CN111583012A - 融合文本信息的信用债发债主体违约风险评估方法 - Google Patents

Abstract

本发明公开了一种融合文本信息的信用债发债主体违约风险评估方法，包括：构建违约词典；计算新闻舆情负面程度值；获取宏观数据、财务数据、是否发生违约的数据；构建训练样本和测试样本；以上一季度的宏观数据、新闻舆情负面程度值和财务数据为输入值，以下一季度是否发生违约的数据为输出值，构建评估模型，训练并测试得到稳定的评估模型；将待评估发债主体的新闻舆情负面程度值、宏观数据、财务数据输入至评估模型，输出得到该发债主体在当前季度是否发生违约的评估数据。本发明具有融合文本信息，将难以利用结构化数据度量，且引入评估时存在较大的主观随意性的指标，以更为客观的方式纳入风险评估过程中，增强评估方法的可信度的有益效果。

Description

融合文本信息的信用债发债主体违约风险评估方法

技术领域

本发明涉及数据挖掘和机器学习领域。更具体地说，本发明涉及一种融合文本信息的信用债发债主体违约风险评估方法。

背景技术

目前债券违约现象日益升温，违约余额日渐增大，违约严重程度日益严重。在债券市场信用风险加速暴露、违约事件发生趋于常态化的背景下，如何对发债主体违约风险进行有效评估与提前预测成为当前面临的主要问题。

但已有的国内外信用评级体系均存在所考虑的信用评级要素侧重评估偿债能力对偿还意愿分析不足、在评级信息上主要依赖容易量化分析的结构化数据，如财务指标等，对一些难以量化的因素，如政策因素、管理水平等，则运用定性的方法进行评价，容易产生依赖于专家的定性分析主观成分较大，难以建立统一的标准进行客观评价等问题。

因此，在财务分析的基础上，建立一种能够利用非结构化数据，并综合考虑传统方法难以量化因素的违约风险评估方法是亟待解决的问题。

发明内容

本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。

本发明还有一个目的是提供一种融合文本信息的信用债发债主体违约风险评估方法，融合文本信息，将难以利用结构化数据度量，且引入评估时存在较大的主观随意性的指标，以更为客观的方式纳入风险评估过程中，增强评估方法的可信度。

为了实现根据本发明的这些目的和其它优点，提供了一种融合文本信息的信用债发债主体违约风险评估方法，包括：

构建违约词典，所述违约词典包括多个违约风险类别，每个违约风险类别具有权重，且所有违约风险类别的权重之和等于1，每个违约风险类别包括至少1个种子词和该种子词的至少0个扩展词，所述种子词和所述扩展词构成对应违约风险类别的特征词，所述特征词为负面词，每个特征词具有量化的风险程度值；

计算发债主体上一季度的新闻舆情负面程度值：获取上一季度期间内与发债主体相关的新闻标题文本，计算新闻标题文本中特征词的词频，对发债主体所有特征词的词频、违约风险类别的权重、特征词的风险程度值乘积累加，所得数值即为该发债主体的上一季度的新闻舆情负面程度值；

获取上一季度的宏观数据和该发债主体的上一季度的财务数据，获取该发债主体下一季度是否发生违约的数据；

以多个发债主体的上一季度的新闻舆情负面程度值和财务数据、上一季度的宏观数据、发债主体下一季度是否发生违约的数据构建多个样本，选取其中一部分样本作为训练样本，选取其中一部分样本作为测试样本；

以上一季度的宏观数据、发债主体的上一季度的新闻舆情负面程度值和财务数据为输入值，以该发债主体下一季度实际是否发生违约的数据为输出值，构建评估模型，并以训练样本训练该评估模型，直至得到采用测试样本测试稳定的评估模型；

计算待评估发债主体上一季度的新闻舆情负面程度值，获取上一季度的宏观数据和待评估发债主体上一季度的财务数据，输入至测试稳定的评估模型，输出得到该发债主体在当前季度是否发生违约的评估数据。

优选的是，评估模型的公式如式1所示：

其中，Ω_t-τ表示发债主体发生违约风险之前的新闻舆情负面程度值、宏观数据、财务数据，t表示违约日期或到期日所在的季度，τ表示领先季度数；P(Y_i＝1|Ω_t-τ)表示利用发债主体发生违约风险之前的新闻舆情负面程度值、宏观数据、财务数据判断该发债主体未来的发生违约的概率；x_i为进入评估模型的解释变量，β为变量的回归系数；Y_i取值0或者1，代表评估模型中的两类结果，其中0表示发债主体i被判定为未违约，1表示发债主体i被判定为发生违约。

优选的是，训练样本中违约发债主体与健康发债主体的比例为1:3，其中，健康发债主体是指下一季度未发生违约的发债主体，训练样本输入时Y取值为0或1，输出时则为取值在0～1之间的概率，并且以概率值0.647作为输出时的发债主体是否违约的分类分界点。

优选的是，违约风险类别包括监管品质、财务状况、投融资、经营管理、市场信息，并且其权重分别为30％、20％、20％、10％、20％。

优选的是，所述特征词的风险程度值分为高风险、中风险、低风险三个等级，并且其量化值分别为3、2、1。

优选的是，扩展词获取的方法为：对新闻标题和正文进行分词处理，利用word2vec技术在分词处理过的新闻标题和正文中进行拓展，然后再采用金融情感词典筛除中性词和正面词，计算剩余词语与每个种子词的向量相似度，根据向量相似度筛选得到每个种子词的扩展词。

优选的是，宏观数据为每个季度的固定资产投资额增速；

财务数据为从第三方平台或公开媒体获得的发债主体的每个季度的财务报表，然后根据财务报表计算得到的留存收益比率、销售利润比率、速动比率、运营资本比率、资产负债比率、应收账款周转率。

本发明至少包括以下有益效果：

第一、过构建违约词典，收集发债主体相关的新联标题，构建新闻舆情负面程度指标，可以将监管环境、企业品质、经营运作、治理水平、市场信息等难以利用结构化数据度量，或者在传统评估中被排除在外或者引入评估时存在较大的主观随意性的指标，以较为客观的方式纳入风险评估过程中，增强了评估方法的可信度和解释力。

第二、采用2019年一季度以来10家未进入训练样本的违约公司和随机匹配的30家正常到期的健康公司作为测试样本集，对模型预测能力进行检验，所有违约样本都预测正确，模型几乎未发生Ⅰ类(将违约公司误判为正常公司的概率)错误，总体正确率为77.5％。

第三、本发明融合宏观数据、财务数据和新闻数据三大类信息，显著提高了发债主体违约风险评估的准确性和可解释性。

第四，本发明使用逻辑回归模型，对于数据无需假定任何概率分布，也不要求等协方差性，这与现实中发债主体的真实情况相接近，具有较强的实用性和可拓展性。

本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

附图说明

图1为本发明的其中一种技术方案的框架图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

如图1所示，本发明提供一种融合文本信息的信用债发债主体违约风险评估方法，包括：

构建违约词典，所述违约词典包括多个违约风险类别，每个违约风险类别具有权重，且所有违约风险类别的权重之和等于1，每个违约风险类别包括至少1个种子词和该种子词的至少0个扩展词，所述种子词和所述扩展词构成对应违约风险类别的特征词，所述特征词为负面词，每个特征词具有量化的风险程度值；比如风险程度值可以分为多个等级，每个等级赋予大小不同值，以表示每个等级的风险程度不同。比如可以分为三个等级，其中1表示违约风险较低；2表示违约风险中；3表示违约风险较高。

如表1所示列出了部分违约词典的违约风险类别，每类违约风险类别的种子词和特征词，假设仅包括表1中的5类违约风险类别，可以分别赋予监管品质30％、财务状况20％、投融资20％、经营管理10％、市场信息20％的权重。

表1违约风险词典(风险程度值和权重已省略)

计算发债主体上一季度的新闻舆情负面程度值：获取上一季度期间内与发债主体相关的新闻标题文本，可以在互联网公开媒体上，通过发债主体匹配词集得到与发债主体相关的财经新闻标题文本，形成新闻标题文本数据集。

计算新闻标题文本中特征词的词频，对发债主体所有特征词的词频、违约风险类别的权重、特征词的风险程度值乘积累加，所得数值即为该发债主体的上一季度的新闻舆情负面程度值；

获取上一季度的宏观数据和该发债主体的上一季度的财务数据，获取该发债主体下一季度是否发生违约的数据；宏观数据可以采用1个，比如每个季度的固定资产投资额增速，财务数据可以采用6个，比如和存收益比率、销售利润比率、速动比率、运营资本比率、资产负债比率、应收账款周转率；宏观数据可以从第三方平台获得，比如可以从wind金融终端获得；

信用风险具有系统性特征，宏观经济环境的变化深刻影响着企业所处行业产品或服务需求、原料供给及价格、外部融资环境等方面，因此对企业进行信用风险评价时需要关注整个宏观经济运行状态与国家宏观调控政策的变化，经过筛选，以固定资产投资额增速作为宏观经济的代表。财务报表中有大量的数据，是衡量一家企业健康状况的关键。利用财务数据根据需要计算出来的比率涉及企业经营管理的各个方面，进一步对比率进行横向纵向综合对比分析可以发现该企业在各个阶段的发展趋势以及经营业务上的波动情况，还能一定程度上帮助判定企业收益状况的远景。

以多个发债主体的上一季度的新闻舆情负面程度值和财务数据、上一季度的宏观数据、发债主体下一季度是否发生违约的数据构建多个样本，选取其中一部分样本作为训练样本，选取其中一部分样本作为测试样本；

以上一季度的宏观数据、发债主体的上一季度的新闻舆情负面程度值和财务数据为输入值，以该发债主体下一季度实际是否发生违约的数据为输出值，构建评估模型，并以训练样本训练该评估模型，直至得到采用测试样本测试稳定的评估模型；

计算待评估发债主体上一季度的新闻舆情负面程度值，获取上一季度的宏观数据和待评估发债主体上一季度的财务数据，输入至测试稳定的评估模型，输出得到该发债主体在当前季度是否发生违约的评估数据。可以设置评估模型输出的数据的属性，比如可以属性设置为位于0～1之间的概率，并且设置一个分界点，当输出值高于该分界点时，则说明发债主体下一季度发生违约的风险高，右输出值低于该分界点时，则说明发债主体下一季度发生违约的风险低。

在上述技术方案中，通过构建违约词典，收集发债主体相关的新联标题，构建新闻舆情负面程度指标，可以将监管环境、企业品质、经营运作、治理水平、市场信息等难以利用结构化数据度量，或者在传统评估中被排除在外或者引入评估时存在较大的主观随意性的指标，以较为客观的方式纳入风险评估过程中，增强了评估方法的可信度和解释力。采用基于逻辑回归模型建立评估模型，对于各变量的数据无需假定任何概率分布，也不要求等协方差性，这与现实中各发债主体的真实情况相接近，具有较强的实用性和可拓展性。在一个具体实施例中，新闻文本数据来源于东方财富Chioce金融终端。

在本方案中，按照公司名称及其债项名称构成发债主体匹配词集，采用搜索方法从东方财富网chioce数据端通过发债主体匹配词集得到截至观测期或违约期的与发债主体相关的财经新闻标题，形成原始文本数据集。

在信息时代，信息的生产与搬运速度有了飞速提升，对一家企业的了解不再仅仅依赖公司财务报表以及非公开内部资料，公开互联网上存在关于公司各方面状况的信息，利用文本信息可以对衡量一家公司信用风险进行有力地补充。对于监管环境、企业品质、经营运作、治理水平、市场信息等难以利用结构化数据度量的因素，可以从新闻标题文本数据中构建指标进行描述。

使用违约风险词典，从新闻标题文本数据计算得到发债主体的新闻舆情负面程度值。

扩展词获取的方法为：对新闻标题和正文进行分词处理，利用word2vec技术在分词处理过的新闻标题和正文中进行拓展，然后再采用金融情感词典筛除中性词和正面词，计算剩余词语与每个种子词的向量相似度，根据向量相似度筛选得到每个种子词的扩展词。

违约风险词典构造的一个实施例

从公开渠道获取的财经新闻数据，包括新闻标题和正文，并使用通用的自然语言处理技术，比如jieba中文分词工具，对文本数据进行分词分句处理。

从偿债能力与偿债意愿入手，结合文本数据总结违约公司在违约日期前的历史行为特征，发现违约主体存在历程共性，从文本数据中提取描述具有违约倾向的特征词，构成违约风险词典。违约风险特征分为五大类，分别设置类别风险权重监管品质30％、财务状况20％、投融资20％、经营管理10％、市场信息20％。根据对五类风险的一般认识分别设置种子词，利用word2vec技术在分词处理过的文本数据中进行拓展。

使用通用的金融情感词典筛除中性和正面词，根据向量相似度排序结果和一般认识对筛定的风险特征词标注词风险程度，分为三个等级，其中1表示违约风险较低；2表示违约风险中；3表示违约风险较高，得到如表1所示的违约风险词典。

在另一种技术方案中，评估模型的公式如式1所示：

其中，Ω_t-τ表示发债主体发生违约风险之前的新闻舆情负面程度值、宏观数据、财务数据，t表示违约日期或到期日所在的季度，τ表示领先季度数；P(Y_i＝1|Ω_t-τ)表示利用发债主体发生违约风险之前的新闻舆情负面程度值、宏观数据、财务数据判断该发债主体未来的发生违约的概率；x_i为进入评估模型的解释变量，β为变量的回归系数；Y_i取值0或者1，代表评估模型中的两类结果，其中0表示发债主体i被判定为未违约，1表示发债主体i被判定为发生违约。

训练样本中违约发债主体与健康发债主体的比例为1:3，其中，健康发债主体是指下一季度未发生违约的发债主体，训练样本输入时Y取值为0或1，输出时则为取值在0～1之间的概率，并且以概率值0.647作为输出时的发债主体是否违约的分类分界点。

在上述技术方案中，由于债券市场中往往一家企业会发行多只信用债，而一旦该发债主体所发行的某只信用债券发生违约，说明该企业已经陷入了经营风险及财务恶化的境地。因此，只选取首次违约的发债主体的违约风险来度量其发行的信用债券的违约可能性。

按照违约主体和健康公司数量的样本匹配比为1:3的比例，构造训练样本，包括将前两步骤所得到的一个宏观数据，六个财务数据和一个新闻舆情负面程度值以及发债主体是否违约。

在本方案中，由于目前违约企业占我国总体发债企业的比例过低，本文采用配对样本思想，依据一定配比准则随机抽取按时到期兑付本息的企业作为正常样本组，即健康发债主体的样本。

在一个具体实施例中，违约组样本选择我国信用债市场首次发生违约的发债主体为违约组样本，时间跨度为2014年至2018年末。具体选择了在银行间、交易所交易的，违约债券中不包含可交换债券以及ABS类型，且财务数据不存在缺失的共40家企业。正常组样本选取按照债券类型一致的配比准则，按1:3比例在2014～2018年正常到期兑付本息的企业中随机抽取120家，作为研究的正常组样本。

使用训练样本训练逻辑回归模型，使用极大似然估计法进行参数估计，即估计评估模型的α和β的值。

对评估对象准备提前一季度的宏观数据、财务数据和新闻舆情负面程度值，包括固定资产投资额增速，和存收益比率、销售利润比率、速动比率、运营资本比率、资产负债比率、应收账款周转率，以及新闻舆情负面程度值。

上述指标输入所训练的逻辑回归模型，即评估模型中，输出风险评估结果。

在一个具体实施例中，采用2019年一季度以来10家未进入训练样本的违约公司和随机匹配的30家正常到期的健康公司作为测试样本集，对模型预测能力进行检验，所有违约样本都预测正确，模型几乎未发生Ⅰ类(将违约公司误判为正常公司的概率)错误，总体正确率为77.5％。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (7)

1.融合文本信息的信用债发债主体违约风险评估方法，其特征在于，包括：

构建违约词典，所述违约词典包括多个违约风险类别，每个违约风险类别具有权重，且所有违约风险类别的权重之和等于1，每个违约风险类别包括至少1个种子词和该种子词的至少0个扩展词，所述种子词和所述扩展词构成对应违约风险类别的特征词，所述特征词为负面词，每个特征词具有量化的风险程度值；

计算发债主体上一季度的新闻舆情负面程度值：获取上一季度期间内与发债主体相关的新闻标题文本，计算新闻标题文本中特征词的词频，对发债主体所有特征词的词频、违约风险类别的权重、特征词的风险程度值乘积累加，所得数值即为该发债主体的上一季度的新闻舆情负面程度值；

获取上一季度的宏观数据和该发债主体的上一季度的财务数据，获取该发债主体下一季度是否发生违约的数据；

以多个发债主体的上一季度的新闻舆情负面程度值和财务数据、上一季度的宏观数据、发债主体下一季度是否发生违约的数据构建多个样本，选取其中一部分样本作为训练样本，选取其中一部分样本作为测试样本；

以上一季度的宏观数据、发债主体的上一季度的新闻舆情负面程度值和财务数据为输入值，以该发债主体下一季度实际是否发生违约的数据为输出值，构建评估模型，并以训练样本训练该评估模型，直至得到采用测试样本测试稳定的评估模型；

计算待评估发债主体上一季度的新闻舆情负面程度值，获取上一季度的宏观数据和待评估发债主体上一季度的财务数据，输入至测试稳定的评估模型，输出得到该发债主体在当前季度是否发生违约的评估数据。

2.如权利要求1所述的融合文本信息的信用债发债主体违约风险评估方法，其特征在于，评估模型的公式如式1所示：

其中，Ω_t-τ表示发债主体发生违约风险之前的新闻舆情负面程度值、宏观数据、财务数据，t表示违约日期或到期日所在的季度，τ表示领先季度数；P(Y_i＝1|Ω_t-τ)表示利用发债主体发生违约风险之前的新闻舆情负面程度值、宏观数据、财务数据判断该发债主体未来的发生违约的概率；x_i为进入评估模型的解释变量，β为变量的回归系数；Y_i取值0或者1，代表评估模型中的两类结果，其中0表示发债主体i被判定为未违约，1表示发债主体i被判定为发生违约。

3.如权利要求2所述的融合文本信息的信用债发债主体违约风险评估方法，其特征在于，训练样本中违约发债主体与健康发债主体的比例为1:3，其中，健康发债主体是指下一季度未发生违约的发债主体，训练样本输入时Y取值为0或1，输出时则为取值在0～1之间的概率，并且以概率值0.647作为输出时的发债主体是否违约的分类分界点。

4.如权利要求1所述的融合文本信息的信用债发债主体违约风险评估方法，其特征在于，违约风险类别包括监管品质、财务状况、投融资、经营管理、市场信息，并且其权重分别为30％、20％、20％、10％、20％。

5.如权利要求1所述的融合文本信息的信用债发债主体违约风险评估方法，其特征在于，所述特征词的风险程度值分为高风险、中风险、低风险三个等级，并且其量化值分别为3、2、1。

6.如权利要求1所述的融合文本信息的信用债发债主体违约风险评估方法，其特征在于，扩展词获取的方法为：对新闻标题和正文进行分词处理，利用word2vec技术在分词处理过的新闻标题和正文中进行拓展，然后再采用金融情感词典筛除中性词和正面词，计算剩余词语与每个种子词的向量相似度，根据向量相似度筛选得到每个种子词的扩展词。

7.如权利要求1所述的融合文本信息的信用债发债主体违约风险评估方法，其特征在于，宏观数据为每个季度的固定资产投资额增速；

财务数据为从第三方平台或公开媒体获得的发债主体的每个季度的财务报表，然后根据财务报表计算得到的留存收益比率、销售利润比率、速动比率、运营资本比率、资产负债比率、应收账款周转率。

Images