评级调整系列专题之三基于评级调整的投资策略与个券筛选_25页_1mb
报告摘要
基于评级调整的投资策略与个券筛选总结
核心内容
本文聚焦于2019年债券市场,提出基于评级调整的投资策略,通过定量分析和初步筛选,识别出可能评级上调或下调的个券。文章构建了预测函数,对2019年的指标权重进行了调整,并结合定性分析进行进一步筛选,以提高预测的准确性和实用性。
主要观点
- 策略构建方法:基于2014年至2017年的历史数据,构建了投资策略,并将其分为初步筛选和精确筛选两个层面。
- 变量选择框架:定量因素分为基本偿债能力与边际变化影响,其中基本偿债能力包括长期和短期偿债能力指标,边际变化影响包括经营、筹资和投资指标的变化率。
- 预测函数构建:采用logit函数回归求得自变量系数,表示每个指标变化对评级调整的影响程度。
- 2019年指标调整:根据宏观经济状况和行业特性,对盈利、投资和筹资指标的权重进行了调整,以适应2019年的市场环境。
- 筛选结果:通过初步筛选和进一步筛选,提高了对评级调整的预测正确率。
关键信息
1. 投资策略构建与回测
-
数据来源:2014年1月至2017年12月的短期融资券、中期票据、公司债、企业债。
-
变量定义:
y: 评级是否调整(1为调整,0为未调整)revenue: 营业总收入变化率profit: 销售毛利率变化率turnover: 存货周转率变化率finance: 筹资活动现金流流入变化率debt2: (短期借款+一年内到期的非流动负债)变化率invest: 投资活动现金流出变化率invest/operate: (投资活动现金流出/经营活动现金流入)变化率debt: 资产负债率变化率ebit: EBIT利息保障倍数变化率liquid: 流动比率变化率cash: (经营活动现金流/总债务)变化率asset: 总资产变化率volume: (EBIT/短期借款+一年内到期的非流动负债)变化率gov: 地方政府负债率变化率
-
策略函数:
- 产业债上调:
$$
\text{score} = 0.2 \times \text{revenue} + 0.02 \times \text{profit} - 2.5 \times \text{debt} + 0.04 \times \text{ebit} + 0.02 \times \text{cash} + 2.0 \times \text{asset} + 0.02 \times \text{finance} - 0.01 \times \text{debt2} - 0.04 \times \text{invest}
$$ - 城投债上调:
$$
\text{score} = 0.05 \times \text{revenue} + 0.08 \times \text{profit} + 0.02 \times \text{finance} - 0.01 \times \text{invest} - 2.5 \times \text{debt} + 2.8 \times \text{asset} - 0.4 \times \text{gov}
$$ - 产业债下调:
$$
\text{score} = -2.0 \times \text{revenue} - 0.25 \times \text{profit} - 0.05 \times \text{finance} + 0.01 \times \text{invest/operate} + 2.5 \times \text{debt} - 0.12 \times \text{ebit} - 0.03 \times \text{volume} - 0.05 \times \text{liquid} - 2.3 \times \text{asset}
$$ - 城投债下调:
$$
\text{score} = -0.45 \times \text{finance} + 1.0 \times \text{debt} - 0.2 \times \text{ebit} - 1.0 \times \text{liquid} - 0.2 \times \text{volume} + 1.2 \times \text{gov} + 0.02 \times \text{invest} - 0.03 \times \text{cash}
$$
- 产业债上调:
-
回测结果:
- 产业债上调:前25名正确率由7%提升至25% - 30%
- 城投债上调:前20名正确率由5.6%提升至35% - 40%
- 产业债下调:前30名正确率由4%提升至17%
- 城投债下调:前40名正确率由0.8%提升至6% - 8%
2. 2019年预测函数及关键指标调整
-
宏观层面调整:
- 调大盈利系数权重,调低筹资权重,额外调低高评级、上市公司和国企的筹资权重系数。
- 考虑到2019年下半年产业债到期量较大,调整了评级下调的权重。
-
行业层面调整:
- 对不同行业进行分行业调整,以适应行业特性。
3. 主体筛选与预测
- 产业债上调:建议取得分前2%的主体,进行下一步的深度筛选。
- 城投债上调:建议取得分前3%的主体,进行下一步的深度筛选。
- 产业债下调:建议取得分前2%的主体,进行下一步的深度筛选。
- 城投债下调:建议取得分前2.5%的主体,进行下一步的深度筛选。
注意事项与改进
- 异常指标处理:对异常值不宜直接套用函数进行计算,应单独分析、剔除或进行对数化处理。
- 定性分析:在初步筛选后,应结合定性分析和行业特征变量进一步筛选,以提高预测正确率。
- 交易成本与收益:当交易成本低于成功率乘以上调获得的收益(或规避下调获得的收益)时,才有利可图。
- 模型优化建议:建议投资者尝试构建自己的模型,例如设置阈值,将变量调整为1,0进行调整,或采用风险点数量的逻辑,以提升准确率。
图表目录
- 图1:自变量选择框架:基本偿债能力+边际变化影响
- 图2:产业债上调:得分前25的公司预测正确率 25% - 30%
- 图3:产业债评级上调调整项
- 图4:城投债上调:得分前30的公司预测正确率 35% - 40%
- 图5:城投债评级上调调整项
- 图6:得分前30的公司预测正确率 17% 左右
- 图7:产业债评级下调调整项
- 图8:得分前40的公司预测正确率 6% - 8%
- 图9:城投债评级下调调整项
- 图10:分行业个券初步筛选思路
- 图11:个券定性分析思路
- 图12:通过预判评级调整构建投资策略的流程
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载