摘要： 基于“發(fā)行者付費(fèi)”的賣方信用評(píng)級(jí)模式不可避免的存在利益沖突，近年來受到國內(nèi)外的廣泛批評(píng)。新加坡國立大學(xué)風(fēng)險(xiǎn)管理研究所提出一種全新的“公共品”信用評(píng)級(jí)模式，使用基于簡(jiǎn)約模型下公司違約概率預(yù)測(cè)的一種遠(yuǎn)期強(qiáng)度模型，充分結(jié)合所獲取的上市公司信息和宏觀經(jīng)濟(jì)信息，對(duì)公司未來兩年內(nèi)不同期限的違約概率做出預(yù)測(cè)。模型的案例分析顯示該模型對(duì)信用風(fēng)險(xiǎn)違約水平度量的科學(xué)性和前瞻性，而且方便易行，期望可以為我國信用評(píng)級(jí)體系的建設(shè)和進(jìn)一步發(fā)展提供一些參考和新的思路。

關(guān)鍵詞：違約概率；遠(yuǎn)期強(qiáng)度模型；信用評(píng)級(jí)；公共品

一、 引言

本文重點(diǎn)介紹新加坡國立大學(xué)風(fēng)險(xiǎn)管理研究所使用的先進(jìn)的信用風(fēng)險(xiǎn)度量方法，即基于簡(jiǎn)約模型下違約概率預(yù)測(cè)的一種遠(yuǎn)期強(qiáng)度模型，該模型充分結(jié)合當(dāng)前時(shí)刻獲取的上市公司信息和宏觀經(jīng)濟(jì)信息，對(duì)未來從1個(gè)月到24個(gè)月該公司違約概率做出預(yù)測(cè)。進(jìn)一步，本文給出該模型在中國市場(chǎng)上應(yīng)用的具體實(shí)例，以期更好的為我國信用評(píng)級(jí)系統(tǒng)的建設(shè)提供參考。本文結(jié)構(gòu)安排如下：第二部分是公司違約概率遠(yuǎn)期強(qiáng)度模型的介紹，第三部分從三個(gè)方面給出了該模型的應(yīng)用實(shí)例，第四部分是結(jié)語。

二、 公司違約概率的遠(yuǎn)期強(qiáng)度模型

1. 違約概率的決定變量。

上市公司違約概率的影響因素是多方面的，既有宏觀經(jīng)濟(jì)變量對(duì)公司經(jīng)營狀況的影響，也有公司自身財(cái)務(wù)報(bào)表信息和資本市場(chǎng)信息的影響，比如保持其他變量不變，若公司當(dāng)前利潤(rùn)率水平升高，則公司未來出現(xiàn)違約的可能性降低。因此，我們需要綜合考慮以下幾個(gè)方面的影響因素：

（1）兩個(gè)宏觀經(jīng)濟(jì)共同變量。

主要股票指數(shù)回報(bào)：上證綜指過去一年的收益率，用來衡量資本市場(chǎng)的收益情況；

利率水平：人民幣三個(gè)月定期存款利率，用來衡量貨幣市場(chǎng)的資金成本水平；

（2）十個(gè)公司特質(zhì)變量。

分別考慮公司六個(gè)方面的特征：

①波動(dòng)調(diào)整的杠桿水平，即在考慮公司價(jià)值波動(dòng)的情況下，公司價(jià)值對(duì)公司負(fù)債的一種覆蓋水平（用違約距離DTD度量，詳細(xì)內(nèi)容參見Duan et al（2011））；

以上四個(gè)方面特征從均值和趨勢(shì)值兩方面進(jìn)行刻畫，均值指的是每個(gè)特征指標(biāo)過去一年的平均值，趨勢(shì)值指的是當(dāng)前數(shù)值與過去一年平均值的差值，Duan等（2011） 指出，使用均值和趨勢(shì)值可以顯著地改善模型在短期內(nèi)的違約概率預(yù)測(cè)能力。

⑥異質(zhì)性的波動(dòng)水平：用過去一年的公司市值月收益率對(duì)上證指數(shù)的月收益率進(jìn)行回歸，定義該回歸殘差的標(biāo)準(zhǔn)差為公司的異質(zhì)性的波動(dòng)水平，用來衡量公司收益率偏離上證指數(shù)收益率的波動(dòng)水平。

2. 違約概率的計(jì)算和模型未知參數(shù)的估計(jì)方法。

假設(shè)當(dāng)前時(shí)刻為mΔt，在任意時(shí)間間隔Δt內(nèi)，公司可能處于違約（Default）、其他形式退出（Other exit）和存活（Survival）三種狀態(tài)中的一種，則違約概率建立在之前所有時(shí)刻該公司都存活的基礎(chǔ)上，為一個(gè)條件概率，它會(huì)同時(shí)受到宏觀經(jīng)濟(jì)變量和公司自身特質(zhì)變量的影響。

根據(jù)違約強(qiáng)度模型的設(shè)定，可以得出條件違約概率為：

pi（m，n）=1-exp（-Δt·Hi（m，n））（1）

其中Hi（m，n）為該公司在當(dāng)前時(shí)刻的遠(yuǎn)期違約強(qiáng)度，并且滿足：

Hi（m，n）=exp（β（n-m）·Yi（m））（2）

其中β為待估系數(shù)向量，Yi（m）為違約概率的各種決定變量（宏觀經(jīng)濟(jì)變量和公司特質(zhì)變量）當(dāng)前時(shí)刻的值。

同理，可以得到其他形式退出的公司的條件違約概率。因此，在給定當(dāng)前時(shí)刻mΔt，公司i的違約發(fā)生在從當(dāng)前時(shí)刻到未來時(shí)刻nΔt之間的概率為：

上述公式（3）將用來計(jì)算公司個(gè)體在不同期限的遠(yuǎn)期違約概率。

對(duì)于（3）中的未知參數(shù)向量β和β，我們采用Duan等（2011）的擬極大似然估計(jì)方法進(jìn)行估計(jì)，對(duì)于一個(gè)期限的待估參數(shù)（包括常數(shù)項(xiàng)）有2×（1+2+10）=26個(gè)，而總共期限為24期，若將所有待估參數(shù)一起估計(jì)的話總共有26*24個(gè)參數(shù)，運(yùn)算量會(huì)非常大，對(duì)樣本個(gè)數(shù)要求也會(huì)很高。因此需要對(duì)違約部分和其他退出部分的未知參數(shù)向量β和β分別進(jìn)行估計(jì)，以降低估計(jì)未知參數(shù)向量的維數(shù)。通過分拆整個(gè)估計(jì)過程，可以轉(zhuǎn)換為對(duì)13個(gè)參數(shù)進(jìn)行估計(jì)，估計(jì)2*24遍即可，極大的提高模型的參數(shù)估計(jì)效率。

三、 模型的應(yīng)用實(shí)例

1. 上市公司遠(yuǎn)期違約概率預(yù)測(cè)。

該模型可以很好的結(jié)合上市公司的財(cái)務(wù)信息和資本市場(chǎng)信息，對(duì)上市公司從當(dāng)前時(shí)刻開始的各個(gè)不同期限的遠(yuǎn)期違約概率做出預(yù)測(cè)。以廣發(fā)證券為例，假設(shè)當(dāng)前時(shí)刻為2012年8月30日，通過使用上述的遠(yuǎn)期違約概率模型，我們可以得到廣發(fā)證券從當(dāng)前時(shí)刻開始的各個(gè)不同期限（1個(gè)月至24個(gè)月）的遠(yuǎn)期違約概率（如圖1所示）。我們可以看出，廣發(fā)證券一個(gè)月期遠(yuǎn)期違約概率為0.003 1%，六個(gè)月期遠(yuǎn)期違約概率上升至0.023 9%，一年期遠(yuǎn)期違約概率達(dá)到0.065 1%，兩年期遠(yuǎn)期違約概率更是達(dá)到0.260 9%的水平，顯示出隨著時(shí)間的延長(zhǎng)，未來公司經(jīng)營的不確定性增加，使得該公司遠(yuǎn)期違約概率水平逐漸升高。

更進(jìn)一步，我們可以得到該公司在歷史不同時(shí)間點(diǎn)上的一年期遠(yuǎn)期違約概率估計(jì)值（如圖2所示）。從圖中我們可以發(fā)現(xiàn)，從今年7月份開始，廣發(fā)證券一年期遠(yuǎn)期違約概率出現(xiàn)顯著升高，到八月底時(shí)已經(jīng)達(dá)到近三年的最高點(diǎn)。出現(xiàn)這種現(xiàn)象的可能原因是廣發(fā)證券在8月27日會(huì)迎來9.05億股限售股的解禁潮，解禁市值高達(dá)110億元，因此市場(chǎng)投資者可能會(huì)提前對(duì)這一重大消息做出反應(yīng)，導(dǎo)致該公司遠(yuǎn)期違約概率持續(xù)升高。因此，使用該遠(yuǎn)期強(qiáng)度模型可以很好的對(duì)上市公司遠(yuǎn)期信用情況做出預(yù)測(cè)，有利于投資者提前對(duì)可能發(fā)生的重大消息做出反應(yīng)。

2. 不同公司歷史遠(yuǎn)期違約概率對(duì)比。

以中國人壽和中國平安兩家保險(xiǎn)公司為例，通過使用上述的遠(yuǎn)期違約概率模型，我們可以對(duì)比兩家公司一年期違約概率的歷史估計(jì)值（如圖3所示）。從圖中我們可以看出，整體上，中國人壽的信用違約概率在各個(gè)時(shí)期均低于中國平安的信用違約概率，即使在經(jīng)濟(jì)情況較差的2008年底，我們可以看到中國人壽的信用違約概率也只有中國平安的一半，說明中國人壽的信用風(fēng)險(xiǎn)水平與中國平安相比要較低。特別值得注意的是，從今年年初開始，中國平安的信用違約概率大幅上升，而同期中國人壽的信用違約概率卻并未出現(xiàn)顯著上升，說明中國平安的信用狀況與中國人壽相比出現(xiàn)了惡化，可能的原因是其子公司平安銀行在今年二季度報(bào)表中顯示其不良貸款余額較年初增加16.76億元，不良貸款率為0.73%，較上年上升0.2個(gè)百分點(diǎn)，顯示資產(chǎn)質(zhì)量可能出現(xiàn)了惡化。通過使用該模型，我們可以很好的捕捉到相比較的公司之間可能存在的信用狀況惡化情況，進(jìn)而結(jié)合公司財(cái)務(wù)信息和資本市場(chǎng)信息對(duì)公司信用狀況做出具體分析。

3. 經(jīng)濟(jì)體信用風(fēng)險(xiǎn)指標(biāo)CVI的構(gòu)建。

在得到經(jīng)濟(jì)內(nèi)所有上市公司的未來各期違約概率之后，我們可以對(duì)所有上市公司的違約概率賦予一定的權(quán)重，得到整個(gè)經(jīng)濟(jì)體的信用風(fēng)險(xiǎn)的度量指標(biāo)CVI。一般的，可以構(gòu)造如下三種指標(biāo)：

（1） 市值權(quán)重的CVI（即CVIvw）：以上市公司的市值作為權(quán)重，對(duì)所有公司的違約概率加權(quán)加總；

（2） 相等權(quán)重的CVI（即CVIew）：對(duì)所有公司的違約概率賦予相同的權(quán)重加總；

（3） 尾部CVI（即CVItail）：選取所有公司中違約概率最高的5%分位數(shù)作為最具有波動(dòng)性的公司違約概率度量。

更進(jìn)一步，經(jīng)濟(jì)體的信用風(fēng)險(xiǎn)指標(biāo)CVI可以作為整個(gè)經(jīng)濟(jì)體經(jīng)濟(jì)衰退的前沿指標(biāo)（如圖4所示），灰色區(qū)間為美國國家經(jīng)濟(jì)研究局（NBER）定義的美國經(jīng)濟(jì)衰退期，紅色線為標(biāo)準(zhǔn)普爾指數(shù)（SP500），藍(lán)色線為以美國所有上市公司為例得到的經(jīng)濟(jì)體違約概率（尾部CVI），用來衡量整個(gè)美國經(jīng)濟(jì)體信用風(fēng)險(xiǎn)水平?？梢钥闯?，該指標(biāo)在2000年和2008年均出現(xiàn)大幅上升，可以很好的對(duì)美國2000年的互聯(lián)網(wǎng)泡沫危機(jī)和2008年次貸危機(jī)做出預(yù)測(cè)。

對(duì)所有上市公司的遠(yuǎn)期違約概率賦予權(quán)重，使用單一指標(biāo)CVI來衡量整個(gè)經(jīng)濟(jì)體未來的信用風(fēng)險(xiǎn)水平具有重要的意義，投資者或決策者可以參考該指標(biāo)對(duì)未來經(jīng)濟(jì)體信用水平做出前瞻性的預(yù)測(cè)，可以更好地提供相應(yīng)對(duì)策來面對(duì)經(jīng)濟(jì)體信用狀況變化情況。同時(shí)，當(dāng)前國際市場(chǎng)上并沒有這樣一個(gè)合適的指標(biāo)對(duì)經(jīng)濟(jì)體未來的信用風(fēng)險(xiǎn)水平做出預(yù)測(cè)，該指標(biāo)作為首次嘗試，也非常值得我們進(jìn)一步關(guān)注和研究。

四、 結(jié)語

綜上所述，本文重點(diǎn)介紹了Duan et al.（2011）所使用的一種全新信用風(fēng)險(xiǎn)度量的遠(yuǎn)期強(qiáng)度模型，該方法充分結(jié)合當(dāng)前時(shí)刻獲取的上市公司信息和宏觀經(jīng)濟(jì)信息，對(duì)未來從1個(gè)月到24個(gè)月該公司遠(yuǎn)期信用違約概率做出度量和預(yù)測(cè)。同時(shí)本文結(jié)合具體的實(shí)例給出了該模型在三個(gè)方面的具體應(yīng)用?？梢缘贸鼋Y(jié)論，該模型具有非常好的實(shí)用性和前瞻性，可以用來度量上市公司或整個(gè)經(jīng)濟(jì)體的信用違約風(fēng)險(xiǎn)，同時(shí)模型對(duì)上市公司或整個(gè)經(jīng)濟(jì)體未來的信用狀況具有很好的預(yù)測(cè)能力。

參考文獻(xiàn)：

1. Hunt，J.，“Cre-

dit Rating Agencies and the Worldwide Credit Crisis： the Limits of Reputation， the Insufficiency of Reform， and a Proposal for Improvement”， 2009， Columbia Business Law Review， 109-209.

2. White， L.，“Markets： the Credit Rating agencies”， 2010， Journal of Economic Perspecti-

ves 24： 211-226.

3. Duan， J.C.and E.V.Laere， “A Public Good Approach to Credit Ratings-from Concept to Reality”， 2012， working paper， RMI National University of Singapore.

4. Duan， J. C.， J. Sun and T. Wang， “Multiperiod Corporate Default Prediction—A Forward Intensity Approach”， 2011， working paper， RMI National University of Singapore.

5. NUS-RMI Credit Research Initiative Technical Report， Global Credit Review， 2012，（2）： 109-138.

6. NUS-RMI CVI White Paper， 2012， www.rmicri.org，

作者簡(jiǎn)介：慕文濤，南開大學(xué)經(jīng)濟(jì)學(xué)院金融系博士生；黨宇峰，南開大學(xué)經(jīng)濟(jì)學(xué)院金融系博士生；王娜，就職于南開大學(xué)數(shù)學(xué)科學(xué)學(xué)院。

收稿日期：2012-12-21。