◇ 作者：中国农业银行大客户部风险经理 罗佳佳
中国农业银行大客户部专家 董申
中国农业银行大客户部风险经理 王佳平
中国农业银行大客户部风险经理 蔡玉泽
◇ 本文原载《债券》2026年6月刊
摘 要
准确把握企业议价能力是实现贷款“量、价、险”协同管理的核心要素之一。本文构建了一种基于公开市场债券交易价格计算企业市场隐含评级的模型，相较于第三方机构评级及某商业银行内部评级，该模型在对企业信用资质及议价能力的区分上更有优势。基于此，本文进一步构建了基于市场隐含评级和无风险收益率的市场隐含评级定价模型，用于计算银行贷款的公开市场风险定价。实证分析表明，该模型计量的贷款参考定价能够动态反映风险定价，更接近实际情况，对商业银行“量、价、险”协同管理具有一定参考价值。
关键词
隐含评级 “量、价、险”协同 贷款风险定价
研究背景
商业银行在优质企业贷款定价协商中往往处于相对弱势的谈判位置。若能够准确判断企业的市场议价能力，则可在贷款定价博弈中选择更为合理的策略。客户信用评级既是商业银行衡量客户信用风险的核心指标，也是贷款风险定价1的关键依据。因此，研究准确计量、动态更新的企业信用评级模型，从多种角度拓展信用评级方法，对商业银行开展贷款风险定价和“量、价、险”协同管理具有重要意义。从数据来源和方法论上看，企业信用评级模型可分为传统评级方法和市场隐含评级方法。两者对风险定价的作用存在显著差异。
（一）企业信用评级模型分类
1．传统评级方法
传统评级方法基于客户的财务数据、经济环境、行业发展、舆情等因素，对企业开展定量指标和定性指标打分，得到企业信用评分，最后利用信用评分与信用等级之间的映射关系确定客户信用等级。
以标准普尔公司为例，其信用等级评定框架由基础评级和评级调整两部分构成。基础评级涵盖对企业的经营风险和财务风险评价。其中，经营风险评价细分为行业风险评价和企业市场竞争地位评价；财务风险评价则聚焦企业现金流对债务的覆盖能力，具体指标包括营运资金、经营性现金流、息税前利润与债务的比例等。
商业银行的信用风险内部评级法可基于历史违约数据，构建不同风险敞口的评级模型。商业银行通过收集企业财务数据与其他经营资料，选择行业对应风险敞口评级模型，对财务指标与经营情况进行评分，得到基础信用等级。在此基础上，结合各类向上调整和向下调整因素对基础信用等级进行调整后，最终确定信用等级。
从整体上看，传统信用评级一般以预测客户未来一年的违约概率为主要目标，得到的是相对静态的客户信用风险计量结果。由于缺乏动态调整能力，这类评级对贷款风险定价的实际决策支持作用较为有限。
2．市场隐含评级
债券的市场价格是由大量市场主体交易形成的，能够反映投资者的市场预期，蕴含了丰富的信息。其中，债券的信用风险是影响债券价格的重要因素。
债券的交易价格与收益率是同一定价水平的两种表现。通过计算债券收益率与国债收益率（或锚定债券的收益率曲线）之间的差异，可得到债券的风险溢价，进而得出其隐含违约概率和隐含评级。目前，市场上影响力较大的隐含评级是中债市场隐含评级。其编制过程如下2：根据债券估值收益率，剔除非信用因素后计算债券信用利差和真实测度下的隐含违约率；将债券真实测度下的隐含违约率与中债信用类债券收益率曲线各等级隐含违约率进行比较，初步推导债券市场隐含评级；进一步通过宏观经济运行环境、行业景气状况、发行主体财务经营状况、增信措施等方面的定性分析，对初步结果进行校验和微调。
相较于传统评级，市场隐含评级通过债券价格反推违约概率和信用等级，使信用等级的变化能够及时反映市场价格波动。研究表明，得益于市场投资者对即时信息反应更加迅速，市场隐含评级具有更好的时效性，能更早预警风险并及时调整。
（二）优化贷款定价机制的意义
2020年以来，市场贷款利率持续走低，商业银行以内部资金转移定价（FTP）、管理成本、资本占用机会成本等要素为基础的成本定价模型已难以适应市场利率快速变化的新形势。在商业银行经营实践中，相当一部分优质客户贷款的定价大幅低于成本定价模型指导价，说明基于FTP的成本定价模型已经难以发挥动态指导作用。
本文尝试基于债券市场价格，利用投资者交易行为反映出的风险溢价推导违约概率，再根据违约概率与评级的映射关系得到市场隐含评级。市场隐含评级反映了市场投资者对企业信用资质的综合动态评判，可作为商业银行评估企业议价能力的重要参考。在进行贷款利率定价时，以当日同期限无风险利率为基础，通过市场隐含评级对应的违约概率计量预期损失，进而形成基于市场隐含评级的参考利率。
市场隐含评级模型构建
本文研究市场隐含评级的主要目标是为商业银行贷款定价提供参考，因此本文在构建市场隐含评级模型时，未详细区分信用风险溢价、产业风险溢价、流动性风险溢价等。实际上，客户议价能力是以上因素的综合反映。
（一）市场隐含评级模型基本情况
与同期无风险的国债相比，一般债券的到期收益率更高，二者的差额为债券的风险溢价。将债券未来现金流以无风险利率折现得到的现值，减去债券的市场交易价格，其差值即为风险溢价。
其中P面值为债券在最近一次交易时点的面值，R票面为债券的票面利率，f 为付息频率，Rt 为期限为t 的国债利率，Kt为期限为t、利率为Rt的现值系数，Kn为支付本金的现值系数，n为总付息次数，P市价为债券最近一次交易时点的市场价格。
风险溢价还可以通过违约概率及违约损失率，将利息的预期损失及本金的预期损失按无风险利率折现加总得到。
其中PDt 为未来t 年的累计违约概率，PD本金为债券剩余期限的累计违约概率，LGD 为违约损失率。参考商业银行内部评级法下信用类金融资产违约损失水平，LGD 取55%。
本文假设债券存续期间的违约概率密度相同，因此多年期违约概率与1年期违约概率之间的关系可用公式（4）表示：
其中PD1为债券未来1年的违约概率。
综上分析，按照公式（1）将未来现金流按无风险利率折现的现值减去债券市场价格可以得到风险溢价。也可按照公式（3），将未来预期损失金额按无风险利率折现得到该值，结果应相等。代入数据后，令公式（1）的值等于公式（3），利用单变量求解方法求得PD1，即可得到债券未来一年的隐含违约概率，进而通过违约概率与评级的映射关系，得到债券的市场隐含评级。对于存在多只信用债券的企业，违约概率取多只债券的算术平均值。
（二）数据来源与指标选取
本文研究的债券包含在上海证券交易所、深圳证券交易所、银行间市场发行上市的债券。为确保数据的严谨性和针对性，筛选出不含权、固定利率、剩余期限不低于1年且在最近一个季度有新发行或有交易的信用债券。限定债券为不含权、固定利率的品种，旨在确保债券未来本金与利息的现金流是确定的。将债券剩余期限限定为不低于1年，因期限过短时难以通过短期违约概率推算出未来1年违约概率。要求债券在最近一个季度内存在交易记录或为新增发行，以便债券市场价格及时反映企业当前的风险状况。经过筛选，共有2189个发行主体符合条件。
模型构建需要的数据包括债券面值、到期日期、计息周期、票面利率、最近交易日期、收盘价、下次付息日、下次付息金额。另外，本文补充收集了债券外部评级机构评级、中债市场隐含评级及商业银行内部评级作为参考对比。数据来源为万得（Wind）。
市场隐含评级分析
（一）市场隐含评级模型结果分布情况
使用该市场隐含评级模型，得出截至2024年一季度末有流通信用债券的2189家企业的隐含违约概率。依据某商业银行典型的评级级次划分区间标尺，可以将隐含违约概率映射为信用等级，分布情况如图1所示。
可见，样本企业的市场隐含评级整体呈右偏正态分布，与信用风险理论损失概率分布曲线趋势一致。评级结果主要分布在AAA-级至BBB+级，其中AA+级占比最高，为38%。样本企业市场隐含评级在较广的9个级次内呈右偏正态分布，表明市场隐含评级模型对企业信用资质有较好的区分度，可以作为企业议价能力的重要参考指标。
同时可以注意到，仅有不到1%的发行主体能够达到AAA+级至AAA级的市场隐含评级，主要原因是市场隐含评级除了信用风险因素外，还反映了产业风险、流动性风险等因素。
（二）与中债市场隐含评级对比
中债市场隐含评级是中债估值中心根据市场价格信息提炼出的动态反映市场投资者对债券的信用评价。2189家企业中的2120家有中债市场隐含评级，评级分布如图2所示。
中债市场隐含评级集中在AAA级至AA-级共6个信用等级，分布上呈正态分布，与理论信用风险损失曲线类似。与中债市场隐含评级结果相比，本文构建的市场隐含评级模型结果是对债券价格的直接反映，未对评级进行除价格因素外的其他调整。该市场隐含评级模型得到的评级分布范围更广，相应的贷款定价利率参考区分度更高，更能直接反映企业市场议价能力，便于在贷款市场定价参考中使用。
尽管该市场隐含评级模型与中债市场隐含评级所采用的评级主标尺违约概率划分区间不完全相同，但BBB-级以上主要级次相同，仍具有比较意义。模型市场隐含评级与中债市场隐含评级级差分布如图3所示。约66%的企业市场隐含评级级差在上下1级，表明该市场隐含评级模型与中债市场隐含评级模型较为相符，模型评级结果整体可靠。
（三）与评级机构主体评级对比
评级机构主体评级是指第三方评级机构在债券发行前及债券存续期间对发债主体信用等级的评定。长期以来，第三方评级机构由于依赖发债企业付费，往往被诟病存在评级虚高的问题。评级机构主体评级对企业信用资质的区分能力相对有限。
本文研究的2189家发债主体中，共有2074家进行了第三方评级机构评级，评级结果分布如图4所示。
市场隐含评级结果的主要分布在9个级次，而第三方评级机构给出的评级结果全部分布在6个信用等级上，其中99.5%集中在最高的AAA级至AA级。由于第三方机构评级集中在3个信用等级，若以其作为贷款定价参考，实际上仅能提供3档定价信息，难以区分客户实际信用资质情况，参考价值相当有限。
（四）与某商业银行内部评级对比
商业银行内部评级是以企业调查信息为基础，使用回归模型测算得到的年度信用等级。对于上述2189家发债企业，在某商业银行开展内部评级的共2084家，内部评级结果分布如图5所示。
发债企业在某商业银行内部评级模型的评级结果分布在1级至9级共9个信用等级中，但在4级和7级存在大量集中的现象，其余各信用等级的分布则较为平均。4级和7级的占比明显高于其他等级，可能的原因是本文所研究的企业均为在公开市场发债的企业。为满足商业银行内部管理对债券投资企业内部评级的门槛要求，经营机构倾向于对发债企业内部评级初评结果进行调整，以达到投资门槛要求。
发债企业的商业银行内部评级分布与市场隐含评级右偏正态分布存在明显差异，也与信用风险理论损失分布不一致。这表明商业银行内部评级受较多因素影响。例如，仅考虑企业自身信用风险、评级需兼顾客户准入需求、评级主要用于内部风险计量等，难以直接反映企业市场议价能力。
市场隐含评级在贷款风险定价中的应用
“量、价、险”协同管理是商业银行配置大类资产和匹配风险定价的机制，是提高精细化管理水平、投融资综合收益水平和可持续发展能力的必由之路。做好贷款风险定价的关键，是准确识别出不同企业的市场议价能力。在充分计量企业议价能力的基础上开展价格磋商，有利于商业银行在谈判中掌握主动权，实现规模扩张、合理定价与风险管控的平衡。
（一）以市场隐含评级评价客户议价能力的可行性
市场隐含评级反映了市场投资者对企业债券的风险溢价补偿要求，是企业议价能力的外部体现。由于市场隐含评级、评级机构评级和银行内部评级模型考虑的因素、目的、用途均不相同，违约概率与评级对应的主标尺也不一致，因此不同评级方法的评级结果无法直接对比。然而，在评级基础数据充分、计量模型合理的前提下，同一评级模型不同企业之间的评级差异可以作为企业风险状况的参考依据。
如前所述，与第三方评级、商业银行内部评级相比，本文所采用的市场隐含评级模型结果更接近信用风险理论损失概率分布，对企业的信用资质区分度更好，在风险计量和风险定价上具有较高的可行性。
（二）市场隐含评级定价模型
市场隐含评级定价模型计算过程如下：通过市场价格得到企业债券风险溢价，可以计算出企业的违约概率，映射得到市场隐含评级。从违约概率出发，计算预期损失金额，进而得到抵补预期损失所需要的贷款利率。
将贷款本金代入公式（1）的票面金额及市场价格，将模型拟求取的公开市场风险定价利率R风险定价代入公式（1）的票面利率，可以得到贷款与无风险资产参照的风险溢价，如公式（5）所示。
其中D 为贷款金额。
将贷款本金代入公式（3）的票面金额，将R风险定价代入公式（3）的票面利率，得到贷款按预期损失率计量的风险溢价，如公式（6）所示。
贷款的违约概率与债券市场价格计算得到的隐含违约概率应相等。公式（5）通过未来现金流折现求得的风险溢价与公式（6）通过隐含违约概率求得的风险溢价应达到均衡状态。令二者相等即可求得公开市场风险定价，如公式（7）所示。
（三）市场隐含评级定价的实证分析
本文以国开债收益率为无风险利率，将市场隐含评级定价模型参考利率与某商业银行连续5个季度为相同主体新发放的1年期流动资金贷款的执行利率进行对比（见表1）。
从整体上看，由于债券市场和贷款市场利率走势存在差异，某商业银行贷款利率与模型参考利率的利差亦有波动，2023年一季度达到-57BP，此后保持在-20BP左右。经分析，主要原因是市场隐含评级AA-级以下低等级客户的模型参考利率超过3.5%。此类客户信用风险相对较高，公开市场交易信息能够反映其信用风险变化，但商业银行贷款利率受限于历史存量贷款续做、债务重组等原因，无法在利率上体现此类客户的信用风险。
观察表1中AA-级及以上高等级客户情况，除2023年一季度外，某商业银行贷款利率较好地追踪了以国开债利率和客户风险溢价为基础的模型参考利率，表明将市场隐含评级定价模型参考利率用作贷款定价指导具有较高可行性。作为对照，同期基于FTP的成本定价模型给出的贷款定价普遍在3%以上，与市场偏离较大，难以对定价实现有效指导。
结论
本文构建了一种通过债券市场交易价格计算企业市场隐含评级的模型，通过与无风险资产利率的比较，可计算出企业的隐含违约概率，建立起在不同评级标尺之间进行比较的桥梁。通过与评级机构主体评级、某商业银行内部评级结果的对比分析，本文发现市场隐含评级模型能较好地区分企业信用资质，能够更及时地反映企业的风险动态，可用于对企业信用资质的综合评判。
贷款风险定价的核心是评价企业的议价能力。市场隐含评级综合反映了市场投资者对企业信用资质的判断，可以作为商业银行贷款议价的重要参考。在计算市场隐含评级的基础上，利用市场隐含评级反映的预期损失反推得到贷款的公开市场风险定价，本文进一步构建了市场隐含评级定价模型。实证表明，该模型计量的贷款参考价能够动态反映企业的风险趋势，比现有成本定价模型更接近实际贷款定价，对商业银行的“量、价、险”协同管理具有一定参考价值，值得进一步深入研究。
注：
1．贷款风险定价通常指商业银行根据借款人的信用风险等因素，为贷款产品确定合理利率的过程。
2．引自中债金融估值中心有限公司2025年1月发布的《中债债券收益率曲线和估值基本原则》。
参考文献
[1] 董申，王金玲，陶然，等． 商业银行大型集团客户信用风险压力测试[J]． 金融监管研究，2019（5）．
[2] 李鸿禧． 企业信用评级的国际经验与方法研究[J]． 新金融，2020（1）．
[3] 柳莹． 隐含评级视角下我国产业债信用风险研究[J]． 债券，2019（1）． DOI： 10.3969/j.issn.2095-3585． 2019.01.015．
[4] 王振瀚，宋思悦． 通过隐含评级级差构建信用风险识别模型[J]． 债券，2022（1）． DOI： 10.3969/j.issn． 2095-3585.2022.01.016．
[5] 赵家敏，黄英婷． 我国商业银行中小企业信用评级模型研究[J]． 金融论坛，2006，11（4）．
[6] 赵凌． 中债市场隐含评级及中债地方债估值[J]． 债券，2016（9）．
责任编辑：赵思远
◇ 作者：中国农业银行大客户部风险经理 罗佳佳
中国农业银行大客户部专家 董申
中国农业银行大客户部风险经理 王佳平
中国农业银行大客户部风险经理 蔡玉泽
◇ 本文原载《债券》2026年6月刊
摘 要
准确把握企业议价能力是实现贷款“量、价、险”协同管理的核心要素之一。本文构建了一种基于公开市场债券交易价格计算企业市场隐含评级的模型，相较于第三方机构评级及某商业银行内部评级，该模型在对企业信用资质及议价能力的区分上更有优势。基于此，本文进一步构建了基于市场隐含评级和无风险收益率的市场隐含评级定价模型，用于计算银行贷款的公开市场风险定价。实证分析表明，该模型计量的贷款参考定价能够动态反映风险定价，更接近实际情况，对商业银行“量、价、险”协同管理具有一定参考价值。
关键词
隐含评级 “量、价、险”协同 贷款风险定价
研究背景
商业银行在优质企业贷款定价协商中往往处于相对弱势的谈判位置。若能够准确判断企业的市场议价能力，则可在贷款定价博弈中选择更为合理的策略。客户信用评级既是商业银行衡量客户信用风险的核心指标，也是贷款风险定价1的关键依据。因此，研究准确计量、动态更新的企业信用评级模型，从多种角度拓展信用评级方法，对商业银行开展贷款风险定价和“量、价、险”协同管理具有重要意义。从数据来源和方法论上看，企业信用评级模型可分为传统评级方法和市场隐含评级方法。两者对风险定价的作用存在显著差异。
（一）企业信用评级模型分类
1．传统评级方法
传统评级方法基于客户的财务数据、经济环境、行业发展、舆情等因素，对企业开展定量指标和定性指标打分，得到企业信用评分，最后利用信用评分与信用等级之间的映射关系确定客户信用等级。
以标准普尔公司为例，其信用等级评定框架由基础评级和评级调整两部分构成。基础评级涵盖对企业的经营风险和财务风险评价。其中，经营风险评价细分为行业风险评价和企业市场竞争地位评价；财务风险评价则聚焦企业现金流对债务的覆盖能力，具体指标包括营运资金、经营性现金流、息税前利润与债务的比例等。
商业银行的信用风险内部评级法可基于历史违约数据，构建不同风险敞口的评级模型。商业银行通过收集企业财务数据与其他经营资料，选择行业对应风险敞口评级模型，对财务指标与经营情况进行评分，得到基础信用等级。在此基础上，结合各类向上调整和向下调整因素对基础信用等级进行调整后，最终确定信用等级。
从整体上看，传统信用评级一般以预测客户未来一年的违约概率为主要目标，得到的是相对静态的客户信用风险计量结果。由于缺乏动态调整能力，这类评级对贷款风险定价的实际决策支持作用较为有限。
2．市场隐含评级
债券的市场价格是由大量市场主体交易形成的，能够反映投资者的市场预期，蕴含了丰富的信息。其中，债券的信用风险是影响债券价格的重要因素。
债券的交易价格与收益率是同一定价水平的两种表现。通过计算债券收益率与国债收益率（或锚定债券的收益率曲线）之间的差异，可得到债券的风险溢价，进而得出其隐含违约概率和隐含评级。目前，市场上影响力较大的隐含评级是中债市场隐含评级。其编制过程如下2：根据债券估值收益率，剔除非信用因素后计算债券信用利差和真实测度下的隐含违约率；将债券真实测度下的隐含违约率与中债信用类债券收益率曲线各等级隐含违约率进行比较，初步推导债券市场隐含评级；进一步通过宏观经济运行环境、行业景气状况、发行主体财务经营状况、增信措施等方面的定性分析，对初步结果进行校验和微调。
相较于传统评级，市场隐含评级通过债券价格反推违约概率和信用等级，使信用等级的变化能够及时反映市场价格波动。研究表明，得益于市场投资者对即时信息反应更加迅速，市场隐含评级具有更好的时效性，能更早预警风险并及时调整。
（二）优化贷款定价机制的意义
2020年以来，市场贷款利率持续走低，商业银行以内部资金转移定价（FTP）、管理成本、资本占用机会成本等要素为基础的成本定价模型已难以适应市场利率快速变化的新形势。在商业银行经营实践中，相当一部分优质客户贷款的定价大幅低于成本定价模型指导价，说明基于FTP的成本定价模型已经难以发挥动态指导作用。
本文尝试基于债券市场价格，利用投资者交易行为反映出的风险溢价推导违约概率，再根据违约概率与评级的映射关系得到市场隐含评级。市场隐含评级反映了市场投资者对企业信用资质的综合动态评判，可作为商业银行评估企业议价能力的重要参考。在进行贷款利率定价时，以当日同期限无风险利率为基础，通过市场隐含评级对应的违约概率计量预期损失，进而形成基于市场隐含评级的参考利率。
市场隐含评级模型构建
本文研究市场隐含评级的主要目标是为商业银行贷款定价提供参考，因此本文在构建市场隐含评级模型时，未详细区分信用风险溢价、产业风险溢价、流动性风险溢价等。实际上，客户议价能力是以上因素的综合反映。
（一）市场隐含评级模型基本情况
与同期无风险的国债相比，一般债券的到期收益率更高，二者的差额为债券的风险溢价。将债券未来现金流以无风险利率折现得到的现值，减去债券的市场交易价格，其差值即为风险溢价。
其中P面值为债券在最近一次交易时点的面值，R票面为债券的票面利率，f 为付息频率，Rt 为期限为t 的国债利率，Kt为期限为t、利率为Rt的现值系数，Kn为支付本金的现值系数，n为总付息次数，P市价为债券最近一次交易时点的市场价格。
风险溢价还可以通过违约概率及违约损失率，将利息的预期损失及本金的预期损失按无风险利率折现加总得到。
其中PDt 为未来t 年的累计违约概率，PD本金为债券剩余期限的累计违约概率，LGD 为违约损失率。参考商业银行内部评级法下信用类金融资产违约损失水平，LGD 取55%。
本文假设债券存续期间的违约概率密度相同，因此多年期违约概率与1年期违约概率之间的关系可用公式（4）表示：
其中PD1为债券未来1年的违约概率。
综上分析，按照公式（1）将未来现金流按无风险利率折现的现值减去债券市场价格可以得到风险溢价。也可按照公式（3），将未来预期损失金额按无风险利率折现得到该值，结果应相等。代入数据后，令公式（1）的值等于公式（3），利用单变量求解方法求得PD1，即可得到债券未来一年的隐含违约概率，进而通过违约概率与评级的映射关系，得到债券的市场隐含评级。对于存在多只信用债券的企业，违约概率取多只债券的算术平均值。
（二）数据来源与指标选取
本文研究的债券包含在上海证券交易所、深圳证券交易所、银行间市场发行上市的债券。为确保数据的严谨性和针对性，筛选出不含权、固定利率、剩余期限不低于1年且在最近一个季度有新发行或有交易的信用债券。限定债券为不含权、固定利率的品种，旨在确保债券未来本金与利息的现金流是确定的。将债券剩余期限限定为不低于1年，因期限过短时难以通过短期违约概率推算出未来1年违约概率。要求债券在最近一个季度内存在交易记录或为新增发行，以便债券市场价格及时反映企业当前的风险状况。经过筛选，共有2189个发行主体符合条件。
模型构建需要的数据包括债券面值、到期日期、计息周期、票面利率、最近交易日期、收盘价、下次付息日、下次付息金额。另外，本文补充收集了债券外部评级机构评级、中债市场隐含评级及商业银行内部评级作为参考对比。数据来源为万得（Wind）。
市场隐含评级分析
（一）市场隐含评级模型结果分布情况
使用该市场隐含评级模型，得出截至2024年一季度末有流通信用债券的2189家企业的隐含违约概率。依据某商业银行典型的评级级次划分区间标尺，可以将隐含违约概率映射为信用等级，分布情况如图1所示。
可见，样本企业的市场隐含评级整体呈右偏正态分布，与信用风险理论损失概率分布曲线趋势一致。评级结果主要分布在AAA-级至BBB+级，其中AA+级占比最高，为38%。样本企业市场隐含评级在较广的9个级次内呈右偏正态分布，表明市场隐含评级模型对企业信用资质有较好的区分度，可以作为企业议价能力的重要参考指标。
同时可以注意到，仅有不到1%的发行主体能够达到AAA+级至AAA级的市场隐含评级，主要原因是市场隐含评级除了信用风险因素外，还反映了产业风险、流动性风险等因素。
（二）与中债市场隐含评级对比
中债市场隐含评级是中债估值中心根据市场价格信息提炼出的动态反映市场投资者对债券的信用评价。2189家企业中的2120家有中债市场隐含评级，评级分布如图2所示。
中债市场隐含评级集中在AAA级至AA-级共6个信用等级，分布上呈正态分布，与理论信用风险损失曲线类似。与中债市场隐含评级结果相比，本文构建的市场隐含评级模型结果是对债券价格的直接反映，未对评级进行除价格因素外的其他调整。该市场隐含评级模型得到的评级分布范围更广，相应的贷款定价利率参考区分度更高，更能直接反映企业市场议价能力，便于在贷款市场定价参考中使用。
尽管该市场隐含评级模型与中债市场隐含评级所采用的评级主标尺违约概率划分区间不完全相同，但BBB-级以上主要级次相同，仍具有比较意义。模型市场隐含评级与中债市场隐含评级级差分布如图3所示。约66%的企业市场隐含评级级差在上下1级，表明该市场隐含评级模型与中债市场隐含评级模型较为相符，模型评级结果整体可靠。
（三）与评级机构主体评级对比
评级机构主体评级是指第三方评级机构在债券发行前及债券存续期间对发债主体信用等级的评定。长期以来，第三方评级机构由于依赖发债企业付费，往往被诟病存在评级虚高的问题。评级机构主体评级对企业信用资质的区分能力相对有限。
本文研究的2189家发债主体中，共有2074家进行了第三方评级机构评级，评级结果分布如图4所示。
市场隐含评级结果的主要分布在9个级次，而第三方评级机构给出的评级结果全部分布在6个信用等级上，其中99.5%集中在最高的AAA级至AA级。由于第三方机构评级集中在3个信用等级，若以其作为贷款定价参考，实际上仅能提供3档定价信息，难以区分客户实际信用资质情况，参考价值相当有限。
（四）与某商业银行内部评级对比
商业银行内部评级是以企业调查信息为基础，使用回归模型测算得到的年度信用等级。对于上述2189家发债企业，在某商业银行开展内部评级的共2084家，内部评级结果分布如图5所示。
发债企业在某商业银行内部评级模型的评级结果分布在1级至9级共9个信用等级中，但在4级和7级存在大量集中的现象，其余各信用等级的分布则较为平均。4级和7级的占比明显高于其他等级，可能的原因是本文所研究的企业均为在公开市场发债的企业。为满足商业银行内部管理对债券投资企业内部评级的门槛要求，经营机构倾向于对发债企业内部评级初评结果进行调整，以达到投资门槛要求。
发债企业的商业银行内部评级分布与市场隐含评级右偏正态分布存在明显差异，也与信用风险理论损失分布不一致。这表明商业银行内部评级受较多因素影响。例如，仅考虑企业自身信用风险、评级需兼顾客户准入需求、评级主要用于内部风险计量等，难以直接反映企业市场议价能力。
市场隐含评级在贷款风险定价中的应用
“量、价、险”协同管理是商业银行配置大类资产和匹配风险定价的机制，是提高精细化管理水平、投融资综合收益水平和可持续发展能力的必由之路。做好贷款风险定价的关键，是准确识别出不同企业的市场议价能力。在充分计量企业议价能力的基础上开展价格磋商，有利于商业银行在谈判中掌握主动权，实现规模扩张、合理定价与风险管控的平衡。
（一）以市场隐含评级评价客户议价能力的可行性
市场隐含评级反映了市场投资者对企业债券的风险溢价补偿要求，是企业议价能力的外部体现。由于市场隐含评级、评级机构评级和银行内部评级模型考虑的因素、目的、用途均不相同，违约概率与评级对应的主标尺也不一致，因此不同评级方法的评级结果无法直接对比。然而，在评级基础数据充分、计量模型合理的前提下，同一评级模型不同企业之间的评级差异可以作为企业风险状况的参考依据。
如前所述，与第三方评级、商业银行内部评级相比，本文所采用的市场隐含评级模型结果更接近信用风险理论损失概率分布，对企业的信用资质区分度更好，在风险计量和风险定价上具有较高的可行性。
（二）市场隐含评级定价模型
市场隐含评级定价模型计算过程如下：通过市场价格得到企业债券风险溢价，可以计算出企业的违约概率，映射得到市场隐含评级。从违约概率出发，计算预期损失金额，进而得到抵补预期损失所需要的贷款利率。
将贷款本金代入公式（1）的票面金额及市场价格，将模型拟求取的公开市场风险定价利率R风险定价代入公式（1）的票面利率，可以得到贷款与无风险资产参照的风险溢价，如公式（5）所示。
其中D 为贷款金额。
将贷款本金代入公式（3）的票面金额，将R风险定价代入公式（3）的票面利率，得到贷款按预期损失率计量的风险溢价，如公式（6）所示。
贷款的违约概率与债券市场价格计算得到的隐含违约概率应相等。公式（5）通过未来现金流折现求得的风险溢价与公式（6）通过隐含违约概率求得的风险溢价应达到均衡状态。令二者相等即可求得公开市场风险定价，如公式（7）所示。
（三）市场隐含评级定价的实证分析
本文以国开债收益率为无风险利率，将市场隐含评级定价模型参考利率与某商业银行连续5个季度为相同主体新发放的1年期流动资金贷款的执行利率进行对比（见表1）。
从整体上看，由于债券市场和贷款市场利率走势存在差异，某商业银行贷款利率与模型参考利率的利差亦有波动，2023年一季度达到-57BP，此后保持在-20BP左右。经分析，主要原因是市场隐含评级AA-级以下低等级客户的模型参考利率超过3.5%。此类客户信用风险相对较高，公开市场交易信息能够反映其信用风险变化，但商业银行贷款利率受限于历史存量贷款续做、债务重组等原因，无法在利率上体现此类客户的信用风险。
观察表1中AA-级及以上高等级客户情况，除2023年一季度外，某商业银行贷款利率较好地追踪了以国开债利率和客户风险溢价为基础的模型参考利率，表明将市场隐含评级定价模型参考利率用作贷款定价指导具有较高可行性。作为对照，同期基于FTP的成本定价模型给出的贷款定价普遍在3%以上，与市场偏离较大，难以对定价实现有效指导。
结论
本文构建了一种通过债券市场交易价格计算企业市场隐含评级的模型，通过与无风险资产利率的比较，可计算出企业的隐含违约概率，建立起在不同评级标尺之间进行比较的桥梁。通过与评级机构主体评级、某商业银行内部评级结果的对比分析，本文发现市场隐含评级模型能较好地区分企业信用资质，能够更及时地反映企业的风险动态，可用于对企业信用资质的综合评判。
贷款风险定价的核心是评价企业的议价能力。市场隐含评级综合反映了市场投资者对企业信用资质的判断，可以作为商业银行贷款议价的重要参考。在计算市场隐含评级的基础上，利用市场隐含评级反映的预期损失反推得到贷款的公开市场风险定价，本文进一步构建了市场隐含评级定价模型。实证表明，该模型计量的贷款参考价能够动态反映企业的风险趋势，比现有成本定价模型更接近实际贷款定价，对商业银行的“量、价、险”协同管理具有一定参考价值，值得进一步深入研究。
注：
1．贷款风险定价通常指商业银行根据借款人的信用风险等因素，为贷款产品确定合理利率的过程。
2．引自中债金融估值中心有限公司2025年1月发布的《中债债券收益率曲线和估值基本原则》。
参考文献
[1] 董申，王金玲，陶然，等． 商业银行大型集团客户信用风险压力测试[J]． 金融监管研究，2019（5）．
[2] 李鸿禧． 企业信用评级的国际经验与方法研究[J]． 新金融，2020（1）．
[3] 柳莹． 隐含评级视角下我国产业债信用风险研究[J]． 债券，2019（1）． DOI： 10.3969/j.issn.2095-3585． 2019.01.015．
[4] 王振瀚，宋思悦． 通过隐含评级级差构建信用风险识别模型[J]． 债券，2022（1）． DOI： 10.3969/j.issn． 2095-3585.2022.01.016．
[5] 赵家敏，黄英婷． 我国商业银行中小企业信用评级模型研究[J]． 金融论坛，2006，11（4）．
[6] 赵凌． 中债市场隐含评级及中债地方债估值[J]． 债券，2016（9）．
责任编辑：赵思远
