城投債是近10年來(lái)我國(guó)地方政府籌措基礎(chǔ)設(shè)施建設(shè)資金的主要融資工具,由于其發(fā)行基于政府信用,且短期違約風(fēng)險(xiǎn)普遍很低,通常都能獲得較高評(píng)級(jí);但這使得其評(píng)級(jí)辨識(shí)度較低,且評(píng)級(jí)調(diào)整較少,不能夠真確反映城投債的信用風(fēng)險(xiǎn)及其歷時(shí)變化。本文考察了城投債的發(fā)展現(xiàn)狀和特點(diǎn),并提出一個(gè)基于多因素Logistic回歸的信用評(píng)分卡模型對(duì)城投債信用風(fēng)險(xiǎn)進(jìn)行測(cè)算:選取3965個(gè)城投債發(fā)行主體進(jìn)行模型開發(fā)和驗(yàn)證,通過(guò)單因素篩選、變量轉(zhuǎn)換、logistic回歸,確定在整體顯著性、擬合度和預(yù)測(cè)準(zhǔn)確率上表現(xiàn)最優(yōu)的模型作為最終測(cè)算模型;并基于該測(cè)算模型建立一個(gè)評(píng)分卡評(píng)分模型。論文最后提出若干政策建議。 

【文章來(lái)源】：數(shù)理統(tǒng)計(jì)與管理. 2020,39(04)北大核心CSSCI

【文章頁(yè)數(shù)】：16 頁(yè)

【部分圖文】：

圖１．?２０（３８－２０１７年我國(guó)城投債發(fā)行規(guī)模（數(shù)據(jù)來(lái)源：ｗｉｎｄ）??２城投債發(fā)展現(xiàn)狀??１９９４

０１６年全年的６倍。進(jìn)一步分析這些關(guān)注類評(píng)級(jí)調(diào)整行動(dòng)的起??因，主要包括資產(chǎn)劃轉(zhuǎn)和重組、股東變更、業(yè)績(jī)下滑、新增借款或?qū)ν鈸?dān)保較多、抵質(zhì)押占比??高、城投提前償還等。這一方面與負(fù)面事件頻發(fā)背景下評(píng)級(jí)公司風(fēng)險(xiǎn)偏好下降，Ｘ＃于突發(fā)事件??或不確定性事件的關(guān)注度提升有關(guān)；另一方面也說(shuō)明了城投債市場(chǎng)存量風(fēng)險(xiǎn)和不確定性正日??益增長(zhǎng)。??１４０??■正面評(píng)級(jí)行動(dòng)?■關(guān)注類評(píng)級(jí)行動(dòng)?■負(fù)面評(píng)級(jí)行動(dòng)??圖４?２＿〇〇１２＿０＿１７年城投債評(píng)級(jí)調(diào)整次數(shù)（數(shù)據(jù)來(lái)源：ｗｉｎｄ）??２５??圖５近三年來(lái)分地區(qū)城投債負(fù)面評(píng)級(jí)調(diào)整行動(dòng)次數(shù)（數(shù)據(jù)來(lái)源：ｗｉｎｄ）??３、城投債負(fù)面評(píng)級(jí)調(diào)整行動(dòng)的分布在地域上存在較大不均衡性，說(shuō)明城投債市場(chǎng)風(fēng)險(xiǎn)地??區(qū)分布較不均衡。綜合近三年來(lái)的數(shù)據(jù)，發(fā)生負(fù)面評(píng)級(jí)調(diào)整行動(dòng)次數(shù)前五位的省份分別為遼??寧、黑龍江、四川、內(nèi)蒙古和江蘇；其中次數(shù)最多的遼寧地區(qū)，２０１６年至２０１７年８月末合計(jì)??發(fā)生負(fù)面評(píng)級(jí)行動(dòng)１７次，占同期全部城投發(fā)行人負(fù)面調(diào)整次數(shù)的一半。參見圖５，進(jìn)一步分??析這些案例，不難發(fā)現(xiàn)，地方政府對(duì)城投企業(yè)的支持力度是影響城投信用資質(zhì)的重要因素：城??投所在區(qū)域經(jīng)濟(jì)景氣度下滑、財(cái)政實(shí)力弱化、當(dāng)?shù)卣畟鶆?wù)負(fù)擔(dān)高企等因素均會(huì)削弱當(dāng)?shù)爻??投的信用資質(zhì)，從而引發(fā)負(fù)面評(píng)級(jí)調(diào)整行動(dòng)。譬如遼寧省近年來(lái)經(jīng)濟(jì)數(shù)據(jù)存在水分、傳統(tǒng)工業(yè)??經(jīng)濟(jì)持續(xù)萎靡，所轄縣市在２０１１年至２０１４年普遍存在經(jīng)濟(jì)數(shù)據(jù)造假問(wèn)題，各項(xiàng)經(jīng)濟(jì)財(cái)政數(shù)據(jù)??出現(xiàn)大幅下滑，其中２Ｑ１６年ＧＤＰ下降２ＪＩＩ，一般預(yù)算收入在２Ｑ１５年已同比下滑３３，劇的??低基數(shù)下僅實(shí)現(xiàn)３．４■的正增長(zhǎng)，各項(xiàng)指標(biāo)均顯著低于全國(guó)水平和往年數(shù)據(jù)。地區(qū)經(jīng)濟(jì)環(huán)境和??財(cái)政實(shí)力的惡

７１６??數(shù)理統(tǒng)計(jì)與管理??第３９卷第４期２０２０年７月??模型６??模型２５??模型２８??誤報(bào)早?誤報(bào)率?誤報(bào)率??圖６模型＿ＲＯＣ．曲線??６實(shí)證結(jié)果分析??最終確定的評(píng)級(jí)模型公式如下：??Ｉｎ?＝?－１Ｊ６５Ｔ?Ｘ?ＯＣ０２０?－?０，９６９５?Ｘ?ＳＺ００７?＾?０．８Ｂ８３?ｘ?ＧＲ０１１?－?１．５３９１?＞＜?ｆｌｔＯＯｌ??ｉ?—，??－０．６７０８?ｘ，?ｈｇ０２７?－?Ｑ．３４Ｓ１?？ｉ?ｈｇ００３?－?３．７５Ｔ４．??由于ＬＤｇ＆ｔｆｃ回歸的因變量是對(duì)數(shù)發(fā)生比Ｉｎ?因此每個(gè)自變量的估計(jì)系數(shù)可以解釋為??該自變量對(duì)對(duì)數(shù)發(fā)生比的作用。但是對(duì)數(shù)發(fā)生比沒(méi)有一個(gè)直觀的含義，所以通常將其轉(zhuǎn)換為??發(fā)生比（４也）即將模型等式兩側(cè)取自然對(duì)數(shù)，在本文中，樣本Ｉ的發(fā)生比為樣本＊違約??概率與不違約概率的比值。故回歸模型可改寫為：??〇ｄｄＳｉ?—?ｅ－１－１６５７ｘ〇ｃ〇２°?ｘ?ｅ－°－９６９５ｘＳＺ００７?Ｘ?ｅ－〇－８８８３ｘＧＲ０１１?ｘ?ｇ－１．５３９１?ｘｃｔＯＯｌ??．Ｘｇ—０．６７０８ｘｈｇ０２７?％?ｇ—０．３４８１?ｘｈｇ００３?．ｘ?ｇ—３．７５７４??模型中，均有回歸系數(shù)急＜?＜?１，即任何指標(biāo)ａ的值增加都會(huì)導(dǎo)致發(fā)生比的減少。??例如，企業(yè)７的ＯＣ０２０?（現(xiàn)金主營(yíng)業(yè)務(wù)收入比率）增加一單位，該企業(yè)的違約發(fā)生比減少６ＳＪ麗??：１－１．８５７?—?１?＝?—０細(xì)）。??表１４最終評(píng)級(jí)模型（模型的??自變量??系數(shù)??截距項(xiàng)??－３．７５７４??ＯＣ０２０??現(xiàn)金主營(yíng)業(yè)務(wù)收入比率??－１．１６５７＊＊＊??ＳＺ００７??營(yíng)業(yè)收入??－０．９６９５＊＊??ＧＲ０１１??流

【參考文獻(xiàn)】：
期刊論文
[1]房地產(chǎn)業(yè)對(duì)中國(guó)城市金融穩(wěn)定的影響研究——基于空間計(jì)量模型的比較分析[J]. 李斌,盧明煒,張所地,范新英.  數(shù)理統(tǒng)計(jì)與管理. 2019(02)
[2]中國(guó)房地產(chǎn)市場(chǎng)的聯(lián)動(dòng)效應(yīng)和溢出效應(yīng)分析——基于DAG和溢出指數(shù)的考證[J]. 王雪,韓永輝,王聰.  數(shù)理統(tǒng)計(jì)與管理. 2018(04)
[3]中國(guó)城市房?jī)r(jià)時(shí)空特征與影響機(jī)制研究——基于貝葉斯分域時(shí)空模型的實(shí)證[J]. 韓秀蘭,李俊明.  數(shù)理統(tǒng)計(jì)與管理. 2018(05)
[4]城投債風(fēng)險(xiǎn)度量及優(yōu)質(zhì)平臺(tái)遴選分析[J]. 丁繼平.  債券. 2017(01)
[5]信息披露扭曲下企業(yè)債券違約風(fēng)險(xiǎn)量化研究[J]. 吳建華,張穎,王新軍.  數(shù)理統(tǒng)計(jì)與管理. 2017(01)
[6]城投債風(fēng)險(xiǎn)研究與分析[J]. 孫萬(wàn)欣.  財(cái)會(huì)通訊. 2011(24)
[7]市政債券的風(fēng)險(xiǎn)識(shí)別與控制策略[J]. 韓立巖,牟暉,王哲兵.  管理世界. 2005(03)

碩士論文
[1]地方政府投融資平臺(tái)信用評(píng)價(jià)及風(fēng)險(xiǎn)管理[D]. 吳慧娟.天津大學(xué) 2010



本文編號(hào)：3468237