城投債是近10年來我國地方政府籌措基礎設施建設資金的主要融資工具,由于其發(fā)行基于政府信用,且短期違約風險普遍很低,通常都能獲得較高評級;但這使得其評級辨識度較低,且評級調(diào)整較少,不能夠真確反映城投債的信用風險及其歷時變化。本文考察了城投債的發(fā)展現(xiàn)狀和特點,并提出一個基于多因素Logistic回歸的信用評分卡模型對城投債信用風險進行測算:選取3965個城投債發(fā)行主體進行模型開發(fā)和驗證,通過單因素篩選、變量轉換、logistic回歸,確定在整體顯著性、擬合度和預測準確率上表現(xiàn)最優(yōu)的模型作為最終測算模型;并基于該測算模型建立一個評分卡評分模型。論文最后提出若干政策建議。 

【文章來源】：數(shù)理統(tǒng)計與管理. 2020,39(04)北大核心CSSCI

【文章頁數(shù)】：16 頁

【部分圖文】：

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

０１６年全年的６倍。進一步分析這些關注類評級調(diào)整行動的起??因，主要包括資產(chǎn)劃轉和重組、股東變更、業(yè)績下滑、新增借款或?qū)ν鈸］^多、抵質(zhì)押占比??高、城投提前償還等。這一方面與負面事件頻發(fā)背景下評級公司風險偏好下降，Ｘ＃于突發(fā)事件??或不確定性事件的關注度提升有關；另一方面也說明了城投債市場存量風險和不確定性正日??益增長。??１４０??■正面評級行動?■關注類評級行動?■負面評級行動??圖４?２＿〇〇１２＿０＿１７年城投債評級調(diào)整次數(shù)（數(shù)據(jù)來源：ｗｉｎｄ）??２５??圖５近三年來分地區(qū)城投債負面評級調(diào)整行動次數(shù)（數(shù)據(jù)來源：ｗｉｎｄ）??３、城投債負面評級調(diào)整行動的分布在地域上存在較大不均衡性，說明城投債市場風險地??區(qū)分布較不均衡。綜合近三年來的數(shù)據(jù)，發(fā)生負面評級調(diào)整行動次數(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??發(fā)生負面評級行動１７次，占同期全部城投發(fā)行人負面調(diào)整次數(shù)的一半。參見圖５，進一步分??析這些案例，不難發(fā)現(xiàn)，地方政府對城投企業(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)濟景氣度下滑、財政實力弱化、當?shù)卣畟鶆肇摀咂蟮纫蛩鼐鶗魅醍數(shù)爻??投的信用資質(zhì)，從而引發(fā)負面評級調(diào)整行動。譬如遼寧省近年來經(jīng)濟數(shù)據(jù)存在水分、傳統(tǒng)工業(yè)??經(jīng)濟持續(xù)萎靡，所轄縣市在２０１１年至２０１４年普遍存在經(jīng)濟數(shù)據(jù)造假問題，各項經(jīng)濟財政數(shù)據(jù)??出現(xiàn)大幅下滑，其中２Ｑ１６年ＧＤＰ下降２ＪＩＩ，一般預算收入在２Ｑ１５年已同比下滑３３，劇的??低基數(shù)下僅實現(xiàn)３．４■的正增長，各項指標均顯著低于全國水平和往年數(shù)據(jù)。地區(qū)經(jīng)濟環(huán)境和??財政實力的惡

７１６??數(shù)理統(tǒng)計與管理??第３９卷第４期２０２０年７月??模型６??模型２５??模型２８??誤報早?誤報率?誤報率??圖６模型＿ＲＯＣ．曲線??６實證結果分析??最終確定的評級模型公式如下：??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回歸的因變量是對數(shù)發(fā)生比Ｉｎ?因此每個自變量的估計系數(shù)可以解釋為??該自變量對對數(shù)發(fā)生比的作用。但是對數(shù)發(fā)生比沒有一個直觀的含義，所以通常將其轉換為??發(fā)生比（４也）即將模型等式兩側取自然對數(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ａ的值增加都會導致發(fā)生比的減少。??例如，企業(yè)７的ＯＣ０２０?（現(xiàn)金主營業(yè)務收入比率）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）。??表１４最終評級模型（模型的??自變量??系數(shù)??截距項??－３．７５７４??ＯＣ０２０??現(xiàn)金主營業(yè)務收入比率??－１．１６５７＊＊＊??ＳＺ００７??營業(yè)收入??－０．９６９５＊＊??ＧＲ０１１??流

【參考文獻】：
期刊論文
[1]房地產(chǎn)業(yè)對中國城市金融穩(wěn)定的影響研究——基于空間計量模型的比較分析[J]. 李斌,盧明煒,張所地,范新英.  數(shù)理統(tǒng)計與管理. 2019(02)
[2]中國房地產(chǎn)市場的聯(lián)動效應和溢出效應分析——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)計與管理. 2018(04)
[3]中國城市房價時空特征與影響機制研究——基于貝葉斯分域時空模型的實證[J]. 韓秀蘭,李俊明.  數(shù)理統(tǒng)計與管理. 2018(05)
[4]城投債風險度量及優(yōu)質(zhì)平臺遴選分析[J]. 丁繼平.  債券. 2017(01)
[5]信息披露扭曲下企業(yè)債券違約風險量化研究[J]. 吳建華,張穎,王新軍.  數(shù)理統(tǒng)計與管理. 2017(01)
[6]城投債風險研究與分析[J]. 孫萬欣.  財會通訊. 2011(24)
[7]市政債券的風險識別與控制策略[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信用評價及風險管理[D]. 吳慧娟.天津大學 2010



本文編號：3468237