信用风险管理属于数字转型这是当前市场、监管和金融机构共同推动的大方向。数字化转型可以实现风险管理的过程自动化、决策自动化、智能监控和风险预警，从而提高金融机构的风险管理能力和效率，优化投资组合的管理、监控和预警。
其中,，舆论信息它在信用风险管理的数字化转型中得到了越来越广泛的应用。动态舆情分析与传统财务信息分析相结合，将有效优化信用风险预警和信用风险管理。
运用数据、模型和相关实例，阐述了将舆情信息引入信用风险管理具有重要的参考意义和预警价值。
白皮书内容
I.信用风险管理的数字化转型
1.为什么要建立数字风险评估流程
2.数字化转型的优势
3.如何将风险评估流程整合到数字系统中
4.信用风险数据来源
我是I.标准普尔致信平台舆情评分系统
1.民意评分统计流程
2.信用主体舆情评分案例
3.获取公众意见的主要途径
4.债券发行企业舆情评分分布情况
5.新三板企业舆情评分分布情况
6.民意评分趋势及违约事件发生情况
7.民意评分比财务信息更新更频繁
II、I.标准普尔全球市场金融情报信用分析模型集
1.介绍信用分析的三种信用风险模型
2.违约概率基本面（pdfn）模型方法
IV.将舆论信息融入到传统信用风险模型中，以提高其绩效
1.舆论评分与违约概率呈负相关
2.纳入两个舆情指标，提升信用风险模型绩效
3.“动态”与“静态”相结合，可以有效提升风险管理模式的绩效
以下是白皮书的节选。请扫描下面的二维码，免费获取完整的白皮书和数据。
一、I.标准普尔致信平台舆情评分系统
1.标准普尔致信平台舆情评分统计流程
按照以下流程，完成一个分析主题的一天民意评分。
图4：标准普尔致信平台舆情评分统计流程
资料来源：标准普尔全球市场金融
2.标普致信平台信用主体舆情评分案例
下图通过标准普尔民意评分系统显示了受试者90天的民意评分趋势统计数据。0表示当天没有相关的舆论信息。如果当天的舆论信息相对正面，该分数将大于0。如果当天的新闻是负面的，分数将低于0。
图5：一家公司90天的民意评分趋势
资料来源：标准普尔致信平台。这幅画仅供参考。
3.在标准普尔致信平台上获取公众意见的主要方式
公众舆论获取主要包括四种方式：官方机构网站、主流新闻媒体、行业网站和社交媒体，并每天实时更新。与公众和媒体关注度较高的上市公司相比，我们更关注难以获取公众舆论信息的债券发行企业和新三板公司。
4.债券发行企业舆情评分分布情况
标准普尔全球市场金融情报公司从2015年1月至2021年8月对5637家债券发行企业的公众意见进行了统计。数据显示：
-19%的样本（按天计算）有公众意见得分；
-每年的平均民意评分为73天；
-超过50%的企业的民意评分超过27天；
-有134个违约样本（重大负面舆论，如破产、执法等）。
5.新三板企业舆情评分分布情况
标准普尔全球市场金融情报公司统计了2015年1月至2021年10月新成立的4697家第三家董事会的公众意见。结果表明：
-2.7%的样本（按天计算）有公众意见得分；
-56.7%的时候，公众意见得分不为0；
-每年的平均民意分数为15天；
-超过50%的企业的民意评分超过4.7天
-有203个默认样本
与发债企业相比，新三板企业的舆情得分更集中，主要是因为新三板企业的舆情信息少于发债企业，且更多的舆情得分集中在0附近。
6.民意评分趋势及违约事件发生情况
下图统计了违约和非违约样本的民意得分变化趋势。事实上，信贷市场的投资者和参与者会提前预测违约主体，然后逐步发布消息。因此，在真正的违约事件发生之前，民意评分已经开始逐渐下降。根据我们的统计结果，在信贷事件发生前23天左右，公众舆论评分开始下降，并且随着违约时间点的临近，下降更为显著。
图9：违约事件发生前的民意评分趋势
资料来源：标准普尔全球市场金融情报。这幅画仅供参考。
在该图表中，横轴上的红色和绿色实线趋于平坦，分别代表非默认样本的平均民意分数和平均民意的标准差。事实上，这两条线并不是一成不变的，但它们往往是一条直线，因为它们的值很微妙。这表明，无违约信用主体的舆情得分不仅稳定，而且舆情得分波动较小（标准差），基本在0~0.1之间。
对于默认示例，情况非常不同。蓝色虚线代表默认样本的平均民意分数，橙色实线代表平均民意的标准差。两者都在很大范围内，表明信用违约主体的民意得分分布更加多样化，标准差（波动）更大。
这表明，对于违约企业而言，舆论评分的波动非常明显。如果仅仅将舆情评分作为预警手段，实际上会给信用风险管理带来很大的干扰和挑战。
7.民意评分比财务信息更新更频繁
虽然舆情评分并不是每天都出现，也就是说，信用主体不会每天都有舆情信息，但与传统的财务信息相比，舆情信息更新更频繁。
图10：民意分数分布
资料来源：标准普尔志新平台，2021年10月。
在上图中，我们统计了过去五年和过去90天的民意分数。根据民意评分，他们平均分为10个等级。每个等级的样本数量基本相同，553或554。
对于得分最高的群体，民意得分超过50%的天数。舆论波动最明显的天数约为11%。
虽然民意评分并不是每天都连续出现，但如果与财务信息相比，假设财务信息每季度更新一次，一年的更新频率为4次，民意更新频率仍然更高，信息显示更具动态性。
然而，由于舆论评分波动较大，对信用风险预警的干扰也较大。传统财务信息的更新频率较低。因此，将舆论的动态信号与传统的利用金融信息进行信用风险评估的模型相结合，将有效优化信用风险分析和预警。
以上内容、数据和表格均已省略。请扫描二维码，免费获取完整内容。
IV.将舆论信息融入到传统信用风险模型中，以提高其绩效
1.舆论评分与违约率呈负相关
为什么民意评分可以作为信用风险的预警工具？通过我们的统计分析，民意评分和违约概率之间存在负相关。即当舆情得分较高时，企业违约风险相对较低，当舆情得分较低时，企业违约概率相对较高。
图13：企业违约率与公众舆论评分
资料来源：标准普尔全球市场金融
我们用125个违约样本对5427家债券发行企业的五年历史财务数据进行拟合，根据民意评分将样本中的企业划分为10个等级，并统计每个等级的违约率。最后，研究发现，民意评分越低，违约概率越高，而民意评分越高，违约概率越低。其中，民意得分最低的企业违约概率（PD）接近50%。舆论得分最高的一档的违约率很低，只有1%左右。
2.纳入两个舆情指标，提升信用风险模型绩效
经过分析，我们发现有两个指标，民意评分和“选择负面”标签的比例，可以提高信用风险模型的识别能力和整体绩效。
首先，在民意评分方面，下图展示了纳入民意评分对整个模型识别能力的改善效果。我们使用了ROC（接收器工作特性）定量模型属于统计指标测量模型性能的改善效果。结果表明，仅pdfn模型的ROC约为0.79，仅民意评分的ROC约为0.76。然而，当两者结合时，ROC可以从0.79增加到0.84。AR（准确率）值可增加近0.1。
图14：民意评分对ROC的影响
资料来源：标准普尔全球市场金融情报。2021年11月。这幅画仅供参考。
从统计建模的角度来看，这是整个模型识别能力的一次重大改进和质的飞跃。
在民意评分的基础上，我们进一步将“选定的负面”标签纳入模型。
标准普尔全球市场金融情报将公众舆论信息分为165个信息标签，其中107个是负面信息标签，58个是正面信息标签。这些标签分为14个负面类别和9个正面类别。
但事实上，并不是所有165个标签都与信用风险事件密切相关，对此我们进行了进一步的分析和统计。我们主要使用三种统计方法进行筛查：
-信息出现的频率
-提供额外的识别能力：将单个标签合并到模型中，以查看标签是否可以提供额外的识别能力并提高模型的性能
-相关性：绩效之间的相关性
最后，选择了36个与信用风险事件密切相关的“选定负面”标签，包括评级下调、信用预警、财务预警、资本预警、法律纠纷、市场预警、监管调查、运营预警和资产权益风险。
图15：选择负片标签
资料来源：标准普尔致信平台。这些图片仅供参考。
要下载完整的白皮书并了解相关型号和数据，请扫描下面的二维码。
在建模时，我们可以将这些负面标签的比例作为独立因素，并将其纳入定量模型，从而提高模型的整体性能。
在下图（NicholasTse）一书中，我们统计了违约事件发生前24个月所有“选定负面”标签的比例，发现其比例在前10个月仅略有上升。然而，自违约事件发生前10个月以来，这些“选定负面”标签的比例一直在增加。在违约发生之前，其比例可能高达50%，平均为40~45%。
图16：默认值之前“选定负面”标签的比例趋势
资料来源：标准普尔全球市场金融情报。2021年11月。这幅画仅供参考。
这意味着，在违约前（10个月前），法律诉讼等负面舆论在主体整体舆论信息标签中的比例仅略有上升，但总体保持稳定。离企业默认时间越近，比如一个月前，企业的相关舆情信息可能是负面的，“选择负面”标签的比例可能高达45%。
将负面舆论标签的比例纳入信用风险模型可以更动态地警告信用风险事件。与传统的静态财务模式，由于财务信息通常每季度更新一次，更新频率较低，最多可提前三个月获得运营能力。然而，事实上，许多即将违约的企业已经开始发酵负面新闻报道或舆论信息。这些信用风险不会反映在财务信息中，因此市场无法提前识别。包含“选定的负面”标签因素可以对最终信用风险事件的发生具有很强的预警能力。
那么，标签因子的加入能在多大程度上提高整个模型的识别能力和性能呢？如果将公众意见得分纳入pdfn模型，模型的性能可以从0.79提高到0.84，AR值的提高接近0.1。
如果我们进一步包括“选定的负”标签比率，我们可以进一步将模型性能ROC从0.84提高到0.90。
图17：纳入“选定负面”标签因素对ROC的影响
资料来源：标准普尔全球市场金融情报。2021年11月。这幅画仅供参考。
与传统的logistic回归模型相比，如果同时包含民意评分和“选择的负面”标签因子，ROC可以从0.79增加到0.9，Ar值它可以提高接近0.22的水平，这是一个非常显著的提高，使定量模型的识别能力有了质的飞跃。
3.“动态”与“静态”相结合，可以有效提升风险管理模式的绩效
一般来说，将公众舆论信息纳入信用风险模型可以使传统的信用风险模型从静态变为动态。信用风险模型的评分不再每三个月更新一次。即使是债券发行期，也可能每六个月更新一次，甚至每年更新一次。
此外，舆论因素不会给传统的信用风险管理带来颠覆性的挑战。如果将舆论因素作为风险管理或信用预警的基础，它可能是一种新的管理体系。然而，如果将动态的民意信息与静态的定量模型结合起来，实际上，一层动态的变化叠加在原来的日常监控框架上。在方法层面，它不会颠覆原有的工作体系，但可以提高整个量化模型的性能，帮助客户进行实时信用风险管理。
因此，将舆情信息引入信用风险管理具有重要的参考意义和预警价值。
以上是部分内容的节选。请扫描下面的二维码，免费获取完整的白皮书，了解信用风险分析中的关键数据和舆情信息模型。
本文由标准普尔全球市场金融公司撰写和发表，该公司独立于标准普尔全球评级。命名法小写字母用于区分标准普尔全球市场的金融情报信用评分与标准普尔全球评级发布的信用评级。
版权所有©2022标准普尔全球市场金融情报（隶属于标准普尔全球）。版权所有。
这些材料基于公众可从被认为仅用于信息目的的可靠来源获得的信息。未经S&PGlobalMarketsFinance或其子公司（统称为“S&PGlobal”）事先书面许可，本文件中包含的任何内容（包括索引数据、评级、信用相关分析和数据、研究、模型、软件或其他应用程序及其输出）或其任何部分（内容）不得以任何形式和通过任何方式进行修改，不得恢复、复制或分发，也不得将其存储在数据库或检索系统中。本文件所含内容不得用于任何非法或未经授权的目的。标准普尔全球和任何第三方供应商（统称为“标准普尔全球关联方”）不保证本文件所含内容的准确性、完整性、及时性或有效性。无论出于何种原因，标准普尔全球相关方均不对内容中的任何错误或遗漏以及使用内容造成的后果承担任何责任。本文件的内容按“原样”提供。标普全球各方不承担任何及所有明示或暗示的保证，包括但不限于对适销性或特定用途适用性、无漏洞、无软件错误或缺陷、本文件所含内容的不间断运行的保证，或适用于任何软件或硬件配置。在任何情况下，标准普尔全球各方均不对任何一方承担任何直接、间接、附带、惩罚性、补偿性、惩罚性、特殊或后果性损害赔偿、成本、费用，与使用本文件所含内容有关的律师费或损失（包括但不限于收入或利润损失、机会成本或疏忽造成的损失），即使您已被告知此类损害的风险。
标准普尔全球市场金融情报的意见、报价、信用相关分析和其他分析仅代表陈述在发布之日的意见，而非实际陈述的意见，不构成购买、持有或出售任何证券或做出任何投资决策的建议，不要提及任何证券的适用性。标准普尔全球市场财务部无义务在本文件发布后以任何形式或格式更新其内容。本文件中包含的内容不应成为用户及其管理层、员工、顾问和/或客户做出投资和其他商业决策的依据，也不能取代他们的技能、判断和经验。标准普尔全球保持其部门的一些活动相互独立，以保持各自活动的独立性和客观性。因此，一些标准普尔全球部门拥有的信息可能无法在其他标准普尔全球部门获得。标准普尔全球已制定政策和程序，对收到的与每个分析过程有关的非公开信息保密。
信用评分由标准普尔全球市场的财务情报生成，标准普尔全球评级不帮助或参与创建。小写字母违约概率评级模型用于区分全球金融标准和P&s市场。
标普环球可能会支付评级和某些分析费用，通常支付给证券发行人、承销商或债务人。标普环球保留传播其观点和分析的权利。标准普尔全球在其网站www.standardbooks上提供公共评级和分析。com（免费），www.ratingsdirect。com（订阅），也可以通过其他渠道发行，包括标准普尔全球出版物和第三方再发行商。有关我们评级费用的更多信息，请访问
www.standardandpoors。com/usratingsfees
最新评论