固定收益专题：定价转债的信用风险-国盛证券

证券研究报告 | 固定收益 请仔细阅读本报告末页声明 gszqdatemark 固定收益专题 定价转债的信用风险 每年年中，评级机构会对可转债进行信用评级重新评估，评级下调通常被视为重大利空信号，可能引发市场波动和投资者信心下降。截至 2025 年6 月 30 日，我国可转债市场共计有 400 多家转债主体发布了最新的信用评级结果，其中有 34 家转债及主体信用评级被下调。本报告根据最新的数据和过去三年的样本回测，构建并优化了转债信用风险模型，旨在提升对潜在信用风险的识别和定价能力。 模型在初始构建阶段，通过加权财务、债务、转股和市场等多个维度指标，并结合行业特性，旨在评估非金融行业可转债的下调风险。然而，初始单纯的加权模型在回测中暴露出一些局限性，例如在不同行业的拟合效果存在较大差异，且未能有效处理金融行业的特定数据缺失问题。 为解决初始模型的不足，我们首先进行了单样本优化。此次优化主要针对2025 年数据进行，通过精简行业分类、新增企业性质（F 指标）等关键指标、并对权重进行精细化调整。更重要的是，我们结合了 2025 年 6 月的实时市场行情计算“C 转股溢价率”，并针对性地调整了行业阈值，从而实现了对 2025 年下调评级事件的高精度识别。在 2025 年的回测中，优化后的模型在化工行业等高风险行业预测准确率达到约 86%，而在国防军工等风险相对稳定的行业中更是达到了 90%以上。需要特别指出的是，此次单样本优化在一定程度上在最大化模型对 2025 年特定市场环境的预测效果，因此其高准确率主要反映了模型在特定年份下“精准匹配”的能力。 随后，为进一步提升模型的泛化能力和跨年度的稳定性，我们引入了二次优化。此次优化将样本数据扩展至 2022 年至 2025 年 6 月，并核心引入了每年动态调整的行业权重矩阵，根据各行业的具体特性和市场环境动态调整各项指标权重。回测结果显示，二次优化后的模型在 2023 年和 2024年均取得了较为稳健的预测效果。以 2025 年为例，尽管市场环境复杂多变，在总计 34 个实际发生评级下调的转债中，模型成功识别并命中了 13个下调案例。虽然此次命中比例（13/34，约 38.24%）与单样本优化对2025 年的“精准匹配”有所差异，但这主要体现了模型在不同年份和复杂市场环境下更强的风险识别能力及稳定性。模型识别出的高风险标的普遍具备更显著的风险特征，充分验证了其在风险预警方面的有效性。 截至 6 月 30 日，市场上绝大部分存续可转债已完成了最新的年度信用评级披露，这充分体现了较高的市场透明度和发行人及评级机构的合规性。经模型分析和对监管规则的详细核对，目前尚有 15 只转债未公布最新评级，其中 7 只为近期发行或已退市的转债，尚未达到或已不再需要披露年度跟踪评级的要求。剩余 8 只符合监管要求但尚未披露评级的转债，模型已对其潜在风险进行了评估，具体预测结果将在正文中列表展示。本模型主要用于评估非金融行业可转债的信用风险，金融板块因其特殊的经营模式和严格的监管环境，单独研究发现信用评级普遍保持稳定且预期维持高等级。未来，模型将持续关注市场变化，针对特定年份的行业权重、市场相关性指标及预测准确率进行更深层次的优化。 风险提示：模型失效风险；模型拟合风险；金融转债外推风险。 作者 分析师 杨业伟 执业证书编号：S0680520050001 邮箱：yangyewei@gszq.com 分析师 王素芳 执业证书编号：S0680524060002 邮箱：wangsufang@gszq.com 相关研究 1、《固定收益定期：房产成交回落——基本面高频数据跟踪》 2025-07-14 2、《固定收益定期：再论股债跷跷板》 2025-07-13 3、《固定收益定期：票据利率创年内新低——流动性和机构行为跟踪》 2025-07-12 2025 07 14年 月 日 gszqgszqdadatemarkrk P.2 请仔细阅读本报告末页声明 内容目录 一、指标体系 ....................................................................................................................................... 3 二、初始回测结果 ................................................................................................................................ 4 2.1 总分公式 ....................................................................................................................................... 4 2.2 评级预测结果 ................................................................................................................................. 4 三、单样本优化过程 ............................................................................................................................. 5 3.1 首次优化逻辑 ................................................................................................................................. 5 3.2 优化后准确性验证 .......................................................................................................................... 5 四、二次优化过程 ................................................................................................................................ 8 4.1 优化逻辑 ...............................................................................................................................