關(guān)于違約的輻射效應(yīng)

1、目錄 HYPERLINK l _TOC_250010 1、 違約的輻射效應(yīng)才應(yīng)是關(guān)注的重點(diǎn) 3 HYPERLINK l _TOC_250009 2、 通過對(duì)輻射效應(yīng)的觀察，可以看到清晰的規(guī)律 4 HYPERLINK l _TOC_250008 、 資質(zhì)偏弱的地區(qū)及行業(yè)對(duì)違約產(chǎn)生的反應(yīng)更為明顯 4 HYPERLINK l _TOC_250007 、 經(jīng)濟(jì)實(shí)力偏弱地區(qū)出現(xiàn)違約，會(huì)更明顯地引起該地區(qū)產(chǎn)業(yè)債的信用利差走擴(kuò) 4 HYPERLINK l _TOC_250006 、 利差較高、資質(zhì)偏弱的行業(yè)可能會(huì)因違約而出現(xiàn)偏大的反應(yīng) 5 HYPERLINK l _TOC_250005 、 主體規(guī)模因素在資

2、質(zhì)偏弱的地區(qū)表現(xiàn)似乎更為明顯 5 HYPERLINK l _TOC_250004 、 社融周期處低位時(shí)的違約事件對(duì)地區(qū)利差的影響大于行業(yè)利差 6 HYPERLINK l _TOC_250003 3、 謹(jǐn)慎情緒的再修復(fù)過程較為漫長(zhǎng) 7 HYPERLINK l _TOC_250002 、 若因違約事件推高地區(qū)利差，修復(fù)需要較長(zhǎng)時(shí)間 7 HYPERLINK l _TOC_250001 、 違約后行業(yè)利差修復(fù)的過程至少需要 4 個(gè)季度 7 HYPERLINK l _TOC_250000 4、 風(fēng)險(xiǎn)提示 8圖表目錄圖 1： 2018-2020 年信用債違約呈現(xiàn)量?jī)r(jià)齊升之勢(shì) 3圖 2： 違約主體數(shù)量仍以民

3、營(yíng)企業(yè)為最 3圖 3： 經(jīng)濟(jì)實(shí)力偏弱地區(qū)出現(xiàn)違約后產(chǎn)業(yè)債的信用利差走擴(kuò)更為明顯 4圖 4： 偏離度指數(shù)與所在區(qū)域利差存在線性關(guān)系 4圖 5： 利差高的行業(yè)出現(xiàn)違約后的反應(yīng)偏大 5圖 6： 偏離度指數(shù)與所在行業(yè)利差存在線性相關(guān) 5圖 7： 遼寧違約主體規(guī)模與偏離度數(shù)值相關(guān)性較強(qiáng) 6圖 8： 山東違約主體規(guī)模與偏離度數(shù)值無(wú)明顯相關(guān)性 6圖 9： 河南違約主體規(guī)模與偏離度數(shù)值存在一定相關(guān)性 6圖 10： 河北違約主體規(guī)模與偏離度數(shù)值無(wú)明顯相關(guān)性 6圖 11： 社融同比增速處于低位時(shí)違約事件的影響更大 7圖 12： 社融同比增速處于低位時(shí)違約主體數(shù)量在高位 7圖 13： 敏感地區(qū)違約后利差的修復(fù)需要較

4、長(zhǎng)時(shí)間 8圖 14： 資質(zhì)較弱的行業(yè)出現(xiàn)違約后利差高點(diǎn)在第 T+3 月、T+6 月概率較大 81、 違約的輻射效應(yīng)才應(yīng)是關(guān)注的重點(diǎn)近年的債券違約變得愈發(fā)密集。自 2014 年至 2020 年 10 月末，全國(guó)有 175 家發(fā)行主體合計(jì)觸發(fā)信用違約 600 余起，累計(jì)違約金額達(dá) 5600 億元。按地域分，北京、廣東、山東、江蘇及遼寧的違約案例較多；按企業(yè)性質(zhì)分，民企的違約概率更大；按行業(yè)分，商貿(mào)、機(jī)械設(shè)備、化工的違約主體數(shù)量相對(duì)較多。一旦違約發(fā)生，除了事后處置之外，投資者更為關(guān)心的問題是：信用違約是否會(huì)影響他們的持倉(cāng)。圖1：2018-2020 年信用債違約呈現(xiàn)量?jī)r(jià)齊升之勢(shì)500402014年 2

5、015年2016年2017年2018年2019年2020年30400353002520200151001053月1月4月8月12月3月7月10月1月4月7月11月2月5月8月11月2月5月8月11月2月5月8月00違約債券總數(shù)量（右軸）違約日債券總余額(億)數(shù)據(jù)來(lái)源：Wind、開源證券研究所圖2：違約主體數(shù)量仍以民營(yíng)企業(yè)為最公眾企業(yè)民營(yíng)企業(yè)外資及其他中央及地方國(guó)有企業(yè)2015105北京廣東省山東省江蘇省遼寧省浙江省上海 河南省福建省安徽省天津 河北省內(nèi)蒙古自治區(qū)四川省湖北省吉林省甘肅省重慶黑龍江省陜西省廣西壯族自山西省寧夏回族自湖南省 云南省新疆維吾爾青海省0數(shù)據(jù)來(lái)源：Wind、開源證券研究所

6、違約事件對(duì)其他未違約信用債的影響稱為違約的輻射效應(yīng)，這種輻射效應(yīng)理論上存在兩個(gè)維度：對(duì)本地區(qū)的影響以及對(duì)本行業(yè)的影響。為了量化這些影響，我們截取歷次信用違約前 6 個(gè)月及后 2 個(gè)月的地區(qū)利差及行業(yè)利差。同時(shí)，為了盡可能過濾掉系統(tǒng)性因素帶來(lái)的影響，我們以地區(qū)利差及行業(yè)利差與總的產(chǎn)業(yè)債利差的回歸殘項(xiàng)（偏離度）為觀察出發(fā)點(diǎn)。一般來(lái)說，地區(qū)利差及行業(yè)利差的殘差項(xiàng)在違約前后會(huì)出現(xiàn)或多或少的上行，我們以在這個(gè)時(shí)間區(qū)間內(nèi)殘差項(xiàng)的上行幅度作為地區(qū)或行業(yè)對(duì)違約事件反應(yīng)程度的量化結(jié)果。2、 通過對(duì)輻射效應(yīng)的觀察，可以看到清晰的規(guī)律、 資質(zhì)偏弱的地區(qū)及行業(yè)對(duì)違約產(chǎn)生的反應(yīng)更為明顯、 經(jīng)濟(jì)實(shí)力偏弱地區(qū)出現(xiàn)違約，會(huì)更

7、明顯地引起該地區(qū)產(chǎn)業(yè)債的信用利差走擴(kuò)只有經(jīng)濟(jì)實(shí)力偏弱或違約風(fēng)險(xiǎn)偏大的地區(qū)出現(xiàn)信用違約，信用違約事件才會(huì)更明顯地引起該地區(qū)其他產(chǎn)業(yè)債的信用利差走擴(kuò)。如果以地區(qū)的平均信用利差水平作為市場(chǎng)對(duì)該地區(qū)的風(fēng)險(xiǎn)定價(jià)，可以發(fā)現(xiàn)，地區(qū)的平均信用利差水平與地區(qū)利差對(duì)發(fā)生于當(dāng)?shù)氐倪`約事件的平均反應(yīng)之間存在正相關(guān)性。信用等級(jí)較高的地區(qū)，違約更容易被市場(chǎng)看做為相對(duì)獨(dú)立的事件；而信用等級(jí)低的地區(qū)，當(dāng)違約事件發(fā)生，市場(chǎng)往往傾向解讀為區(qū)域性風(fēng)險(xiǎn)增加。圖3：經(jīng)濟(jì)實(shí)力偏弱地區(qū)出現(xiàn)違約后產(chǎn)業(yè)債的信用利差走擴(kuò)更為明顯450400350300250200150100寧夏回族自青海省 貴州省 吉林省內(nèi)蒙古自治區(qū)河南省黑龍江省云南省廣西壯

8、族自重慶湖南省新疆維吾爾浙江省 江蘇省 安徽省 遼寧省 山東省 山西省 四川省 甘肅省 福建省天津河北省湖北省陜西省上海 廣東省北京500平均利差偏離度指數(shù)數(shù)據(jù)來(lái)源：Wind、開源證券研究所圖4：偏離度指數(shù)與所在區(qū)域利差存在線性關(guān)系y = 2.0162x - 215.7R = 0.71495004003002001000(100)050100150200250300數(shù)據(jù)來(lái)源：Wind、開源證券研究所、 利差較高、資質(zhì)偏弱的行業(yè)可能會(huì)因違約而出現(xiàn)偏大的反應(yīng)行業(yè)維度出現(xiàn)與地區(qū)維度相似的現(xiàn)象。當(dāng)違約出現(xiàn)在利差較高、資質(zhì)偏弱的行業(yè)中，該行業(yè)可能會(huì)因違約而出現(xiàn)偏大的反應(yīng)。譬如：紡織服裝、農(nóng)林牧漁、化工、

9、電子、商業(yè)貿(mào)易這些利差原本較高的行業(yè)一旦出現(xiàn)違約，可能產(chǎn)生比其他行業(yè)更明顯的不利反應(yīng)。但據(jù)分析數(shù)據(jù)顯示，當(dāng)某個(gè)主體違約時(shí)，對(duì)地區(qū)的連帶影響要高于對(duì)行業(yè)的連帶影響。圖5：利差高的行業(yè)出現(xiàn)違約后的反應(yīng)偏大14012010080604020030025020015010050紡織服裝農(nóng)林牧漁化工電子商業(yè)貿(mào)易電氣設(shè)備醫(yī)藥生物房地產(chǎn) 鋼鐵計(jì)算機(jī)有色金屬建筑材料建筑裝飾機(jī)械設(shè)備傳媒通信食品飲料綜合汽車采掘交通運(yùn)輸國(guó)防軍工公用事業(yè)0平均利差平均偏離度數(shù)據(jù)來(lái)源：Wind、開源證券研究所圖6：偏離度指數(shù)與所在行業(yè)利差存在線性相關(guān)y = 0.923x + 83.844R = 0.51183002502001501

10、00500020406080100120140數(shù)據(jù)來(lái)源：Wind、開源證券研究所、 主體規(guī)模因素在資質(zhì)偏弱的地區(qū)表現(xiàn)似乎更為明顯其二，對(duì)于資質(zhì)偏弱的地區(qū)，主體規(guī)模與違約事件在該地區(qū)所掀起波瀾之間的相關(guān)性似乎略大于資質(zhì)偏優(yōu)的地區(qū)。我們選取幾個(gè)違約樣本較多的省份作為案例觀測(cè)，發(fā)現(xiàn)資質(zhì)一般的遼寧和河南的違約主體規(guī)模與其當(dāng)?shù)乩罘磻?yīng)幅度之間的相關(guān)性稍強(qiáng)于資質(zhì)略優(yōu)的山東和河北。圖7：遼寧違約主體規(guī)模與偏離度數(shù)值相關(guān)性較強(qiáng)圖8：山東違約主體規(guī)模與偏離度數(shù)值無(wú)明顯相關(guān)性25002000150010005000806040200y = 0.0374x + 25.01R = 0.8141201005040302

11、01004003002001000y = 2.4702x + 144.95R = 0.0214600500數(shù)據(jù)來(lái)源：Wind、開源證券研究所數(shù)據(jù)來(lái)源：Wind、開源證券研究所圖9：河南違約主體規(guī)模與偏離度數(shù)值存在一定相關(guān)性圖10：河北違約主體規(guī)模與偏離度數(shù)值無(wú)明顯相關(guān)性200150100500500y = 0.7296x + 130.92R = 0.3985300250200150100-50050403020100150010005000y = -32.036x + 1513.3R = 0.347425002000數(shù)據(jù)來(lái)源：Wind、開源證券研究所數(shù)據(jù)來(lái)源：Wind、開源證券研究所、 社融周

12、期處低位時(shí)的違約事件對(duì)地區(qū)利差的影響大于行業(yè)利差其三，發(fā)生于社融周期低位的違約事件對(duì)地區(qū)利差可能會(huì)引起偏大的反應(yīng)，但對(duì)行業(yè)利差影響不大。因信用風(fēng)險(xiǎn)的本質(zhì)是再融資風(fēng)險(xiǎn)，因此，當(dāng)社融周期處于低位時(shí)，融資往往相對(duì)困難。在此融資困難階段若出現(xiàn)違約，對(duì)地區(qū)利差會(huì)產(chǎn)生更大的不利影響。然而，這個(gè)規(guī)律在行業(yè)利差上體現(xiàn)得并不清晰，其原因應(yīng)該是違約對(duì)行業(yè)的影響弱于對(duì)地區(qū)的影響。圖11：社融同比增速處于低位時(shí)違約事件的影響更大40035030025020015010050021%16%11%2014/012014/052014/092015/012015/052015/092016/012016/052016/09

13、2017/012017/052017/092018/012018/052018/092019/012019/052019/092020/012020/052020/096%偏離度指數(shù)社融存量規(guī)模同比（右軸）數(shù)據(jù)來(lái)源：Wind、開源證券研究所圖12：社融同比增速處于低位時(shí)違約主體數(shù)量在高位821%76516%4311%212014/012014/052014/092015/012015/052015/092016/012016/052016/092017/012017/052017/092018/012018/052018/092019/012019/052019/092020/012020/0

14、506%違約次數(shù)社融存量規(guī)模同比（右軸）數(shù)據(jù)來(lái)源：Wind、開源證券研究所3、 謹(jǐn)慎情緒的再修復(fù)過程較為漫長(zhǎng)、 若因違約事件推高地區(qū)利差，修復(fù)需要較長(zhǎng)時(shí)間一旦違約事件推高了地區(qū)利差，地區(qū)利差再回到原點(diǎn)需要較長(zhǎng)的時(shí)間。以敏感地區(qū)為例，取違約發(fā)生前后各 2 個(gè)季度的時(shí)間為界，可以發(fā)現(xiàn)，利差上行的起始點(diǎn)集中于事件發(fā)生當(dāng)月或提前若干月，但對(duì)于絕大多數(shù)案例來(lái)說，其利差的偏離度在違約發(fā)生后 6 個(gè)月無(wú)法回到啟動(dòng)前的低點(diǎn)。如果對(duì)地區(qū)利差影響大（70bp 以上）的案例進(jìn)行統(tǒng)計(jì)，會(huì)發(fā)現(xiàn)在 70%的案例中，當(dāng)時(shí)激增的利差至今尚未回到原點(diǎn)，而剩余的 30%案例平均回歸時(shí)長(zhǎng)為 13.5 個(gè)月。、 違約后行業(yè)利差修復(fù)的過程至少需要 4 個(gè)季度對(duì)行業(yè)利差同樣如此，即使完成修復(fù)的行業(yè)，其修復(fù)時(shí)長(zhǎng)需要一年有余。行業(yè)利差變化所指向的結(jié)果與地區(qū)利差非常相似，利差抬升的啟動(dòng)點(diǎn)大部分集中在違約前 5-6 個(gè)月以及當(dāng)月，在違約后的 6 個(gè)月內(nèi)利差回落至起始點(diǎn)附近的情況非常罕見。同樣，統(tǒng)計(jì)影響較大（70bp 以上）的案例，有 63%的案例至今利差未回到起點(diǎn)，而在剩余的修復(fù)成功的案例中，平均修復(fù)時(shí)長(zhǎng)為 13.6 個(gè)月。圖13：敏感地區(qū)違約后利差的修復(fù)需要較長(zhǎng)時(shí)間181614121086420高點(diǎn)數(shù)量啟動(dòng)數(shù)量回歸數(shù)量數(shù)據(jù)來(lái)源：Wind、開源證券研究所遼寧近