20260627-光大证券-_固收_哪些产业债的评级可能下调_量化学习笔记之五_张旭_2页_269kb

固收：哪些产业债的评级可能下调？——量化学习笔记之五（张旭）

核心内容概述

本报告基于深度学习算法构建了一个产业债发行人评级下调的预测模型，旨在通过量化分析识别潜在的评级下调风险。报告以2019年至2026年产业债发行人的历史数据为样本，分别使用稳健型、平衡型和激进型三种风险偏好模型进行预测，并对模型表现进行了评估。

建模思路与优化

• 模型目标：以产业债发行人评级下调为预测目标，构建神经网络分类模型。
• 损失函数优化：通过引入类别权重 $\theta$，对评级下调类别赋予更高的惩罚系数，提升模型对下调风险的识别能力。
• 风险偏好模型分类：
  • 稳健型（$\theta = 10$）：注重降低误报率，适合追求稳健策略的投资者。
  • 平衡型（$\theta = 25$）：在误报与漏报之间寻求平衡，适合对信用风险敏感但愿意承担一定调仓成本的投资者。
  • 激进型（$\theta = 50$）：尽可能减少漏报，适合对信用事件容忍度极低的投资者。

模型表现评估

• 预测胜率：
  • 稳健型模型：96.37%
  • 平衡型模型：90.86%
  • 激进型模型：85.94%
• 加权F1值：
  • 稳健型模型：97.92%
  • 平衡型模型：94.98%
  • 激进型模型：92.20%
• 精确率（Precise）：
  • 稳健型模型：99.88%
  • 平衡型模型：99.94%
  • 激进型模型：99.96%
• 召回率（Recall）：
  • 稳健型模型：53.85%
  • 平衡型模型：76.92%
  • 激进型模型：84.62%

模型在不同风险偏好下的表现存在差异，稳健型模型在精确率上表现最优，但召回率较低；激进型模型则在召回率上表现最佳，但可能产生较多误报。

2026年6-12月预测结果

截至2026年5月末，存续产业债发行人共计2118家。基于其2025年年报及过往数据，模型对不同风险偏好下的发行人进行评级下调预测：

• 稳健型模型：预测16家发行人可能发生评级下调，其中AAA级主体3家。
• 平衡型模型：预测154家发行人可能发生评级下调，其中AAA级主体72家。
• 激进型模型：预测355家发行人可能发生评级下调，其中AAA级主体169家。

这表明随着 $\theta$ 值的增大，模型对潜在下调风险的敏感度提高，预警数量也随之增加。

关键信息与风险提示

• 模型适用性：三种模型分别适用于不同风险偏好的投资者，可根据自身策略选择合适的模型。
• 数据来源：模型训练基于2019年至测试集对应年份之前的年度数据，预测基于2025年年报。
• 风险提示：
  • 模型存在预测误差；
  • 存在过拟合或欠拟合的风险；
  • 模型基于历史数据训练，可能存在未来失效的风险。

总结

本报告通过构建基于深度学习的产业债评级下调预测模型，为投资者提供了不同风险偏好的预警方案。模型在预测胜率和精确率方面表现良好，但召回率随着 $\theta$ 增大而提升，意味着更高的预警敏感度。投资者可根据自身风险偏好选择合适的模型进行决策，但需注意模型预测的局限性及潜在风险。