基金經理老鼠倉，說好保本變巨虧，買基金被坑請到【基金曝光臺】！信用卡無故遭盜刷，銀行存款變保險，理財被騙請猛戳【金融曝光臺】！

　　新浪財經訊 12月24日2016中國債券論壇在北京召開，論壇由國家金融與發展實驗室聯合第一創業證券股份有限公司主辦，第一創業債券研究院承辦。中證信用增進股份有限公司執委、戰略總監張劍文表示，近年來我國債券市場發展迅猛，發行主體數量逐漸增加，數據顯示2016年12月15號共有88家債券發生違約，違約規模達到497億，說明債券違約事態嚴重。

　　以下為發言實錄：

　　尊敬的各位領導、各位同仁：

　　大家下午好！

　　我是中證信用戰略總監張劍文，非常榮幸受邀參加本次論壇，就經濟下行下的債券市場信用風險管理談些粗淺看法，曾幾何時，我們在資本市場談到的風險都是合規風險、市場風險、操作風險，突然這兩年大家談到更多的是信用風險，信用風險是資本市場不可回避的主要風險，我今天的發言題目是：數據驅動、技術引領，構建和完善信用風險評估體系。

　　近年來，我國債券市場發展迅猛，與此同時，AA級以下的發行主體數量逐步增加，債券發行人違約事件逐年增多。數據顯示，截至2016年12月15日，共有88只債券發生違約，涉及52家發行企業，違約規模497億。產業債主體評級下調數量不斷升級，上調數和下調數從2014年的141/119，下降到2016年的174/220，評級下調明顯多于評級上調，信用債違約風險態勢日益加重。

　　展望2017年，宏觀經濟持續探底，產業結構升級換代，供給側改革持續發力，加上不斷強化的美聯儲加息預期、人民幣貶值預期、通脹抬頭預期，資金成本存在上升壓力，債券市場的信用風險必將加速暴露。據統計，2017年債券市場到期規模將超過5.5萬億元，比2016年增加1.8萬億，債券違約和信用事件較16年可能出現大幅度上升。

　　隨著債券市場規模化、債券產品多元化、交易結構復雜化、信用違約事件常態化，單純地依靠外部評級結果和內部專家經驗，已經難以有效控制信用風險，必須建立以大數據為基礎的、動態化、精細化的評估體系，提升信用風險管理能力。

　　從國際債券市場經驗來看，有兩個比較明確的現象，第一，經濟增長與信用風險呈顯著負相關；第二，投資級債券具備較強抗周期性，投機級債券則隨經濟走勢反向波動。中國經濟在高速發展后，增速持續下行，信用債市場的分化將更加明顯。全球主要國家債券市場的發展歷程顯示，違約是市場化運行的必然現象，違約概率上升是經濟下行周期的正常反映，美國在09年危機期間違約率達到5.71%，從全球范圍看，債券的平均違約率也有1.46%。違約率合理穩定，有利于優勝劣汰，市場出清。

　　從投資角度來看，債券市場信用風險評估存在諸多痛點：首先，債券產品相關的信用決策多采用外部評級，但外評在預警層面的區分度、時效性等方面有待于進一步提高；其次，大部分機構缺乏一套統一、全面、量化驅動的信用風險評估模型，信用決策極大依賴于專家判斷；第三，評價過程缺乏系統支持，信用數據缺乏歸集、整合、清洗和挖掘；第四，投資機構信用分析相關人員儲備不足，導致專業人員一將難求。

　　有鑒于此，中證信用組建專家隊伍，集中開發數據驅動、技術引領的信用評估體系，秉承信用分析工程化的理念，打造債券信用風險評估的服務方案，產品即將上線，其核心一是數據、二是模型、三是系統，我們期望為監管機構、行業平臺和投資機構，提供專業化的服務。這里就我們的思路和做法與大家做下分享。

　　數據方面：隨著大數據時代的到來，不論是企業還是個人，都在林林總總的場景中留下了大量的數據痕跡，數據技術的發展也為我們提供了針對這些數據的高效處理手段。基于這些大數據建立的信用風險模型，使我們能夠對信息相近的評估對象，做進一步的風險區分；同時，大數據的高時效性能夠為風險預警體系提供支撐，彌補傳統信用風險評估的不足。經過摸索，中證信用目前已經在企業信用數據建設方面取得了一些進展。第一，主體數據層面。通過網絡爬蟲技術、自然語言處理技術、云計算技術，開展智能數據挖掘和機器學習，逐漸形成了面向資本市場信用風險評價的企業和個人全景視圖。第二，場景數據層面。主體的過往數據和信用表現，需要放到特定背景下去觀察分析，才能發現其中的邏輯關系。中證信用在豐富的主體數據的基礎上，一方面輔以完整的宏觀、中觀數據作為外部環境要素，勾畫企業信用狀況；另一方面，以主體企業為核心，深度挖掘企業族譜、實際控制人、產業鏈、債務、對外擔保等方面的關聯關系，刻畫出一個更為立體全面、覆蓋整個生命周期的信用風險畫像。第三，高時效性數據層面。實時采集各類預警信息，包括公告信息、輿情信息、經營動態信息、分析師評價信息、評級調整信息等，并將這些信息與風險動因進行匹配，進行分類分級管理，通過設定相應的風險閾值，主動推送預警信息。

　　模型方面：有了可靠的數據基礎，我們就可以充分發揮自身的信用風險分析的技術優勢。在充分考慮各類信評方法的特點和優勢后，我們采取了自上而下與自下而上相結合的方法，進行模型開發，以不同的企業風險特征分析為起點，通過量化驅動，構建可自由裁量的評價模型。其中，發債主體評價體系除選取財務、經營、行業等指標維度外，還引入各類大數據指標維度，如：法律訴訟、行政處罰、人力資源、重大事項以及輿情等相關指標，構建出龐大的指標體系，對發債主體實現360度的評價。在開發過程中邀請資深專家及一線人員全程參與模型的開發和驗證工作，確保評級結果既符合專家判斷和業務直覺，又具有精細化的風險刻畫能力。

　　系統方面：我們在打磨產品的時候，秉承信用分析工程化的理念，通過數據、模型、軟件為有信用風險分析需求的市場參與人和監管方提供一套端到端的解決方案。以豐富可靠的數據源為基礎，以準確有效的模型為抓手，通過標的篩選、持倉分析、監控預警等功能，提供高易用性的信用風險評價服務。如果將信用分析的全過程比喻成看病，我們的產品提供的是醫療設備，可以為醫療專家提供大量分析的基礎素材，提高醫療效率，改善醫療質量，但最后的判斷仍然需要有經驗的醫師給出。

　　各位同仁，在信用違約常態化的今天，無論是信用風險管理，還是基于金融科技的創新業務探索，都是在不確定性背景下一項極其復雜的系統工作，單個機構依據自身有限的資源和人力往往難以取得最佳成效，大家有必要在合規的條件下，通過資源、信息、知識、算法的共享，共同建立良好的信用生態。為此，2016年6月，中證信用牽頭，聯合包括股東單位的13家券商成立了券商信用服務聯盟，希望通過整合資本市場內外部數據資源，建立和優化信用評價體系和評價標準，共同提升信用風險管理水平。

　　企業家憎惡投資者野蠻敲門，投資者更擔憂融資人違約關門，常年無霾的債市不存在了，霧霾天不可避免，霧霾之中，不時飛出幾只黑天鵝，蹦出幾枚蘿卜章，讓投資者不禁藍瘦香菇！ 在此背景下，單純的靠人腦不行了，單靠經驗不行了，我們只有借助大數據技術，讓數據說話，讓數據發力，通過大數據、云計算完善風控信用風險評價體系和預測模型，才能在投資交易過程中少受傷不受傷！祝大家在霧霾中飛行，一路平安！

　　謝謝！