3、信用评级基础:外部评级、内部评级体系、评级映射方法

做跨境做市,说白了就是跟一堆对手方做对手盘。你赚的钱,有一半是靠信用风险管出来的。我见过太多人,策略跑得漂亮,结果一个交易对手暴雷,全白干。所以今天咱们聊聊信用评级这个基本功。

3.1 外部评级:穆迪、标普、惠誉

这三家是国际公认的信用评级巨头。我个人习惯叫它们“三大”。它们干的活其实挺简单——评估一个主体能不能按时还钱。

但要注意,三大评级机构的评级符号并不完全一样。我整理了一张对照表,方便你快速查阅:

等级 穆迪 标普 惠誉 含义
最高级 Aaa AAA AAA 违约风险极低
高级 Aa1-Aa3 AA+ ~ AA- AA+ ~ AA- 违约风险很低
中上级 A1-A3 A+ ~ A- A+ ~ A- 违约风险较低
中下级 Baa1-Baa3 BBB+ ~ BBB- BBB+ ~ BBB- 有中等违约风险
投机级 Ba1-Ba3 BB+ ~ BB- BB+ ~ BB- 违约风险较高
高风险 B1-B3 B+ ~ B- B+ ~ B- 违约风险高
违约级 Caa-C CCC+ ~ D CCC+ ~ D 已违约或即将违约

嗯,这里要注意一个坑。外部评级有个天然缺陷——它是“滞后”的。我记得2020年疫情刚爆发时,很多企业的评级还没调降,但市场已经先崩了。你如果完全依赖外部评级做风控,大概率要吃大亏。

避坑指南: 我曾经因为过度依赖标普评级,错过了一次对手方风险预警。后来我养成了一个习惯:外部评级只作为参考,必须结合市场隐含评级(比如CDS价格)一起看。

3.2 内部评级体系

为什么要有内部评级?说白了,外部评级覆盖不了所有对手方。你做跨境做市,可能会遇到一些中小银行、对冲基金、甚至是一些新兴市场的企业。这些主体三大可能根本没评过级,或者评级已经过时了。

内部评级体系,我一般把它拆成三个模块:

  • 定量分析: 看财务数据。比如资产负债率、流动比率、利息覆盖倍数。这些是硬指标。
  • 定性分析: 看管理层、公司治理、行业地位。这个比较主观,但很重要。
  • 市场信号: 看CDS价差、股票波动率、债券收益率。这些是实时信号。

我自己的团队用的是“打分卡”模式。每个维度设一个权重,最后加权得出一个内部评分。举个例子:

# 一个简化的内部评级打分卡示例
def internal_rating(financial_score, qualitative_score, market_score):
    # 权重分配:定量40%,定性30%,市场30%
    total_score = financial_score * 0.4 + qualitative_score * 0.3 + market_score * 0.3
    
    if total_score >= 85:
        return "AAA"
    elif total_score >= 70:
        return "AA"
    elif total_score >= 55:
        return "A"
    elif total_score >= 40:
        return "BBB"
    else:
        return "BB"

当然,实际生产环境里不会这么简单。但核心逻辑是一样的——把主观判断量化,减少拍脑袋的成分。

个人经验: 我建议内部评级至少每季度更新一次。遇到市场剧烈波动时,要启动“临时重评”机制。别等到年报出来再调,那时候黄花菜都凉了。

3.3 评级映射方法

评级映射,就是把外部评级和内部评级“对齐”。为什么要做这个?因为你的交易系统、风控模型、保证金计算,都需要一个统一的信用等级输入。

最常见的映射方法是“锚定法”。以标普评级为锚,把内部评级映射到标普的刻度上。比如:

内部评分区间 映射到标普等级 违约概率(PD)参考
85-100 AAA ~ AA+ 0.01% - 0.03%
70-84 AA ~ A+ 0.03% - 0.10%
55-69 A ~ BBB+ 0.10% - 0.30%
40-54 BBB ~ BB+ 0.30% - 1.00%
25-39 BB ~ B+ 1.00% - 3.00%
0-24 B 及以下 > 3.00%

你可能会问:为什么不用线性映射?因为信用等级本身不是线性的。AAA到AA的差距,和BB到B的差距,完全不是一个量级。所以映射时,我一般会用“分段函数”来处理。

还有一种方法是“违约概率映射”。先算出内部评级的违约概率(PD),然后找外部评级中PD最接近的等级。这个方法更精确,但需要你有足够的历史违约数据。小机构可能玩不转。

核心要点: 评级映射不是简单的数学换算。它背后是对信用风险的统一理解。我见过有人把内部评分直接除以10就当成外部评级,结果风控模型全乱了。千万别这么干。

知识体系总览

下面这张图,是我自己梳理的信用评级知识框架。你可以把它当成一个“导航图”,方便理解各个模块之间的关系:

信用评级知识体系 外部评级 内部评级体系 评级映射方法 穆迪 / 标普 / 惠誉 评级符号体系 滞后性缺陷 定量分析(财务指标) 定性分析(管理层等) 市场信号(CDS等) 打分卡模型 锚定法(对标标普) 分段函数映射 违约概率(PD)映射 统一信用等级 → 风控模型 / 保证金计算

这张图把三个模块串起来了。外部评级和内部评级是“输入”,评级映射是“加工”,最终输出一个统一的信用等级,用于后续的风控和定价。你想想看,如果没有这个映射环节,你的系统里可能同时跑着“AA”、“A1”、“内部评分82”三种不同的信用标签,不乱才怪。

实战建议: 我建议你在搭建内部评级体系时,先跑一遍历史回测。拿过去5年的数据,看看你的内部评级能不能提前识别出违约事件。如果回测效果不好,别急着上线,先调参数。

好了,信用评级的基础就聊到这儿。外部评级是“参考”,内部评级是“核心”,评级映射是“桥梁”。这三块搞明白了,你做跨境做市时,至少不会在信用风险上栽大跟头。


公众号:蓝海资料掘金营,微信deep3321