城投擇券手冊（二）：新一輪地方政府擠水分影響幾何

1、哪些平臺債券收益率受“擠水分”影響較大？全市平臺普遍受影響： 五家平臺分別代表直接相關(guān)大平臺、同城大平臺、直接相關(guān)中小平臺、同城相似大平臺、同城相似大中平臺，收益均上行。資質(zhì)越好、影響越大：受影響較大的是主體資質(zhì)最好、債券流動性最高的市直屬大型城投平臺，這可能歸因于二級市場成交活躍，對收益率估值產(chǎn)生影響。直接相關(guān)的平臺中、弱資質(zhì)的受影響較大：濱海新區(qū)資質(zhì)較一般的平臺債券收益率受事件影響更大。“擠水分”對平臺債券收益率的影響如何傳導？事件披露前夕幾無先兆：1 月 11 日前三個交易日，五家平臺十五只債券收益率全面下行，僅濱海新區(qū)中小平臺債券收益率在 1 月 8 日出現(xiàn)小幅上行、該平臺一只債券在

2、1 月 10 日小幅上行，上述變動均為正常波動，無法作為事件前兆。同城市平臺受影響的時間幾乎一致：五個主體在事件披露當日均出現(xiàn)收益率上行，后續(xù)交易日的變動方向也基本一致，主要差別在于受影響的幅度和最大漲幅出現(xiàn)的時間。債務重、資質(zhì)弱、轄區(qū)內(nèi)的平臺當日受影響較大： 主體C、主體D 在 1 月 11 日平均收益率上行 2.28BP 和 1.84BP。資質(zhì)好的平臺受影響的時間略滯后：主體 B 單日漲幅最大的交易日為 1 月 19 日。風險提示政策不確定性加大、宏觀經(jīng)濟下行可能超預期。華西證券版權(quán)所有發(fā)送給杭州同花順數(shù)據(jù)開發(fā)有限公司 p2正文目錄 HYPERLINK l _TOC_250010 哪些省份

3、調(diào)整了 2018 年全省生產(chǎn)總值？4 HYPERLINK l _TOC_250009 負債率影響：“擠水分”對政府負債率影響幾何？5 HYPERLINK l _TOC_250008 估值風險：“擠水分”對城投收益率估值影響幾何？7 HYPERLINK l _TOC_250007 驅(qū)動事件：2018 年天津濱海新區(qū) GDP“擠水分”7 HYPERLINK l _TOC_250006 平均漲幅：天津五家城投平臺債券收益率短期內(nèi)上行 8BP8 HYPERLINK l _TOC_250005 漲幅差異：全市平臺收益率普遍上行，頭部平臺漲幅較大8 HYPERLINK l _TOC_250004 時點差異

4、：債務重、資質(zhì)弱、同轄區(qū)平臺受影響大9 HYPERLINK l _TOC_250003 總結(jié)：關(guān)注“擠水分”區(qū)域主平臺、弱平臺估值風險11 HYPERLINK l _TOC_250002 風險提示12 HYPERLINK l _TOC_250001 政策不確定性可能加大12 HYPERLINK l _TOC_250000 宏觀經(jīng)濟可能超預期下行12圖表目錄圖 1：政府負債率計算公式5圖 2：主體 A 存量債券收益率估值（單位：%）9圖 3：主體 B 存量債券收益率估值（單位：%）9圖 4：主體 C 存量債券收益率估值（單位：%）9圖 5：主體 D 存量債券收益率估值（單位：%）9圖 6：主體

5、E 存量債券收益率估值（單位：%）9圖 7：天津五家平臺存量債券收益率估值（單位：%）9表 1：截至 2020 年 1 月 22 日，16 個省份根據(jù)四經(jīng)普結(jié)果修訂了 2018 年全省生產(chǎn)總值4表 2：2018 年各省生產(chǎn)總值調(diào)整對各省 2018 年政府債務率的影響6表 3：2019 年各省份政府負債率變化情況7表 4：“擠水分”前天津五家城投平臺債券估值單日漲跌幅（單位：BP）10表 5：“擠水分”后天津五家城投平臺債券估值單日漲跌幅（單位：BP）11華西證券版權(quán)所有發(fā)送給杭州同花順數(shù)據(jù)開發(fā)有限公司 p3哪些省份調(diào)整了 2018 年全省生產(chǎn)總值？第四次經(jīng)濟普查十六省級行政區(qū)調(diào)整 2018 年

6、經(jīng)濟數(shù)據(jù)。根據(jù)各省級行政區(qū)（下稱“省份”）統(tǒng)計局披露，截至 2020 年 1 月 22 日，全國共有 16 個省份根據(jù)第四次全國經(jīng)濟普查（以下簡稱“四經(jīng)普”）的結(jié)果對 2018 年全省生產(chǎn)總值進行了修訂，得到了 2018 年全省生產(chǎn)總值最終核算數(shù)。其中 7 個省份較初步核算數(shù)調(diào)增，9 個省份較初步核算數(shù)調(diào)減。從調(diào)整幅度看，黑龍江省下調(diào)幅度最大，安徽省上調(diào)幅度最大。黑龍江省 2018年全省生產(chǎn)總值最終核算數(shù)為 12,846.50 億元，較 2019 年初公布的初步核算數(shù)下調(diào)了3,515.10 億元，下調(diào)幅度達 21.48%。安徽省 2018 年全省生產(chǎn)總值最終核算數(shù)為34,010.90 億元，較

7、 2019 年初公布的初步核算數(shù)上調(diào)了 4,004.10 億元，上調(diào)幅度高達13.34%。從調(diào)整的絕對規(guī)?？?，山東省的調(diào)整規(guī)模最高，湖南省調(diào)整規(guī)模最低。山東省2018 年全省生產(chǎn)總值最終核算數(shù)為 66,648.87 億元，較初步核算數(shù)下調(diào)了 9,820.83，下調(diào)幅度為 12.84%。湖南省 2018 年全省生產(chǎn)總值最終核算數(shù)為 36,329.68 億元，較初步核算數(shù)僅下調(diào) 96.12 億元，下調(diào)幅度僅 0.26%。表 1：截至 2020 年 1 月 22 日，16 個省份根據(jù)四經(jīng)普結(jié)果修訂了 2018 年全省生產(chǎn)總值2018 年全省生產(chǎn)總值（億元）省份初步核算數(shù)最終核算數(shù)調(diào)整量（億元）變化幅

8、度（%）黑龍江16,361.6012,846.50-3,515.10-21.48山東76,469.7066,648.87-9,820.83-12.84遼寧25,315.4023,510.50-1,804.90-7.13-6.64內(nèi)蒙古17,289.2016,141.00-1,148.20寧夏3,705.183,510.21-194.97-5.26山西16,818.1115,958.13-859.98-5.11青海2,865.232,748.00-117.23-4.09廣西20,352.5119,627.81-724.70-3.56湖南36,425.8036,329.68-96.12-0.26浙

9、江56,197.0058,003.001,806.003.21河南48,055.8649,935.901,880.043.91四川40,678.1042,902.102,224.005.47福建35,804.0438,687.772,883.738.05北京30,320.0033,106.002,786.009.19上海32,679.8736,011.823,331.9510.20安徽30,006.8034,010.904,004.1013.34資料來源：各省份統(tǒng)計局，華西證券研究所在尚未公布 2018 年全省生產(chǎn)總值最終核算數(shù)的省份中，有 9 個省份（廣東、湖北、江西、陜西、新疆、云南、重慶

10、、甘肅、貴州）已經(jīng)公布 2019 年初步核算數(shù)但未公布是否對 2018 年數(shù)據(jù)進行調(diào)整。同時，尚有吉林、天津、河北、江蘇、海南、西藏既未公布 2019 年初步核算數(shù)，也未公布 2018 年最終核算數(shù)，我們建議關(guān)注這部分省份中城投債務較高的區(qū)域后續(xù)調(diào)整情況。2018建議密切關(guān)注尚未披露年經(jīng)濟數(shù)據(jù)調(diào)整情況的省份：華西證券版權(quán)所有發(fā)送給杭州同花順數(shù)據(jù)開發(fā)有限公司 p4云南、貴州近年來基建投資增速高，2018 年經(jīng)濟增速下調(diào)的概率偏低；吉林與黑龍江、遼寧經(jīng)濟發(fā)展勢頭有較高相似度，或出現(xiàn)經(jīng)濟數(shù)據(jù)下調(diào)；考慮到天津 2018 年對濱海新區(qū) 2016 年 GDP 進行大幅調(diào)整，重點建議關(guān)注天津市 2018 年

11、 GDP 大幅下調(diào)風險。負債率影響：“擠水分”對政府負債率影響幾何？為了考察 GDP 規(guī)模調(diào)整對當年政府負債率的影響，我們使用各省當年名義 GDP 規(guī)模作為計算負債率的分子，定義政府負債率=“全口徑政府債務余額/名義 GDP 規(guī)模100%”。全口徑政府債務包括政府顯性債務和隱性債務。其中顯性債務余額取各省公布的政府性債務余額（即一般債+專項債余額），由于各省尚未公布 2019 年數(shù)據(jù)，我們在2018 年數(shù)據(jù)的基礎(chǔ)上加上 2019 年各省新增地方債凈融資規(guī)模對 2019 年政府性債務余額進行估算。隱性債務我們選取各省發(fā)債及上市城投公司年末帶息債務余額進行估計，由于部分城投公司尚未披露 2019

12、年年報，我們假設(shè)其余 2019 年中報數(shù)據(jù)持平。圖 1：政府負債率計算公式資料來源：華西證券研究所整理七省份 2018 年負債率下降，九省份上調(diào)。根據(jù)測算結(jié)果來看，四經(jīng)普后各省生產(chǎn)總值調(diào)整對不同省份 2018 年政府負債率的影響各異，7 個省份 2018 年政府負債率有所下降，9 個省份有所提升。北京市 2018 年政府負債率下降最為顯著，2018 年調(diào)整后政府負債率為111.13%，較調(diào)整前下降了 10.21pct。黑龍江省 2018 年政府負債率提升幅度最大，調(diào)整后，黑龍江省 2018 年政府負債率為 46.85%，較調(diào)整前大幅提升了 10.06pct。華西證券版權(quán)所有發(fā)送給杭州同花順數(shù)據(jù)

13、開發(fā)有限公司 p5表 2：2018 年各省生產(chǎn)總值調(diào)整對各省 2018 年政府債務率的影響省份政府負債率（%）2018 年調(diào)整前2018 年調(diào)整后政府負債率變化情況（pct）北京121.34111.13-10.21安徽59.0352.08-6.95四川82.6578.36-4.28上海33.5930.48-3.11福建40.1037.11-2.99浙江65.4763.43-2.04河南35.3233.99-1.33湖南63.8163.980.17山西31.9933.711.72廣西79.7082.652.94遼寧40.6543.783.12寧夏61.4064.813.41內(nèi)蒙古49.0352.

14、523.49青海115.69120.624.94山東33.6438.604.96黑龍江36.7846.8510.06資料來源：各省份統(tǒng)計局，華西證券研究所關(guān)注青海、貴州、北京、甘肅等高負債率省份。從當前的負債率水平看，青海、貴州、北京、甘肅的政府負債較重，2019 年政府負債率分別為 121.90%，121.41%、108.85%、105.76%。山西、黑龍江 2019 年政府負債率提升較快，較 2018 年調(diào)整后的政府負債率分別提升了 3.01、2.35pct。北京、湖南 2019 年政府負債率下降較多， 較 2019 年調(diào)整后的政府負債率分別下降了 2.28、2.06pct。華西證券版權(quán)所

15、有發(fā)送給杭州同花順數(shù)據(jù)開發(fā)有限公司 p6政府負債率變化情況（pct）2018 年調(diào)整后2019 年廣東-27.33-上海30.4831.991.51河南33.9934.990.99山西33.7136.733.01福建37.1136.96-0.16山東38.6040.381.78遼寧43.7842.35-1.43黑龍江46.8549.192.35內(nèi)蒙古52.5251.22-1.30安徽52.0852.250.17湖北-53.94-湖南63.9861.92-2.06江西-64.28-浙江63.4364.921.49寧夏64.8166.111.30陜西-67.80-新疆-73.75-四川78.367

16、9.501.13云南-81.54-廣西82.6583.120.47重慶-83.71-甘肅-105.76-北京111.13108.85-2.28貴州-121.41-青海120.62121.901.27表 3：2019 年各省份政府負債率變化情況省份政府負債率（ ）資料來源：各省份統(tǒng)計局，華西證券研究所估值風險：“擠水分”對城投收益率估值影響幾何？驅(qū)動事件：2018 年天津濱海新區(qū) GDP“擠水分”首先，本次研究的驅(qū)動事件是 2018 年 1 月 11 日天津濱海新區(qū) GDP“擠水分”：1月 11 日在更改統(tǒng)計口徑（注冊改為在地）、擠掉水分后，濱海新區(qū) 2016 年 GDP 調(diào)整為 6654 億元

17、，而修改前為 10002 億元，降幅達到 33.5。第二，為了規(guī)避其他因素對債券收益率的影響，我們選取了較短的時間窗口， 只分析 1 月 11 日前后各八個債券交易日的收益率變動。第三，我們選取了天津五家存量債券規(guī)模較大的城投平臺進行分析，分別是： 發(fā)債主體 A：濱海新區(qū)直屬、大型綜合類城投平臺（下稱“主體 A”）；發(fā)債主體 B：天津市直屬、大型綜合類城投平臺（下稱“主體 B”）； 發(fā)債主體 C：天津市直屬華西證券版權(quán)所有發(fā)、送給杭州同花順數(shù)據(jù)開大發(fā)有限公司 p7 型園區(qū)類城投平臺（下稱“主體 C”）； 發(fā)債主體 D：濱海新區(qū)實控、中型城建類城投平臺（下稱“主體 D”）；發(fā)債主體 E：保稅區(qū)直

18、屬、大型園區(qū)類城投平臺（下稱“主體 E”）；第四，我們選取了上述五家平臺各三只存量債券，追蹤其中債估值在此時間區(qū)間內(nèi)的變動。平均漲幅：天津五家城投平臺債券收益率短期內(nèi)上行 8BP“擠水分”影響顯著，天津五家平臺收益率普遍上行。從圖線來看，2017 年 12月 29 日至 2018 年 1 月 10 日，受歲末年初資產(chǎn)荒、跨年流動性緊張高峰已過影響，天津五家平臺債券收益率全面下行。2018 年 1 月 11 日至 1 月 22 日，受“擠水分”事件影響，上述五家城投共十五只債券平均收益率全面反彈，平均收益率累計上行8.18BP。漲幅差異：全市平臺收益率普遍上行，頭部平臺漲幅較大分主體來看，主體

19、B 上漲 12.49BP、主題 D 上漲 10.51BP，主體 E 上漲 6.76BP， 主體A 上漲 6.56BP，主體 C 上漲 5.55BP。不考慮樣本券的前提下，發(fā)現(xiàn)如下規(guī)律：全市平臺普遍受影響：五家平臺分別代表直接相關(guān)大平臺、同城大平臺、 直接相關(guān)中小平臺、同城相似大平臺、同城相似大中平臺，收益均上行。資質(zhì)越好、影響越大：受影響較大的是主體資質(zhì)最好、債券流動性最高 的市直屬大型城投平臺，這可能歸因于二級市場成交活躍，對收益率估值產(chǎn)生影響。直接相關(guān)的平臺中、弱資質(zhì)的受影響較大：濱海新區(qū)資質(zhì)較一般的平臺 債券收益率受事件影響更大。華西證券版權(quán)所有發(fā)送給杭州同花順數(shù)據(jù)開發(fā)有限公司 p8圖

20、2：主體 A 存量債券收益率估值（單位：%）圖 3：主體 B 存量債券收益率估值（單位：%）5.94主體A5.925.75主體B5.735.905.885.865.845.825.80+6.56BP5.715.695.675.655.635.615.595.575.55+12.49BP資料來源：Wind，華西證券研究所資料來源：Wind，華西證券研究所圖 4：主體 C 存量債券收益率估值（單位：%）圖 5：主體 D 存量債券收益率估值（單位：%）5.96主體C5.947.15主體D7.137.115.925.905.885.865.845.82+5.55BP7.097.077.057.037.

21、016.996.976.95+10.51BP資料來源：Wind，華西證券研究所資料來源：Wind，華西證券研究所圖 6：主體 E 存量債券收益率估值（單位：%）圖 7：天津五家平臺存量債券收益率估值（單位：%）6.30主體E6.296.286.20天津平均6.186.276.266.256.246.236.226.216.20+6.76BP6.166.146.126.106.08+8.18BP資料來源：Wind，華西證券研究所資料來源：Wind，華西證券研究所時點差異：債務重、資質(zhì)弱、同轄區(qū)平臺受影響大分時段來看，我們發(fā)現(xiàn)時間影響有如下規(guī)律：（1） 事件披露前夕幾華西證券版權(quán)無所有發(fā)送給杭州同

22、花順先數(shù)據(jù)開發(fā)有限公司 p9 兆：1 月 11 日前三個交易日，五家平臺十五只債券收益率全面下行，僅濱海新區(qū)中小平臺債券收益率在 1 月 8 日出現(xiàn)小幅上行、該平臺一只債券在 1 月 10 日小幅上行，上述變動均為正常波動， 無法作為事件前兆。表 4：“擠水分”前天津五家城投平臺債券估值單日漲跌幅（單位：BP）主體 A 債券 10.04(0.73)0.32(0.41)(1.48)(1.87)(2.47)0.24主體 A 債券 2(0.06)1.202.08(1.96)0.49(1.57)(2.82)(0.83)主體 A 債券 3(0.76)(3.64)(1.44)(1.82)(1.21)(1.

23、24)(1.62)(0.99)主體 A：濱海新區(qū)大平臺(0.26)(1.06)0.32(1.40)(0.73)(1.56)(2.30)(0.53)主體 B 債券 10.201.261.58(2.02)1.94(1.31)(2.27)(0.43)主體 B 債券 20.260.961.13(1.79)1.92(1.35)(2.08)(0.27)主體 B 債券 3(1.06)(5.44)(1.49)(2.29)(0.52)(1.72)(0.76)(0.03)主體 B：天津市大平臺(0.20)（1.07）0.41(2.03)1.11(1.46)(1.70)(0.24)主體 C 債券 10.261.00

24、(8.83)(1.82)1.99(1.34)(2.09)(2.32)主體 C 債券 20.240.741.00(1.65)1.59(1.44)(2.07)(2.08)主體 C 債券 3(0.09)1.18(8.00)(1.85)0.95(1.61)(2.87)(0.82)主體 C：天津市大園區(qū)平臺0.140.97(5.28)(1.77)1.51(1.46)(2.34)(1.74)主體 D 債券 12.15(1.43)1.29(1.61)(1.49)0.27(1.26)(1.74)主體 D 債券 22.30(1.45)1.37(1.69)(1.46)0.30(1.38)(1.81)主體 D 債券

25、 3(3.19)(16.53)(12.89)(3.70)(3.46)0.13(2.74)0.51主體 D：濱海新區(qū)中小平臺0.42(6.47)(3.41)(2.33)(2.14)0.23(1.79)(1.01)主體 E 債券 10.181.261.57(1.98)2.04(1.34)(2.31)(2.10)主體 E 債券 2(0.36)(1.79)(0.78)0.01(2.55)(1.68)(3.06)(2.17)主體 E 債券 30.00(1.11)(0.16)(0.52)(1.15)(2.26)(1.65)(0.17)主體 E：保稅區(qū)大園區(qū)平臺(0.06)(0.55)0.21(0.83)(

26、0.55)(1.76)(2.34)(1.48)債券、平臺12/291/21/31/41/51/81/91/10資料來源：Wind，華西證券研究所同城市平臺受影響的時間幾乎一致：五個主體在事件披露當日均出現(xiàn)收 益率上行，后續(xù)交易日的變動方向也基本一致，主要差別在于受影響的幅度和最大漲幅出現(xiàn)的時間。債務重、資質(zhì)弱、轄區(qū)內(nèi)的平臺當日受影響較大：主體 C、主體 D 在 1月 11 日平均收益率上行 2.28BP 和 1.84BP。資質(zhì)好的平臺受影響的時間略滯后：主體 B 單日漲幅最大的交易日為 1月 19 日。華西證券版權(quán)所有發(fā)送給杭州同花順數(shù)據(jù)開發(fā)有限公司 p10表 5：“擠水分”后天津五家城投平臺

27、債券估值單日漲跌幅（單位：BP）主體 A 債券 10.542.480.14(1.54)3.97(0.46)2.111.49主體 A 債券 20.920.23(0.81)1.030.94(0.61)0.550.36主體 A 債券 31.323.06(1.92)2.40(0.62)2.260.621.23主體 A：濱海新區(qū)大平臺0.931.92(0.86)0.631.430.401.091.03主體 B 債券 10.980.74(0.97)0.861.34(0.46)5.320.68主體 B 債券 21.171.97(1.29)0.552.134.844.801.36主體 B 債券 30.813.

28、12(2.34)2.350.122.235.971.20主體 B：天津市大平臺0.991.94(1.53)1.251.202.205.361.08主體 C 債券 12.221.96(1.34)1.561.06(0.19)(0.19)0.24主體 C 債券 22.021.98(1.24)1.441.08(0.23)0.160.26主體 C 債券 32.600.16(0.95)2.010.65(0.45)(0.01)0.19主體 C：天津市大園區(qū)平臺2.281.37(1.18)1.670.93(0.29)(0.01)0.23主體 D 債券 11.612.92(3.60)3.550.481.773.

29、651.01主體 D 債券 21.662.96(3.76)3.580.401.893.701.01主體 D 債券 32.242.600.311.07(3.91)3.030.872.50主體 D：濱海新區(qū)中小平臺1.842.83(2.35)2.73(1.01)2.232.741.51主體 E 債券 12.501.42(1.32)1.800.94(0.26)(0.48)0.21主體 E 債券 21.843.17(0.40)0.920.011.792.44(1.99)主體 E 債券 30.532.05(0.59)0.681.27(0.60)2.570.55主體 E：保稅區(qū)大園區(qū)平臺1.622.21(

30、0.77)1.130.740.311.51(0.41)債券、平臺1/111/121/151/161/171/181/191/22資料來源：Wind，華西證券研究所總結(jié)：關(guān)注“擠水分”區(qū)域主平臺、弱平臺估值風險哪些省份進行過 GDP 數(shù)據(jù)調(diào)整（“擠水分”）？2017 年，遼寧省宣布所轄市、縣 2011-2014 年財政數(shù)據(jù)存在造假行為，累計虛增財政收入約占同期財政收入的 20%。2017 年，中共內(nèi)蒙古自治區(qū)第十屆委員會第五次全體會議確認部分經(jīng)濟數(shù)據(jù)不實，后經(jīng)審計核減 2016 年一般公共預算收入 530 億元，規(guī)模以上工業(yè)增加值 2,900 億元，并相應調(diào)整 GDP 數(shù)據(jù)。2017 年 12

31、月，審計署根據(jù)2017 年第三季度國家重大政策措施貫徹落實情況跟蹤審計結(jié)果宣布吉林、云南、湖南和重慶虛增財政收入 15.49 億元。2018 年 1 月，天津統(tǒng)計局宣布將濱海新區(qū) 2016 年 GDP 由 10,002.31 億元下調(diào)至 6,654 億元。2018 年 10 月，中共濟南市委發(fā)布“關(guān)于巡視整改進展情況的通報”，其中濟南市存在虛增財政收入現(xiàn)象。今年以來哪些省份在“擠水分”？截至 2020 年 1 月 22 日，全國共有 16 個省份根據(jù)四經(jīng)普結(jié)果對 2018 年名義GDP 進行了修訂，其中 7 個省份較初步核算數(shù)調(diào)增，9 個省份較初步核算數(shù)調(diào)減。從調(diào)整幅度看，黑龍江省下調(diào)幅度最大

32、，2018 年 GDP 最終核算數(shù)為 12,846.50 億元， 較初步核算數(shù)下調(diào)了 3,515.10 億元，下調(diào)幅度達 21.48%；安徽省上調(diào)幅度最大， 2018 年 GDP 最終核算數(shù)為 34,010.90 億元，較初步核算數(shù)上調(diào)了 4,004.10 億元，上調(diào)幅度高達 13.34%。華西證券版權(quán)所有發(fā)送給杭州同花順數(shù)據(jù)開發(fā)有限公司 p11哪些省份有“擠水分”風險？在尚未公布 2018 年全省生產(chǎn)總值最終核算數(shù)的省份中，有 9 個省份（廣東、湖北、江西、陜西、新疆、云南、重慶、甘肅、貴州）已經(jīng)公布 2019 年初步核算數(shù)但未公布是否對 2018 年數(shù)據(jù)進行調(diào)整。同時，尚有吉林、天津、河北

33、、江蘇、海南、西藏既未公布 2019 年初步核算數(shù)，也未公布 2018 年最終核算數(shù)。建議密切關(guān)注尚未披露 2018 年經(jīng)濟數(shù)據(jù)調(diào)整情況的省份：云南、貴州近年來基建投資增速高，2018 年經(jīng)濟增速下調(diào)的概率偏低；吉林與黑龍江、遼寧經(jīng)濟發(fā)展勢頭有較高相似度，或出現(xiàn)經(jīng)濟數(shù)據(jù)下調(diào)；考慮到天津 2018 年對濱海新區(qū) 2016 年GDP 進行大幅調(diào)整，重點建議關(guān)注天津市 2018 年 GDP 大幅下調(diào)風險?！皵D水分”對城投平臺收益率有何影響？2017 年 12 月 29 日至 2018 年 1 月 10 日，受歲末年初資產(chǎn)荒、跨年流動性緊張高峰已過影響，天津五家平臺債券收益率全面下行。2018 年 1

34、 月 11 日至 1 月 22 日，受“擠水分”事件影響，上述五家城投共十五只債券平均收益率全面反彈，平均收益率累計上行 8.18BP。哪些平臺債券收益率受“擠水分”影響較大？全市平臺普遍受影響：五家平臺分別代表直接相關(guān)大平臺、同城大平臺、直接相關(guān)中小平臺、同城相似大平臺、同城相似大中平臺，收益均上行。資質(zhì)越好、影響越大：受影響較大的是主體資質(zhì)最好、債券流動性最高的市直屬大型城投平臺，這可能歸因于二級市場成交活躍，對收益率估值產(chǎn)生影響。直接相關(guān)的平臺中、弱資質(zhì)的受影響較大：濱海新區(qū)資質(zhì)較一般的平臺債券收益率受事件影響更大?！皵D水分”對平臺債券收益率的影響如何傳導？事件披露前夕幾無先兆：1 月 11 日前三個交易日，五家平臺十五只債券收益率全面下行，僅濱海新區(qū)中小平臺債券收益率在 1 月 8 日出現(xiàn)小幅上行、該平臺一只債券在 1 月 10 日小幅上行，上述變動均為正常波動，無法作為事件前兆。同城市平臺受影響的時間幾乎一致：五個主體在事件披露當日均出現(xiàn)收益率上行，后續(xù)交易日的變動方向也基