债券评级研究综述..docVIP

债券评级研宄综述 论文联盟编辑。债券评级源于20世纪初的美国，经过 100多年的发展，在美国已形成了一套完整的制度，并在保 持金融系统的稳定中发挥着重要作用。在我国，随着债券市 场的产生和发展，债券评级公司也应运而生，目前主要有中 诚信国际、穆迪以及标准普尔三家。 学者们对债券评级的研究主要从以下两个方面人手：（1） 债券评级的建模，这个方面的研究考察了影响评级高低的各 种因素及其对评级影响的函数形式，应用的方法主要有统计 和计量技术；（2）债券评级与债券到期收益率、股票收益率 的关系，这些研究主要是通过事件研究法来考察债券评级及 其变动对债权人、股东财富的影响。下文将对这两个方面的 研究进行述评。 一、债券评级的建模 债券评级的建模思想可以一般地表示为如下模型： 其中rati是公司i的债券评级，Xji是可能影响评级的 某个因素。建立评级模型的最大困难在于缺乏相应的经济理 论作指导，这就决定了模型的函数形式以及变量选择在很大 程度上只能是一个实证上的尝试。从方法上讲，评级建模的 统计技术主要有普通最小二乘法（0DS）回归，多元判别分析（ MDA），排序Probi t （或Logit）模型和人工神经网络（ANN）。 普通最小二乘法回归 Fisher最早引入回归技术来研究债券市场的风险溢价， 并成功地解释了债券风险溢价75%的变动。受此启发，研究 人员开始采用回归技术来研究债券评级。 Horrigan首次把债券评级对一些财务指标如总资产、流 动比率和营利能力等进行回归，他还采用了一个0?1变量 来代表债券的次级(subordi nate)地位。Horr igan考察了在 1959 -1964年期间评级保持稳定的公司样本，并采用9到1 的数值来代表从Aaa到B、C的评级，这种处理方法被后续 的研究广泛采用。West (1970)批评了 Horrigan(1 966)只依 赖于财务变量以及缺乏金融理论支持的作法，他采用了 Fisher (1959)的经济变量来考察债券评级。采用194 9年截 面估计的系数来预测1953年和1961年的债券评级，West发 现评级通过影响其他的投资选择改变了债券的收益率，而且 在控制了决定公司债券风险溢价的企业特定因素后，债券评 级也会系统性地影响债券收益率。 Poguea ndSoldofsky采用一个修正的ODS回归模型来进 行逐对分类(pai r—wiseclassi fication),这里的因变量 取两个值：1一评级较高公司；0—评级较低的公司。他们考 察了四个样本的债券：(l)Aaa和Aa债券；(2)Aa和A债券; (3) A和Baa债券;⑷Aaa和Baa债券。这种两组(two一group) 分类的程序避免了 Horrigan和W est研究中多组区间(i nterval)比较的问题。然而，逐对比较程序的系数无法解释 其他债券评级的质量。而且，极端组(如Aaa和Baa)以及非 邻近组之间的比较，会丢失介于中间的债券评级的信息。 技术上，OLS回归模型的缺陷在于：首先，采用连续的 数值(9_1)无法反映AA和A之间的风险差异与BB与B之间 的风险差异的不同。其次，当被解释变量是一些序数时，扰 动项通常不满足零均值和固定方差的OLS假设。因此，需要 在统计上寻找更合适的方法。 多元判别分析模型 债券评级是分类数据，因此采用专门考察分类数据的技 术如判别分析、Probit和Logit回归等会比较恰当。多元判 别分析是一个用来把数据分为不同组别的统计方法，也是债 券评级建模中最流行的模型。 Pi nchesandMing o考察了评级介于Aa_B之间的新发行 的工业债券。他们采用两步法来进行研究：先对35个会计、 财务变量进行因子分析来确定数据中的正交成分；其次，在 每个因子中选择最重要的变量来进行第二步的判别分析。他 们的判别分析在原始样本中具有69. 7°%的准确率，在检验 样本(hold…out sample)中具有64. 6%的准确率。在 PinchesandMi ngo的研究中，他们采用了没有次级(subord inated)变量的二次(quadratic)判别分析。在新模型中他们 采用了 5个变量，从而提高了在Baa债券评级上的表现，但 在其他级别的表现都降低了。 Ahmanand Katz采用二次判别分析来考察公用事业的债 券评级，他们利用30个变量和14个变量分别考察了判别分 析的分类准确性。在原始样本中，他们获得了 91 %的准确性， 在检验样本中获得了 77°%的准确性。因此，他们认为公开的 数据可以在多元统计框架中准确地评估债券评级。 Rappor t, MurphyandP arr采用因子分析考察了 123个 Moody和SP评级相同的工业公司商业票据。他们最先采用 了 37