蔣镕蔚 蘭州大學核科學與技術學院
近年來國內信用債違約事件日益增多,已經成為影響債券市場投資者的決策行為和信心的首要因素,推高了國內企業債券發行的門檻和成本,加劇了民營企業融資難、融資貴的困境,對我國資本市場的穩定發展構成了嚴峻挑戰。截至2019年12月31日,我國債券市場累計發生涉及157家發行體的483起信用債違約事件,違約金額達2609億元,違約事件和違約金融再創歷史新高。同時,全市場范圍內(包括上海證券交易所、深圳證券交易所、銀行間債券市場)信用債存量余額達43.8萬億元,其中逾三分之二將于2020-2021年到期,如何做好存量信用債的管理,對持倉信用債的風險狀況和違約概率做好分析預判,并構建有效的預警和監測系統,對市場投資者和監管當局都具有重大的現實意義。
對信用風險的研究,國內常見的是聚焦企業的償債能力的傳統分析方法,西方發達國家卻常采用聚焦于模型構建和數學算法的現代分析方法。本文嘗試借鑒發達國家的經驗,以現代分析方法對我國市場的信用債違約問題進行初步研究。
由于公募基金管理人被認為是市場上最聰明的投資者,近年來他們通過減持未到期的信用債,也規避不少信用債的違約風險。為此,本文基于公募基金的持倉和增減倉信息進行深入挖掘和建模分析,力求揭示其減持行為與信用債實際違約的數據關系,從而為做好信用債風險管理提供新思路。
選取2014年Q1至2019年Q3共23個報告期的公募基金財報數據,根據債券類資產的比重,選取債券型基金、保本型基金、貨幣基金、混合型基金作為研究對象,覆蓋135個基金管理人發行的5958只基金產品29.13萬條債券持倉數據,涉及各類別債券發行體共3879個。剔除高信用等級的國債、政金債等共計15.29萬條,以及3.58萬條城投債數據,保留2272個信用債發行體10.26萬條持倉數據作為研究樣本,數據提取自同花順金融數據庫。
首先構建“提前到期數”字段描述信用債減持的時間特征。鑒于無法獲取各只債券的真實減持時間,本文假設每個報告期季度末的前1個月為近似減持日期,例如,若減持信息披露于2016年三季報,則近似減持日期為8月31日,依次類推。字段公式為:
計算結果為0認為本期信用債已持有至到期,結果為負認為發生債券違約,篩選得到2188個發行體的1.65萬條有效減持數據。
然后將23個報告期內共148個違約發行體的與樣本信息進行匹配,得到公募基金提前減持的59個違約發行體。通過各債券被減持次數的比重,結合統計時段權重,匯總得到各違約發行體的減持得分數據。
最后以債券首次違約時的金額為權重描述違約程度,根據減持加權平均時間與減持得分相關性,研究減持行為與違約程度之間的關系。
如圖1所示,臨近債券到期日前4個季度的減持數量自右向左依次遞增并顯著高于其他時段。圖2中違約信用債發生時間則呈現“脈沖式”特點,即在臨近到期日時發生違約的數量達到峰值,在距離到期日的整數年份當季時發生違約的數量顯著增加。
從發生違約的季度來看,下半年違約數量明顯高于上半年。2014年到2019年的統計數據表明,總體上各年度第二季度違約數量最少,下半年違約數量之和高于上半年,2018年以來更為明顯。(見表1 違約信用債發生時間)。

表1 違約信用債發生時間
提取距到期日最近4個季度內的1419個信用債發行體減持數據共計6138條,占總減持數據的37%。根據每支被減持信用債次數的占比,乘以100作為該支債券的減持得分,按照發行人進行匯總,擊中了148個違約發行體中的44個,擊中比例達到29.73%。
距離到期日時間越近減持行為越集中,距離到期日的近4個季度同為公募基金的減持行為與信用債違約高發期,應予以重點篩查。
公募基金在臨近到期日前4季度內所減持的信用債,覆蓋了同時段74.6%(44/59)的違約發行體信息,高于同時段減持數據覆蓋率(6138/16557,62.5%)12.1個百分點,說明通過該時段減持次數捕捉信用債違約信息的效果較好。
值得說明的是,公募基金減持信用債的行為,既有可能是出于對發債主體違約行為的擔憂,也有可能出于不同市場周期判斷、大類投資組合調整、自身流動性調整或者風險偏好調整等考慮,因此將公募基金減持行為作為企業債違約的重要考察指標是合理的,但也有一定局限性。研究也發現,還有一些其他重要信息對信用債違約分析有重要參考,例如負面輿情信息,包括企業實控人發生失聯、受到司法指控、納入失信人名單,企業經營過度擴張、遭遇安全事故或重大自然災害、受到嚴重行政處罰、核心產品存在質量問題受到媒體曝光,行業環境出現惡化、監管政策趨向收緊等輿情,都是企業經營可能惡化、企業信用債違約風險增大的重要標志,也應納入監測和重點分析。
總之,公募基金對信用債的減持行為與信用債實際違約事件呈現較為明顯的正相關關系,尤其是到期日前四個季度內有公募基金減持行為的信用債,更值得重點關注。因此,在構建信用債風險管理體系時,應高度關注公募基金減持行為,建立信用債減持行為數據庫,持續做好監測分析,配合其他先行指標和因子的綜合分析,不斷提升信用債違約風險的預判預警能力。