20210221-光大证券-利差数据库建模说明_信用利差算法详解_10页_708kb

信用利差数据库与算法详解总结

核心内容概述

本文档主要介绍了光大固收信用利差数据库的更新内容及信用利差算法的详细说明，旨在通过优化样本数据和算法逻辑，提高信用利差分析的准确性与稳定性。

主要观点

1. 新增样本充实数据库

• 新增含权债：2021年春节后，光大固收信用利差数据库新增了5000余只含权债，以解决部分行业样本点不足导致的利差曲线波动大、空值多的问题。
• 含权债的定义：含权债指设置了如交叉保护、事先承诺、财务指标承诺等条款的债券，但不包括调整票面利率、回售、债券提前偿还、赎回等特殊条款的债券。
• 样本占比提升：含权债在信用债发行中的占比逐年上升，2020年为46.64%，2021年春节前为47.52%。
• 样本数据影响：新增含权债对数据库无本质影响，且与不含权债利差差异不大，表明其可作为样本数据补充，不干扰模型输出。

2. 信用利差算法详解

• 信用利差定义：信用利差是债券收益率与无风险收益率的差值，反映信用风险溢价。
• 算法分解：
  • 共性利差：反映当前信用债共同面临的情况，计算方式为个券收益率 - 同期限无风险收益率（中债国债收益率曲线）。
  • 超额利差：表征行业属性，计算方式为个券收益率 - 同期限同评级超额收益率（中债中票收益率曲线）。
• 汇总方式：采用中位数算法代替算术平均值或加权平均值，以减少异常值对结果的干扰，提升模型的稳定性与客观性。
• 样本券种筛选：
  • 仅纳入公开发行的中期票据、短期融资券和超短期融资券。
  • 不纳入私募债、企业债和公司债。
  • 样本需满足以下条件：
    • 不含“禁入条款”；
    • 外部评级为AAA、AA+、AA（按最高级别计）；
    • 不含外部增信。

3. 剩余期限与线性插值

• 剩余期限范围：选择0.5Y-5Y，这一区间内信用利差较为稳定，且涵盖大量债券，能够较好反映市场和行业风险溢价。
• 线性插值方法：为提升精度，使用线性插值计算“相同期限”的国债收益率，以弥补直接期限数据缺失的问题。

4. 个券收益率来源

• 使用中债估值：以中债估值作为个券收益率的数据来源，避免成交价中的异常交易及流动性影响，确保数据的可靠性。

关键信息

• 数据库更新：新增5000余只含权债，丰富了样本数据，提升了利差曲线的连续性与发债主体的多样性。
• 含权债特性：
  • 与不含权债利差差异较小；
  • 有助于反映行业信用资质；
  • 不影响数据库的建模逻辑。
• 算法选择：采用中位数算法，避免异常值干扰，提升模型稳定性。
• 样本券种限制：
  • 不含私募债、企业债和公司债；
  • 需满足评级、条款和增信条件。
• 剩余期限选择：0.5Y-5Y，兼顾数据量与稳定性。
• 数据来源：使用中债估值，避免异常成交与流动性偏差。

风险提示与局限性

• 条款变动风险：随着债券市场发展，特殊条款可能新增，数据库筛选标准或需调整。
• 评级体系说明：
  • 投资评级分为买入、增持、中性、减持、卖出、无评级。
  • 基准指数包括沪深300、中小板指、创业板指、新三板指数、恒生指数等。
• 分析与估值局限性：
  • 分析基于假设，不同假设可能导致结果差异；
  • 估值结果不保证证券能在该价格交易；
  • 数据与信息可能存在不完整或误差。

分析师声明与特别说明

• 分析师资质：张旭、危玮肖均为具备证券投资咨询执业资格的分析师。
• 报告独立性：报告内容基于合法合规信息，独立、客观，不涉及报酬与观点的直接关联。
• 免责声明：
  • 报告不构成投资建议；
  • 报告信息可能不时更新，但不保证及时发布；
  • 投资者需自行承担风险，谨慎决策。

联系方式

附：相关研报

• 不宜过度关注OMO的数量——2021年2月18日货币政策观察
• 写在永煤违约一个月之际——2020年12月13日信用观察
• 一文综述地方金控平台——城投债专题研究之十二（2020-11-08）