“公共品”信用評級模式下的公司違約概率預測

摘要： 基于“發行者付費”的賣方信用評級模式不可避免的存在利益沖突，近年來受到國內外的廣泛批評。新加坡國立大學風險管理研究所提出一種全新的“公共品”信用評級模式，使用基于簡約模型下公司違約概率預測的一種遠期強度模型，充分結合所獲取的上市公司信息和宏觀經濟信息，對公司未來兩年內不同期限的違約概率做出預測。模型的案例分析顯示該模型對信用風險違約水平度量的科學性和前瞻性，而且方便易行，期望可以為我國信用評級體系的建設和進一步發展提供一些參考和新的思路。

關鍵詞：違約概率；遠期強度模型；信用評級；公共品

一、 引言

本文重點介紹新加坡國立大學風險管理研究所使用的先進的信用風險度量方法，即基于簡約模型下違約概率預測的一種遠期強度模型，該模型充分結合當前時刻獲取的上市公司信息和宏觀經濟信息，對未來從1個月到24個月該公司違約概率做出預測。進一步，本文給出該模型在中國市場上應用的具體實例，以期更好的為我國信用評級系統的建設提供參考。本文結構安排如下：第二部分是公司違約概率遠期強度模型的介紹，第三部分從三個方面給出了該模型的應用實例，第四部分是結語。

二、 公司違約概率的遠期強度模型

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，既有宏觀經濟變量對公司經營狀況的影響，也有公司自身財務報表信息和資本市場信息的影響，比如保持其他變量不變，若公司當前利潤率水平升高，則公司未來出現違約的可能性降低。因此，我們需要綜合考慮以下幾個方面的影響因素：

（1）兩個宏觀經濟共同變量。

主要股票指數回報：上證綜指過去一年的收益率，用來衡量資本市場的收益情況；

利率水平：人民幣三個月定期存款利率，用來衡量貨幣市場的資金成本水平；

（2）十個公司特質變量。

分別考慮公司六個方面的特征：

①波動調整的杠桿水平，即在考慮公司價值波動的情況下，公司價值對公司負債的一種覆蓋水平（用違約距離DTD度量，詳細內容參見Duan et al（2011））；

以上四個方面特征從均值和趨勢值兩方面進行刻畫，均值指的是每個特征指標過去一年的平均值，趨勢值指的是當前數值與過去一年平均值的差值，Duan等（2011） 指出，使用均值和趨勢值可以顯著地改善模型在短期內的違約概率預測能力。

⑥異質性的波動水平：用過去一年的公司市值月收益率對上證指數的月收益率進行回歸，定義該回歸殘差的標準差為公司的異質性的波動水平，用來衡量公司收益率偏離上證指數收益率的波動水平。

2. 違約概率的計算和模型未知參數的估計方法。

假設當前時刻為mΔt，在任意時間間隔Δt內，公司可能處于違約（Default）、其他形式退出（Other exit）和存活（Survival）三種狀態中的一種，則違約概率建立在之前所有時刻該公司都存活的基礎上，為一個條件概率，它會同時受到宏觀經濟變量和公司自身特質變量的影響。

根據違約強度模型的設定，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）為該公司在當前時刻的遠期違約強度，并且滿足：

Hi（m，n）=exp（β（n-m）·Yi（m））（2）

其中β為待估系數向量，Yi（m）為違約概率的各種決定變量（宏觀經濟變量和公司特質變量）當前時刻的值。

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

上述公式（3）將用來計算公司個體在不同期限的遠期違約概率。

對于（3）中的未知參數向量β和β，我們采用Duan等（2011）的擬極大似然估計方法進行估計，對于一個期限的待估參數（包括常數項）有2×（1+2+10）=26個，而總共期限為24期，若將所有待估參數一起估計的話總共有26*24個參數，運算量會非常大，對樣本個數要求也會很高。因此需要對違約部分和其他退出部分的未知參數向量β和β分別進行估計，以降低估計未知參數向量的維數。通過分拆整個估計過程，可以轉換為對13個參數進行估計，估計2*24遍即可，極大的提高模型的參數估計效率。

三、 模型的應用實例

1. 上市公司遠期違約概率預測。

該模型可以很好的結合上市公司的財務信息和資本市場信息，對上市公司從當前時刻開始的各個不同期限的遠期違約概率做出預測。以廣發證券為例，假設當前時刻為2012年8月30日，通過使用上述的遠期違約概率模型，我們可以得到廣發證券從當前時刻開始的各個不同期限（1個月至24個月）的遠期違約概率（如圖1所示）。我們可以看出，廣發證券一個月期遠期違約概率為0.003 1%，六個月期遠期違約概率上升至0.023 9%，一年期遠期違約概率達到0.065 1%，兩年期遠期違約概率更是達到0.260 9%的水平，顯示出隨著時間的延長，未來公司經營的不確定性增加，使得該公司遠期違約概率水平逐漸升高。

更進一步，我們可以得到該公司在歷史不同時間點上的一年期遠期違約概率估計值（如圖2所示）。從圖中我們可以發現，從今年7月份開始，廣發證券一年期遠期違約概率出現顯著升高，到八月底時已經達到近三年的最高點。出現這種現象的可能原因是廣發證券在8月27日會迎來9.05億股限售股的解禁潮，解禁市值高達110億元，因此市場投資者可能會提前對這一重大消息做出反應，導致該公司遠期違約概率持續升高。因此，使用該遠期強度模型可以很好的對上市公司遠期信用情況做出預測，有利于投資者提前對可能發生的重大消息做出反應。

2. 不同公司歷史遠期違約概率對比。

以中國人壽和中國平安兩家保險公司為例，通過使用上述的遠期違約概率模型，我們可以對比兩家公司一年期違約概率的歷史估計值（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時期均低于中國平安的信用違約概率，即使在經濟情況較差的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險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顯著上升，說明中國平安的信用狀況與中國人壽相比出現了惡化，可能的原因是其子公司平安銀行在今年二季度報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個百分點，顯示資產質量可能出現了惡化。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，進而結合公司財務信息和資本市場信息對公司信用狀況做出具體分析。

3. 經濟體信用風險指標CVI的構建。

在得到經濟內所有上市公司的未來各期違約概率之后，我們可以對所有上市公司的違約概率賦予一定的權重，得到整個經濟體的信用風險的度量指標CVI。一般的，可以構造如下三種指標：

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

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

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

更進一步，經濟體的信用風險指標CVI可以作為整個經濟體經濟衰退的前沿指標（如圖4所示），灰色區間為美國國家經濟研究局（NBER）定義的美國經濟衰退期，紅色線為標準普爾指數（SP500），藍色線為以美國所有上市公司為例得到的經濟體違約概率（尾部CVI），用來衡量整個美國經濟體信用風險水平。可以看出，該指標在2000年和2008年均出現大幅上升，可以很好的對美國2000年的互聯網泡沫危機和2008年次貸危機做出預測。

對所有上市公司的遠期違約概率賦予權重，使用單一指標CVI來衡量整個經濟體未來的信用風險水平具有重要的意義，投資者或決策者可以參考該指標對未來經濟體信用水平做出前瞻性的預測，可以更好地提供相應對策來面對經濟體信用狀況變化情況。同時，當前國際市場上并沒有這樣一個合適的指標對經濟體未來的信用風險水平做出預測，該指標作為首次嘗試，也非常值得我們進一步關注和研究。

四、 結語

綜上所述，本文重點介紹了Duan et al.（2011）所使用的一種全新信用風險度量的遠期強度模型，該方法充分結合當前時刻獲取的上市公司信息和宏觀經濟信息，對未來從1個月到24個月該公司遠期信用違約概率做出度量和預測。同時本文結合具體的實例給出了該模型在三個方面的具體應用。可以得出結論，該模型具有非常好的實用性和前瞻性，可以用來度量上市公司或整個經濟體的信用違約風險，同時模型對上市公司或整個經濟體未來的信用狀況具有很好的預測能力。

參考文獻：

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，

作者簡介：慕文濤，南開大學經濟學院金融系博士生；黨宇峰，南開大學經濟學院金融系博士生；王娜，就職于南開大學數學科學學院。

收稿日期：2012-12-21。