违约分析框架系列二_违约统计_一件简单但容易犯错的事_10页_655kb

债券违约统计分析总结

核心内容

本文旨在提醒投资者注意债券违约统计中的常见误区，并提供一套推荐的统计方法，以更准确地反映信用风险现状。重点在于强调应使用违约率而非数量或金额，以主体数量计算违约率，剔除城投和金融机构债，分母应为到期债券，以及时间序列中应归集到最早违约事件日期。

主要观点

1. 违约统计应关注违约率而非数量或金额

• 数量或金额统计易误导：例如北京违约主体数量多，但违约率低；吉林违约主体数量少，但违约率高。
• 评级统计同样需注意：AA+评级债券违约率并不显著低于AA评级债券。
• 推荐方法：以主体为单位统计违约率，避免因个别大企业违约金额高而掩盖小企业风险。

2. 剔除城投债和金融机构债

• 城投债和金融机构债的信用风险分析逻辑不同，且目前尚未出现违约。
• 推荐方法为：导出企业债、公司债、中票等信用债，再剔除城投债。

3. 分母应为到期债券，而非存量债券

• 违约事件通常发生在到期日、提前赎回日、付息日或交叉违约日。
• 使用存量债券作为分母会导致违约率被低估，应使用到期债券作为分母。

4. 时间序列统计应归集到最早违约事件日期

• 违约事件的触发时间比发生时间更重要，例如大连机床的违约触发在2016年，但后续到期债券在2017年违约。
• 推荐方法为：以主体数量作为分子（每个主体只计算一次），以每季度到期主体数量作为分母。

5. 违约主体分布特征

• 行业分布：纺织服装、综合、机械、轻工、化工行业违约率较高。
• 企业性质：民营企业违约主体数量最多，违约率也较高；地方国企和央企违约率相差不大。
• 地区分布：江苏、上海、浙江、北京等发债主体多的地区违约率较低；吉林、海南、天津、新疆、黑龙江等地区违约率较高。
• 是否上市：非上市公司违约率高于上市公司，但差距并不如预期大。
• 债券类型：公司债和中票违约率较高，预计下半年随着私募债和低等级公司债回售期临近，公司债违约率可能上升。

关键信息

• 推荐统计方法：

  1. 导出已到期和违约的信用债债券代码（排除金融机构和政府支持机构债）。
  2. 剔除城投债。
  3. 每个主体保留一条违约记录，以最早违约事件日期归集。
  4. 导出“信用风险事件”字段，标出违约债券。
  5. 按行业、省份、评级等因素进行统计，计算违约率。

• 图表支持：

  • 图1：数据透视表设置
  • 图2：违约率计算样例
  • 图3-图10：分行业、企业性质、地区、是否上市、债券类型及时间序列的违约主体个数和违约率分布

• 数据范围：统计时间为2014年1月1日至2018年5月13日。

总结

债券违约统计是一项基础但容易出错的工作。投资者应避免使用数量或金额统计，而是采用主体数量违约率，并注意剔除城投债和金融机构债，使用到期债券作为分母，以及在时间序列中以最早违约事件日期归集数据。通过这些方法，可以更准确地反映信用风险分布，为投资决策提供更有参考价值的信息。