| 一、项目执行进展
通过研究国内外评估债券信用风险的模型，本项目确定使用神经网络模型来研究城投债的信用风险。
1 我国债券信用风险方法介绍
我国债券市场起步较晚，对债券的信用风险评估发展历史也很短，评估方法主要是参考国外已发展多年的成熟的方法。这些方法可以划分为两大类，一类是以专家经验评分为代表的传统的信用风险评估方法，另一类是以建立计量模型为主的现代信用风险度量方法。
1.1传统的信用风险评估方法
传统的信用风险评估方法是以定性方法为主，通过专家人士根据经验对借款人的各项资质进行评价。主要方法包括专家打分法、信贷评级法以及Z-score与ZETA评分模型。
1.1.1专家打分法
专家打分法是最早的一种信用风险评估方法，是从事相关工作的专家根据长期经验总结而形成的方法。主要包括5C、5P、骆驼评级法。
5C法包含的评价内容有Character（品格）、Capital（资产）、Capacity（能力）、Collateral（担保品）以及Condition（环境）五项，分别从借款人的品德是否诚实可信、借款企业的资产规模是否雄厚、借款企业的生产营运能力是否稳健、担保品的质量是否可信以及外部经营环境是否健康五个方面衡量借款人的资信情况。
5P法主要从五个方面评价：（1）Personal Factor：个人因素。主要分析借款人是否诚实可信、是否依法经营、经营者是否具有领导能力与经营管理能力等。（2）Purpose Factor：资金用途。通过分析资金用途，考察借款人是否将资金用于盈利性好、现金流稳定的项目，是否受国家产业政策的支持等。（1）Payment Factor：还款来源因素。通过分析借款人还款来源是经营现金流是资产变现来确认还款来源的稳定性与可持续性。（4）Protection Factor：债权保障因素。包括内部保障与外部保障因素。内部保障主要考察借款人的财务情况是否健康、盈利能力是否稳健，外部保障主要考察债权担保人的资信水平以及担保品的质量。（5）Perspective Factor：企业前景因素。主要分析借款企业的成长能力与发展前景。考察的内容包括行业生命周期、竞争优势、产品研发能力、技术水平等因素。
路马它（CAMEL）评级系统从Capital Adequacy（资本充足率）、Assets Quality（资产质量）、Management（管理能力）、Earning（盈利性）和Liquidity（流动性）五个方面评价借款人的资信水平。
无论是5C法还是5P法，都是从发行人的基本经营能力、盈利能力、担保品、外部环境、资金投向等方面去评价发行人的信用水平，而骆驼评级法更侧重企业财务状况。其实原理都一样，通过有经验的专家设定各项权重，并根据借款企业的情况进行打分，最终得出借款人的得分。
1.1.2信贷评级法
信贷评级法是监管层要求银行根据借款人的偿债能力将贷款划分为多个层级，不同层级要求的准备金比率不同。比如我国的商业银行是将贷款划分为五级，包括正常类、关注类、次级类、可疑类和损失类。随着金融创新的不断发展，银行对于贷款的划分也越来越精细，有的银行将贷款划分为十级，即将正常类和关注类再细分为1、2、1级，将次级类细分为次级1和次级2。这样做的好处是能够更加精准的衡量借款人的情况，使监管更加清晰。
1.1.3 Z-score和ZETA法
Z-score模型是爱德华•阿特曼教授于1997年提出。他从1968年开始对美国破产企业进行观察，通过梳理统计筛选出了5个最具代表性的财务指标以及各指标所占权重，由此建立起五个变量的评分模型。
1.2.1 Credit Metrics模型
Credit metrics是由J.P.摩根公司与美洲银行、KMV、瑞士银行1997年推出的一种信用在险价值（credit VAR）模型，并通过在险价值（VAR）来衡量风险气VAR即Value at risk（在险价值），指在一定的置信水平和风险期限内贷款预期的最大损失。该模型是从风险组合的角度去看待信用风险，根据Markowitz的投资组合理论，信用风险是非系统性风险，是可以通过投资组合分散的，但由于经济体系中存在系统性风险，所有的信用工具面临共同的风险因素，因此相互关联。模型假设信用工具（如贷款、债券等）的市场价值取决于发行人的信用等级，相同的信用等级具有相同的转移矩阵和违约概率，每一信用等级对应一种贴现率。通过信用转移矩阵可以得出信用等级的概率分布，根据每一信用等级对应的贴现率可以得出每一信用等级下信用工具的价值，从而可以得出信用工具的市场价值在不同风险等级下的概率分布，如此就可以用期望和标准差来衡量信用风险了，这就是用VAR来衡量信用风险的基本思想。
1.2.2 KMV模型
KMV模型是KMV公司于1997年提出的估计信用违约概率的方法。它是以现代期权理论作为理论基础，以上市公司股票市场价格和财务数据作为输入变量，得出任意时点公司的违约概率。
KMV模型假设当企业资产的市场价值低于负债面值时，企业将会违约。其创新点在于将企业负债看成一份欧氏看涨期权，企业持有该期权，执行价格为负债面值，标的价格为企业资产市场价值。一定期限后，当企业市值高于负债面值，则企业执行看涨期权，即清偿债务；反之，当企业市值低于负债面值时，企业违约。根据Black-Scholes-Merton期权定价模型，输入企业股权市场价值、负债面值、偿还期限、无风险收益率以及股权市值波动率，即可得出在偿还期限到来时企业的资产市场价值及其波动率。模型进一步假设企业资产市场价值呈对数正态分布，由此计算出企业违约距离，它表示的是预期价值与违约点的差额比上标准差的倍数。违约距离越大，则违约概率越小，反之，违约距离越小，违约概率越大。
1.2.3 Credit Risk+模型
Credit Risk+模型是瑞士信贷银行在财产保险精算思想和方法的启发下开发出来的财险精算方法的违约模型。在所有已投火险保的房屋中，发生火灾的概率很低，且不同房屋发生火灾之间时相互独立的。瑞士信贷银行发现，贷款也符合这类特征，即每笔贷款的违约概率很小且相互独立，而且服从泊松分布，由此开发出Credit Risk+模型。
该模型认为，债务人违约所带来的损失，不仅取决于违约概率，还取决于违约损失的严重程度。模型假设在给定的期限内，债务人的违约概率服从泊松分布，也就是说，读模型表示违约概率是基于违约数量的随机变量。它不分析违约原因，而将违约看成外
生的无法预知的事件。该模型的好处在于需要的数据少，模型的实施难度较小，但是，模型将违约事件看成小概率随机事件的假设也受到质疑。
1.2.4 Credit Portfolio View模型
Credit Portfolio View模型是麦肯锡公司对Credit Metrics模型做出的扩展和改进，将宏观因素也纳入模型的考虑范围。Credit Portfolio View模型是一个多因素、多时间时期的离散时间序列气Credit Metrics模型仅是将信用等级变化作为违约率变化的因素，而Credit Portfolio View模型还考虑了周期性的宏观经济因素，例如，经济增长率、失业率、汇率、利率、政府支出等.，这些均与信用等级转移矩阵相互关联。模型利用蒙特卡洛模拟法测度这些宏观经济变动对评级矩阵的影响，并求出在险价值。
Credit Portfolio View模型相比Credit Metrics模型在逻辑上更可信，因为企业信用等级转换矩阵并不是固定的，它会受到宏观因素的影响。当然，该模型也具有一定局限性。公开发布的宏观数据的全面性和可靠性不一定能够保证，而且对宏观经济周期的判断具有主观性。
|
