20171225-渤海证券-信用评级调整专题报告之二_产业债主体信用等级上调决定因素的定量研究_22页_1mb

产业债主体信用等级上调决定因素的定量研究总结

核心内容

本报告通过定量分析方法，研究产业债主体信用等级上调的影响因素，旨在为信用债投资提供策略参考。报告基于2012-2016年期间的产业债数据，结合logit模型和逐步回归方法，筛选出关键财务指标，并通过设定不同阈值对上调可能性进行分类，构建投资组合以获取超额收益。

主要观点

• 评级上调对估值的影响：评级上调通常意味着信用资质改善，从而拉低信用风险溢价，提升债券估值。实证数据显示，样本组合在评级上调前后表现出显著的超额回报，特别是在上调日后。
• 财务指标的重要性：在财务信息有效的情况下，财务指标的变化能够反映企业经营状况的改善，是信用评级上调的重要信号。
• 模型构建与筛选：通过逐步回归筛选出影响信用等级上调的关键财务指标，包括盈利能力、偿债能力、成长能力、周转能力等，并结合控制变量（如企业属性、行业产出增速、企业规模等）进行分析。
• 阈值的设定：不采用统一的0.5阈值，而是根据模型识别需要设定三个不同阈值（0.22、0.71、0.94），以满足不同筛选需求，提高模型的实用性。
• 模型效果：模型在预测信用等级上调方面表现出较好的准确率，AUC值达到80.09%。在模拟测试中，投资组合非年化回报率为3.26%，显著高于业绩基准。
• 策略适用性：该策略更适合作为辅助型投资策略，用于优化已有投资组合，而非替代性策略。其有效性依赖于对财务指标变化的跟踪和对市场环境的判断。

关键信息

2.1 样本选择

• 样本范围：2012-2016年有存续债券的产业债主体。
• 筛选标准：仅保留每年4-7月评级上调的主体，剔除等级为AAA、评级缺失、评级机构变更、发生过违约、财务数据缺失的主体。
• 最终样本：446个主体，其中152个发生评级上调，共168次。

2.2 指标筛选

• 选择24个财务指标，分为四个类别：盈利能力（4项）、偿债能力（8项）、成长能力（9项）、周转能力（3项）。
• 控制变量：企业属性、企业规模、行业产出增速、近三年评级调整情况、上年末评级等。

2.3 变量设定

• 被解释变量：是否发生信用等级上调（Y_it = 1或0）。
• 解释变量：财务指标的变化量，如销售毛利率、净资产收益率、资产负债率、EBITDA利息倍数等。
• 控制变量：企业是否为地方国企、是否为AA及以上评级、行业产出增速等。

2.4 数据处理

• 流量指标（如利润、收入）与去年同期比较。
• 存量指标（如资产、负债）与上年末数据比较。
• 比例形式指标：根据分子与分母类型决定比较方式。
• 统一量纲为百分比（%）。

2.5 模型构建

• 采用面板logit模型，进行计量检验。
• 通过BP_LM检验确认使用混合模型。
• 最终模型包含以下变量：
  • 解释变量：净资产收益率、资产负债率、EBITDA利息倍数、总资产增长率、净利润增长率、总资产周转率。
  • 控制变量：近三年是否被下调评级、行业产出平均增速、上年末净资产规模、是否AA评级、是否AA+及以上评级。
• VIF检验结果显示，模型中的多重共线性问题已有效控制。

2.6 实证分析

• 模型预测准确率较高，AUC值为80.09%。
• 阈值设定为0.22、0.71、0.94，分别对应不同筛选目标：
  • 0.22：筛选出27.64%的实际上调主体。
  • 0.71：筛选出40.63%的实际上调主体。
  • 0.94：筛选出50%的实际上调主体。

4.效果评估

• 在5月3日至12月15日期间，投资组合非年化回报率为3.26%，高于业绩基准（1.1%、1.97%）。
• 在4月1日至12月15日期间，投资组合非年化回报率同样为3.26%，高于同期业绩基准（0.46%、1.47%）。

5.投资组合构建与回测

• 构建投资组合时，选择AA及以上评级、久期小于3的债券。
• 模拟组合包含10只债券，其中5只在测试期间发生上调。
• 模拟组合在持有至到期策略下，仍能获得显著的超额收益。

结论与建议

• 投资建议：评级上调可能带来估值提升，从而提高投资回报。在没有充足外部信息的情况下，通过观察财务指标变化来判断上调可能性是一种可行的策略。
• 策略适用性：该策略适用于优化已有投资组合，作为辅助性投资策略使用，不建议作为唯一投资依据。
• 风险提示：即使有上调可能性，也不代表完全没有信用风险，尤其在财务数据不真实的情况下。
• 阈值灵活性：应根据投资目的灵活选择阈值，以满足不同风险偏好和收益目标。

附录：关键指标与变量

• 被解释变量：是否评级上调（Y_it）。
• 解释变量：包括盈利能力、偿债能力、成长能力、周转能力等财务指标的变化量。
• 控制变量：企业属性、行业产出增速、企业规模、近三年评级调整情况等。

图表概览

• 图1：以新综合指数为基准的超额回报。
• 图2：以新高信用等级指数为基准的超额回报。
• 图3：预测模型的ROC曲线及AUC值。
• 图4：两类样本集合预测值的概率密度分布。
• 图5：2017年样本预测值的概率密度分布。
• 图6：中债财富指数。

表格概览

• 表1：用于信用等级上调预测的模型变量。
• 表2：关键变量的多重共线性检验。
• 表3：BP_LM检验结果。
• 表4：logit模型回归结果。
• 表5：模拟构建的投资组合。

本报告旨在通过定量分析方法，为信用债投资提供参考，帮助投资者识别信用等级上调的可能，从而优化资产配置，提升投资收益。