20170731-光大证券-信用利差算法详解_信用利差算法详解_12页_1mb

报告摘要

信用利差算法详解总结

核心内容

信用利差是衡量债券收益率与无风险收益率之间溢价的重要指标，传统做法是通过个券收益率与同期限国债收益率之差来计算。然而，该方法无法准确反映行业属性对利差的影响。为此，光大证券研究所提出了一种信用利差分解方法，将信用利差分为共性利差和超额利差两部分，分别反映市场整体情况和行业特性。

共性利差：反映当前债券市场共同面临的情况，即市场流动性、无风险利率等因素对利差的影响。
超额利差：反映行业属性对利差的影响，有助于投资者更准确地分析行业风险溢价。

通过分析两组利差数据，可以更全面地理解利差变化的驱动因素，提高投资决策的准确性。

主要观点

算法的客观性与稳定性：
- 使用中位数代替平均值，以减少异常值对结果的干扰，确保数据的客观性。
- 中位数算法在大多数情况下更稳定，即使在数据量较少时，也不弃用数据，从而保证每个细分样本都有利差数据输出。
样本券种筛选标准：
- 仅选取中短期票据（含SCP，不含PPN），排除企业债和公司债。
- 债券需满足以下条件：
  - 主体评级在AAA与AA级之间；
  - 不含权债；
  - 债项无增信；
  - 剩余期限在0.5Y-5Y之间。
剩余期限的选取依据：
- 选取0.5Y-5Y的剩余期限区间，是因为该区间内债券数量占比大，且利差基本稳定，不受剩余期限变化影响。
- 0.5Y以下的债券主要受流动性影响，而5Y以上的债券交易不活跃，数据量小，对模型影响有限。
个券收益率的选取：
- 使用中债估价收益率作为个券收益率数据来源，避免成交价中异常成交和缺乏交易数据的问题，提高数据的可靠性。
数据库的使用方式：
- 数据库提供行业信用利差和行业超额利差两组数据，涵盖AAA、AA+、AA三个信用等级。
- 数据库包含143类利差数据，细分至28个申万一级行业、45个申万二级行业、城投与非城投、9类发行人属性、30个省市、30个省市的民企等。
- 提供热力图功能，用于展示重点行业利差的历史分布情况，标注当前利差水平及分位数，帮助投资者直观判断行业利差所处位置。