管超 畢盛

（中國(guó)人民銀行深圳市中心支行 廣東深圳 518001 中國(guó)農(nóng)科院經(jīng)濟(jì)與發(fā)展研究所 北京100081）

引言

金融市場(chǎng)普遍存在信息不對(duì)稱問題，由此導(dǎo)致融資成本增加、投資者風(fēng)險(xiǎn)上升、資源錯(cuò)配等現(xiàn)象出現(xiàn)。為了減緩或消除投資者與債券發(fā)行方的信息不對(duì)稱，債券市場(chǎng)引入第三方（外部）信用評(píng)級(jí)。信用評(píng)級(jí)機(jī)構(gòu)發(fā)布的能夠描述發(fā)行方信用品質(zhì)的評(píng)級(jí)結(jié)果，將作為投資者債券交易和制定信用策略的重要參考。過去研究表明，信用評(píng)級(jí)作為債券市場(chǎng)信息中介，具有重要的信息價(jià)值和顯著的風(fēng)險(xiǎn)揭示功能（Ederington等，1984；Partnoy，2002；Boot & Milbourn，2006；Rhee，2015）。在當(dāng)前中國(guó)市場(chǎng)環(huán)境下，信用債發(fā)行需進(jìn)行評(píng)級(jí)，信用等級(jí)對(duì)債券性質(zhì)劃分（投資級(jí)、投機(jī)級(jí)）、債券定價(jià)以及債券的市場(chǎng)流動(dòng)性均十分重要，這佐證了信用評(píng)級(jí)的作用和經(jīng)濟(jì)價(jià)值。除此之外，中國(guó)監(jiān)管當(dāng)局還設(shè)置了有關(guān)評(píng)級(jí)等級(jí)的其他制度要求，如對(duì)保險(xiǎn)公司、部分金融機(jī)構(gòu)購買債券時(shí)最低評(píng)級(jí)等級(jí)限制①，以及交易所債券市場(chǎng)質(zhì)押式回購最低評(píng)級(jí)等級(jí)限制②。因此，信用債信用評(píng)級(jí)既包含自身攜帶的信息功能，還具有監(jiān)管賦予的職能。Jorion等（2005）、Kisgen& Strahan（2010）、Opp等（2013）研究證明監(jiān)管傾向及制度規(guī)則對(duì)信用評(píng)級(jí)具有顯著影響。

20世紀(jì)初，穆迪公司最早將信用評(píng)級(jí)引入美國(guó)債券市場(chǎng)，率先用簡(jiǎn)易符號(hào)表示各個(gè)債券的信用風(fēng)險(xiǎn)水平。相較于美國(guó)100多年的評(píng)級(jí)發(fā)展史，信用評(píng)級(jí)在中國(guó)發(fā)展時(shí)間并不長(zhǎng)。但是，隨著國(guó)內(nèi)債券市場(chǎng)和評(píng)級(jí)機(jī)構(gòu)的發(fā)展，以及本土評(píng)級(jí)機(jī)構(gòu)與國(guó)際三大評(píng)級(jí)機(jī)構(gòu)開展密切合作，中國(guó)的信用評(píng)級(jí)市場(chǎng)發(fā)展迅猛。2014年之前，由于“剛性兌付”的存在，沒有發(fā)債公司出現(xiàn)實(shí)質(zhì)性違約，違約基礎(chǔ)數(shù)據(jù)匱乏，違約率曲線不能進(jìn)行描繪。2014年之后，中國(guó)信用債市場(chǎng)違約步入常態(tài)化，違約主體數(shù)量不斷增加，2016年違約主體數(shù)量達(dá)到新高，違約范圍也從私募擴(kuò)展到公募，銀行間以及交易所債券市場(chǎng)均出現(xiàn)不同行業(yè)的發(fā)債方違約。信用風(fēng)險(xiǎn)的逐步累積、釋放也為信用評(píng)級(jí)機(jī)構(gòu)進(jìn)行違約率統(tǒng)計(jì)提供了基礎(chǔ)數(shù)據(jù)。盡管如此，我國(guó)現(xiàn)有違約數(shù)據(jù)積累仍不充分。如下圖所示，中國(guó)公募債券市場(chǎng)的違約率曲線間斷、跳躍，而穆迪的一年期債券違約率曲線是一條平滑的曲線。也就是說，目前中國(guó)的外部評(píng)級(jí)等級(jí)無法與違約率形成合理的對(duì)應(yīng)關(guān)系，也無法從違約率角度評(píng)判信用評(píng)級(jí)的有效性?？茏趤淼龋?015）、鐘輝勇等（2016）研究結(jié)果均表明，中國(guó)信用債市場(chǎng)第三方信用評(píng)級(jí)③有效性不足。

中國(guó)公募債券市場(chǎng)、穆迪一年期違約率曲線圖

為了應(yīng)對(duì)違約數(shù)據(jù)積累不充分、違約率曲線間斷和跳躍問題，本文構(gòu)造了一個(gè)參考外部評(píng)級(jí)，但有別于外部評(píng)級(jí)的內(nèi)部評(píng)級(jí)體系。運(yùn)用轉(zhuǎn)換方程、回歸擬合以及最優(yōu)算法，從違約率這個(gè)最終檢驗(yàn)標(biāo)準(zhǔn)出發(fā)構(gòu)造內(nèi)部評(píng)級(jí)，并通過一個(gè)實(shí)證例子進(jìn)行實(shí)踐，最后將其與外部評(píng)級(jí)體系對(duì)比分析得出這種構(gòu)造方法的經(jīng)濟(jì)價(jià)值。與銀行信貸風(fēng)險(xiǎn)評(píng)估體系和現(xiàn)有外部信用評(píng)級(jí)體系所不同的是，本文從直接融資債券市場(chǎng)切入（而非聚焦銀行間接融資），參考現(xiàn)有外部評(píng)級(jí)體系，通過風(fēng)險(xiǎn)評(píng)估模型重新計(jì)算了被評(píng)方信用風(fēng)險(xiǎn)得分值，并將“是否違約”作為橋梁和評(píng)判標(biāo)準(zhǔn)，通過得分、轉(zhuǎn)換、擬合、最優(yōu)化幾個(gè)步驟，形成新的評(píng)級(jí)系統(tǒng)，以期彌合違約率曲線跳躍和間斷問題，更好地揭示信用風(fēng)險(xiǎn)狀況。本文所指的“內(nèi)部”并非狹義上投資者自己做的評(píng)級(jí)體系，而是與外部相對(duì)應(yīng)的、廣義上的非第三方（外部）評(píng)級(jí)體系，因此，后文將介紹內(nèi)部、外部信用評(píng)級(jí)體系以及如何將外部評(píng)級(jí)與內(nèi)部評(píng)級(jí)進(jìn)行關(guān)聯(lián)。

研究目的方面，本文不是為了推翻現(xiàn)有的評(píng)級(jí)體系，而是針對(duì)目前外部評(píng)級(jí)體系存在的問題和不足，從違約的角度重新思考，比較幾種擬合方法并與轉(zhuǎn)換方程進(jìn)行組合，重新切分最終形成新的評(píng)級(jí)等級(jí)，這能對(duì)現(xiàn)有信用評(píng)級(jí)體系提供一種可能的改進(jìn)方向，而該內(nèi)部評(píng)級(jí)體系的經(jīng)濟(jì)價(jià)值也是未來評(píng)級(jí)市場(chǎng)不斷完善的動(dòng)力和依據(jù)。研究意義方面，違約率的獨(dú)特視角、外部到內(nèi)部評(píng)級(jí)的連貫邏輯、嵌套的實(shí)證技術(shù)是本文的創(chuàng)新之處，而有效性和經(jīng)濟(jì)價(jià)值的檢驗(yàn)也賦予了本文重要的現(xiàn)實(shí)意義。研究?jī)?nèi)容和框架方面，本文主要分為內(nèi)部評(píng)級(jí)體系的構(gòu)造、運(yùn)用及檢驗(yàn)三個(gè)部分。首先介紹了如何構(gòu)造一個(gè)可以連續(xù)化違約率曲線的內(nèi)部評(píng)級(jí)體系，即構(gòu)造環(huán)節(jié)；其次通過采用中國(guó)債券市場(chǎng)經(jīng)驗(yàn)數(shù)據(jù)，展示內(nèi)部評(píng)級(jí)的具體操作流程，即運(yùn)用環(huán)節(jié)；最后是對(duì)該內(nèi)部評(píng)級(jí)體系有效性和經(jīng)濟(jì)價(jià)值進(jìn)行測(cè)度，即檢驗(yàn)環(huán)節(jié)。

一、信用評(píng)級(jí)體系分析

（一）內(nèi)、外部信用評(píng)級(jí)體系介紹

無論是間接融資信貸市場(chǎng)，亦或是直接融資債券市場(chǎng)，內(nèi)部評(píng)級(jí)和外部評(píng)級(jí)一般是以評(píng)級(jí)方是否為資金供給方進(jìn)行區(qū)分，如銀行進(jìn)行評(píng)級(jí)、債券投資者進(jìn)行評(píng)級(jí)稱為內(nèi)部評(píng)級(jí)，資金供需雙方以外的第三方進(jìn)行評(píng)級(jí)則稱為外部評(píng)級(jí)。

內(nèi)部評(píng)級(jí)概念最早來自銀行開發(fā)的信用評(píng)估系統(tǒng)，是對(duì)信貸客戶進(jìn)行風(fēng)險(xiǎn)評(píng)估及對(duì)銀行風(fēng)險(xiǎn)資產(chǎn)進(jìn)行監(jiān)測(cè)的信用管理活動(dòng)，銀行信貸業(yè)務(wù)開展過程中普遍要求客戶經(jīng)理在放貸前進(jìn)行盡職調(diào)查，實(shí)踐內(nèi)部評(píng)級(jí)操作流程。銀行內(nèi)部評(píng)級(jí)操作模式流行的主要原因在于銀行本身具有充分的貸款客戶數(shù)據(jù)和信息。隨著直接融資市場(chǎng)的發(fā)展，內(nèi)部評(píng)級(jí)概念也逐漸延伸至債券市場(chǎng)。債券市場(chǎng)的內(nèi)部評(píng)級(jí)是指一定規(guī)模的基金公司、財(cái)務(wù)公司等機(jī)構(gòu)投資者會(huì)開發(fā)自己的債券信用風(fēng)險(xiǎn)評(píng)估體系，通過獨(dú)立收集數(shù)據(jù)、構(gòu)建模型、評(píng)判定級(jí)，最終對(duì)目標(biāo)債券發(fā)行公司和所發(fā)債項(xiàng)進(jìn)行風(fēng)險(xiǎn)評(píng)估。但與銀行所不同的是，債券投資者往往不具備充分的貸款客戶數(shù)據(jù)和信息，內(nèi)部評(píng)級(jí)的質(zhì)量無法得到保證，因此債券市場(chǎng)外部評(píng)級(jí)應(yīng)運(yùn)而生。

從美國(guó)債券市場(chǎng)的實(shí)踐來看，第三方外部信用評(píng)級(jí)出現(xiàn)較早，主要彌補(bǔ)投資者在專業(yè)性、時(shí)間和精力等方面的限制。美國(guó)外部評(píng)級(jí)得到了廣泛運(yùn)用，很多發(fā)債企業(yè)都希望得知名評(píng)級(jí)機(jī)構(gòu)（如穆迪）的評(píng)級(jí)，以此作為一種承認(rèn)或推介的信號(hào)，傳遞給投資方。同時(shí)，一旦評(píng)級(jí)機(jī)構(gòu)下調(diào)評(píng)級(jí)后，發(fā)債公司將遭遇無可比擬的困難處境（White, 2010）。外部評(píng)級(jí)能憑借“入場(chǎng)”調(diào)查的優(yōu)勢(shì)，要求被評(píng)公司提供其認(rèn)為重要的報(bào)表和數(shù)據(jù)（如索要其提供給監(jiān)管機(jī)構(gòu)的非公開獨(dú)立報(bào)告）或者對(duì)公司某方面問題進(jìn)行解釋和陳述，從而挖掘發(fā)債公司公開信息以外的資訊。此外，信用評(píng)級(jí)還能向市場(chǎng)提供額外信息功能，包括協(xié)調(diào)機(jī)制和聯(lián)絡(luò)點(diǎn)的作用，幫助協(xié)調(diào)投資者的投資理念，以及監(jiān)督被評(píng)企業(yè)。評(píng)級(jí)機(jī)構(gòu)還能在信用市場(chǎng)上對(duì)風(fēng)險(xiǎn)和信息進(jìn)行整理和分類（如投資級(jí)和投機(jī)級(jí)分類），這有助于投資者進(jìn)行類別選擇，降低投資者的研究和分析成本。

但在中國(guó)債券市場(chǎng)中，外部評(píng)級(jí)等級(jí)集中度較高，與國(guó)外評(píng)級(jí)結(jié)果分布差異明顯，部分投資者對(duì)信用評(píng)級(jí)的有效性和公信力存疑，轉(zhuǎn)而研發(fā)和構(gòu)建針對(duì)債券市場(chǎng)的內(nèi)部評(píng)級(jí)體系。中國(guó)四大評(píng)級(jí)機(jī)構(gòu)之一的大公受到監(jiān)管處罰，遭遇兩部門嚴(yán)重警告處分暫停證券評(píng)級(jí)一年，該事件也將質(zhì)疑中國(guó)外部信用評(píng)級(jí)的情緒推至峰值，內(nèi)部評(píng)級(jí)關(guān)注度迅速提升。

（二）外部信用評(píng)級(jí)體系的內(nèi)容

當(dāng)前主流的外部信用評(píng)級(jí)體系是國(guó)際三大評(píng)級(jí)機(jī)構(gòu)：標(biāo)普（Standard & Poor's Financial Services）、穆 迪（Moody’s Investors Services）、惠譽(yù)（Fitch Ratings）所實(shí)行的評(píng)級(jí)模式，中國(guó)信評(píng)市場(chǎng)基本沿用了該體系。評(píng)級(jí)體系主要內(nèi)容包括：違約的認(rèn)定、受評(píng)對(duì)象的分類、評(píng)級(jí)等級(jí)的劃分、評(píng)級(jí)等級(jí)的決定因素和評(píng)級(jí)方法。

1．債券違約的認(rèn)定。國(guó)際三大評(píng)級(jí)機(jī)構(gòu)對(duì)債券違約的認(rèn)定基本一致，都將已經(jīng)發(fā)生或者即將發(fā)生無法依據(jù)合同規(guī)定償付本息的事實(shí)作為債券違約的認(rèn)定標(biāo)準(zhǔn)。但穆迪和惠譽(yù)認(rèn)定標(biāo)準(zhǔn)略嚴(yán)于標(biāo)普，因?yàn)闃?biāo)普認(rèn)為寬限期內(nèi)不算違約。中國(guó)信用評(píng)級(jí)基本沿用了國(guó)際主流評(píng)級(jí)機(jī)構(gòu)對(duì)違約的認(rèn)定，《公司法》第107～108條也明確指出：不履行合同或表明將要不履行合同都視為違約。

2．受評(píng)對(duì)象的分類。中國(guó)評(píng)級(jí)體系受評(píng)對(duì)象的分類與國(guó)際三大評(píng)級(jí)機(jī)構(gòu)一致。受評(píng)對(duì)象可分為發(fā)債主體和所發(fā)債項(xiàng)，即信用評(píng)級(jí)可分為主體評(píng)級(jí)和債項(xiàng)評(píng)級(jí)兩類。根據(jù)時(shí)間長(zhǎng)短又可分為長(zhǎng)期評(píng)級(jí)和短期評(píng)級(jí)，長(zhǎng)期與短期的評(píng)級(jí)符號(hào)有所不同。

3．評(píng)級(jí)等級(jí)的劃分。國(guó)際三大評(píng)級(jí)機(jī)構(gòu)在評(píng)級(jí)等級(jí)劃分上基本一致，但在評(píng)級(jí)符號(hào)代表的含義上存在細(xì)微差別。具體來看，標(biāo)普和惠譽(yù)的符號(hào)一致，長(zhǎng)期信用等級(jí)分為：AAA、AA、A、BBB、BB、B、CCC、CC、C和D級(jí)，其中 BBB（含）以上為投資級(jí)，BBB以下為投機(jī)級(jí)。惠譽(yù)在此基礎(chǔ)上還將D級(jí)細(xì)分為DDD、DD和D級(jí)。在標(biāo)準(zhǔn)評(píng)級(jí)上為了更精確地顯示級(jí)別內(nèi)部的區(qū)別，標(biāo)普和惠譽(yù)在各個(gè)等級(jí)前加上了微調(diào)（notch）符號(hào)：“+”或者“-”號(hào)，表示略高或略低于本等級(jí)。穆迪的長(zhǎng)期信用等級(jí)分為：Aaa、Aa、A、Baa、Ba、B、Caa、Ca和 C，其中 Baa（含）以上的為投資級(jí)，Baa以下是投機(jī)級(jí)。對(duì)于微調(diào)級(jí)別的劃分，穆迪則是在各等級(jí)加上數(shù)字1、2、3以示級(jí)別內(nèi)的區(qū)別。中國(guó)中長(zhǎng)期信用評(píng)級(jí)等級(jí)的劃分基本沿用了標(biāo)普和惠譽(yù)的符號(hào)和含義，但只到C級(jí)，未包含D級(jí)別，詳見表1。實(shí)踐中因?yàn)樾庞蔑L(fēng)險(xiǎn)具有一定的復(fù)雜性，所以評(píng)級(jí)體系都要在穩(wěn)定性和準(zhǔn)確性上取得一個(gè)平衡。

4．評(píng)級(jí)等級(jí)的決定因素。國(guó)外和國(guó)內(nèi)的評(píng)級(jí)等級(jí)決定因素均由定量部分和定性部分構(gòu)成，不僅考察了歷史與未來預(yù)測(cè)的統(tǒng)一，也結(jié)合了公司個(gè)體實(shí)力和外部支援。個(gè)體實(shí)力水平和外部支援決定了主體評(píng)級(jí)等級(jí)，主體評(píng)級(jí)等級(jí)與增信條款則決定了債項(xiàng)評(píng)級(jí)等級(jí)，詳見表2。

5．評(píng)級(jí)方法。從外界看評(píng)級(jí)過程就是一個(gè)黑箱，被評(píng)方的資料信息經(jīng)過評(píng)級(jí)機(jī)構(gòu)專家定性與定量的綜合分析，得出一個(gè)評(píng)級(jí)等級(jí)，等級(jí)描述的是發(fā)債公司（主體）或?qū)?yīng)債券（債項(xiàng)）特定的信用風(fēng)險(xiǎn)狀況。信用評(píng)估方法主要分為定性方法、定量方法、神經(jīng)網(wǎng)絡(luò)方法和其他方法（見表3）。其中，定性方法不適宜量化分析，而神經(jīng)網(wǎng)絡(luò)則稍顯復(fù)雜，加上2014年之前，實(shí)質(zhì)性違約事件并不多，因此學(xué)者們普遍使用的是多元線性回歸分析法。隨著中國(guó)債券市場(chǎng)違約事件不斷增加，Logit、Probit等方法逐漸成為主流信用評(píng)估方法。

表1 國(guó)際三大評(píng)級(jí)機(jī)構(gòu)關(guān)于評(píng)級(jí)等級(jí)的劃分與對(duì)應(yīng)符號(hào)和含義

表3 主要的信用評(píng)級(jí)技術(shù)

（三）外部信用評(píng)級(jí)體系提煉核心因子

通過借鑒外部評(píng)級(jí)操作框架有助于構(gòu)造內(nèi)部評(píng)級(jí)體系。無論內(nèi)部評(píng)級(jí)還是外部評(píng)級(jí)，根本目的都是判斷債券發(fā)行方的償債意愿和能力，因此在構(gòu)造內(nèi)部評(píng)級(jí)體系過程中，也需參考外部評(píng)級(jí)體系中重要的評(píng)級(jí)決定因素和評(píng)級(jí)方法。

表2 評(píng)級(jí)等級(jí)的基本決定框架

宏觀至微觀一系列因素共同決定了信用評(píng)級(jí)等級(jí)。評(píng)級(jí)決定因素的定量部分也是學(xué)者重點(diǎn)考察的內(nèi)容，許多學(xué)者對(duì)此進(jìn)行了實(shí)證研究（Srivastava & Hung，2015；高媛和卞直巍， 2003；沈中華等，2016；吳鳳和吳義能，2017），本文也將重點(diǎn)考察這些定量因素。對(duì)于其他重要的決定因素，以及對(duì)定性部分的納入，一些學(xué)者同樣進(jìn)行了相關(guān)研究：Shen等（2012）、Huang & Shen（2015）、那明（2014）認(rèn)為主權(quán)因素對(duì)評(píng)級(jí)影響較大；Shen和Huang（2014）、李琦等（2011）、劉娥平和施燕平（2014）發(fā)現(xiàn)盈余管理對(duì)評(píng)級(jí)影響較大；朱松等（2013）、陳超和李镕伊（2013）發(fā)現(xiàn)審計(jì)費(fèi)用及審計(jì)可靠程度對(duì)評(píng)級(jí)影響較大；武恒光和王守海（2016）、吳育輝等（2017）、陳益云和林晚發(fā)（2017）則認(rèn)為規(guī)模、產(chǎn)權(quán)屬性、管理層能力、企業(yè)社會(huì)責(zé)任等對(duì)評(píng)級(jí)的決定具有顯著作用。本文借鑒這些研究，引入企業(yè)規(guī)模、所屬行業(yè)、產(chǎn)權(quán)屬性、審計(jì)質(zhì)量、擔(dān)保方式這幾個(gè)指標(biāo)。

截面數(shù)據(jù)有助于排除經(jīng)濟(jì)波動(dòng)和主權(quán)因素對(duì)評(píng)級(jí)的影響，本文搜集了銀行間債券市場(chǎng)2016年存續(xù)的中期票據(jù)、短期融資券、企業(yè)債發(fā)債公司（主體評(píng)級(jí)）橫截面數(shù)據(jù)作為研究樣本。剔除數(shù)據(jù)嚴(yán)重缺失樣本、發(fā)行人主體重復(fù)樣本、城投債樣本，最后獲得樣本總數(shù)1105個(gè)，其中違約樣本22個(gè)。參考外部評(píng)級(jí)的決定框架，本文將發(fā)債公司的微觀財(cái)務(wù)信息分為經(jīng)營(yíng)能力、成長(zhǎng)能力、償債能力、現(xiàn)金流情況、資本結(jié)構(gòu)以及其他這幾大類。每塊內(nèi)容都包含若干個(gè)指標(biāo)，共搜集整理了54個(gè)指標(biāo)。隨后使用主成分分析法進(jìn)行降維，通過比較偏最小二乘回歸的Mean Squared Error of Prediction（MSEP）來確定主成分的因子數(shù)量。MESP的檢驗(yàn)結(jié)果指向的是3個(gè)主成分因子：PC1、PC2、PC3，即3個(gè)因子使得偏最小二乘回歸的MSEP最小，且模型最簡(jiǎn)約。由于主成分分析過程中，樣本的財(cái)務(wù)變量需要保證無空缺，而原數(shù)據(jù)部分指標(biāo)數(shù)據(jù)值缺失，因此在獲得主成分因子后，樣本總量將有所損失。

最終的解釋變量為主成分分析方法確定的幾個(gè)因子，財(cái)務(wù)指標(biāo)均用2015年公司年度財(cái)務(wù)報(bào)表數(shù)據(jù)，描述發(fā)債企業(yè)的償債能力和意愿；被解釋變量為2016年外部評(píng)級(jí)等級(jí)（不區(qū)分評(píng)級(jí)機(jī)構(gòu)），描述的是公司一年期違約可能性的大小，并將其轉(zhuǎn)化為數(shù)值，數(shù)值越高代表評(píng)級(jí)等級(jí)越高④本文對(duì)評(píng)級(jí)等級(jí)的賦值包括0～19的基數(shù)賦值法和1～8的序數(shù)賦值法，分別代表基數(shù)概念和序數(shù)概念。?；貧w前我們對(duì)數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理（）和1%的截尾處理，表4是回歸結(jié)果。

結(jié)果顯示，54個(gè)財(cái)務(wù)指標(biāo)構(gòu)成的3個(gè)主成分因子PC1、PC2、PC3均非常顯著，模型整體擬合優(yōu)度較好，說明這三個(gè)主成分對(duì)發(fā)債公司信用風(fēng)險(xiǎn)的評(píng)定非常重要，后文中我們也將采用這三個(gè)主成分因子，構(gòu)造內(nèi)部評(píng)級(jí)體系。

二、內(nèi)部評(píng)級(jí)體系的構(gòu)造

本文構(gòu)造的內(nèi)部評(píng)級(jí)體系聚焦違約率，將發(fā)債公司是否違約作為核心變量，并納入了不同間距的違約率（Empirical DR）、違約概率（PD）⑤本文有兩個(gè)違約“率”的表達(dá)：違約率（Empirical DR）和違約概率（PD），一個(gè)是計(jì)算的比例值，一個(gè)是擬合得出的概率值，由于中文表達(dá)無法有效區(qū)分，后文對(duì)此都用英文固定表達(dá)，以免混淆。以及目標(biāo)違約率（Target PD），通過評(píng)級(jí)等級(jí)劃分能最終形成平滑的違約率曲線。具體來說，內(nèi)部評(píng)級(jí)體系的構(gòu)造分為三個(gè)步驟。

步驟一：計(jì)算被評(píng)方內(nèi)部信用風(fēng)險(xiǎn)得分值Score，平均分割后計(jì)算每個(gè)等距的Empirical DR。參考外部評(píng)級(jí)的決定因子，使用Ordered Logit Model（簡(jiǎn)稱Ologit）信用風(fēng)險(xiǎn)評(píng)估模型，得出模型的預(yù)測(cè)概率，Ologit模型回歸后獲得每個(gè)樣本的得分值Score（0＜Score＜1），得分值指向各個(gè)樣本未來一年期的信用質(zhì)量高低，作為后文的信用質(zhì)量指標(biāo)。隨后將得分值從小到大按序排列，設(shè)置得分值的均勻分割點(diǎn)，按照12．5%的百分位數(shù)劃分為8個(gè)間距（這里間距劃分可任意選取，對(duì)后文無影響）。每個(gè)間距中都有固定的樣本量，包括有違約的和無違約的。計(jì)算每個(gè)間距的違約率（違約券數(shù)/區(qū)間總?cè)瘮?shù)）得到Empirical DR。

步驟二：將得分值納入轉(zhuǎn)換方程中，采用幾種模型分別進(jìn)行擬合，并通過Hosmer-Lemeshow（簡(jiǎn)稱H-L）統(tǒng)計(jì)量選擇最優(yōu)的擬合方法。這一步需要運(yùn)用風(fēng)險(xiǎn)評(píng)估模型，模型的解釋變量為上一步計(jì)算出的信用風(fēng)險(xiǎn)得分值，將是否違約作為被解釋變量，擬合求得不同得分值的違約概率PD。

表4 評(píng)級(jí)決定因素的回歸結(jié)果

信用風(fēng)險(xiǎn)評(píng)估模型將使用幾種方法逐一實(shí)施并進(jìn)行比較，F(xiàn)函 數(shù) 分 別 為：Probit、Logit、Complementary Log-Log（簡(jiǎn) 稱CLL）、Piecewise。

經(jīng)驗(yàn)顯示，第一步求出的信用風(fēng)險(xiǎn)得分值以及Empirical DR將會(huì)出現(xiàn)較大的偏度，這會(huì)影響步驟二中信用風(fēng)險(xiǎn)評(píng)估方法的運(yùn)用以及隨后的優(yōu)化計(jì)算。因此，參照Granger and Newbold（1986）以及Fox（1998）的研究，我們引入兩種轉(zhuǎn)換方程：Box-Cox Transform（簡(jiǎn)稱B-C轉(zhuǎn)換）、Box-Tidwell Transform（簡(jiǎn)稱B-T轉(zhuǎn)換）。這兩種轉(zhuǎn)換方程能在一定程度上對(duì)等級(jí)偏差進(jìn)行校正。此外，由于Logit和Probit風(fēng)險(xiǎn)評(píng)估模型會(huì)在1/2處對(duì)稱，這兩個(gè)轉(zhuǎn)換方程在大多數(shù)情形下能使擬合度整體提高。轉(zhuǎn)換方程中的轉(zhuǎn)換系數(shù)λ、α是經(jīng)校準(zhǔn)（Calibration）后的所得值，兩種轉(zhuǎn)換方程形式為：

Piecewise模型擬合需要選取一個(gè)分?jǐn)?shù)門檻St，門檻左右兩側(cè)采用兩種轉(zhuǎn)換模型形式，需要特別指出：第一，得分?jǐn)?shù)據(jù)變成了左右兩個(gè)數(shù)據(jù)子集，兩邊可用同一個(gè)模型；第二，兩個(gè)模型產(chǎn)生的PD連接閾值St時(shí)具有一定程度的非光滑性，即可以是非連續(xù)的連接。因此Piecewise模型可以某種程度將兩個(gè)模型“合二為一”，最終映射到一個(gè)基于PD的評(píng)級(jí)等級(jí)表中。對(duì)于St的選擇主要是通過一個(gè)迭代算法：識(shí)別其中一個(gè)模型與經(jīng)驗(yàn)數(shù)據(jù)結(jié)合點(diǎn)，在該點(diǎn)附近尋找一個(gè)最優(yōu)分割位。我們?cè)谶@里引入了B-C和B-T轉(zhuǎn)換，并將兩者運(yùn)用到不同的數(shù)據(jù)子集中，然后檢驗(yàn)最優(yōu)分割點(diǎn)。

上式中PD1是模型一運(yùn)用在閾值St左側(cè)；PD2是模型二運(yùn)用在閾值St右側(cè)。如果差值大于選定誤差Epsilon，則需要重新進(jìn)行該操作過程。實(shí)際上，由于我們對(duì)于兩個(gè)數(shù)據(jù)子集都用了同一擬合模型，因此PD1和PD2具有非常接近的Empirical DR，隨后我們將違約概率PD與得分值Score聯(lián)系起來。

經(jīng)過轉(zhuǎn)換后，我們能較順暢地將得分值Score與違約概率PD聯(lián)系起來。隨后通過比較H-L統(tǒng)計(jì)量（Hosmer和Lemeshow, 2004）來判別哪種信用評(píng)估方法更優(yōu)，即Empirical DR與PD呈現(xiàn)出了最大的似然性（Max Likelihood）。

步驟三：將信用風(fēng)險(xiǎn)得分值Score非均勻地劃分為若干個(gè)等級(jí)，代表了內(nèi)部評(píng)級(jí)體系的等級(jí)數(shù)。劃分依據(jù)是通過最優(yōu)化算法，使PD與Target PD差值降到最小，每個(gè)等級(jí)能較好地描述理論違約率信息。首先擬合得分值，獲得PD，如果模型是單調(diào)的，那么數(shù)據(jù)排序與PD排序值將同升同降。對(duì)于給定的N個(gè)觀察值，我們可以獲得分值S向量和與違約概率PD向量。

假設(shè)d(i)是評(píng)級(jí)等級(jí)i和i+1的分割點(diǎn)，則對(duì)于第一個(gè)評(píng)級(jí)等級(jí)來說，平均違約率可以寫成：

評(píng)級(jí)等級(jí)i（i不是首尾時(shí)）的平均違約率為：

尾部（最后一個(gè)）評(píng)級(jí)等級(jí)平均違約率為：

最優(yōu)方程為：

這是一個(gè)整數(shù)規(guī)劃問題，目標(biāo)是解出d(i)。由于劃分點(diǎn)非常多，計(jì)算量非常大，需要用統(tǒng)計(jì)軟件來求解，我們這里使用R軟件進(jìn)行求解，結(jié)果描述了得分值Score與PD的關(guān)系。

下一部分我們將采用中國(guó)債券市場(chǎng)數(shù)據(jù)作為例子進(jìn)行具體展示。

三、內(nèi)部評(píng)級(jí)體系的運(yùn)用

筆者采用前文介紹過的銀行間債券市場(chǎng)中期票據(jù)、短期融資券、企業(yè)債的發(fā)債公司（主體評(píng)級(jí)）橫截面存續(xù)數(shù)據(jù)，對(duì)內(nèi)部評(píng)級(jí)三個(gè)操作步驟逐一執(zhí)行。

一是獲得內(nèi)部評(píng)級(jí)得分值Score。對(duì)外部評(píng)級(jí)進(jìn)行賦值（0～19）⑥基數(shù)賦值法：AAA=19，AA+=18，AA=17，AA-=16，A+=15，A=14，A-=13，BBB+=12，BBB=11，BBB-=10，BB+=9，BB=8，BB-=7，B+=6，B=5，B-=4，CCC=3，CC=2，C=1，其他 =0。，數(shù)值越高，評(píng)級(jí)等級(jí)越高；納入前文提煉的3個(gè)主成分因子，采用Ologit Model進(jìn)行回歸?；貧w后得分值需要先計(jì)算各個(gè)數(shù)據(jù)的概率分布，并將其標(biāo)準(zhǔn)化，使得分值位于（0,1）區(qū)間，這樣操作有利于提高后文擬合的準(zhǔn)確性。

得分值計(jì)算公式如下所示：Ologit回歸結(jié)果如表5所示：

表5 Ologit回歸結(jié)果

獲得Score后將其排序，按照12．5%的百分位數(shù)分割點(diǎn)均勻劃分為8個(gè)間距，計(jì)算每個(gè)間距內(nèi)的違約券個(gè)數(shù)占總?cè)瘮?shù)比率，該比率為Empirical DR。

二是分別采用Probit、Logit、CLL、Piecewise以及加入轉(zhuǎn)換方程后的模型作為F函數(shù)，與“是否違約”虛擬變量進(jìn)行逐一擬合?！笆欠襁`約”的認(rèn)定標(biāo)準(zhǔn)為：當(dāng)2016年該券出現(xiàn)到期未能償付本息或宣布無法償付本息，則認(rèn)為該券發(fā)生風(fēng)險(xiǎn)事件，令虛擬變量“是否違約”=1。擬合后比較不同模型的H-L統(tǒng)計(jì)量，以此來選擇使PD呈現(xiàn)最大似然的方法。

首先擬合的是未經(jīng)轉(zhuǎn)換的Probit、Logit、CLL模型，得到H-L 統(tǒng)計(jì)量分別為 35．339、35．464、35．774，初步判斷 H-L 具有改進(jìn)空間。隨后納入轉(zhuǎn)換方程，測(cè)試了B-C轉(zhuǎn)換以及B-T轉(zhuǎn)換，目的是為了“扭正”得分值較高的偏度，如違約曲線存在的翹尾效應(yīng)。但我們?cè)谵D(zhuǎn)換過程中發(fā)現(xiàn)B-T轉(zhuǎn)換經(jīng)校準(zhǔn)（Calibration）后自動(dòng)選擇的最優(yōu)的α值過?。?1．54），以至于曲線“扭正”過頭了。這種修正“超調(diào)”的原因可能是B-T轉(zhuǎn)換方程與中國(guó)數(shù)據(jù)具有較大的違背性，所以在后文中只進(jìn)行了B-C轉(zhuǎn)換并展示。對(duì)于B-C轉(zhuǎn)換方程，我們同樣先用校準(zhǔn)方法求出最優(yōu)λ（這里求得系數(shù)λ=6．15），將其代入模型中進(jìn)行擬合。結(jié)果發(fā)現(xiàn)，經(jīng)B-C轉(zhuǎn)換后三個(gè)模型H-L統(tǒng)計(jì)量均呈現(xiàn)出一定改進(jìn)。Probit、Logit、CLL三個(gè)模型經(jīng)B-C轉(zhuǎn)換后的 H-L 統(tǒng)計(jì)量分別為 40．501、14．848、12．187。最后使用Piecewise Model進(jìn)行擬合，閾值兩邊采用同一種擬合方法。我們使用R軟件循環(huán)迭代分別對(duì)Probit、Logit、CLL進(jìn)行測(cè)試，得出Probit模型的Epsilon最小值發(fā)生在第9、第10交匯處，Logit模型的Epsilon最小值發(fā)生在第10、第11交匯處，CLL模型的Epsilon最小值發(fā)生在第10、第11交匯處。

至此，我們使用了未經(jīng)轉(zhuǎn)換的三個(gè)擬合方法、經(jīng)B-C轉(zhuǎn)換后的三個(gè)擬合方法與Piecewise方法，為了選出效果最佳的方法，我們比較整體的H-L統(tǒng)計(jì)量（見表6）。結(jié)果顯示B-C轉(zhuǎn)換具有一定的改進(jìn)效果，但Piecewise模型的改進(jìn)效果更為明顯，整體是最佳的。

三是重新劃分等級(jí)。首先需要對(duì)PD序列進(jìn)行排序并確定分割點(diǎn)，最終使得分值都?xì)w整于一個(gè)標(biāo)準(zhǔn)的評(píng)級(jí)系統(tǒng)。為了簡(jiǎn)約，我們并不采用主流的AAA-C的評(píng)級(jí)符號(hào)體系，而是直接使用C加數(shù)值的形式，每個(gè)數(shù)值將代表一個(gè)評(píng)級(jí)等級(jí)，數(shù)值大小表示信用風(fēng)險(xiǎn)水平高低。具體分割需要使用最優(yōu)化算法，即該分割方式能使某個(gè)等級(jí)的平均違約概率PD盡可能趨近于目標(biāo)違約率Target PD。Target PD采用穆迪一年期平均累積違約率，主要考慮到三點(diǎn)：第一，穆迪是信用評(píng)級(jí)的創(chuàng)始者；第二，穆迪的違約率曲線相當(dāng)平滑；第三，穆迪投機(jī)級(jí)部分也有對(duì)應(yīng)違約率值，而標(biāo)普和惠譽(yù)沒有。這里還蘊(yùn)含了違約率曲線的一個(gè)方向：隨著違約事件的持續(xù)積累，中國(guó)間斷、跳躍的違約率曲線將會(huì)不斷向平滑的三大評(píng)級(jí)機(jī)構(gòu)違約曲線靠近，這并不意味著經(jīng)濟(jì)環(huán)境趨同或者企業(yè)經(jīng)營(yíng)的趨同，而是概率分布使然。

通過前文的比較發(fā)現(xiàn)，Piecewise-CLL是最優(yōu)擬合模型，因此我們使用的PD是該擬合方法的回歸結(jié)果。但由于數(shù)據(jù)限制（主要是下限），PD將不能充分匹配Target PD，即趨近于0端的數(shù)據(jù)部分無法分割形成穆迪的特定目標(biāo)違約率。為解決這個(gè)問題，本文先用模擬方法延展PD。

表6 各擬合模型H-L統(tǒng)計(jì)量值

無論是PD還是Target PD，數(shù)據(jù)特征上都呈現(xiàn)出類似“L”的曲線形態(tài)，這與經(jīng)濟(jì)現(xiàn)實(shí)和符號(hào)設(shè)置相呼應(yīng)：投機(jī)級(jí)違約率將顯著高于投資級(jí)，最高信用級(jí)別意味著信用風(fēng)險(xiǎn)非常小，各等級(jí)整體存在一定偏度，因此判斷PD可能符合某種分布形式。我們將樣本的峰度和偏度（高階矩）以及不同模型擬合后的概率分布通過Cullen&Frey圖表示出來，匹配了幾個(gè)形態(tài)近似的分布。其中 Normal、Uniform、Exponential、Logistic的偏度和峰度只對(duì)應(yīng)圖上的一個(gè)點(diǎn)；Gamma、Lognormal對(duì)應(yīng)的偏度和峰度是一條直線；Beta對(duì)應(yīng)的偏度和峰度是一塊面積。由于從數(shù)據(jù)樣本中估計(jì)得到的峰度和偏度值會(huì)有統(tǒng)計(jì)偏差，這里通過Bootstrapping方法重新抽樣，來提取出峰度和偏度的可能分布。結(jié)果顯示，最合適的分布是 Beta分布，即 B(α=0．34,β=11．96)覆蓋了所有抽樣點(diǎn)，同時(shí)Beta分布又是針對(duì)連續(xù)比例和概率的分布，符合PD的特征。

隨后我們按照這個(gè)特定的Beta分布形式進(jìn)行模擬，構(gòu)造出與原PD類似分布的額外5000個(gè)樣本，并與原樣本放在一起。將擴(kuò)展后的樣本代入最優(yōu)化算法中，求出與Target PD距離最短的分割點(diǎn)d(i)，每個(gè)分割點(diǎn)的上限和下限就是內(nèi)部評(píng)級(jí)等級(jí)的劃分間距。使用Piecewise-CLL方法獲得的PD，其與Target PD擬合性非常好，基本上只有C19、C18、C16有一定的誤差偏離，其他均在95%置信范圍內(nèi)。值得注意的是，目前等級(jí)排序與外部評(píng)級(jí)符號(hào)的順序是相反的，所以我們命名的時(shí)候也將其進(jìn)行倒序處理，以期達(dá)到數(shù)值與其描述的信用風(fēng)險(xiǎn)水平方向一致。

通過一個(gè)實(shí)證例子實(shí)踐了內(nèi)部評(píng)級(jí)的具體構(gòu)造流程，從公司財(cái)務(wù)指標(biāo)開端，使用B-C轉(zhuǎn)換方程和Piecewise-CLL模型進(jìn)行擬合，通過最優(yōu)化算法，將PD對(duì)應(yīng)到特定等級(jí)范圍內(nèi)，即可獲得一個(gè)描述公司信用風(fēng)險(xiǎn)水平的對(duì)應(yīng)等級(jí)（C1～C19），等級(jí)排序也意味著信用風(fēng)險(xiǎn)從低到高的排序。這個(gè)內(nèi)部評(píng)級(jí)等級(jí)相較于外部評(píng)級(jí)來說，由于其特殊的構(gòu)造方式，能更好地描述違約率和信用風(fēng)險(xiǎn)狀況。接下來本文將使用兩個(gè)測(cè)度方法評(píng)判內(nèi)部評(píng)級(jí)體系的有效性和經(jīng)濟(jì)價(jià)值。

四、內(nèi)部評(píng)級(jí)體系有效性測(cè)度

本文構(gòu)造并運(yùn)用了一個(gè)內(nèi)部評(píng)級(jí)體系，找到了適合目前中國(guó)數(shù)據(jù)的最佳擬合方法，以及最優(yōu)等級(jí)分割點(diǎn)。內(nèi)部評(píng)級(jí)形成的等級(jí)體系不僅能像外部評(píng)級(jí)一樣，通過有順序的數(shù)值排列出被評(píng)方信用風(fēng)險(xiǎn)大小，還能通過一種未來趨近的形式（即與穆迪的最優(yōu)化過程）更好地描述樣本公司未來一年內(nèi)的違約率水平。從這個(gè)層面來看，內(nèi)部評(píng)級(jí)應(yīng)比外部評(píng)級(jí)具有更高的有效性，具有一定的經(jīng)濟(jì)價(jià)值，本文也將從信用利差和組合收益兩個(gè)角度進(jìn)行測(cè)度。

（一）信用利差測(cè)度

關(guān)于信用評(píng)級(jí)的有效性，許多學(xué)者使用信用利差進(jìn)行評(píng)判，利差同時(shí)還是實(shí)務(wù)界研究信用風(fēng)險(xiǎn)的關(guān)鍵指標(biāo)。信用利差指信用債收益率與市場(chǎng)無風(fēng)險(xiǎn)收益率之間的差值，是信用債相對(duì)于無風(fēng)險(xiǎn)利率的風(fēng)險(xiǎn)補(bǔ)償，也即投資者承擔(dān)的違約風(fēng)險(xiǎn)補(bǔ)償。許多學(xué)者研究均表明，預(yù)期違約損失、流動(dòng)性溢價(jià)、其他風(fēng)險(xiǎn)溢價(jià)對(duì)信用利差具有良好的解釋力（Lando and Skodeberg，2002；Amato and Remolona，2003）。與違約風(fēng)險(xiǎn)相關(guān)的因素影響預(yù)期違約損失，這主要是通過評(píng)級(jí)差異體現(xiàn)。中國(guó)由于實(shí)質(zhì)性違約仍較少，違約風(fēng)險(xiǎn)顯著影響信用利差的時(shí)期并不多，但一旦發(fā)生違約，對(duì)信用利差的沖擊幅度要遠(yuǎn)遠(yuǎn)超過其他負(fù)面因素的影響。所以當(dāng)違約風(fēng)險(xiǎn)集中到來時(shí)，風(fēng)險(xiǎn)溢價(jià)會(huì)顯著提升、評(píng)級(jí)利差會(huì)顯著擴(kuò)大，而且風(fēng)險(xiǎn)溢價(jià)的波動(dòng)幅度可能遠(yuǎn)大于實(shí)際違約率的波幅。

因此信用利差的決定因素中，信用風(fēng)險(xiǎn)溢價(jià)可以說是最主要的因素，而信用評(píng)級(jí)是信用風(fēng)險(xiǎn)的核心代理指標(biāo)，評(píng)級(jí)與違約率呈單調(diào)關(guān)系，并且隨著信用評(píng)級(jí)降低，違約率的均值和標(biāo)準(zhǔn)差都呈指數(shù)遞增。我們從利差角度測(cè)試信用評(píng)級(jí)的有效性，即分別考慮內(nèi)部評(píng)級(jí)與外部評(píng)級(jí)，將兩者利差與信用評(píng)級(jí)的擬合程度（MSE）進(jìn)行對(duì)比，MSE更小意味著該評(píng)級(jí)體系的評(píng)級(jí)結(jié)果能更好地描述信用風(fēng)險(xiǎn)，評(píng)級(jí)有效性更強(qiáng)，信評(píng)將具有更高的經(jīng)濟(jì)價(jià)值。

信用利差測(cè)度采用的檢驗(yàn)?zāi)Ｐ腿缦率剿荆?/p>

其中，信用利差Spreadi=Ri-Rf ，Ri為個(gè)券的收益率，Rf采用同期限國(guó)債到期收益率。信用評(píng)級(jí)CRi我們分別用外部評(píng)級(jí)CRiexternal與內(nèi)部評(píng)級(jí)CRiinternal進(jìn)行回歸。外部評(píng)級(jí)直接采用評(píng)級(jí)機(jī)構(gòu)給與的評(píng)級(jí)等級(jí)，按照前述的賦值方法賦分（AAA～C→0～19），內(nèi)部評(píng)級(jí)則是前文所得的評(píng)級(jí)等級(jí)（C1～C19 → 1～19）；FVi為債券面值；Liqi為流動(dòng)性指標(biāo)，采用的是2016年期間個(gè)券成交金額的對(duì)數(shù)值。樣本仍為前文所述的銀行間市場(chǎng)的短期融資券、中期票據(jù)、企業(yè)債數(shù)據(jù)，回歸之后我們比較兩者的MSE，其余數(shù)據(jù)從Wind數(shù)據(jù)庫整理而來，回歸結(jié)果如表7所示。

表7 信用利差有效性測(cè)度

MSEinternal＜MSEexternal，即內(nèi)部評(píng)級(jí)有效性高于外部評(píng)級(jí)；

MSEinternal＞MSEexternal，即內(nèi)部評(píng)級(jí)有效性低于外部評(píng)級(jí)。

結(jié)果顯示，各主要變量回歸系數(shù)均顯著，且符號(hào)與預(yù)期一致。我們還進(jìn)行了穩(wěn)健性測(cè)試，將Rf設(shè)置為同期限國(guó)債的發(fā)行利率，結(jié)果也并未發(fā)生太大改變，這里不再進(jìn)行展示?？梢园l(fā)現(xiàn)，使用內(nèi)部評(píng)級(jí)體系之后，擬合誤差MSE更小，評(píng)級(jí)結(jié)果對(duì)信用利差的解釋度上升，支持內(nèi)部評(píng)級(jí)體系在有效性方面具有改進(jìn)的結(jié)論。從利差角度看，內(nèi)部評(píng)級(jí)具有一定的經(jīng)濟(jì)價(jià)值。

（二）組合收益測(cè)度

Jankowisch et al（2007）構(gòu)造了一個(gè)評(píng)級(jí)經(jīng)濟(jì)價(jià)值模型，模型區(qū)分了不同消費(fèi)者的彈性系數(shù)，在一期競(jìng)爭(zhēng)框架測(cè)度了逆向選擇效應(yīng)，通過組合收益率的高低進(jìn)行評(píng)判，很適合組群角度的改進(jìn)測(cè)試。內(nèi)部評(píng)級(jí)最優(yōu)化過程即為組群設(shè)置過程，適合Jankowisch提出的組合收益有效性測(cè)度法。本文將采用這個(gè)方法對(duì)內(nèi)部評(píng)級(jí)有效性進(jìn)行再檢驗(yàn)。

與信用利差測(cè)度所不同的是，組合收益測(cè)度只聚焦內(nèi)部評(píng)級(jí)，不作對(duì)比分析，旨在量化內(nèi)部信用評(píng)級(jí)體系帶來的經(jīng)濟(jì)表現(xiàn)損益額。通過研究逆向選擇效應(yīng)，即真實(shí)信用水平高于評(píng)級(jí)等級(jí)的發(fā)債公司將會(huì)離開，留下的是真實(shí)信用水平低于評(píng)級(jí)等級(jí)的發(fā)債公司，結(jié)合逆向選擇后的組合溢價(jià)情況來判斷評(píng)級(jí)的有效性和經(jīng)濟(jì)價(jià)值。

由于Probit模型并不能滿足數(shù)量模擬所采用的分布形式（Probit峰值部分靠近1，而不是0），并考慮H-L統(tǒng)計(jì)量的大小，我們只選用了B-C轉(zhuǎn)換后的CLL方法以及Piecewise-CLL方法的PD代入到組合收益模型中，同時(shí)令實(shí)際PD為上述Target PD。參照J(rèn)ankowitsch的數(shù)量模擬結(jié)果，選取r=3%、違約損失率LGD=45%。彈性系數(shù)α⑦α為彈性系數(shù)，當(dāng)α→0時(shí)，所有發(fā)債公司將不會(huì)選擇離開，當(dāng)α→∞時(shí)，所有被高估PD的發(fā)債公司將會(huì)選擇離開。我們分別選用α=1、5、10、15進(jìn)行驗(yàn)證，結(jié)果如表8所示。

結(jié)果顯示，總平均收益率基本在r=3%附近，根據(jù)r的定義式可知，內(nèi)部評(píng)級(jí)得出的PD應(yīng)趨近真實(shí)PD值，投資者基本上都能獲取一個(gè)近似r的收益；彈性系數(shù)α對(duì)收益率具有顯著影響，隨著α的升高，組合期望收益率下降，甚至?xí)菇M合期望收益率小于基準(zhǔn)r；內(nèi)部評(píng)級(jí)體系指出Piecewise-CLL為最佳擬合模型，但是只有在彈性系數(shù)α較小的時(shí)候，Piecewise結(jié)果才優(yōu)于CLL模型，內(nèi)部評(píng)級(jí)的組合收益率才會(huì)出現(xiàn)正的溢價(jià)。α較小意味著所有發(fā)債公司將不會(huì)選擇離開，而這較符合目前中國(guó)評(píng)級(jí)市場(chǎng)的現(xiàn)狀，即嚴(yán)控評(píng)級(jí)牌照下四大評(píng)級(jí)機(jī)構(gòu)寡頭壟斷的賣方市場(chǎng)格局，對(duì)于內(nèi)部評(píng)級(jí)我們同樣進(jìn)行此推演，因此認(rèn)為市場(chǎng)現(xiàn)實(shí)就是α較小的局面，依此可見，內(nèi)部評(píng)級(jí)在組合收益角度確實(shí)有顯著的改進(jìn)效果。

可見，相較于外部評(píng)級(jí)而言，本文構(gòu)造的內(nèi)部評(píng)級(jí)體系有效性得到了改進(jìn)，具有一定的經(jīng)濟(jì)價(jià)值。通過直接信用利差的擬合優(yōu)度測(cè)度以及組合收益的溢價(jià)測(cè)度，均支持此觀點(diǎn)。

五、結(jié)論與政策啟示

（一）研究結(jié)論

基于中國(guó)信用評(píng)級(jí)市場(chǎng)現(xiàn)狀和存在的問題，本文解剖了外部評(píng)級(jí)體系，構(gòu)造了能夠?qū)⒐緦?duì)應(yīng)得分值轉(zhuǎn)換為一個(gè)通用評(píng)級(jí)等級(jí)的內(nèi)部評(píng)級(jí)體系。具體來說構(gòu)造過程包含三個(gè)步驟：得分值的獲取以及DR的計(jì)算、得分值的轉(zhuǎn)換以及擬合、最優(yōu)算法以及分割點(diǎn)的確立。本文還將該內(nèi)部評(píng)級(jí)運(yùn)用到了一個(gè)具體實(shí)證例子中，并驗(yàn)證了內(nèi)部評(píng)級(jí)的有效性和經(jīng)濟(jì)價(jià)值，得出以下幾個(gè)主要結(jié)論。

1．現(xiàn)有的評(píng)級(jí)體系是一種“最壞打算”的預(yù)測(cè)，即在過去的基礎(chǔ)上對(duì)未來的預(yù)期。通過定性和定量?jī)蓚€(gè)部分來分析發(fā)債公司，能夠得出被評(píng)方未來違約率水平或信用風(fēng)險(xiǎn)水平的結(jié)論。定量部分在分析中較為重要，主成分分析法有助于提煉核心影響因子，無論是外部評(píng)級(jí)還是內(nèi)部評(píng)級(jí)，發(fā)債公司數(shù)據(jù)是基本切入點(diǎn)和核心關(guān)注點(diǎn)。

2．內(nèi)部評(píng)級(jí)體系同樣基于公司過去的數(shù)據(jù)來預(yù)測(cè)未來，但同時(shí)還納入了過去違約率的情況，這是外部評(píng)級(jí)不具有的。評(píng)級(jí)等級(jí)不僅可以描述未來違約率水平，還直接進(jìn)行擬合獲得概率分布PD。這種進(jìn)一步將評(píng)級(jí)等級(jí)與違約率掛鉤的方法，對(duì)于不斷成熟、違約事件不斷積累的中國(guó)債券市場(chǎng)而言，是很好的操作方法。

3．使用B-C轉(zhuǎn)換方程能提高信用評(píng)估模型的擬合效果，但Piecewise模型的改進(jìn)效果最佳。對(duì)于目前中國(guó)評(píng)級(jí)市場(chǎng)而言，Piecewise-CLL是最佳的風(fēng)險(xiǎn)評(píng)估模型。

4．中國(guó)目前違約率曲線仍不夠完善，三大評(píng)級(jí)機(jī)構(gòu)的平均累積違約率數(shù)據(jù)將是我們的重要參考，這是評(píng)級(jí)符號(hào)最初定義和概率分布的使然。此外，本文發(fā)現(xiàn)，擬合的PD更傾向于服從特定的Beta分布。

表8 組合收益測(cè)度

5．本文構(gòu)造的內(nèi)部評(píng)級(jí)體系有效性得到改進(jìn)，展現(xiàn)出一定的經(jīng)濟(jì)價(jià)值。通過分析內(nèi)外部評(píng)級(jí)信用利差和組合收益后，發(fā)現(xiàn)相較于外部評(píng)級(jí)，內(nèi)部評(píng)級(jí)體系能更好地描述利差，其擬合偏差更小，并在現(xiàn)實(shí)經(jīng)濟(jì)條件下，有正的組群投資超額期望收益，這也體現(xiàn)了這種構(gòu)造方法的科學(xué)性和應(yīng)用價(jià)值。

（二）政策啟示

1．中國(guó)評(píng)級(jí)市場(chǎng)仍處于發(fā)展階段，信用評(píng)級(jí)的重要性不斷提升，評(píng)級(jí)體系也應(yīng)繼續(xù)完善。對(duì)于評(píng)級(jí)精確性或是穩(wěn)定性而言，最終都將歸于違約率這個(gè)評(píng)判角度，可以說，違約率是檢驗(yàn)評(píng)級(jí)質(zhì)量的核心工具，評(píng)級(jí)有效性將決定評(píng)級(jí)市場(chǎng)質(zhì)量和發(fā)展空間。一方面評(píng)級(jí)機(jī)構(gòu)應(yīng)從“剛性兌付”的思維中脫離出來，將違約率納入分析框架中，不斷完善和改進(jìn)現(xiàn)有的評(píng)級(jí)體系；另一方面，業(yè)內(nèi)應(yīng)加速推動(dòng)違約率統(tǒng)計(jì)標(biāo)準(zhǔn)的研究，調(diào)整評(píng)級(jí)等級(jí)遷移矩陣，為未來逐步積累違約數(shù)據(jù)奠定基礎(chǔ)。本文提供的內(nèi)部評(píng)級(jí)構(gòu)造思路可以作為修繕外部評(píng)級(jí)的有效參考。

2．大公被監(jiān)管處罰后，對(duì)國(guó)內(nèi)信用評(píng)級(jí)有效性的批評(píng)增多，投資者開始關(guān)注有牌照的信用評(píng)級(jí)機(jī)構(gòu)的評(píng)級(jí)質(zhì)量，但目前只能通過探討評(píng)級(jí)信息價(jià)值來驗(yàn)證評(píng)級(jí)有效性，違約率角度的評(píng)判仍無法開展。本文提出的內(nèi)部評(píng)級(jí)構(gòu)造方法，指明了一條間斷、跳躍違約曲線向連續(xù)曲線轉(zhuǎn)換的可行路徑，未來可能的研究方向更多的是改進(jìn)和應(yīng)用。改進(jìn)主要是關(guān)于得分值的處理方法，讓其蘊(yùn)含盡可能全的外部評(píng)級(jí)信息；應(yīng)用上是區(qū)分不同信評(píng)機(jī)構(gòu)的評(píng)級(jí)結(jié)果，將各機(jī)構(gòu)外部評(píng)級(jí)等級(jí)與內(nèi)部評(píng)級(jí)等級(jí)一一對(duì)應(yīng)，通過觀察內(nèi)部評(píng)級(jí)等級(jí)的違約率分布，幫助投資者掌握預(yù)期違約值數(shù)據(jù)。此外，還能通過對(duì)存量券的內(nèi)部評(píng)級(jí)轉(zhuǎn)化，評(píng)判信評(píng)機(jī)構(gòu)在過去評(píng)級(jí)業(yè)務(wù)開展中的規(guī)范性和合理性，從而在金融去杠桿環(huán)境下降低信用評(píng)級(jí)機(jī)構(gòu)不當(dāng)評(píng)級(jí)導(dǎo)致的踩雷事件風(fēng)險(xiǎn)。