摘 要

随着中国金融改革和金融创新的深入，近年来我国公司债得到了快速的发展。公司债作为重要的企业融资渠道，以其优化公司基本结构、分散市场风险、提高市场效率等优点受到越来越多企业的关注，并成为企业直接融资的重要方式。同时，它的风险中性和收益稳定性备受投资者的青睐。对公司债信用评级的研究，可以帮助投资者判断公司债的相对投资价值，具有重要的实践意义。

本文的研究从各公司债的信用评级数据入手，针对公司债信用等级本身进行实证分析，寻找出与公司债信用评级相关的因素，并解析这些因素所表达的内在逻辑。首先对中外学术界关于公司债信用评级的相关理论及实证研究作出梳理，从财务因素出发，筛选出对本文实证具有贡献性的解释变量指标，主要来自于资产负债率、流动比率、速动比率、存货周转率、应收账款周转率、净资产收益率、总资产报酬率、每股收益、每股净资产等。随后，选择在2019年1月1日至2019年12月31日在沪深交易所和银行间市场上市的232支公司债，以这232支公司债的信用等级作为被解释变量，采用判别分析、决策树、神经网络等算法进行研究。最后比较各模型优劣，选出最优评级模型，对评级机构进行债券信用评级提供一定参考建议。

本文得到了结合中国公司债实际情况的客观评级方法，同时利用该结论，结合对公司财务状况的预测数据，可以对公司债的信用评级做简单预测。本文的独特之处在于对财务指标的合理选择及对模型参数的优化处理，最终得出的结果较为理想。

关键词：公司债信用评级；财务因素；机器学习

Abstract

With the deepening of China's financial reform and financial innovation, China's corporate bonds have developed rapidly in recent years. As an important financing channel, corporate bonds have attracted more and more attention from enterprises for their advantages of optimizing the company's basic structure, diversifying market risks, and improving market efficiency. Corporate bonds have become an important way for companies to directly finance. At the same time, its risk neutrality and earnings stability are highly favored by investors. The research on the credit rating of corporate bonds can help investors judge the relative investment value of corporate bonds, which has important practical significance.

Our research starts with the credit rating data of each corporate bond, conducts an empirical analysis of the corporate bond credit rating itself. We find factors related to the corporate bond credit rating, and analyze the internal logic expressed by these factors. First of all, the relevant theories and empirical studies on corporate bond credit ratings of Chinese and foreign academic circles are sorted out. Based on financial factors, the explanatory variables that contribute to the empirical research of this article are selected, which are debt-to-asset ratio, current ratio, quick ratio, inventory turnover rate, account receivable turnover rate, return on equity, return on total asset, earnings per share, net assets per share, etc. Subsequently, we select 232 corporate bonds listed on the Shanghai and Shenzhen stock exchanges and the interbank market from January 1, 2019 to December 31, 2019, and use the credit rating of the 232 corporate bonds as the explained variable. We use discriminant analysis, decision trees, neural networks and other algorithms for research. Finally, compare the pros and cons of each model, select the best rating model, and provide some reference suggestions for rating agencies to conduct bond credit ratings.

In this paper, we obtain an objective rating method that combines the actual situation of Chinese corporate bonds. At the same time, this conclusion can be used to predict the credit rating of corporate bonds based on the forecast data of the company's financial situation.The main highlight of this paper lies in the reasonable choice of financial indexes and the optimization of the model parameters. The final result is satisfactory.

Key words: Corporate bond rating; Financial indicator; Machine learning

目录

第一章 绪论 1

1.1选题背景 1

1.2 研究方法与研究思路 1

1.3 国内外研究动态 1

第二章 指标选择 3

2.1偿债能力对公司债信用风险的影响 3

2.2营运能力对公司债信用风险的影响 4

2.3 盈利能力对公司债信用风险的影响 4

2.4 每股指标对公司债信用风险的影响 4

2.5 指标选择 5

第三章 模型引入 7

3.1 统计方法 7

3.2机器学习方法 7

3.2.1 kNN方法 7

3.2.2 决策树方法 8

3.2.3 神经网络方法 8

3.2.4 支持向量机方法 9

第四章 实证分析 11

4.1 样本数据选取及数据来源 11

4.2实验结果 11

4.2.1 统计方法 11

4.2.2机器学习方法 15

4.3 实证结果分析 22

第五章 结论与政策建议 23

5.1相关结论 23

5.2政策建议 23

第六章 论文展望 24

6.1 论文优点 24

6.2 论文缺点 24

6.3 改进方向 24

参考文献 25

附录 26

致谢 41

第一章 绪论

1.1选题背景

自从中国第一只真正意义上的公司债长江电力债2007年9月上市发行后，中国公司债市场得到迅速的成长^[1]，公司债市场已经成为我国直接融资的重要渠道。大力发展公司债，不仅有利于丰富金融投资产品、提高市场效率，更有利于拓展上市公司直接融资的渠道^[2]。在公司债愈加明朗化的背景下，与之相关的信用评级问题成为各方关注的热点。我国的中诚信债券评估有限公司和中诚信国际信用评级有限公司介入了公司债的信用评级，为投资者判断公司债的相对投资价值以及公司债的成功发行具有积极的促进作用。

另一方面，由于我国公司债推出的时间较晚，信用评级机构还不够健全，评级制度也不够完善，目前还处于发展的初级阶段，因此评级方法基本上是借鉴发达的资本国家的做法。但是由于国情的不同，很多方法并不适合中国公司债的评级分类。因此本文主要以我国上市公司发行的公司债为样本，通过统计方法和机器学习方法寻找最优的评级模型，从而为评级机构进行债券评级提供参考意见。