券商內(nèi)部信用評(píng)級(jí)體系的建立和違約概率(PD)的計(jì)算

1、券商內(nèi)部信用評(píng)級(jí)體系的建立和違約概率(PD)的計(jì)算聯(lián)系證券有限責(zé)任公司，合規(guī)稽核部副總經(jīng)理崔玉征想結(jié)合自己多年在穆迪做信用風(fēng)險(xiǎn)評(píng)級(jí)模型的經(jīng)驗(yàn)，并寫(xiě)些介紹 穆迪的評(píng)級(jí)理論和方法的文章的想法，已經(jīng)有一段時(shí)間了。這個(gè)想法 的難處在于既要向非專(zhuān)業(yè)人士介紹清楚信用風(fēng)險(xiǎn)評(píng)級(jí)所依據(jù)的理論 和方法，又要使專(zhuān)業(yè)人士看著不過(guò)于簡(jiǎn)單。因此，本文的體系結(jié)構(gòu)是 盡量采用文字的方法介紹信用風(fēng)險(xiǎn)評(píng)級(jí)的基本原理，而將理論推導(dǎo)和 其他評(píng)級(jí)方法的介紹放在“延伸閱讀"部分。這樣，非專(zhuān)業(yè)人士即使 跳過(guò)“延伸閱讀”部分，也不會(huì)影響其對(duì)評(píng)級(jí)理論和方法的理解。另 外，作者本人并不是信用風(fēng)險(xiǎn)評(píng)級(jí)理論的專(zhuān)家，僅是結(jié)合自己曾經(jīng)在 穆迪

2、做信用風(fēng)險(xiǎn)評(píng)級(jí)模型的方法和作者本人的勤奮、感悟，采用國(guó)內(nèi) 資本市場(chǎng)數(shù)據(jù)計(jì)算機(jī)構(gòu)交易對(duì)手違約概率的方法，力求拋磚引玉。歡 迎業(yè)內(nèi)專(zhuān)業(yè)人士批評(píng)、討論。國(guó)內(nèi)券商的內(nèi)部信用評(píng)級(jí)大多是從直觀感覺(jué)出發(fā)，用“湊”的方 法建立的。這樣的做法說(shuō)得不好聽(tīng)，就是山寨。這在資本市場(chǎng)的發(fā)展 初期，倒也無(wú)可厚非。但是，國(guó)內(nèi)的資本市場(chǎng)經(jīng)過(guò)30多年的發(fā)展， 已經(jīng)產(chǎn)生出好多家凈資本數(shù)百億元的大公司，在做投資和風(fēng)險(xiǎn)管理時(shí) 仍然采用“湊”的主觀臆測(cè)，就讓人覺(jué)得境界不高。一. 國(guó)內(nèi)信用評(píng)級(jí)的現(xiàn)狀國(guó)內(nèi)信用評(píng)級(jí)AAA占比虛高，一直以來(lái)飽受市場(chǎng)詬病。而從2012 年以來(lái)，隨著債券融資渠道越來(lái)越受重視，評(píng)級(jí)“通脹”的現(xiàn)象也有 愈演愈烈之勢(shì)。

3、據(jù)Wind資訊2013年10月9日數(shù)據(jù)顯示，銀行間市 場(chǎng)共有5276只債券，其中4911只債券有評(píng)級(jí)結(jié)果。這些有評(píng)級(jí)債券 的評(píng)級(jí)占比分布，如圖1所示。BB- 0.22% BBB：, 1.14% 一AfA+.A-J:, 3.85% A °°4%1 f AAA： AA(AA+A) A(A+,A): BBB: BB: B圖1.國(guó)內(nèi)債券信用評(píng)級(jí)占比其中M （含M+, AA-）級(jí)以上合計(jì)占比94.73%, A （含A+, A-）級(jí) 以上合計(jì)占比98. 57%O從圖1及前述合計(jì)占比統(tǒng)計(jì)數(shù)字可以看出， 國(guó)內(nèi)債券評(píng)級(jí)的區(qū)分度很差，有94.73%的債券評(píng)級(jí)在AA級(jí)以上，因 此目前AA級(jí)已基本

4、淪為投機(jī)級(jí)，AA+級(jí)已屬于較差的投資級(jí)。從國(guó)外 情況來(lái)看，以穆迪為例，截止2013年7月，穆迪在北美市場(chǎng)的2357 家工商企業(yè)評(píng)級(jí)主體中，只有6家企業(yè)主體擁有AAA級(jí)別，占比為 0.25%。在亞洲，日本的評(píng)級(jí)機(jī)構(gòu)JCR所評(píng)發(fā)債企業(yè)中AAA級(jí)別占比 大約為2. 22%。相比之下，在銀行間市場(chǎng)國(guó)內(nèi)發(fā)債企業(yè)AAA級(jí)別32. 36% 的占比明顯過(guò)高，評(píng)級(jí)虛髙、區(qū)分度較差已成為國(guó)內(nèi)債券市場(chǎng)的重要 風(fēng)險(xiǎn)之一。二、信用評(píng)級(jí)的分類(lèi)按照評(píng)級(jí)的對(duì)象可將信用評(píng)級(jí)分為針對(duì)機(jī)構(gòu)交易對(duì)手的評(píng)級(jí)和 針對(duì)個(gè)人交易對(duì)手的評(píng)級(jí)。針對(duì)這兩類(lèi)交易對(duì)手的評(píng)級(jí)雖然有相似的 評(píng)級(jí)理論，但是卻有截然不同的評(píng)級(jí)方法。舉例說(shuō)明之，記得大概在 2

5、012年中國(guó)農(nóng)業(yè)銀行信用卡中心在網(wǎng)上公布了他們的幾十個(gè)“老賴(lài)” 客戶，這些客戶的信用卡中有的只是欠款幾元或者百十元，可他們?cè)?農(nóng)業(yè)銀行信用卡中心的再三催還下，就是不還款！而機(jī)構(gòu)客戶中卻從 來(lái)沒(méi)有聽(tīng)說(shuō)過(guò)有小額欠款不還的情況，即機(jī)構(gòu)客戶的行為受主觀因素 的影響要遠(yuǎn)遠(yuǎn)小于個(gè)人客戶。因此，我們?cè)谧鲂庞迷u(píng)級(jí)分析和計(jì)算違 約概率之前，必須首先明確我們的評(píng)級(jí)分析對(duì)象是機(jī)構(gòu)（企業(yè)）還是個(gè) 人。因?yàn)?，針?duì)機(jī)構(gòu)的信用評(píng)級(jí)分析和違約概率的計(jì)算我們主要采用 計(jì)量經(jīng)濟(jì)學(xué)和統(tǒng)計(jì)數(shù)據(jù)挖掘的方法，而幾乎不用考慮機(jī)構(gòu)的主觀行為 因素；針對(duì)個(gè)人的信用評(píng)級(jí)分析和違約槪率的計(jì)算除了要分析個(gè)人的 財(cái)務(wù)狀況之外，還應(yīng)重點(diǎn)分析個(gè)人的歷史行

6、為，主要是采用行為金融 學(xué)的分析方法。如果讀者曾經(jīng)有過(guò)購(gòu)房的經(jīng)歷，銀行信貸人員一般都 會(huì)詢問(wèn)有無(wú)信用卡、有無(wú)出現(xiàn)超過(guò)一個(gè)月未按時(shí)還款的情況等，如果 出現(xiàn)超過(guò)一個(gè)月未及時(shí)還款的情況，將會(huì)對(duì)購(gòu)房者的信用造成較大影 響?？梢?jiàn)，個(gè)人行為對(duì)信用的影響在國(guó)內(nèi)占有較大的權(quán)重。這就是為 什么針對(duì)機(jī)構(gòu)的信用評(píng)級(jí)，穆迪和標(biāo)普在全球做的最好，而針對(duì)個(gè)人 的信用評(píng)級(jí)則是FICO和益百利(Experian)做的最好了，不能一提到 信用評(píng)級(jí)就是指穆迪和標(biāo)普的一概而論了。三、信用分析鑒于上面的介紹，本文所指的信用風(fēng)險(xiǎn)評(píng)級(jí)分析是指針對(duì)機(jī)構(gòu)交 易對(duì)手的評(píng)級(jí)分析，即我們分析的對(duì)象是公司。信用分析的基本目標(biāo) 是為債券的投資做岀決策

7、。信用分析的內(nèi)容包括財(cái)務(wù)的流動(dòng)性分析和 資產(chǎn)價(jià)值的分析兩個(gè)部分。財(cái)務(wù)的流動(dòng)性分析是為了確保投資者在整 個(gè)債券的持有期間的利息及本金能夠得到足額的償付，屬于違約概率 (PD)計(jì)算的范疇。資產(chǎn)價(jià)值的分析是為了確定在公司出現(xiàn)流動(dòng)性不 足時(shí)，投資者所能收回的資產(chǎn)狀況，屬于違約損失率(LGD)的范疇。 LGD在信用風(fēng)險(xiǎn)分析中是與PD同樣重要的概念，但LGD卻經(jīng)常被忽 視，這與其計(jì)算比較復(fù)雜有關(guān)。我計(jì)劃另寫(xiě)一篇文章介紹穆迪計(jì)算 LGD的方法，在此就不在詳述，本文主要介紹PD的計(jì)算方法。在對(duì)企業(yè)做信用分析時(shí)，使用的關(guān)健財(cái)務(wù)報(bào)表包括：損益表、資 產(chǎn)負(fù)債表和合并現(xiàn)金流量表。從這三大報(bào)表中可以計(jì)算出影響公司財(cái) 務(wù)

8、流動(dòng)性分析的四部分關(guān)鍵數(shù)據(jù)：1、與現(xiàn)金流有關(guān)的關(guān)鍵指標(biāo)，最常用的是稅息折舊及攤銷(xiāo)前利 潤(rùn)(EBITDA)和企業(yè)自由現(xiàn)金流量；2、債務(wù)總額、資產(chǎn)負(fù)債率等；3、借貸成本，主要是利息費(fèi)用；4、可用于償還債務(wù)的其他流動(dòng)性來(lái)源；信用比率在企業(yè)的信用風(fēng)險(xiǎn)分析中占有重要的地位，主要是比率 分析讓不同規(guī)模的企業(yè)之間以及企業(yè)與市場(chǎng)平均水平之間的比較變 得更容易。主要的信用比率包括：1、EBITDA對(duì)利息的比率，主要反映企業(yè)償還利息的能力；2、債務(wù)對(duì)EBITDA的比率，主要反映企業(yè)對(duì)債務(wù)提供資產(chǎn)保護(hù)的 情況；3、自由現(xiàn)金流量對(duì)債務(wù)的比率，主要反映用企業(yè)經(jīng)營(yíng)現(xiàn)金流償 還債務(wù)所需的時(shí)間長(zhǎng)度；在分析企業(yè)的信用風(fēng)險(xiǎn)時(shí)，除

9、了重點(diǎn)關(guān)注流動(dòng)性指標(biāo)和信用比率 之外，還應(yīng)關(guān)注企業(yè)最近幾年的經(jīng)營(yíng)趨勢(shì)，在“延伸閱讀"中的實(shí)例 中，我們將分別取每個(gè)企業(yè)最近3年的流動(dòng)性指標(biāo)和信用比率指標(biāo), 來(lái)分析企業(yè)最近3年違約概率(PD)的趨勢(shì)。四、違約概率(PD)的計(jì)算從上文的分析可知，機(jī)構(gòu)交易對(duì)手的信用風(fēng)險(xiǎn)其實(shí)就是其財(cái)務(wù)流 動(dòng)性風(fēng)險(xiǎn)，影響公司財(cái)務(wù)流動(dòng)性的因素很多，這就需要將多個(gè)因素用 一個(gè)統(tǒng)一的數(shù)學(xué)模型來(lái)描述。邏輯回歸模型是將一個(gè)事件出現(xiàn)的概率 適應(yīng)到一條邏輯曲線(其值域在0,1之間)上的指數(shù)模型。邏輯曲線 是一條S型曲線，如圖2所示。一個(gè)簡(jiǎn)單的邏輯函數(shù)有如下形式“ 1/(x)=FTT = TT7其對(duì)應(yīng)的曲線如圖2所示:O06

10、4 2 O 2-4 七 -8圖2.邏輯回歸函數(shù)的曲線邏輯回歸模型的好處在于它的自變量的取值范圍是(-8,+8),而值 域范圍卻限制在0,1之間。我們知道概率函數(shù)的取值范圍也是在 0,1之間，這樣邏輯回歸函數(shù)就可以和一個(gè)概率分布聯(lián)系起來(lái)了。自變量的取值范圍是(-8, +8)的好處是，我們可將影響公司財(cái)務(wù)流 動(dòng)性的多個(gè)因素組合起來(lái)，而不論組合成多大或者多小的值，最后依 然能得到一個(gè)概率分布。比如，假設(shè)影響公司財(cái)務(wù)流動(dòng)性風(fēng)險(xiǎn)的因素 分別為Xlfx2, ,xn9這n個(gè)因素的權(quán)重分別為blt b2f ,bn.則有z = x1b1 + x2b2 HF xnbn = x.br其中，x = xlfx2,xn,

11、 b = bvb2f,bn9 當(dāng)心=1 時(shí)，久為常數(shù)。按照邏輯函數(shù)的定義，違約概率(PD)就等于丄。因此，計(jì)算 1+e乙交易對(duì)手的違約概率(PD)時(shí)，我們只需要確定主要影響因子及其權(quán)重 系數(shù)即可。影響因子篩選和確定權(quán)重的統(tǒng)計(jì)訓(xùn)練方法將會(huì)放在“延伸 閱讀”中詳述。在信用風(fēng)險(xiǎn)評(píng)級(jí)理論中，如果我們采用的是年度的財(cái) 務(wù)數(shù)據(jù)計(jì)算出的違約概率(PD)則是對(duì)該交易對(duì)手未來(lái)一年的違約概 率的預(yù)測(cè)；如果我們采用的是季度財(cái)務(wù)數(shù)據(jù)，則是對(duì)未來(lái)一年相同季 度的違約概率的預(yù)測(cè)。因此，針對(duì)交易對(duì)手違約概率的更新計(jì)算，每 年一般最多只需計(jì)算預(yù)測(cè)四次。另外，在聯(lián)訊證券針對(duì)機(jī)構(gòu)交易對(duì)手 違約概率(PD)的計(jì)算已經(jīng)實(shí)現(xiàn)計(jì)算機(jī)程序

12、自動(dòng)化運(yùn)行，監(jiān)控人員只需 要按一下“回車(chē)鍵”，即可實(shí)現(xiàn)自動(dòng)從Wind金融終端獲取數(shù)據(jù)并計(jì)算 每個(gè)交易對(duì)手的違約概率(PD)o PD的詳細(xì)計(jì)算實(shí)例放在延伸閱讀中 講解。五. 券商內(nèi)部信用評(píng)級(jí)體系熟悉信用評(píng)級(jí)理論的業(yè)內(nèi)人士可能已經(jīng)發(fā)現(xiàn)，上述交易對(duì)手違約 概率的計(jì)算方法只是考慮到了定量的財(cái)務(wù)指標(biāo)，而忽略了定性指標(biāo)可 能對(duì)交易對(duì)手違約概率的影響。因此，券商在建立內(nèi)部信用評(píng)級(jí)體系 時(shí)，必須充分考慮定量和定性指標(biāo)，通過(guò)打分的機(jī)制來(lái)建立總體得分 與違約概率之間的關(guān)聯(lián)關(guān)系，然后通過(guò)違約概率得出最終的信用評(píng)級(jí)。 完整的券商內(nèi)部信用評(píng)級(jí)體系，如圖3所示： x x X >M « « M&#

13、171; » x MB圖3.券商內(nèi)部信用評(píng)級(jí)體系如圖3所示，該信用評(píng)級(jí)體系主要包括如下幾個(gè)部分：1、核心模型部分（包括定量分析和定性分析），定量分析主要是對(duì) 公司的財(cái)務(wù)指標(biāo)進(jìn)行分析，包括盈利能力、償債能力、資金流 動(dòng)性、杠桿比例、運(yùn)營(yíng)能力、權(quán)益規(guī)模等；定性分析主要是對(duì) 公司所屬行業(yè)和自身的業(yè)務(wù)風(fēng)險(xiǎn)進(jìn)行分析，包括行業(yè)信息、管 理層狀況、市場(chǎng)地位等；然后是綜合定量和定性加權(quán)得分得到 交易對(duì)手的初步信用評(píng)分；2、總分與內(nèi)部等級(jí)之間的映射模型：為了將分值與最終的評(píng)級(jí)符 號(hào)對(duì)應(yīng)起來(lái)，各券商可參考自身的風(fēng)險(xiǎn)偏好確定自己的內(nèi)部等 級(jí)，建議采用圖4所示的分類(lèi)。分?jǐn)?shù)范圍內(nèi)部等級(jí)>=<110

14、241024319313783743743506505655663463703707727785185100圖4.內(nèi)部等級(jí)與分?jǐn)?shù)的對(duì)應(yīng)關(guān)系3、補(bǔ)充調(diào)整：該部分是為了對(duì)公司可能發(fā)生的最新事件或增信措 施，如母公司增信、會(huì)計(jì)變動(dòng)、預(yù)測(cè)財(cái)務(wù)變動(dòng)等情況作出及時(shí) 的評(píng)級(jí)調(diào)整，以反映公司最新的信用等級(jí)。4、內(nèi)部等級(jí)與違約概率(PD)之間的映射模型：最后，就是使用統(tǒng) 計(jì)的方法來(lái)建立內(nèi)部等級(jí)與PD之間的映射關(guān)系，如圖5所示:內(nèi)部等級(jí)平均違約概 率(PD)評(píng)級(jí)結(jié)果10.005%AAA/AA-20.04%A+, A, A-30.13%BBB+. BBB40.33%BBB-50.58%BB+60.86%BB71.6

15、8%BB-83.98%B+97.31%B1011.01%B-1156.50%CCC/C圖5.內(nèi)部等級(jí)與PD的映射關(guān)系在聯(lián)訊證券，我們制定的針對(duì)業(yè)內(nèi)65家信托公司的評(píng)分體系中, 就是基本采用圖3所示的評(píng)分體系°但沒(méi)計(jì)算岀最終的評(píng)級(jí)結(jié)果，因 為這65家信托公司沒(méi)有出現(xiàn)實(shí)質(zhì)的財(cái)務(wù)惡化等違約的情況，所以就無(wú)法計(jì)算出違約概率（PD）。延伸閱讀：本文以制造業(yè)（按證監(jiān)會(huì)行業(yè)分類(lèi)）為例，詳述違約槪率（PD） 的計(jì)算方法。h 違約的定義為了說(shuō)明如何用邏輯回歸的方法計(jì)算出違約概率（PD）,我們需 要將發(fā)生違約的企業(yè)用“1”表示，沒(méi)有發(fā)生違約的企業(yè)用“0”表示。 因此，首先應(yīng)當(dāng)對(duì)“違約”作出定義。國(guó)外評(píng)級(jí)

16、機(jī)構(gòu)對(duì)違約的定義通 常是指無(wú)法履行債務(wù)義務(wù)。按照這個(gè)定義的話，國(guó)內(nèi)的債券市場(chǎng)依然 是零違約的，雖然出現(xiàn)幾家公司沒(méi)按時(shí)還本付息，但是最后都有當(dāng)?shù)?政府或集團(tuán)公司在極短時(shí)間內(nèi)“兜底"了。所以，國(guó)內(nèi)債券市場(chǎng)暫時(shí) 沒(méi)有出現(xiàn)實(shí)質(zhì)性違約事件。上文分析中我們提到，企業(yè)的信用風(fēng)險(xiǎn)實(shí) 際上就是其財(cái)務(wù)流動(dòng)性風(fēng)險(xiǎn)。因此，本文將違約定義為企業(yè)的“技術(shù) 性違約”，即企業(yè)經(jīng)營(yíng)性現(xiàn)金流量不足以抵償現(xiàn)有到期債務(wù)。具體我 們采用Wind資訊償債能力指標(biāo)中的現(xiàn)金到期債務(wù)比小于0.60作為企 業(yè)技術(shù)性違約的判定標(biāo)準(zhǔn)?，F(xiàn)金到期債務(wù)比等于經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金 流量?jī)纛~除以企業(yè)短期借款、一年內(nèi)到期的非流動(dòng)負(fù)債和應(yīng)付票據(jù)的 總和。

17、讀者也可采用多個(gè)指標(biāo)組合的方法來(lái)作為技術(shù)性違約的定義, 此處僅舉例說(shuō)明計(jì)算違約概率（PD）的過(guò)程。2.定量因素的選擇據(jù)Wind資訊，與計(jì)算違約概率相關(guān)的財(cái)務(wù)指標(biāo)大致可以分為盈 利能力、現(xiàn)金流量、資本結(jié)構(gòu)、償債能力、營(yíng)運(yùn)能力五類(lèi)，而這五類(lèi) 財(cái)務(wù)指標(biāo)中又各自包含20個(gè)左右的具體指標(biāo)，因此我們需要從這些 指標(biāo)中篩選出對(duì)企業(yè)財(cái)務(wù)流動(dòng)性風(fēng)險(xiǎn)影響較大的指標(biāo)，以減少運(yùn)算復(fù) 雜度、增加運(yùn)行效率、并增加模型的可靠性和穩(wěn)定性。我們通常采用 如下幾個(gè)步驟做因子篩選：第一步，剔除高相關(guān)性因子，只需選擇下圖灰色標(biāo)記因子中的一個(gè)即可，即相關(guān)系數(shù)大于0. 7或小于-0. 7定義為高相關(guān)性。>DEBT>DEDU&

18、gt;LONG>LOM3>ASSE>CATOCJRR>NCAT>L0N3>TANG>£QUI>INTD>CURR>LOM3>NCAT>DEB7>10.99>O.2>0 2>0 54>-0.1>0 61>0 14>0 54>-o.e>0. 27>0 0>0 00»0 59>DEDt>0 96>1oo-0 2>0 S4>-0 2>0.61>0.20>0 56>-o.e>-0 8

19、>-0.0>00“0 1>LONO00.73>1-0 l.»0 42>-02>0 57>0.26>-o.e-G 8>0.92>-0 5>0 52>LCNG>-0 -02>-0.1>1-O.l>0 29A-0O-2O>0 20-0.2>-0 2>0 12>-O0 54>0 54>O <52>-0 1>1-0 0A0 0>0 40>一0 4>0 47>O 02>-0 0o se>CATO-0 1>-

20、0.2>0 29a-o.o>1-a0 13>0 21>-0.2>O S6>-0 3-OS>0 61>6 61>0lA0 7-7>0 04>1-0 0>0 63aOQ06>) 65>0 13>00781 >0 14>6 20>0o ce>-110 20>-O 丄02>02丄A-03>0 96a0LCNO0 S4>o.ei>0 40>00.20>1-0 «>0 «5>o.s0o.ee>TKKC>-02

21、-0.-0 TaO-Og0 11> 0-0" b0 02O C2>-0 0>-O 0 A-0 A>-0 聶 AO 20aOg0 2 IA O «>-C"-bIIS>1O 15>.0.1>O -!：>TNTr>O O B9>O-O 2>O” A-O 2>0 65>O"hO 65>O8：>-11-02O 12>O-O . O>-O-o s>-O 1>O . 36>O 13>-O 3>-D 3>O 12>-O 1

22、>1-O 9>-O 工、LCWG>O O6 S2>O 12>-0.0、-O 3>-OO . 36>O. 36>-OO>-O . 1>O 12>-G 9>1 . ie>O S9>O 61>-O . 1>O S8>-O 3AO 7B>O 36>O. 88>-O-O . 7>O 7O>-G . 1>O 16>1第二步，通過(guò)逐步回歸選取變量，這是一個(gè)“由少到多”的過(guò)程, 即從所有解釋變量中先選擇影響最為顯著的變量建立模型，然后再將 模型之外的變量逐個(gè)引入模型；

23、每引入一個(gè)變量，就對(duì)模型中的所有 變量進(jìn)行一次顯著性檢驗(yàn)，并從中剔除不顯著的變量；逐步引入一 剔除一引入，直到模型之外所有變量均不顯著時(shí)為止。實(shí)驗(yàn)結(jié)果如 下圖所示，最后我們從15個(gè)因子中選取了 5個(gè)來(lái)建立違約槪率計(jì)算 模型。Coeffi cients:EstimateStd- Errort value(Intercept)-168.3079312.80647-13.142ASS匚TSTOEQUHTY-5.326671.93953-2.746CURRENTDEBTTOEQUITY0.105490.025524.133LONGDEBTTOEQUITY-0.168030.05669-2.964TANGIBLEASSETSTOASSETS-1.438010.28302-5.081EQUITYTOTOTALCAPITAL3.841310.2602814.758LONGDEBTODEBT2