企业信用AAA等级证书办理投标加分
但种隐含评级还是存在一定的问题，因为他们计算时使用的债券价格是自己的估值，而我们知道，估值的调整往往是滞后于市场的，有时候滞后的较多。理想的计算方法是根据市场成交价或者市场有效报价进行计算，但这就需要自己动手了，但是计算模型都是现成的。
隐含违约率是债券价格隐含的违约率。跟隐含评级类似的，利用违约率模型根据估值价格计算出债券隐含的违约率，目前市场上有中证隐含违约率，中债的以前也，但现在好像看不到了，YY也推出了自己的。
隐含违约率也存在跟隐含评级同样的问题，即计算基础是估值，对于市场有滞后。
第三部分是各种信用风险模型的结果。包括Z模型、KMV模型、PMF模型、Logistic模型、财务造假模型等。
前几种主要指的是利用市场上一些理论比较成熟、研究较多的模型进行简单的测算，结果主要是用来辅助判断的，并不作为主要的参考依据。后面的，像一些大型银行采用的比较复杂的Logistic模型，用的是内部的违约率数据，这些是一般机构难以获得的，可行性不太高，但也有机构做了一部分工作。
财务造假模型，主要是利用出现财务造假事件公司的财务数据进行回归分析，判断某个发行主体财务上可能存在的问题。
第四部分是舆情监控。包括公开舆情和非公开舆情。
公开舆情就是指公开渠道可以获取的信息，包括各类媒体、网站、公告等，主要利用爬虫技术、自然语言识别技术抓取。基本的功能就是爬取主体的相关信息，的功能就是将相关关联方的相关信息都关联在一起。目前做的比较好的是财汇的企业预警通APP和电脑版的慧眼系统。
非公开舆情指的是不能从公开渠道获取的信息，包括各种QQ群、微信群等交流工具中的信息，此类信息的获取需要一定的处理方式，并且其信息的获取方式和公开方法是否合法合规还存在一定的问题。目前做的比较好的是DM系统的小道消息栏目。
第五部分是大数据征信。包括简单数据和复杂数据。
简单数据是指类似于工商信息、诉讼信息、抵质押信息、人员信息等比较容易购买获得授权且不需要特殊加工的信息。这部分信息主要是用来分析股权结构判断实际控制人，判断关联关系等，可以用来大概了解企业的状况。
复杂数据是指产权变动、海关税务、社保缴纳、用电量、贸易、知识产权、招聘信息、供应链情况、非标情况这些不容易买到，且有一些不能直接使用，需要加工处理的信息。这一部分信息，是给分析者进行的揭示，使用者可以根据其中某些信息来对主体资质情况及其变化情况进行判断。
第六部分是城投模块。
众所周知，城投债有一些特殊的属性，因此需要一些特殊的数据。包括所在地区财政的状况，所在地区所有城投公司的列表和排位，所在地区的债务/隐性债务情况，非标资产违约的情况等等。
这些数据一般没有集中的渠道获得，需要消耗大量的人力去进行整理更新，目前已经有部分机构做了这部分工作，但也不是很容易获得的。
第七部分是交易数据和流动性分析。
中国的债券市场流动性是很差的，尤其是信用债市场。这使得流动性问题成为一个很重要的考虑，当你有问题的债想卖出的时候，或者其他原因需要变现的时候，卖出可能会对价格造成很大的影响。
市场上的成交数据还有报价量，代表了市场宽度，对于债券流动性的判断很有用处。对于成交数据来说，需要交易所数据、银行间数据以及中介数据的汇总。中介报价数据的获得，有一定的难度。
债券流动性的分析，现在还没有特别成熟或者认可的模型，因此如果能够做出来一个比较有说服力的模型，对于各机构来说还是比较有吸引力的。