隱含評級視角下我國產業債信用風險研究

柳瑩

摘要：本文通過債券交易價格數據構建我國產業債發行主體的隱含評級時間序列，基于隱含評級的角度對我國產業債市場信用狀況進行全面分析，并利用Logistic判別方法篩選出違約率較高的發行主體，為有效識別和預警債券市場風險提供參考。

關鍵詞：隱含評級??產業債??信用風險??Logistic回歸

近幾年我國經濟增速放緩，債券市場信用風險開始釋放。鑒于今后一段時間內我國信用債市場仍將處在風險易發、高發期，有效的債券市場信用風險研究與預警將非常重要。

隱含評級的構建

隱含評級是根據債券市場交易價格倒推出其信用評級，認為債券的市場價格涵蓋了債券的信用風險，隱含著市場對債券主體的信用評價，因此可以利用價格信息反映債券主體的相對信用風險。

（一）樣本數據的選取

本文以產業債為研究對象，將產業債的月度平均到期年收益率作為反映債券市場價格的指標。由于是結合中債中短期票據和企業債收益率曲線作為參照標準進行倒推，所以選擇剩余期限在0～10年、平均到期年收益率在0～30%的超短期融資券、短期融資券、中期票據、企業債四類債券交易數據，期限為2014年9月至2018年4月，涵蓋發行主體2468家、債券12891只、債券交易記錄112417條。數據來源于中國人民銀行債券統計監測系統。

（二）主要步驟

構建單只債券隱含評級。為每一只債券匹配相同債券品種、相同交易日期、相同剩余期限的收益率曲線，選擇該債券最接近的收益率曲線評級為此債券的隱含評級。其中，對于剩余期限在0～10年的不同債券到期收益率進行線性插值處理。

構建隱含評級評分體系。建立如表1所示的發行主體、發行債券的同一評分標準。由于企業償債能力更多依靠發行主體的實力，本文將債券的隱含評級級別定義為發行人的隱含評級。

構建單個發行主體隱含評級時間序列。按照時間順序，構建出每只債券隱含評級時間序列，當同一發行主體在同一時間有多只債券交易并得到不同隱含評級時，取各只債券隱含評級分數的最大值作為發行主體的隱含評級得分。

隱含評級視角下我國產業債信用狀況

以下本文將對全部產業債樣本企業的隱含評級和外部評級情況進行梳理，并據此對我國產業債發債主體的信用狀況進行分析。

（一）我國產業債整體信用狀況

我國信用債主體隱含評級分布明顯低于外部評級分布。我國產業債大部分發行主體隱含評級集中在AA+、AA、AA-和A+四類，合計占比為79.4%，而我國發債企業的外部評級主要集中在AAA、AA+、AA、AA-四個等級，分布相對集中，合計占比為97.8%。其中，隱含評級明顯低于外部評級（評級分數差值≥2）的企業數量為973個，占企業總數的39.4%，存在外部評級高估的現象（見圖1）。

（二）我國產業債的信用狀況

從行業來看，采礦業、金融業、建筑業隱含評級與外部評級偏離度較高，行業平均評級分數差值均接近于2.0分。其中，采礦業和建筑業的隱含評級分數最高，分別達到了5.8分和5.7分，接近于A+級別，風險相對較高（見圖2）。

從地區來看，東北地區、西南地區和華北地區的隱含評級與外部評級偏離度相對偏高，其中吉林省、重慶市、內蒙古自治區分別為該地區中偏離度最高的，平均評級分數差值均接近于2.5分。東北地區、西南地區和西北地區的隱含評級分數最高，平均分數達到5.5分以上，其中吉林省、重慶市和甘肅省的隱含評級得分分別為6.4分、6.2分和6.4分，屬于風險偏高的地區（見圖3）。

從發債主體的經濟成分來看，外商絕對控股企業的評級偏離度接近3.0分。外商相對控股、外商絕對控股以及私人絕對控股企業的平均隱含評級得分接近6分，風險相對高于其他經濟成分企業（見圖4）。

• 違約債券主體信用狀況

截至2018年6月末，我國銀行間債券市場共有27家企業、96只債券發生違約，本文的樣本中包含其中25家違約企業的交易信息。

違約主體的隱含評級偏離度和隱含評級分數均呈現較高水平，25家違約企業隱含評級平均較發行時外部評級下降了3個級別，且違約企業的平均隱含評級分數為7.3分，即平均信用評級低于A級。

隱含評級調整時間領先于外部評級調整時間，有16家企業違約主體的隱含評級在外部評級下調之前出現了明顯變動趨勢，提前時間平均為11個月，而受到樣本交易數據期限短、交易數據頻度低等因素限制，有9家主體隱含評級未能及時變動，滯后于外部評級變動時間。此外，有22家違約主體的隱含評級在債券違約之前發生明顯下調，平均提前時間為11.5個月。

基于Logistic模型的違約風險企業預測

在隱含評級數據基礎上，本文利用logistic判別分析方法篩選出違約風險較大的企業，這部分企業發行的債券未來屬于風險較高的債券，應予以重點關注。

（一）Logistic回歸模型介紹

（二）樣本數據選取

本文選取125家債券已到期但未違約的企業主體作為正常企業，將25家違約企業作為風險企業，將兩組企業主體隱含評級分數、隱含評級與外部評級分差的最大值、最小值、平均值、中位數作為自變量，以數值0（代表企業分類為正常企業）、數值1（代表企業分類為風險企業）為因變量，利用SPSS軟件中Logistic回歸對此分類問題進行建模。

（三）模型結果

模型結果顯示：R方（版上改為R平方格式）為0.597，變量系數檢驗p值均小于0.05，表明模型擬合程度較好;模型對樣本數據分類準確度達到92.7%，表明分類效果較好;最終選擇企業主體隱含評級分數的最大值和主體隱含評級分差的平均值作為自變量，表明這兩個指標對企業是否違約有顯著性影響，且回歸系數分別為2.587、-1.317，模型偏置量為-17.102。

（四）違約風險企業判別結果與分布狀況

通過已求出的方程解出2458家企業對應的概率值p，令p>0.5的企業違約屬性為1，將其定義為風險企業;令p<0.5的企業違約屬性為0，將其定義為正常企業。分析結果顯示，其中有546家企業p>0.5，違約風險較高，占預測樣本企業總數的22.2%。

從地區來看，華東地區違約風險企業數量最多，但西北及西南地區風險企業占樣本總數的比例均超過30%，是風險相對最高的區域（見圖5）。

從行業來看，建筑業、制造業、采礦業、批發和零售業、房地產業的風險企業數量最多，合計占到違約風險企業總數的80%（見圖6）。

從風險企業發行債券兌付日期來看，超短期融資券和短期融資券由于期限較短，主要集中在2018年下半年兌付;而中期票據和企業債在2019年上半年及2021年上半年兌付數量和規模占比較高，需要重點關注。

主要結論

本文通過債券全部交易數據構建出我國產業債隱含評級時間序列，并在此基礎上全面分析我國產業債的信用風險情況，判別出違約風險較高的發行主體。

研究發現，我國的產業債隱含評級分布主要集中在AA+、AA、AA-和A+四類，較外部評級分布明顯下移。此外，違約發債企業的隱含評級調整時間明顯領先于外部評級調整時間和債券違約時間，在時間維度上對債券違約也具有較好的預測作用。在此基礎上，本文利用Logistic判別方法判別出22.2%的樣本企業未來存在較高的違約風險，這部分企業主要集中在第二產業和華東地區，違約時間將主要集中在2019年上半年及2021年上半年。

作者單位：中國人民銀行銀川中心支行

責任編輯：周舟??印穎

參考文獻

[1]許南星.?基于中國市場的市場隱含評級研究[J].?金融發展評論，2011（6）：129-138.

[2]張文朗.?哪些債券的風險或被低估？且看隱含評級[R].?上海：光大證券股份有限公司，2018.

[3]?Breger，Ludovic.，Lisa?Goldberg?and?Oren?Cheyette.?Market?Implied?Ratings[J].?Social?Science?Electronic?Publishing，2003?，16?（1）?：377.

[4]?Richard?Cantor，Christopher?Mann.?Measuring?The?Performance?of?Corporate?Bond?Ratings[J].?Social?Science?Electronic?Publishing，?2003?，32?（1）?：161-169.

[5]?Jianming?Kou，?Simone?Varotto.?Predicting?Agency?Rating?Migrations?with?Spread?Implied?Ratings[C].?ISMA?Centre?Discussion?Papers?in?Finance?，2005.