企业债券信用风险统计测量-中国统计学会
统计学在金融工程师信用风险评估中的应用
统计学在金融工程师信用风险评估中的应用信用风险评估是金融行业中的一项重要任务，它涉及评估个人、公司或其他实体未来偿还债务的能力。
金融工程师在进行信用风险评估时，需要借助统计学方法来分析和预测借款人的信用风险水平。
本文将探讨统计学在金融工程师信用风险评估中的应用。
一、数据收集及特征提取在信用风险评估中，金融工程师首先需要收集借款人的相关数据，例如个人信息、职业状况、收入水平等。
这些数据通常存在于各种金融机构的数据库中。
通过统计学方法，金融工程师可以对这些数据进行整理和清洗，以提取出与信用风险评估相关的特征。
例如，金融工程师可以利用统计学中的描述性统计方法对借款人的收入水平进行分析，计算平均值、标准差等指标，从而得出借款人的收入水平的基本情况。
此外，金融工程师还可以利用统计学中的相关分析方法，研究借款人的收入水平与其他因素（如教育程度、工作年限等）之间的关系，以进一步了解借款人的信用风险水平。
二、信用评分模型构建金融工程师在进行信用风险评估时，通常会使用信用评分模型。
这种模型可以将借款人的各个特征变量综合考虑，为借款人分配一个相应的信用评分，从而评估其信用风险水平。
统计学在构建信用评分模型的过程中起到了关键作用。
金融工程师可以利用统计学中的回归分析方法来构建信用评分模型。
回归分析可以确定各个特征变量的权重，从而确定它们对信用评分的贡献程度。
通过统计学方法，金融工程师可以对大量的历史数据进行分析，从中提取出与信用风险相关的关键特征，并利用这些特征构建信用评分模型。
三、模型验证与改进构建信用评分模型后，金融工程师需要对模型进行验证和改进。
统计学在这一过程中也扮演着重要角色。
金融工程师可以利用统计学中的样本外验证方法来评估模型的准确性和预测能力。
例如，将一部分历史数据作为训练数据，用于构建模型，将另一部分历史数据作为测试数据，用于验证模型的预测能力。
通过统计学方法，金融工程师可以计算出模型的准确率、召回率等指标，从而评估模型的优劣。
论企业信用风险计量方法
业信用风险、 银行 （ 信贷 ） 信用风险、 消费信用风险 、 股
份 信用 风 险 以及 国家信 用 风 险等 。 义 的信 用风 险通 常 狭
是指债务违约风险 ，即债权人无力履行债务契约 的风 险。本文 中的信用风险指的是狭义范畴的的信用风险， 即企业的债务违约风险， 主要包括企业无法偿还银行贷
一
些学者 、 银行和 咨询机构开始探索运用现代方法和工
危机使 人们对信 用风险有 了一个全新 的认 识 ，而近年来我 国温 州
地 区 接 连 发 生 的债 权 人 跑 路 事件 更 是 为 我 们 敲 响 了加 强 信 用 风 险 管 理 的 警 钟 。 对 此 ， 文 研 究 了信 用 风 险 计 量 的 几 种 主 要 方 法 ， 本 以
其 对 我 国企 业 的 信 用 风 险 计 量 和 管 理 提 供 基 础 性 工 信用风险度量模型。本 文根据不 同模型中数据的来源 ， 将企业的信用风险计量 模型从总体上区分为两大类： ｌ 第 类是基于公 司财务报 表数据 的风 险模 型，第 ２ 是基于市场数据 的风 险模 类 型。 本文将对这两大类模型 中应用较为成熟的模型进行
阐述 。
【 关键词 】 用风险 计 量 信
管理
“ 用风险 ” 信 是一个跨学科跨领域 的概念 ， 而在每
一
个学科和领域 内， 对这一概念的定义都存在着各种争
一
、
基 于企 业财 务 报 表数 据 的信 用 风 险度 量方 法
议。 从经济学视角来看， 这一概念具有广义和狭义之分 。 广义视角的企业信用风 险的含义是指 ， 所有因交易对手
款的风险， 以及 企 业所 发 行债 券 违 约风 险 。
企业信用风险的度量方法
以 AA 和 A 违约 以 A 和 BBB 违 率均值为界 约率均值为界
平均分类 精确度
多元判别分析
72.22%
66.67%
69.45%
决策树
71.11%
68.89%
70.00%
人工神经网络
75.56%
73.34%
74.45%
支持向量机
81.11%
83.33%
82.22%
神 经 网 络 核 函 数 ：K(x,xi)=Sigmoid[v(x·xi)+c]
（9）
2.3 实证结果的对比分析
2 实证研究
在度量企业信用风险时，不失一般性，我们分别采用了 多元判别分析、决策树、人工神经网络等常用于分类的传统
2.1 样本数据的选取和处理 根据民生银行历史借款人数据库，我们在信用等级分别
为AA、A 和 BBB 的 借 款 人 中 各 随 机 选 取 了 30 家 企 业 2007 年的相关财务数据作为样本的输入变量，并找出相应信用等 级的历史违约率数据作为输出变量。
指标含义
净资产收益率 净利润总额/平均净资产总额×100% 盈利性指标
总资产报酬率 （利润总额+利息支出）/平均总资产×100%
利润增长率 成长性指标
营业增长率
本 期 利 润 总 额 /上 期 利 润 总 额 ×100%-100% 本 年 销 售 收 入 增 长 额 /上 年 销 售 收 入 ×l00％
在借款企业信用风险评价指标选取中，我们以即能全面 反映借款企业风险状况而彼此相关性又较小的指标作为输 入变量，结合现有资料，我们最终选取了反映借款企业盈利 性、成长性、营运性以及偿债能力的四大类共计 9 项指标作
方法对经过整理的样本集进行回归分析或训练， 并采用 Matlab 语言编程对这些方法进行计算机处理。 为了观察比较 全 面 的 预 测 效 果 ， 我 们 分 别 以 AA 和 的 违 约 率 均 值 、A 和 BBB 的违约率均值为界对样本进行两次预测。 在这两种情况 下，我们经过反复交叉检验和调整，使各模型达到相对最优 状态，由此得出四种模型对样本的分类精确度，如表 2 所示。
信用风险 计量方法
信用风险计量方法
信用风险计量方法是银行或其他金融机构用来评估借款人或债务人无法按时偿还借款或债务的潜在风险的方法。
以下是一些常用的信用风险计量方法：
1. 评级模型：评级模型是一种使用统计分析来评估借款人或债务人信用风险的方法。
它基于历史数据和财务指标，利用统计算法来预测借款人违约的概率。
评级模型可以根据借款人的信用历史、收入情况、负债水平等因素进行评估。
2. 应用价值相关方法：这种方法主要是通过评估借款人或债务人的财务状况和预测未来现金流来计量信用风险。
常用的方法包括财务比率分析、流动性分析、现金流量分析等。
3. 集中度测量方法：这种方法用于评估借款人或债务人的业务集中度。
如果借款人业务高度集中在某个特定行业或客户上，他们的信用风险可能会较高。
通过分析借款人的业务结构和客户分布，以及行业风险，可以评估其信用风险。
4. 数量贴现方法：这种方法使用借款人的现金流量来计算其对债务支付能力的估计。
通过将未来现金流量贴现到现值，可以评估借款人是否有足够的现金流量来按时偿还债务。
5. 债券评估方法：这种方法主要用于评估债券的信用风险。
它基于债券的信用评级和市场利率来计量信用风险。
越低的信用评级和高的市场利率意味着更高的
信用风险。
以上只是一些常见的信用风险计量方法，实际应用中可能还有其他方法。
不同的金融机构可能会根据自己的情况和需求选择适合的计量方法。
债券发行的信用风险评估债券违约风险的重要指标
债券发行的信用风险评估债券违约风险的重要指标债券发行的信用风险评估——债券违约风险的重要指标债券市场作为金融市场的重要组成部分，是企业、政府等债务融资的主要途径。
在债券发行中，信用风险评估是投资者进行投资决策的关键考量因素之一。
而债券违约风险指标作为信用风险评估的重要指标之一，具有重要的参考意义。
本文将探讨债券违约风险的重要指标及其评估方法。
一、债券违约风险的重要指标债券违约风险是指债券发行方无法按时、按约定履行还本付息的风险。
在评估债券违约风险时，有一些重要指标可以作为参考：1. 债券评级：债券评级机构根据债券发行方的信用状况和债券的偿付能力进行评级。
常见的评级机构有标普、穆迪和惠誉等。
评级结果通常以字母等级表示，例如AAA、AA、A等级，其中AAA为最高等级，表示债券发行方信用优秀。
2. 利差：利差是指债券的到期收益率与无风险利率之间的差额。
利差较高通常反映了市场对债券违约风险的担忧，而利差较低则表明市场对债券违约风险的预期较低。
3. 债券违约概率：债券违约概率是指债券违约的可能性。
评估债券违约概率可以参考历史数据、债券评级结果、财务状况等因素。
一般来说，债券违约概率越高，债券的违约风险就越大。
二、债券违约风险评估方法针对债券违约风险的评估，可以采用以下方法：1. 信用评级法：通过债券评级机构的评级结果，可以直接获得债券发行方的信用状况。
投资者可以根据评级结果进行判断，选择信用等级较高的债券进行投资。
2. 历史数据分析法：通过对债券市场历史数据的分析，可以了解不同债券的违约情况及其与市场环境的相关性。
通过分析历史数据，可以对未来的债券违约风险做出一定的预测。
3. 财务分析法：对债券发行方的财务状况进行评估，包括利润、偿债能力、流动性等指标的分析。
债券发行方财务状况较好的，其违约风险较低。
4. 宏观经济环境分析法：债券违约风险受宏观经济环境的影响较大。
因此，对宏观经济环境进行分析，包括国内经济增长、通货膨胀率、利率水平等因素的研究，可以对债券违约风险进行评估。
中小企业集合债券的信用风险度量研究的开题报告
中小企业集合债券的信用风险度量研究的开题报告一、选题背景与意义近年来，随着经济全球化的深入推进，中小企业集合债券作为一种新型的金融工具，在中国不断发展壮大。
中小企业集合债券的发行，一方面为中小企业提供了融资渠道，增强了其获得贷款的能力，同时也为投资者提供了一种多元化的投资选择。
然而，中小企业集合债券的信用风险是不可避免的，因此，对于如何对中小企业集合债券的信用风险进行度量和评估的研究显得尤为重要，既能够保障中小企业和投资者的利益，又能促进中小企业集合债券市场的健康发展。
二、研究内容和方法1. 研究内容本文拟重点围绕中小企业集合债券的信用风险进行研究，主要包括以下三个方面的内容：（1）中小企业的信用风险与分级；（2）中小企业集合债券的信用风险度量方法；（3）中小企业集合债券市场的风险管理体系。
2. 研究方法本文主要采用文献研究、实证研究和统计分析等方法进行研究。
首先，通过文献研究，系统梳理国内外关于中小企业集合债券信用风险相关的研究成果和理论，对国内中小企业信用风险研究的现状进行全面的分析和评估。
其次，结合实证研究和统计分析的方法，对中小企业集合债券的信用风险进行深入探究和分析，以期为中小企业集合债券投资决策提供更为准确和可靠的信息。
三、预期成果与意义通过本文的研究，可以探讨中小企业集合债券发行过程中的信用风险问题，为中小企业集合债券市场建立起相对健全的评估机制，同时对于更好的解决中小企业融资问题提供参考意见。
本文的预期成果主要包括如下两点：（1）构建中小企业集合债券信用风险的评估体系；（2）提供有效的中小企业集合债券投资参考建议。
四、研究计划安排1. 研究时间节点本文的研究时间为半年。
2. 研究步骤（1）第一阶段（一个月）：文献阅读和资料收集，对中小企业集合债券的信用风险相关研究成果进行系统梳理。
（2）第二阶段（两个月）：采用实证研究和统计分析方法，对中小企业集合债券的信用风险进行深入探讨和分析。
公司债的信用风险计量分析
E = f (V, σV , F,
r, T)
= VN ( d1 )
) T
- Fe - rT N ( d2 )
ln (
d1 =
V ) F
+ ( r+
σV
2
2
σV
T
T 在该公式中 , E、 F、 r、 T 为已知数 , 公司资产价值 V 是要求 的目标 , 但是公司资产价值的标准差 σv 也未知 , 因此还需要再建 立一个方程 。由 B - S 方程可知 5 E = N ( d1 ) 5V
F
)
+ ( r+
T
2
) T
σV
) T
)
-
Fe -
rT
N
ln (
(
+ ( r+
2
σV σE = N (
AA A BBB BB B CCC 违约
109135 109117 108164 107153 102101 98109 83163 51113 0112 0118
由该债券的价值分布 , 计算出该债券 1 年后的均值和方差 μ = ∑V i × P i = 107113 σ2 = ∑ (V i - μ) 2 × P i = 8196 ⑵ 由债券 市 值 的 概 率 分 布 可 知 市 值 大 于 98109 元 的 概 率 为 98153% , 市值大于 83163 元的概率为 9917% , 利用线性插值法可 以计算出 99%置信水平下的市值为 92129 元 , 即 1 年后以 99%的概 率确信该公司债券市值不低于 92129 元 。由于该债券 1 年后市值分 布的平均值为 107113 元 , 根据相对 VaR 的定义 。 VaRR = 107113 - 92129 = 14184 元 故投资者可以以 99%的概率确信 , 该公司债在 1 年内由于信用 风险造成的最大损失不超过 14184 元 。 三 、基于公司价值的计量模型 该类模型中比较典型的代表是 K MV 模型 。著名的风险管理公 司 K MV 公司认为 , 实际违约概率和历史平均违约概率的差异很大 , 并且对相同信用评级的企业而言也存在很大的差异 , 因此该公司另 辟蹊径开发了 Credit Monitor Model, 称为信用监控模型 。该模型充 分利用资本市场信息 , 基于公司市场价值 , 利用期权定价理论来估 计违约率 。其基本思想可以追溯到 Merton ( 1974 ) 年的论文 , 他提 出利用期权定价原理估计风险贷款和债券的价值 , 根据 Merton 的思 想 , 借款人的违约概率取决于其资产市值的变化 , 当借款人的资产 价值小于债务时 , 借款人会选择违约 , 这样借款人的损失仅限于股 本损失 , 而对于债权人来讲 , 其损失为借款人的剩余资产和债务的 差额 ; 反之 , 当借款人的资产价值大于债务时 , 借款人会选择履行 债务合同 。该模型通过如下的方法估计公司债的违约概率 : 评估公司资产总市值 假设公司资产总市值为 V , 预期回报率为 μ, 波动率为 σv , 其 变动遵循几何布朗运动 , 即 dV =μ V dt +σV dw σ2 ) t +σ tZ t ) , Z t ～N ( 0, 1 ) V t = V 0 exp (μ 2
信用风险度量方法综述.
=金融论坛>信用风险度量方法综述张玲1杨贞柿2[湖南大学工商管理学院长沙410082]一、前言信用风险很早就受到重视,经过几十年的发展,逐步形成了度量信用风险的各种传统和方法。
特别是1998年巴塞尔协议修正案正式许可金融机构可以选择内部模型度量其面临的信用风险,各大银行或咨询公司便纷纷研究推出用于度量信用风险的内部模型。
这些方法比传统的方法更加注重应用现代金融理论和数理统计方法进行定量分析。
本文将回顾国内外信用风险度量方法并分析各种方法的优势和缺陷,供金融机构信用风险管理借鉴。
二、专家分析法专家分析法以借款人基本特征所反映出的各种信息为基础,依赖专家的主观判断来估算借款人的信用风险。
专家法要考虑的因素有很多,最为常用的是信贷5C 法。
商业银行根据贷款部门主管(专家对借款企业的资信品格(Ch aracter、资本实力(Capital、还款能力(Capacity、贷款抵押品价值(Collateral以及当时所处的经济周期(Conditions等因素考察评分,并通过专家的主观判断给予各个考察因素不同的权重,综合得出一个分值,以此作为信贷决策的依据。
分值的大小反映了借款人信用品质的好坏。
尽管现在很多银行仍然使用专家分析法,但是该类方法面临着一致性和主观性两个重大挑战。
对于相似的借款者,不同的信贷负责人可能运用完全不同的标准得出不同的评价结果,而且他们评判时易受感情和外界因素干扰,做出偏差较大的分析。
因此,近年来,金融机构已经逐渐放弃纯粹定性分析的专家分析,在此类方法中加入越来越多的客观定量分析。
三、信用评分法该类方法以评价对象的财务比率为解释变量,运用数理统计方法建立回归模型,以模型输出的信用分值或违约概率与基准值比较,度量评价对象的风险大小。
目前这类模型的应用最为有效,也被国际金融业和学术界视为主流方法。
此类方法主要包括多元判别分析模型、线形概率模型、Logit模型和Probit模型等。
(一多元判别分析多元判别分析法从若干表明评价对象特征的财务比率中筛选出能提供较多信息的变量建立判别函数,推导出错判率最小的判别模型,然后对研究对象所属类别进行判别。
《2024年我国企业债券信用利差宏观决定因素研究》范文
《我国企业债券信用利差宏观决定因素研究》篇一一、引言近年来，随着我国债券市场的不断发展，企业债券发行规模逐步扩大，成为了资本市场上的重要融资方式之一。
然而，债券市场存在一种重要的经济现象，即信用利差。
信用利差是指同期限的国债收益率与同等级别的企业债券收益率之间的差异，其大小反映了投资者对债券违约风险的预期和要求。
因此，研究我国企业债券信用利差的宏观决定因素，对于理解债券市场运行规律、防范金融风险、优化资源配置等方面具有重要意义。
二、文献综述在国内外学者的研究中，企业债券信用利差的决定因素主要包括宏观经济环境、企业基本素质、市场供求关系等方面。
其中，宏观经济环境是影响信用利差的重要因素之一。
国内学者通过实证研究发现，GDP增长率、通货膨胀率、货币政策、利率水平等宏观经济指标对企业债券信用利差具有显著影响。
此外，企业基本素质如资产规模、盈利能力、负债率等也是影响信用利差的重要因素。
而市场供求关系则主要受到投资者预期、市场流动性等因素的影响。
三、研究方法与数据来源本研究采用定量分析方法，以我国企业债券市场为研究对象，选取相关宏观经济指标、企业基本素质指标以及市场供求指标作为研究变量，运用统计分析软件进行实证研究。
数据来源主要包括国家统计局、中国人民银行、中债登等权威机构发布的数据。
四、实证研究1. 变量选择与模型构建本研究选取了国内生产总值（GDP）增长率、消费者价格指数（CPI）通货膨胀率、货币供应量（M2）增长率、国债收益率、企业资产规模、企业负债率等指标作为研究变量，构建了多元线性回归模型，以解释企业债券信用利差的宏观决定因素。
2. 实证结果分析通过实证研究，我们发现GDP增长率、通货膨胀率、货币供应量增长率、国债收益率等宏观经济指标对企业债券信用利差具有显著影响。
具体而言，当经济增长较快时，企业盈利能力较强，债券违约风险相对较低，信用利差较小；而当通货膨胀率较高时，实际利率下降，投资者要求更高的风险补偿，信用利差增大。
《2024年我国企业债券信用利差宏观决定因素研究》范文
《我国企业债券信用利差宏观决定因素研究》篇一一、引言随着我国金融市场的发展，企业债券市场日益成为企业融资的重要渠道之一。
然而，在债券市场中，信用利差一直是影响市场运行的重要因素。
信用利差是指同一时间同一信用评级的企业债券收益率与无风险债券收益率的差异，这一差异主要由企业的信用风险所决定。
本文将深入探讨我国企业债券信用利差的宏观决定因素，分析其对债券市场的影响及应对策略。
二、研究背景及意义当前，我国债券市场规模不断扩大，但市场中也存在大量违约现象。
对于投资者而言，合理把握企业债券的信用风险，降低投资风险是关键。
因此，研究企业债券信用利差的宏观决定因素，有助于投资者更好地理解市场运行规律，提高投资决策的准确性。
同时，对于政策制定者而言，了解信用利差的决定因素也有助于制定合理的政策措施，促进债券市场的健康发展。
三、我国企业债券市场概述（一）市场现状及发展我国企业债券市场已初具规模，市场规模逐年扩大，产品种类丰富。
但同时，市场也存在信息披露不透明、投资者结构不合理等问题。
（二）主要参与主体企业债券市场的主要参与主体包括政府、金融机构、企业和个人等。
其中，政府和金融机构在市场中发挥着重要的角色。
四、宏观决定因素分析（一）宏观经济因素宏观经济因素对企业债券信用利差的影响较大。
具体包括：GDP增长率、通货膨胀率、利率水平、货币政策等。
这些因素的变化将直接影响企业的经营状况和偿债能力，从而影响企业债券的信用风险和信用利差。
（二）政策法规因素政策法规的调整也会对信用利差产生影响。
例如，政府对企业的扶持政策、税收政策等都会影响企业的经营状况和偿债能力。
此外，监管政策的调整也会影响市场的运行规律和投资者的投资行为。
（三）行业因素不同行业的经营状况和风险特征存在差异，因此行业因素也是影响企业债券信用利差的重要因素。
例如，周期性行业的波动性较大，其企业债券的信用风险和信用利差也相对较高。
五、实证分析（一）数据来源及处理本文采用我国企业债券市场的相关数据进行分析。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
企业债券信用风险统计测量——基于宏观经济不确定性视角课题负责人：中央财经大学周宏一、引言企业债券作为企业融资的重要途径之一，在金融市场中扮演着重要角色。
信用风险是制约企业债券市场发展、影响企业融资的主要风险。
国外对企业债券信用风险影响因素的研究主要基于企业内部价值、宏观经济环境的不确定性和信息不对称程度三个视角展开的，在经济全球化的背景下，宏观经济不确定性对企业债券信用风险的影响越来越大。
企业债券信用风险的测量模型大致可以分为三类：基于未定权益分析方法的结构模型（structural model）、基于强度过程的简化模型（reduced model），以及基于前两种方法的混合模型。
许多学者对宏观经济不确定性与企业债券信用风险之间的关系进行了大量的理论研究和实证研究，但是从国内外已有的研究来看，尽管金融危机的爆发是一个典型的经济周期，但是还没有学者研究金融危机对企业债券信用风险的影响。
不仅如此，关于企业债券信用风险的测量的研究也有待于发展，国内外已有的实证研究发现结构模型存在缺陷的原因之一是它所包含的企业基本面信息量不够充分，而基本面分析法在应用时也只是考虑了企业的基本面信息；并且现有的研究在采用基本面分析法或未定权益分析法时，大多都单一使用这两种方法中的某一种方法构建风险测量模型，即使有少数学者将这两种方法结合，也没有充分考虑宏观不确定因素；另外，已有的研究表明了未定权益分析法和基本面分析法都有各自的优点和缺陷。
鉴于已有研究的不足以及我国企业债券市场的培育环境与国外的差异，本研究首先将经济周期具体化为金融危机的爆发，构建企业债券信用风险影响因素模型，利用我国2007-2009年公司债券的月度面板数据进行实证检验，并利用该回归结果对2009年12月公司债券的截面数据进行估计，进一步验证回归结果的正确性，然后从宏观经济的不确定性视角，基于结构模型将未定权益分析与基本面分析法法相结合并考虑宏观经济因素构建企业债券风险测量模型，并采用我国1997－2011年的169只公司债券数据进行实证检验，通过与其它模型对比检验该模型的优越性。
二、宏观经济不确定性对企业债券信用风险的影响通过对理论文献的回顾可知，宏观经济不确定性对企业债券信用风险的影响主要取决于经济周期、股票市场状况、利率、通货膨胀水平和汇率等具体特征。
但是很多实证研究仅对宏观经济不确定性与企业债券信用风险之间的关系进行了简单的线性回归，并没有考虑样本债券的期限和利率特征。
针对上述问题，结合2007年美国次贷危机引发的国际金融危机，利用我国89家企业债券2007-2009年的月度面板数据构建影响因素模型，探讨宏观经济不确定性对企业债券信用风险的影响。
（一）指标选取及模型构建Altman(1983) 首先发现表征宏观经济的一组变量的变化率，包括实际GDP、S&P指数等，与公司债券的信用价差之间存在着负相关性，即在各个宏观经济指标显示经济状况较好的时期，企业债券的信用风险较低，而在经济萎靡时期，企业债券的信用风险则较高。
进一步地，Thomas C. Wilson(1998) 加入了失业率、GDP增长率、长期利率水平、汇率、政府支出和总储蓄率，建立了衡量债券违约可能性的Credit Portfolio View模型。
James(2000)，Guha & Hiris(2002)则利用经济状况的拐点代替经济周期对宏观经济环境的不确定性进行了研究，结果与Altman(1983)一致，经济衰退时期公司债券的信用利差会扩大，而在经济扩张时期，信用利差从前期高峰值趋于降低。
Wassim Dbouk & Lawrence Kryzanowski (2010)发现GDP的预期变化率和期限结构斜率的预期变化率都是投资组合的信用利差变化的主要影响因素，同时还发现违约风险、市场流动性和回报的波动率也会对投资组合的信用利差变化产生重要影响。
随着金融在经济中作用的凸显以及经济的日益虚拟化，现代经济周期愈来愈呈现出明显的金融经济周期特征。
①前任美联储主席伯南克和戈特勒等人提出了“金融加速器”的概念，将金融市场摩擦纳入到经济周期波动的一般分析框架，金融危机的爆发过程是一个典型的经济周期。
经济全球化使中国经济与世界的联系越来越紧密，美国作为中国最大的贸易伙伴，对中国经济的影响也越来越多。
2007年美国次贷危机引发的国际金融危机给全球经济造成了极大的影响。
金融危机自从爆发以来就迅速通过各种途径向我国传导，对我国实体经济和金融市场造成巨大冲击，出口增长下降和美元贬值的双重影响已经使许多企业难以生存。
企业的偿债能力受到严重的影响，企业债券的价格迅速下跌，从而加大了企业债券的信用风险。
由于低价回购债券可以立刻提升公司的总体盈利水平，而且，企业在低价位时把债券购回，等到市况转好的时候再发债，可以降低发债的利息成本。
因此，随着企业债券的价格迅速下跌，引发了债券回购热潮，进一步加大了企业债券的信用风险。
所以，我们选取虚拟变量金融危机的爆发来表示经济周期，与股票市场波动率、利率、通货膨胀率、汇率变动共同作为自变量，选取企业债券到期剩余期限和票面利率类型为控制变量，考察宏观经济不确定性对企业债券信用风险的影响程度。
构建的面板数据回归模型如①何德旭，张捷.经济周期与金融危机：金融加速其理论的现实解释[J].财经问题研究，2009（10）.下：t i t i t i t i t i t i t i RW RT ROE IR I SI FC CS ,7,6,5,4,3,2,10ββββββββ+++++++= （1）其中，i=1,2,3…..89，代表89家企业债券；t=1,2,3…..36，代表2007年至2009年36个月；被解释变量CS 为企业债券的信用利差，即企业债券到期收益率与相同剩余期限的国债到期收益率之间的差额；金融危机的爆发为虚拟变量，由于金融危机对中国经济的影响在2008年开始显现，因此，2007年该虚拟变量取0，而2008年至2009年该虚拟变量取1；股票市场波动率SI 为上证综合收盘指数的环比增长率与深证综合收盘指数的环比增长率的平均数；利率I 为银行五年期定期存款的月底利率；通货膨胀率IR 为CPI 环比增长率，具体计算公式为（本期CPI-上期CPI ）/上期CPI ；汇率变动ROE 为中经网公布的人民币对美元汇率的期末数；企业债券到期剩余期限RT 为各期末距离企业债券到期日的时间；企业债券票面利率类型RW 为虚拟变量，我国企业债券的利率类型主要有固定利率、浮动利率和累进利率三种，累进利率债券对信用风险的影响类似于浮动利率，从而两者可以合并考虑，本研究设定固定利率债券的取值为1，浮动利率和累进利率债券的取值为0；t i ,ε为随机误差项。
基于样本得到总体参数的估计值7,1,0,ˆ =i iβ后，将参数的估计值代入式（2）中的模型对应的样本回归模型，就可以计算出各家中国企业债券各期信用利差的估计值。
ti t i t i t i t i t i t i RW RT ROE IR I SI FC S C ,7,6,5,4,3,2,10ˆˆˆˆˆˆˆˆˆββββββββ+++++++= （2） （二）数据来源及变量的描述性统计1、数据来源选取2007年1月1日至2009年12月31期间以月为单位（每月最后一个交易日）的时间序列、沪深证券交易所上所有上市交易的、中长期的、分期付息的、不记名的、公募的企业债券为横截面的面板数据进行估计，共计36个时间序列，剔除数据缺失和异常值的样本后，每个横截面有89个样本。
模型中需要用到的有关经济周期及货币政策等相关数据来自中经网统计数据库，有关企业债券基本信息以及相关国债数据来主要自于wind 数据库。
2、变量的描述性统计本模型选取的是2007年1月1日至2009年12月31日期间以月为单位（每月最后一个交易日）的企业债券信用利差及其他相关宏、微观经济数据，剔除无数据的样本后得到3204个观测值。
相关变量的描述统计及自变量相关系数矩阵分别见表1和表2。
表1 面板回归方程相关变量描述性统计一览表变量 样本数 最大值 最小值 中位数 均值 标准差CS3204 4.047833 0.036131 1.310143 1.316741 0.421703 FC3204 1 0 0 0.333333 0.471478 SI3204 0.249281 -0.239076 0.048094 0.016930 0.015950 I3204 5.85 3.60 4.41 4.7025 1.000408 IR3204 0.026 -0.008 0.001 0.002611 0.006623 ROE3204 7.7776 6.8183 6.84895 7.11435 0.352852 RT3204 15.6603 1.463 7.5178 7.858238 7.939237 RW 3204 1 0 1 0.966292 0.032582表2 面板回归方程自变量相关系数矩阵FC SII IR ROE RT RW FC 1.000000 -0.6369980.010231 -0.376517 -0.802253 -0.267416 -0.000117 SI -0.6369981.000000 -0.436781 0.059905 0.287856 0.175258 1.53E-19 I 0.010231 -0.4367811.000000 0.008236 0.240655 0.026541 -0.002091 IR -0.3765170.059905 0.008236 1.000000 0.429081 0.072482 -0.001321 ROE -0.8022530.287856 0.240655 0.429081 1.000000 0.279083 0.000584 RT -0.2674160.175258 0.026541 0.072482 0.279083 1.000000 0.219551 RW -0.0001171.53E-19 -0.002091 -0.001321 0.000584 0.219551 1.000000（三）模型估计结果及利差估计值计算1．Hausman 检验利用软件EVIEWS6.0，先对横截面个体进行Hausman 检验，结果如下表：表3 Hausman 检验结果检验总结Chi-Sq. Statistic Chi-Sq. d.f 显著性水平 横截面随机效应0.000000 7 1.00002．模型估计结果Hausman 检验结果表明，横截面个体存在随机效应，在此基础上，利用2007-2009年89家企业的月度面板数据进行回归，得到如下面板数据模型横截面随机效应的回归结果：表4 面板数据随机效应的回归结果变量系数 标准差 t 值 显著性概率 C 6.961586 0.260791 26.69411 0.0000FC0.102850 0.025703 4.001516 0.0001SI-0.069713 0.009341 -7.463155 0.0000I0.062461 0.053406 1.169543 0.2423IR 5.935242 0.710626 8.352131 0.0000ROE-0.775853 0.032592 -23.80533 0.0000RT-0.031405 0.006591 -4.764558 0.0000RW-0.163550 0.085912 -1.903689 0.0570 从最终的回归结果可以看出，虚拟变量金融危机的爆发、股票市场波动率、人民币对美元汇率以及通货膨胀率显著性P值为0.00，说明这四项因素对我国企业债券的信用风险具有显著影响。