论文部分内容阅读
信用债作为债券市场的重要组成部分,是企业重要的融资工具,主要依靠主体的信用发行,没有国家信用做背书且没有担保资产和抵押物,相比于抵押债券,信用债存在较大的违约风险。自2014年中国债券市场的“刚性兑付”被打破至今,信用债的违约规模逐年增加。在去杠杆和强监管背景下,投资者的风险偏好下降,发债主体的融资渠道受限,同时监管政策全面封堵各类表外和非标通道,表外杠杆高,融资渠道普遍收紧的企业无法依靠表内和自身现金流偿还到期债务,发行的信用债极易出现违约。因此,信用债违约风险已引起学者和业界的关注。本文研究了信用债的违约概率估计。主要将弹性网惩罚方法与离散时间风险模型相结合分别建立单期静态和含有多期滞后变量的动态弹性网惩罚风险模型估计信用债的违约概率,并构建违约风险预警体系。通过风险模型实现对信用债违约风险的预测;通过弹性网惩罚方法完成对违约概率重要影响因素的识别,同时避免lasso变量选择方法中过度剔除重要解释变量的问题,保证模型预测的精确度和解释力。为了检验模型的预测效果,本文基于2014-2018年8月31日期间中国信用债市场违约和非违约数据进行实证分析,将弹性网惩罚风险模型与lasso和岭回归惩罚风险模型预测结果的两类犯错率、AUC值和模型的解释能力进行比较,验证弹性网惩罚风险模型在估计信用债违约概率方面的适用性和优越性,为信用债违约预警体系的构建提供理论依据。本文基于中国信用债市场2014-2018年8月31日期间违约的信用债数据,从三个单期惩罚风险模型中选择最佳的模型来估计违约概率,用含有多期滞后变量的弹性网惩罚风险模型估计信用债的违约概率,结果表明:第一,在弹性网、lasso和岭回归三种惩罚风险模型中,基于混淆矩阵、AUC值和模型的解释力准则,弹性网惩罚风险模型对估计信用债违约概率的效果最好;其次,对于不同的预测时点,估计违约概率的风险指标是不同的。弹性网惩罚风险模型预测结果的准确性优于其它两种模型,鲁棒性较高;第三,含多期滞后变量的惩罚风险模型对信用债违约概率估计的准确度、真阳性率和AUC值均高于单期惩罚风险模型,说明含有多期滞后因子的风险指标体系能够全面反应信用债的违约风险;第四,发债主体的财务变量对评估债券违约概率和构建债券违约概率预警体系的作用显著,尤其是企业的盈利能力和财务杠杆率。此外,宏观经济变量、发债主体的性质和债券自身特征对违约概率的影响也不可忽视,且宏观经济变量的影响有一定的滞后性。