《城投债风险定价模型在保险资金投资中的应用研究（三）.docx》由会员分享，可在线阅读，更多相关《城投债风险定价模型在保险资金投资中的应用研究（三）.docx（37页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、城投债风险定价模型在保险资金投资中的应用研究（三）摘要：保险资金运用以稳健、安全为原则，城投债一直是保险资金的重要投资品种。在国家重提“抓实地方政府隐性债务防范化解工作”的背景下，城投债自去年底以来价格异动显著增多，保险资管机构需要调整过往城投债“重地方、轻个体”的投资定价逻辑，科学评估城投债定价对风险的覆盖程度，有效应对城投债投资风险。利差作为信用债定价的核心内容，市场对其构成的认识大致经历三个阶段：第一阶段认为信用风险决定利差，莫顿模型和强度模型均是代表；随违约数据积累、“信用利差之谜”的发现，相关认识进入第二阶段，大量研究集中于对流动性风险的讨论；第三阶段则发展至综合模型，利差研究不再局
2、限于信用风险和流动性风险，而扩展至宏观经济、金融体制等多种因素。本文试图基于综合模型，对我国城投债近两年的定价关键因素展开分析。首先，本文将研究对象定义为“城投债利差-中债隐含违约率”，即扣减信用违约率后的利差Y值，建立相应线性回归模型对自2020年3月至2021年9月城投债全量数据合计19个时间切片进行时序分析。发现：1.中债隐含评级对整体Y值影响显著大于其他解释变量；2.自2020年四季度起，Y值形成逻辑发生明显变化，具体表现在：一是低等级信用债的Y值趋于离散，模型整体及各解释变量R方显著下降；二是高等级信用债的Y值趋于集中，模型整体及各解释变量R方上升。其次，针对该发现本文全面梳理了自2
3、020年以来城投债政策及相关行业变化，认为2020年四季度抗疫政策退出后，国家重提“抓实地方政府隐性债务防范化解工作”，给城投债定价逻辑带来重大影响。政府出台的系列文件重在“打消财政兜底幻觉”，反复强调城投债务并非与政府债务划等号的基本原则，这显著有别于以往“重地区、轻个体”的城投债定价逻辑。同时，房地产作为地方城投企业高度关联行业，其明显趋严的调控政策给城投债也带来了影响，增加了其定价的不确定性。最后，本文进一步基于前述时间切片数据，运用箱线图统计以及实证预测模型两种方法，对评级较好（AA以上）的债券的利差和Y值区间给出经验估计，对保险资金投资实务工作提供参考。如，基于历史数据，AAA级城投
4、债的Y值均值为45bp，利差均值为48bp。关键词：城投债 利差 信用利差之谜 债券定价 隐含评级 隐含违约率第三章 城投债定价实证分析本章基于2020年3月至2021年9月月度城投债全量样本数据1，对城投债定价利差的影响因素以及变化趋势展开实证分析。第一节 分析框架描述一、模型描述本文旨在分析城投债利差的形成机制，因此设定基本分析模型如下：其中，Y=利差-中债隐含违约率2；为债券区域能级、企业类型、剩余期限、中债隐含评级3、债券类型、债券余额、债券月交易量等信息。具体如下：a) AREA_level_ID：区域能级，债券主体所属地方政府的行政级别。b) ENTERPRISE_TYPE：企业类
5、型，债券发行人的企业属性。c) REMAIN_PERIOD：剩余期限，债券距离到期日剩余的时间（取推荐值）。d) BOND_IMPLIED_RATING:中债隐含评级。e) BOND_TYPE：债券类型。0表示私募债（剔除永续债）；1表示公募债（剔除永续债）；2表示永续债（公私募都包含）。f) BOND_BALANCE：债券余额。g) VOLUME：债券月交易量。h) CBD_YIELD：国开行收益率，即当期国开行债收益率基于上述基本模型，本文采用了各时间切片静态全量分析和动态时序比较分析方法，研究各解释变量的显著性，以及各解释变量对Y影响的动态特征。二、样本选取本文选取自2020年3月至20
6、21年9月的全量城投债数据，以每月最后一个工作日取数形成研究样本，共计219687条数据。我们最初曾抽取2019年7月2021年9月城投债每月最后一个工作日的全量数据，共计274685条样本、35组时间切面，但2020年2月及以前中债公司尚未公布隐含违约率，无法计算因变量“利差-中债隐含违约率”，因此确定样本集为2020年3月至2021年9月共19个切面。三、数据生成及清洗基于DM固收投研系统、聚源资讯提供的底层数据，我们抽取整合形成满足本文研究的城投债数据，再进行重复排除、缺失及错误检查等工作后，生成有效样本。2020年3月至2021年9月月度切片数据总体情况如表3-3-1所示。数据质量查验
7、结果同样使用于解释变量具体指标的选择上。如信用级别的备选指标最初包括外部评级、中债隐含评级，考虑到部分时间切片外部评级数据缺失严重4，我们在后续建模中选用了中债隐含评级指标，而未使用外部评级。第二节 实证分析一、各解释变量的显著性分析基于上述全量城投债数据，对各解释变量与Y的相关性做R2及t检验，除企业类型指标外，其他解释变量均通过t检验，说明均存在显著影响。同时从R2来看，中债隐含评级与Y的相关性最大，债券类型、债券余额、区域能级的R2在0.01以上，其他变量相关性均较低。具体结果如表3-3-2：值得注意的是，尽管Y值已经剔除了信用风险（中债隐含违约率），但在以上备选解释变量中，中债隐含评级
8、不仅显著而且与Y值的相关性最大。对以上显著性水平大于0.01的影响变量后续建模中将重点分析。二、目标变量的描述性统计和时序变化分析（一）Y的描述性统计Y值的统计参数如下表：（二）2020年3月至2021年9月Y值的时序变化情况1. 总体时序图我们按照时间轴将所有城投债的Y值投射出来（如图3-3-1），发现自2020年四季度以来城投债的Y值显著离散化，其方差指标自2020年11月开始明显跳升（如图3-2）。说明2020年10-11月有一个分水岭，城投债的定价逻辑可能出现了结构性变化。2. 评级粗分时序图数据的离散程度会影响模型的解释力和变量的可预测性，考虑到不同评级的债券在利差和违约率上可能会有
9、不同的表现，我们进一步将债券按中债隐含评级分组，来分析Y值时序分布的特征。结论为：隐含评级较高（AA+及以上）的城投债Y值稳定且集中，低评级城投债的Y值自2020年四季度明显离散、异常值增多。这与我们在保险资产管理机构应对违约债券策略研究5中的发现是一致的，即：对于品质较好的隐含评级，如AA及以上，不同评级违约风险抵补的排序具有较好的稳定性。如图3-3-3、3-3-4是中债隐含评级为AAA、AAA-和AA+三个级别城投债的利差-隐含违约率的分布时序图和方差时序图。显而易见，Y值集中分布在-100至400区间内，离散程度保持稳定，随时间推移发生的变化并不显著，到今年下半年还有减小的趋势，初步说明
10、评级较高的前三个等级城投债的定价逻辑稳定。图3-3-5、3-3-6是除AAA、AAA-和AA+以外的其他评级城投债利差-隐含违约率的分布时序图和方差时序图。该类债券自2020年11月开始，数据显著趋于离散、异常值增多，取值范围增大至正负2000以外，方差显著跳升。说明低信用等级城投债的定价逻辑发生变化，预估价格的难度增大。如图3-3-6所示，低信用等级城投债Y值方差增大，离散程度增大。三、模型的时序变化分析考虑到被解释变量因信用等级不同而表现出较明显离散度的特点，且解释变量中中债隐含评级不仅显著且相关性最强，我们将按照中债隐含评级对样本分组，分别讨论各评级分组的城投债定价模型。同时，如前一部分
11、数据分析所发现的：2020年第四季度低信用风险等级分组的Y值离散度（方差）出现跳升，因此我们在对Y值进行回归分析之前，需要进一步评估Y值与各解释变量之间关系的稳定性。本部分选用前文单变量分析中t检验显著的7个变量，即债券区域能级、剩余期限、债券类型、中债隐含评级、债券余额、债券月交易量、国开行债收益率，逐一对每个时间切片做回归分析，用R方贡献来看单一变量对于Y值的解释效果变化。通过数据分析发现，只有AAA级（含AAA-）城投债的模型解释力自2020年四季度起稳定且较强，低信用等级模型解释力不强，甚至自2020年四季度显著下降。（一）AAA级由于中债隐含评级为AAA-级债券数量较少，我们把AAA
12、级和AAA-级债券合并为一组进行观察，所得结果如下图3-3-7所示：模型整体R方自2020年四季度起明显上升，在2021年达到基本平稳。在7个解释变量中，债券类型的相关性自2020年四季度大增，其R方贡献与Y值R方走势基本一致，其余变量对整体R方影响不大。（二）AA+级从图3-3-8来看，所有变量的解释性在近两年波动较大，且模型整体解释性低于0.1，主要影响变量各时期均不同，说明对于AA+中债隐含评级而言，利差构成应该受其他因素影响。（三）AA级如图3-3-9所示，中债隐含评级AA级债券的模型解释力恰好与AAA相反，在2020年四季度之前有一定解释力，R方处于0.25-0.3之间，但进入202
13、1年解释力显著下降。（四）AA-级中债隐含评级AA-评级的变量R方时序变化图如下图3-3-10所示。中债隐含评级AA-级城投债的定价模型时序走势与AA级接近，模型整体R方在2020年四季度出现显著下降，且主要影响变量依旧是债券类型。无论是解释变量R方还是整体R方都与AAA评级走势恰好相反，说明AA级和AA-级债券在2020年的信用风险溢价主要来源之一是债券类型，但在2021年后信用风险溢价来源发生了根本性的变化。此外，中债隐含评级AA-级以下评级债券数量较少（所有评级总和少于3000样本，与AAA至AA-评级数量级不同，无法进行比较），所以我们不做讨论。（五）各评级定价模型预测误差（MSE6）
14、我们使用前述7变量模型，对以上评级分组的各时间切片数据做预测回归，并使用其后一期数据做检验，形成MSE误差分析如下表3-3-4与下图3-3-11。AAA级债券的Y值预测误差呈明显下降趋势，2021年二季度开始MSE基本维持在400以内，而其他信用等级的预测误差很大。（六）时序变化分析结论以上关于模型时序变化的分析结论明显的指向一个结论：2020年四季度，城投债市场定价出现了结构性变化，AAA级（含AAA-）债券定价逻辑趋于清晰，其他等级债券定价离散化的同时定价逻辑趋于不清晰。四、AAA级债券的定价模型因为AAA级债券的定价逻辑渐趋清晰，本文基于最近一期（2021年9月）时间切片数据，对其定价模
15、型进行回归预测，结果如下表3-3-5：第三节 经济解释一、城投债定价逻辑的结构性变化：剥离政府职能与房产行业严控（一）城投主体剥离政府职能新政2020年，为有效抗疫我国实行宽松的货币政策，城投债作为逆周期调节的重要抓手和信用投放的重要载体，2020年全年发行规模达到44056.82亿元，净融资额为16771.09亿。2020年四季度在疫情得到有效控制、经济有序恢复的背景下，疫情期间特殊政策逐渐退出，中央经济工作会议重提“抓实地方政府隐性债务防范化解工作”的要求。2020年12月30日，关于进一步深化预算管理制度改革的意见（简称意见）由中央全面深化改革委员会第十七次会议审议通过，2021年3月由
16、国务院印发实施，即国发20215号文。意见明确提出，清理规范地方融资平台公司，剥离其政府融资职能，对失去清偿能力的要依法实施破产重整或清算。标志着城投公司迎来新一轮政策收紧。沪、深交易所74月发文要求城投债发行主体应符合地方政府性债务管理的相关规定，不得新增地方政府债务；城市建设企业总资产规模小于100亿元或主体信用评级低于AA（含）的，应审慎确定公司债券申报方案，并采取调整公司债券申报规模、调整募集资金用途用于偿还存量公司债券等措施强化发行人偿债保障能力。7月银保监下发15号文明确银行保险机构不得以任何形式新增地方政府隐性债务，城投的新增融资不再与地方政府存在任何关联，未来的城投融资必须关注
17、资金用途、是否投入合规的领域、投入资金能否回收等事项。政府出台的系列文件重在“打消财政兜底幻觉”，反复强调城投债务并非与政府债务划等号的基本原则。即使是涉及隐性债务的城投主体，也不代表其全部债务都由财政承担。这对于城投债定价逻辑产生了深远的影响。城投债自出现以来，其定价逻辑一直具有“重地区、轻个体”的特点，金融机构和评级中介在评估城投债信用风险时，多从地方财政实力及城投公司在当地城投平台中的地位构建城投债打分体系，对其财务实力的考量虽有所涉及，但不是决定因素。而2020年四季度以来，中央及金融监管机构出台的多项政策旨在打破以上定价逻辑，力图推动城投债发行主体回归市场、恢复普通信用主体的身份。在
18、此背景下，债券市场出现分化：一方面，弱城投债（AA级及以下）风险上升，原来显著影响定价的变量（如剩余期限、债券类型、无风险利率水平等）重要性降低，城投主体自身的风险程度及市场主体对其风险程度的判断在债券定价中开始发挥主要作用。受限于信息不透明和“无史可鉴”等因素，新逻辑下的价格异常值增多。因此弱城投债价格自2020年四季度开始异动频繁，导致整体弱城投债定价离散化。另一方面，有实力的强城投债风险降低，定价确定性增强。但是，本轮政策是否能够切实促成城投债务与政府债务分道扬镳？城投可持续发展是否真能脱离政府的支持，并逐步建立可持续发展的业务模式与体系？最终的效果仍需要长期观察。（二）房地产行业调控的
19、影响近期的地产政策收紧开始2020年7月24日，韩正主持召开房地产工作座谈会，是近几年为数不多的高规格领导人专门主持召开的房地产座谈会。座谈会后，各项调控政策陆续出台。2020年8月，“三道红线”政策出台；2020年12月底，房地产贷款集中度管控政策出台；2021年2月，土地出让“两集中”政策出台。收紧政策之下，特别是房地产贷款集中度管控政策出台，国内贷款增速快速下滑，在5月增速进入负区间以来，下降幅度仍在持续扩大。按揭款也在今年初以来的增速高位下滑，从1月的69.31%下降到9月份的19.82%。在房地产行业调控背景下，2021年1-9月全国住宅土地出让金累计42,209亿元，同比下降7.4
20、6%；其中江苏、广东、浙江等沿海经济发达地区仍保持小幅正增长，云南、新疆、内蒙古、山西、黑龙江等弱省份土地出让大幅下降，地方财政压力进一步加大。土地出让收入减少导致城投偿债资金来源收紧，非标债务面临较大的偿还压力。2021年1-10月份，非标违约事件27起，已超过2020年全年水平。同时，土地市场景气度下行亦会引发投资者对区域发展的担忧，投资意愿下降，债券净融资下滑，利差走阔，进一步恶化弱平台的融资能力。房地产作为地方城投企业高度关联行业，其明显趋严的调控政策给城投债也带来了影响，增加了其定价的不确定性。二、对信用利差之谜的讨论目前研究及实务领域对于信用利差之谜的解释多为流动性风险、宏观经济因
21、素等。我们通过本课题对Y值具有显著影响的解释因子的研究，可以看出造成城投债信用利差之谜的部分原因。（一）弱城投债（2020年3月至2020年9月期间）对于弱城投债（AA级及以下）而言，2020年3月至2020年9月期间解释变量“债券类型”显著且R方贡献维持在0.15以上，债券类型具体取值为：0表示私募债；1表示公募债；2表示永续债。线性回归中“债券类型”系数估计值尽管每个时间切片有所差异，但一直为正，说明永续债比公募债的Y值大、定价高。永续债期限长、流动性稍弱于公募债，是造成定价差异的潜在原因。此外，个别月份中剩余期限的R方贡献也较高，说明期限长的城投债Y值大、定价高。（二）强城投债（2020
22、年四季度至2021年9月）对于强城投债（AAA级）而言，2020年四季度至2021年9月情况类似，解释变量“债券类型”显著且R方贡献维持在0.15以上，说明永续债比公募债的Y值大、定价高。（三）市场情绪等其他因素前面的实证分析说明，相当部分的Y值信息未被模型覆盖，即使对于AAA级城投债而言，预测误差依然存在，说明还有其他解释变量待挖掘。我们认为可能的原因包括：政策收紧后市场情绪受到影响，高估风险而减仓或怠于认购弱城投债等过度反应可能造成该类债券Y值过大；城投企业定位的摇摆和博弈可能造成估值的大幅波动或定价在不同剩余期限上的显著差异，如天津城建等主体因流动性紧张，其长期限债券风险定价显著跳升，而
23、短期限债券在天津市政府大力采取措施化解债务风险后趋稳。三、信用风险对定价的影响机制通过前述实证分析发现，信用风险对城投债定价的作用机制至少有两个：一是信用违约风险本身，即中债隐含违约率所反映的违约风险；二是中债隐含评级对Y值的显著相关性，即随信用评级降低，利差中非违约风险部分在离散化的同时取值放大。我们推测该现象产生的原因可能是：1.流动性补偿要求，在新政导致城投债风险上升、定价逻辑发生调整的背景下，“持有到期”策略受到考验，风险越高的债券流动转手的需求越大，形成流动性补偿要求；2.市场对城投债违约风险的量化估计缺乏经验和统一认识，评级越低违约估计的量化范围越宽、不确定性越大，导致Y值放大；3
24、.情绪冲击，城投债风险及价格异动上升，给投资者带来超预期冲击。脚注1避免极端值或不确定性因素干扰，剔除当天剩余期限小于（不包含）6个月或大于（不包含）6年的债券；以及ABS和非固息债；2因缺乏数据，模型对回收率做简化假设，回收率为0。该假设可能导致对信用预期损失的高估。3考虑到数据缺失程度、精准性以及接受广泛度，我们从外部评级、YY评级和中债隐含评级三个评级指标中选用了中债隐含评级。4短融及超短融无需债项外部评级即可发行。52019年，生命资产，保险资产管理机构应对违约债券策略研究，中国保险资管行业协会2019IAMAC年度十项优秀课题之一67上海证券交易所公司债券发行上市审核规则适用指引第3号审核重点关注事项和深圳证券交易所公司债券发行上市审核业务指引第1号公司债券审核重点关注事项37