城投专题研究：哪些区域主平台的负面舆情隔离能力更强？-20230817-西南证券-24页_1mb

文档总结：哪些区域主平台的负面舆情隔离能力更强？

核心内容概述

本文探讨了不同区域地市级主平台在面对低层级负面舆情时的隔离能力差异。通过构建负面舆情隔离能力模型，结合主观因素与客观数据，研究了负面舆情对城投债估值的影响，并尝试通过改进算法提高模型的解释力与准确性。

主要观点

• 负面舆情对城投债估值的影响日益显著，但不同区域的反应差异较大。
• 负面舆情隔离能力可量化为负面舆情对主平台估值影响的大小，隔离能力越强，影响越小。
• 模型构建的解释变量包括五个类别：区域基本面因素、持有人风险特征因素、区域平台关联度因素、舆情自身因素、承接深度。
• 模型方法上采用了投影寻踪聚类法，因其在数据与指标假设上的灵活性，更适合本研究。
• 模型有效性验证显示，隔离能力指标与超额利差变化呈负相关（相关系数为-0.64），但解释力有限，原因包括指标解释力不均、聚类样本连续性差、验证样本数量有限和时间口径不完美。
• 为提升模型精度，引入了粒子群算法进行优化，增强了全局搜索能力，相关系数提升至-0.66，但仍存在提升空间。

关键信息

模型指标体系

模型有效性验证结果

• 传统投影寻踪法：
  • 与验证样本的超额利差变化呈负相关，相关系数为-0.64。
  • 对不同负面舆情类型的解释力存在差异：
    • 被执行人：相关系数为-0.95，解释力最强。
    • 非标舆情：相关系数为-0.70，解释力尚可。
    • 商票逾期：相关系数为0.42，解释力较弱。
• 改进投影寻踪法（粒子群优化）：
  • 与验证样本的超额利差变化呈负相关，相关系数为-0.66。
  • 改进后的模型在一定程度上提升了解释力，但解释力仍有限。

投资建议

• 传统模型：
  • 隔离能力强（指标值在[0.6,1]）的区域地市级主平台包括：江西、湖南、河南、山东和安徽。
  • 未发生负面舆情的江西、湖南、安徽区域结果更为准确，具有较好的性价比。
• 改进模型：
  • 隔离能力强（指标值在[0.6,1]）的区域地市级主平台包括：湖北、河北、湖南、河南、山东和安徽。
  • 未发生负面舆情的湖北、湖南、安徽区域结果更为准确，具有较好的性价比。

风险提示

• 统计误差：模型基于样本数据，存在一定的统计偏差。
• 指标选择误差：部分指标因数据易得性限制，存在一定的局限性。
• 城投相关政策收紧超预期：可能影响区域主平台的估值表现。
• 货币政策收紧超预期：可能对市场流动性产生影响，从而影响负面舆情对估值的影响程度。

算法改进要点

• 采用粒子群算法优化投影寻踪模型，增强全局搜索能力，避免陷入局部最优解。
• 粒子群算法通过粒子之间共享信息，不断调整运动方向和速度，向最优解靠近。
• 算法改进后，相关系数有所提升，但模型仍需更多验证样本和更统一的时间口径。

结论

尽管模型在解释负面舆情隔离能力方面具有一定的效果，但仍有较大的优化空间。未来研究可进一步提升数据质量和模型精度，以更好地服务于投资决策。