债券评级源于20世纪初的美国，经过100多年的企业特定因素后，债券评级也会系统性地影响债券收益率。
pogueandsoldofsky采用一个修正的ods回归模型来进行逐对分类(pair—wise classification)，这里的因变量取两个值：1—评级较高公司；0—评级较低的公司。他们考察了四个样本的债券：(1)aaa和aa债券；(2)aa和a债券；(3)a和baa债券；(4)aaa和baa债券。这种两组(two—group)分类的程序避免了horrigan和west研究中多组区间(interval)比较的问题。然而，逐对比较程序的系数无法解释其他债券评级的质量。而且，极端组(如aaa和baa)以及非邻近组之间的比较，会丢失介于中间的债券评级的信息。
技术上，ols回归模型的缺陷在于：首先，采用连续的数值(9—1)无法反映aa和a之间的风险差异与bb与b之间的风险差异的不同。其次，当被解释变量是一些序数时，扰动项通常不满足零均值和固定方差的ols假设。因此，需要在统计上寻找更合适的方法。
2．多元判别分析模型
债券评级是分类数据，因此采用专门考察分类数据的技术如判别分析、probit和logit回归等会比较恰当。多元判别分析是一个用来把数据分为不同组别的统计方法，也是债券评级建模中最流行的模型。
pinchesandmingo考察了评级介于aa—b之间的新发行的企业和行业竞争者。当评级下调公司的股价反应越大；评级下调公司在行业中处于主导地位；评级下调公司与其竞争对手联系密切；评级下调是由于财务前景恶化引起时，这种行业效应就越明显。localhOsT
最后，有一些研究发现市场对债券评级变动的反应存在滞后性。比如，pinches发现在债券评级变动之后的一年内，并不存在显著的超额收益率，但是有微弱的证据表明在评级变动公布之后股价存在回归的趋势。glascock，davidson and henderson发现在评级变动公布之后的一个季度内股票收益率存在4％～5％的逆转。holthansen and leftwich发现在评级下调后的一个季度内存在异常的负收益率，表明收益率存在一个漂移而非逆转趋势。dichev and piotroski考察了债券评级变动之后股价的长期变动，发现债券评级上调后不存在显著的超额收益率，而在债券评级下调的一年后，存在14％～15％的超额收益率，第二、第三年的超额收益率分别为—4％和～6％左右，并且这种现象在小公司和投机级债券公司更为明显，他们指出这种现象是由于市场的反应不足引起的。
总体来看，上述研究的发现表明债券评级为市场提供了有用的信息。市场对债券评级的反应不仅取决于评级是否变动，还取决于其变动的方向和幅度。在技术上，事件研究是考察债券评级的财富效应的主要方法。因此，需要注意的是事件研究中可能存在的计量问题及其对结论的影响，这种问题在长窗口的研究中可能更为严重。

三、总结

本文对西方债券评级研究作了一个综合的回顾，并对其研究方法和结论进行了相应的述评。评级研究考察了评级建模的统计技术和评级的财富效应(或市场反应)。利用统计和计量方法来债券评级建模时，主要有普通最小二乘法回归、多元判别分析、排序probit或(logit)模型和人工神经网络法等几种方法。其中，后三种方法在统计上能更好地满足评级数据的分布特征，因此在解释和预测上都要优于普通最小二乘法回归，而这三种方法之间并没有显著的优劣差异。而评级变动的市场反应研究表明债券评级为市场提供了有用的信息。市场对债券评级的反应不仅取决于评级是否变动，还取决于其变动的方向和幅度。
当前，债券和评级公司在中国的资本市场的发展中扮演着越来越重要的角色。那么对研究人员来说，一个重要的课题就是如何从中国的国情出发，建立一些有效的债券评级模型，为市场提供有用的评级信息。在这方面，西方的研究可以为我们提供有益的指导和借鉴。
注：本文中所涉及到的图表、注解、公式等内容请以pdf格式阅读原文。