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-20171225-渤海证券-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，旨在为投资者提供一种基于财务指标变化的信用债筛选策略，以识别可能上调评级的主体并构建相应投资组合，从而在信用债市场中获取超额收益。

主要观点

• 评级上调通常意味着主体信用资质的改善，从而降低信用风险溢价，提升债券估值，带来超额收益。
• 在财务信息有效的前提下，财务指标的变化能够反映主体经营状况的边际改善，成为评级调整的重要依据。
• 由于评级机构存在一定的偏好，仅依靠宏观、行业和政策信息难以准确预测评级调整，需结合财务指标变化进行分析。
• 通过logit模型构建预测模型，筛选出关键财务指标和控制变量，有效识别可能上调评级的主体。
• 阈值的设定并非统一，而是根据分析目的设置三个不同的分类阈值（0.22、0.71、0.94），以满足不同筛选需求。

关键信息

指标选择与分类

• 盈利能力类别：销售毛利率、净资产收益率（ROE）等4个指标
• 偿债能力类别：资产负债率、流动比率、EBITDA利息保障倍数等8个指标
• 成长能力类别：总资产增长率、净资产增长率、净利润增长率等9个指标
• 周转能力类别：存货周转率、应收账款周转率、总资产周转率等3个指标

控制变量

• 是否地方国企
• 是否中央国企
• 三年内是否被下调评级
• 行业产出加权平均增速
• 上年末净资产规模
• 是否AA评级、是否AA+及以上评级

模型构建与检验

• 采用逐步回归方法筛选最优回归方程，以减少多重共线性影响。
• 通过BP_LM检验确认模型应采用混合模型进行估计。
• 模型的AUC值为80.09%，表明具有较好的预测准确率。
• logit模型回归结果显示，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、总资产周转率等变量均显著影响评级上调。

阈值设定与效果

• 第一类别阈值：0.22，识别出27.64%的上调主体
• 第二类别阈值：0.71，识别出40.63%的上调主体
• 第三类别阈值：0.94，识别出50%的上调主体
• 在2017年4月至8月期间，使用不同阈值构建的投资组合均跑赢业绩基准，非年化回报率均达3.26%，高于同期中债新综合指数（1.1%）和新高信用等级指数（1.97%）。

投资策略与建议

• 策略目的：识别可能上调评级的产业债主体，优化信用债配置，获取票息收入及估值提升带来的超额收益。
• 策略实施：根据模型预测值排序，选择符合投资标准的债券构建组合。
• 策略效果：在测试期间内，组合回报率显著高于市场基准，但需注意冲击成本和杠杆风险。
• 策略特点：更适合作为辅助型策略，在整体配置思路确定后，用于具体信用债配置，提升组合表现。

结构与方法

• 样本选择：2012-2016年有存续债券的产业债主体，共446个，其中152个发生评级上调。
• 数据处理：
  • 流量指标与去年同期比较
  • 存量指标与上年末数据比较
  • 对异常值进行剔除与替换
  • 量纲统一为百分比
• 模型构建：
  • 使用logit模型进行预测
  • 采用混合模型，通过BP_LM检验确认模型适用性
  • 阈值设定为0.22、0.71、0.94，以适应不同筛选需求
• 效果评估：
  • 模型在不同阈值下识别出不同数量的上调主体
  • 在2017年4月至12月期间，模型构建的投资组合表现优于业绩基准

附录与数据

• 图表：
  • 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：
  • 表1：模型变量及其统计情况
  • 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

投资建议

• 该策略可作为信用债选择的参考，也可用于优化现有投资组合。
• 投资人应结合宏观、行业、政策预期，重点关注主体的财务指标变化。
• 阈值可根据分析目的灵活调整，以满足不同投资需求。
• 该策略不替代风险控制，需注意财务数据真实性及冲击成本。
• 投资建议需结合具体投资风格与市场环境灵活应用。