ett eller flera hinder är minst lönsamma för värdepapperisering i värdepapperiseringsmodell och fördela de lån som uppfyller en eller flera begränsningar och är minst lönsamma för värdepapperisering i lånepaketet. 15. 14. System enligt patentkrav 14. där värdepapperiseringsmodellen innefattar en seniorsubordinatmodell. 16. 14. System enligt patentkrav 14. där objektivfunktionen är modellerad för att minimera spridningen mellan ett vägat genomsnittligt pris på lånen i lånepaketet och en TBA-obligationspris på den vägda genomsnittliga kupongen av lånen i lånepaketet . 17. Systemet enligt krav 14, varvid den objektiva funktionen är modellerad för att minimera ett dollarvärde av en spridning mellan ett vägat genomsnittligt pris på lånen i lånepaketet och en TBA-obligationspris på den vägda genomsnittliga kupongen för lånen i lånepaketet. 18. En metod för att optimera fullräntahandel med fast ränta, varvid metoden innefattar: att välja en befolkning av lån som väljer att, via en dator, ett eller flera lån som uppfyller en begränsning av ett bud genom att bestämma ett pris för varje lån som uppfyller begränsning baserad på en värdepapperiserad modell som bestämmer om datorn ska använda en effektiv modell för att välja vilken av de ett eller flera lån som är minst gynnsamma för att vara värdepapperiserad och om den effektiva modellen används, väljer du, av datorn, vilken av Det en eller flera lånen är minst gynnsamma för att vara värdepapperiserat med minsta dollarvärde av spridningen. 19. 19. Förfarande enligt patentkrav 18. Vidare innefattande: att av datorn bestämma åtminstone en modul av en eller flera moduler som optimerar helränshandel med fast ränta baserat på en mottagen ingång, varvid den åtminstone en modulen innefattar en hel lånemodul. 20. 18. Förfarande enligt patentkrav 18. Vidare innefattande steget att allokera en del av flertalet hela lån till ett paket av hela lån för att sälja hela lån, varvid den del omfattar hela lån som uppfyller minst en begränsning och är mindre lönsam än de andra hela lånen när de görs till ett obligationslån i obligationsstrukturen om den effektiva modellen inte används, då väljer man av datorn vilken av de ett eller flera lån som är minst gynnsamma för att vara värdepapperiserad genom att minimera spridningen. 21. Ett system innefattande: en dator som är kommunikabelt kopplad till nätverket och konfigurerad att: skapa en modell som motsvarar ett flertal överskott av kupongbindningspooler och en oallokerad pool, varvid varje överskott av kupongbindningspool innefattar åtminstone en begränsning och bearbetar modellen för att allokera var och en av lånen till antingen en överskott av kupongbindningspoolen eller in i den odelade poolen för att maximera det totala marknadsvärdet för den överskjutande kupongen som tilldelas de överliggande kupongbindningspoolerna. 22. 21. System enligt patentkrav 21. där modellen innefattar en objektiv funktion som representerar det totala marknadsvärdet för den överskjutande kupongen som tilldelas till de överliggande kupongbindningspoolerna. 23. 21. System enligt patentkrav 21. varvid datorn är vidare konfigurerad att transformera var och en av de åtminstone ena begränsningarna till en villkorlig begränsning. 22. 21. System enligt patentkrav 21. där datorn är vidare konfigurerad att transformera var och en av de åtminstone ena begränsningarna till en villkorlig begränsning för att tillåta begränsningar att vara tillämpliga på endast överflödiga kupongbindningspooler som tilldelas. 24. 21. Systemet enligt patentkrav 21. där datorn är vidare konfigurerad att: identifiera de överskjutande kupongpoolerna för vilka var och en av lånen kan allokeras baserat på säkerheterna för lånen och kollapsa varje lån som identifierats för en överkupongkupong i ett enda lån till minska antalet lån i modellen. Denna ansökan är en delning av U. S. patentansökan Ser. Nr. 12533 ​​315, inlämnad den 31 juli 2009, vilket hävdar fördelen med den amerikanska provisoriska patentansökningen nr 61191 011, inlämnad 3 september 2009, vilka båda härmed helt häri införlivas som referens. Föreliggande uppfinning hänför sig i allmänhet till system och metoder för att optimera lånehandel och mer specifikt till datoriserade system och datorimplementerade metoder för att optimera paket av hela lån för utförande i obligationer eller försäljning som hela lånepaket. Finansinstitut, till exempel investeringsbanker, köper lån och låneportföljer från banker eller låntagare främst för att securitisera lånen i obligationer och sedan sälja obligationerna till investerare. Dessa obligationer betraktas som värdepappersbaserade värdepapper eftersom de är säkerställda av tillgångarnas tillgångar. Många typer av lån kan värdepapperiseras i obligationer, inklusive bostadslån, kommersiella inteckningar, billån och kreditkortsfordringar. En mängd obligationsstrukturer kan skapas från en befolkning av lån, där varje struktur har egenskaper och begränsningar som måste redovisas för att maximera den vinst som ett finansinstitut kan realisera genom att värdepapperiseras i obligationer. Den optimala grupperingen eller sammanslagningen av lån i obligationer för en viss obligationsstruktur och en viss lånepopulation kan bero på egenskaperna hos varje lån i befolkningen. Vidare kan obligationspolicyn eller exekutivkupongen som ett individuellt lån exekveras bero på obligationspolicyn eller bästa genomförandet av varje annat lån i befolkningen. Eftersom den typiska lånepopulationen för värdepapperisering i obligationer är mycket stor (t ex 10 000 lån eller mer) kan det vara utmanande att bestämma en optimal sammanslagning av lån för värdepapperisering i obligationer. Följaktligen behövs det system och metoder för att optimera förpackningen av en befolkning av lån till obligationer för en viss obligationsstruktur. Uppfinningen tillhandahåller datoriserade system och datorimplementerade metoder för att optimera fullräntahandel med fast ränta för en befolkning av hela lån. En aspekt av föreliggande uppfinning åstadkommer ett system för att optimera helränshandel med fast ränta. Detta system innefattar ett datorsystem som innehåller en programvara som innehåller en eller flera moduler som kan användas för att utveckla en modell för att bestämma en värdepapperiseringsstrategi för en befolkning av hela lån, värdepapperiseringsstrategin inklusive obligationer och operativ att bearbeta modellen till en optimal värdepapperiseringsstrategi för populationen av hela lån finns och ett användargränssnitt för att ta emot användarinmatning för en eller flera moduler och för att utföra den optimala värdepapperiseringsstrategin, användargränssnittet är i kommunikation med programvaran. En annan aspekt av föreliggande uppfinning åstadkommer en datorimplementerad metod för att bestämma en optimal exekveringsbindningskupong för varje lån i en grupp av lån i en seniorbaserad bindningsstruktur. Metoden innefattar att skapa en modell bestående av en objektiv funktion som representerar ett totalt marknadsvärde av den senarelaterade obligationsstrukturen för lånen. Vidare innefattar metoden maximering av objektivfunktionen för att maximera det totala marknadsvärdet för den seniorsubordinära bindningsstrukturen. En annan aspekt av uppfinningen tillhandahåller en datorimplementerad metod för att optimalt samla lån i passera genom obligationspooler. Metoden innefattar att välja en befolkning av lån. Vidare innefattar metoden för varje lån av urvalspopulationen av lån att ett optimalt genomförande av varje lån fastställs genom en uppköp eller en nedköp av garantiavgift. Vidare innefattar metoden bestämning av en eller flera pooler för vilka varje lån är berättigat. Dessutom innefattar metoden att bygga en modell baserad på minst en begränsning för minst en bestämd pool och allokering av lån till den en eller flera passera genom obligationspooler. En annan aspekt av uppfinningen tillhandahåller ett system innefattande ett minne som har en uppsättning instruktioner för allokering av en del av en grupp av lån till en lånepaket. Vidare innefattar systemet en dator kopplad till minnet. Vid genomförandet av uppsättningen instruktioner bestämmer datorn vilket av lånen som uppfyller en eller flera begränsningar av lånepaketet. Dessutom bestämmer datorn ett marknadspris för varje lån baserat på en värdepapperiseringsmodell. Därtill kan datorn modellera en objektiv funktion för att bestämma vilka lån i gruppen av lån som uppfyller ett eller flera hinder är minst lönsamma för värdepapperisering i värdepapperiseringsmodellen och fördela de lån som uppfyller en eller flera begränsningar och är minst lönsamma för värdepapperisering i lånepaketet. En annan aspekt av föreliggande uppfinning åstadkommer en metod för att optimera helränshandel med fast ränta. Denna metod innefattar stegen att välja en befolkning av lån som väljer ett eller flera lån som uppfyller ett budsättning som bestämmer ett pris på varje lån som uppfyller begränsningen baserat på en värdepapperiserad modell som bestämmer om en effektiv modell ska användas för att välja vilken av de Ett eller flera lån är minst gynnsamma att vara värdepapperiserade. Vidare, om den effektiva modellen används, innefattar metoden val av vilket av pone eller fler lån som är minst gynnsamma för att vara värdepapperiserat med minsta dollarvärde av spridningen. En annan aspekt av föreliggande uppfinning åstadkommer ett system för optimalt poolning av överskottskupong som härrör från värdepapperiseringslån. Systemet innehåller och nätverk och en dator som kan överföras till nätverket. Vidare skapar datorn en modell som motsvarar överflödiga kupongobligationspuljer och en odelad pool, varje överskottskupongbindningspool som inkluderar minst en begränsning och behandlar modellen för att fördela var och en av lånen till antingen en överskott av kupongbindningspoolen eller i den odelade poolen för att maximera det totala marknadsvärdet för den överskjutande kupongen som tilldelas de överliggande kupongbindningspoolerna. Dessa och andra aspekter, särdrag och utföringsformer av uppfinningen kommer att bli uppenbara för en person med normal kunskap på området vid beaktande av följande detaljerade beskrivning av illustrerade utföringsformer som exemplifierar det bästa sättet att utföra uppfinningen som för närvarande uppfattas. KORT BESKRIVNING AV RITNINGARNA För en mer fullständig förståelse av de exemplifierande utföringsformerna av föreliggande uppfinning och fördelarna därav hänvisas nu till följande beskrivning tillsammans med de bifogade figurerna som kort beskrivs som följer. FIKON. 1 är ett blockschema som visar ett system för att optimera helränshandeln med fast ränta i enlighet med en exemplifierande utföringsform av föreliggande uppfinning. FIKON. 2 är ett flödesschema som visar ett förfarande för att optimera helränshandel med fast ränta i enlighet med en exemplifierande utföringsform av föreliggande uppfinning. FIKON. 3 är ett flödesschema som visar en metod för att bestämma en värdepapperiseringsstrategi för en population av lån i enlighet med en exemplifierande utföringsform av föreliggande uppfinning. FIKON. 4 är ett flödesschema som visar ett förfarande för att förpacka en befolkning av lån till en pensionärstruktur enligt en exemplifierande utföringsform av föreliggande uppfinning. FIKON. 5 är ett flödesschema som visar ett förfarande för att förpacka en population av lån till en pensionärstruktur enligt en exemplifierande utföringsform av föreliggande uppfinning. FIKON. 6 är ett flödesschema som visar en metod för att förpacka en population av lån för att passera genom bindningar i enlighet med en exemplifierande utföringsform av föreliggande uppfinning. FIKON. 7 är ett flödesschema som visar en metod för att förpacka hela lån i enlighet med en exemplifierande utföringsform av föreliggande uppfinning. FIKON. 8 är ett flödesschema som visar en metod för att samla överskottskupong i enlighet med en exemplifierande utföringsform av föreliggande uppfinning. Detaljerad beskrivning av exemplifierande utföringsformer Uppfinningen tillhandahåller datorbaserade system och metoder för att optimera helränshandel med fast ränta. Specifikt tillhandahåller uppfinningen datorbaserade system och metoder för att optimalt förpacka en befolkning av hela lån till obligationer i antingen en seniorbaserad obligationsstruktur eller i pooler av passera genom värdepapper garanterade av en statlig myndighet. Modeller för varje typ av obligationsstruktur bearbetas på lånpopulationen tills antingen en optimal bindningspaket hittas eller en användare bestämmer att en lösning med tillräcklig hög kvalitet finns. Dessutom kan modellerna ta hänsyn till bud för hela lån genom att allokera hela lån som uppfyller kravet på anbudet men som är minst gynnsamma för att bli värdepapperiserade. Även om de exemplifierande utföringsformerna av uppfinningen diskuteras när det gäller hela lån (särskilt fasta bostadsräntor) kan aspekter av uppfinningen också tillämpas för handel med andra typer av lån och tillgångar, såsom lån med rörlig ränta och roterande skulder. Uppfinningen kan innefatta ett datorprogram som innefattar de funktioner som beskrivs häri och illustreras i de bifogade flödesdiagrammen. Det bör dock vara uppenbart att det kan finnas många olika sätt att implementera uppfinningen i datorprogrammering, och uppfinningen bör inte tolkas som begränsad till någon uppsättning datorprograminstruktioner. Vidare skulle en skicklig programmerare kunna skriva ett sådant datorprogram för att genomföra en utföringsform av den beskrivna uppfinningen baserat på flödesschema och associerad beskrivning i applikationstexten. Därför anses inte beskrivning av en särskild uppsättning programkodinstruktioner nödvändiga för en adekvat förståelse av hur man gör och använder uppfinningen. Den uppfinningsenliga funktionaliteten hos det ifrågavarande datorprogrammet kommer att förklaras närmare i den följande beskrivningen, läs i samband med figurerna som illustrerar programflödet. Vidare inses det för fackmannen att ett eller flera av de beskrivna stegen kan utföras av hårdvara, mjukvara eller en kombination därav, som kan vara belägna i ett eller flera beräkningssystem. Med hänvisning till ritningarna, i vilka samma siffror representerar liknande element i hela figurerna, kommer aspekter av exemplifierande utföringsformer att beskrivas i detalj. FIKON. 1 är ett blockschema som avbildar ett system 100 för att optimera fullväxelhandel med fast ränta i enlighet med en exemplifierande utföringsform av föreliggande uppfinning. Med hänvisning till fig. 1. Systemet 100 innefattar ett beräkningssystem 110 anslutet till ett distribuerat nätverk 140. Beräkningssystemet 110 kan vara en persondator ansluten till det distribuerade nätverket 140. Beräkningssystemet 110 kan innefatta en eller flera applikationer, såsom lånehandeloptimeringsapplikation 120. Denna exemplifierande lånehandeloptimerare 120 innefattar fyra moduler 121-124 som kan fungera individuellt eller interagera med varandra för att tillhandahålla en optimal förpackning av lån till en eller flera bindningsstrukturer och hela lånepaket. En pensionärmodul 121 distribuerar lån till en äldrepensionsstruktur med obligationer som har olika kreditbetyg och olika nettouppvärden. Såsom kommer att diskuteras mer i detalj med hänvisning till fig. 4-5. Seniorsubordinatmodulen 121 distribuerar lånen till obligationer med AAA-rating, underordnade obligationer med lägre kreditbetyg och beroende på lånen och kupongvärdena för AAA-obligationerna och de underliggande obligationerna, räntebindningarna och de viktigaste obligationerna. En pass-through-modul 122 distribuerar lån för att passera genom obligationer garanterade av en offentlig myndighet, till exempel Freddie Mac eller Fannie Mae. Pass-through-modulen 122 samlar upp lånen optimalt för att bli meddelad (TBA) genom värdepapper baserat på olika begränsningar. Pass-thru-modulen 122 diskuteras mer detaljerat nedan med hänvisning till fig. 6. En hellånsmodul 123 fördelar lån för att möta bud för låneportföljer som uppfyller specifika krav och begränsningar i budet. Hela lånemodulen 123 kan interagera med antingen seniorsubordinatmodulen 121 eller pass-thru-modulen 122 för att allokera lån som uppfyller kraven för buden men är mindre gynnsamma för att vara värdepapperiserad. Hela lånemodulen 123 diskuteras nedan mer i detalj med hänvisning till fig. 7. En överskottskupongmodul 124 distribuerar överskottskuponger av värdepapperiserade lån till olika obligationsräntor eller pooler. Den överskjutande kupongmodulen 124 kan poola överskjutande kuponger som härrör från seniorsubordinatbindningsstruktur skapad av seniorsubordinatmodulen 121 och överflödiga kuponger som härrör från att passera genom värdepapper som skapats av pass-thru-modulen 122. Överskottskupongmodulen 124 diskuteras nedan mer i detalj med hänvisning till fig. 8. Användare kan mata in information till ett användargränssnitt 115 i databehandlingssystemet 110. Denna information kan innefatta en typ av obligationsstruktur för att optimera, begränsningar som hör samman med obligationsstrukturer och obligationspooler, information i samband med lånebud och all annan information som krävs av lånehandelsoptimeraren 120. Efter att informationen har tagits emot av användargränssnittet 115. Informationen lagras i en datalagringsenhet 125. som kan vara en mjukvaru databas eller annan minnesstruktur. Användare kan också välja en befolkning av lån att överväga för optimering genom användargränssnittet 115. Lånen kan lagras i en databas som är lagrad på eller kopplad till beräkningssystemet 110 eller hos en datakälla 150 som är ansluten till det distribuerade nätverket 140. Användargränssnittet 115 kan också till en användare mata ut bindningspaket och hela lånepaket bestämda av lånehandelsoptimeraren 120. Lånhandeloptimeraren 120 kan kommunicera med flera datakällor 150 med hjälp av det distribuerade nätverket 140. Lånhandeloptimeraren 120 kan exempelvis kommunicera med en datakälla 150 för att bestämma Fannie Mae TBA-priser och en annan datakälla 150 för att bestämma amerikanska statsobligationspriser. I ett annat exempel kan lånehandelsoptimeraren 120 kommunicera med en datakälla 150 för att få tillgång till information i samband med bud för hela lånepaket. Det distribuerade nätverket 140 kan vara ett lokalt nätverk (LAN), wide area network (WAN), Internet eller annan typ av nätverk. FIKON. 2 är ett flödesschema som visar ett förfarande 200 för att optimera fullväxelhandel med fast ränta i enlighet med en exemplifierande utföringsform av föreliggande uppfinning. Med hänvisning till fig. 1 och 2. vid steg 205. användargränssnittet 115 mottar inmatning från en användare. Denna användarinmatning används av låneoptimeringsoptimeraren 120 för att fastställa obligationsstrukturen som bör optimeras för en befolkning av lån. Till exempel, om användaren önskar hitta den optimala sammanslagningen av lån för att passera genom obligationer, kan användaren ange begränsningarna för varje obligationspool. Exempel på begränsningar för passera genom obligationspooler inkluderar begränsningar på lånebalanser, totalt antal lån för en pool och total lånebalans för en pool. Vid steg 210. en befolkning av lån väljs ut för optimering. Befolkningen av lån kan väljas från lån som lagras i en lånedatabas lagrad på eller kopplad till beräkningssystemet 110 eller från en databas vid en datakälla 150 ansluten till det distribuerade nätverket 140. Befolkningen av lån kan innefatta lån som för närvarande ägs av användaren (t ex investeringsbank) av låneoptimeringsoptimeraren 120 andor lån som erbjuds av en annan bank, låneinstitut eller annan institution. Till exempel kan en användare använda låneoptimeringsoptimeraren 120 för att hitta det maximala marknadsvärdet för en låneportfölj som för närvarande säljs för att bestämma ett optimalt bud på låneportföljen. Dessutom kan en användare välja befolkningen i lån genom att specificera vissa kriterier, såsom maximal lånebalans, placering av lånen och FICO-poäng. Vid steg 215. Lånhandeloptimeringsenheten 120 fastställer en värdepapperiseringsstrategi för befolkningen i lån som valts i steg 210. Beroende på användarinmatningarna mottagna i steg 205. lånehandelsoptimeraren 120 sysselsätter en eller flera av de seniorsubordinära modulerna 121. pass-thru-modulen 122. och hela lånemodulen 123 för att bestämma värdepapperiseringsstrategin för befolkningen i lån. Steg 215 diskuteras mer i detalj med hänvisning till fig. 3-7. Vid steg 220. låneoptimeringsoptimeraren 120 bestämmer huruvida den värdepapperiseringsstrategi som returneras i steg 215 är av tillräckligt hög kvalitet. I denna exemplifierande utföringsform återger lånehandelsoptimeraren 120 steget att bestämma en värdepapperiseringsstrategi för befolkningen i lån tills antingen en optimal lösning hittas eller användaren bestämmer att värdepapperiseringsstrategin är av tillräckligt hög kvalitet. För att användaren ska kunna bestämma om värdepapperiseringsstrategin, om den har tillräcklig hög kvalitet, kan lånehandelsoptimeraren 120 mata resultaten till användaren genom användargränssnittet 115. Lånhandeloptimeraren 120 kan mata ut dessa resultat baserat på ett antal iterationer från steg 215 (t ex varje 100 iterationer) eller när en viss kvalitetsnivå hittas. Användargränssnittet 115 kan sedan få in ingång från användaren som indikerar huruvida värdepapperiseringsstrategin är av tillräcklig hög kvalitet. Om värdepapperiseringsstrategin är av tillräcklig hög kvalitet eller optimal fortsätter metoden 200 till steg 225. I annat fall återgår metoden 200 till steg 215. I en exemplifierande utföringsform mäts kvaliteten i förhållande till det totala dollarn värdet av befolkningens befolkning. Till exempel kan användaren vilja sälja en befolkning av lån för minst tio miljoner dollar för att kunna bjuda på lånen. Användaren kan ställa in ett tröskelvärde för lånehandelsoptimeraren 120 för att bara returnera en lösning som uppfyller detta tröskelvärde eller en lösning som är den optimala lösningen om den optimala lösningen ligger under denna tröskel. Vid steg 225. överskottskupongmodulen 124 i lånehandelsoptimeraren 120 kan poola eventuell överskjutande kupong som härrör från värdepapperiseringsstrategin bestämd i steg 215. Detta steg är valfritt och diskuteras nedan mer i detalj med hänvisning till fig. 8. Vid steg 230. lånehandelsoptimeraren 120 kommunicerar den slutliga värdepapperiseringsstrategin till användargränssnittet 115 för utmatning till en användare. Användargränssnittet 115 kan visa den slutliga värdepapperiseringsstrategin och eventuellt andra möjliga värdepapperiseringsstrategier med liknande kvalitetsnivåer. FIKON. 3 är ett flödesschema som visar ett förfarande 215 för bestämning av en värdepapperiseringsstrategi för en population av lån i enlighet med en exemplifierande utföringsform av föreliggande uppfinning. Med hänvisning till fig. 1 och 3. vid steg 305. Lånhandeloptimeraren 120 bestämmer vilka modeller som ska användas för att bestämma värdepapperiseringsstrategierna. I denna exemplifierande utföringsform innefattar lånehandelsoptimeraren 120 en seniorsubordinärmodul 121. en pass-through-modul 122. och en hel lånemodul 123. Var och en av modulerna 121-123 kan bygga och bearbeta en modell för att bestämma en optimal förpackning av lån som diskuteras nedan. Lånhandeloptimeraren 120 bestämmer vilka moduler 121-123 som ska användas baserat på ingången mottagen från användaren i steg 205 i fig. 2. Till exempel kan användaren ange att endast en seniorinstruktionsstruktur ska optimeras för befolkningen i lån. Alternativt kan, om användaren har angett budinformation för en portfölj av hela lån, låneoptimeringsoptimeraren 120 kunna utföra hela lånemodulen 123 med den seniorsubordinära modulen 121 och i pass-thru-modulen 122 för att bestämma vilka av lånen som uppfyller kraven i budet och är minst gynnsamma för värdepapperisering. 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 pa rty 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 inven tory 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