中泰证券-信用债周报：信用利差说明书-211218

《中泰证券-信用债周报：信用利差说明书-211218（21页）.pdf》由会员分享，可在线阅读，更多相关《中泰证券-信用债周报：信用利差说明书-211218（21页）.pdf（21页精品完整版）》请在悟空智库报告文库上搜索。

了解利差的计算原理和构造的底层逻辑有助于我们更好地使用利差观测信用债市场，本文介绍了中泰固收研究团队信用利差跟踪的样本券筛选过程、计算方法和数据库的构成。

样本券的静态筛选。

首先将选取范围限制在企业债、公司债、中期票据和短期融资券这四种债券类型内，之后按照一定原则进行静态筛选，截至12月17日，共有16527只城投样本券被我们纳入城投债样本池，共有24124只产业样本券被纳入产业债样本池。

静态筛选原则：1）剔除私募债和永续债；2）采用利率类型为固定利率的债券；3）剔除特殊条款含以下任一的含权债：调整票面利率、回售、债券提前偿还、赎回（有条件赎回）、担保、不可撤销连带担保、抵质押担保。

具体到是否参与某一特定时点利差的计算，还需要对样本进行动态筛选。

动态筛选原则：1）剔除这一时点剩余期限在180天及以下和3650天及以上的债券；2）剔除这一时点利差大于500bp的异常个券。

筛选后的样本，会被保存在当周利差数据库的单券利差表（即动态样本池）内。

信用利差的计算。

个券信用利差=个券收益率（中债行权估值）-基准收益率（同期限国开债收益率）。

求得个券信用利差后，市场主流采用平均数算法和中位数算法来计算各个特定类别的总体利差，我们的数据库中包含了这两种算法。

我们通过Python代码，创新实现了第三种算法，即Sigmoid算法。

Sigmoid算法本质上是一种加权平均算法，对于刚进入或即将退出当前样本池的个券赋予较低的权重，从而尽可能地克服样本因素的扰动带来的利差急剧波动，使该行业或区域的利差变化状况被更为客观地反映。

传统的利差计算通常仅基于主体外部评级，但据此我们可能无法得到有效结论。

举例而言，房地产主体评级AA+利差与AA利差形成倒挂，主因样本数较少且异常个券会被剔除，而主体评级为AAA的个券过多，又使得计算得到的AAA级房地产利差缺乏区分度。

因此，我们基于隐含评级进行了利差计算，相较主体评级或更具参考意义。

数据库的构成。

城投债方面，我们根据行政级别和区域（可具体到地级行政区）进行分类计算，生成了城投债利差分表；产业债方面，根据企业属性和所属行业（可具体到申万二级行业），生成产业债利差分表。

此外，我们还生成了主体利差表，截至12月17日覆盖了2095个城投主体和1680个产业主体。

尽管利差的存在被一定程度上诟病，但在精力有限抑或是需要对某一类别整体进行概览时，利差仍然具有一定的指导意义，尤其是在可以溯源任一单券利差（当前和历史任一时点）且可以基于隐含评级分布进行观测的情况下。

依托Python技术，我们每周可生成12个利差数据库（城投和产业利差均有3种算法，兼有主体评级和隐含评级）。

目前所有城投利差数据库均包含300张以上的工作表，产业利差数据库均包含100张以上的工作表。

通过单券利差表，我们实际上可以计算出任何特定类别的利差。

即便这个特定类别利差未被展示在数据库里，也可以通过在单券利差表中运用筛选功能后实现计算。

信用债市场回顾：本周信用债发行规模、净融资额均有所下降；本周城投债净融资仍为负，为-326.40亿元；产业债净融资为691.88亿元，规模较上周下降。

本周信用债市场成交活跃度上升。

本周中短票据收益率分化。

本周共有2家信用债发行人主体评级下调，3家信用债发行人主体评级上调。

风险提示：1）WIND口径是否城投、城投行政级别有误；2）数据更新不及时及提取失误。