參考穆迪對(duì)違約過(guò)程泊松強(qiáng)度的估計(jì)方法,本文結(jié)合中國(guó)市場(chǎng)實(shí)際,選取宏觀經(jīng)濟(jì)、債券市場(chǎng)、公司個(gè)體三個(gè)層面的影響因素構(gòu)建違約預(yù)測(cè)模型,并分別采用存量、滾動(dòng)違約率計(jì)算歷史違約率,比較二者在預(yù)測(cè)模型中的表現(xiàn)差異。結(jié)果顯示:采用滾動(dòng)違約率時(shí),違約預(yù)測(cè)模型更能捕捉債券違約影響因素的動(dòng)態(tài)變化,預(yù)測(cè)效果更好;當(dāng)前違約債券處置出清周期較長(zhǎng),存量違約率波動(dòng)性較弱,反映市場(chǎng)信用狀況的靈敏性較差。本文的政策建議是滾動(dòng)違約率更適宜作為債券市場(chǎng)歷史違約率計(jì)算方法,相關(guān)部門(mén)應(yīng)統(tǒng)籌優(yōu)化我國(guó)債券市場(chǎng)違約率計(jì)算方法,逐步將存量違約率轉(zhuǎn)變?yōu)闈L動(dòng)違約率,構(gòu)建起更加有效的"信用狀況風(fēng)向標(biāo)",促進(jìn)我國(guó)債券市場(chǎng)長(zhǎng)期穩(wěn)健發(fā)展。

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

圖1 模型構(gòu)建技術(shù)路線圖

因此，本文選擇多元回歸模型作為預(yù)測(cè)模型，考察不同歷史違約率在債券違約預(yù)測(cè)中的效果，以期對(duì)未來(lái)債券市場(chǎng)分析和研究中這一重要基礎(chǔ)變量的選擇有所探討。三、模型構(gòu)建

圖2 各行業(yè)違約債券金額及違約率分布(按金額)

從選取樣本中違約事件的行業(yè)分布看(如圖2、圖3所示)，違約多集中在制造業(yè)、建筑業(yè)、交通運(yùn)輸業(yè)、采掘業(yè)等重資產(chǎn)、強(qiáng)周期行業(yè)。其中制造業(yè)累計(jì)違約金額638億元，違約主體占市場(chǎng)違約總數(shù)的48%，行業(yè)債券違約率3.71%；同時(shí)批發(fā)零售業(yè)的中小規(guī)模主體占比大，面臨上游供給和下游需求的不確定....

圖3 各行業(yè)違約發(fā)行人數(shù)量占市場(chǎng)違約總數(shù)的比例(按主體)

圖2各行業(yè)違約債券金額及違約率分布(按金額)市場(chǎng)整體存量/滾動(dòng)違約率變化趨勢(shì)及波動(dòng)情況如圖4所示。從變化趨勢(shì)看，存量違約率波動(dòng)較小，難以直觀反映市場(chǎng)信用狀況的邊際變化，而滾動(dòng)違約率波動(dòng)性更大，對(duì)于市場(chǎng)信用狀況的變化更為敏感。例如，2019年上半年我國(guó)債券市場(chǎng)新增違約未償還金額約....

圖4 我國(guó)債券市場(chǎng)存量/滾動(dòng)違約率變化情況

從波動(dòng)情況看，存量違約率波動(dòng)性顯著低于滾動(dòng)違約率，滾動(dòng)違約率對(duì)市場(chǎng)變化更加敏感。存量方法更加關(guān)注“總量”，而滾動(dòng)方法重點(diǎn)體現(xiàn)“邊際變化”，從而導(dǎo)致二者波動(dòng)性差異。例如，當(dāng)2018年下半年債券違約驟增、信用狀況逐漸惡化時(shí)，滾動(dòng)違約率變化拐點(diǎn)較為明顯，而存量違約率的變化幅度相對(duì)較小。....

本文編號(hào)：4035230