《中证财务评级模型及其应用》由会员分享,可在线阅读,更多相关《中证财务评级模型及其应用(9页珍藏版)》请在金锄头文库上搜索。
1、 请阅读正文最后的免责声明 中证财务评级模型及其应用中证财务评级模型及其应用随着结构融资产品的迅猛 并给出评级,将级别映射到 行、 保险、 基金等机构基于风险管理 产品给出一个全面的初始判断 结果虽然精确但却要无法快速实现全覆盖 等产品应运而生,为全球各大金融机构提供了一套基于财务数据 级产品,评级结果与其传统评级方法下的级别含义一致中证评级借鉴了国内外评级机构开发的财务评级模型 的模型,并不断进行探索及改进基于财务数据的评级模型仅需要财务等基本面信息 然适用,模型覆盖范围更广, 比性, 排除了传统评级中分析师水平层次不齐造成的评级结果的差异 仅仅依赖于公司上一期或几期前的财务数据 评级下,
2、需要结合分析师对行业及特定公司的看法 不足。 一一、信用风险度量模型概览及财务评级模型汇总信用风险度量模型概览及财务评级模型汇总除了可以使用传统的信用评级方法 用风险度量模型大致可以分为三类图表 1:信用风险度量模型概览数据来源:中证评级整理中证指数有限公司中证财务评级模型及其应用中证财务评级模型及其应用 迅猛发展, 评级机构需要快速对大量基础信贷资产的资质进行分析 自身的违约概率矩阵,作为结构融资评级的输入数据 基金等机构基于风险管理的要求或计提资本准备也需要对大量的 全面的初始判断。如果依然采用传统的评级方法,将需要大量的人力和时间 结果虽然精确但却要无法快速实现全覆盖, 因此, 标普的
3、CreditModel 及 RapidRatings 为全球各大金融机构提供了一套基于财务数据、标准一致 评级结果与其传统评级方法下的级别含义一致,可映射到相应的违约概率矩阵中证评级借鉴了国内外评级机构开发的财务评级模型, 研究设计了一套适用于自身需要 并不断进行探索及改进。 基于财务数据的评级模型仅需要财务等基本面信息,对于非上市、非公开发债的企业依 ,且在一定时间内模型的指标与系数保持一致, 排除了传统评级中分析师水平层次不齐造成的评级结果的差异。 但由于财务评级模型 仅仅依赖于公司上一期或几期前的财务数据, 评级结果仅是对公司过去表现的反映 需要结合分析师对行业及特定公司的看法, 对未来
4、的预期等多方面因素的考虑存在信用风险度量模型概览及财务评级模型汇总信用风险度量模型概览及财务评级模型汇总除了可以使用传统的信用评级方法,也可以使用模型进行快速评级并度量信用风险 用风险度量模型大致可以分为三类,主要区别在于模型中是否使用了市场价格信息信用风险度量模型概览 中证评级整理 中证指数有限公司 1 机构需要快速对大量基础信贷资产的资质进行分析 作为结构融资评级的输入数据;此外,银 或计提资本准备也需要对大量的底层资产或固收 将需要大量的人力和时间, RapidRatings 的 FHR 标准一致、覆盖面广的评 可映射到相应的违约概率矩阵。 研究设计了一套适用于自身需要非公开发债的企业依
5、 因此结果具有可 但由于财务评级模型 评级结果仅是对公司过去表现的反映, 与传统 对未来的预期等多方面因素的考虑存在信用风险度量模型概览及财务评级模型汇总信用风险度量模型概览及财务评级模型汇总 也可以使用模型进行快速评级并度量信用风险,信 主要区别在于模型中是否使用了市场价格信息。 请阅读正文最后的免责声明 中证评级整理了目前使用较为广泛的基于财务数据的评级模型 国内外知名评级机构及咨询图表 2:国内外评级机构基于财务数据的评级模型Mood ys Analy tics多元线性回 归模型 Probit/Logi t Model 及扩展 RiskCa lc BSM期权定价 理论模型 Credit
6、Edge多变量计量 的伪面板数据模 型 数据来源:中证评级整理它们大致可以分为两类 评级,如标普开发的 Credit CreditModel 是标普应用于上市及非上市公司的信用风险分析模型 个行业和国家的特殊模型为基础 CreditModel 的建立基于标普几十年积累的数据库 模型输入值为财务报表基本面数据 估打分,评级符号定义等同于标普外部评级 康评级模型,它有 24 个分行业模型 模,模型输入值为反映经营盈利能力 益、其他共 5 类 62 个指标 到相应的级别与违约概率另一类以财务数据为主 的信用打分,并将分数映射到 穆迪的开发的 RiskCalc 以及中证指数有限公司整理了目前使用较为广
7、泛的基于财务数据的评级模型 咨询机构均开发出了相应的产品。 评级机构基于财务数据的评级模型汇总 MoodAnaly tics S&P Capital IQ Credi t Sights RapidRating s RiskCaCreditM odel BondSc ore Rating s Credit Edge PD Market Signals FHR 中证评级整理 可以分为两类: 第一类是单纯使用财务信息对企业的 CreditModel 以及 RapidRatings 开发的 FHR 是标普应用于上市及非上市公司的信用风险分析模型 个行业和国家的特殊模型为基础,反映不同行业财务报表特点和
8、特定行业风险 的建立基于标普几十年积累的数据库, 采用指数密度函数模型建模 模型输入值为财务报表基本面数据, 模型输出值为以小写字母评级符号表示的评 评级符号定义等同于标普外部评级。FHR 是应用于全球公司的财务健 个分行业模型。FHR 采用多变量计量的伪面板数据模型建 模型输入值为反映经营盈利能力、净盈利能力、成本结构效益 个指标,模型的输出值为 1-100 的分数,这一分数可对应 级别与违约概率。 财务数据为主,综合分析财务报表和资本市场信息, 映射到其级别体系,提供前瞻性的违约概率 以及 Credit Sights 开发的 BondScore Ratings中证指数有限公司 2 整理了目
9、前使用较为广泛的基于财务数据的评级模型,可以发现,Rapid Rating中债资中债资 信信 财务风 险打分卡 二元选 择模型 第一类是单纯使用财务信息对企业的信用资质进行 产品。其中, 是标普应用于上市及非上市公司的信用风险分析模型, 它以超过 50 反映不同行业财务报表特点和特定行业风险。 采用指数密度函数模型建模。 模型输出值为以小写字母评级符号表示的评 是应用于全球公司的财务健 采用多变量计量的伪面板数据模型建 成本结构效益、资本结构效 这一分数可对应给出各个主体 违约概率,此类产品以 为代表。 请阅读正文最后的免责声明 目前,上述评级产品 冲基金等广泛使用,各大 析、限额管理以及监管
10、合规等中证评级在对国内外评级机构所使用的 了中证财务评级模型。 中证评级 券进行评级并对两种方法的 定的拓展。 【国际经验国际经验模型目标: 同一类型发行人基于一致的模型标准 断差异造成的评级结果不可比现象 基于财务数据和定量化的定性指标批量化快速生成级别 以中证交易所市场全覆盖再评级数据库为基础模型含义: 模拟中证评级的统计模型 用于评估企业主体的信用等级 评级符号以小写字母表示建模方法: 国际视野国际视野:基于两类先进的计量经济学方法 有序响应变量模型 的运用; 支持向量机算法 出较好的分类效果 立足本土立足本土:在中证交易所市场全覆盖再评级数据基础上训练和验证而成 分行业建模 行业大类分
11、别建模 性; 尽可能使模型级别与中证评级保持一致每年利用新增数据和历史数据库对模型进行校准中证指数有限公司产品已经被各大金融机构如银行、资产管理、 各大机构依据其业务需要进行资本计量、风险定价 限额管理以及监管合规等。 二二、中证中证财务评级模型财务评级模型 在对国内外评级机构所使用的模型进行研究后, 结合自身实际 评级使用多元 Logit 模型与机器学习中的 SVM 模型对 的结果进行互相验证, 此外在数据处理及指标选取有序响应变量模型有序响应变量模型】 基本框架 同一类型发行人基于一致的模型标准,减少由于评级人员水平参差不齐 断差异造成的评级结果不可比现象; 基于财务数据和定量化的定性指标
12、批量化快速生成级别,提升工作效率以中证交易所市场全覆盖再评级数据库为基础,满足更高的区分度和一致性要求模拟中证评级的统计模型; 用于评估企业主体的信用等级; 评级符号以小写字母表示,符号定义等同于中证中长期主体级别定义基于两类先进的计量经济学方法 有序响应变量模型:二元离散选择模型的拓展,在标普和穆迪均有较为成熟 ; 支持向量机算法(SVM) :机器学习方法,对于小样本及高维度数据同样表现 出较好的分类效果,在评级领域的运用尚属首创。 在中证交易所市场全覆盖再评级数据基础上训练和验证而成分行业建模,在中证行业分类基础上将具有类似信用特征的行业合并为 行业大类分别建模,运用支持向量算法进一步提升
13、细分行业小样本模型准确尽可能使模型级别与中证评级保持一致; 每年利用新增数据和历史数据库对模型进行校准、验证和优化。 中证指数有限公司 3 保险公司、对 风险定价、基准分实际与需要研究开发 模型对全市场的债 选取等方面进行了一减少由于评级人员水平参差不齐、主观判提升工作效率; 满足更高的区分度和一致性要求。 符号定义等同于中证中长期主体级别定义。 在标普和穆迪均有较为成熟对于小样本及高维度数据同样表现在中证交易所市场全覆盖再评级数据基础上训练和验证而成 在中证行业分类基础上将具有类似信用特征的行业合并为 13 个 运用支持向量算法进一步提升细分行业小样本模型准确请阅读正文最后的免责声明 有序响
14、应变量有序响应变量模型模型(Ordered 行业标准方法(LogisticRegressionexp( , )( | , )( )( , )f x yp y xp ycx图表 3:有序相应变量的优势数据来源:中证评级整理为什么使用为什么使用有序响应变量模型有序响应变量模型1 1、理论理论完善完善 有序有序响应变量模型是响应变量模型是由由示是有顺序的,与有序的等级分类相对应理论提出较早,在国内外知名 变量模型的理论是完善的,2 2、模型模型扩展扩展 有序响应有序响应变量模型是变量模型是二元二元 题,而有序响应变量模型则适合多分类问题 阈值,而且因变量范围是连续的 模型有效克服了上述问题。3 3、
15、假设假设宽泛宽泛 有序响应变量模型不需要4 4、标普经验标普经验 标普的标普的 CreditModel 在在财务评级财务评级中证指数有限公司OrderedLogistic/probitRegression)基于指数密度函数模型 ogisticRegression)的扩展。 0exp( , )( | , )( )( , )f x yp y xp ycx*( |)n yyroundedypy x有序相应变量的优势 中证评级整理 有序响应变量模型有序响应变量模型? 由由 Aitchisen 和和 Silvey(1957)提出提出, 模型中被解释变量与有序的等级分类相对应。 国内外知名学术期刊中都有使
16、用和论证,实践充分。 不会产生理论上的争议。 二元二元离散选择模型的扩展离散选择模型的扩展。 二元离散选择模型只适用于两分类 而有序响应变量模型则适合多分类问题;传统的回归或判别分析等模型 是连续的,不适合信用评级中因变量的离散分布特征不需要指标一定服从正态分布,克服了传统回归模型的缺陷财务评级财务评级方面有方面有非常成熟的非常成熟的运用运用。标普 CreditModel中证指数有限公司 4 密度函数模型,是一个变量iy的观测值表因此,有序响应模型只适用于两分类的问 等模型,需要人为判断 分布特征。有序响应变量回归模型的缺陷。 CreditModel 将有序响应请阅读正文最后的免责声明 变量模型作为基本模型,与中证财务评级模型的不同标普的 CreditModel 主要 普几十年积累的数据库, 在极短 型得出,极大的提高了工作效率目前,标普的 CreditModel 金融机构和 IT 公司。仅在亚太地区 析。在国内,标普的 CreditModel 融机构提供