2018-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-0mb
报告摘要
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
本文提出了一种基于人工神经网络的钢铁债投资价值甄选体系，旨在从风险与收益的两相平衡角度出发，对钢铁行业债券进行信用风险筛查与投资价值评估。核心内容包括：
- 对钢铁债的信用风险进行降级风险与违约风险的双重考量；
- 构建了一套基于基本面指标、财务指标与隐性指标的信用评级预测模型；
- 推导出适用于信用债的收益风险比指标，以衡量投资价值；
- 提出基于风险收益综合衡量的钢铁债筛选建议。
主要观点
-
信用风险的双重维度：
- 降级风险：指信用评级机构调低发债主体信用等级的风险，反映信用资质的潜在变化；
- 违约风险：指发债主体无法按时偿付债务的风险，是信用风险的最终体现；
- 降级风险作为信用风险的中间变量，相较于直接预测违约风险更具可靠性。
-
基于人工神经网络的信用评级预测模型：
- 通过模拟评级机构思路，构建了涵盖宏观经济、行业运行、财务数据等多维度的指标体系；
- 模型采用Sigmoid函数进行概率预测，输出各主体落在不同信用等级的概率；
- 模型整体准确率高达90.57%，在高等级债券（AAA、AA+、AA）上表现尤为优异。
-
基于信用等级迁移矩阵的违约概率测算：
- 利用迁移矩阵，计算各发债主体在1年期内迁移到违约等级（CC或C）的概率；
- 基于马尔可夫链模型，对多年期违约概率进行推算，以适应不同期限的债券；
- 稳健性较高的发债主体包括：宝钢股份、鞍钢集团、河钢集团、首钢集团、太钢集团、武钢集团等。
-
收益风险比指标构建：
- 将夏普比率迁移至信用风险领域，构建收益风险比（λc），用于衡量债券的超额收益与信用风险的匹配度；
- 隐含违约概率被用于代替风险溢价，作为收益风险比的分母；
- 通过**风险率（Hazard Rate）**对不同期限债券进行综合，解决收益率不可比的问题。
-
钢铁债筛选建议：
- 保守型投资者：关注具备稳健性且具有高收益风险比的主体，如武钢集团、山钢集团、河钢股份、首钢集团；
- 进取型投资者：关注具备资质改善边际的主体，如酒钢集团、山东钢铁、华菱钢铁；
- 建议优先选择短久期债券，以降低利率波动与信用风险的不确定性。
关键信息
- 钢铁行业特征：强周期性、高经济增长敏感性、重资产属性；
- 信用评级体系：采用三等九级，其中AAA级违约概率为0.06%，CCC级为66.67%；
- 模型数据：使用2008年4月1日以来SW钢铁发债主体的历史评级数据，共79家主体、880条记录；
- 压力测试：基于宏观经济、出口、景气周期与信贷周期四个维度，评估发债主体在极端情况下的稳健性；
- 稳健主体：宝钢股份、鞍钢集团、河钢集团、首钢集团、太钢集团、武钢集团等；
- 风险提示：
- 部分指标（如股权质押）未被纳入模型，可能影响信用风险的全面评估；
- 人工神经网络模型存在离散化特征，违约概率测算可能不够精确；
- 信用迁移矩阵为历史数据统计，未能反映顺周期与逆周期下的差异；
- 模型未考虑违约相关性，需关注系统性风险。
投资建议
- 当前市场环境下：钢铁债发债主体信用资质整体尚为乐观，尤其在景气周期复苏背景下；
- 稳健型投资：优先选择具备高收益风险比且信用资质稳健的短久期债券；
- 进取型投资：可关注具有资质改善潜力的主体，如山东钢铁、华菱钢铁、酒钢集团等；
- 建议关注：基于人工神经网络预测结果，对估值修复机会较强的钢铁债进行配置。
结构概览
- 前言：阐述信用风险与投资价值的双重意义；
- 降级风险：基于评级报告与人工神经网络预测主体信用等级迁移；
- 违约风险：利用迁移矩阵计算违约概率，并进行压力测试；
- 钢铁债筛选：基于收益风险比指标进行投资价值评估；
- 投资建议：提出不同风险偏好下的债券配置策略；
- 风险提示：指出模型局限性与未被考虑的风险因素。
图表与数据来源
- 图1：新疆金特钢铁主体信用评级迁移路径；
- 图2：各等级中短期票据一年期到期收益率与信用利差的时序表现；
- 图3：降级风险研究框架；
- 图4：人工神经网络对发债主体的信用评级预测；
- 图5：信用等级迁移矩阵；
- 图6：SW钢铁发债主体的风险-收益关系散点图；
- 图7：SW钢铁发债主体的一年期收益风险比；
- 数据来源：Wind、信用评级报告、国家统计局、我的钢铁网、广发证券发展研究中心。
展开完整摘要
试读结束，高清完整版pdf/doc/ppt,请点下载
