设计及指标体系权重设置，最后对模型评级效果进行了检验。
关键词：信用债券 评级模型 主成分分析 权重设置
监管环境和债券市场的发展使得金融机构未来将承担更多的个体投资信用风险，机构的长期盈利目标也迫切要求自身强化风险识别与资产配置能力。其中关键环节在于借助内部评级体系实现有效的风险评估和资产选择。正确的信用评级以科学的评级模型为基础，以公正合理的专家评审规则为保障。因此，评级模型的构建至关重要。
国际机构评级模型的启示与国内评级模型的自身要求
（一）国际机构评级模型的特点及启示
本文以穆迪的钢铁行业和煤炭行业两个评级模型为例进行分析，发现其具有如下特点：（1）定量指标权重占比很高，数据可靠性和客观性较高，指标数量虽不多，但覆盖了经营与财务的核心要素，简洁明了，具有较强的可操作性；（2）在运营规模和财务稳健性指标上，穆迪对钢铁行业配置更高的权重；（3）重视经营性现金流对债务的保障程度；（4）对煤炭行业注重资源储备和经营多元化的考察，虽然钢铁行业对上游铁矿石依赖程度较高，但穆迪模型并未设置资源控制方面的指标；（5）两个行业模型的权重配比和指标设置存在较明显的行业差异；（6）重视现实的公司财务稳健性考察。
根据上述分析，笔者认为穆迪模型不乏借鉴之处：（1）指标简单、数量较少，但能覆盖核心要素，代表性强；（2）注重财务稳健性考察而不是盈利，强调评级模型的行业风险特征差异。
（二）中国信用债券评级模型的自身要求
尽管穆迪模型不乏借鉴之处，但构建中国信用债券评级模型要有自身特点而不能照搬其固有框架。
1.国内信用评级范围（rating scope）不同于国际机构
本文界定的评级范围为中国国内，被评的行业信用和个体信用均在国内范围内进行排序，评级结果表明其在国内的风险序列，不受主权评级上限的约束。这与国际机构全球化的评级范围有显著的不同。
从经济发展阶段和市场结构来看，中国作为新兴市场与发达市场也存在不同之处：中国市场行业集中度相对不高，公司竞争力主要依靠规模或来自外部的特许支持；在对待发行人违约的态度上，中国市场的容忍度低，发行人理性违约的案例尚未出现。因此，中国信用债评级模型在方法论上应与国际机构存在一定差异。
2.定量与定性相结合
穆迪模型较多依据定量数据，对财务报表依赖性较高。这种思路比较适合于国内一般竞争性工商企业。由于国内国有企业、金融集团和地方政府平台为主要债券发行人，且行业集中于公用事业、交通运输和城投平台，这些发行人中相当一部分拥有较强的政府支持背景，这在定量指标中难以充分反映，且就中短期来看，表现欠佳的财务指标并不会实质性影响其偿付能力。此外，从信用分析的基本原理来看，发行人的自身营运能力固然重要，来自外部的再融资支持也是不可或缺的重要因素，尤其是涉及国计民生的央企集团和地方国有企业集团。所以，构建中国信用债券评级模型需要将定量评价和定性评价相互结合，结合的比例值得研究。
3.国内主体运营能力评估的重要性上升
近期中国经济增速放缓并承受下行压力。在此之前，国内市场较快的发展速度推动固定资产投资项目增加较多，形成较大的产能压力，企业财务杠杆整体上也被推升至较高水平。所以，企业层面总体上存在发展方向的不确定性，这使得反映过去经营业绩和财务状况的财务指标不能够前瞻性地反映未来的信用品质，更难以度量跨周期的信用等级。因此，应该适当增加主体运营能力定性评估要素的比重。
4.增加驱动性因子考察
穆迪模型较多采用监测性因子而未使用驱动性因子，不适合国内的实际情况。无论是行政手段还是市场机制，只要带来发行人的信用优势，都应给予认可。如国有大型煤炭集团拥有的资源储备优势，国有商业银行拥有的全国性储蓄网络优势，以及部分垄断行业中的主导企业特许经营优势，这些可以给未来财务表现带来明显正面影响的因素，作为驱动性因子需要在评级模型中得到体现，并予以适当强化。
考虑到所处的宏观经济发展阶段和债券市场结构特点，中国信用债评级模型比较适合的评级哲学是：以经营和财务风险的定量指标考察为基础因子，以宏观经济评价、行业信用评估、主体运营定性考察为调节因子，针对行业风险特征差异，合理配置基础因子和调节因子比重。
中国信用债评级体系设计及指标体系权重设置
（一）中国信用债评级体系设计
评级模型的构建要实现有效的信用风险管理和信用债投资决策支持两个目标，而这取决于信用风险识别的全面性、风险因子评估和度量的科学性，这些又需借助于信用评级体系来落实。信用评级体系的核心是主体信用评级，宏观经济环境评价和行业信用评估是主体信用评级的基础保障和重要调整因素（见图1）。
图1 信用债评级体系示意图
1.宏观经济环境评价
宏观经济是造成发行人偿付风险的风险源之一，尽管主体评级具有跨周期特点，但一旦新的数据可以帮助确认原有的宏观经济认识需要修正，则需要重新进行宏观经济环境评估，并根据评估结果修订该评级周期内的宏观经济调节系数。该系数将调整该评级周期内的全部评级，表明该评级周期内的总体信用等级都受到宏观经济变化的影响。
2.行业信用评估
以行业整体作为评级对象，是因为行业代表了同类型公司的共同风险特征。行业信用评估是主体评级的重要基础，其结果是由该行业在宏观经济环境中的抗风险能力及其与其他行业之间竞争优势对比而产生的，是影响公司偿付能力的重要驱动性因子，也是影响主体信用等级的重要调节因子。本文以申万行业三级分类作为行业信用评估对象的基础，并根据债券发行情况和行业特征确定48个三级行业作为评估对象，这48个行业发行量占信用债存量比重超过95%，具有较强的代表性。
本文选取三个方面作为行业信用评估要素：行业适应宏观周期与经济政策能力、行业在国民经济和市场结构中的竞争优势和行业财务稳健性，每个要素又包含诸多定量或定性指标，根据重要性原则设置各种权重，对行业总体信用水平排序确认信用评分和信用等级。此项评估定期进行，以把握行业信用动态，对主体信用评级的等级上限具有一定的指导作用，也用于主体评级时计算宏观经济环境和行业状况要素的评分。
3.主体信用评级
（1）主体评级以信用分析为基础
主体信用评级是评级体系的核心，也是确定债项评级的基础。在主体信用评级过程中，首先要进行信用风险要素的识别、分析、评价，然后利用评级模型予以度量、形成信用等级，最后将标示信用等级简单明了的符号向使用者发布。分析框架要详尽分析各种要素，以形成风险识别与评估意见；评级模型则是选择适当的评价指标根据其重要性进行风险度量。所以分析框架包含的指标内容可以有很多个，但运用于评估和度量的指标则需具有较好的代表性，并非越多越好，评级模型中的指标筛选和权重设置还要遵循建模规则的要求。
（2）主体信用分析以现金流为主线
信用分析不同于价值分析，其分析的目标是要度量偿付能力。偿还债务的是现金而不是盈利，所以信用分析必须以现金流为主线。预期充裕的现金流代表了很强的偿付能力，但较佳的盈利指标并不表示信用等级就高。
主体现金流入主要来自于经营性流入、再融资流入和资产处置产生的现金流入。其中经营性流入是现金流的基础，但再融资现金流入同样支持主体的偿债能力，所以拥有很高再融资能力的发行人也可以获得较高的信用等级。
以现金流分析为主线的信用分析思路在评级模型中体现为选取现金流覆盖指标（如EBITDA利息倍数、经营性现金净流量/流动负债、EBITDA/负债、经营性现金净流量/负债、自由现金净流量/负债）进入评级模型，并占有相当的权重。
由以上三个层次评级组成的体系，能够形成较好的信用评级区分度，不仅区分了发行主体之间的信用品质，还区分了不同行业总体的信用品质，以及不同经济周期之间的差异，便于投资者甄别投资时机，确立行业定位，筛选债券品种，较为适合于金融机构的信用产品投资决策。
（二）指标体系权重设置
指标体系权重设置是构建模型的重要环节，要解决模块权重、要素权重、指标权重三个层次的配比。权重配比包括宏观经济、行业状况、主体运营与主体财务四个模块的配比，定性与定量的配比，驱动性指标和监测性指标的配比，又可称作“大权重配比”；再据此设置评级指标的权重，称作“小权重配比”。权重设置要由大及小，以保障权重总体上合理、科学。
不同行业的权重配比表明了不同行业风险计量侧重点的差异，这种差异之所以存在，是因为行业信用水平对财务指标的依赖程度不同。
1.模块权重设置
确定权重的方法主要有Delphi法和二元对比法两类。前者通过专家评分来确定权重，而二元对比法则是以指标间两两比较为基础来得到权重，避免了对影响因素中所有个体直接进行排序的困难。层次分析法（The Analytical Hierarchy Process，AHP）是美国运筹学家T.L.Saaty于上世纪80年代提出的一种二元对比多目标决策分析方法，其中一种简洁实用的层次分析法（AHP）——和数法则，是基于专业性主观判断（Delphi法的原理）指导下的量化模型，能够科学确立模块权重，并借助指标以确保判断因子的重要性是否满足一致性原则。和数法则的应用是Delphi法和AHP的有机结合。
本文以煤炭行业信用评级为例，通过比较宏观经济环境、行业状况、主体运营和主体财务四个模块的重要性，建立四维矩阵（见表1），即可依据公式计算每个模块的权重，并借助一致性比例（Consistency Ratio， C. R.）对其能否被接受作出判断。
根据层次分析（AHP）理论，用和法确定权重的计算公式为：
其中，i表示行序，j表示列序；Bi表示第i行指标，Bj表示第j列指标，Bij表示第i行指标相对于第j列指标的相对重要程度的量化数值，Bij×Bji=1。
表1 模块判断矩阵与权重计算表（以煤炭行业为例）
上述判断矩阵经过计算，最大特征根 =4.21；
相容性指标C. I.（Consistency Index） = =0.07；
平均随机一致性指标R.I. （Random Index）= 0.89 （查表）；
一致性比例C. R.（Consistency Ratio）= =0.08<0.10；
一般情况下，一致性比例C. R.小于0.10则可判断矩阵具有相容性，据此计算的权重可以被接受。
2.要素权重和指标权重设置
发行人的财务指标分析评价是信用评级的核心内容，由于这一部分数据客观性、可靠性较强，且基本能够较全面地反映公司的现有财务实力和未来的偿付能力，所以其往往占有最大的权重。比如在上述煤炭行业模块权重示例中，主体财务模块的权重占比达52%，远远高于其他模块，如果是一般竞争性工商企业，则财务指标的权重更大。
可以运用于评价发行人信用品质的财务指标很多，国外研究结果表明，有100多个财务指标可以被用于信用评价。而实际上评级模型运用的财务指标个数并非越多越好，存在一个较优的平衡数值。
主成分分析法是解决指标信息重叠问题的多元统计分析方法，可产生一系列互不相关（正交）的新变量，使得度量总体风险的要素维度更加充分，评级要素更加完整，解决了主观定性判断的模糊性问题。在上述新变量中，可以选取方差贡献率排在前几位的变量作为主要解释变量代替原有全部变量。如果说原有全部指标皆为财务指标的话，则被选取的具有代表性的新变量就是评级要素，即运用主成分分析法就实现了财务指标要素化的过程，使得财务指标对信用品质的解释集中在几个主要的评级要素维度上，提升了解释力。
财务指标方差贡献率体现因子和要素对总体结果（财务实力或信用品质）波动性的归因程度，可以作为确定主体财务模块下要素和指标权重的参考。其他模块（如主体运营模块、行业状况模块）由于指标数量不甚多且客观性不强，不宜套用量化模型，仍然采取重要性法则排序选定指标及其权重，如采掘行业的资源储量、医药商业的业务网络、金融机构的净资本实力、政府融资平台的再融资能力，都是影响主体运营模块内的重要驱动性因子，产业类的行业模块中产业链竞争力尤为重要，这些因子都必然占有较高的权重。
在实务操作中，解决财务指标及其评级要素的权重配比，可借助SPSS软件的主成分分析法进行。以煤炭行业评级模型为例，本文选取13个财务指标作为信用品质评价的主体财务模块的内部指标，这里指标的选取存在主观性判断，要考虑什么样的指标与偿付能力最为相关（相关性），且能够全面解释信用品质并作出计量（全面性）两个重要方面，即相关性和全面性是选择指标的两个基本点。如果不符合这两个基本点，后续的定量模型确定权重的方法就不可能导出正确的结果，这体现了数量模型必须在合理的定性分析指导下进行操作的原则。
SPSS软件将57家煤炭企业发行人的各自13个财务指标进行主成分分析，进行标准化处理，得到相关系数矩阵和相关矩阵的特征值、方差贡献率、累计方差贡献率（见表2）。
表2 相关矩阵的特征值、方差贡献率、累计方差贡献率
如表2所示，前4个主成分的贡献占全部指标的82.074%（一般实证经验认为，因子的累计贡献率达到75%就可满足提取要求），信息含量能够代表原来选取的13个指标，且主成分的意义由权重较大的几个指标线性组合而成。以方差极大法对因子载荷矩阵进行旋转（Rotated Component Matrixa）之后（见表3），主成分因子变量的经济含义更加清楚。
表3 旋转的因子载荷矩阵
从表3可知，主成分因子1由资产负债率、带息债务率、速动比率、EBITDA/利息费用、已获利息倍数、经营性现金净流量/流动负债、EBITDA/负债等7个指标线性组合而成，方差贡献率47.366%，代表了反映信用品质的财务指标的大部分内容，反映发行人的财务稳健性，其中资产负债率、带息债务率与信用品质负相关；主成分因子2由净资产收益率、总资产报酬率线性组合而成，反映发行人的资本盈利能力；主成分因子3由毛利率和EBIT收益率线性组合而成，反映发行人的营业盈利能力；主成分因子4由存货周转率和应收账款周转率组成，反映发行人的资产周转效率。主成分因子2和3的方差贡献率远小于主成分因子1的方差贡献率，主成分因子4的贡献率则更小。根据主成分因子各自的方差贡献率和内部因子的相关系数可以确定各自权重（见表4）。
表4 指标权重计算表
进一步分析模型自身生成的4个主成分因子发现，主成分因子2和3的经济意义更为接近，可以归并为盈利能力要素，主成分因子4仅仅包括周转指标，界定为经营效率要素，主成分因子1可以分拆为财务结构（含资产负债率、带息债务率）和债务保障（EBITDA/利息费用、已获利息倍数、经营性现金净流量/流动负债、EBITDA/负债）两个要素。于是，结合主成分经济意义的主观分析可以形成新的4个主成分因子，总的方差贡献率仍然是82.074%，对信用品质的解释力没有改变。
中国信用债评级模型评级效果检验
中国资本市场尚未出现信用债的现实违约，因此尚没有一家权威机构公布违约率统计结果。而市价隐含违约概率代表了市场一致的风险认知，一个适当的模型至少不应该与之过分偏离。在基本趋势上，应该符合“高评级低违约概率，低评级高违约概率”基本规则。
本文选取144只无担保的煤炭行业信用债券作为样本，以同一主体发行的多个债项的加权平均市价隐含违约概率表示主体的违约概率。从32个发行主体的模型评级结果来看，总体上，模型的信用等级区分度较为明显，每个信用等级的市价隐含违约概率与模型评级结果也具有较强的一致性（见表5），模型评级效果总体较好。样本信用等级中位值介于BBB-与BBB之间，信用等级越高则违约概率越低，信用等级越低则违约概率越高，且随信用等级下降越明显，违约概率升高幅度就越大。
表5 模型评级结果的一致性检验表
但也有部分个体的模型评分与其市价隐含违约概率不一致，主要表现在部分总资产规模较大的发行人财务稳健性欠佳，而市价隐含违约概率却较低，另有个别发行人尽管拥有较佳的财务表现但资产规模偏小，市价隐含违约概率明显高于前者。这反映了市场或估值更倚重于发行人的资产规模，财务稳健性则次之。
综上，本文构建的评级模型可以客观衡量公司财务实力和稳健程度，度量其未来偿付能力，模型评级结果总体上也与市价隐含违约概率具有较好的一致性，但个体差异依然存在。对于个别模型评级结果与市价隐含违约概率不一致的原因，值得进一步挖掘。市场或估值过度倚重发行人资产规模的风险认知倾向，可能形成风险趋同的弊端，带来资源错配和系统性风险集聚的隐忧。（本文仅代表作者个人观点，与所在单位无关）
作者单位：工银安盛人寿保险有限公司资产管理部
责任编辑：刘颖 罗邦敏