信用利差分化下的投資機(jī)會(huì)把握

倪鵬 鄭露

摘要：近年來，信用債券市場違約事件逐步增加，信用利差趨于擴(kuò)大。本文對信用債的信用利差進(jìn)行了嘗試性研究。結(jié)果表明，由于信息不對稱和投資者風(fēng)險(xiǎn)識(shí)別能力的差異，相同期限、相同信用等級(jí)債券的利差存在較大分化，但一般工商企業(yè)信用利差中樞的跨期穩(wěn)定性較好。這意味著，信用市場中部分債券的定價(jià)存在較大偏差，信用風(fēng)險(xiǎn)評(píng)估能力更強(qiáng)的機(jī)構(gòu)將有機(jī)會(huì)通過擇時(shí)或者擇券獲得更高收益。

關(guān)鍵字：信用評(píng)級(jí)??信用利差??債券定價(jià)

在2014年超日債違約以前，國內(nèi)公募信用債未有違約先例，信用利差的分化相對較小。其后，伴隨著國內(nèi)市場信用事件的屢次出現(xiàn)，資產(chǎn)管理機(jī)構(gòu)感受到了信用風(fēng)險(xiǎn)的現(xiàn)實(shí)威脅，風(fēng)險(xiǎn)防范意識(shí)顯著上升。在這種背景下，由于發(fā)行人和投資者之間的信息不對稱，以及投資者之間風(fēng)險(xiǎn)識(shí)別能力的差異，信用利差的分化顯著增加。展望未來，債券違約常態(tài)化現(xiàn)象將繼續(xù)，可能會(huì)加劇信用利差的分化，如何在控制信用風(fēng)險(xiǎn)的基礎(chǔ)上獲得合理收益，已成為各家機(jī)構(gòu)的研究重點(diǎn)。

本文將對信用債的信用評(píng)級(jí)和信用利差進(jìn)行研究，嘗試建立兩者的對應(yīng)關(guān)系，并取得具有裨益的結(jié)論。

由于當(dāng)前國內(nèi)評(píng)級(jí)機(jī)構(gòu)提供的外部評(píng)級(jí)主要集中在AAA、AA+、AA這三個(gè)級(jí)別上，尤以前兩個(gè)級(jí)別為最，評(píng)級(jí)區(qū)分度有所不足，本文采用自定義評(píng)級(jí)結(jié)果對信用債券的利差進(jìn)行研究。上述自定義評(píng)級(jí)結(jié)果，是基于國際評(píng)級(jí)標(biāo)準(zhǔn)構(gòu)建信用評(píng)級(jí)模型，并參照專家經(jīng)驗(yàn)確認(rèn)或調(diào)整得來，下文所指信用評(píng)級(jí)均為自定義評(píng)級(jí)。

研究方法

為研究信用評(píng)級(jí)與債券信用利差的對應(yīng)關(guān)系，需要準(zhǔn)備長時(shí)間序列的信用評(píng)級(jí)、債券估值和無風(fēng)險(xiǎn)利率數(shù)據(jù)，并準(zhǔn)備多個(gè)稀疏矩陣。

矩陣1.1：債券評(píng)級(jí)矩陣，行標(biāo)為所有債券代碼，列標(biāo)為日期（月粒度），內(nèi)容為信用級(jí)別，規(guī)則為從評(píng)級(jí)日起一定時(shí)段（取決于評(píng)級(jí)穩(wěn)定性和評(píng)級(jí)頻率）內(nèi)有效，直至下一次評(píng)級(jí)覆蓋。

矩陣1.2：債券行業(yè)分類矩陣，行標(biāo)為所有債券代碼，列標(biāo)為一二三四級(jí)行業(yè)，內(nèi)容為行業(yè)分類。

矩陣2.1：債券估值矩陣，行標(biāo)為所有債券代碼，列標(biāo)為日期（日粒度），內(nèi)容為中債估值。

矩陣2.2：債券剩余期限矩陣，行標(biāo)為所有債券代碼，列標(biāo)為日期（日粒度），內(nèi)容為剩余期限（日）。

矩陣2.3：債券剩余期限矩陣（月粒度），行標(biāo)為所有債券代碼，列標(biāo)為日期（月粒度），內(nèi)容為剩余期限（日），每月度債券剩余期限取其當(dāng)月日剩余期限最大值。

矩陣3.1：國開債收益率矩陣，行標(biāo)為國開債收益率曲線上的所有關(guān)鍵期限，列標(biāo)為日期（日粒度），內(nèi)容為國開債收益率。

矩陣4.1：信用利差矩陣（減法日粒度），行標(biāo)為所有債券代碼，列標(biāo)為日期（日粒度），內(nèi)容為信用利差。信用利差為使用中債估值減去當(dāng)天對應(yīng)期限的國開債收益率（插值法得到）。

矩陣4.2：信用利差矩陣（除法日粒度），行標(biāo)為所有債券代碼，列標(biāo)為日期（日粒度），內(nèi)容為信用利差。信用利差為使用中債估值除以當(dāng)天對應(yīng)期限的國開債收益率（插值法得到）。

矩陣5.1：信用利差矩陣（減法月粒度），行標(biāo)為所有債券代碼，列標(biāo)為日期（月粒度），內(nèi)容為信用利差（減法）（即將矩陣4.1去零后求月度平均）。

矩陣5.2：信用利差矩陣（除法月粒度），行標(biāo)為所有債券代碼，列標(biāo)為日期（月粒度），內(nèi)容為信用利差（除法）（即將矩陣4.2去零后求月度平均）。

在得到矩陣5.1或5.2后，可通過篩選行業(yè)、信用級(jí)別、剩余期限的方式得到計(jì)算用的信用利差矩陣（），i代表不同的債券，t代表不同的月份。使用信用利差矩陣做出的散點(diǎn)圖如圖1和圖2所示，每一個(gè)月份中存在多個(gè)點(diǎn)，每個(gè)點(diǎn)代表不同債券當(dāng)月的平均信用利差。計(jì)算同一月份內(nèi)所有債券的信用利差月均值（），以及月標(biāo)準(zhǔn)差（），進(jìn)一步計(jì)算特定時(shí)間跨度下月均值的均值（）、月標(biāo)準(zhǔn)差的均值（）、月均值的標(biāo)準(zhǔn)差（）。

那么，對于給定上述行業(yè)、信用級(jí)別、剩余期限的樣本外信用債，其信用利差大概率應(yīng)該落在之間。其中，代表不同債券利差在同一時(shí)點(diǎn)的平均發(fā)散度（橫向發(fā)散度），代表樣本總體的信用利差伴隨時(shí)間的波動(dòng)率（縱向波動(dòng)率）。和的取值將決定置信度的大小，默認(rèn)取1，那么在正態(tài)分布的假設(shè)條件下，置信度為68%;取2取3分別對應(yīng)95%和99.7%，但置信度越高，區(qū)間的寬度越寬，指引價(jià)值越低。投資者可根據(jù)實(shí)際需要調(diào)整和的取值。

關(guān)于矩陣4.2和5.2，需要特別說明的是，有猜想認(rèn)為，當(dāng)國開債收益率位于差異較大的水平時(shí)，例如3%和5%，也許使用除法求得的信用利差比減法更具穩(wěn)定性，也更具定價(jià)價(jià)值。為此，本文將同時(shí)采用減法和除法計(jì)算信用利差，然后對比兩者波動(dòng)率的大小，以證實(shí)或證偽上述猜想。本文在提及信用利差時(shí)，默認(rèn)為減法利差。

數(shù)據(jù)準(zhǔn)備及參數(shù)設(shè)定

本文選取了2012年1月至2018年6月的信用評(píng)級(jí)數(shù)據(jù)。相關(guān)設(shè)定如下：

（1）評(píng)級(jí)有效期設(shè)定為15個(gè)月，和取1，即在正態(tài)分布假設(shè)下置信區(qū)間為68%。

（2）債券剩余期限為剩余天數(shù)，存續(xù)期間以外置零，日粒度數(shù)據(jù)轉(zhuǎn)換為月粒度數(shù)據(jù)時(shí)，取當(dāng)月最大值。

（3）中債國開債到期收益率按期限分為0年、1個(gè)月、2個(gè)月、3個(gè)月至20年共計(jì)18個(gè)期限，在計(jì)算利差時(shí)，使用與剩余天數(shù)最接近的兩個(gè)期限進(jìn)行線性插值。

（4）在進(jìn)行分期限、分級(jí)別、分行業(yè)信用利差分析前，首先觀察每月的有效樣本數(shù)量，低于30個(gè)樣本的時(shí)段不納入統(tǒng)計(jì)分析范圍。

（5）考慮到市場情緒的異常波動(dòng)，在指定期限、級(jí)別、行業(yè)的信用利差分析中，將每月前10%和后10%樣本剔除后進(jìn)行統(tǒng)計(jì)分析。

考慮到數(shù)據(jù)充裕度，本文僅研究3年期（剩余期限在二至四年之間）BBB序列（BBB+、BBB、BBB-）和BB序列（BB+、BB、BB-）的信用利差。

統(tǒng)計(jì)結(jié)果分析

（一）概況及行業(yè)對比

本文對一般工商企業(yè)、地方政府投融資平臺(tái)、房地產(chǎn)三大行業(yè)的信用利差進(jìn)行了分析，并且進(jìn)一步研究了一般工商企業(yè)類別下多個(gè)細(xì)分行業(yè)的利差情況，其中選取具有代表性的煤炭行業(yè)進(jìn)行列示。表1—8展示了主要的統(tǒng)計(jì)數(shù)據(jù)。其中橫向發(fā)散度σ1若較高意味著具有較多的擇券機(jī)會(huì)，縱向波動(dòng)率σ2若較高意味著具有較多的擇時(shí)機(jī)會(huì)。

基于對利差數(shù)據(jù)的統(tǒng)計(jì)分析，以及對前文圖1和圖2的觀察，本文得出如下結(jié)論：

（1）一般工商企業(yè)BBB和BB序列的信用利差縱向波動(dòng)率相對較小，其利率中樞可以作為相對穩(wěn)定的定價(jià)參考;而同一時(shí)點(diǎn)不同債券信用利差的橫向發(fā)散度則相對較大，BB序列債券橫向發(fā)散度尤其大，因此在投資中存在大量擇券機(jī)會(huì)。

（2）作為典型周期性行業(yè)的煤炭行業(yè)受煤價(jià)波動(dòng)影響。2015年是煤炭價(jià)格低點(diǎn)，2016年起觸底回升，市場情緒也經(jīng)歷了較大的波動(dòng)，由表3可見，2016年煤炭行業(yè)縱向波動(dòng)性達(dá)到各年度的頂點(diǎn)，其間存在大量的擇時(shí)機(jī)會(huì);當(dāng)然，個(gè)券差異也較大，擇券機(jī)會(huì)同樣存在。

（3）政府債務(wù)置換和金融機(jī)構(gòu)資管新規(guī)對地方政府投融資平臺(tái)的融資成本產(chǎn)生了顯著影響。政府債務(wù)置換工作自2015年開始，至2018年底，已由地方政府發(fā)債置換投融資平臺(tái)大量債務(wù)，很大程度上壓低了地方政府投融資平臺(tái)的融資成本和債券收益率。《關(guān)于規(guī)范金融機(jī)構(gòu)資產(chǎn)管理業(yè)務(wù)的指導(dǎo)意見（征求意見稿）》于2017年11月推出，于2018年4月正式出臺(tái)，較大程度限制了非標(biāo)融資。而由于地方政府投融資平臺(tái)對非標(biāo)融資極為依賴，其再融資風(fēng)險(xiǎn)和債券收益率因此顯著上升。由筆者計(jì)算數(shù)據(jù)可得，3年期BBB序列信用利差均值在2015和2016年比一般工商企業(yè)分別低約10BP和30BP，2017年基本持平，2018年上半年則高出10BP。

（4）房地產(chǎn)企業(yè)融資成本分化較大。2018年上半年，BBB序列信用利差均值低于一般工商企業(yè)6BP，而BB序列的信用利差均值高于一般工商企業(yè)73BP，顯示市場傾向于回避低評(píng)級(jí)房地產(chǎn)企業(yè)。

（二）減法利差與除法利差的對比

表9展示了使用除法計(jì)算得到的一般工商企業(yè)3年期BBB序列信用利差統(tǒng)計(jì)數(shù)據(jù)。2013年1月至2018年6月間，3年期國開債收益率均值為3.98%，將除法得到的信用利差波動(dòng)率單位由倍數(shù)換算為百分比，即

σ1=σ1×4%=0.076×3.98%=0.302%，

σ2=σ2?×4%=0.064×3.98%=0.255%（4%為國開債平均收益率）

這兩個(gè)波動(dòng)率尚高于同期、同行業(yè)、同級(jí)別用減法得到的波動(dòng)率（σ1=0.273%，σ2=0.171%，見表1）。我們使用不同時(shí)段、不同行業(yè)、不同級(jí)別的數(shù)據(jù)進(jìn)行了測算，均得到了類似結(jié)論。

這表明：基于除法計(jì)算的信用利差穩(wěn)定性不及基于減法計(jì)算的結(jié)果，債券利差定價(jià)仍應(yīng)依靠傳統(tǒng)的減法規(guī)則。

（三）信用利差與預(yù)期違約損失對比

由于本文使用的信用評(píng)級(jí)數(shù)據(jù)與國際評(píng)級(jí)數(shù)據(jù)一致可比，本文將統(tǒng)計(jì)得到的信用利差基準(zhǔn)值與國際評(píng)級(jí)機(jī)構(gòu)統(tǒng)計(jì)的預(yù)期違約損失進(jìn)行了比對。表10展示了某國際評(píng)級(jí)機(jī)構(gòu)統(tǒng)計(jì)的不同信用級(jí)別3年累計(jì)違約率（Probability?of?Default，PD）和違約損失率（Loss?Given?Default，LGD），則預(yù)期信用損失對應(yīng)的信用利差參考值估算公式為“PD×LGD/期限”。經(jīng)估算，3年期BBB序列信用利差參考值為19BP，BB序列信用利差參考值為75BP。而2013年1月至2018年6月，一般工商企業(yè)同期限同級(jí)別信用利差均值均比上述參考值高50BP以上。

必須承認(rèn)的是，雖然本文的評(píng)級(jí)結(jié)果與國際評(píng)級(jí)機(jī)構(gòu)一致可比，其真實(shí)的違約概率與違約損失率是否與國際機(jī)構(gòu)的統(tǒng)計(jì)結(jié)果一致仍存在一定疑問。并且，信用債與國開債之間的利差除了包含風(fēng)險(xiǎn)溢價(jià)外，還包含流動(dòng)性溢價(jià)、可否抵質(zhì)押等多種因素。

即便如此，考慮到信用利差與預(yù)期信用損失對應(yīng)的利差參考值差額較大，我們?nèi)匀徽J(rèn)為：過去幾年，信用債的預(yù)期信用風(fēng)險(xiǎn)總體得到了超額補(bǔ)償，即信用利差顯著高于預(yù)期信用損失。不過，考慮到目前經(jīng)濟(jì)下行壓力較大、違約高發(fā)，真實(shí)違約率或?qū)⒊^國際評(píng)級(jí)機(jī)構(gòu)的長期統(tǒng)計(jì)數(shù)據(jù)，上述超額補(bǔ)償正在收窄。

對資產(chǎn)管理機(jī)構(gòu)的建議

當(dāng)前，中國經(jīng)濟(jì)正在經(jīng)歷從高速度發(fā)展向高質(zhì)量發(fā)展的轉(zhuǎn)型期，轉(zhuǎn)型過程中，企業(yè)部門將不可避免出現(xiàn)優(yōu)勝劣汰，2018年以來信用事件頻發(fā)也正是在此背景下發(fā)生的。對于資產(chǎn)管理機(jī)構(gòu)而言，如何在未來的投資決策中盡可能降低信用風(fēng)險(xiǎn)并獲取同業(yè)較好的投資回報(bào)，是應(yīng)當(dāng)關(guān)注的重點(diǎn)。為此，本文給出如下建議。

一是提高風(fēng)險(xiǎn)意識(shí)，增加對內(nèi)部風(fēng)險(xiǎn)把控部門的資源投入，加強(qiáng)新增投資的準(zhǔn)入把控和現(xiàn)有持倉的跟蹤監(jiān)控。

二是加強(qiáng)內(nèi)部評(píng)級(jí)的體系和系統(tǒng)建設(shè)，增加研究深度與量化程度，提高內(nèi)部評(píng)級(jí)對信用風(fēng)險(xiǎn)的識(shí)別、區(qū)分和排序能力，以便在當(dāng)前信用利差分化的環(huán)境中降低信用風(fēng)險(xiǎn)、配置風(fēng)險(xiǎn)收益匹配度更高的投資標(biāo)的。

三是一般工商企業(yè)作為一個(gè)整體，信用利差中樞比較穩(wěn)定，資產(chǎn)管理機(jī)構(gòu)可基于近半年數(shù)據(jù)建立內(nèi)部評(píng)級(jí)與信用利差的對應(yīng)關(guān)系，作為未來1～2年的投資參考。

作者單位：倪鵬??新華資產(chǎn)信用評(píng)估部

鄭露??中央財(cái)經(jīng)大學(xué)

責(zé)任編輯：劉穎??鹿寧寧