【债券信用风险研究文献综述2500字】

债券信用风险研究文献综述1债券信用风险影响因素国外债券市场起步早、成熟度高，债券违约事件早已有之。学者从多个角度对债券信用风险度量和影响因素进行了广泛的研究，为本文的研究提供了坚实的基础。自“11超日债”首次违约以来，债券违约屡见不鲜，国内有关债券违约的案例研究也日益丰富。导致发债公司出现债券信用风险的因素是多方面的，FanYu（2005）认为债券信用风险主要来源于发债公司信息不对称。Acharya（2007）分析指出，行业整体状况的下行会使公司的资产价值受损，应对风险能力下降，更容易发生违约。Christopher（2010）分析指出，净资产在企业资产规模中占比越高，债券信用风险越低。Kuehn和Schmid（2011）研究表明，债券的违约风险的增加与经济形势有关。Kay等（2011）采集1866-2008年债券违约数据，使用区制转换模型对超过150年的数据分析，指出GDP增长率、股票收益率及其波动率等因素能有效预测债券违约，但信用风险溢价却不能有效预测债券违约。罗维（2014）以“14超日债”违约为案例，分析超日公司财务数据，发现超日公司在债券违约前4年时间，已经出现债务上升过快、营业收入急剧下降、流动性严重不足等现象。李炜（2016）分析指出，债券信用风险的根本原因是公司治理水平低下，对财务风险重视不够，债券发行时保障措施不完善。陈文杰等（2017）指出，2014年以来债券信用风险快速显现主要有以下原因：一是宏观经济下行，公司利润率下降；二是刚性兑付逐渐被打破；三是2008年金融危机时推出的4万亿刺激政策使部分行业出现严重产能过剩；四是银行信贷收紧致使企业资金紧张问题加剧。2债券信用风险度量传统分析中往往采用定性方法度量债券信用风险，如“5C”、“5W”、专家打分等。在定量研究方面，Beaver（1966）采集100多家公司的30个财务指标作为样本数据，分组研究表明资产负债率预测公司违约风险效果最好。Altman（1968）为对公司破产风险进行量化，经分析选定5个指标：营运资产、营业收入、EBIT和利润留存4个指标占总资产比重、净资产/负债；通过这些指标构建Z值模型；1977年，Altman从原Z值模型的5个因素扩展到公司流动性、偿债能力、留存收益、盈利能力等7个方面，据此构建了ZETA模型；2000年，Altman调整了原Z值公式，公式预测的准确性有所提高，且可用于非上市公司。Black和Scholes（1973）、Merton（1974）提出期权定价理论。投资公司所承担的是有限责任，而获得的收益在理论上无上限，因此可将投资公司看作亏损有限而收益无限的期权；当负债价值大于资产时，股权价值数值上将为负，债务就会出现违约。Martin（1977）利用Logit模型对债券违约概率进行计量，并在与各类模型比较中得出结论，认为Logit模型的预测更为准确。在近30年所提出的现代债券违约高级计量模型中，CreditMetrics模型和KMV模型使用较广泛。J.P.Morgan基于信用评级提出了风险评估模型——CreditMetrics模型；而KMV公司构建的债券信用风险计量模型，其理论根基是期权定价理论。段霞（2012）以240家发债企业为样本，评价各类债券信用风险模型在中国的使用效果；结果显示Z值模型较KMV模型更适宜于中国债市。蒋或等（2015）使用修正KMV模型分析债券信用风险，研究表明修正后的KMV模型有效性较高。童欣悦（2018）以天威中票违约事件为例，使用Z值模型构建债券违约指标预警体系。综合财务指标来看，Z值模型可以较早对风险变动作出提示。仇民乐（2019）以永泰能源为例，特针对民营企业债券违约成因及财务预警展开研究，使用Z值模型进行实证检验，可以有效对债券违约进行预警。但债券市场信息传递机制不畅，债券信用评级普遍存在虚高现象，这些因素导致投资者难以及时识别债券信用风险。陈毓敏等（2020）提出4种债券违约预警信号：财务指标、债券价格、舆情、投基金持仓，指出基于机器学习的财务指标预警无论在领先性、准确性、覆盖率上均为最优。霍雨佳（2020）、蓬若曦（2020）基于因子分析法对A股上市公司债券构建多元线性判别模型，并进行回代验证，表明基于因子分析法的债券违约判别模型可以有效识别违约债券。章璐琳（2020）使用Logit模型对2014-2019年债券违约进行预警建模，综合考虑宏观经济、企业偿债能力等18个指标构建模型。刘律康（2021）利用集成学习算法，使用XGBoost提升树模型，对2014-2019年非金融企业信用债违约进行建模研究，模型在预警率、准确率、覆盖率等多方面均有较好的表现。3文献评述本文的文献综述主要从债券信用风险的影响因素及风险度量两方面入手，对国内外相关文献进行整理归纳。通过整理，发现我国当前大多数债券违约理论都是基于国外已有理论不断发展，相对于国外理论，我国相关理论存在着一定的滞后性。此外，我国学者对债券信用风险的研究更加偏向债券市场整体，研究债券市场体制机制、监管状况、信息不对称等方面。关于债券信用风险影响因素与预警的研究，国外学者研究较为丰富，研究内容较为广泛，除了常见的影响债券违约的因素，也从微观个体的心理出发，考虑投资者的情绪变动。国内学者更侧重于企业的财务指标、行业因素等，尚未根据我国债券市场具体情形建立起一套完整的预警框架，这是我国债券信用风险预警研究中需要解决的问题。参考文献[1]夏贤兰.民营企业债券违约风险影响因素及预警研究[D].安徽财经大学,2019.[2]郑月蔚.宏观经济因素对企业债券信用风险的影响[J].时代金融,2016,(23):272+274.[3]周宏,杨萌萌,李远远.企业债券信用风险影响因素研究评述[J].经济学动态,2010,(12):137-140.[4]罗维.超日债券违约原因分析及影响[J].商界论坛,2014:158[5]陈文杰，常卉领.当前经济形势下我国债券市场兑付风险原因分析及政策建议[J].北方金融，2017(3):28-30[6]段霞.Z模型和KMV模型在我国适用性的对比研究[D].硕士学位论文，西南财经大学，2012.[7]蒋或，高瑜.基于KMV模型的中国上市公司信用风险评估研究[J〕.中央财经大学报，2015，(9):38-45.[8]霍雨佳.判别公司债券违约风险的财务指标研究——基于财务预警理论[J].会计之友,2016(21):36-40.[9]童欣悦.债券违约风险因素及预警研究[D].浙江大学,2018.[10]仇民乐.民营企业债券违约成因及财务预警研究[D].兰州大学,2019.[11]陈毓敏,林日裕.不同债券违约预警信号对比与解析[J].债券,2020(03):22-27.[12]蓬若曦,韦安康,郭祯.基于因子分析法的公司债券违约风险财务预警研究[J].财会学习,2020(19):23-24.[13]刘律康,班越,赵振,胡光琪,张东朔.我国非金融企业信用债违约先兆分析与建模探究[J].债券,2021(04):37-43.[14]FanYu.AccountingTransparencyandtheTermStructureofCreditSpreads[J].JournalofFinancialEconomics:2005,75(1):53-84[15]Christopher,Pavese10ReasonstoBuyBondsNOW[J].BusinessInsiderEconomics2010.14(6):26-27[16]Beaver,FinancialRatiosasPredictorsofFailure[J].JournalofAccountingResearch,1966,4(1):77-111.[17]AltmanE.I.FinancialRatios,DiscriminantAnalysisandthePredictionofCorporateBankruptcy[J].JournalofFinance,1968,23(4):589-609.[18]HaejunJeon，MichiNishihara.Theeffectsofbusinesscycleanddebtmaturityonafirm'sinvestmentanddefaultdecisions,InternationalReviewofEconomics&Finance，2015(7):326-351[19]Giesecke,Longstaff,Schaefer.CorporateBondDefaultRisk:A150-yearperspective[J].JournalofFinancialEconomics,2011,1