1.1 S&P 국가 신용등급

Standard & Poor’s (S&P)에서는 BBB-이상이 투자등급, BB+이하는 투기등급으로 정의한다.

library(tidyverse)
library(rvest)
library(janitor)

rating_url <- "https://en.wikipedia.org/wiki/List_of_countries_by_credit_rating"

snp_dat <- rating_url %>% 
  read_html() %>% 
  html_node(xpath='//*[@id="mw-content-text"]/div/table[1]') %>% 
  html_table() %>% 
  tbl_df

snp_df <- snp_dat %>% 
  clean_names() %>% 
  rename(country = country_region) %>% 
  separate(rating, into=c("tmp", "rating"), sep=" ") %>% 
  select(country, date, outlook, rating) %>% 
  mutate(date = lubridate::ymd(date)) %>% 
  mutate(rating = factor(rating, levels = c("AAA","AA+","AA","AA-","A+","A","A-","BBB+","BBB","BBB-","BB+","BB","BB-","B+","B","B-","CCC+","D","SD")))

snp_df %>% 
  DT::datatable()

앞서 신용등급변수(rating)을 요인(factor) 변수로 변환시켰기 때문에 가장 높은 등급부터 가장 낮은 등급까지 자연스럽게 rating 등급표를 쉽게 작성할 수 있따.

snp_df %>% 
  count(rating)

# A tibble: 19 x 2
   rating     n
   <fct>  <int>
 1 AAA       11
 2 AA+        4
 3 AA         8
 4 AA-        7
 5 A+         7
 6 A          3
 7 A-         9
 8 BBB+       6
 9 BBB        6
10 BBB-      11
11 BB+        5
12 BB         4
13 BB-        9
14 B+        13
15 B         13
16 B-        12
17 CCC+       1
18 D          1
19 SD         1

1.2 피치 국가 신용등급

피치 (Fitch)에서는 BBB- 이상이 투자등급, BB+이하는 투기등급으로 정의한다.

fitch_dat <- rating_url %>% 
  read_html() %>% 
  html_node(xpath='//*[@id="mw-content-text"]/div/table[2]') %>% 
  html_table() %>% 
  tbl_df

fitch_df <- fitch_dat %>% 
  clean_names() %>% 
  rename(country = country_region) %>% 
  mutate(rating = str_remove_all(rating, "[0-9]")) %>% 
  select(country, date, outlook, rating) %>% 
  mutate(date = lubridate::ymd(date)) %>% 
  mutate(rating = factor(rating, levels = c("AAA","AA+","AA","AA-","A+","A","A-","BBB+","BBB","BBB-","BB+","BB","BB-","B+","B","B-","CCC+","D","SD")))

fitch_df %>% 
  DT::datatable()

앞서 신용등급변수(rating)을 요인(factor) 변수로 변환시켰기 때문에 가장 높은 등급부터 가장 낮은 등급까지 자연스럽게 rating 등급표를 쉽게 작성할 수 있따.

fitch_df %>% 
  count(rating)

# A tibble: 17 x 2
   rating     n
   <fct>  <int>
 1 AAA       11
 2 AA+        4
 3 AA         7
 4 AA-        3
 5 A+         7
 6 A          3
 7 A-         6
 8 BBB+       3
 9 BBB        9
10 BBB-       9
11 BB+        5
12 BB         4
13 BB-       13
14 B+         7
15 B         11
16 B-         4
17 <NA>       3

1.3 Dagong 국가 신용등급

Dagong은 2018년 China Securities Regulatory Commission (CSRC)에 의해서 영업정지된 것으로 나타난다.

dagong_dat <- rating_url %>% 
  read_html() %>% 
  html_node(xpath='//*[@id="mw-content-text"]/div/table[7]') %>% 
  html_table() %>% 
  tbl_df

dagong_df <- dagong_dat %>% 
  clean_names() %>% 
  mutate(rating = str_remove_all(rating, "[0-9]")) %>% 
  select(country, date, outlook, rating) %>% 
  mutate(date = if_else(str_length(date) <=8, parse_date(date, "%Y-%m"), lubridate::ymd(date))) %>% 
  mutate(rating = factor(rating, levels = c("AAA","AA+","AA","AA-","A+","A","A-","BBB+","BBB","BBB-","BB+","BB","BB-","B+","B","B-","CCC+","D","SD")))

dagong_df %>% 
  DT::datatable()

앞서 신용등급변수(rating)을 요인(factor) 변수로 변환시켰기 때문에 가장 높은 등급부터 가장 낮은 등급까지 자연스럽게 rating 등급표를 쉽게 작성할 수 있따.

dagong_df %>% 
  count(rating)

# A tibble: 18 x 2
   rating     n
   <fct>  <int>
 1 AAA        6
 2 AA+        9
 3 AA         3
 4 AA-        6
 5 A+         6
 6 A          3
 7 A-         7
 8 BBB+       6
 9 BBB        8
10 BBB-       8
11 BB+        4
12 BB         3
13 BB-        9
14 B+         2
15 B          5
16 B-         3
17 D          1
18 <NA>      10

1.4 신용기관 등급 비교

S&P, 무디스, Dagong 신용평가사 국가신용등급을 취합한다.

snp_comp_df <- snp_df %>% 
  mutate(agency="S&P") %>% 
  rename(snp = rating) %>% 
  select(country, snp)

fitch_comp_df <- fitch_df %>% 
  mutate(agency="Fitch") %>% 
  rename(fitch = rating) %>% 
  select(country, fitch)

dagong_comp_df <- dagong_df %>% 
  mutate(agency="Dagong") %>% 
  rename(dagong = rating) %>% 
  select(country, dagong)

rating_dat <- full_join(snp_comp_df, fitch_comp_df) %>% 
  full_join(dagong_comp_df)

rating_dat %>% 
  DT::datatable()

앞서 신용등급변수(rating)을 요인(factor) 변수로 변환시켰기 때문에 가장 높은 등급부터 가장 낮은 등급까지 자연스럽게 rating 등급표를 쉽게 작성할 수 있다.

rating_df <- rating_dat %>% 
  filter(complete.cases(.))

rating_df %>% 
  gather(agency, rating, -country) %>% 
  count(rating, agency) %>% 
  mutate(rating = factor(rating, levels = c("AAA","AA+","AA","AA-","A+","A","A-","BBB+","BBB","BBB-","BB+","BB","BB-","B+","B","B-","CCC+","D"))) %>% 
  spread(agency, n)

# A tibble: 17 x 4
   rating dagong fitch   snp
   <fct>   <int> <int> <int>
 1 AAA         6    11    10
 2 AA+         8     3     4
 3 AA          3     6     6
 4 AA-         3     3     4
 5 A+          6     6     4
 6 A           2     2     2
 7 A-          7     5     6
 8 BBB+        4     3     3
 9 BBB         6     9     5
10 BBB-        7     5     8
11 BB+         3     2     2
12 BB          2     3     2
13 BB-         7     5     5
14 B+          2     5     3
15 B           3     3     4
16 B-          2     1     4
17 D           1    NA    NA

신용등급별로 신용평가사 평가한 국가별 빈도를 막대그래프로 시각화한다.

library(extrafont)
loadfonts()

rating_df %>% 
  gather(agency, rating, -country) %>% 
  count(rating, agency) %>% 
  mutate(rating = factor(rating, levels = c("AAA","AA+","AA","AA-","A+","A","A-","BBB+","BBB","BBB-","BB+","BB","BB-","B+","B","B-","CCC+","D"))) %>% 
  ggplot(aes(x=fct_rev(rating), y=n, fill=agency)) +
    geom_col(position="dodge") +
    labs(x="", y="국가수", fill="신용평가사", title="신용평가사가 평가한 국가별 신용등급 분포") +
    theme(legend.position = "top") +
    theme_minimal(base_family = "NanumGothic") +
    geom_vline(xintercept = 7.5, color="red", linetype="dashed") +
    coord_flip()  +
    scale_fill_manual(values = c("blue", "red", "green"))