量化分析报告 量化视角下一月社融超预期来源何处? 2024年02月21日 我们从社融各子项的经济逻辑、高频数据、季节性特征等角度出发,于每月 月末进行社融预测。每月的社融数据通常由央行于次月10-15日公布,存在一定的滞后性。在之前的报告《社融指标全解析与预测框架构建》中,我们构建了自下而上的社融拆分预测框架,过去一段时间对社融的总量和结构给出了较为准确的预测。 2024年1月实际新增社融约为6.50万亿元(自下而上模型预测5.99万亿 分析师叶尔乐 元,Wind一致预期5.80万亿元)。从总量来看,2024年1月社融为历史同期最高值,结构层面也有着明显的改善。企业信贷虽同比少增但仍处于历史同期高位;央行平滑信贷节奏引导下,票据冲量明显减少。居民信贷短贷和中长贷均同 执业证书:S0100522110002邮箱:yeerle@mszq.com研究助理祝子涵执业证书:S0100123030018 比多增,经营贷贡献了近半的增量。政府债券发行放缓,当前不再是社融的主要 邮箱:zhuzihan@mszq.com 支撑。1月社融的结构性变化或表明实体经济的内生性融资需求出现改善迹象,但能否持续走强仍需观察。 相关研究 模型自2023年3月开始的样本外预测中整体预测精度较高,方向胜率81.8%,居民中长贷和企业信贷融资是预测误差主要来源。社融中比重大且市场关注度较高的主要分项中,企业贷款+居民短贷、政府债券、企业债券等分项的 1.量化周报:节后反弹有望继续-2024/02/18 2.量化专题报告:红利策略优化:“高股息陷阱”与股息预测-2024/02/05 3.资产配置月报:二月配置视点:市场非理性 预测相对准确;因银行票据配置意愿的强弱受到当月信贷强弱影响较大,企业票 与破净策略-2024/02/05 据融资的误差与其他信贷分项的超预期关系紧密;居民中长贷2023年以来波动 4.量化周报:守望流动性-2024/02/04 明显增大,模型预测多次出现较大误差,其来源则是自身结构的变化。 居民中长贷预测误差来源:居民中长贷与房地产销售数据的脱钩。2023年 5.量化专题报告:从增量学习到元学习:深度学习训练新框架-2024/02/02 以来,居民中长贷的波动明显加大,基于自下而上预测框架的居民中长贷预测也多次出现较大预测误差。虽然存量视角下,消费贷在居民中长贷中的占比超过80%,但是增量视角下,自2022年以来经营贷在居民中长贷增量中的占比已经反超消费贷,成为居民中长贷的主要新增力量。居民中长贷增量结构的变化,最终指向了居民中长贷与房地产销售数据的逐步脱钩。 居民中长期经营贷的超预期提升可能意味着非地产相关的内生性信贷开始 扩张。1月居民中长期经营贷新增3163亿元,贡献了居民中长贷近一半的增量,显著高于历史同期水平,或反映了非地产相关的内生性融资需求的回暖。 风险提示: (1)量化结论基于历史统计,如若未来市场环境发生变化不排除失效可能。(2)政策对于信贷的引导可能领先于实物工作量表现,高频数据反应不及时可能导致预测出现误差。 目录 1社融预测误差分析3 2居民中长贷预测误差来源:与房地产销售的脱钩9 3风险提示12 插图目录13 表格目录13 1社融预测误差分析 在之前的报告《社融指标全解析与预测框架构建》中,我们构建了自下而上的社融拆分预测框架。方法依据社融子项的经济逻辑、高频数据、季节性特征等角度出发,于每月月末进行社融预测,对社融进行前瞻判断;由于从子项的细分逻辑出发可以更好地刻画细节,自下而上的拆分预测能够在较为准确地预测社融总量的同时,给出对社融的结构信息的预测。 社融子项特点预测方式 表1:社融自下而上预测框架 人民币贷款 企业贷款+居民短贷与未来经济预期高度相关以PMI与唐山钢厂产能利用率为自变量对信贷大月 居民中长贷 以住房按揭贷款为主,和商品房销售数据有很强的相关性根据商品房销售代理指标与居民中长贷的三阶段特点 进行预测 和小月分别进行滚动回归预测 企业票据融资与转贴现利率呈明显负相关以转贴现利率为外生变量,使用5年窗口的滚动自回 政府债券 可跟踪高频的发行到期数据,但存在一定口径差异 通过将月末新发政府债券计入下月,对政府债券发行 到期高频跟踪数据进行口径调整 归进行预测 企业债券可跟踪高频的发行到期数据,但存在一定口径差异使用5年窗口的滚动回归对企业债券子项重新配权, 外币贷款 平滑后与人民币汇率和中美国债利差相关性强但平滑前月 度间波动大 使用过去3个月均值作为预测 可以有效降低口径的差异 信托贷款资管新规及“两压一降”后整体规模下降通过跟踪集合信托以及单一信托发行到期的披露情况 委托贷款 资管新规后整体规模压降,目前相对稳定 使用过去12个月均值作为预测,部分基建相关增量 额外进行判断 进行近似预测 未贴现银行承兑汇票上海票据交易所高频数据(2022.6.24前)鉴于票交所高频数据停止对外公布,使用过去三年同 非金融企业境内股票融资 可跟踪高频的股权融资数据,但存在一定口径差异 将股权融资(包括IPO、增发、配股、优先股)的月 频净融资数据扣除金融企业部分得到预测 期平均值作近似估计 存款类金融机构资产支持证券信息披露少,增量规模不大信贷ABS净融资高频跟踪 贷款核销集中于季末特别是年末,季节效应显著使用去年同期值作为预测 资料来源:民生证券研究院绘制,注:自2023年12月起,存款类金融机构资产支持证券的预测方式从过去三个月均值改为使用信贷ABS净融资高频跟踪 2024年1月实际新增社融约为6.50万亿元(自下而上模型预测5.99万亿元,Wind一致预期5.80万亿元),同比多增0.50万亿元,社融TTM环比约为1.44%;社融存量同比增速约为9.5%。新增人民币信贷约为4.84万亿元,同比减少0.09万亿元,其中居民中长贷新增0.63万亿元,企业贷款和居民短贷新增 5.12万亿元;政府债券净融资约0.29万亿元,同比减少0.12万亿元;企业债券净融资约0.48万亿元,同比增加0.32万亿元。 →企业票据融资 -2070 312 474 162 312 贷款核销 -333 -202 323 -525 存款类金融机构资产支持证券 964 422 -55 477 非金融企业境内股票融资 4140 2947 10 2937 政府债券 1638 4835 541 4294 企业债券 2963 5635 6 143 4199 未贴现银行承兑汇票 -62 732 2549 -1817 信托贷款 584 -359 6 -37 17 委托贷款 -131 989 1269 -280 外币贷款 -4127 -9733 3 -766 2231 6272 5766 506 →居民中长贷 50441 51228 5 -57 51803 →企业贷款+居民短贷 49314 48400 9 83 -1 50239 人民币贷款 2023年1月 2024年1月 2024年1月预测值---误差--> 结构预测 -0.56% 1.44% % 1.47 -0.03% 社融TTM环比 59956 65000 5148 59852 新增社融 2023年1月 2024年1月 2024年1月预测值---误差--> 总量预测 图1:社融预测值与实际值对比 资料来源:wind,民生证券研究院预测 图2:1月社融结构与去年同期对比(单位:亿元) 总:新增社融人民币贷款 企业贷款+居民短贷 居民中长贷企业票据融资 外币贷款委托贷款信托贷款 未贴现银行承兑汇票 企业债券政府债券 非金融企业境内股票融资存款类金融机构资产支持证券 贷款核销 -10000010000200003000040000500006000070000 2023年1月2024年1月 资料来源:wind,民生证券研究院 模型自2023年3月开始的样本外预测中整体预测精度较高,方向胜率81.8%。 在对2024年1月社融的预测中,企业贷款+居民短贷、政府债券、企业债券的预测结果与实际值较为一致,居民中长贷与企业票据融资的预测则产生了一定误差。 图3:2023年以来各月社融预测结果 7000010% 60000 50000 40000 30000 20000 10000 8% 6% 4% 2% 0% -2% -4% -6% -8% 0 2023-12023-22023-32023-42023-52023-62023-72023-82023-92023-102023-112023-122024-1 新增社融(亿元)预测值(亿元)社融TTM环比社融TTM环比预测 -10% 资料来源:wind,民生证券研究院预测 从总量来看,2024年1月社融为历史同期最高值,结构层面也有着明显的改善。企业信贷同比少增0.82万亿元,但主要是由于去年同期的超高基数,当前仍处于历史同期相对高位;央行平滑信贷节奏引导下,票据冲量明显减少,信贷结构改善。居民信贷同比多增0.72万亿元,短贷和中长贷均同比多增,其中居民中长贷多增在房地产销售疲软背景下,经营贷贡献了近半的增量。政府债券发行放缓,当前不再是社融的主要支撑。1月社融的结构性变化或表明实体经济的内生性融资需求出现改善迹象,但能否持续走强仍需观察。 图4:历年1月企业信贷情况图5:历年1月居民信贷情况 资料来源:wind,民生证券研究院资料来源:wind,民生证券研究院 对于企业贷款与居民短贷的预测,因二者均主要受未来经济预期的影响,我们将其放在一起预测——使用PMI和唐山钢厂产能利用率作为变量对信贷大月和小月分别进行滚动回归预测。模型最新结果预测2024年1月新增企业贷款和居 民短贷约为51803亿元,实际值51228亿元,预测误差-575亿元。长期来看企业贷款和居民短贷的样本内外预测效果相对准确有效。 图6:企业贷款和居民短贷的预测(单位:亿元) 资料来源:wind,民生证券研究院预测 对于居民中长贷的预测,因其与商品房销售数据有很强的相关性,我们利用商品房代理指标(30大中城市成交面积×百城样本住宅平均价格)与居民中长贷的三阶段特征进行预测。模型最新结果预测2024年1月新增居民中长贷约为506 亿元,实际值6272亿元,预测误差5766亿元。2023年以来,居民中长贷的波动明显增大,模型预测也多次出现较大误差。 图7:居民中长贷的预测(单位:亿元) 资料来源:wind,民生证券研究院预测 对于企业票据融资的预测,较低的票据利率意味着银行在票据配置方面较高的意愿,因此二者存在明显的负相关性,我们以转贴现利率为外生变量,使用5 年窗口的滚动自回归进行预测。模型最新结果预测2024年1月新增企业票据融资约为-2070亿元,实际值-9733亿元,预测误差-7633亿元。银行对于票据配 置意愿的强弱受到当月信贷强弱的影响较大,信贷较强的时候缩减票据融资量,而信贷较弱的时候以票冲贷。因此票据融资预测的误差也很大程度上受到其他信贷分项超预期的影响。 图8:企业票据融资的预测(单位:亿元) 资料来源:wind,民生证券研究院预测 对于政府债券的预测,我们是通过跟踪高频的政府债券发行到期数据,并以将月末新发政府债券计入下个月的方式对口径进行调整处理。模型最新结果估计2024年1月新增政府债券约为2937亿元,实际值2947亿元,预测误差10亿元。长期跟踪下来,政府债券预测准确度较高,说明模型对于高频政府债券数据的口径调整方式与真实统计情况极为接近。 图9:政府债券的预测(单位:亿元) 资料来源:wind,民生证券研究院预测 对于企业债券的预测,我们是通过跟踪高频的企业债券发行到期数据,并使用5年窗口的滚动回归对企业债券子项进行重新配权,进行口径调整。模型最新 结果估计2024年1月新增企业债券约4294亿元,实际值4835亿元,预测误差 541亿元。企业债券预测的误差也相对较小,且通过重新配权进行口径调整的方式也能有效减少企业债券高频数据与社融统计口径差异带来的误差。