我们的信评体系主要分为两局部，一局部是经过研讨信誉根本面，停止区域、行业比照、主体剖析从而得出结论，另一局部是经过量化模型为研讨员提供补充信息，最终综合两局部得出内部评级和结论。

　　第一局部信誉根本面的剖析同市场主流剖析方式差别不大，主要是从宏观、行业、公司运营、公司管理以及公司财务几个方面展开剖析，不过我们会请求研讨员像股票或者PE一样停止十分细致的研讨。每个研讨员既担任一到两个行业的产业债，也会担任一到两个省份的城投以及相应省份的金融债发行主体，这样有利于愈加全面的研讨。

　　第二局部是量化模型局部，我们经过多年的积聚和完善，将实践信誉研讨过程中比拟关键并且能够量化的指标模型化。比方产业债方面，我们设计了用于判别民企财务质量的模型，主要经过数据的逻辑勾稽关系以及同行业上市公司或发债主体的横向比拟来完成，详细指标像产业债主体的业务毛利率与同行的差别、停业收入和存货的增长比例等。此外，由于舆情可能会对发债主体以及各区域的成交形成较大影响，我们也经过采集底层数据构建了工商司法的匹配模型。并在第三方模型的根底上，构建了估值和隐含评级模型。

　　这些模型能够进步研讨效率并对根本面研讨停止补充。比方第三方估值作为市场成交参考的锚，它的调整可能比拟慢，我们会经过捕捉异常成交以及监测预警来调整估值或隐含评级，从而给研讨员提供参考。并且当监测的主体发债总金额很大时，完整依托人工无差异的跟踪比拟难，模型有利于我们愈加敏锐的察看到异常，从而针对性跟踪。

　　我们开发的量化模型在近几年的实践应用中也获得了不错的效果。举例来说，2017年我们研讨某民营发债主体时，模型提示其医药流通的毛利率和净利率比同行业国企高出了十个百分点，而医药流通业务自身并没有很高的技术壁垒，分离对会计科目的剖析，我们以为该主体可能存在造假的嫌疑，因而选择了躲避。

　　估值监测方面，2018年某国有港口发债主体与金融机构的债权方案爆出负面，在这之前我们就经过成交监测发现存在持续高估值成交现象，提示研讨员需求关注成交的变化是来自根本面、信誉舆情还是正常行为。经过针对性排查，我们在舆情大范围传播前就停止了处置。