免责声明
信用评分由标普全球市场财智生成，标普信用评级（中国）并不帮助或参与创建。小写术语用于区分标普全球市场财智的信用模型评分与标普信用评级（中国）发布的信用评级。
简介
在中国，LGFV 是主要债券发行人之一。2021 年，LGFV 净融资额为 2.1 万亿元，超过 2020 年的总发行金额。[1] LGFV 主要从事基础设施和土地开发等公共服务。它们往往从事非营利业务，杠杆率很高，但由于政府提供的明示或暗示担保而能够获得资金。为了评估 LGFV 的整体信用风险状况，有必要评估相关的地方政府 (LRG) 的信用质量以及获得政府特殊支持的可能性。[2]
LGFV 是一种特殊的政府相关实体 (GRE)，也指在经济或财务压力下可能会由政府特别干预的实体。LGFV 和非 LGFV GRE 之间存在一些差异：
- LGFV 与相应的 LRG 有更紧密的联系。
- LGFV 主营业务是公共服务类型的。
- LGFV 的债务难以独力偿还。
- LGFV 通常没有跨地区业务。
- LGFV 的规模较小。
- LGFV 从政府获得的支持更多。
由于这些差异以及 LGFV 在中国信用市场中的重要性，标普全球市场财智开发了一个政府支持叠加量化模型，以评估 LGFV 的信用风险。[3] 该模型旨在通过纳入符合标普信用评级（中国）的评级标准和体系的重要风险驱动因素，量化潜在政府支持对 LGFV 信用风险评估带来的影响。
特殊政府支持
政府的特殊支持力度取决于 LGFV 角色对政府的重要性，分为以下四类：(i) 极高，(ii) 高，(iii) 中等，以及 (iv) 偏低。因政府大力支持而最终决定的等级提升取决于 LGFV 的重要性。
模型的目的和范围
量化叠加模型的目标是使用标准化、自动化、透明和一致的过程来评估 LGFV 对相关 LRG 的重要性。
该叠加模型适用于按以下标准分类为 LGFV 的实体：
- 由地方政府控制。
- 主营业务包含公益性项目。
- 依赖 LRG 的财政性补贴。
模型的输入和输出
每个 LGFV 的信息都经过广泛收集和审查。我们就叠加模型选择了以下因素：
| (i) | 支持政府的层级 在较高层级 LRG 支持下的 LGFV 往往拥有更多资源，并拥有获得重要公共政策项目的更多机会，这使得它们对政府更加重要。 |
| (ii) | 控制级别 控制级别用于衡量政府在 LGFV 中的所有权结构。由政府直接控制（控制级别 = 1）的 LGFV 往往比其他 LGFV（控制级别 >= 2）更加重要。 |
| (iii) | 相对重要性 由于资源和能力有限，政府支持具有选择性，具体取决于 LGFV 的相对重要性。具有相对较大规模的 LGFV 通常对政府更加重要，因为一旦发生问题，其会对当地经济产生更为负面的影响。我们通过资产百分比来体现 LGFV 的相对重要性，该百分比是通过对同一 LRG 支持下的 LGFV 样本进行比较计算得出。 |
| (iv) | 公司规模 规模较大（按绝对值计算）的 LGFV 往往对政府更加重要。我们使用总资产和总收入来体现 LGFV 的规模。 |
| (v) | 行业类型 政府更可能向提供公用事业和交通基础设施等更多基本服务的 LGFV 提供支持。我们按照行业类型并使用全球行业分类标准 (GICS) 代码对 LGFV 进行分类。 |
方法论
决策树算法由于分类规则简单、性能稳定、可解释性强，因而应用于该叠加模型当中。决策树是由决策规则组成的分层模型，而决策规则将以递归方式得到应用，从而将数据集的特征空间划分为单纯的单类子空间。决策树算法用于发现特征和提取模式，这对于辨别和预测建模非常重要。而且，决策树算法由于解读起来很直观，因此易于理解。
分割标准
该算法使用基尼多样性指数来衡量节点的纯度，并设置分割标准来使节点的纯度最大化。
阻止标准
当触发以下任一条件时，算法的递归过程停止：
- 所有样品都属于同一类别，即具有相同的标签，因为样品已经是“纯”的。
- 如果大多数的点已经属于同一类别。
- 某个节点没有足够的样本用于进一步分割。
- 没有足够的样本用于分支测试属性。
最终信用评分调整
对 LGFV 独立信用评分的调整或等级调整由基于以下组件的映射确定：提供支持的政府的信用评分、公司独立信用评分以及 LGFV 对相关政府的重要性级别。
LGFV 的信用质量与中央政府的信用质量没有直接联系，而是与 LRG 的信用质量相关，因为中央政府对 LGFV 领域的支持是一种系统性的现象，并非针对某个特定实体。因此，政府对 LGFV 支持的评估侧重于 LRG 而非中央政府的信用质量。
在大多数情况下，政府的影响是正面的，但在少数情况下，当 LRG 的信用质量不如 LGFV 时，政府的影响可能是负面的。财政吃紧时，LRG 可能会进行干预，将 LGFV 的资源重新转向政府，并削弱 LGFV 的信用质量。
案例研究
X 公司是江苏省的大型 LGFV，它主要负责土地开发和保障性住房建设等基础设施建设。
量化政府支持叠加模型的输入如下（使用标普全球市场财智截至 2022 年 3 月 31 日的信息，仅供说明目的）：
| • | 支持政府层级 | ：2 |
| • | 控制级别 | ：3 |
| • | 资产百分比 | ：< 30% |
| • | 总资产 | ：< 100 亿元 |
| • | 总收入 | ：< 7 亿元 |
| • | 行业 | ：建筑与工程 |
基于上述输入，叠加模型将公司对政府的作用的重要性归类为“中等”。鉴于所有权结构为非直接控制，并且其规模相对较小，这符合我们的预期。因此，由于潜在的政府支持，该公司的信用评分提高了两个等级，即从“b+”提高到“bb”。
模型表现
标普全球市场财智叠加模型以标普信用评级（中国）数据（包括 1411 个样本）为基础，目的是评估当存在潜在的特殊政府支持的情况下，某个实体的独立信用评分的潜在升级或降级。因此，通过查看模型结果和标普信用评级（中国）评级数据之间的差异，可以按照最直观的方式来衡量相对模型性能。为了验证模型性能，我们将应用政府支持叠加，将这种应用获得的结果与标普信用评级（中国）的发行人信用评级进行了比较。[4]
表 1 报告了应用政府支持叠加后的估计分数和标普信用评级（中国）数据之间的等级差百分比。
表 1：模型表现
| 完全匹配 | +- 1 个等级 | +- 2 个等级 | +- 3 个等级 | 观察数 | |
| 样本内 （以标普信用评级（中国）数据 为基础） |
26.3% | 67.2% | 87.7% | 87.7% | 745 |
| 样本外 （以独立信用评分和 LRG 信用评分为基础） |
20.5% | 55.4% | 78.7% | 92.7% | 478 |
资料来源：标普全球市场财智。数据截至 2022 年 6 月。仅用于说明目的。
结语
标普全球市场财智依据本地化标准开发了适用于中国境内市场LGFV的政府支持叠加量化模型。该模型以标普信用评级（中国）数据为基础。它的目标是生成差异化的信用评分输出，并提供一个自动化和可扩展的解决方案，用于评估中国 LGFV 的信用风险。
关于标普全球市场财智
在标普全球市场财智，我们深知并非所有信息都是重要的，但部分信息至关重要。信息必须准确、深入且有见地。标普全球市场财智将财务和行业数据、研究和新闻整合到多种工具中，以帮助客户跟踪绩效、实现超额收益、确定投资理念、了解竞争和行业动态、执行估值以及评估信用风险。全球各地的投资专业人士、政府机构、公司和大学均可从中获得必要情报，自信地作出商业和财务决策。
标普全球市场财智隶属于标普全球（NYSE 代码：SPGI），为个人、公司和政府提供必要的财智信息，帮助其制定稳妥决策。更多信息，请访问 www.spglobal.com/marketintelligence
[1] “分化持续——城投企业 2022 年信用展望”，标普信用评级（中国），2022 年 1 月 24 日。
[2] 我们有一个独立的 LRG 信用模型，该模型由标普信用评级（中国）数据提供支持。有关详细信息，请参见标普全球市场财智发表的“CreditModelTM China LRG”(CM China LRG) 文档。
[3] 作为主要债券发行人之一，LGFV 按发行人数量计算约占公司信贷市场的 50%。有关更多详细信息，请参见 2020 年 12 月 9 日标普信用评级（中国）发布的“中国城投企业图鉴”。
[4] 我们测试了样本内和样本外的叠加调整信用评分。前者使用标普信用评级（中国）的真实独立信用状况 (SACP) 和 LRG 评级，而后者使用独立信用评分和 LRG 信用评分。独立信用评分由 CreditModelTM China (CM China 1.0) 生成，LRG 信用评分由 CM China LRG 生成。有关 CM China 1.0 的详细信息，请参见标普全球市场财智发表的“CreditModelTM 中国企业 1.0 白皮书” (2021) 文档。