1 论文标题
Forecasting Chinese Corporate Bond Defaults: Comparative Study of Market- vs. Accounting-Based Models

2 作者信息

Michael Peng

Boston Consulting Group

Dongkai Jiang

Witzcredit Risk Analysis

Yingjie Wang

KPMG

3 出处
Michael Peng, Dongkai Jiang, Yingjie Wang. Forecasting Chinese Corporate Bond Defaults: Comparative Study of Market- vs. Accounting-Based Models[J]. Front. Econ. China, 2019, 14(4): 536-582.

链接
http://journal.hep.com.cn/fec/EN/10.3868/s060-008-019-0022-8
http://journal.hep.com.cn/fec/EN/Y2019/V14/I4/536

4 摘要

Abstract: This paper provides the first empirical study on bond defaults in the Chinese market. It overcomes the deficiencies of existing methods, which suffer from lack of actual default data for back testing. With newly available bond default data, we analyze the roles of market variables against accounting variables under various models. While we find that Merton’s market-based structural model and KMV’s Distance to Default exhibit languid discriminating power compared with hazard models that have carefully constructed predictors, other market variables carry significant information about bond defaults and could help improve on models with only the accounting variables. This implies that the collective intelligence of the market could somehow mitigate the distortion caused by misreported accounting information. Further, model performance can be significantly improved by adding predicting variables that link an individual financial measure to the broader market performance, such as the relative margin—a business environment proxy introduced in this study. We not only shed light on the default behavior of the Chinese bond market, but also provide a promising approach to improve the variable selection process.

摘要：本文提供了中国市场上债券违约的首个实证研究。现行研究方法大多因缺乏实际违约数据而无法进行回溯测试，我们克服了这个缺陷。我们利用最近获得的债券违约数据，分析了不同模型里市场变量相对于会计变量的作用。我们发现，相比那些仔细构建了预测因子的风险模型，莫顿基于市场的结构模型和KMV模型的违约距离显示出较弱的辨识力，但其他市场变量带有关于债券违约的重要信息并能完善仅仅包含会计变量的模型。这表明，市场集体智慧能够或多或少减少由于会计信息误报产生的失真情况。此外，通过增加预测变量将个体财务措施与广泛的市场表现（如相对边际—本文引入的营商环境代理）联系起来，可以大大改善模型性能。我们不仅阐明了中国债券市场的违约行为，而且为改进变量选择过程提供了一个很有前途的方法。

5. 作者简介

Michael Peng：Ph.D, 波士顿咨询公司（纽约）风险管理部总监，曾任美银美林交易对手风险量化模型及管理高级顾问，香港美林（亚太）证券结构化产品部总监，在美国金融界从业20余年，曾先后在美国惠誉评级公司、瑞士信贷第一波士顿银行等担任部门副总裁、总监等职。近十年专注交易对手风险与模型风险测度的理论探讨与实践。兼任中国人民大学苏州国际学院金融工程系海外教授及全球风险管理专家团顾问。

DongKai Jiang (蒋东凯)：现任Witzcredit（美国）首席分析师，兼有CFA(注册金融分析师）与FRM(金融风险管理师）证书。研发过多款机器学习及传统统计软件，用于金融数据分析，尤其擅长复杂数据的自动整理。近年来专注于公司信用风险及财务欺诈预测模型的研究开发。

Ying Jie Wang(王樱洁)：现任毕马威高级咨询师，拥有FRM（金融风险管理师）资格证书。以优异成绩毕业于中国人民大学经济学本科，中国人民大学金融工程硕士（苏州国际学院），参与领导多项银行风险管理咨询项目，包括内部评级、合规、模型验证，主持撰写多篇咨询报告，其中若干对客户银行资本配置决策有重大影响。