在大数据框架下建立与国际接轨并适合中国金融市场国情的主体信用评级体系
会议名称：《第十七届（2022）中国管理学年会》
会议日期：2022年
学科分类：12[管理学] 120202[管理学-企业管理（含：财务管理、市场营销、人力资源管理）] 02[经济学] 0202[经济学-应用经济学] 1202[管理学-工商管理] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 020204[经济学-金融学（含∶保险学）]
关 键 词：企业主体 信用评估和评级 文本数据分析 翰墨(Hammer)评估 财务欺诈 公司治理 全息画像 机器学习 吉布斯抽样(Gibbs Sampling) 坏样本 关联特征 违约矩阵 ROC和AUC测试
摘 要：信用评级行业是现代金融市场经济中的重要组成部分。经过近30年的发展,中国的信用评级业务已涉足金融市场的方方面面,但目前国内实施的信用评级体系仍面临评级虚高、区分度不足、事前预警功能弱等问题。中国的信用评级体系的发展除了需要针对金融行业本身在信用风险的披露进行专业的刻画和解读外,在借鉴国际金融市场和信用评级机构在评级方法实践的基础上,也需要结合中国的实际情况逐步探索出适合中国国情的信用评级的一般方法、分析框架和可落地实践的技术手段。本文的目的是在目前国内金融市场在信用评估(评级)实践中出现问题的基础上,讨论如何基于全息画像大数据分析平台为基础,利用大数据方法进行文本数据的分析,提取对应的(非机构化)文本数据的风险特征首先克服描述不好行为(即,违约,欺诈等行为)的坏样本数量不够的问题,然后建立支持风险评估相配套的风险业务流程分析框架,从而实现能够改善信用评级质量和提高评级区分度需要的特征指标的筛选,并结合违约模型和配套的信用转移矩阵指标,完成构建与国际通用的信用评级体系标准接轨并适合中国企业主体信用资质表现的信评体系,从而达到解决挑战中国金融市场发展的三大核心问题:1)信用评级虚高;2)信用评级区分度不足;和3)信用评级事前预警功能弱的问题。在本文的最后,作为翰墨(Hammer)信用评估方法的应用,我们也分享针对上市公司从2010年到2021年的(非金融)实体公司的主体信用评级发布表现和发债实体(公司)的信用等级在2021年年底的信用分布情况。