利差数据库建模说明：信用利差算法详解

Tonesa  |  2021-02-21 15:03:31154 　　1、新增样本充实数据库

    　　2021 年农历春节以来，光大固收信用利差数据库迎来了更新，最大的变动在于新增了5000 余只含权债。此前部分行业由于样本点较少，信用利差曲线波动较大甚至出现了空值，无法完整反映行业信用资质变动，也影响了利差曲线的连续性，我们期望列入更多的样本以尽可能的解决上述问题。鉴于此，我们列入了部分含权债，但并不包括含有调整票面利率、回售、债券提前偿还、赎回等特殊条款的债券。

    　　随着债券市场向纵深发展，信用债违约进入常态化阶段，越来越多的信用债设置了特殊条款，在投资者权益保护与风险意识明显提高的背景下，预计这类含权债的发行仍会继续增加。我们列入这部分含权债，主要是基于扩充样本量、丰富发债主体以期更好的反映行业信用资质的考量。

    　　一方面，含权债的加入大大的丰富了样本数据，利差曲线的连续性得到了一定程度的改善。此外，纳入这部分含权债使得样本发债主体更加多元化。另一方面，也是更为重要的，零售行业周报第373期：春节数据局部喜人 可选品全面复苏零售行业周报第373期：春节数据局部喜人 可选品全面复苏列入样本库的含权债与不含权债的利差并无明显区别，不会对数据库造成本质影响。

    　　2、信用利差算法详解

    　　信用利差反映的是债券收益率与无风险收益之间的溢价，而这部分溢价由债券的期限、品种、特殊条款、信用风险等多重因素共同决定。我们将信用利差分解为共性利差和超额利差两部分。

    　　行业信用利差=function(个券收益率-同期限无风险收益率基准）行业超额利差=function(个券收益率-同期限同评级超额收益率基准）无风险收益率基准选择的是中债国债收益率曲线，超额收益率基准选择的是中债中票收益率曲线。

    　　中位数算法：避免绝大多数情况下异常值的影响，且算法更为稳定，不弃用数据的做法既保证了每一细分类别都有跟踪的利差数据输出，也避免了主观因素的影响。

    　　样本券种：公开发行的中期票据、短期融资券和超短期融资券，不纳入私募债，且不纳入企业债和公司债。此外，还需满足下述条件：1）不能设有“禁入条款”；2）外部评级处于AAA、AA+、AA（如有多家机构提供评级，且提供的评级不同的，按最高级别计）；3）不含外部增信。

    　　剩余期限：0.5Y-5Y，在这个期限区间内信用利差基本稳定，且这一区间段包含的债券数量较多，纳入了绝对大部分的中票、短融和超短融，能够很好的反映市场和行业的风险溢价。

    　　此外，我们还采用线性插值提高精度、个券收益率采用中债估值保证数据连续性。

    　　3、风险提示

    　　随着债券市场的发展，债券特殊条款出现新增，数据库样本券筛选标准可能会发生变动