信用利差分化下的投资机会把握

倪鹏 郑露

摘要：近年来，信用债券市场违约事件逐步增加，信用利差趋于扩大。本文对信用债的信用利差进行了尝试性研究。结果表明，由于信息不对称和投资者风险识别能力的差异，相同期限、相同信用等级债券的利差存在较大分化，但一般工商企业信用利差中枢的跨期稳定性较好。这意味着，信用市场中部分债券的定价存在较大偏差，信用风险评估能力更强的机构将有机会通过择时或者择券获得更高收益。

关键字：信用评级  信用利差  债券定价

在2014年超日债违约以前，国内公募信用债未有违约先例，信用利差的分化相对较小。其后，伴随着国内市场信用事件的屡次出现，资产管理机构感受到了信用风险的现实威胁，风险防范意识显著上升。在这种背景下，由于发行人和投资者之间的信息不对称，以及投资者之间风险识别能力的差异，信用利差的分化显著增加。展望未来，债券违约常态化现象将继续，可能会加剧信用利差的分化，如何在控制信用风险的基础上获得合理收益，已成为各家机构的研究重点。

本文将对信用债的信用评级和信用利差进行研究，尝试建立两者的对应关系，并取得具有裨益的结论。

由于当前国内评级机构提供的外部评级主要集中在AAA、AA+、AA这三个级别上，尤以前两个级别为最，评级区分度有所不足，本文采用自定义评级结果对信用债券的利差进行研究。上述自定义评级结果，是基于国际评级标准构建信用评级模型，并参照专家经验确认或调整得来，下文所指信用评级均为自定义评级。

研究方法

为研究信用评级与债券信用利差的对应关系，需要准备长时间序列的信用评级、债券估值和无风险利率数据，并准备多个稀疏矩阵。

矩阵1.1：债券评级矩阵，行标为所有债券代码，列标为日期（月粒度），内容为信用级别，规则为从评级日起一定时段（取决于评级稳定性和评级频率）内有效，直至下一次评级覆盖。

矩阵1.2：债券行业分类矩阵，行标为所有债券代码，列标为一二三四级行业，内容为行业分类。

矩阵2.1：债券估值矩阵，行标为所有债券代码，列标为日期（日粒度），内容为中债估值。

矩阵2.2：债券剩余期限矩阵，行标为所有债券代码，列标为日期（日粒度），内容為剩余期限（日）。

矩阵2.3：债券剩余期限矩阵（月粒度），行标为所有债券代码，列标为日期（月粒度），内容为剩余期限（日），每月度债券剩余期限取其当月日剩余期限最大值。

矩阵3.1：国开债收益率矩阵，行标为国开债收益率曲线上的所有关键期限，列标为日期（日粒度），内容为国开债收益率。

矩阵4.1：信用利差矩阵（减法日粒度），行标为所有债券代码，列标为日期（日粒度），内容为信用利差。信用利差为使用中债估值减去当天对应期限的国开债收益率（插值法得到）。

矩阵4.2：信用利差矩阵（除法日粒度），行标为所有债券代码，列标为日期（日粒度），内容为信用利差。信用利差为使用中债估值除以当天对应期限的国开债收益率（插值法得到）。

矩阵5.1：信用利差矩阵（减法月粒度），行标为所有债券代码，列标为日期（月粒度），内容为信用利差（减法）（即将矩阵4.1去零后求月度平均）。

矩阵5.2：信用利差矩阵（除法月粒度），行标为所有债券代码，列标为日期（月粒度），内容为信用利差（除法）（即将矩阵4.2去零后求月度平均）。

在得到矩阵5.1或5.2后，可通过筛选行业、信用级别、剩余期限的方式得到计算用的信用利差矩阵（），i代表不同的债券，t代表不同的月份。使用信用利差矩阵做出的散点图如图1和图2所示，每一个月份中存在多个点，每个点代表不同债券当月的平均信用利差。计算同一月份内所有债券的信用利差月均值（），以及月标准差（），进一步计算特定时间跨度下月均值的均值（）、月标准差的均值（）、月均值的标准差（）。

那么，对于给定上述行业、信用级别、剩余期限的样本外信用债，其信用利差大概率应该落在之间。其中，代表不同债券利差在同一时点的平均发散度（横向发散度），代表样本总体的信用利差伴随时间的波动率（纵向波动率）。和的取值将决定置信度的大小，默认取1，那么在正态分布的假设条件下，置信度为68%;取2取3分别对应95%和99.7%，但置信度越高，区间的宽度越宽，指引价值越低。投资者可根据实际需要调整和的取值。

关于矩阵4.2和5.2，需要特别说明的是，有猜想认为，当国开债收益率位于差异较大的水平时，例如3%和5%，也许使用除法求得的信用利差比减法更具稳定性，也更具定价价值。为此，本文将同时采用减法和除法计算信用利差，然后对比两者波动率的大小，以证实或证伪上述猜想。本文在提及信用利差时，默认为减法利差。

数据准备及参数设定

本文选取了2012年1月至2018年6月的信用评级数据。相关设定如下：

（1）评级有效期设定为15个月，和取1，即在正态分布假设下置信区间为68%。

（2）债券剩余期限为剩余天数，存续期间以外置零，日粒度数据转换为月粒度数据时，取当月最大值。

（3）中债国开债到期收益率按期限分为0年、1个月、2个月、3个月至20年共计18个期限，在计算利差时，使用与剩余天数最接近的两个期限进行线性插值。

（4）在进行分期限、分级别、分行业信用利差分析前，首先观察每月的有效样本数量，低于30个样本的时段不纳入统计分析范围。

（5）考虑到市场情绪的异常波动，在指定期限、级别、行业的信用利差分析中，将每月前10%和后10%样本剔除后进行统计分析。

考虑到数据充裕度，本文仅研究3年期（剩余期限在二至四年之间）BBB序列（BBB+、BBB、BBB-）和BB序列（BB+、BB、BB-）的信用利差。

统计结果分析

（一）概况及行业对比

本文对一般工商企业、地方政府投融资平台、房地产三大行业的信用利差进行了分析，并且进一步研究了一般工商企业类别下多个细分行业的利差情况，其中选取具有代表性的煤炭行业进行列示。表1—8展示了主要的统计数据。其中横向发散度σ1若较高意味着具有较多的择券机会，纵向波动率σ2若较高意味着具有较多的择时机会。

基于对利差数据的统计分析，以及对前文图1和图2的观察，本文得出如下结论：

（1）一般工商企业BBB和BB序列的信用利差纵向波动率相对较小，其利率中枢可以作为相对稳定的定价参考;而同一时点不同债券信用利差的横向发散度则相对较大，BB序列债券横向发散度尤其大，因此在投资中存在大量择券机会。

（2）作为典型周期性行业的煤炭行业受煤价波动影响。2015年是煤炭价格低点，2016年起触底回升，市场情绪也经历了较大的波动，由表3可见，2016年煤炭行业纵向波动性达到各年度的顶点，其间存在大量的择时机会;当然，个券差异也较大，择券机会同样存在。

（3）政府债务置换和金融机构资管新规对地方政府投融资平台的融资成本产生了显著影响。政府债务置换工作自2015年开始，至2018年底，已由地方政府发债置换投融资平台大量债务，很大程度上压低了地方政府投融资平台的融资成本和债券收益率。《关于规范金融机构资产管理业务的指导意见（征求意见稿）》于2017年11月推出，于2018年4月正式出台，较大程度限制了非标融资。而由于地方政府投融资平台对非标融资极为依赖，其再融资风险和债券收益率因此显著上升。由笔者计算数据可得，3年期BBB序列信用利差均值在2015和2016年比一般工商企业分别低约10BP和30BP，2017年基本持平，2018年上半年则高出10BP。

（4）房地产企业融资成本分化较大。2018年上半年，BBB序列信用利差均值低于一般工商企业6BP，而BB序列的信用利差均值高于一般工商企业73BP，显示市场倾向于回避低评级房地产企业。

（二）减法利差与除法利差的对比

表9展示了使用除法計算得到的一般工商企业3年期BBB序列信用利差统计数据。2013年1月至2018年6月间，3年期国开债收益率均值为3.98%，将除法得到的信用利差波动率单位由倍数换算为百分比，即

σ1=σ1×4%=0.076×3.98%=0.302%，

σ2=σ2 ×4%=0.064×3.98%=0.255%（4%为国开债平均收益率）

这两个波动率尚高于同期、同行业、同级别用减法得到的波动率（σ1=0.273%，σ2=0.171%，见表1）。我们使用不同时段、不同行业、不同级别的数据进行了测算，均得到了类似结论。

这表明：基于除法计算的信用利差稳定性不及基于减法计算的结果，债券利差定价仍应依靠传统的减法规则。

（三）信用利差与预期违约损失对比

由于本文使用的信用评级数据与国际评级数据一致可比，本文将统计得到的信用利差基准值与国际评级机构统计的预期违约损失进行了比对。表10展示了某国际评级机构统计的不同信用级别3年累计违约率（Probability of Default，PD）和违约损失率（Loss Given Default，LGD），则预期信用损失对应的信用利差参考值估算公式为“PD×LGD/期限”。经估算，3年期BBB序列信用利差参考值为19BP，BB序列信用利差参考值为75BP。而2013年1月至2018年6月，一般工商企业同期限同级别信用利差均值均比上述参考值高50BP以上。

必须承认的是，虽然本文的评级结果与国际评级机构一致可比，其真实的违约概率与违约损失率是否与国际机构的统计结果一致仍存在一定疑问。并且，信用债与国开债之间的利差除了包含风险溢价外，还包含流动性溢价、可否抵质押等多种因素。

即便如此，考虑到信用利差与预期信用损失对应的利差参考值差额较大，我们仍然认为：过去几年，信用债的预期信用风险总体得到了超额补偿，即信用利差显著高于预期信用损失。不过，考虑到目前经济下行压力较大、违约高发，真实违约率或将超过国际评级机构的长期统计数据，上述超额补偿正在收窄。

对资产管理机构的建议

当前，中国经济正在经历从高速度发展向高质量发展的转型期，转型过程中，企业部门将不可避免出现优胜劣汰，2018年以来信用事件频发也正是在此背景下发生的。对于资产管理机构而言，如何在未来的投资决策中尽可能降低信用风险并获取同业较好的投资回报，是应当关注的重点。为此，本文给出如下建议。

一是提高风险意识，增加对内部风险把控部门的资源投入，加强新增投资的准入把控和现有持仓的跟踪监控。

二是加强内部评级的体系和系统建设，增加研究深度与量化程度，提高内部评级对信用风险的识别、区分和排序能力，以便在当前信用利差分化的环境中降低信用风险、配置风险收益匹配度更高的投资标的。

三是一般工商企业作为一个整体，信用利差中枢比较稳定，资产管理机构可基于近半年数据建立内部评级与信用利差的对应关系，作为未来1～2年的投资参考。

作者单位：倪鹏  新华资产信用评估部

郑露  中央财经大学

责任编辑：刘颖  鹿宁宁