1、转债评级下调特征分析与归因
　　近年来，随着我国可转债市场规模的快速扩容与发行人结构的多元化，转债信用风险事件明显增多。2020年至2026年5月，可转债评级下调记录总计248起，涉及发行主体103家，不足50%的发行人贡献了超过70%的下调记录，其中民企占比达87%。通过对公开转债评级报告中的下调理由进行文本分析，可归纳为外部因素、经营压力、流动性压力、偿债压力和公司治理五类核心原因。
　　2、基于深度学习的三维转债评级下调预警模型
　　我们选取30个因子作为转债评级预测变量来构建神经网络分类模型，涵盖可转债发行主体特征、财务风险指标、市场定价表现等多个方面。以对应转债下个季度内是否发生评级下调为预测目标，分别输出评级发生下调和未发生下调概率，若下调概率高于50%，则发出评级下调预警，若低于50%，则不发出。
　　模型在损失函数中引入类别权重，对评级下调类别预测赋予更高的惩罚系数θ，通过选取低、中、高不同的惩罚系数θ，构建覆盖从稳健、平衡到激进的三维评级下调预警模型，供不同风险偏好的机构灵活选用。
　　低θ—稳健型（θ=10）：模型在保持较低误报的同时，尽可能捕捉明确的下调风险。适合追求稳健、不轻易调仓但希望对高风险券提前反应的投资者。
　　中θ—平衡型（θ=25）：模型会标记出更多疑似下调的债券，预警数量增加。适合对信用风险敏感、愿意承担少量“假预警”带来的调仓成本，以换取更大程度规避损失的投资者。
　　高θ—激进型（θ=50）：模型倾向于将多数不确定样本也判为下调，尽可能不漏报。适合对信用事件容忍度极低、即使频繁预警也愿意接受的投资者。
　　分别使用上述3个模型对2023-2025年的测试集样本进行评级预测：结果显示，稳健型（θ=10）、平衡型（θ=25）、激进型（θ=50）模型的全样本预测胜率分别为95.59%、92.04%和91.59%。评级下调类的精确率（Precise），即模型预警下调的债券中，实际真正下调的比例分别为15.79%、11.10%和10.93%；评级下调类的召回率（Recall），即所有实际发生下调的债券中，被模型正确预警的比例分别为45.80%、62.60%和65.65%。
　　3、模型预测结果（2026年2季度）
　　截至2026年5月末，2026年共计出现13起转债评级下调事件，剔除同一主体单季度内多次下调记录后，共计11条评级下调样本，稳健型（θ=10）、平衡型（θ=25）和激进型（θ=50）模型分别正确预测到9条、10条和11条，召回率分别为81.82%、90.91%和100.00%。截至2026年5月末，提取全部正常存续且2026年2季度内暂未进行债项评级的可转债共计294支，3个模型分别对22支、51支和80支转债发出评级下调预警。
　　4、风险提示
　　模型存在预测误差；
　　模型存在过拟合或欠拟合风险；
　　模型训练基于历史数据，存在未来失效风险。