20180516-申万宏源-违约分析框架系列二_违约统计_一件简单但容易犯错的事_12页_618kb

债券违约统计分析总结

核心内容

本文主要分析了债券违约统计中的常见误区，并提出了一套推荐的统计方法，以更准确地反映信用风险状况。文章强调了在统计过程中应关注违约率而非数量或金额，分母应为到期债券，且需剔除城投债和金融机构债。同时，时间序列统计中应归集到最早违约事件日期，以避免误导性结论。

主要观点

1. 违约统计应关注违约率而非数量或金额

• 原因：数量或金额统计可能放大大型主体的影响，忽略小个体的风险。
• 案例：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。
• 建议：使用主体数量违约率进行统计，更符合当前信用风险分布特征。

2. 基于主体数量计算违约率

• 方法：统计违约主体数量与总主体数量的比率。
• 优势：
  • 更关注主体层面的风险。
  • 有助于识别未来可能违约的小企业风险。
  • 比较适合用于风险排查和投资决策参考。

3. 需剔除城投债和金融机构债

• 原因：城投债和金融机构债具有不同的信用风险分析框架。
• 操作方式：
  • 方法一：使用“产业债”概念板块并剔除金融机构和政府支持债券。
  • 方法二：导出企业债、公司债、中票等信用债，并剔除城投债。

4. 分母应为到期债券，而非存量债券

• 关键点：违约事件发生于到期日、提前赎回日、付息日或交叉违约日。
• 错误做法：使用存量债券作为分母，会低估违约率。
• 正确做法：统计违约债券数量除以到期债券数量，以反映真实违约率。

5. 时间序列统计应归集到最早违约日期

• 目的：避免将后续到期债券归因于当前经济状况，导致误判。
• 案例：大连机床2016年已违约，2017年到期债券仍无法偿付，应归因于2016年的违约事件。
• 建议：使用主体数量进行时间序列统计，排除重复主体的影响。

关键信息

2.1 行业分布

• 高风险行业：综合、化工、机械、轻工、纺织服装。
• 违约主体数量排序：综合 > 化工 > 机械 > 采掘 > 公共事业 > 商业贸易。

2.2 企业性质分布

• 民企违约高发：违约主体数33个，违约率3.1%。
• 地方国企：违约率0.65%。
• 央企：违约率0.55%。
• 外资企业：违约率10.53%，虽数量少但风险极高。

2.3 主体评级分布

• AA+评级违约率：1.10%。
• AA评级违约率：1.84%。
• AA-评级违约率：1.25%。
• 结论：AA+并不比AA安全很多，需同等重视。

2.4 地区分布

• 高违约率地区：吉林、海南、天津、新疆、黑龙江。
• 高违约主体数量地区：江苏、上海、浙江、北京。
• 综合高风险地区：四川、福建、河南、山东。

2.5 是否上市分布

• 非上市公司违约率：2.19%。
• 上市公司违约率：1.24%。
• 结论：上市不是保险箱，需关注非上市企业的风险。

2.6 债券类别分布

• 高风险债券类型：中票和公司债。
• 公司债趋势：预计下半年公司债违约率可能上升，因私募债和低等级公司债回售高峰临近。

2.7 时间序列统计方法

• 推荐方法：每季度违约主体数量 / 每季度到期主体数量。
• 避免问题：
  • 金额违约率：低估早期违约。
  • 债项违约率：干扰时间序列分析。
• 优势：符合民企违约集中特征，排除后续到期干扰。

图表目录（摘要）

• 图1：数据透视表设置
• 图2：违约率计算样例
• 图3：分行业违约主体个数和违约率
• 图4：分企业性质违约主体个数和违约率
• 图5：分企业性质和发行时主体评级的违约率
• 图6：分行业违约主体个数和违约率
• 图7：分地区违约主体个数和违约率
• 图8：分是否上市违约主体个数和违约率
• 图9：分债券类型违约主体个数和违约率
• 图10：分季度主体个数违约率情况

结论

债券违约统计是一项看似简单但极易出错的工作，需注意违约率、分母选择、剔除特殊债券类型、时间序列归集方式等关键点。文章推荐以主体数量为基础，结合行业、地区、企业性质等因素进行统计分析，以更准确地评估信用风险，为投资者提供有价值的参考信息。