固定收益证券信用分析文献综述

固定收益证券信用分析文献综述

摘要：本文归纳了固定收益证券信用分析研究中的关键问题，指出了固定收益证券信用分析理论方法的发展及其相关研究的主要进展，同时还讨论了固定收益证券组合的信用分析理论方法的发展和实证研究，在此基础上对我国固定收益证券信用分析的研究前景进行了展望。

关键词：固定收益证券；信用分析；文献综述

1 前言

固定收益证券是指承诺未来还本付息的债务工具及相关衍生品的总称，是证券市场中重要的投资工具。固定收益证券在投资过程中面临各种风险，包括信用风险、利率风险、汇率风险、价格风险等。其中信用风险指固定收益证券的发行人违约、信用级别下降及其净资产数量下降等无法或不愿意按期支付本息的可能性。因此信用风险的计量和管理是固定收益证券信用分析的重要研究内容。近年来，随着债券融资的快速发展、公司倒闭的结构性增加、衍生品的快速增长和信息进步，信用风险的计量和管理方法发生了重大的变化。过去的信用风险管理与信用分析已难以适应市场的变化，金融工程的快速发展使得建模技术和分析方法应用到这一领域，一批新技术和新思想受到了广泛的关注。我国固定收益证券的发展远落后于美国，国内学者对国外固定收益证券信用分析的问题研究缺乏充分关注,对中国固定收益证券的信用分析更是缺乏系统的理论分析和实证研究。本文综述了国内外固定收益证券信用分析的理论发展和实证文献，不仅可以使国内学者了解这一领域的发展状况和脉络，也可以为国内学者研究本土的固定收益证券信用分析提供有益的思路。本文的结构安排如下：第一部分综述了固定收益证

券的信用分析理论方法的发展和实证研究文献；第二部分综述了固定收益证券组合的信用分析。第三部分为总结。

2 固定收益证券的信用分析

固定收益证券信用分析的基本原则是根据历史数据和现在的合理判断对发行人未来的偿还能力进行预测。固定收益证券的信用分析相关理论和实证研究等也随着固定收益证券的发展而发展。信用分析模型中，大量运用了计量经济学、统计学、运筹学的概念和原理，近些年来信用分析领域的研究发展速度飞快，有学者将人工智能领域的模式识别技术引入信用评分的研究。本章将依照其原理将诸多的信用分析方法归纳为如下几类。

2.1 主观分析和专家系统

可以公平地说在固定收益证券市场发展初期，投资者几乎完全依赖于主观分析和所谓的“专家”系统来分析固定收益证券的信用风险。本质上，投资者使用债务人的各种信息特征，如特征（character）、能力（capacity）、抵押（collateral）和条款（covenants），也就是所谓的4C的分析来达到一个很大程度上的主观判断来决定该固定收益证券的信用风险。Sommerville和Taffler（1995）表明机构投资者在给不发达国家的债务信用分析中倾向于过分悲观，而多元信用分析系统往往会超越这样的专家系统。这也不足为奇，因为随着固定收益证券的发展，投资者特别是机构投资者已经从主观的专家系统转向更加客观的信用分析系统。

2.2 基于财务指标的信用分析系统

在以财务指标为基础的单变量信用分析系统中，投资者通过比较各种关键的财务指标来进行信用分析。当使用多变量模型时，通过对关键财务指标变量的组合和加权可以进行信用风险评分或者计算信用违约概率。如果信用风险评分或违

约概率超过某个临界值，投资者可以拒绝投资或要求更高的风险补偿。从相关论文的绝对数量来看，基于财务指标的信用分析模型的发展和检验等在该学术领域中占主导的地位。常见的有线性概率模型，Logit模型，Probit模型和判别分析模型等，其中判别分析模型用得最多，其次是Logit模型。最常见的判别分析就是试图找到一个线性模型来分析各种市场变量来最大限度地区分违约群体和非违约群体，也就是说通过模型来最大化组间差异的同时最小化组内差异。同样，logit模型使用一组财务指标变量来预测债务人的违约概率并假设违约的可能性服从logistically分布等，而违约概率是介于0和1之间的。

West（1985）使用logit模型来度量金融机构的金融状况并计算了它们成为问题银行的概率。该logit模型使用的因变量与银行监管者使用的CAMEL评价体系类似。Smith和Lawrence（1995）使用logit模型来寻找变量以便对违约率作出较好的预测。Psillaki等（2010）使用logit模型发现使用生产效率来预测违约的可能性优于使用标准的财务指标。顾乾屏等（2008）比较了不同模型的相关性和特点，由此提出了一个回判率为88%的两阶段非线性变量边界Logit模型。胡胜和朱新蓉（2011）选取我国上市公司财务数据进行实证分析，证实Logit 模型在实际运用时犯第一类错误即高信用风险企业误判为低信用风险企业的错误率达到30%左右。就像前面所说的那样，基于财务指标的信用分析系统使用最多的是基于判别分析的模型。特别是Altman等（1977）提出的ZETA判别分析模型被广泛地应用于信用风险分析，这个模型也是该类方法中最为著名和完美的一个模型，Altman在文章中将该模型用于公司财务预警。同时，Scott（1981）比较了多个实证模型，认为ZETA模型最近进他构想的破产理论。Chijoriga（2011）认为把风险评估变量加入多变量判别分析模型可以提高信用风险评估的能力。施

锡铨和邹新月（2001）采用典型判别分析法对我国A股市场1999年至2000年9月间部分上市公司的信用状况进行了实证分析和检验，结果显示典型判别模型对我国证券市场的信用情况有较强的解释能力。李红立等（2011）运用判别分析法对上市房地产开发企业进行信用风险评价，结果表明判别分析法总体预测效果较好,企业的盈利能力是评价信贷风险的重要依据。

虽然在许多情况下，基于多元财务指标的信用分析系统已被证明在不同时期和不同国家表现得都相当不错，但该信用分析系统至少受到了三个批评。首先，该系统是基于会计的账面数据，无法反映债务人信用条件更加细微和快速的变化；其次，线性判别分析和线性概率模型等假设这个世界的线性的是不符合现实的，现实中更多是非线性的；最后，前面提到的信用违约预测模型与基础理论模型关联性不强。因此，学者们提出了各种新的模型来弥补传统信用分析模型。

2.3 信用风险的期权定价模型分析法

Wilcox（1973）提出的破产模型是拥有坚实的理论基础的，该模型认为当企业资不抵债的时候便是在走向破产。该模型在许多方面与Black和Scholes（1973）提出的期权定价模型类似，在Black-Scholes-Merton模型中，企业破产的概率取决于企业的资产负债情况和资产的波动率。这一思想被商业界所接受，美国旧金山市KMV公司于1997年建立KMV模型用来估计企业违约概率的方法，该模型认为信用风险是在给定负债的情况下由债务人的资产市场价值决定的，但资产并没有真实地在市场交易，资产的市场价值不能直接观测到。它首先利用期权定价公式，根据企业股权的市场价值及其波动性、到期时间、无风险借贷利率及负债的账面价值估计出企业资产的市场价值、资产价值的波动性；其次根据公司的负债计算出公司的违约实施点（default exercise point，为企业1年以下短期债