全局主成分与信用评级——以中票为例.pdfVIP

全局主成分与信用评级——以中票为例 全局主成分与信用评级——以中票为例 一、引言 目前银行、证券公司等使用的内部评级系统基本上是先验地选取有关影响 信用的财务指标，并主观地估算、赋予加权系数，缺乏坚实的计量检验和统计 分析基础。 本信用评级系统，利用因子分析法中的主成分分析法以及统计学的聚类分 析，基本克服了此类问题。选取83支未到期中期票据2004—2008共五年的财务 principlecomponent 面板数据，首先运用全局主成分分析法(All—around analysis)，提取影响信用水平的公共因子，并建立综合因子得分模型：在所获 得的五年综合得分的基础上，运用聚类分析划分类别，并给予对应的信用评级， 为投资者完善其内部评级系统提供相关参考。 二、因子分析方法简介’ 因子分析是将现实生活中众多相关、重叠的信息进行合并和综合，将原始 的多个变量和指标变成较少的几个综合变量和综合指标，降低维度以利于分析 判定，而各综合指标之间彼此是不相关的，代表各类信息的综合指标称为公共 因子或因子变量。 每个公共因子就是对原始变量某类信息的综合反映，它们不是对原有变量 的取舍，而是根据原始变量的信息进行重新组构，能够反映原有变量大部分的 信息。 可以通过下面的数学模型来表示： f Xl=口llFl+口l2F2+…+al册F肘+aI占l l，l+a22F2+…+口2所，肼+口2占2 |x2=口2 卜 2 p=口plFl+口pF2+…+口p栅F肺+口p占p 【x 其中毛，而，屯，……，讳为P个原有变量，是已经标准化的均值为0， 标准差为1的变量，互，最，岛，……，‘为m个公共因子，m小于P，表 示成矩阵形式为： X=AF+仪￡ 全局主成分与信用评级——以中票为例 F为公共因子矩阵；A为因子载荷矩阵，q；为因子载荷，是第i个原有变量 在第J个因子变量上的负荷，相当于多元回归中的回归系数。￡为特殊因子， 表示了原有变量不能被因子变量所解释的部分，相当于多元回归分析中的残差 部分。 三、面板数据的全局主成分分析法 因子分析主要可以分为两类：一是主成分分析法，二是公因子分析法，包 括主轴因子法、极大似然法、最小二乘法及Alpha法等。本研究中采用主成分分 析法来对分类定性选取的指标进行因子分析。 主成分分析的背景是研究中经常会遇到多指标的问题，这些指标间往往存 在一定的相关性，直接纳入分析不仅复杂，变量间难以取舍，而且可能因多元 共线性而无法得出正确结论。主成分分析的目的就是通过线性变换，将原来的 多个指标组合成相互独立的少数几个能充分反映总体信息的公共因子变量(即 主成分)，便于进一步分析。 面板数据是同时包含截面数据和时间序列，兼具有空间维度和时间维度， 类似于按时间顺序排列的T张截面数据表。 如果对每张截面数据表分别进行主成分分析，则无法保证系统分析的统一 性、整体性和可比性。因此，对这种立体数据表进行主成分分析，就要“降维 ——立体面板数据表平面化，同时不损失重要信息并得到统一的主成分公共因 子，从而对样本进行评价分析。 全局主成分分析法主要体现在面板数据的处理上：例如统计n个票据，并 选取相同的P个财务指标五、而、……x。，在第t个年度就有一张截面数据表 X‘=(xo)…，其中n为样本个数，P为变量个数。则Y年就共有Y张截面数据表， 然后按照时间顺序从上到下排成一个YnxP得矩阵，定义为全局数据表，记为： 1，X X=(X 2，……，X’)1№p=(xf，)MP 新矩阵的每一行就是一个票据样本，共有nY个样本。直观地看，全局数据 表是将面板数据按照时间纵向展开，这样“降维处理以后就可以应用经典主 成分分析了。 2 全局主成分与信用评级——以中票为例