2023年4月26日利率债观察：4月的信贷很可能会“腰斩”

1、4月的信贷很可能会“腰斩” 我们预计今年4月人民币贷款的增量将较3月“腰斩”，但这是历年经常出现 的现象，无需惊诧。事实上，受到季节性因素的影响，过去几年4月的新增贷款 规模都是明显低于3月的。例如，2019至2021年这三年间，4月增量较前一个 月下滑了50%-60%左右。2022年，受到有效融资需求明显下降和季节性因素 的共同影响，4月的增量仅相当于3月的21%。 而且，很可能今年4月贷款增量相对于3月的打折幅度仍不会小，这在很大程 度上是因为今年3月新增的贷款较多，形成了较高的基数。事实上，今年3月 的贷款较去年同期多增了约24%，增幅远超前两年的水平。此外，4月信贷增长 的动能较3月边际弱化也是加大打折幅度的一个原因。但即使这样，今年4月 份的信贷也是会较去年同期多增的。 环比看，4月信贷可能是明显少增的；但同比看，4月信贷可能又是多增的。这 样的结果似乎有些“不协调”，给投资者对信贷形势的研判增添了一些难度，也 容易使市场的预期形成发散。单月数据同时受到季节性因素和月度间波动的影 响，这是产生“不协调”的主要原因。而且去年信贷增长的月度波动较大，二至 四季度均呈现出季初月增长较少（较上年同期少增）而季末月增长较多（较上年 同期明显多增）的态势。因此，受到去年基数的影响，今年4-9月信贷数据的环 比、同比增长容易反复出现“一少一多”和“一多一少”的“不协调”。 在“不协调”出现时，如何科学、准确地分析信贷走势？我们一直不建议投资者 过度关注单月的信贷数据。历史上看，单月数据经常上上下下，容易扰乱投资者 对于信贷整体运行趋势的判断。实体经济对于融资的需求具有一些惯性，不会在 短时内反复变化，过于关注单月数据的波动只会给自己徒增困扰。 例如，每年春节月份的金融数据均容易受到春节效应的影响，且历年春节日期还 是不同的，这便形成了单月数据在增量和同比增速上的变化。再如，一些贷款既 可在本月末发放也可在下月初发放，若在月末发放，就会使本月的数据看起来多 一些，反之就少一些。另如，某些银行上个月贷款投放快一些，因此这个月就相 对克制一点，但这在客观上也会造成“一个月多，一个月少”的波动。 鉴于此，我们建议在对增量数据（如新增贷款、社融增量）进行分析时重点关注 “三月同比”指标。（注：“三月同比”指连续三个月新增量之和的同比增速。） 连续三个月的数据同时覆盖了季初、季中、季末月，可以有效滤除单月指标的上 上下下，而同比增速则可以消除季节性的影响。 此外，我们也可以综合对比今年与过去两年自年初以来的累计增量。使用累计值 可以抵消掉季节性因素并滤除月与月之间的波动，且综合对比三年的情况可以降 低基数因素的干扰。 2、风险提示 不理性的预期引发市场快速波动。 1、4月的信贷很可能会“腰斩” 我们预计今年4月人民币贷款的增量将较3月“腰斩”，但这是历年经常出现 的现象，无需惊诧。事实上，受到季节性因素的影响，过去几年4月的新增贷款 规模都是明显低于3月的。例如，2019至2021年这三年间，4月增量较前一个 月下滑了50%-60%左右。2022年，受到有效融资需求明显下降和季节性因素 的共同影响，4月的增量仅相当于3月的21%。 图表1：3月和4月的新增人民币贷款（2019-2022年） 很可能今年4月贷款增量相对于3月的打折幅度仍不会小，这在很大程度上是 因为今年3月新增的贷款较多，形成了较高的基数。事实上，今年3月的贷款 较去年同期多增了约24%，增幅远超前两年的水平。此外，4月信贷增长的动 能较3月有所边际弱化，这也是加大打折幅度的一个原因。（注：这是正常现象， 我们也曾在《不久后M2增速将趋势性下行——2023年3月12日利率债观察》 等报告中多次提示“货币信贷的增长仍会受到不少阻力”。）但即使这样，今年 4月份的信贷也是会较去年同期多增的。 图表2：3月的新增人民币贷款（2020-2023年） 环比看，4月信贷可能是明显少增的；同比看，4月信贷又可能是多增的。这样 的结果似乎有些“不协调”，给投资者对信贷形势的研判增添了一些难度，也容 易使市场的预期形成发散。单月数据同时受到季节性因素和月度间波动的影响， 这是产生“不协调”的主要原因。而且去年信贷增长的月度波动较大，二至四季 度（特别是二、三两个季度）均呈现出季初月增长较少（较上年同期少增）而季 末月增长较多（较上年同期明显多增）的态势。因此，受到去年基数的影响，今 年4-9月信贷数据的环比、同比增长容易反复出现“一少一多”和“一多一少” 的“不协调”。 图表3：人民币贷款较上年同月的多增/少增量（2022年4-12月） 在“不协调”出现时，如何科学、准确地分析信贷走势？我们一直不建议投资者 过度关注单月的信贷数据。历史上看，单月数据经常上上下下，容易扰乱投资者 对于信贷整体运行趋势的判断。实体经济对于融资的需求具有一些惯性，不会在 短时内反复变化，过于关注单月数据的波动只会给自己徒增困扰。 例如，每年春节月份的金融数据均容易受到春节效应的影响，且历年春节日期还 是不同的，这便形成了单月数据在增量和同比增速上的变化，而这样的变化并不 对应于金融支持实体力度的改变。再如，一些贷款既可在本月末发放也可在下月 初发放，若在月末发放，就会使本月的数据看起来多一些，反之就少一些。但实 际上，月末至月初这几日的时间差对很多企业而言并无明显不同。另如，某些银 行上个月贷款投放快一些，因此这个月就相对克制一点以均衡贷款发放的进度， 但这在客观上也会造成“一个月多，一个月少”的波动。 鉴于此，我们建议在对增量数据（如新增贷款、社融增量）进行分析时重点关注 “三月同比”指标。（注：“三月同比”指连续三个月新增量之和的同比增速。） 连续三个月的数据同时覆盖了季初、季中、季末月，可以有效滤除单月指标的上 上下下，而同比增速则可以消除季节性的影响。 图表4：新增贷款的同比增速和三月同比增速 此外，我们也可以综合对比今年与过去两年自年初以来的累计增量。使用累计值 可以抵消掉季节性因素并滤除月与月之间的波动，且综合对比三年的情况可以降 低基数因素的干扰。而且，在对（社融）存量和（存贷款、M2）余额的同比数 据进行分析时，我们建议通过计算两年平均增速的办法剔除基数效应。 图表5：新增人民币贷款累计值 图表6：M2同比增速及两年平均增速 2、风险提示 不理性的预期引发市场快速波动。