吳燁

前言

半個(gè)世紀(jì)以來(lái)，我國(guó)債券行業(yè)發(fā)展迅速，從二十世紀(jì)八十年代初啟動(dòng)國(guó)債和企業(yè)債的發(fā)行，2005年第一批短期融資債券發(fā)行，再到2015年證監(jiān)會(huì)出臺(tái)《公司債券發(fā)行與交易管理方法》，證明我國(guó)證券市場(chǎng)正在不斷發(fā)展壯大。由百度百科最新數(shù)據(jù)顯示：2001年我國(guó)債券凈供應(yīng)只有不到4000億人民幣，但到2012年就已超過(guò)3.9萬(wàn)億人民幣;2001年時(shí)唯有五個(gè)企業(yè)發(fā)行凈融資48億人名幣的信用債，到如今僅僅單月信用債凈供給就逼近4000億人名幣。截止到2018年12月，國(guó)際清算銀行統(tǒng)計(jì)顯示中國(guó)債券市場(chǎng)余額達(dá)8380000億人民幣，在亞洲排名第二、全球排名第三，此中公司信用類債券余額排在亞洲首位、全球排名第二。儼然已經(jīng)發(fā)展為世界中頗具規(guī)模且占有相當(dāng)?shù)匚坏膫灰资袌?chǎng)。

一、債券及債券風(fēng)險(xiǎn)

（一）債券相關(guān)定義

債券是政府、銀行、企業(yè)等向社會(huì)籌集資金時(shí)，按法定程序向投資者刊行并應(yīng)諾依照必需的利率支付息金于指定日清償還本金的有價(jià)證券。債券按照發(fā)行人來(lái)歸類，首先可先考慮發(fā)行的主體：國(guó)家、中央銀行、政策性銀行、金融或非金融企業(yè)，其發(fā)行的債券分別是國(guó)債、中央銀行票據(jù)、政策性金融債券和企業(yè)債券。其中因?yàn)閲?guó)債、央行票據(jù)和政策性金融債券發(fā)行的主體，它們的信用風(fēng)險(xiǎn)基本不被投資者考慮，也常被人稱為“利率債券”。除此，近年來(lái)發(fā)展迅速的企業(yè)債，由于其發(fā)行企業(yè)可能存在的違約性和不確定性，投資者在投資時(shí)必須考慮其信用風(fēng)險(xiǎn)，因此常有人把企業(yè)發(fā)行的債券稱之為“信用債券”。

（二）債券信用風(fēng)險(xiǎn)概述

按照驅(qū)動(dòng)因素，將投資債券帶來(lái)的風(fēng)險(xiǎn)分為信用風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)。此中信用風(fēng)險(xiǎn)在風(fēng)險(xiǎn)領(lǐng)域中常被人認(rèn)為是年代最久遠(yuǎn)的一種金融風(fēng)險(xiǎn)，它是指受信人因?yàn)樽陨淼囊恍┰蛭匆勒蘸炗喥跫s上的規(guī)定履行相應(yīng)的義務(wù)，給授信人帶來(lái)的風(fēng)險(xiǎn)。在債券領(lǐng)域里多發(fā)生于信用債券操作中，多年來(lái)世界范圍內(nèi)由于信用問(wèn)題導(dǎo)致的違約事件層出不窮，因此，信用風(fēng)險(xiǎn)也是近現(xiàn)代金融風(fēng)險(xiǎn)之中最需要引起人們重視的一種風(fēng)險(xiǎn)，它在各種金融風(fēng)險(xiǎn)之中總是位列首位。本文將著重圍繞債券風(fēng)險(xiǎn)中公司企業(yè)的信用風(fēng)險(xiǎn)來(lái)開(kāi)展內(nèi)容。

二、研究意義

雖然我國(guó)對(duì)債券信用風(fēng)險(xiǎn)評(píng)估有建立相對(duì)完備的信用評(píng)估體系，通過(guò)選用相應(yīng)的模型、選用指定指標(biāo)計(jì)算可能的違約率，但在評(píng)估過(guò)程中對(duì)其中眾多信息所產(chǎn)生數(shù)據(jù)的管理確十分不到位，很多時(shí)候會(huì)導(dǎo)致效率不高，預(yù)測(cè)不夠準(zhǔn)確。對(duì)此，新興的機(jī)器學(xué)習(xí)算法或許可以在一定程度上緩解這個(gè)問(wèn)題，提高風(fēng)險(xiǎn)評(píng)估模型的準(zhǔn)確性和效率。通過(guò)使用大量數(shù)據(jù)對(duì)機(jī)器進(jìn)行“訓(xùn)練“，使其建立一種模式，對(duì)下一次是否會(huì)發(fā)生債券違約進(jìn)行更加準(zhǔn)確的判斷。另外，機(jī)器學(xué)習(xí)方法在個(gè)人信用評(píng)級(jí)和其他平臺(tái)的借貸違約預(yù)測(cè)上得到越來(lái)越多的研究，但在債券市場(chǎng)違約風(fēng)險(xiǎn)預(yù)測(cè)評(píng)估這一方面，并沒(méi)有很多詳細(xì)說(shuō)明結(jié)合預(yù)測(cè)的文章，本文希望結(jié)合近年來(lái)發(fā)展頗快且回報(bào)頗高的機(jī)器學(xué)習(xí)算法來(lái)預(yù)測(cè)債券市場(chǎng)風(fēng)險(xiǎn)，以此也豐富了債券信用風(fēng)險(xiǎn)預(yù)測(cè)的框架。

三、機(jī)器學(xué)習(xí)在債券風(fēng)險(xiǎn)評(píng)估中研究

（一）模型的選擇

主要運(yùn)用機(jī)器學(xué)習(xí)來(lái)對(duì)個(gè)人信用風(fēng)險(xiǎn)做出評(píng)估預(yù)測(cè)。以機(jī)器學(xué)習(xí)為工具，選用多項(xiàng)式Logistic回歸、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林這四種各異的算法來(lái)建立模型，以此來(lái)對(duì)個(gè)人信用風(fēng)險(xiǎn)進(jìn)行評(píng)估。最后對(duì)得出的結(jié)果數(shù)據(jù)進(jìn)行比較，從而觀察哪一種機(jī)器學(xué)習(xí)方法更有優(yōu)勢(shì)，并對(duì)最后的結(jié)果做出原因分析，對(duì)于模型存在的不足之處給出相應(yīng)的意見(jiàn)。選用的多項(xiàng)式Logistic回歸、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林機(jī)器學(xué)習(xí)方法在目前已經(jīng)比較成熟，國(guó)內(nèi)外的學(xué)者都已經(jīng)做過(guò)種機(jī)器學(xué)習(xí)方法的相關(guān)研究，已有人把這些算法運(yùn)用到信用評(píng)級(jí)上去。且每種方法都有對(duì)應(yīng)的軟件可以進(jìn)行操作，無(wú)需擔(dān)心算法過(guò)于復(fù)雜而無(wú)法得到結(jié)果。

（二）操作流程

對(duì)與機(jī)器學(xué)習(xí)在個(gè)人風(fēng)險(xiǎn)評(píng)估的過(guò)程中，首先選取內(nèi)容符合且數(shù)量相對(duì)合適的數(shù)據(jù)。其次選用多項(xiàng)式Logistie回歸、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林這四種機(jī)器學(xué)習(xí)算法分別構(gòu)建四種算法對(duì)應(yīng)的模型。之后對(duì)于四種不同的模型，選用不同的參數(shù)估計(jì)法進(jìn)行參數(shù)估計(jì)。最后利用一些操作軟件，如Eviews、SPSS、R等，操作得到模型的估計(jì)結(jié)果。再對(duì)結(jié)果進(jìn)行比較，這其中分為數(shù)據(jù)層面的對(duì)比分析和模型層面的對(duì)比分析，最后對(duì)模型進(jìn)行評(píng)價(jià)分析。這樣就將機(jī)器學(xué)習(xí)應(yīng)用到了債券風(fēng)險(xiǎn)預(yù)測(cè)當(dāng)中。

（三）模型結(jié)果預(yù)測(cè)

本文將更傾向于使用Logistic回歸能得到不錯(cuò)的預(yù)測(cè)概率，因?yàn)樵趥L(fēng)險(xiǎn)評(píng)估中，其結(jié)果通常會(huì)被認(rèn)定為“違約”或者是“不違約”，本質(zhì)上是一個(gè)二分類問(wèn)題。對(duì)于這種問(wèn)題，Logistic回歸無(wú)疑是一種非常好的評(píng)估選擇，因?yàn)槠浔旧磉m用的范圍就是二分類問(wèn)題，且最后結(jié)果的解釋性也很強(qiáng)，通過(guò)特征值的權(quán)重就可知這些特征對(duì)是否違約的影響大小，一般特征權(quán)重越高，對(duì)是否違約的影響越大。