福鹿会·(中国F6)官方网站福鹿会·(中国F6)官方网站摘要：近年来，随着国内债券市场发债主体的扩容和债券规模的日趋庞大，信用债开始发生各类风险兑付事件，违约主体从低评级向高评级蔓延，所涉及的行业和区域呈现多样化特征，相关信用风险事件也对证券公司的利润形成了较大侵蚀，同时，风险的暴露可能会引发连锁反应，甚至对整个金融系统和实体经济的健康发展造成一定程度的负面影响。如何从实践角度对信用风险的计量和管理开展更为深入的研究以及调整优化，提升证券公司信用风险计量、监测和限额管理手段的时效性、敏感性和量化程度，是证券公司全面风险管理的重点和难点，也是证券公司高质量服务实体经济所必须面对的问题。本文旨在从信用风险最核心的计量指标—违约率出发，通过对违约及违约率的相关研究，构建动态综合违约率，并在此基础上建立信用风险多维度管理应用方案，为证券公司加强信用风险管控提供有价值的参考借鉴。
关键词：违约率；历史违约率；违约概率；中性市场；现实市场；动态综合违约率；多维度信用风险管理
近年来，我国信用债市场发展迅速，债券品种日益丰富，发行金额和存量总额持续增长，但自2014年市场开始出现公开违约事件以来，信用债市场违约案例和违约金额总体呈上升趋势，目前违约主体数量最多的年份依次为2019年、2018年和2022年。2018-2019年债券违约主要受去杠杆、强监管和经济下行的影响，叠加以前年度发行的债券到期偿还量大幅攀升，从而导致发生债券违约潮；2020与2021年债券违约的主因是疫情影响，但在多项金融政策的支持下，这一时期债券市场的首次违约数量有所下降；2021年，政府及监管部门围绕稳地价、稳房价、稳预期针对房地产行业密集出台了一系列调控政策，在2021年下半年某大型房企首次出现违约后，2022年中小民营房企接连发生债务违约，导致2022年首次违约主体数量明显上升。
从违约主体的行业和区域看，其涉及的行业和区域分布较为广泛。从企业性质看，非国企的违约数量仍然高于国企，历年债券违约的主体依然以非国企为主(如图表1所示)。
近几年，证券公司开展的债券投资、股票质押、融资融券、场外衍生品交易等信用风险相关业务种类不断增多，业务规模逐渐扩大，信用风险已是证券公司经营管理面临的主要风险。以财务口径的信用减值损失作为信用风险损失的观察指标，对42家A股上市证券公司披露的2021年报进行统计，结果表明上市证券公司2021年计提信用减值损失的合计金额已达102.79亿元，主要涉及股票质押和信用债投资等业务，其中当年计提信用减值损失与当年营业利润的比例最靠前的10家A股上市证券公司均在19%以上，个别证券公司甚至超过50%(如图表2所示)，可以看出信用风险损失对证券公司利润形成了较大的侵蚀，即使是行业内部较为头部的证券公司也不例外。
监管部门对证券公司信用风险的管理高度重视，2014年2月中国证券业协会发布《证券公司全面风险管理规范》，标志着证券公司信用风险管理迈入了新阶段； 2016年6月《关于修改〈证券公司风险控制指标管理办法〉的决定》首次明确证券公司需对信用风险资本准备进行计算；2018年12月、2019年7月和2023年6月，中国证券业协会分别发布《证券基金经营机构债券投资交易业务内控指引》《证券公司信用风险管理指引》《证券业务示范实践第4号——证券公司同一业务同一客户风险管理》，对信用风险管理指标和体系建设、信用风险计量以及同一业务和客户层面的信用风险管理提出要求和规范实践。
鉴于信用风险管理对证券公司和金融行业健康发展的重要性，本文尝试从信用风险核心的计量指标—违约率出发构建动态综合违约率，并在此基础上提出信用风险多维度管理应用方案，为信用风险的精细化、动态化和全面化管控提供参考借鉴福鹿会APP。
广义的违约率包括历史违约率和违约概率两个概念。前者一般指统计期间内一定数量的样本中实际发生违约的历史频率，是历史情况的真实反映，核心要素为违约定义和统计口径；后者一般指预计样本在未来一定时期内不能按要求偿还债务本息或履行相关义务的可能性，是对某一类主体发生违约风险的推断，核心要素为推断方法。
统计方法一般包括边际违约率、累积违约率、平均边际违约率和平均累积违约率。统计样本方面，除部分评级机构如穆迪发布以债券余额加权的违约率，以及监管机构从违约对债券市场整体影响、与不良贷款率的可比性角度采用金额计算违约率之外，大多数境内外机构均选择债务主体作为统计样本。
历史违约率的优缺点比较直观，优点是真实客观反映了市场的历史违约情况，缺点是仅衡量了群组的历史违约风险，时效性和前瞻性不足，且无法分别评估群组内各个主体特定的违约风险。另外，相较国外市场，国内市场的违约率统计还面临以下三个问题：第一，虽然我国债券市场已日趋成熟、违约逐步常态化，但违约数据的时间跨度相较国外依旧较短；第二，国内历史发债主体的整体资质相对较好，且以往年份发行的债券设置交叉违约条款不多；第三，国际评级机构在定义违约时均考虑了贷款和债券违约的情况，而国内贷款违约情况较难批量取得，国内评级机构对此也无明确定义。以上问题导致国内市场历史违约率的代表意义和参考价值有所减弱。
预测估计的思路主要可分为两类：第一类为基于历史外部环境和债务主体内生资质与违约率的统计关系，通过外部环境和主体内生资质的变化来预测违约概率；第二类为基于债务主体相关资产的市场价格，利用市场价格与违约概率之间的关系来估计违约概率。
对于第一类思路，从简化和整合的角度考虑，可将外部环境和债务主体内生资质共同具象为传统意义上的外部或内部主体评级，对应违约概率的预测方法可简述为外部或内部主体评级映射；对于第二类思路，由于国内存在信用衍生工具和主体市场价格的债务主体相对债券发行人数量较少，因此可暂不考虑从这两者出发估计违约概率，而主要从债券的市场价格入手，对应违约概率的预测方法基于风险中性定价原理，可简述为现金流二叉树调整、信用利差分离F6福鹿会。
相较于历史违约率，违约概率的优点是充分利用了债券市场价格信息，并尝试利用历史违约信息、代理变量等方式对市场价格中非违约风险补偿的部分进行调整分离，得到的结果具备相对较强的前瞻性、时效性，且能够对各个债项和主体的违约风险进行分别评估；缺点是在现实市场中风险中性概率或信用利差在大多数时候并不是真实违约风险的无偏测度，而各类调整分离的方法也并非在任何环境下都能保证较强的有效性。
第一步，对使用的样本和变量进行说明定义；第二步，分析各违约概率对单一主体违约风险的预测能力；第三步，选择合适方法和形式将各类违约率进行调整和拟合，构建分主体、行业、区域的综合违约率。
上文介绍的违约概率估计的信用利差分离方法在较长期限下可信度将有所下降，而临近到期债券的成交和估价可能出现一定异常，因此本文按日选取到期日或下一回售日在6个月至3年之内的信用债作为样本，样本期间为2013年1月1日至2023年3月31日(共计2487个交易日)，并剔除有增信措施的债券、浮动利率债、可续期/永续债、次级/二级资本债、次级资产证券化产品、可转债/可交换债。
经过上述处理后剔除债券/对应债务主体占全部债券/债务主体的比例约为10%，对样本覆盖程度的影响在可接受范围内。另外，对于同业存单和资产证券化产品，由于其信用风险特征与一般信用债有所区别，因此在第三步各类违约率调整和拟合时将对完整样本和剔除该部分债券的样本进行两次处理，之前的步骤可不做特别处理。
根据上文违约定义的阐述，出于样本数量和研究目的的考虑，债项违约定义为债项触发任意一条相对公认的违约定义，而主体违约定义为主体发行的任意债券发生债项违约或主体未履行担保义务。样本违约状态定义为违约赋值为1，未违约赋值为0。另外，参考历史实践经验，对于国内债项或主体外部评级下调至A-及以下、中债或中证隐含评级下调至B+及以下的样本认定为近似违约，违约状态赋值为0.9；对于国内债项或主体外部评级下调至A、中债或中证隐含评级下调至BB-、间接融资或非标准化债务违约的样本认定为接近违约，违约状态赋值为0.7。对于某日定义为违约、近似违约、接近违约的样本，将在后续的样本期间中予以剔除，直至不符合相关违约定义为止；对于近似违约、接近违约的样本，如后续违约状态转为更为严重的状态，则在转换当日重新纳入总体样本并赋值对应的违约状态值。
对于外部或内部主体评级映射方法，采用内部主体评级映射。对于现金流二叉树调整，采用70%中债全价+30%近1个月内市场的成交量加权平均成交净价与应计利息调整的和，近1个月换手率低于10%的直接使用中债全价；采用中债国开债即期收益率曲线对应期限的收益率；参考巴塞尔协议境内债券平均历史回收率取35%；转换系数采用内部评级、隐含评级对应的历史违约率算术平均数。对于信用利差分离，信用利差采用传统定义；分离方法采用转换系数分离的非违约风险利差和流动性溢价估计的算数平均数，流动性溢价估计=近1个月进出口债及农发债与国开债的利差+杠杆便利性补偿，杠杆便利性补偿针对交易所不可作为标准券的信用债=140%*(交易所可作为标准券的信用债中债估价收益率中位数-交易所7天加权通用式质押式回购利率)。对于单一主体的三类违约概率，分别取该主体全部存续债券对应种类的单一债项违约概率的最大值。
历史违约率理论上可以通过中心违约趋势和主标尺与内部主体评级直接结合，但考虑到实际操作层面中心违约趋势和主标尺不会频繁变动，因此本文在构建行业综合违约率时加入历史违约率共同进行拟合，为了加强前瞻性和敏感性，采用的历史违约率为基于内评行业敞口的国内1年期边际违约率和穆迪公布对应行业(如有)的1年期边际违约率(债务主体个数口径)的孰高值。
国内债券在违约发生前存在交易天数的中位数约为90个自然日[1]，因此可将样本期间内每个主体第T个交易日的主体样本违约状态和第T-60个交易日的单一主体违约概率作为一组数据。
由于违约概率属于连续定量变量，离散定序变量，故预测能力可以采用Somer’D相关系数进行衡量。Somer’s D可以理解为，给定标杆序列Y，序列X与序列Y的序相关情况，对比与序列Y序相关最大的情况，其公式为：
在传统的多因素分析和拟合前，一般需要对自变量间的相关性进行分析评估，以减轻多重共线性带来的模型参数估计不稳定的问题。由于各类违约率都是对违约风险的估计和预测，必然存在一定的共线性，目前可以适用于共线性变量的统计方法大致可分为岭回归(Lasso回归)、以决策树为基础模型的分类算法。由于决策树为基础模型的分类算法存在一定黑箱，得到结果的可解释性较弱，且本节的目的是探究构建相较单种类违约率更具代表意义和参考价值的具体违约率数值，因此选择岭回归作为多因素分析的统计方法，又因为岭回归属于有偏估计回归，故选择启发式算法中的遗传算法对岭回归中的岭参数和得到的回归系数进行优化[2]，同时使用自助抽样随机多次选取80%违约样本和非违约样本作为训练集，剩余20%作为测试集，进行多次回归优化并结合上文单种类违约概率的预测能力，以获得较为稳定的参数结果。
另外，由于当日的债券估值或成交价无法充分反应盘后的信息，且部分换手率较低债券的估值对信息的反应可能存在一定滞后，因此考虑将增量信息对债券估值的影响作为修正，可直接利用数据供应商现有的标签化舆情对严重负面信息进行人工调整，或利用舆情与信用利差的统计关系对信用利差进行调整，进而对违约概率进行修正[3]。
在得到主体的日度综合违约率后，针对产业债，可以根据内评行业敞口取该敞口各主体综合违约率的算数平均数、分位数或存量债券加权平均数作为产业债行业综合违约率的估计；针对城投债，可以根据对应行政级别城投主体的算数平均数、分位数或存量债券加权平均数作为城投债区域综合违约率的估计。
主体J动态综合违约率从2021年11月开始持续上升，并在2022年1月18日上升至3.35%这一较高水平，而该主体首次违约(展期)的时间为2022年3月21日，主体动态综合违约率至少提前2个月发出了预警信号。
行业E动态综合违约率从2021年6月中旬开始逐步上升，并于2021年7月达到3%这一较高水平。2021年10月开始行业E开始频繁出现违约事件。行业动态综合违约率至少提前3个月发出了预警信号。
省份O经济总量在国内排名靠前，但经济转型和产业升级相对缓慢。进入2021年，政策端对城投融资“堵偏门、开正门”的导向持续清晰，叠加土地出让收入逐步下滑，使得非标融资占比较高的省份O内城投融资难度进一步加大，省份O综合违约率逐步上升。2022年，随着经济下行叠加省份O内部分低层级城投频发负面舆情，省内融资环境出现负反馈，省份O综合违约率进一步抬高，直到2022年末宏观融资环境有所宽松且省份O省级担保公司推进展业、区域恳谈会频繁召开，省份O综合违约率有所下降但仍处于所有省份中的偏高水平。
对于动态综合违约率的应用方案，相对容易操作和理解的宗旨是分档管理，即将各类动态综合违约率分别进行划段分档，对不同档位采取不同的管理要求。综合违约率划段分档的基本依据是公司的风险偏好、风险容忍度和风险限额情况；具体方法可先使用无监督聚类(如K-means)进行初步分类，再结合违约样本的准确率和召回率平衡(F-Measure)以及风险偏好等基本依据进一步调整初步分类结果，此外相关阈值可根据全量违约率结果定期动态调整。下文以信用债自营业务为例对各类综合违约率的应用方案进行举例介绍。
对于主体的准入限额方面的应用，可根据划段分档后的综合违约率针对各档位整体、档位内的单一主体均设置准入与限额。示例如下：
对于主体监测预警方面的应用，除了可按照上述分档点设置综合违约率绝对值预警外，还可针对综合违约率的日度、周度、月度变化情况进行动态差额预警。另外，针对债项也可设置类似的准入限额和监测预警方案。
对于产业债行业综合违约率准入限额方面的应用，可参照上文主体的应用方案。示例如下：
同样地，对于产业债行业综合违约率监测预警方面的应用，也可参考主体监测预警的应用方案，设置综合违约率绝对值和差额预警。
对于城投债行业综合违约率准入限额以及监测预警方面的应用，可以针对不同行政级别(如省份、地市、区县)分别设置不同的准入限额和监测预警应用方案，形式与产业债应用方案类似，在此不再单独示例。
上述三种应用方案的示例均基于信用债自营业务，其他业务如涉及信用债投资的业务如资产管理业务也可参照应用。此外，对于融资类业务、业务债券承销类业务等同样涉及信用风险的业务，也可参考上述方案在准入限额以及监测预警方面制定有针对性和可行性的方案。
本文首先梳理了国内信用债市场和证券公司信用风险管理的基本情况和监管导向，然后研究构建了动态综合违约率，对主体、行业、区域的综合违约率结果示例进行逐一展示分析，并提出了准入限额和监测预警方面的应用方案。对于在探究过程中发现的问题，本文提出如下建议：
1、针对国内历史违约率统计，建议监管部门可出台相关指引对推荐的违约定义和统计口径进行说明，同时对于主体贷款和非标准化债务融资逾期信息建立和完善公开披露机制。
2、针对外部评级映射，建议监管机构继续推进评级机构提高信用评级质量，完善以违约率为核心的评级质量验证机制行业动态，针对违约前外部评级等级、违约前评级下调、各评级等级对应历史违约率分布等设置相应指标并建立相关考核机制。
3、针对债券市场定价有效性，建议监管部门加强对市场流动性的监控，继续完善债券做市商制度和市场互联互通，提高债券流动性、定价有效性和风险揭示能力，同时进一步发展信用衍生品市场，丰富信用风险管理对冲手段并为信用风险定价提供更多参考依据。
最后，在本文研究的基础上，以下方向值得进一步探索：一是舆情冲击对盘后债券违约率和低流动性债券违约率的修正方式，二是基于信用衍生工具和主体市场价格的违约概率估计方法改良和与其他违约概率估计方法的结合。
[2]周晓宇, 颜学峰, 钱锋. 基于GA优化的非线性岭回归方法及其在软测量中的应用[J]. 化工自动化及仪表, 2006, 33(3):5.
[3]庞有明, 蒋洪迅. 基于新闻舆情的信用债估值修正模型及其应用[J]. 山西大学学报：自然科学版, 2017, 40(1):13.
