信贷风险量化,信贷风险评估的三大模型

作者：CBR信用债定价团队

先行审查

估值和定价工具是债券市场的重要基础设施。随着国内信用债的稳步扩张和信用风险触发方式的复杂化，市场和投资者迫切需要一个独立、公平、准确、有效的衡量债券价格的定价工具体系。

中国信用评级成立十年来，在信用风险评级和研究领域形成了深厚的积累。为进一步服务市场，完善债券市场基础设施，中国信用评级CBR信用债券定价团队在中国信用评级信用风险研究的基础上，逐步开发并推出了估值定价体系。目前已实现非金融企业收益率曲线、城投债收益率曲线的日发布，以及部分高等级“网上名人券”、中国信用评级中低等级样本券、十余家违约主体的估值结果。同时，它进行了估值

曲线编制方法

不同情形下差异化的估值方法

在估值法原理指导下，中国债券信用对不同情况下的企业应用差异化估值思路，通过NS积分拟合法编制曲线，结合样本券的不同特征对债券进行评估，具体如下。

前期我们对收益率曲线的编制方法、债券估值方法、国内外估值业务实践、CBR估值方法应用等方面进行了深入探索和详细介绍。详情见下文(点击链接阅读全文)

CBR非金融企业信用债券定价体系研究系列之一——估值法综述

CBR非金融企业信用债券定价系统研究系列2 ——国内外估值业务实践及CBR估值方法应用

研究系列之三CBR非金融企业信用债券定价体系——CBR收益率曲线编制方法选择

一、估值定价模型搭建

建立估值定价模型有两种常见的方法，分别是对绝对利差和超额利差建模。考虑到估值定价模型中影响因素的复杂性和大量的数据，建模方法的选择可以考虑神经网络模型、决策树模型、多元线性回归模型。在建模的因变量上，我们尝试分别对绝对利差和超额利差建模，并比较它们的效果。

（一）绝对利差建模

绝对利差是指估值样本债券的交易收益率与估值日同一剩余期限债券曲线价值的利差。通过比较不同模型的效果发现，神经网络和决策树的拟合结果都非常不稳定，不能从样本中预测出来，拟合的好性也不比多元线性回归模型好。最后，选择可控的、可解释的多元线性回归模型。绝对价差建模的影响因素可分为三大类十一个子类。模型整体拟合优度一般，且由于选取的因子基本覆盖了能获取数据的可量化指标因子，因子数量较多，因此建模前的数据整理非常繁重，且由于共线性强，模型预测的稳定性难以保证。

（二）超额利差建模

超额利差模型的因变量调整为超额利差，即

从超额利差回归模型的回归效果来看，调整后拟合优度相比较于绝对利差建模有较大提升，且因为超额利差模型是以中债资信各级别收益率曲线为基础，曲线很大程度上已代表了发债主体同级别信用风险的中枢水平，因此在超额利差因子的选取上更加精简。在超额利差的考察维度上，我们也重点结合中债资信一直以来的深度研究积累。

行业和区域超额利差维度

1、目前中债资信成熟模型已覆盖30个行业，通过行业风险深度分析和模型研究，保证了对行业风险的精准把控。

2、中债资信已经实现全国省市信用风险分析全覆盖，并对重点区域持续深度跟踪。

流动性超额利差维度

充分考虑个券成交活跃度及舆情信息等因素的影响，中债资信借助大数据舆情模型进行日常风险监测，舆情信息匹配到对应的行业分析师进行人工分析判断，极大的保证了舆情信息对风险研判及估值定价影响的合理性。

（三）结论

通过对比绝对利差建模及超额利差建模测试效果，能够看出超额利差建模指标选取上更加精简，经济学逻辑上更加合理，整体效果更好，借助以中债资信级别为基础的收益率曲线和估值定价工具进行估值，在实际应用中更加便捷准确且可操作性更强，可作为估值定价模型优选方案。

二、模型的局限及优化思路

通过对比估值模型输出结果之后的10个工作日内有成交样本券的2,178笔市场成交价格，分析发现，成交YTM与模型估值YTM结果相同的占比仅为25%，分析单纯依靠模型进行估值的局限性主要有以下三点。

（一）行业特征溢价在级别收益率曲线中体现不足导致效果受到影响。收益率曲线仅区分级别维度，未对于行业、区域等特征因素的超额利差进行反映。

（二）影响估值的因子非常庞杂，在建模过程中难以穷尽。定量因素的维度难以用准确的数据指标完全表征，而很多定性因素难以在模型因子中准确体现。

（三）债券成交价格受很多非理性因素的影响模型无法度量。目前国内债券市场成交活跃的债券依然集中于资质较好的主体以及存在一定争议的主体，市场成交价格信号不连续且不全面，而且其中不乏非合理价格信号，仅依靠定量指标很难甄别。

通过前述研究分析，在信用债估值定价过程中，充分加入分析师在信用风险研究和估值方面的经验，对于输出更加精准合理的估值结果很有必要。

持中守正

秉真而立