专栏名称: 数据猿
关注大数据行业的最前沿资讯,分享最有价值的大数据深度文章,关注“数据猿”就是关注大数据!
目录
相关文章推荐
InfoTech  ·  DeepSeek更新了! ·  3 天前  
人工智能与大数据技术  ·  AI编程新王Claude ... ·  3 天前  
人工智能与大数据技术  ·  15亿美元AI独角兽崩塌,全是印度程序员冒充 ... ·  2 天前  
人工智能与大数据技术  ·  AI 正在培养“文盲”程序员? ·  4 天前  
51好读  ›  专栏  ›  数据猿

金融科技&大数据产品推荐:兴业研究地方政府信用评级

数据猿  · 公众号  · 大数据  · 2017-09-14 08:00

正文

请到「今天看啥」查看全文



全国地方政府债务估算(亿元)



2)风险


1.城投兑付高峰期在19年全年和21年1-3季度,主要体现在AA 级发行中。 集中兑付期面临负债重定价压力较大,不排除出现信用风险,特别是对于没有项目现金流支撑、集中兑付的AA级土地开发、基建类的城投平台。


2.或有风险(对外担保)


城投债平台对外担保倍数超过1倍的主体



3.衰退型和成熟型城市风险


衰退型与成熟型城市的财政压力不小

(列举部分)



这些地区也是地方债务管控最为严格的。衰退型城市压力最大,因原有资源面临枯竭。成熟型城市次之。成熟型城市是国内重要的资源供应核心区,但相应的也面临产业结构单一。


4.财政实力下滑负债率偏高


2014年以来平均资产负债率超过50%的城投债发行企业所在城市



5.业务萎缩、违规担保、资产重新划拨


3.4 现状及困难


随着地方债的启动以及城投债发行门槛的放松,地方债、城投债发行规模持续扩大,进行地方政府信用研究的重要性日益凸显。长期以来由于我国地方政府信息披露不详尽、质量参次不齐、缺乏历史积累,并且信息披露的频率和时效性也相对较差,缺乏统一的规范标准。


因此我们对当前各类公开及非公开、结构化和非结构化、散落在多个渠道的地方政府数据进行收集、整理、清洗、加工、建立了地方政府(包括省、市、区、县)的信用评价模型。


本着全面、可比、可操作性强(以定量为主)的原则,我们从经济实力、财政实力、政府信用环境角度选取了10个一级评级要素、23个二级评级要素建立评价模型。在统计的599个发债地区中,184个地区数据完整、312个地区除政府债务数据外披露完整(含184个数据完整的地区)。


本产品依托兴业研究自身强大的研究能力,依靠人工智能、自然语言处理、大数据挖掘建模、机器学习等技术研发手段,率先推出以资深研究员分析框架为基础,让机器模仿研究员的思维能力、自动处理海量信息,并形成可视化、产品化的方式展示地方政府信用评级给广大专业的城投债投资者。


4、应用场景/人群


4.1 地方政府债投资人群


地方债持有人集中在商业银行







请到「今天看啥」查看全文