经过我国债券市场的几十年不断发展,已正式成为了世界第二大债券市场。但是自2014年“11超日债”因无法支付利息而承认发生实质性违约后,近年来我国债券市场中的违约事件频繁发生,信用评级的重要性也随之凸显了出来。当前我国的信用评级行业的评级结果显著偏高,而且集中性比较强,导致了评级参考意义不高的问题。而且在评级行业中,仍然存在着利益冲突现象,大公国际在2018年就因此问题而遭到了处分。随着我国金融市场的不断放开,国际三大评级机构中的标准普尔和惠誉已经获准,正式进入了我国的评级市场,为我国的主体提供评级服务。穆迪公司作为历史最为悠久的国际评级机构,在世界上广受认可,对不同的海外市场和信用主体都提供了各种评级产品。此前穆迪也曾通过和大公国际合作以及收购部分中诚信股份的方式参与了中国评级市场,但是还尚未正式获准进入我国,在未来的几年中,这必会成为穆迪全球化战略中的一部分。因此,本文主要研究了穆迪公司,着重于其在房地产行业企业方面的评估方法,并通过将穆迪方法与我国房地产企业债相结合的手段,试图从量化角度探究我国评级结果的有效性,以及穆迪房地产行业评级方法在我国市场的适用程度。通过再评级,结果显示,穆迪评级法所得到的评级结果有两个显著特征,一是比我国房地产债券发行时的原评级要低几个级别,二是分散性更强,拥有较强的参考价值。此后,本文通过Pearson检验和基于内含报酬率的线性回归分析,发现穆迪评级法所得到的再评级结果与原有评级结果之间存在非常强的相关性,但是在内含报酬率方面没有体现出更强的解释力度。在此基础上,本文参照了近些年在学界运用甚广的机器学习模型,使用了其中的随机森林算法来对穆迪的房地产企业评级方法进行改进。结果发现,机器学习能够比传统的评级方法更好的解释债券的内含报酬率,从而解释债券的违约风险,也有利于投资者对于债券风险的预测评估。但是,由于机器学习“黑匣子”的特征,其更适合作为传统方法的一种辅助,而不能替代传统的评估方法。因此,对于评级机构而言,未来也可以考虑将纯量化的算法与传统的定量与定性打分卡方法进行结合,改进原有的方法,使评级结果更符合实际。最后,本文对中国评级市场的未来发展提供了建议,也为将来穆迪公司进入中国市场应当如何改进自己的方法提出了一些所思所想。