4. 信用评级体系：外部评级（标普/穆迪/惠誉）、内部评级方法论、评级迁移矩阵

信用评级，说白了就是给债券的信用质量打个分。这个分决定了你愿意为它承担多少风险，也决定了它的定价。我做了这么多年交易，见过太多因为评级误判而踩雷的案例。今天咱们就把这套体系掰开揉碎讲清楚。

4.1 外部评级三巨头：标普、穆迪、惠誉

全球信用评级市场，基本被这三家垄断。它们的评级符号略有不同，但逻辑相通。

你可能会问，为什么这三家的评级能影响全球债市？因为它们背后有一套成熟的 违约概率（PD） 和 回收率（LGD） 模型。我个人习惯把外部评级看作一个“锚”，但千万别迷信它。

4.2 内部评级方法论：我们自己的尺子

外部评级是参考，内部评级才是我们做市定价的核心。为什么？因为外部评级更新频率低，而且覆盖范围有限。很多信用债，尤其是城投、民企，外部评级可能只有一家，甚至没有。

内部评级方法论，我把它拆成三步：

1. 定量分析：财务指标是基础。看什么？资产负债率、利息保障倍数、现金流覆盖率、短期债务占比。这些指标能告诉你企业有没有“造血能力”。
2. 定性分析：管理层能力、行业地位、股东背景、公司治理。我见过财务数据漂亮但管理层一言堂的企业，这种雷我踩过。
3. 外部支持：尤其是城投债，地方政府的支持意愿和能力至关重要。这个没法量化，全靠经验判断。

举个例子，我内部评级通常采用 打分卡模型。每个维度赋予权重，最后加权得出一个内部评分，映射到内部评级符号（比如 AAA、AA+、AA 等）。

4.3 评级迁移矩阵：信用质量的“天气预报”

评级迁移矩阵，说白了就是一张表，告诉你一个债券从当前评级，在未来一年内变成其他评级的概率有多大。比如，一个 AA 级债券，一年后变成 AA+ 的概率是 5%，变成 A+ 的概率是 2%，违约的概率是 0.1%。

这东西有什么用？做市定价时，我们需要估算债券的 预期损失。预期损失 = 违约概率 × 违约损失率。而评级迁移矩阵，就是计算未来违约概率的基础。

我习惯用 穆迪的年度违约率研究 作为基准，再结合自己的历史数据做调整。下面是一个简化的迁移矩阵示例：

你看，评级越低，迁移到违约的概率就越高。这就是为什么做市商对高收益债的报价价差会非常大——因为不确定性太高。

4.4 知识体系框架图

下面这张图，把信用评级体系的三个核心模块串起来了。你可以看到，外部评级是输入，内部评级是加工，迁移矩阵是输出。三者缺一不可。

嗯，这套体系说起来简单，但真正用起来，每个环节都有坑。外部评级滞后，内部评级主观性强，迁移矩阵依赖历史数据。我的建议是：三者结合，动态调整，别死守一个指标。

最后说一句，信用评级不是目的，而是手段。我们最终要回答的问题是：这只债券，现在值多少钱？