信用利差进阶指南

信用利差进阶指南 证券研究报告固定收益专题报告2024年8月5日 分析师：肖雨 执业证书编号：S0740520110001电话： Email：xiaoyuztscomcn 分析师：赖逸儒 执业证书编号：S0740523060004电话： Email：laiyr01ztscomcn 相关报告 投资要点 对于信用利差的观察通常有两种方法。一种方法是通过既有收益率曲线与国开债收益率曲线作差得到，此类方法的优势在于可以获知任意剩余期限对应的信用利差，缺陷在于目前市场上已有的曲线通常是大类收益率曲线，对于具体细类的刻画不足。另一种方法是划分特定聚类后取聚类内样本券的信用利差平均数或中位数，缺陷在于样本进入或退 出极易对变化值造成扰动，误判该聚类的利差变化方向。本篇报告尝试在上述方法基础上进行迭代，构造细分聚类收益率曲线并以此计算利差，并探讨这一迭代的优势与不足。 对于信用利差的第二种观察方法是划分特定聚类后对聚类内样本券信用利差作统计性分析，而这一算法往往面临“期限”划分的两难困境。在计算某一聚类的信用利差时，划分期限与否都存在一定缺陷。倘若不区分期限，则不同聚类期限不同带来的信用利差差异无法被直观反映，计算结果也会存在期限不可比的问题。但若直接区分期限，又会 产生期限区间代替特定期限不准确、长短期限区间利差倒挂、样本进入退出扰动导致利差变化过大等问题。 新算法的必要性：传统利差算法之所以会有“期限困境”，可以简单归纳为信息在熵减后会丢失细节。而在第一种利差观察方式中，由于市场既有的收益率曲线通常为大类曲线，无法满足对某一细分聚类进行分析的需求。因此，构造细分聚类收益率曲线具有必要性。 新算法的优势：直接利用底层债券构造某一聚类的完整收益率曲线，可以得到该聚类中每一期限的收益率，并与对应期限的国开债收益率相减得到信用利差。由于任意剩余期限的收益率都可以在收益率曲线上获取，所以可以满足对任意期限求信用利差的需求，此为构造收益率曲线的明显优势。 新算法的可靠性：以中债收益率曲线作为参考，对大类收益率曲线作比较，发现所构造收益率曲线与中债收益率曲线接近，尤其在样本量多、隐含评级高的情况下构造的收益率曲线表现最好，与中债收益率曲线误差在1bp以内，证明构造方法的底层逻辑具有可靠性。 新算法的构造原理：1）样本券的选取：鉴于私募债和永续债的收益率可以在主体无担保公募非永续债收益率曲线的基础上加点利差得出，因此我们在样本券的选取上，仅采用公募非永续无担保债作为构造收益率曲线的样本券；2）估值类型的确定：采用不行权期限及对应估值。主要目的是增加长期限收益率样本，可行原因是行权与不行权收益率在曲线上可以直接转换；3）对曲线样本点作四重约束。 新算法仍有一定不足。首先，为避免收益率曲线的突变以及保证收益率曲线尽可能延伸，构造的收益率曲线无法连接全部的样本点，会丢失一部分的样本信息。其次，如果构造曲线的样本券估值本身不具备参考性，则无法反映真实市场的成交价格。 新算法的不足可以通过余额加权算法和成交价构造收益率曲线来补充，但这两类算法也有其自身缺陷。换言之，所有利差算法都无法实现完美，但熟稔每一算法的底层逻辑并综合运用多种算法观测利差，有助于实现优势互补，提升对定价与市场情绪的敏感度。 风险提示：数据更新不及时或提取失误；收益率曲线构造方法不合理；Hermite算法存在局限性；数据统计分析偏差；收益率曲线无法反映全部样本点；第三方估值难以反映真实市场定价。 请务必阅读正文之后的重要声明部分 内容目录 一、传统利差算法的“期限”困境4 1、划定期限区间：期限杂糅，组间不可比4 2、不划定期限区间：利差倒挂，资质杂糅5 二、构造收益率曲线的优势与可靠性6 1、构造收益率曲线求信用利差具有优势6 2、构造收益率曲线的方法具备可靠性7 三、收益率曲线的构造原理8 1、选择公募非永续无担保债样本券8 2、选取不行权估值及到期期限8 3、对曲线样本点作四重约束9 四、新算法仍存在的不足10 1、收益率曲线无法反映全部样本点10 2、非成交价构造的收益率曲线不能反映真实市场10 、总结11 图表目录 图表1：国开债与不同评级信用债收益率曲线斜率存在差异5 图表2：分期限计算信用利差的缺陷6 图表3：新算法涵盖期限主体、期限行业等聚类（）7图表4：新算法构造的AAA城投债收益率曲线与中债收益率曲线基本一致7图表5：新算法构造的AA城投债收益率曲线与中债收益率曲线基本一致7图表6：新算法构造的AA城投债收益率曲线与中债收益率曲线存在一定差异8图表7：行权收益率与不行权收益率差异主要在长端（）9图表8：最大升序列代码10图表9：重庆某主体以成交价构造的收益率曲线11 图表10：山东某主体以成交价构造的收益率曲线11 对于信用利差的观察通常有两种方法。一种方法是通过既有收益率曲线与国开债收益率曲线作差得到，此类方法的优势在于可以获知任意剩余期限对应的信用利差，缺陷在于目前市场上已有的曲线通常是大类收益率曲线，对于具体细类的刻画不足。另一种方法是划分特定聚类后取聚类内样本券的信用利差平均数或中位数，缺陷在于样本进入或退出极易对变化值造成扰动，误判该聚类的利差变化方向。以上方法及具体分析在此前研报《信用利差说明书》1《金融债利差说明书》2《如何构造主体收益率曲线？》3《担保利差进阶指南：从发行人视角看担保利差》4中有所涉及，本文不再详述。本篇报告尝试在上述方法基础上进行迭代，对特定聚类构造收益率曲线，并探讨这一迭代的优势与不足，以供投资者参考。 一、传统利差算法的“期限”困境 在引文中有提到，对于信用利差的第二种观察方法是划分特定聚类后对聚类内样本券信用利差作统计性分析，而这一算法往往面临“期限”划分的两难困境。在计算某一聚类的信用利差时，划分期限与否都存在一定缺陷。倘若不区分期限，则不同聚类期限不同带来的信用利差差异无法被直观反映，计算结果也会存在期限不可比的问题。但若直接区分期限，又会产生期限区间代替特定期限不准确、长短期限区间利差倒挂、样本进入退出扰动导致利差变化过大等问题。 1、划定期限区间：期限杂糅，组间不可比 个券信用利差的计算可以通过其估价收益率减去同剩余期限国开债到期收益率直接得到，可当讨论范围扩展到某个特定聚类的信用利差时，就必然会涉及到对于各只个券信用利差的具体处理。如果对这一聚类不划分期限区间，那么，不论是采用中位数算法、加权平均或是算术平均算法，都会忽略期限因素对信用利差的影响。这是由于国开债收益率曲线的斜率与信用债收益率曲线的斜率不尽相同，使得两曲线相减时，期限对利差的作用力无法完全消除，进而在对不同期限的信用利差求均值或中位数作为整个聚类的信用利差时，会导致不同剩余期限杂糅运算，导致计算结果一定程度上缺乏指示意义。此外，期限问题还会导致数据信息的折损。相比到期收益率，采用行权收益率计算信用利差的方法被更为广泛地运用，因为采用到期收益率会导致该分组的信用利差被高估。然而不少回售债在行权后仍然会存续，对于样本券较少的分组，采用行权收益率会错失在更多时点观察其收益表现的可能性。 1参见研报《信用利差说明书》（20211218） 2参见研报《金融债利差说明书》（20220417） 3参见研报《如何构造主体收益率曲线？》（20221015） 4参见研报《担保利差进阶指南：从发行人视角看担保利差》（20230816） 图表1：国开债与不同评级信用债收益率曲线斜率存在差异 收益率 国开债AAA级中短期票据AA级中短期票据AA级中短期票据 期限年 25 23 21 19 17 15 13 012345678910 来源：WIND，中泰证券研究所 注：1）由于信用债券种众多，仅以中短期票据收益率曲线为例作展示；2）示例数据时点为 2024年8月2日。 2、不划定期限区间：利差倒挂，资质杂糅 不划分期限区间计算信用利差会带来可比性问题，而划分期限区间又会带来新的问题。划分期限区间计算信用利差，是指根据个券剩余期限的大小进行分组，并将某整数期限临近区间内所有样本券的剩余期限作为该整数期限的代理变量，运用均值或中位数算法得到该期限的信用利差。但这一算法会产生以下缺陷。第一，采用期限区间代替特定期限的方法并不准确。如将05Y，15Y这一区间内的个券作为2年期债券并不可靠，若缩短区间为09Y，11Y又会导致区间内样本过少，且时间变动会导致样本债券改变所处期限区间，譬如剩余期限邻近期限分界点的样本券，在下一时点就会步入更小一个期限区间。即便不是聚合到整数期限，而是直接对期限进行分组，仍然无法规避期限杂糅的问题。第二，长短期限区间利差倒挂。理论上，长期限区间的信用利差会高于短期限信用利差，然而，基于期限分组时无法排除组内个券对收益率的影响。短期限分组中极可能存在资质较弱的个券，对其设立固定剔除法无法应对利率环境的变化，此时若长期限分组内样本券资质整体较好，不可避免会出现利差倒挂的现象，这一现象实际上是“资质杂糅”产生的问题。第三，样本进入和退出的扰动。由于每个期限区间内的样本券在每一时点并不是恒定的，在均值或中位数算法下，样本间的资质差异会导致个券进入或退出该分组时利差产生显著变化，进而被误判成极端的买卖情绪信号，而真正发生买卖情绪变化但组内样本未变动的聚类反而被忽视。 期限区间过宽，结果不可靠 期限区间过窄，样本券太少 划分期限区间 的三层难题 短期限资质较弱个券 导致信用利差倒挂 样本进入或退出的扰动 样本变化带来极端利差变化 买卖情绪被误判 长短期限信用利差倒挂 期限区间难以划分 图表2：分期限计算信用利差的缺陷 来源：中泰证券研究所整理 二、构造收益率曲线的优势与可靠性 传统利差算法之所以会有“期限困境”，可以简单归纳为信息在熵减后会丢失细节。而在第一种利差观察方式中，由于市场既有的收益率曲线通常为大类曲线，无法满足对某一细分聚类进行分析的需求。因此，构造细分聚类的收益率曲线具有必要性。本节阐述了构造收益率曲线的优势，并验证了收益率曲线构造方法的可靠性。 1、构造收益率曲线求信用利差具有优势 通过构造收益率曲线进而计算信用利差的方法与信用利差统计性分析算法存在本质区别。直接利用底层债券构造某一聚类的完整收益率曲线，可以得到该聚类中每一期限的收益率，并与对应期限的国开债收益率相减得到信用利差。由于任意剩余期限的收益率都可以在收益率曲线上获取，所以可以满足对任意期限求信用利差的需求，此为构造收益率曲线的明显优势。此外，我们的计算维度更为丰富，涵盖分区域、分行业、分主体等不同聚类，以及分区域分隐含评级、分券种分主体类型等交叉聚类。具体编制方法方面，在Hermite与NSS算法之间选择了Hermite，主要考虑到NSS稳定性相比较弱、可能出现无法生成曲线的情形。对于长端期限无参考样本券的定价情景，后续会考虑引入NSS算法。 分券种不同主体类型金融债收益率曲线关键期限收益率 分行业产业债公募非永续收益率曲线关键期限收益率 债券类型主体05Y1Y2Y 国有行169171189 商金债股份行181184190 城商行184187193 3Y 193 198 198 5Y 行业 房地产 分类 国企民企 房地产开发电力 05Y 197 325 197 188 1Y2Y3Y 199209214 345407412 199208214 191 195199 5Y 232 440 232 207 公用事业 环保196197202208 券商普通债 国有券商186188194198 206 能源 资本补充债 寿险 商业贸易194203208214230 215 煤炭 196 200 204 208 220 石油及天然气 188 190 194 204 211 图表3：新算法涵盖期限主体、期限行业等聚类（） 农商行 184 188 194 国有行 187 188 195 199 211 二级资本债 股份行 186 189 196 201 213 城商行 191 195 202 209 农商行 194