10.3969/j.issn.2095-3291.2022.03.002
信用评级与信用债违约实证研究——基于机器学习算法
已有研究表明,信用债券违约呈日益蔓延态势,其中一个重要原因是信用评级无法准确提供债券违约风险信息,这也导致了信用评级公信力的下降.本文选取2018-2019年还本付息的信用债券作为研究对象,引入机器学习算法,探讨各评级机构提供的信用评级与债券违约风险之间的关系.研究结果显示,来自不同评级机构的信用评级对违约风险的反映不存在异质性,但对违约风险反映的程度存在异质性:与国内信用评级机构相比,国际信用评级机构出具的信用评级能够反映更多的违约风险;与发行者付费模式相比,投资者付费模式下的信用评级能够反映更多的违约风险.也就是说,尽管信用评级虚高在信用评级机构中具有共性,但通过国际评级机构和投资者付费模式进行评级,可显著改善评级质量.这表明,信用评级行业的对外开放与采用投资者付费模式,对提升我国信用评级水平具有积极意义.
信用评级、债券违约、信用债、机器学习算法
F830(金融、银行)
国家自然科学基金72171139
2022-08-15(万方平台首次上网日期,不代表论文的发表时间)
共21页
15-35