债券市场上，很多投资者对信用评级和评级预测很感兴趣。比方说，风控人员需要了解债券信用评级的变化情况。债券承销商在发行债券之前要估算债券的信用水平。评级机构要有一套客观的债券评级体系。
信用评级的本质是评估预期损失。它不但和债券发行人现在的财务水平有关，也和发行人未来的财务水平有关，甚至取决于行业和宏观经济的发展状况。由于信用评级包含太多的因素，所以我们很难找到一个全面客观的模型。
但是，“天下无难事，只怕有心人！”学术界和金融机构都致力于研究信用评级预测模型。传统的评级方法包括两种用线性回归模型（Linear regression models）和逻辑回归模型（Probit models）。
线性回归模型根据不同的金融矩阵预测信用评级，回归的结果产生固定的参数，根据这些参数找到对应的信用评级。逻辑回归通过添加内生的“断点”，放松了线性回归评级的要求。
线性回归和逻辑回归模型相对容易计算，在使用中也比较成功。但是它们也有问题：它们对一些参数有限定条件。我们需要放松这些限定条件。
另外需要指出，预测模型给出的评级其实是相对的。在某一个时刻，我们会发现评级和一些财务指标，例如利息保障倍数（Interest coverage ratio）有关。（利息保障倍数是公司生产经营所获得的息税前利润与利息费用之比。它是衡量企业长期偿债能力的指标。利息保障倍数越高，说明企业支付利息费用的能力越强。所以，债权人要分析利息保障倍数指标，以此来衡量债务资本的安全程度。）但时过境迁，这种关系可能会变化。“高利息保障倍数对应高评级”的说法比“5倍利息保障对应Aa1评级”更准确。如图1所示。
图1.利息保障倍数随时间而变，图片来源：穆迪
有趣的是，尽管评级和财务指标之间的关系不稳定，债券评级的分布却相对稳定。图2是2001年和2005年穆迪关于债券的评级的分布。横轴为评级水平，从Aaa到C。纵轴为各种评级债券的百分比。我们可以看出，在2001年和2005年，B1和B2评级的债券比较多，Aaa和Aa1评级水平的债券相对较少。但总的来看，这两年债券评级的分布区别不大。
图2.评级分布相对稳定，图片来源：穆迪
可见，债券评级和学校考试有些类似。当考题比较难的时候，考70分就有可能获得全班第一名，打分为A。但是当考试比较简单的时候，大家成绩都高，所以可能需要考95分才能得A。