研究背景及模型构建：随着市场信息透明度的不断提升，负面舆情对城投债估值的影响日益增大，然而很多情况下，同一类负面舆情对于不同区域城投债估值的影响并不相同，甚至差距很大，导致这种情况出现的因素有很多。本文试图从主观性的角度寻找对负面舆情隔离能力有重大影响的因素，同时从客观性的角度出发建立模型，构造负面舆情隔离能力指标并进行有效性验证，以衡量某区域城投平台估值受潜在负面舆情影响的大小。模型潜在的解释变量，即决定区域低层级负面舆情对主平台债券估值影响大小的因素有很多，大致可以分为五个类别，分别是区域基本面因素、持有人风险特征因素、区域平台关联度因素、舆情自身因素、承接深度。模型的被解释变量，为反映主平台在受到低层级负面舆情干扰后超额利差被影响程度的指标。模型方法上，本文选择投影寻踪聚类法作为分析方法。
　　模型有效性验证及改进：从结果来看，隔离能力指标与验证样本负面舆情发生后超额利差变化大小呈一定的负相关性，负相关系数为-0.64，说明模型结果对负面舆情风险隔离能力具有一定的解释力度，但解释力度不算非常强。具体原因包括几个方面，其一是模型指标对各负面舆情类型的解释力度不同，综合起来减弱了解释力度。其二是模型的结果是聚类，不同类的样本之间连续性差。其三是验证样本数量有限，时间口径不完美。其四是传统模型算法全局精准度可能不够。传统模型算法会存在全局搜索能力弱的缺点，易导致结果非真正最优解的问题，因此算法的改进上以加强全局搜索能力为主要出发点。粒子群算法属于群智能算法的一种，该算法在全局搜索能力上突出，其原理为粒子之间信息共享对个体和集体的运动经验进行综合分析，动态调整粒子的运动方向和速度，使得其不断地向最优位置靠近，改进的本质点在于将投影寻踪模型的目标函数用作粒子群算法中粒子的自适应度。
　　投资建议：根据传统及改进的投影寻踪模型的结果，可以初步将负面舆情隔离能力指标值分为三个档次，即“强”、“中”、“弱”，负面舆情隔离能力强的平台指标值在[0.6,1]，负面舆情隔离能力中等的平台指标值在[0.3,0.6]，负面舆情隔离能力弱的平台指标值在[0,0.3]。传统模型结果处于[0.6,1]区间内且具备一定收益率的包括江西、湖南、河南、山东和安徽等区域地市级主平台，考虑到过往负面舆情发生频率对模型结果的干扰，尚未发生负面舆情的江西、湖南、安徽部分区域结果相对更准确，具有一定性价比。改进模型结果处于[0.6,1]区间内且具备一定收益率的包括湖北、河北、湖南、河南、山东和安徽等区域地市级主平台，考虑到过往负面舆情发生频率对模型结果的干扰，尚未发生负面舆情的湖北、湖南、安徽部分区域结果相对更准确，具有一定性价比。
　　风险提示：统计误差、指标选择误差、城投相关政策收紧超预期、货币政策收紧超预期。
　　

研究报告全文：2023TableReportInfo年08月17日证券研究报告固定收益专题报告城投专题研究哪些区域主平台的负面舆情隔离能力更强摘要26517西南证券研究发展中心TableSummary研究背景及模型构建随着市场信息透明度的不断提升负面舆情对城投债估TableAuthor分析师杨杰峰值的影响日益增大然而很多情况下同一类负面舆情对于不同区域城投债估执业证号S1250523060001值的影响并不相同甚至差距很大导致这种情况出现的因素有很多本文试电话18190773632图从主观性的角度寻找对负面舆情隔离能力有重大影响的因素同时从客观性邮箱yangjfswsccomcn的角度出发建立模型构造负面舆情隔离能力指标并进行有效性验证以衡量联系人冯法伟某区域城投平台估值受潜在负面舆情影响的大小模型潜在的解释变量即决电话18817873386定区域低层级负面舆情对主平台债券估值影响大小的因素有很多大致可以分邮箱ffwswsccom为五个类别分别是区域基本面因素持有人风险特征因素区域平台关联度因素舆情自身因素承接深度模型的被解释变量为反映主平台在受到低相关研究层级负面舆情干扰后超额利差被影响程度的指标模型方法上本文选择投影1TableReport地方政府债务化解将走向何处寻踪聚类法作为分析方法2023-07-31收益空间逼仄下产业债的永续品种价值模型有效性验证及改进从结果来看隔离能力指标与验证样本负面舆情发生2如何2023-07-23后超额利差变化大小呈一定的负相关性负相关系数为-064说明模型结果对3如何从利差解构角度看城投债区域下沉负面舆情风险隔离能力具有一定的解释力度但解释力度不算非常强具体原2023-07-01因包括几个方面其一是模型指标对各负面舆情类型的解释力度不同综合起4现阶段该如何把握山东省城投债来减弱了解释力度其二是模型的结果是聚类不同类的样本之间连续性差2023-06-26其三是验证样本数量有限时间口径不完美其四是传统模型算法全局精准度5近期债券新规影响几何可能不够传统模型算法会存在全局搜索能力弱的缺点易导致结果非真正最2023-05-07优解的问题因此算法的改进上以加强全局搜索能力为主要出发点粒子群算6城投债区域研究之成都2023-03-28法属于群智能算法的一种该算法在全局搜索能力上突出其原理为粒子之间信息共享对个体和集体的运动经验进行综合分析动态调整粒子的运动方向和速度使得其不断地向最优位置靠近改进的本质点在于将投影寻踪模型的目标函数用作粒子群算法中粒子的自适应度投资建议根据传统及改进的投影寻踪模型的结果可以初步将负面舆情隔离能力指标值分为三个档次即强中弱负面舆情隔离能力强的平台指标值在061负面舆情隔离能力中等的平台指标值在0306负面舆情隔离能力弱的平台指标值在003传统模型结果处于061区间内且具备一定收益率的包括江西湖南河南山东和安徽等区域地市级主平台考虑到过往负面舆情发生频率对模型结果的干扰尚未发生负面舆情的江西湖南安徽部分区域结果相对更准确具有一定性价比改进模型结果处于061区间内且具备一定收益率的包括湖北河北湖南河南山东和安徽等区域地市级主平台考虑到过往负面舆情发生频率对模型结果的干扰尚未发生负面舆情的湖北湖南安徽部分区域结果相对更准确具有一定性价比风险提示统计误差指标选择误差城投相关政策收紧超预期货币政策收紧超预期请务必阅读正文后的重要声明部分哪些区域主平台的负面舆情隔离能力更强目录1研究背景12构建模型121模型指标选择322模型方法选择及原理423模型误差存在的点53有效性验证及算法改进631模型有效性验证632模型算法改进84投资建议9请务必阅读正文后的重要声明部分哪些区域主平台的负面舆情隔离能力更强图目录图1研究背景思维导图1图2解释项与被解释项的主观选择及口径2图3国内主要地市级平台负面舆情隔离能力传统法取值情况9图42023年8月16日静态超额利差与负面舆情隔离能力传统法取值分布情况10图5国内主要地市级平台负面舆情隔离能力改进法取值情况10图62023年8月16日静态超额利差与负面舆情隔离能力传统法取值分布情况11表目录表1模型指标一览3表2负面舆情不分类下的验证结果6表3负面舆情分类下的验证结果7表4改进法下负面舆情不分类的验证结果8附录一投影寻踪法模型python代码12附录二基于粒子群算法的投影寻踪法模型python代码13附录三主平台各指标取值情况15请务必阅读正文后的重要声明部分哪些区域主平台的负面舆情隔离能力更强本文首先阐述了对该主题进行研究的背景其次对研究模型构建方面的各类要素及假设条件进行了详细解释同时梳理了模型指标的挑选过程模型方法选择及原理最后对模型结果进行有效性验证并根据结果内容提出相关投资建议1研究背景本文所指负面舆情为区域内低层级城投平台产生的负面舆情不包括主平台自身产生负面舆情的情况本文所指负面舆情隔离能力可量化为负面舆情对其估值影响的大小负面舆情隔离能力越强负面舆情对平台估值影响越小随着市场信息透明度的不断提升负面舆情对城投债估值的影响日益增大然而很多情况下同一类负面舆情对于不同区域城投债估值的影响并不相同甚至差距很大导致这种情况出现的因素有很多本文试图从主观性的角度寻找对负面舆情隔离能力有重大影响的因素同时从客观性的角度出发建立模型构造负面舆情隔离能力指标并进行有效性验证以衡量某区域城投平台估值受潜在负面舆情影响的大小图1研究背景思维导图资料来源西南证券整理2构建模型模型潜在的解释变量即决定区域低层级负面舆情对主平台债券估值影响大小的因素有很多大致可以分为五个类别分别是区域基本面因素持有人风险特征因素区域平台关联度因素舆情自身因素平台债券存量区域基本面因素即代表区域整体信用水平区域基本面越强区域内低层级负面舆情对主平台债券估值产生的影响越小持有人风险特征因素主要考量持有人对风险的厌恶程度风险厌恶程度越低对主平台债券估值产生的影响越小不过持有人特征一定程度上亦取决于区域基本面二者属于正相关区域平台关联度因素主要考量的是区域内各平台之间的资金关联关系主平台与低层级平台之间关联程度越小请务必阅读正文后的重要声明部分1哪些区域主平台的负面舆情隔离能力更强对主平台债券估值影响越低舆情自身因素主要包括舆情本身发生的频率以及舆情的种类本文所述负面舆情主体均为某区域内低层级平台可用于验证模型的有效性另外主平台在市场上的流通存量债券余额和交易效率决定了承接估值风险的深度因此也是一大重要因素模型的被解释变量为反映主平台在受到低层级负面舆情干扰后超额利差被影响程度的指标指标越大超额利差被影响程度越低舆情风险隔离能力越强此处存在诸多需要统一的口径首先是主平台口径不同层级平台在受到低层级负面舆情干扰后估值可能会有不同程度的反应因此本文统一选取区域内股权层级和外部评级最高同等条件下资产规模最大且业务公益属性最强的平台作为主平台其次是时间口径由于市场接受程度始终在变化不同阶段相同种类舆情对市场的影响可能会存在不同因此本文在时间维度上以2021年后为主这样亦可减少用未来解释过去所带来的误差另外部分时间点市场定价的主导因素并非信用因素如2022年11月开始的银行理财赎回潮下以流动性因素为主导本文所使用的验证样本均避开该类时间段第三是验证样本区域口径除了上述时间维度外由于负面舆情对某区域定价的影响可能会存在边际效用递减因此验证样本选择上规避了2021年以前就已经开始高频发生负面舆情的区域2021年以后发生同种类负面舆情的区域在满足时间口径条件下尽量只选择首次第四是超额利差变化判定口径本文选取负面舆情发生后超额利差达到的首个高点与初始值之差为变化值为减少信息重叠所带来的误差首个高点距离初始值应当在3个月以内超过3个月的以第3个月末值为准图2解释项与被解释项的主观选择及口径资料来源西南证券整理请务必阅读正文后的重要声明部分2哪些区域主平台的负面舆情隔离能力更强21模型指标选择经过上文分析决定低层级平台负面舆情对主平台债券估值影响大小的因素有很多我们将其分为了五大类别在这五大类别中我们分别挑选了部分指标进行模型指标体系的构建指标挑选的原则为1易得性用来构建模型的指标必须较为容易获取可以较为容易地实现信息的及时更替若指标的获取难度极大则考虑用相似指标进行替换2信息丰富性用来构建模型的指标必须展现出较为丰富的信息区分度若指标仅属于少部分区域或平台的特性则不考虑使用3稳定性用来构建模型的指标所能取值的时间周期尽可能拉长以避免部分指标短期化造成的误差经过筛选我们将7个指标纳入模型当中区域基本面因素包括区域经济区域债务水平持有人风险特征因素包括区域非市场化发行债券规模占比特殊时间段内的利差标准差区域平台关联度因素包括主平台对区域其他平台净往来绝对值最后为刻画主平台债券承接估值风险深度的存量余额和换手率区域经济及区域债务水平是刻画区域基本面的主轴也是投资某区域平台的最主要考量点因此选择二者作为区域基本面因素的代表持有人风险特征因素方面直接反映持有人风险特征的应当是持有人具体结构但鉴于信息难以获取因此从间接层面加以描绘此处分别选择了区域非市场化发行债券规模占比特殊时间段内的利差标准差两个指标分别代表持有人流动性风险偏好和持有人市场风险偏好本文所选的特殊时间段为2020年11月12月和2022年11月12月区域平台关联度因素主要考虑内在和外在的资金关系但基于数据的易得性此处以内在的资金关系作为代表指标为主平台对区域其他平台净往来绝对值该值越低代表高层级平台与其他平台之间的净关联程度越低债券承接估值风险深度方面债券最新存量余额越大平均换手率越高潜在相对成交量越大信息交互量越大潜在估值越趋于真实潜在估值风险承接能力越强表1模型指标一览因素类别指标名称指标含义其他说明区域经济刻画区域基本面的主轴也是投资某区域平台指标挑选基于以下原则1易区域基本面因素的最主要考量点因此选择二者作为区域基本得性用来构建模型的指标必须区域债务水平面因素的代表较为容易获取可以较为容易地代表持有人流动性风险偏好非市场化占比越实现信息的及时更替若指标的非市场化发行债券规模占比高主动投资占比低债券真实流动性越差获取难度极大则考虑用相似指持有人风险特征因素代表持有人市场风险偏好本文所选的特殊时标进行替换2信息丰富性特殊时间段内的利差标准差间段为2020年11月12月和2022年11月用来构建模型的指标必须展现12月为市场波动较大阶段出较为丰富的信息区分度若指该值越低代表高层级平台与其他平台之间的标仅属于少部分区域或平台的区域平台关联度因素对区域其他平台净往来绝对值净关联程度越低特性则不考虑使用3稳定债券存量余额债券最新存量余额越大平均换手率越高潜性用来构建模型的指标所能取承接深度在相对成交量越大信息交互量越大潜在估值的时间周期尽可能拉长以避债券换手率值越趋于真实潜在估值风险承接能力越强免部分指标短期化造成的误差资料来源西南证券整理注本文所选模型指标的取值来源来自于DMifind具体见附录二请务必阅读正文后的重要声明部分3哪些区域主平台的负面舆情隔离能力更强22模型方法选择及原理回归分析法回归分析是一种预测方法能够相对准确捕捉多个变量对目标变量的影响模型基于统计分析因此可以提供一定的统计学精度这对于许多实际应用场景是较为重要的但其存在较为严格的假设首先它对数据的假设要求较高需要数据满足正态性等方面假设其次多重共线性问题即自变量之间存在高度相关性会导致模型的预测出现偏差此外线性回归模型对于异常值和缺失值的处理也比较敏感这可能会对模型的预测结果产生不良影响而基于前文构建模型的部分前提条件可知本文验证样本的时间口径和区域口径都较为严苛最终得出的验证样本数量较少用少量的样本作为基础显然是不合理的另外部分数据也可能不满足正态假定因此本文无法较好的满足回归分析所要求的数据假设条件熵权法熵在信息论中的作用在于衡量系统无序程度的高低对于任何一项指标都可以用熵值来判断其无序程度熵值越小无序程度越大如果某项指标的值全部相等那么该指标在综合评价中不起任何作用熵权法确定评价权重依据来自于数据所反应的信息本身客观性强无主观强加性对决策结果的干扰但其缺陷也较为显著熵权法是将不同指标看作独立存在的本体不考虑指标间的相关性因此指标相关性越强权重分配误差越大此外由于熵权法赋权完全取决于数据本身因此在不能完全确定解释变量和被解释变量之间具备相关性的条件下极易发生不合理的权重配比在能够提前确定解释变量和被解释变量之间存在一定关系的条件下熵权法并非不可取我们在此前的报告如何从利差解构角度看城投区域下沉中所使用的即为熵权法但本文与此前报告不同的是所分析对象在当下市场上尚不存在关联度上的共识因此熵权法在此处的应用意义不大投影寻踪聚类法上文所述的两种方法本质问题之一在于数据和指标假设太强而投影寻踪聚类法一定程度上能克服此类问题对于数据层面投影寻踪聚类法属于探索性数据分析法而非证实性数据分析法对客观数据并不作严格假定无需样本数据服从某种结构或特征对于指标假设层面投影寻踪聚类法亦要求解释变量和被解释变量之间是存在一定关系的否则也会有误差但与熵权法理论上无上限误差不同的是由于其内在本质属于运筹优化问题单项误差对整体系统结构的影响相对有限本质问题之二在于上述两种方法更偏预测本文寻求的目标并非预测连续变量更多是估值受影响大小的排序投影寻踪聚类法的核心在于聚类它不是一个预测模型其在给定的指标体系之下通过运筹优化方式将多维度指标投影至一维指标并加以类别上的区分因此本文选择投影寻踪聚类法作为分析方法投影寻踪聚类法的原理在于通过多维度的指标对样本进行区分本质上是需要寻找一个向量集a1a2a3an使得被区分后的每一类样本集合之间距离足够大的同时每一类样本集合内部密度也足够大基本公式原理如下具体代码见附录一请务必阅读正文后的重要声明部分4哪些区域主平台的负面舆情隔离能力更强1样本评价指标集的归一化处理设各指标值的样本集为Xij意为第i个样本第j个指标值为消除各指标的量纲和统一各指标值的变化范围采用归一化处理对于正向指标为XXijMINj对于负向指标为XXMAXjijXijXijXXMAXjMINjXXMAXjMINj2投影值的计算a1a2a3an设为投影方向投影寻踪就是将投影到a上得到一维投影值PinPiajXijj13构造投影指标函数如上文所述目标函数的本质是要使得被区分后的每一类样本集合之间距离足够大的同时每一类样本集合内部密度也足够大目标函数如下SVarPi1nDuminPi-Pjni1ux1x1e3ux0x1e3n2smaxtSDa1ai11ii123模型误差存在的点第一是指标方向合适性问题及重大遗漏所导致的误差虽然投影寻踪法内在本质属于运筹优化问题但并不消除指标方向选择错误或遗漏所带来的误差如果出现指标方面的多项选择错误或重大遗漏那么结果的精准度也会降低这是模型最大的误差来源也是客观法的共性问题模型无法识别指标方向选择的合理性及缺失度第二是验证样本数量较少可能带来的判断误差与回归类模型不同投影寻踪模型不属于证实性数据分析法样本数量的多少并不会对模型本身产生影响但模型的有效性依然需要通过验证样本进行验证因此在验证样本数量较少的情况下是存在对模型有效性判断产生误差的可能性的第三是所选指标精准性偏差所带来的误差这类误差来源于指标选取的易得性原则如区域平台关联度因素主要考虑平台间内在和外在的资金关系但基于数据的易得性只能以内在的资金关系取值作为代表且所取指标为高层级平台对区域其他平台净往来绝对值该指标存在一定的局限性必然会导致一定的误差第四是模型指标取值时间与验证样本时间口径不同所带来的误差部分指标属于静态时间点指标而验证样本所在的时间阶段有可能与指标取值所处时间点存在较大的时间间隔因此会出现用未来数据验证过去样本的情况为了尽可能减小该项误差前文已对时间口径进行了严格规范请务必阅读正文后的重要声明部分5哪些区域主平台的负面舆情隔离能力更强第五是传统模型算法精准度有提升空间投影寻踪模型最终的目标是寻得最优的投影方向但是由于约束函数的非线性以及样本指标维度较多传统投影寻踪模型下的结果可能不一定是完全最优解算法仍具有优化改进的空间3有效性验证及算法改进31模型有效性验证按照上述方法通过导入相关指标数据获得了相对完整的全国地市级主平台负面舆情隔离能力排序为验证有效性我们选取符合前文所述时间口径和区域口径的验证样本进行验证验证结果如下表2负面舆情不分类下的验证结果平台名称风险事件类型舆情后超额利差变化BP隔离能力指标值投资集团有限公司非标舆情29540745616城市投资集团有限公司非标舆情36360484479投资集团有限公司非标舆情48330569954发展投资控股有限责任公司非标舆情7320475816国有资本运营集团有限公司非标舆情16229017241发展投资集团有限公司非标舆情5370436647城市建设集团有限公司商票逾期540999575城市资产运营集团有限公司商票逾期16610747503城投控股集团有限公司商票逾期6130574869城建投资集团有限公司商票逾期2280534828城市投资集团有限公司商票逾期060462753投资集团有限公司被执行人9810590143发展投资控股集团有限公司被执行人9650601345城市建设投资发展集团有限公司被执行人1220543147城市发展投资集团有限公司被执行人2209048729国有资本运营集团有限公司被执行人9458017241国有资本投资运营集团有限公司被执行人26290573975相关性-063933数据来源DM西南证券整理从结果来看隔离能力指标与验证样本负面舆情发生后超额利差变化大小呈一定的负相关性负相关系数为-064说明模型结果对负面舆情风险隔离能力具有一定的解释力度但解释力度不算非常强具体原因包括以下几点对各负面舆情类型的解释力度不同综合起来可能减弱了解释力度若将负面舆情类型进行区分可以发现验证结果有较大的区别负面舆情类型为被执行人类别的模型结果对负面舆情风险隔离能力解释力度最强二者负相关关系达到-095负面舆情类型为非标舆情类别的模型结果对负面舆情风险隔离能力解释力度尚可二者负相关关系为-070负面舆情类型为商票逾期类别的模型结果对负面舆情的解释力度很差二者不存在负相关关系请务必阅读正文后的重要声明部分6哪些区域主平台的负面舆情隔离能力更强出现此种情况的原因一方面可能与舆情类别影响力大小有关商票逾期类别舆情发生相对普遍且通常技术性因素占比不小多数情况下可能对估值不会产生影响另一方面可能是商票逾期信息披露存在较大的时间延迟市场中存在信息差表3负面舆情分类下的验证结果平台名称风险事件类型舆情后超额利差变化BP隔离能力指标值投资集团有限公司非标舆情29540745616城市投资集团有限公司非标舆情36360484479投资集团有限公司非标舆情48330569954发展投资控股有限责任公司非标舆情7320475816国有资本运营集团有限公司非标舆情16229017241发展投资集团有限公司非标舆情5370436647相关性-069729城市建设集团有限公司商票逾期540999575城市资产运营集团有限公司商票逾期16610747503城投控股集团有限公司商票逾期6130574869城建投资集团有限公司商票逾期2280534828城市投资集团有限公司商票逾期060462753相关性041771投资集团有限公司被执行人9810590143发展投资控股集团有限公司被执行人9650601345城市建设投资发展集团有限公司被执行人1220543147城市发展投资集团有限公司被执行人2209048729国有资本运营集团有限公司被执行人9458017241国有资本投资运营集团有限公司被执行人26290573975相关性-095115数据来源DM西南证券整理模型的结果是聚类不同类的样本之间连续性差投影寻踪聚类法的核心在于聚类其在给定的指标体系之下将多维度指标投影至一维指标并加以类别上的区分所以归属不同类的样本之间连续性较差更多偏向分段式的结果验证样本数量有限时间口径不完美验证样本数量越多越有利于结果有效性的判断在验证样本数量有限的情况之下误差容忍度更低得到符合预期结果的难度更大时间口径上虽然本文对时间口径的要求已非常严格但不同时间阶段市场必然是会存在诸多差异的因此时间阶段不完全统一的情况下解释力度就会受到影响传统模型算法全局精准度可能不够如前文所述投影寻踪模型最终的目标是寻得最优的投影方向但是由于约束函数的非线性以及样本指标维度较多传统投影寻踪模型下的结果可能并不一定是完全最优解样本数据层面带来的误差和判断偏差可能难以改变但模型本身算法是可以改进的下文将对模型算法进行改进请务必阅读正文后的重要声明部分7哪些区域主平台的负面舆情隔离能力更强32模型算法改进在处理非线性关系多个变量同时寻优的问题时传统模型算法会存在全局搜索能力弱的缺点易导致结果非真正最优解的问题因此算法的改进上以加强全局搜索能力为主要出发点粒子群算法属于群智能算法的一种该算法在全局搜索能力上突出其原理为粒子之间信息共享对个体和集体的运动经验进行综合分析动态调整粒子的运动方向和速度使得其不断地向最优位置靠近其算法过程可以描述为1初始化粒子群设置每个粒子的初始位置Xi及初始速度Vi2根据每个粒子的初始位置和初始速度生产新位置3计算每个粒子的适应度值4比较每个粒子此时的适应度值和粒子单体经历过最好的位置Pid的适应度值如果粒子此时的适应度值比历史最高位置更优则更新5同理按此方法判断是否更新粒子群体经历过最好的位置pgd6根据以下公式不断迭代调整粒子的最新速度和位置直到满足最优解实现的条件或达到最大的迭代次数公式如下其中为惯性权重r1为个人认知权重r2为群体认知权重Vtid1Vtid1rPXt1idid2rPXt2ididXidt1XidtVidt1用粒子群算法改进投影寻踪模型的本质点在于将投影寻踪模型的目标函数用作粒子群算法中粒子的自适应度用粒子群算法求解投影寻踪问题时每个粒子的位置可以看作是一个可行解每个解是一个投影向量把每个粒子的数据结构表示为Xilocvfitness其中loc表示某个可行解fitness表示自适应度在此处即为此前上文的目标函数按前文步骤进行迭代当达到最大迭代次数时验证结果迭代次数并非越大越好过大的迭代次数容易出现局部最优问题按照上述方法通过导入相关指标数据获得了相对完整的全国地市级主平台负面舆情隔离能力排序为验证有效性我们选取符合前文所述时间口径和区域口径的验证样本进行验证验证结果如下表4改进法下负面舆情不分类的验证结果平台名称风险事件类型舆情后超额利差变化BP迭代20次隔离能力值投资集团有限公司非标舆情29540683998城市投资集团有限公司非标舆情3636047447投资集团有限公司非标舆情48330520355发展投资控股有限责任公司非标舆情7320160735国有资本运营集团有限公司非标舆情162290061351发展投资集团有限公司非标舆情5370369625城市建设集团有限公司商票逾期54074294城市资产运营集团有限公司商票逾期16610649524城投控股集团有限公司商票逾期613046525城建投资集团有限公司商票逾期2280535579城市投资集团有限公司商票逾期060471583投资集团有限公司被执行人9810615929发展投资控股集团有限公司被执行人9650567101城市建设投资发展集团有限公司被执行人1220592882请务必阅读正文后的重要声明部分8哪些区域主平台的负面舆情隔离能力更强平台名称风险事件类型舆情后超额利差变化BP迭代20次隔离能力值城市发展投资集团有限公司被执行人22090496363国有资本运营集团有限公司被执行人94580061351国有资本投资运营集团有限公司被执行人26290594424相关性-06635数据来源DM西南证券整理通过对传统模型算法的改进结果显示其与验证样本的匹配程度进一步提高相关系数有所提升一定程度上反应结果更趋于精准但将负面舆情类型拆分后模型结果与验证样本的匹配程度并未提高原因仍可能是验证样本数量有限时间口径不完美等因素造成另外由于模型的最终目的仍是聚类对模型结果值的精确性要求一般因此仍可同时参考传统算法和改进算法的结果4投资建议根据传统投影寻踪模型的结果可以初步将负面舆情隔离能力指标值分为三个档次即强中弱负面舆情隔离能力强的平台指标值在061负面舆情隔离能力中等的平台指标值在0306负面舆情隔离能力弱的平台指标值在003模型结果处于061区间内且具备一定收益率的包括江西湖南河南山东和安徽等区域地市级主平台考虑到过往负面舆情发生频率对模型结果的干扰尚未发生负面舆情的江西湖南安徽部分区域结果相对更准确具有一定性价比图3国内主要地市级平台负面舆情隔离能力传统法取值情况12指标值无单位108060402企业个数0020406080100120140160数据来源DMifind西南证券整理请务必阅读正文后的重要声明部分9哪些区域主平台的负面舆情隔离能力更强图42023年8月16日静态超额利差与负面舆情隔离能力传统法取值分布情况500BP400300200100指标值无单位0002040608112-100数据来源DMifind西南证券整理根据改进投影寻踪模型的结果可以初步将负面舆情隔离能力指标值分为三个档次即强中弱负面舆情隔离能力强的平台指标值在061负面舆情隔离能力中等的平台指标值在0306负面舆情隔离能力弱的平台指标值在003模型结果处于061区间内且具备一定收益率的包括湖北河北湖南河南山东和安徽等区域地市级主平台考虑到过往负面舆情发生频率对模型结果的干扰尚未发生负面舆情的湖北湖南安徽部分区域结果相对更准确具有一定性价比图5国内主要地市级平台负面舆情隔离能力改进法取值情况12指标值无单位108060402企业个数0020406080100120140160数据来源DMifind西南证券整理请务必阅读正文后的重要声明部分10哪些区域主平台的负面舆情隔离能力更强图62023年8月16日静态超额利差与负面舆情隔离能力传统法取值分布情况5004003002001000002040608112-100数据来源DMifind西南证券整理请务必阅读正文后的重要声明部分11哪些区域主平台的负面舆情隔离能力更强附录一投影寻踪法模型python代码importnumpyasnpimportpandasaspdfromscipyoptimizeimportminimizedataupdatedpdreadexcelpositiveindicators区域经济换手率持有人市场风险偏好债券存量negativeindicatorsupdated区域债务水平持有人舆情风险偏好对区域其他平台净往来forindicatorinpositiveindicatorsdataupdatedindicatordataupdatedindicator-dataupdatedindicatormindataupdatedindicatormax-dataupdatedindicatorminforindicatorinnegativeindicatorsupdateddataupdatedindicator1-dataupdatedindicator-dataupdatedindicatormindataupdatedindicatormax-dataupdatedindicatormindatanormalizedfilleddatanormalizedupdatedfillnadatanormalizedupdatedmediandefprojectdatadirectionXreturnXdotdirectiondefstepfunctionxepsilon1e-3return1ifxepsilonelse0defobjectivedirectionXprojectionsprojectdatadirectionXSnpvarprojectionsDnpmeanstepfunctionnpminnpabsprojectionsi-projectionsiforiinrange1lenprojectionsreturn-SDXfilleddatanormalizedfilledvaluesinitialdirectionupdatednprandomrandXfilledshape1initialdirectionupdatednplinalgnorminitialdirectionupdatedresfilledminimizeobjectiveinitialdirectionupdatedargsXfilledbounds01forinrangeXfilledshape1methodTNCbestdirectionfilledresfilledxbestprojectionsfilledprojectdatabestdirectionfilledXfilledfinalscoresfilledbestprojectionsfilled-bestprojectionsfilledminbestprojectionsfilledmax-bestprojectionsfilledminfinalresultsfilledpdDataFrame公司名称dataupdatedUnnamed0投影寻踪法finalscoresfilledfinalresultsfilledtoexcelindexFalse请务必阅读正文后的重要声明部分12哪些区域主平台的负面舆情隔离能力更强附录二基于粒子群算法的投影寻踪法模型python代码importnumpyasnpimportpandasaspdfromscipyoptimizeimportminimizeclassParticledefinitselfdimselfpositionnprandomranddimselfvelocitynprandomranddimselfbestpositionselfpositioncopyselfbestfitnessfloatinfclassPSOdefinitselfnumparticlesdimmaxiterationsfitnessfuncselfnumparticlesnumparticlesselfdimdimselfmaxiterationsmaxiterationsselffitnessfuncfitnessfuncselfparticlesselfglobalbestpositionNoneselfglobalbestfitnessfloatinfdefinitializeparticlesselfforinrangeselfnumparticlesparticleParticleselfdimselfparticlesappendparticledefupdateparticleselfparticleinertiaweight05cognitiveweight05socialweight05particlevelocityinertiaweightparticlevelocitycognitiveweightnprandomrandselfdimparticlebestposition-particlepositionsocialweightnprandomrandselfdimselfglobalbestposition-particlepositionparticlepositionparticlevelocitydefoptimizeselfselfinitializeparticlesforiterationinrangeselfmaxiterationsforparticleinselfparticlesfitnessselffitnessfuncparticlepositioniffitnessparticlebestfitnessparticlebestpositionparticlepositioncopyparticlebestfitnessfitnessiffitnessselfglobalbestfitnessselfglobalbestpositionparticlepositioncopyselfglobalbestfitnessfitnessselfupdateparticleparticleprintfIterationiteration1BestFitnessselfglobalbestfitness请务必阅读正文后的重要声明部分13哪些区域主平台的负面舆情隔离能力更强printOptimizationfinishedprintfGlobalBestPositionselfglobalbestpositionprintfGlobalBestFitnessselfglobalbestfitnessreturnselfglobalbestpositiondataupdatedpdreadcsvNamedataupdated名称deldataupdated名称dataupdateddataupdatedreplaceregexTrueastypefloatpositiveindicators区域经济换手率持有人市场风险偏好债券存量negativeindicatorsupdated区域债务水平持有人舆情风险偏好对区域其他平台净往来forindicatorinpositiveindicatorsdataupdatedindicatordataupdatedindicator-dataupdatedindicatormindataupdatedindicatormax-dataupdatedindicatorminforindicatorinnegativeindicatorsupdateddataupdatedindicator1-dataupdatedindicator-dataupdatedindicatormindataupdatedindicatormax-dataupdatedindicatormindatanormalizedfilleddataupdatedfillnadataupdatedmedianXfilleddatanormalizedfilledvaluesdefprojectdatadirectionXreturnXdotdirectiondefstepfunctionxepsilon1e-3return1ifxepsilonelse0defobjectivedirectionXprojectionsprojectdatadirectionXSnpvarprojectionsDnpmeanstepfunctionnpminnpabsprojectionsi-projectionsiforiinrange1lenprojectionsreturn-SDdeffitnessfuncinitialdirectionupdatedinitialdirectionupdatednplinalgnorminitialdirectionupdatedresfilledminimizeobjectiveinitialdirectionupdatedargsXfilledbounds01forinrangeXfilledshape1methodTNCreturnresfilledfunpsoPSOnumparticles20dim7maxiterations20fitnessfuncfitnessfuncresfilledpsooptimizeinitialdirectionupdatedresfilledinitialdirectionupdatednplinalgnorminitialdirectionupdatedresfilledminimizeobjectiveinitialdirectionupdatedargsXfilledbounds01forinrangeXfilledshape1methodTNCbestdirectionfilledresfilledxbestprojectionsfilledprojectdatabestdirectionfilledXfilledfinalscoresfilledbestprojectionsfilled-bestprojectionsfilledminbestprojectionsfilledmax-bestprojectionsfilledminfinalresultsfilledpdDataFrame公司名称Name投影寻踪法finalscoresfilledfinalresultsfilledtoexcelindexFalse请务必阅读正文后的重要声明部分14哪些区域主平台的负面舆情隔离能力更强附录三主平台各指标取值情况2022年GDP区域2022年末非市场化发行特殊时间段内对区域其他平台2023年8月债券2022年以来主平台亿元宽口径债务率债券规模占比的利差标准差净往来绝对值存量余额亿元月均债券换手率112099593492313969670051343014962107854202013273847031888120073183450213301360310208030214561611420123668718483938042050115001941515411576403443620779101700014766252096580860762992795682238010057130286805089839051358029017127882767466265031631213914089701484936105271237291182103256621084103233374583163324544400193001737112224658808085304454193156601980122101569236262407535596236901545131914447452133273492016785086214311014754215133048860521668127115311625649548234514305035009861657065848656323292984039110132492172211847282113183544112981880000183314471159584823053381450200001935546246361871349160010581024802012102975262821218449042395001790212435758558226693633790521640707229680859735114641274516134752381231917519243933332332596750154924157214491838462785261501200000252167465108802269732741500170726172915427021874445851192400000271081853468823022210203280162828310909890635018285235062478800029141967534170191561012213600030129308650611842293616133840543631617925935837424827018380073232543786819671062150352596921389331080929428264162900740175360003415035880887394347420957432121086351772184908934582543710472158725364401266522667356414419116696281371477196479170242596165651440000请务必阅读正文后的重要声明部分15哪些区域主平台的负面舆情隔离能力更强2022年GDP区域2022年末非市场化发行特殊时间段内对区域其他平台2023年8月债券2022年以来主平台亿元宽口径债务率债券规模占比的利差标准差净往来绝对值存量余额亿元月均债券换手率38356532190332264931454971650101839434633191323533667021570001979404388230795026741809154908254125121187702613295887611477932964226571141117151538250507922001873435675229856948368991557262609124428393335706483020324981088012254534639830160367243214392115001696462234783308245353471045810010934737468503166733235736891280518934818129397802064285497624300024594916763717844042042640313550115650455543914473630592817649822159513262685189196338804807415740119452319623389550512993273410027495336169948357189355478036929381254325736348263983010412281368012275523046852840042311706390671609561264554475603920631195425017855727769742590039427433112806151558204151875547913171240992698016675955026958266416180705555226301496602200966445213637454806019307740613008616173725835633908497801128622747950571031878907015000006318755750652275357680000150000064582781731974672301146444842013066559247248926662566121532100401067662108025857414872912050115950176467187764598681934375197086101841855688175602019663830384593020185869361686424622323343303213145096270269754794061119208750349175017947140896962774381315853000800000722599195728818313362326271775017317347106757912645323399079831513607442745535408363379962713742617437529805644601505308399853100001407请务必阅读正文后的重要声明部分16哪些区域主平台的负面舆情隔离能力更强2022年GDP区域2022年末非市场化发行特殊时间段内对区域其他平台2023年8月债券2022年以来主平台亿元宽口径债务率债券规模占比的利差标准差净往来绝对值存量余额亿元月均债券换手率76241028340293154010491227680137277192955976221133864926127007173784710675791264536486314120170133979400503670627283438833562331911458047424262766646334077195193608298150170479746941469705672288931348824111983806628928590214712000162083640177667287491946848922472014738471049845903157179065174128001734857079865192115828226613221828132086474242627666462842241691988015178711379649125393203791022218001420882395834305400531162230221428620838995501403695052069441082450557579014850823709416520523705789232191911252152572452737554012201140713309212375560409987339734200716110102293119219478981935481886028142001800941160335616924628637619418501524495275033575191409286376109600036259634731251812913290497382890023019719456251576134337274469419982128898330977088688225767955130390114899452363776441454257679243141902763100402664949614862929392628750340010112017493770297056350230000010244026442681778279601119327501212103362074287131647347370245150012711049515862621612092486882672930000105531693967844833212541291742014171063198146263115430612912998002222107340818518862497269841078113902137108230677298236213255470257100290110936331309502606371372145635013241102779852766333813824490242170158511129751530741123229661030343191292112420534275712558387721171950199011357785386821275307518047145001160请务必阅读正文后的重要声明部分17