20180803-广发证券-固定收益研究专题之二_关注风险与收益的两相平衡-一个基于人工神经网络的钢铁债投资价值甄选体系_30页_1016kb

固定收益研究专题之二：关注风险与收益的两相平衡

核心内容概览

本文探讨了钢铁行业债券（钢铁债）在当前市场环境下，如何通过风险与收益的平衡进行投资价值甄选。研究采用人工神经网络模型与信用等级迁移矩阵相结合的方法，对钢铁债的信用风险进行量化分析，并据此提出投资建议。

主要观点

1. 信用风险的双重维度：

   • 违约风险：指债务主体无法按时偿付债务的风险，是信用风险的最终表现。
   • 降级风险：指信用评级机构调低债务主体信用评级的风险，是违约风险的前期信号，具有更高的可预测性。

2. 人工神经网络模型的应用：

   • 通过模仿评级机构的分析逻辑，构建了一套契合钢铁行业的指标体系。
   • 模型使用Sigmoid激活函数，输出各发债主体落在不同信用等级上的概率。
   • 模型在训练集和测试集上分别取得了**91.25%和88.97%**的准确率，具备较高的预测可信度。

3. 信用等级迁移矩阵：

   • 基于历史评级数据，构建了一年期信用等级迁移矩阵。
   • 迁移矩阵能够反映发债主体在不同信用等级间转移的概率，从而用于计算违约概率。
   • 通过吸收态马尔可夫链模型，可以将迁移矩阵拓展至多年期，用于评估长期违约风险。

4. 风险与收益的综合衡量：

   • 引入收益风险比作为衡量投资价值的指标，将夏普比率迁移至信用风险领域。
   • 收益风险比 = 隐含违约概率 / 实际违约概率，反映资产的定价偏离程度。

5. 钢铁债筛选建议：

   • 保守型投资者应关注具备高稳健性的主体，如宝钢股份、河钢集团、鞍钢集团、首钢集团、太钢集团、太钢不锈、武钢集团。
   • 进取型投资者可关注具有信用资质边际改善潜力的主体，如山东钢铁、华菱钢铁、酒钢集团。

关键信息

一、降级风险预测结果

• 当前钢铁债信用资质整体乐观：人工神经网络模型对当前发债主体的信用评级预测显示，大部分企业信用评级维持较高水平，仅有极少数出现降级。
• 具有改善边际的企业：山东钢铁、华菱钢铁、酒钢集团等企业的信用资质较其最新一期主体信用评级有所改善，可能带来估值修复机会。

二、违约风险度量与压力测试

• 稳健性较高的主体：宝钢股份、鞍钢集团、河钢集团、首钢集团、鞍钢股份、太钢集团、河钢股份、山钢集团、武钢集团和太钢不锈在不同压力情境下表现出较高的稳健性。
• 四种压力情景：
  • 宏观经济增速下滑
  • 钢材出口急剧恶化
  • 行业景气周期下行
  • 信贷周期紧缩
• 压力测试结果：上述企业对上述情景表现出较低的敏感性，具有较强的抗风险能力。

三、收益风险比与投资建议

• 收益风险比定义：收益风险比 = 隐含违约概率 / 实际违约概率，反映资产的定价偏离程度。
• 投资建议：
  • 保守型投资者应关注高收益风险比、高稳健性、短久期的钢铁债。
  • 进取型投资者可关注具有资质改善边际、高收益风险比的钢铁债。

风险提示

1. 部分指标未被纳入模型：如股权质押等，可能影响模型对信用风险的全面判断。
2. 模型局限性：
   • 人工神经网络与信用迁移矩阵存在离散化特征，可能影响违约概率测算的精确性。
   • 信用迁移矩阵是基于历史统计，未考虑顺、逆周期下的真实违约概率差异。
   • 未纳入违约相关性，需警惕系统性风险。

附录：模型关键指标与数据来源

• 基本面指标：包括宏观经济、政策环境、行业及区域经济指标。
• 财务指标：涵盖资产负债表、现金流量表、利润表的比率数据。
• 隐性指标：企业性质（国有企业、上市企业）、系统重要性（营收占区域GDP/行业营收）。
• 数据来源：Wind、信用评级报告、公司公告、国家统计局、中国人民银行、我的钢铁网、机械工业协会、汽车工业协会、广发证券发展研究中心。

图表索引（简要说明）

• 图1：新疆金特钢铁股份有限公司主体信用评级迁移路径，用于说明违约风险与降级风险的关联。
• 图2：各等级中短期票据一年期到期收益率及等级间信用利差的时序表现，反映市场对信用风险的定价。
• 图3：本文降级风险研究思路框架，说明模型构建逻辑。
• 图4：人工神经网络模型对发债主体信用评级的预测结论，显示各主体的信用评级概率。
• 图5：基于历史信用评级统计的一年期信用等级迁移矩阵，用于计算违约概率。

结论

本文提出了一种基于人工神经网络与信用等级迁移矩阵的钢铁债信用风险评估体系，强调在当前经济波动环境下，关注风险与收益的两相平衡，选择兼具稳健性与高收益风险比的短久期债券。同时，也提醒投资者注意模型局限性与潜在系统性风险。