作者：金融小包总

来源：泓策投研手札（ID：FinanceBao）

“穷且益坚,不坠青云之志”，谨以此文总结自己过往两年的职业生涯。自从2016年入行以来，眼见着这行风起云涌，浸淫日久发现的问题愈多，或许探索出的这套解决方案有所欠缺，还希望以此文抛砖引玉，引起更多业内人员的深度思考。

近几年，证券公司开展的债券投资、融资融券、股票质押、场外衍生品交易等信用风险相关业务种类不断增多，业务规模日益扩大。与此同时，国内债券市场、非标债权融资及股票质押融资违约事件时有发生。相应地，证券业监管部门针对证券公司信用风险管理提出了更高的要求。因此，无论是外部市场形势、监管要求，还是证券公司内部管理和业务发展状况，都表明证券公司建设和完善内评体系十分必要。

（一）信用债违约常态化的趋势

2018年以来，信用市场(含银行信贷、信托和信用债市场等)融资环境日益趋紧，信用债、非标及股质违约事件频发，信用风险加速暴露，违约情况愈发剧烈，尤其是信用债违约并呈现出诸多的新特征。

回顾国内信用债违约的历程，2014年“11超日债”利息未完全兑付以来，违约的常态化已不可避免。2015年债券违约波及的品种及类型扩大：湘鄂情、珠海中富等上市公司的债券违约；中钢、天威等国企的债券违约；山水水泥发行的超短融违约。2016年诸多产能过剩行业的债券违约爆发，如中煤华昱、淄博宏达、广西有色、东北特钢、川煤集团等。2017年新增违约主体主要系民营企业，如五洋建设、丹东港、亿利集团等。2018年以来的违约则呈现出涉及主体类型更多、金额更大、发生频率更高、高外评等级违约等特征。违约常态化下，证券公司如何对债券业务信用风险进行防控成为了迫在眉睫的事情。

图1：2014年以来债券违约金额、主体家数及债券只数

数据来源：wind

（二）信用债市场投资诉求的需要

此前信用债投资中信用研究起到的价值有限，更多的偏投前排雷和监管所需。随着信用债市场的发展、行业和个券的分化以及机构内部投研方法论的变革，信用研究精细化势在必行，择券追求风险收益比，信用策略价值日显，信用债组合化管理，跟踪和预警依赖于人工智能方式提升效率。这些诉求需要一套完善的内评体系来支撑。

（三） 传统内评体系的缺陷

    国内传统的内评体系以是否过券为界限，较为粗暴简单，存在以下几个问题，其一是信用风险评估过于粗暴，缺乏信用排序和内部信用级别序列，不利于公司依据风险偏好精细化择券；其二是依赖于专家经验模式的信用研究，效率有限，无法覆盖全市场，最终无法形成风险收益比最高的可投库；其三是依赖于专家经验模式的信用研究，信用研究逻辑不透明且无法形成公司层面的知识积累和迭代；其四是跟踪评级、风险预警、信用报告层面过于依赖信用研究员人脑来处理，造成信用研究员工作饱和度过高，负担较重。其五是只有信用排序，缺乏对利差的监控，信用定价的研究。其六是忽视资产管理机构和证券公司信用风险敞口的特性，而照搬商业银行基于巴塞尔协议那套的信贷内评体系和风险计量方式进行管控。

（四）监管层面的要求     

从外部监管要求看，《证券公司全面风险管理规范》要求证券公司建立健全与公司自身发展战略相适应的全面风险管理体系，包括建立与业务复杂程度和风险指标体系相适应的风险管理信息技术系统，覆盖各风险类型、业务条线、各个部门、分支机构及子公司，对风险进行计量、汇总、预警和监控。《证券经营机构债券投资交易业务内控指引》要求证券公司对债券交易的标的债券和交易对手进行必要的尽职调查和内部评级，区分不同的风险等级，建立标的债券产品库制度和交易对手白名单制度，并根据交易对手内部评级风险等级分配授信额度。

（五）外部评级机构的缺陷

中国证监会和中国银行间交易商协会于2018年8月17日分别给予大公国际资信评估有限公司（以下简称“大公评级”）严重警告处分，责令其限期整改，并暂停债务融资工具市场相关业务一年。经查证，在2017年11月至2018年3月期间，大公评级在为相关发行人提供信用评级服务的同时，直接向受评企业提供咨询服务，收取高额费用。同时，在监管调查工作开展过程中，大公评级向协会提供的相关材料存在虚假表述和不实信息。此次监管处罚系本土评级行业有史以来最严重的一次，比之2006年上海远东资信评估有限公司因福禧债事件被暂停业务更为严重。从监管的处罚可以窥见本土评级机构的诸多乱象和外部评级的局限性。

本土评级机构肇始于上世纪90年代，一直伴随着国内信用债市场的发展。第一家评级机构（下称“远东资信”）上海远东资信评估有限公司成立于1988年。进入21世纪后，国际三大评级机构先后通过和本土评级合资或合作的方式进入市场，比如2006年穆迪入股中诚信国际，2007年惠誉评级收购联合资信评估有限公司49%的股权，2008年标普和上海新世纪资信评估投资服务有限公司建立战略伙伴关系。目前本土评级机构的情况如下表一所示：

资料来源：监管部门官网整理，截止2017年底 

本土评级业发展至今，出现了六个被人诟病的问题：高等级债券违约（如华信主体评级AAA，大量主体评级AA+评级违约）、信用评级调整不合理（如新光债被上调）、信用级别与债券发行及交易利率不匹配、信用级别区分度不够(拥挤在AA、AA+和AAA)、商业模式决定了独立性不够、以及违约风险预警的效果不佳，如下图：

图2：外部评级机构涉及违约主体的情况

数据来源：wind

（六）证券公司内部管控的需要

从内部管理要求看，证券公司开展的涉及信用风险的各类业务规模不断扩大，信用风险已是券商经营管理面临的主要风险之一。信用研究是各类涉及信用风险的业务客户准入、资产池管理、授信管理、限额管理、投资决策、风险计量、风险定价、风险分类等的主要依据，是信用风险管理的核心工具，有助于将风险管控前置，识别和预防信用风险，而内部信用评级系统可以统一全公司信用评级的流程、标准、逻辑或模型和系统，整合公司内部资源，用以提高信用研究、投资决策、投后管理的科学性、可靠性，更好地支持各类信用风险相关业务的发展。

信用评级除评级机构外，其次是银行业体系内为符合巴塞尔协议计算净资本时候采用高级计量法所需而开展的信用评级较为成熟。但银行业体系下主要针对信贷资产的内评体系并不适用于证券公司,照搬银行体系基于经济资本计量而搭建起来的PD、LGD、EAD；EL、UL；RAROC这套信用风险计量体系，恐不能适用于资产管理机构和证券公司。

银行业的《巴塞尔协议》有时点评级法、跨周期评级法两种评级哲学。如果评级模型主要使用与债务人有关的当前信息进行评级，评级结果反映了债务人目前成本在未来一定时段内的履约水平，评级结果随贷款/商业周期情况的变化而变化，则评级模型属于时点评级法。如果评级模型主要使用与债务人有关的长期信息进行评级，特别是包括了经济衰退对于债务人履约能力的影响，评级结果在经济周期中保持相对稳定，则评级模型属于跨周期评级法。中国银监会允许商业银行可以选择采取时点评级法、跨周期评级法或者介于两者之间的评级法。此外，《巴塞尔协议》下的内部评级体系和评级机构类似，也分为两个维度，一维是客户评级，即客户违约率；二维是债项评级，即违约损失率。在两维评级中，《巴塞尔协议》要求商业银行应设定足够的债务人级别和债项级别，确保对信用风险的有效区分，而且要求信用风险暴露应在不同债务人级别和债项级别之间合理分布，不能过于集中。

银行业体系的内评首先是基于其详实的数据为基础，而证券公司并不具有此类数据的基础，其次银行业体系内评主要是出于资本监管的需求，而证券公司也并无此类的需求（证券行业的监管也是以透明度监管为主，资本监管为辅），最后银行业内评目前也仅在部分大中型银行开展的较好，方法论上仅依赖模型存在一定的问题。

证券公司以信用债发行主体为主的信用风险，相对于商业银行的对公信贷、银行和消金依赖数据和模型驱动的零售信贷而言，有自身的特性。

首先，买方信用风险最大的特性就是买方所有信用风险类业务的敞口都和资本市场关联性很强，如下表二 证券公司信用风险相关业务所示：

其次，证券公司内部信用评级面临着内部资源有限，数据不足等挑战，而数据的缺失直接导致了数据驱动的定量模型的表现不佳。

再次，证券公司不同业务部门面临的客户类型不同，业务种类不同，需要在评级模型开发和评级体系设计中区分债务人主体风险、外部支持因素、债项风险、交易结构设计、风险缓释等因素。以公开数据和现场讨论开发方式建立的模型较难考虑上述因素，从而影响模型效果和评级使用。

最后，在评级应用方面，目前证券公司内部信用评级应用比银行相对简单，主要涉及业务准入、限额管理、预警监控等，尚不涉及也难以涉及以经济资本为基础的组合管理应用及风险量化计算。

三、适用于证券公司的内评体系

债券市场的信用投研和风控能力的建设是一个长期的体系化的过程，需要从风险文化、考核机制、治理架构、管理机制以及数据基础和信息系统等多个维度（见下图3）着手，旨在全面提升金融机构内部的前、中、后台对信用风险管理必要性、重要性的认识。体系化建设的核心落脚点在于提升团队的风险识别、风险计量、风险缓释及处置能力。

图3：内评体系的框架

其中：

风险文化与考核机制是内评体系的基础，由风险文化的确立、植入和评估以及考核机制组成。

数据集市和信息系统是整个资本市场信用风险类投资管理的重要载体。

治理架构是内评体系运转的关键，通过顶层设计组织架构、政策制度和流程管理，旨在达到统一管理，内部制衡的目标。

管理机制通过十个模块的合力，达到监管要求的可监测、能计量、能分析、可应对。而其中核心的是通过内评体系提升前台信评的风险识别和风险计量能力、辅助中台信用风险管控工作。

风险文化与考核机制层面详述：

（一）内评体系的考核和激励机制？

风险文化与考核机制是管理体系的基础。债券市场的信用风险管理和传统信贷管理既有相似的地方，也有自身的特色，比如在遵守风险管理原则和风险偏好的基础上，信用债投资市场更重视投资策略、讲求效率和把握时间点快速决策；强调收益和风险的平衡，重视同样收益下如何选择风险更小的市场更为认可的信用品种（择券）。故而信用债市场更加需要能够支持快速决策的文化和考核机制，更加需要科技赋能投资来提高投研效率。

考核机制和风险文化密不可分。买方可以通过评估风险因素（包括预期损失、非预期损失）在内的基于经济资本考量后的盈利能力，而非单一的财务利润，来进行合理的资金和资源配置。制度是集体行动控制个人行动的一系列行为规则，也是协调人与人关系的产物。买方考核机制的前提在于科学化的绩效归因，来合理区分投资组合的收益是来源于alpha，还是beta；买方考核机制的难点是要明确自身的风险偏好，设立一定的容错机制，避免机制设计导致投资人员过度保守或过度激进；买方考核机制的关键是要确保专业的人做专业的事情，投资、交易和研究能达到精诚合作。

信用研究的考核和激励机制一直是难点。业内实践后可行的方案有两种：

第一种根据评级级别，设计核心库、基础库、高收益债库、禁投库。不同库有投资比例限制以及不同授信额度，尝试个券可投比例，总额限制，账户净值比例。根据不同库设计职责，核心库风险信评承担，基础库风险共担，高收益库投资经理承担。

第二种进行全市场的信用排序，并给予发行主体及债项一个评级（比如AAA、AA+、AA、AA-；BBB、BB+、BB、BB-；CCC、CC+、CC、CC-）,其中AA-以上可以直接投资，但是有较松的投资额度控制；BB-到BBB需要经过信评主管确认，同时有额度控制；CCC到CC-则限投、禁投。这种模式的设计可以减轻信用研究人员的压力。

数据基础与信息系统层面详述：

（二）数据集市大汇总

数据集市模块最好能够做成兼容性较高的数据集市，可以兼容各种外部数据（wind、财汇、德勤智慧债券、企查查、行业数据、另类投研数据等）和公司内部数据。主要包括主体数据库、债项数据库、行业数据库、风险计量数据等，如主体数据库包含发债主体基本工商信息、行业划分、内评历史、舆情、预警等信息；债项信息库基于主体数据，评级、异常交易监控等。

（三）信息系统持续迭代和可扩展

信息系统要做到能够整合前中后台全流程的风险计量、风险报告和实时监控，具备较好的可视化效果、灵活性，尤其是可扩展性，最终能够优化流程、搭建不断迭代的工具和模型，及做到业务留痕。

治理架构层面详述： 

（四）组织架构上，如何设计？

组织架构上，业内不同公司根据不同情况有基于自身的实践经验，但要明白风控牵头的内评体系一般重视框架、职责和系统的搭建，是基于管控视角考虑，落地性较差；业务部门牵头的内评体系一般重视方法论，实质风险识别，投研能力的提升，是基于实际投研诉求出发，框架完善性不够。总得来说，组织架构按照不同部门之间权责大小的不同可以划分为三类，分别是全部授权模式、部分授权模式、独立信审模式，如下图4：

组织架构全部授权模式之下，前台部门内部在承担可控风险敞口基础上博取收益，设计架构来合理衔接投资决策-固收研究-债券交易三个环节，做到职责清晰、分工高效。中台的风控部门，可以将职责聚焦在总量风控和流程管理上，比如尝试设计和建设压力测试模型，情景模拟体系，收集数据、设计情景，实施信用风险压力测试，编制信用风险压力测试报告等。

组织架构部分授权模式之下，风控部可以下设专门的风控信评二级部，配置专业的信评人员，风控信评只负责信用资质较差主体的二次审核以及协助前台信评完成信用风险的不定期定期排查、汇报工作，前台信评负责全部主体的审核这种分级授权的模式。

组织架构独立信审模式之下，可以在全公司层面的信用风险管理委员会或者投资决策委员会下面下设独立的信评部门，负责所有信用风险敞口业务的审核和信用研究工作，并向风控部报备。

（五）完整的政策制度体系应该包括哪些？

政策制度上，通过制定合理的政策和制度来给予内部员工足够的安全感、高效的流程和有效的激励。制度框架上除信用风险总的管理制度外，还应该在投资发起环节、投后管理环节、违约处置环节制定投资实施管理制度，以及相应的配套管理制度。投资实施管理制度包括内部信用评级管理制度、投后管理制度、违约处置制度、限额制度等。配套管理制度如内部评级模型管理制度等。

（六）流程上如何进行管理？

流程管理上，根据业内实践大致也可分为三种，分别是内评流程闭环模式，内评流程介入模式

内评流程闭环模式之下，做到了充分尊重和信任前台研究人员的专业知识，简化流程，把信用风险评估的风险识别和风险计量模块在前台研究人员内部形成闭环，避免了业务部门领导、中后台领导和公司领导过多介入。在这种闭环模式之下，研究归研究，后续债券投资流程中再通过分级授权和领导介入的方式把控。

内评流程介入模式之下，业务风控人员，业务部门领导在不同的环节介入内评体系，虽然能分担信评人员的职责压力，但是也存在可能影响研究和投资效率的可能。

管控机制层面详述： 

（七）风险偏好和指标

风险偏好是公司希望承担的风险，而风险指标是公司可以承受的风险。建立公司的风险偏好和风险指标是管控部门所诉求的主要事项。

（八）风险授信

（九）如何识别、计量、监控和报告信用风险？

内评体系化建设的核心落脚点在于提升团队的风险识别、风险计量、风险缓释及处置能力。风险识别是信用风险评估入口的问题，风险计量是信用风险评估出口的问题。信用风险的评估环节入口应综合专家经验和人工智能两套方法论，而信用评估的出口环节精细化信用研究成果如下图所示：

1、专家经验（HI）结合人工智能（AI）的信用评估

信用评估环节入口端既要重视信用研究团队的培养和专家经验的塑造，在新技术日益渗透入金融业的现在，也需要重视人工智能和大数据分析工具的应用，挖掘和解读潜在信息，发现和利用有价值的信息。比如针对舆情、异类数据和关联网络的信息处理和价值挖掘是目前信用研究AI化的重要发力点。一、舆情。发债主体及其关联方的舆情信息往往能够从一个侧面反映出发债企业当前的信用状况，这些信息一般可以通过部署网络爬虫或开展数据合作的方式获取。而其后对舆情事件类别的判断和对严重程度的自动化分析则落入了自然语言处理范畴下的情感分析（SentimentAnalysis）子领域。由于发债企业舆情文本通常具有冗长、冗余、异构的特点，“词袋”等简单模型往往失效，而在大规模训练样本的基础上，利用每日增量舆情信息训练基于深度学习的情感分析算法是一个相对可行的方案。二、异类数据。简单来说，企业常规报表之外的数据即为异类数据。譬如说分析师希望了解一家发债企业近期有无大规模裁员行为，从而判断其生产经营状况。从异类数据的角度，通过对例如企业近期的水、电、煤、气用量或缴费情况，社保缴存情况乃至大量员工的手机实时位置信息进行价值挖掘。异类数据在逐渐成为信用分析热点的当下，如何有效发掘业务场景、确保数据合规合法、合理配置算力亦或寻求第三方合作均是债券投资人需要深入思考的问题。三、关联网络。基于知识图谱技术构建发债企业关联网络将有助于分析企业团体的风险传染性和外溢性。目前关联网络的构建技术和方法已经为人们所熟悉，然而如何“化繁为简”，将一个包含股权、实控人、上下游、担保方的复杂网络，通过如子网切割等技术识别出风险核心企业、隐性集团与风险传染路径则是更具实际风险管理意义的课题。随着数据的积累和分析技术的进步，大数据和人工智能技术必将助力信用债的投资和研究，使得目前主流的信用研究通过专家经验（HI）一条腿走路的投研方式向信用研究依赖于专家经验（HI）和人工智能（AI）两条腿走路的投研方式进化。

2、信用风险考虑的七个维度

信用风险可以考虑的维度大概有七个方面，分别是宏观维度、行业维度、区域维度、经营维度、财务维度、舆情维度和市场维度。

宏观和行业维度看，大致可以分为三块工作。第一是充分借鉴卖方行业研究的成果。第二是针对行业信用风险，梳理各行业信用研究的逻辑框架，抓住行业信用的显著特性，监控每年度行业信用风险的变化，并根据行业景气度确定行业中长期级别中枢。可参考穆迪、标普、惠誉给予不同行业敞口不同信用评级中枢的做法，如下图：

材料来源:标普、中债资信

第三是建立自身的信用债行业投研政策和数据库，以煤炭行业为例，wind等数据终端提供的数据极其有限，买方机构在确定煤炭行业评级方法论后，可以收集的数据包括历年来的行业政策情况、行业供给端的行业固定资产投资和新增产能情况、竞争格局、高效产能矿井名单、原煤产量、煤炭进口、库存情况；行业需求端的下游需求、下游价格；产品价格的港口价格、产地价格、国际煤价；行业财务表现的煤炭行业主要财务指标以及到企业层面的业务和财务数据等等。其中的数据来源包括wind、国家统计局、中国煤炭工业协会、煤炭运销协会、海关总署、期货交易所、金属观察网、海运煤炭网、芝加哥商品交易所等。

区域维度看，可以通过整理区域政策、区域政府财政实力情况、区域产业结构分布、区域内发债主体关系，搭建自己的区域数据库，如下图：

经营维度看，可以考虑商业模式、盈利方式等，其中对于民营企业尤其是要考察其历史沿革和实际控制人的情况，对于国有企业则通过分析业务结构及同财政的关联度来评估其外部支持的实际效力。

财务维度看，可以通过水平分析异常值、垂直分析异常值、建立分不同行业的财务指标库，并建立财务智能化自动化分析、财务粉饰识别、会计信息质量识别和财务健康度评价，如下图：

舆情维度看，仅仅通过爬虫、图片OCR识别、自然语言处理等技术实时抓取发债主体的负面舆情来做到实时监控是不够的，应该通过建立自己的舆情数据库，包括各类型司法判决信息，企业征信数据等，并通过知识图谱技术建立发债主体多个维度（行业、公司、标签、股权、人物、事件和研报图谱）的关联关系数据，监控整个关联关系链路上的舆情信息。

市场维度看包括四个部分，第一是信用利差，第二是基于KMV模型计算出的违约间距（DD），第三是偏离估值的异常报价，第四是隐含评级。通过市场维度可以对信用风险的变动情况做到实时监控。第一部分信用利差是信用债收益率相较于市场无风险收益率的信用溢价，是对投资者承担的违约风险的补偿，包括个券利差、行业利差、区域利差。信用利差的变化能够侧面印证发行人、相关行业的资质变化情况，同时能够作为定价参考。第二部分的KMV模型类属于期权定价模型在信用风险领域的应用。这一模型的理论基础是默顿的期权理论（1974）。KMV模型将公司负债看作是买入一份欧式看涨期权，即公司所有者持有一份以公司债务面值为执行价格，以公司资产市场价值为标的的欧式看涨期权。如果负债到期时公司资产市场价值高于其债务，公司偿还债务，当公司资产市场价值小于其债务时，公司选择违约。通过KMV模型能最终测算出一个每日变化的违约间距（DD），可以作为风险监控的参考，局限性在于只能用于上市公司发行的信用品种。第三部分是异常报价，异常报价除关注价格外，更应该关注量。第四部分是隐含评级(Market ImpliedRatings)，此处特指债券隐含评级,是一种基于市场交易信息的评级，其在市场有效性假说基础上利用当前所获得的债券交易信息来反映被评级对象的相对信用风险，隐含评级能够基于市场信号，对信用状况进行实时监控，每日反映债券信用风险变化。

3、信用风险评估的出口

信用风险评估的出口有三个，分别是风险计量、风险监控和风险报告，其中风险计量是核心，也是目前买方最为薄弱的地方。信用评估的成果如果仅仅是一篇一页纸的报告，内含信用品质的信用瑕疵情况以及给予投资端可投、建议谨慎、不可投的简单建议未免不足。买方可以根据自身的情况进行风险计量的设计。

风险计量可以针对的环节有三个。风险计量针对信用品种的短期（1年以内）流动性情况，可以设计基于偿债现金流情况的流动性评价模型（主要考虑财务维度）。

风险计量针对发债主体的中长期情况（1年以上）可以设计含估值模型的主体打分卡模型，最终在买方内部实现全市场信用品种的信用排序和信用定价（主要在保障数据可得情况下，考虑行业维度、区域维度、经营维度和财务维度的各类型指标）。债券发行主体的打分卡模型相比信贷为主体的打分卡模型，优势就是在于可以通过评级机构的级别序列、卖方研究、债券二级市场的交易价格、买方信用研究人员的经验积累等来对模型进行校准。

风险计量针对债项，可以根据相关条款、品种以及增信措施，考虑违约损失率的基础上，设计偏主观的评价体系。

风险计量需要保障模型逻辑的合理性、一致性和长期稳定性，而风险监控侧重于实时性。风险监控可以考虑三个维度，分别是财务维度、舆情维度和市场维度。针对财务维度，可以借鉴Z-Score指标、M-Score指标、本福特定律等方法论，也可以针对不同行业敞口设计重点关注财务指标库，通过系统自动化定期计量并设定一定的阀值来实现财务预警。针对舆情维度，核心是建立自身的关联图谱，基于关联图谱关系实时抓取舆情资讯，并通过技术的手段对冗余信息进行删选，最终实现有效的持仓信用品种舆情预警。针对市场维度，主要是量和价，通过监控债券成交的量，以及异常报价的情况来实现市场预警，更进一步可以通过完善后的KMV模型实时计量DD（违约间距），并通过监控违约间距（DD）的变化情况来实现市场预警。

风险报告的环节必不可少，通过系统化提升风险识别能力和自动化实现个券风险计量后。业务部门的信用研究员可以将时间更多的花费在行业和区域研究、尽职调查等需要专业水平积累的地方，而风险报告的内容就需要体现出这些依赖专家判断而出具的专业分析。此外，风险管控部门也应建立基于管控目的的风险报告体系。

（十）管控机制的其他部分

风险控制与缓释除依赖于这套内评体系之外，还可以运用信用风险缓释工具来进行风险对冲。风险应对与处置，券商相比银行出于弱势地位，管控部门做好信用事件台账登记，业务部门应从考核和制度层面积极进行风险处置，公司层面可以建立能够及时响应的高效行动小组。资本与压力测试层面，依据监管要求进行。

注：文章为作者独立观点，不代表资产界立场。

题图来自 Pexels，基于 CC0 协议

本文由“泓策投研手札”投稿资产界，并经资产界编辑发布。版权归原作者所有，未经授权，请勿转载，谢谢！

原标题：信用债内评体系搭建，基于券商场景下的探索

债券投资信用风险信用信用债