返回列表 发帖

判定城投债主体信用等级的Logistic模型

     概述:随着托管量的不断增大,城投类债券已经成为信用债市场中的一个重要的组成部分,但市场对于城投类债券信用风险的判断存在一定的分歧。本文分解出对城投债发行人主体等级影响较大的若干主要因素,并利用有序多分类Logistic模型对上述因素以及发行人主体等级进行建模,取得了较好的结果。投资者可利用该模型的输出结果并参照评级公司确定的等级及相关数据对城投债发行人的信用状况进行综合判断。
  地方财力因素由于地方政府财政支持以及隐性担保的存在,城投公司可以在盈利能力、现金流状况均相对较弱的情况下,仍可以获得较高的信用评级。因此地方政府的财力状况直接影响到平台公司偿债能力。城投债发行主体的信用等级与所在地区的GDP间呈现统计学意义的显著性,两者间相关系数达到95%,因此我们将GDP作为地方财力因素的代理变量。
  公司财务因素我们筛选出14个与偿债能力紧密相关的财务变量,并用其中的11个财务指标对城投债主体等级进行了回归,得到模型的R2仅为2.94%。我们认为,模型结果较差在一定程度上是因为数据内部存在多重共线性和极端值,我们将用因子分析技术和Logistic模型避免上述问题。
  因子分析通过分析,我们提取出资产结构、流动性、持有现金、利息负担以及规模5个公共因子,且解释变量的大多数变量的变异可被上述5个因子捕捉90%以上。
  经过正交旋转后,各因子的关键载荷均值为0.9,十分接近于1.0。最后,我们根据因子得分表计算出各发行人所对应的五个得分变量。
  有序多分类Logistic模型由于我们所使用的数据既不呈高斯分布,且自变量与应变量之间的关系并不为线性,因此不符合OLS模型的要求。鉴于此,我们使用地方GDP以及5个得分变量对发行人的主体评级建立有序多分类Logistic模型,模型做出拟合的正确率达到61%。
  加入评级公司变量的Logistic模型通过对上文中Logistic模型误差的研究,我们发现各评级公司间的评级结果存在系统性差异,为了捕捉该差异对于信用等级的影响,我们将上述评级公司的误差均值作为一个新的解释变量加入模型,并重新计算。新模型对于评级判定的效果较之前有了明显的提升,整体正确率提升至84%。其中联合、新世纪、大公、中诚信和鹏元的正确率分别达到87%、86%、83%、82%和75%,且绝大多数预测失误的误差均控制在一个等级之内。

判定城投债主体信用等级的Logistic模型.pdf (744.34 KB)

返回列表