信用债流动性评级模型的构建思路及实践

登录新浪财经APP 搜索【信披】查看更多考评等级

摘   要

近年来，我国信用债市场持续快速发展，但国内金融机构对信用债的流动性缺乏有效的评价机制。本文建立了信用债流动性水平分类机制，并从市场交易和债项特征两个维度选取较为有效且具备可得性的指标，构建了信用债流动性评级模型。从测试结果来看，模型实现较好的流动性分层。基于研究成果，本文提出加强和完善做市商制度及信用债报价机制等建议。

关键词

信用债流动性指标评级模型成交弹性

随着国内资本市场改革的不断深化，以股市及债市为代表直接融资市场快速发展。根据金融数据平台东财Choice的统计数据，2023年末我国信用债规模已经达到61.08万亿元，占全部债券的39.38%，市场参与方包括金融机构、非金融企业和个人投资者等多种类型。

流动性是维持债券市场运行及发展的重要因素，流动性水平也会影响债券的定价和投资者结构。从业界实践看，各类市场参与者尚难以有效评估信用债的流动性水平，缺乏对信用债流动性进行管理的工具。构建一套专门针对信用债的流动性评级模型将有助于提升投资者的投资管理能力。

信用债流动性模型的构建逻辑

（一）概念及文献综述

根据国际货币基金组织的定义，流动性是指某一金融资产在一定时间内以低交易成本在市场上进行大宗交易而不引起价格大幅变化的能力。这种能力并非是可直接观测的变量，往往需要人为定义评价标准。

国内外研究方面，主要围绕证券流动性的宽度、深度和弹性等维度试图构建信用债的流动性评价体系。Jankowitsch等（2011）提出并定义了价格离散指标，用于衡量价格偏离幅度，并认为离散指标越大，流动性越差。Dick等（2012）对债券利差进行了深入描绘，增强了指标的解释程度。秦龙（2021）通过换手率、价格偏离度和收益率变化率建立了较为有效的地方政府债流动性度量模型。钱静闲（2022）梳理了多项对城投债流动性有明显影响的指标，并对投资组合的流动性管理提出建议。

（二）国内信用债市场特征及模型修正方向

从研究结果及数据实证情况看，国内信用债交易体现出三个特征：一是整体成交活跃度不高，通常超过半数存量信用债在一年中无成交或者仅有极少量成交；二是配置类投资者占比较高，部分机构主要以持有到期为目的；三是短久期信用债的交易成本经常高于持有到期的风险成本，因此持有者出售意愿不高。

综上所述，若仅参考换手率、成交额等指标对信用债做简单的流动性分层存在诸多问题，应综合考虑如下因素：第一，关注无成交信用债的真实流动性水平，参考债券性质、期限和市场报价情况进行多维度评价，以充分反映其潜在的流动性；第二，关注信用债报价及成交的合理性，对于存在异常的成交，如价格显著高于估值，即便成交量较高，也应认定为高溢价下产生的流动性，而非真实流动性；第三，信用债的成交量和换手率等指标在小额交易、大宗交易等不同交易中所体现的含义有所不同，应统筹考虑。

信用债流动性模型框架及指标选取

笔者基于我国信用债市场实际情况，借鉴国内外学者的相关研究，将信用债的流动性评价指标分为市场交易指标（市场成交深度、市场成交宽度、成交弹性、时效性）和债项特征指标两类，多维度进行分析。引入债项特征指标可以减少市场交易指标波动对模型的干扰，使模型具备一定的稳定性。

（一）市场交易指标

1．市场成交深度

市场成交深度类指标反映了市场容纳交易需求的能力，也是市场类维度中最直观的指标，主要包含两方面：一是从报价角度估算的市场潜在成交量；二是代表市场交易最终结果的成交类因子。

从报价角度估算的市场潜在成交量可用绝对报价规模因子Ib来衡量。假设Ps和Pb表示报卖价格和报买价格，Ns和Nb表示报卖数量和报买数量，Ib可表示为：

Ib=∑Ps×Ns+∑Pb×Nb

代表市场交易最终结果的成交类因子可选用区间内全市场成交额或数量，如年成交额、月成交额，二者分别衡量信用债的长期、短期流动性水平。

除了绝对规模指标，还应引入相对规模指标，以改善因不同信用债自身规模不一致而导致的可比性局限。具体而言，可以将绝对报价规模、绝对成交规模除以发行加权平均余额，获得相对报价比率、成交换手率等指标。

2．市场成交宽度

成交宽度用于衡量信用债在买卖过程中需要付出的交易成本。从主流行情数据看，可以衡量成交宽度的指标包括市场报买（以下简称“Bid”）价格、市场报卖（以下简称“Ofr”）价格、偏离估值金额、实际成交佣金等。但相关运用有如下难点：一是部分信用债存在的无效报价及挂单，对报价金额和报价量难以有效评估合理性；二是数据汇总难度较大，目前中介平台仅提供实时数据，并无有效的回溯统计数据；三是估价偏差、买卖价偏差等指标的评估及赋权难度较大，Bid和Ofr的相关指标对于卖方和买方的价值不同。

从学术研究来看，市场宽度的评价维度并不固定，笔者的观点及解决方案是：一是采用报买与报卖价差，该指标可以在一定意义上衡量市场交易成本，价差越大，则买卖双方存在的分歧及沟通成本也越大；二是报价指标会阶段性缺失，且存在报价不合理情况，需要补充成交类价差指标加以验证。

3．成交弹性

成交弹性表示信用债价格受到短期异常交易冲击后，能够重新恢复到市场均衡状态（如公允价值）的速度。恢复速度越快，则代表市场的纠偏能力越强，也即流动性水平越好。由于公允价值本身就难以准确衡量，测算市场恢复速度也需要庞大的数据来支撑，因此本文拟寻找替代性因子对成交弹性指标进行描述。

4．时效性

时效性主要是信用债的买方或卖方从有意向到达成交易所需的时间。依据钱静闲（2022）的研究，受制于信用债市场主要以货币经纪商撮合交易而非竞价交易为主的现实情况，难以通过交易执行时间及交易执行频率来寻找描述性因子，需要寻找替代性指标。若采用固定时间内交易笔数、报价频率作为因子，与上文市场深度因子过于类似，可能会产生多重共线性。考虑到国内信用债成交频率不高，因此笔者参考Manhanti（2008）提出的固定时间内交易天数或其他类似成交时间间隔指标衡量时效性。

（二）债项特征指标

虽然国内有较多信用债二级市场并无实际成交或报价，但仅从出售方角度看，这些信用债仍具备潜在的流动性。因此，本文引入信用债特征大类指标，用以描述信用债潜在流动性，来提升流动性评级模型的稳定性。

信用债流动性模型指标体系的构建

（一）市场交易指标

1．市场成交深度

（1）成交额及换手率因子

笔者选用还原后的信用债年成交金额、月成交金额及年换手率、月换手率四项指标。为减少无成交债券对模型的影响，单独设立无成交组，并设定得分为0；有成交组则结合数据的分布特征及聚集度进行分层。本文基于熵值和层次分析（AHP）等方法，设置四项指标的分箱得分及内部权重如表1所示。

（2）市场报价因子

信用债报价数据已经通过中债Dr.Quant等平台上线，但报价数量等集成化、区间化的信息仍需要进行人为判定。因此笔者将市场报价因子作为一项由专家判定的定性指标，并设置为得分调整项，调整范围为-20~20分。

2．市场成交宽度

（1）买卖价差偏离因子

本文使用买入价到期收益率YB（对应数量SB）、卖出价到期收益率YS（对应数量SS）进行评价，并用i、j表示一段时间内（本文选取近20个交易日）对应的第i笔Bid单和第j笔Ofr单，计算平均买卖价差偏离DB-S。

DB-S=（∑YBi×SBi）/ ∑SBi- （∑YSj×SSj）/ ∑SSj

基于2023年信用债的买卖价差偏离分布情况，对近期平均买卖价差偏离小于10BP（含）、10BP~50BP（含）、50BP~100BP（含）、100BP~300BP（含）、300BP~500BP（含）、500BP及以上或无报买的信用债，分别设定100分、80分、60分、40分、20分、0分。

（2）成交价差偏离因子

笔者从成交结果对市场成交宽度指标进行描述，选取信用债最新成交价格YT与当日对应中债估值价格YV的价差作为打分指标，i表示特定时间内总成交笔数，计算平均成交价差偏离水平DT-V：

DT-V=∑（YTi-YVi）/ i

特定时间选取近20个交易日。对于无报价、无成交的信用债，为正确评估其隐含市场成交宽度，采用市场表现重溯的方法进行赋值。笔者调取了中国外汇交易中心信用债成交数据进行验证，以2023年5月19日的1083笔成交为例，基于信用债在当日是否为近1个月首次成交，进一步分为初次成交组（156笔）和非初次成交组（927笔）进行统计。总体来看，两个组别的成交偏离分布一致性较强，即长期无成交的信用债并不显著存在市场宽度水平偏弱的情况（见表2）。

基于以上分析，笔者认为短期内无成交信用债的潜在交易偏离有95%的概率不弱于成交偏离在300BP以上档位的有成交信用债。经谨慎性考虑，将无成交信用债设为40分（见表2）。

3．成交弹性

（1）成交偏离天数因子

国内外已有研究对于如何衡量成交弹性存在较大争议。笔者尝试采用近20个交易日出现偏离成交时的收敛速率作为成交弹性指标，发现信用债成交价长期偏离的原因主要在于信用风险、市场风险，而非流动性风险。考虑到业内普遍认为成交偏离大于20BP属于出现明显的流动性折价，笔者通过计算信用债近20个交易日中成交偏离超过20BP的天数（N）作为成交弹性的替代指标，并将成交偏离天数因子得分设为100-5N分。

4．时效性

（1）交易间隔因子

基于国内信用债交易特征，笔者取上一次成交距当前天数作为交易间隔因子，当交易间隔天数分别为1天及以内、2~6天、7~16天、17~49天、50~134天、135天及以上时，设置得分分别为100分、80分、60分、40分、20分、0分。

（2）成交天数因子

已有研究显示，在过往一段时间中，某一信用债的成交天数越多，则潜在交易方在当下能够实现成交的可能性越大。因此，笔者选择近20个交易日内的成交天数（N）作为成交天数因子，并设定得分为5N分。

（二）债项特征指标

1．券种指标

信用债的发行包括公开发行及非公开发行两类，其中非公开发行只面向特定的合格投资者，因此发行方式会对信用债流动性产生明显影响。另外，在银行间市场交易的债券规模较大，且在债券质押回购市场中占绝对主流，回购金额上限及投资者数量也有明显优势。综合考虑相关券种的潜在流动性，并对比样本券的实际换手率、成交额表现，笔者设定因子得分为：超短期融资券和商业银行同业存单为100分，一般短期融资券1和银行类金融债为90分，一般中期票据为80分，一般企业债、一般公司债和其他不在分档名单中的信用债为70分，定向工具为65分，私募债为50分。

2．期限指标

从发行规模相近的抽样样本信用债统计结果来看，市场主要成交额集中在剩余期限2为1~2.5年的信用债（见图1）。通过相关性测试来看，期限因子对现实流动性有一定的影响。

期限指标的定量线性回归结果表现不佳，且从实际交易结果来看，剩余期限为1~3年的信用债未出现明显的流动性分层。同时，短久期信用债在会计上属于流动性资产，更易通过质押回购等方式实现融资，因此笔者认为其具备较强的潜在流动性和等效流动性。笔者对剩余期限在1年及以内、1~3年（含）、3年以上的信用债，分别设为100分、60分、0分。

3．债项评级指标

在选择债项评级指标时，因外部债项评级较为集中、区分度有限，建议优先使用更具有市场敏感度的中债隐含评级。从抽样样本测算结果看，换手率较高的信用债所对应的中债隐含评级集中在AA+、AA和AA（2）三档，而AAA-及以上信用债的绝对成交规模更大。考虑到在极端风险发生时，高评级信用债具备更好的流动性，笔者采取对高评级信用债给予更高得分的评分策略，设定债项评级因子得分如表3所示。

（三）流动性评级结果汇总

针对各类流动性因子指标，可以进一步形成信用债的市场评分及债项特征评分，通过将二者进行综合评分，最终可得到流动性评级结果。使用因子分析法并经专家修正后，本文设定不同因子及主要成分评分权重如表4所示。

通过进一步进行评分调整，可得到综合流动性评分结果（满分为100分）。笔者对206只抽样信用债进行测试，其分布结果如图2。整体来看，流动性评分呈现出双头分布；有成交样本组的分数呈现左偏的正态分布特征，具有一定的区分度。分布结果符合市场特征：一是当前市场有超过半数的信用债全年无成交记录（得分主要分布在10~30分）；二是有成交信用债的成交额及换手率呈现较大差异。

结合信用债流动性评分的分布特征，设置信用债流动性分层评级（共7级）映射规则为：82.50分以上为S，71.34~82.50分（含）为A，60.75~71.34分（含）为B，46.98~60.75分（含）为C，31.50~46.98分（含）为D，22.70~31.50分（含）为E，22.70分及以下为F。其中D及以上档位代表信用债有一定的现实流动性；F和E档信用债的现实流动性较弱，但E档具备一定的潜在流动性。

全市场抽样测试

基于前文流动性评级模型，抽样测试结果显示，信用债的单只流动性评级和总体评级分布特征符合先验预期，且与市场最终成交结果、换手率水平未产生大幅偏离。从不同券种的评级结果看，券种对流动性评级结果影响显著，但内部也形成分化。以定向工具和公司债为例，二者实际评级均分布在3个以上档位，说明模型具有一定的区分性（见图3）。

本文选取中债流动性模型对本模型进行验证。考虑到中债流动性指标模型仅针对公募信用债进行评分，因此验证过程仅针对104只公募信用债。因本流动性评级模型的结果为非正态分布，故采用斯皮尔曼相关性进行分析，通过计算，两者斯皮尔曼相关性系数为0.446，显著性水平P值（＜0.01）表现较好，即两者的相关关系显著。

结论及应用建议

本文通过引入市场交易指标和债项特征指标构建了信用债流动性评级模型，为了克服基本流动性指标缺乏综合性、可比性和实践性的不足，引入交易时效性、成交弹性等指标改善市场交易指标重数量、轻质量的问题，并通过债项特征因子提升模型对潜在流动性的解释能力。

基于研究过程及评级模型结果，笔者建议：在政策层面，应加强市场做市商的制度建设，促进更多投资方参与信用债一、二级市场交易，进而提高市场流动性水平、降低流动性溢价，进而降低融资成本；应进一步健全市场报价系统和信息披露系统，减少信用债市场的信息不对称。在市场层面，在目前国外金融业面临周期性流动性危机的背景下，投资者应提升自身应对流动性风险的能力，建立并完善内部流动性评级模型及信用债流动性管理体系。

注：

1．根据Wind债券二级分类标准进行划分，名称中加“一般”的券种主要指其为公开发行且非特殊的品种，下同。

2．剩余期限计算方法为：对含权债采用下一个行权日计算剩余到期天数；对不含权债采用到期日计算剩余到期天数。

参考文献

[1]钱静闲． 我国城投债流动性影响因素研究[D]． 上海财经大学，2020．

[2]秦龙． 地方政府债券流动性指数的构建与分析[J]． 金融发展研究， 2021（7）．

[3]张毅峰，龙红亮． 银行“二永债”交易活跃度提升原因浅析[J]． 债券，2023（8）． DOI： 10.3969/j.issn.2095-3585.2023.08.013．

[4]FRIEWALD N， JANKOWITSCH R， SUBRAHMANYAM M G． Liquidity or credit deterioration： A study of liquidity in the US corporate bond market during financial crises[J]． Journal of Financial Economics，2012（1）．

[5]DICK N J， FELDHÜTTER P， LANDO D． Corporate bond liquidity before and after the onset of the subprime crisis[J]． Journal of Financial Economics， 2012（3）．

◇ 本文原载《债券》2024年3月刊

◇ 作者：金圆统一证券风险管理部宋铭睿

金圆统一证券投资管理部李可及

◇ 编辑：张淼刘颖