方法对比和应用场景

1、目录四类信用框架的介绍和对比 5定性跟踪分析法 5综合打分法 7关键指标归因法 7上游指标研判超额利差法 8信用风险的定义和复盘 9信用风险“寻锚” 9财务指标和信用风险的对标分析 12供给侧改革的扰动 15贸易摩擦和内循环对各行业的影响 16自上而下探寻行业利差的方法初探 18周期嵌套和行业信用周期 21四类方法比较和应用场景分类 242020 年 9 月 11 日行业信用策略 2图表目录 HYPERLINK l _TOC_250024 图表 1. 全文研究目的及脉络 5 HYPERLINK l _TOC_250023 图表 2. 2020 年二季度各行业财务指标的四色灯机制 6 HYPER

2、LINK l _TOC_250022 图表 3. 2010 年至今部分行业一级财务指标红黄绿灯信用监测情况 6图表 4.各行业综合评分和广义信用风险的对比 7图表 5. 行业利差相对综合评分的背离会逐步修正 7图表 6. ROE 和 ROIC 关联推导 8图表 7. 各行业的 ROE-ROIC 分布和变迁 8 HYPERLINK l _TOC_250021 图表 8. 国统局口径月频工业企业数据回测申万行业季度财务数据的过程 8图表 9. 按照违约情况测算的狭义违约率走势 9图表 10. 广义和狭义口径信用风险大体接近 9图表 11. 违约企业从民企扩展到国企领域 9图表 12. 违约企业从非

3、上市扩展到上市公司 9 HYPERLINK l _TOC_250020 图表 13. 申万非金融行业 2014-2020 年期间的实质性违约率变化 10 HYPERLINK l _TOC_250019 图表 14. 周期性行业对债券融资的依赖度更高 11图表 15. 中低评级超额利差反映债券违约风险 11图表 16. 高评级超额利差反映流动性风险 11 HYPERLINK l _TOC_250018 图表 17. 分行业的超额利差 Z 值变化 12 HYPERLINK l _TOC_250017 图表 18. 非金融产业信号灯和广义/狭义信用口径对比 12 HYPERLINK l _TOC_2

4、50016 图表 19. 分行业的信用债违约矩阵和红黄绿灯定性打分法 13图表 20. 标准化评分和广义信用风险的关联化 13图表 21. 财务指标和广义/狭义信用风险的相关性 13 HYPERLINK l _TOC_250015 图表 22. 分行业的债券信用违约矩阵和综合财务评分 14 HYPERLINK l _TOC_250014 图表 23. 各种财务指标对前十大存量债余额行业超额利差间领先-相关矩阵 14图表 24. 产业债超额利差和综合评分走势大体趋同 15图表 25. 广义信用环境和 ROIC 的背离和供给侧改革有关 15 HYPERLINK l _TOC_250013 图表 2

5、6. 非供给侧改革行业的 ROIC（右）和违约率更加接近 15 HYPERLINK l _TOC_250012 图表 27. 过剩产能信用风险在 2013 年初现端倪 16 HYPERLINK l _TOC_250011 图表 28. 中美贸易摩擦时间线和产业债信用利差走势图 16图表 29. 贸易摩擦三阶段各行业利差变动 17图表 30. 各行业外需依赖度纵览 17 HYPERLINK l _TOC_250010 图表 31. 三类数据测试分行业财务指标和信用利差的概念图 18 HYPERLINK l _TOC_250009 图表 32. 和各行业超额利差对应的月频宏观数据和产业高频数据汇总

6、 19 HYPERLINK l _TOC_250008 图表 33. 宏/中观、高/低频数据对各行业利差的领先/滞后关系传导图 202020 年 9 月 11 日行业信用策略 3 HYPERLINK l _TOC_250007 图表 34. 主要行业超额利差的领先指标汇总 20图表 35. 库存周期和信用周期关系密切 21图表 36. 产能周期和信用周期拐点接近 21 HYPERLINK l _TOC_250006 图表 37. 化工行业产出缺口和信用利差走势 22 HYPERLINK l _TOC_250005 图表 38. 采掘行业信用利差和产出缺口走势 22 HYPERLINK l _T

7、OC_250004 图表 39. 全行业指标和分行业指标在库存周期中的领先-滞后传导 22 HYPERLINK l _TOC_250003 图表 40. 库存周期各阶段分行业利差变动情况 23 HYPERLINK l _TOC_250002 图表 41. 四类信用策略的对比和应用场景 24 HYPERLINK l _TOC_250001 图表 42. 非银资金面紧张导致整体信用的超调 25 HYPERLINK l _TOC_250000 图表 43. 广义基金配债力量 2016 年中后趋弱 252020 年 9 月 11 日行业信用策略 4四类信用框架的介绍和对比本文介绍了几种常见的信用策略，

8、复盘了历史不同时段各种策略的精准程度，结合供给侧改革、中美贸易摩擦等阶段主题，给出各类信用策略适宜的应用场景，以及各类方法失误的共通原因。中观层面常见的信用策略包括如下几种：定性跟踪分析法，根据各财务指标的当期环比变动、所处该行业历史点位，采取定性的手段进行风险提示。综合打分法，将一级、二级科目的财务指标降维成标准化的综合得分定量比较，挑选出优质行业，或和信用利差比较挖掘被错杀的行业和个券。关键指标归因法，如根据杜邦分析法中的 ROIC 和 ROE 双维度来判断行业的基本面。产业数据研判法，前几类自下而上的方法切入点在财务指标，囿于季报公布稍滞后，因此只能做右侧或者寻找错杀品种。如果从高频、前

9、瞻、反应相对灵敏的宏观和产业数据入手，自上而下找到其与行业利差、财务指标间关联，则有助于提前研判行业利差的变动，布局左侧。图表 1. 全文研究目的及脉络资料来源：万得，中银证券定性跟踪分析法虽然我们研究的样本范围是比上市公司更广的发债企业，但由于未上市的发债企业财务数据不完整，因此选取的样本为 A 股非金融企业。在第一类定性的方法下，我们分 4 个一级大类指标、及下属的 29 个二级明细指标进行搜集整理，根据二级明细指标最新一期的值和历史中枢对比、较上一期变化情况，划分为红、粉、黄、绿四种颜色的信号灯判定信用风险（风险依次减弱）。2020 年 9 月 11 日行业信用策略 52020Q2农林牧

10、渔 采掘 化工 钢铁 有色金属 电子 家用电器 食品饮料 纺织服装 轻工制造 医药生物 公用事业 交通运输 房地产 商业贸易 休闲服务 综合 建筑材料 建筑装饰 电气设备 国防军工 计算机 传媒 通信 非银金融 汽车 机械设备图表 2. 2020 年二季度各行业财务指标的四色灯机制盈利与收益状态营收(当期）营收增长率 营业利润率 净利润(当期)净利润增长率净利率EBIT总资产收益率ROA净资产收益率现金流量经营活动现金流：当期 经营活动现金流：增长率 投资活动现金流净额：当期筹资活动现金流：当期收现比付现比应收账款周转率存货周转率资负结构总债务资本比 长期债务资本比债务权益率资产负债率短期债务

11、比率偿还程度总债务净债务经营活动现金流/总债务货币资金/短期债务流动比率速动比率到期债务偿付比率利息覆盖倍数绿灯：边际转好且高于历史均值黄灯：边际转差但高于历史均值粉灯：边际转好但低于历史均值红灯：边际转差且低于历史均值资料来源：万得，中银证券由于财务指标条目较多，我们用“定性”和“降维”的思路抽象成盈利与收益状态、现金流量、资负结构、偿还程度四大维度来评判，再根据每个大类指标下面二类明细指标的向好比例，风险由高到低依次划分成红、黄、绿三色灯来追踪。这种方法适用于纵向对比某一行业信用在历史中的相对优劣，观察各行业财务指标边际变化，但不适合各行业的横向比较。钢铁盈利与收益 现金流量 资负结构 偿

12、还程度化工盈利与收益现金流量 资负结构 偿还程度采掘盈利与收益 现金流量 资负结构 偿还程度农林牧渔盈利与收益现金流量 资负结构 偿还程度有色金属盈利与收益现金流量 资负结构 偿还程度历史序列图表 3. 2010 年至今部分行业一级财务指标红黄绿灯信用监测情况2020/6/302020/3/312019/12/312019/9/302019/6/302019/3/312018/12/312018/9/302018/6/302018/3/312017/12/312017/9/302017/6/302017/3/312016/12/312016/9/302016/6/302016/3/312015

13、/12/312015/9/302015/6/302015/3/312014/12/312014/9/302014/6/302014/3/312013/12/312013/9/302013/6/302013/3/312012/12/312012/9/302012/6/302012/3/312011/12/312011/9/302011/6/302011/3/312010/12/312010/9/302010/6/302010/3/31绿灯：明细指标平均得分=3,=2,3红灯：明细指标平均得分2资料来源：万得，中银证券2020 年 9 月 11 日行业信用策略 6综合打分法为了克服上述方法仅做定性

14、分析且只适用于纵向比较的两个不足，我们引用综合打分法。该方法是根据行业横向和历史序列纵向的比较，进行标准化打分，从复杂的财务指标中抽象降维成单一的综合打分，来衡量其财务健康程度、偿还债务的能力。通过比对综合得分和行业利差，我们可以发现存在市场错误定价的行业，如 2020 年一季度电气设备、农林牧渔、通信、轻工制造四个行业利差相对于综合得分是偏高的，行业收益率、信用利差存在高估。由于财报的发布时点较生产经营活动实际发生时点要滞后，所以综合得分也是滞后指标，但行业利差会跟随综合得分进行修正，向合理定价收敛。如 2020 年一季报发布期的一个月内，上述四个行业利差逐渐修复，在大多数行业利差上行时，该

15、四类行业上述幅度最小，纺服甚至出现下降。图表 4.各行业综合评分和广义信用风险的对比图表 5. 行业利差相对综合评分的背离会逐步修正100%轻工制造0.7公用事业90%80%2020 370%年0.60.520200.4商业贸易综合建筑材料 交通运输有色金属机械设备钢铁采掘家用电器月 60%各年 0.3化工 电子计算机4行业 50%超额利 40%差电气设备纺织服装汽车家用电器月 超 0.2额较利 差 0.1传媒房地产医药生物食品饮料休闲服务通信农林牧渔轻工制造，横 30%向分位 20%数农林牧渔有色金属计算机月 变 0.03化率-0.1建筑装饰电气设备10%电子钢铁采掘化工休闲服务商业贸易综合

16、建筑装饰医药生物-0.2纺织服装食品饮料机械设备传媒 房地产通信建筑材料公用事业交通运输0%国防军工-0.30% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%20Q1各行业综合打分，横向分位数-1-0.8-0.6-0.4-0.200.20.40.60.812020年1季度超额利差相对于季报综合评分高估程度资料来源：万得，中银证券资料来源：万得，中银证券关键指标归因法并非所有财务指标对公司偿债能力都有影响，相比全面扫描，寻找特定的关键指标有时更为有效。如根据 ROE 和 ROIC 两个指标动态判断各行业潜在盈利能力，以推测其偿债能力。ROE 反映股东权益的收益

17、水平，根据杜邦分析法的拆解，其运算过程中包含杠杆率、周转率、净利率等多个明细的财务指标，用以衡量公司运用自有资本的效率，但也容易受到异常财务杠杆的影响；而 ROIC 剔除了资本结构变动的影响，站在债权人和股东的角度来衡量经营利润率，反映企业创造价值的能力。综合两个指标能较为充分、合理地跟踪行业信用变迁，如 2020 年中报 ROE-ROIC 的分布较 2019 年中报整体向左下角迁移，反映出新冠疫情影响下多数行业投资回报不及去年同期。2020 年 9 月 11 日行业信用策略 7图表 6. ROE 和 ROIC 关联推导图表 7. 各行业的 ROE-ROIC 分布和变迁142020Q22019

18、Q212食品饮料108ROIC(%)农林牧渔6家用电器汽车4钢铁医药生物建筑装饰商业贸易2通信采掘0化工建筑材料机械设备公用事业房地产休闲服务-2交通运输有色金属-202468101214ROE(%)资料来源：万得，中银证券资料来源：万得，中银证券上游指标研判超额利差法前述三种依托财务数据的评估方法，无论目的是寻找错杀（信用利差中市场估错的部分），还是评判违约风险（财务指标隐含，但信用市场还没有体现的债券违约、信用利差走阔等），都是用财务指标自下而上去和信用风险进行回测，财务数据领先于信用风险是基础前提。但在债券交易中把握左侧更为重要，下文我们将引入三组数据：国统局月频的工业企业数据、300

19、多个高频产业数据、70多个宏观经济指标，对申万口径的财务数据、行业利差做相关性和领先性测试，试图找到前瞻指标或者具有风险提示效果的指标。图表 8. 国统局口径月频工业企业数据回测申万行业季度财务数据的过程资料来源：万得，中银证券2020 年 9 月 11 日行业信用策略 8信用风险的定义和复盘信用风险“寻锚”在评判某一框架是否适用于特定情景下的信用分析时，我们首先需要找到合适的锚。狭义的信用风险即债券无法按时兑付本息，我们用债券违约率来表示。首次违约率和累积性质的实质违约率走势基本接近，我们统一采用实质违约率。广义的信用风险是信用利差，不仅包括债熊或者 risk-on 环境下信用债难以出手的流

20、通风险，还包括债券违约风险，风险来源在不同阶段各有侧重。图表 9. 按照违约情况测算的狭义违约率走势图表 10. 广义和狭义口径信用风险大体接近 违约率（数量口径）违约率（金额口径）首次违约率（数量口径,右）首次违约率（金额口径,右） 实质性违首次违约)比重(右约比重0.6%0.12%0.16%0.12%0.04%0.03%0.5%0.4%0.10%0.08%0.08%0.02%0.3%0.06%0.2%0.04%0.04%0.01%0.1%0.02%0.00%20142015201620172018201920200.00%0.0%20142015201620172018201920200.

21、00%资料来源：万得，中银证券资料来源：万得，中银证券，注：广义和狭义口径违约率为什么出现过两次比较明显的背离（2017H 和 2019 下半年）。狭义信用风险以违约率定义的狭义风险方面，2014 年来信用债违约从民企向国企扩散，从非上市向上市公司扩散。 2014、2017 年发生违约的信用债发行主体全部为民营企业，但近 23 年也有部分国有企业发生违约。此外，近年来发生违约的发债主体中上市公司占比明显增加，以 2016 年为分界线，20142016 年间违约的发债企业中上市公司占比居于 20%以下，但 2017 年以来持续在 30%之上。图表 11. 违约企业从民企扩展到国企领域图表 12.

22、 违约企业从非上市扩展到上市公司家 违约民营企业违约国有企业家违约上市公司违约上市公司占比（右） 5 510911718731337571%82%78%91%87%100%100%50民营企业占比（右）4540353025201510502014201520162017201820192020100%80%60%40%20%0%2038%0%0 1 33412%20%1531%1633%38%181614121086420201420152016201720182019202040%35%30%25%20%15%10%5%0%资料来源：万得，中银证券；注：2020 年截至 8 月末，下图同。资

23、料来源：万得，中银证券2020 年 9 月 11 日行业信用策略 9为了研究不同行业特征，我们同时进行了分行业的广义/狭义信用风险监测。从行业维度上看，信用风险逐渐由周期性行业向非周期性行业扩张。和发达经济体企业融资结构中债券和贷款“平分秋色”的格局不同，我国企业对银行业贷款依赖程度相对较高。而建筑、采矿、公共事业、地产等周期性行业对债券融资的依赖度相对较高，因此在融资政策收紧、信用环境紧缩时违约风险也是首当其冲。20142016 年间发生实质性违约的行业主要集中在电气设备、化工、机械设备、建筑材料等周期性行业为主。而到了 20172018 年间，除了一般的周期性行业，农林牧渔、食品饮料、纺织

24、服装等终端消费行业也相继出现了实质性违约。这类行业违约的主因是企业经营高度依赖外部融资且受到经济周期的溢出效应。2019 年以来，计算机、电子、机械设备和商业贸易等行业相继出现了违约，2020 年以来通信、汽车行业出现违约，实质性违约的行业逐步扩大到非周期行业。图表 13. 申万非金融行业 2014-2020 年期间的实质性违约率变化2014201520162017201820192020采掘0.00%0.00%0.34%0.00%1.62%0.00%0.00%传媒0.00%0.00%0.00%0.00%1.14%0.00%1.29%电气设备0.00%11.74%0.00%0.00%0.00%

25、0.00%0.00%电子0.00%0.00%0.00%0.88%0.75%5.35%0.00%房地产0.00%0.00%0.00%0.00%0.28%0.24%0.00%纺织服装0.24%1.16%0.00%0.07%4.06%2.63%0.00%非银金融0.00%0.00%0.00%0.00%0.08%0.00%0.00%钢铁0.00%0.00%1.77%0.00%0.16%0.00%0.00%公用事业0.00%0.00%0.00%0.05%0.41%0.00%0.00%国防军工0.00%0.00%1.52%0.00%0.00%0.00%0.00%化工0.10%0.10%1.02%0.00%

26、1.31%8.11%0.00%机械设备0.02%1.31%1.93%0.00%0.68%1.30%0.26%计算机0.00%0.00%0.00%0.00%0.00%34.14%0.00%建筑材料0.00%1.30%0.00%0.00%0.00%0.00%0.00%建筑装饰0.00%0.01% 0.50%0.05%0.20%0.47%0.02%交通运输0.00%0.02%0.01%0.66%0.06%0.00%0.00%农林牧渔0.00%0.00%0.00%0.23%4.20%1.02%0.00%汽车0.00%0.00%0.00%0.00%0.00%4.46%0.30%轻工制造0.00%0.00

27、%0.16%0.00%0.00%5.05%0.00%商业贸易0.00%0.08%1.33%0.00%7.14%1.03%0.10%食品饮料0.00%0.08%0.01%0.00%3.49%4.47%0.00%通信0.00%0.00%0.00%0.00%0.00%1.25%1.13%休闲服务0.00%0.00%0.00%0.00%0.00%0.00%0.00%医药生物0.00%0.00%0.00%0.00%1.04%0.15%2.03%有色金属0.00%0.00% 0.28%0.00%0.82%0.38%0.00%综合0.00%0.00%0.00%0.03%0.80%0.96%0.10%资料来源

28、：万得，中银证券2020 年 9 月 11 日行业信用策略 10图表 14. 周期性行业对债券融资的依赖度更高( )30 银行信贷占比2520租赁和商务服务业交通运输、仓储和邮政业制造业15房地产业10水利、环境和公共设施管理业5电力、热力、燃气及水生产和供应业采矿业建筑业债券存量占比( )0051015202530资料来源：万得，中银证券；注：横轴表示主要发债行业存量债券占这些行业总存量债金额比重，纵轴表示银行信贷投向各个行业的占比，数据采取 2019 年银行年报和 2019 年末托管数据。广义信用风险以产业债信用利差衡量的广义风险，大致经历了两个阶段：2018 年之前信用债违约只是小规模爆

29、发，信用利差反映的主要是流动性风险，和三个月期 Shibor 利率走势接近；2018 年后违约案例的数量、金额双双提高，产业债的信用利差更多体现的是违约风险溢价。分信用资质来看，2014 年以来中低评级（AA+）产业债的超额利差和违约率走势一致，而高评级(AAA)产业债具有类似利率债的特征，追随货币市场利率波动。图表 15. 中低评级超额利差反映债券违约风险图表 16. 高评级超额利差反映流动性风险0.16%0.12%0.08%0.04%0.00%(BP) 违约率（数量口径）违约率（金额口径）产业债AA+（右）超额利差160140120100806040200超额利差(BP)AAA产业债SHI

30、BOR 3M(右)5045403530252015105利率（ ）6543212014201520162017201820192020201220132014201520162017201820192020资料来源：万得，中银证券资料来源：万得，中银证券2020 年 9 月 11 日行业信用策略 11图表 17. 分行业的超额利差 Z 值变化Z值全体 采掘 传媒 电气设备 电子 房地产 纺织服装 非银金融 钢铁 公用事业 国防军工 化工 机械设备 计算机 家用电器 建筑材料 建筑装饰 交通运输 农林牧渔 汽车 轻工制造 商业贸易 食品饮料 通信 休闲服务医药生物有色金属 综合 煤炭开采 水泥制

31、造 电力 港口 机场 高速公路 航空运输 铁路运输 航运 专用设备 通用机械2020-09 26% 20% 179% 212% -18% -21% -40% -29% 38% 310% -16% -33% -2% 209% 279% -70% 71% 41% 73% 50% 231% 93% -9% -34% 36% 166% -47% 15% 31% -63% 327% 66% -70% 75% -35% -165% 9% -12% 69%2020-06 45% 33% 184% 229% -16% -40% -9% -20% 34% 337% 37% -11% -2% 236% 249%

32、-53% 51% 50% 86% 46% 230% 44% 72% -24% 61% 106% -46% 36% 46% -46% 356% 95% -70% 33% -24% -115% 135% -21% 129%2020-03 -3% -17% 129% 213% -70% -31% 122% -64% -31% 197% -83% -22% -43% 164% 241% -90% 24% -40% 162% -62% 195% -21% 58% -23% 31% 58% -70% -6% 4% -83% 191% -14% -70% -72% -67% -77% 21% -40% 20

33、0%2019-12 13% -21% 130% 204% -42% -23% 126% -54% -43% 252% -51% -31% -43% 212% 205% -88% 72% -58% 246% -32% 193% 32% -33% 69% 112% 88% -67% 55% -20% -80% 252% -26% -57% -49% -51% -20% -21% -58% 196%2019-09 87% 25% 171% 172% 6% 38% 186% -20% -13% 202% 36% 64% -21% 179% 135% -67% 135% -24% 234% 16% 18

34、8% 126% 158% 235% 143% 159% -3% 133% 26% -59% 172% 39% -52% -24% -36% -11% 204% -19% -200%2019-06 98% 26% 118% 154% 268% 60% 137% 29% -22% 71% -48% 47% -11% 131% 100% -73% 177% -35% 187% 51% 170% 124% 106% 178% 105% 141% 10% 176% 15% -65% 1% 58% 258% -41% -45% -54% 128% -12% -82%2019-03 177% 39% 142

35、% 149% 284% 88% 177% 89% -13% -37% 23% 102% 44% 139% 74% -47% 182% -6% 161% 36% 173% 217% 135% 289% 208% 205% 51% 201% 33% -41% -35% 116% -36% -10% 2% -61% 17% 9% -75%2018-12 204% 59% 180% 122% 258% 130% 170% 124% -2% -38% 75% 142% -14% 116% 103% -22% 163% -25% 115% 46% 143% 207% 188% 343% 199% 253%

36、 118% 192% 50% -31% -36% 232% 65% -8% -8% -74% -28% 10% -23%2018-09 236% 63% 207% 69% 158% 168% 272% 157% -5% -38% 66% 156% 42% 61% 117% 43% 161% 31% 37% 164% 115% 201% 196% 165% 104% 268% 186% 209% 56% 33% -36% 329% 369% 23% 12% -76% 16% 31% -25%2018-06 173% 41% 111% 37% 62% 87% 168% 102% 11% -39%

37、-85% 57% 112% -68% 68% 30% 146% 13% -9% 173% 48% 177% 121% 83% 79% 122% 148% 153% 30% 25% -36% 134% 121% 28% 83% -85% 71% 53% -78%2018-03 121% 10% -18% 11% -26% 2% 25% 62% 2% -36% -45% 33% 70% -47% 17% 27% 127% 46% -52% 130% -26% 149% 159% -2% 109% 31% 97% 95% -1% 30% -36% 127% 287% 21% 341% -99% 74

38、% 89% -125%2017-12 84% 5% -25% -1% -37% -54% -30% 39% -4% -38% -96% 39% 64% -61% 3% 13% 100% 73% -54% 92% -38% 92% 101% -19% 127% 7% 55% 67% 12% 23% -36% 95% 53% 7% 170% -65% 56% 99% -129%2017-09 65% 33% -32% -26% -46% -101% -44% -2% -8% -38% -97% 47% 68% -60% -4% 75% 50% 19% -35% 13% -52% 83% 61% -

39、19% 48% -10% 69% 35% 22% 33% -36% 77% -36% -2% 136% -40% 45% 39% -88%2017-06 89% 107% -49% -36% -26% -67% -9% 38% 45% -38% 23% 77% 135% -39% -21% 110% 90% 85% -53% 95% -43% 66% 62% -13% 44% 2% 165% 62% 106% 92% -36% 67% -32% 60% 309% -64% 95% 146% -40%2017-03 32% 107% -101% -20% -51% -100% 14% -49%

40、72% -38% 92% 72% 104% -50% -33% 70% 52% 37% -26% 119% -47% 46% -42% -17% -42% -41% 78% 8% 131% 63% -36% -5% -40% 45% 4% -16% 62% 164% -88%2016-12 -16% 96% -102% -25% -79% -128% -57% -58% 139% -38% 66% 82% 128% -65% -44% 70% -38% -37% -18% 83% -45% -18% -152% -16% -51% -69% 66% -31% 129% 80% -36% -24

41、% -46% -20% -26% -11% 22% 125% -6%2016-09 -23% 297% -101% -43% -56% -129% -37% -90% 204% -38% 33% 210% 191% -51% -33% 250% -66% -43% -18% 74% -26% -67% -86% -42% -41% -69% 155% -55% 316% 216% -36% -27% -38% -45% -15% -4% 4% 221% 132%2016-06 9% 291% -84% -23% 25% -133% 29% -34% 288% -38% 87% 208% 209

42、% -43% -28% 286% -42% -20% -13% 56% -16% -41% -79% -28% -27% -41% 195% -36% 277% 316% -36% -41% -15% 17% 27% 38% 18% 207% 144%2016-03 0% 199% -32% -27% 1% -129% -50% -9% 199% -38% 64% 180% 200% -58% -56% 155% -52% -7% -46% 2% -30% -75% -20% -27% 38% -33% 127% -38% 184% 201% -36% -24% -17% 36% -18% 4

43、0% -23% 132% 140%2015-12 17% 90% -20% -36% -20% -120% -92% 57% 88% -36% 178% 118% 174% -60% -56% 86% -33% 65% -50% 59% -36% -70% -75% -9% 48% -30% 65% -9% 75% 120% -36% -5% -4% 81% 104% 99% 7% 148% 120%2015-09 44% 41% -25% -47% -34% -87% -13% 107% 64% -33% 231% 83% 108% -43% -56% 125% 26% 147% -48%

44、154% -42% -77% -31% 6% 8% -39% 55% 18% 26% 131% -35% 46% -10% 213% 130% 130% 150% 103% 60%2015-06 39% 25% -48% -58% -63% -41% -23% 5% 42% -35% 239% 24% 63% -102% -56% 75% 30% 181% -55% 149% -38% -89% 34% -13% 11% -66% 56% 27% 8% 78% -36% 73% -8% 230% 84% 138% 231% 97% -13%2015-03 31% 3% -29% -62% -3

45、0% -12% -55% 45% 56% -37% 172% 11% 41% -102% -47% 81% 33% 180% -85% 87% -43% -86% -38% -16% 39% -76% 41% 26% -3% 77% -36% 13% -10% 108% 46% 134% 156% 45% 16%2014-12 -3% -17% 27% -65% -23% -85% -36% -2% 65% -39% 83% -8% -7% -85% -43% 63% -15% 103% -92% 50% -41% -104% -56% -67% 28% -74% 29% 0% -20% 67

46、% -36% 10% -18% 81% 21% 148% 133% 43% -117%2014-09 3% -42% 38% -69% 25% -61% 10% -111% 83% -38% 46% -27% -51% -76% -34% 20% 9% 134% -95% -11% -61% -93% -13% -46% 2% -71% 28% 20% -41% 35% -36% 11% -16% 90% -45% 221% 36% -19% -38%2014-06 19% -51% 49% -63% 14% 23% -9% -78% 109% -38% 135% -33% -37% -74%

47、 -54% 57% 6% 169% -93% -15% -63% -99% 6% -45% 28% -83% 30% 49% -50% 33% -36% 17% -31% 177% -20% 204% 2% -2% 103%2014-03 -11% -63% -18% -66% -23% 16% -53% -24% 75% -39% 118% -53% -38% -59% -71% 74% -7% 105% -90% -21% -57% -103% -50% -41% 13% -81% -22% 24% -62% 41% -36% -42% -52% 122% -31% 166% -69% -

48、33% 82%2013-12 -30% -93% -100% -85% -58% -64% -78% -115% 20% -39% -55% -58% -34% -52% -71% 7% -23% 80% -92% -23% -62% -105% -73% -27% 4% -87% -50% 9% -76% -46% -36% -41% -54% 106% -25% 131% -115% -64% -54%2013-09 -47% -91% -84% -93% -57% -60% -82% -117% -53% -39% -96% -61% -64% -49% -71% -53% -50% 4

49、3% -102% -25% -62% -90% -51% -21% -41% -76% -78% -5% -80% -66% -36% -36% -47% 77% -42% 62% -10% -106% -50%2013-06 -66% -93% -46% -107% -41% -84% -115% -105% -76% -39% -95% -78% -101% -47% -70% -74% -57% 5% -106% -63% -64% -74% -68% -26% -74% -71% -83% -46% -92% -69% -36% -54% -46% -12% -71% 66% -29%

50、 -81% -106%2013-03 -63% -93% -27% -98% -44% -68% -111% 30% -78% -39% -97% -79% -73% -50% -71% -72% -43% 22% -74% -123% -64% -83% -18% -30% -47% -78% -89% -51% -94% -67% -36% -46% -35% -1% -57% 74% -94% -95% -108%2012-12 -53% -93% -81% -81% -26% -3% -69% 69% -82% -39% -97% -58% -84% -50% -73% -68% -4

51、3% 23% -60% -141% -63% -66% 23% -8% -57% -56% -74% -45% -94% -66% -36% -114% -37% -15% -52% 50% -119% -109% -52%2012-09 -69% -93% -7% -105% -68% 38% -100% -164% -103% -39% -45% -60% -111% -26% -80% -71% -19% -31% -55% -141% -62% -38% 15% -38% -88% -31% -77% -50% -94% -69% -36% -121% -31% -43% -76% 1

52、9% -119% -109% 11%2012-06 -88% -93% 97% -92% -113% 93% -138% 285% -110% -39% -28% -92% -118% -26% -63% -45% -44% -51% -47% -141% -61% -11% -33% -82% -59% -44% -96% -86% -94% -57% -36% -107% -31% -140% -74% 15% -119% -109% -200%2012-03 -139% -93% -33% -18% -174% 232% 45% 191% -124% -39% -97% -84% -11

53、8% -18% -75% -24% -112% -122% 46% -141% -54% -32% -1% -94% -70% 6% -113% -143% -94% -52% -36% -104% -47% -143% -74% -19% -119% -109% -200%资料来源：万得，中银证券财务指标和信用风险的对标分析定性跟踪和信用风险对标分析在定性跟踪方面，我们用上文提及到的红/黄/绿信号灯监测和广义/狭义口径的信用风险加以对比。我们发现无论是广义（超额利差 Z 值）还是狭义（实质性违约率）的信用风险走高的时点，基本均与四大指标出现红/黄灯时是重合的。分行业看，当某一行业亮起两盏及以

54、上红灯或者三盏及以上黄灯时，出现违约事件的概率最高。值得注意的是，由于 2014 年以来才发生实质性的违约，因此分析信用风险的起点适合定在 2014 年初。图表 18. 非金融产业信号灯和广义/狭义信用口径对比盈利能力现金流资本结构偿债能力超额利差Z值实质性违约率2020/6/300.450.04%0.54%2020/3/310.240.07%0.27%2019/12/310.720.25%2019/9/301.352019/6/301.770.29%2019/3/311.820.23%0.46%2018/12/311.630.38%2018/9/301.612018/6/301.462018

55、/3/311.270.06%0.09%2017/12/311.002017/9/300.502017/6/300.902017/3/310.522016/12/31-0.382016/9/30-0.662016/6/30-0.422016/3/31-0.522015/12/31-0.332015/9/300.262015/6/300.302015/3/310.332014/12/31-0.152014/9/300.092014/6/300.062014/3/31-0.07资料来源：万得，中银证券02%0.0.01%0.21%0.20%0.0.01%05%0.15%0.05%0.01%0.06%

56、0.001%0.003%2020 年 9 月 11 日行业信用策略 12图表 19. 分行业的信用债违约矩阵和红黄绿灯定性打分法实质违约率 采掘传媒 电气设备 电子 房地产 纺织服装 非银金融 钢铁 公用事业 国防军工 化工 机械设备 计算机 建筑材料 建筑装饰 交通运输 农林牧渔 汽车 轻工制造 商业贸易 食品饮料 通信 休闲服务 医药生物 有色金属 综合2014-03红红红红2014-062014-09黄红红红黄红红黄 黄黄红黄2014-122015-03红黄黄黄黄黄黄黄红黄黄红绿黄绿绿2015-06绿红黄黄黄红绿红绿黄黄黄2015-09黄红红红红黄绿红黄黄绿黄黄黄红绿2015-12黄黄绿

57、黄 黄黄绿黄红黄绿黄2016-03红黄黄黄红黄绿红红黄绿红黄黄红黄红黄红红2016-06红黄红红绿黄绿黄黄黄黄红2016-09黄黄绿红红绿绿绿 绿黄绿绿2016-12绿黄绿绿 红黄黄黄绿黄绿绿绿黄绿绿2017-03红黄黄黄2017-06红黄黄红2017-09黄黄黄红黄黄绿红2017-12绿黄红红黄黄绿黄红黄黄黄2018-03黄黄绿黄黄黄黄红2018-06黄黄黄红绿绿绿绿 黄红黄黄绿黄黄红绿黄绿黄红黄红绿2018-09绿绿绿绿 红黄黄黄绿黄绿绿黄黄绿红黄黄黄绿绿黄绿绿 黄黄绿黄2018-12黄黄绿红红黄红黄 绿黄红黄黄红绿黄红红黄黄绿黄绿黄 红黄黄红红黄红红黄黄黄红 绿黄绿绿红黄红红黄黄黄黄20

58、19-032019-06黄黄红红黄红黄红 黄黄绿红绿黄绿黄绿黄红黄红红红黄 红黄黄红 黄黄红绿 绿红黄黄绿红黄黄 红黄黄黄红黄黄黄黄黄绿绿2019-09黄红黄黄 黄黄绿黄黄黄绿红红红红黄红黄红黄黄黄绿黄2019-12黄黄黄黄黄黄红红红黄黄黄 黄黄绿绿 黄黄红黄黄黄绿黄黄绿红黄红黄红黄黄黄黄红黄黄绿黄2020-03红黄红红红黄绿黄红黄黄黄红黄黄黄红黄绿红2020-06绿黄绿黄黄黄红红绿黄黄绿绿黄黄黄资料来源：万得，中银证券综合评分评判信用风险的效果分析我们将标准化综合评分和广义信用风险的关系，划分为四个阶段：第一阶段（2012-2013 年）：信用债市场处于刚兑时代，受到 2013 年“钱荒”的

59、影响，信用债市场流动性稀缺，溢价明显，偏离了财务指标健康程度，超额利差和财务评分（正向指标）呈正相关；第二阶段（2014-2015 年）：信用债刚兑打破、开始出现少数违约案例，财务评分和超额利差关系转负，信用债定价中开始囊括违约风险；第三阶段（2016-2017 年）：信用违约事件频繁，供给侧改革深化，一单位标准化评分的下降造成的超额利差上涨幅度较第二阶段拉大。第四阶段（2018 年至今）：供给侧改革边际趋缓，存量债务违约比重经过第二轮高峰后出现明显下滑。2020 年初疫情扰动下部分行业提前暴露信用风险，但由于 2019 年末违约金额基数较高（方正和东旭），2020 上半年信用债爆雷数量未明显

60、减少，总金额却有下滑，超额利差和财务评分又变为了弱正相关。这点和数量、金额口径的计算方法选取也有关。图表 20. 标准化评分和广义信用风险的关联化图表 21. 财务指标和广义/狭义信用风险的相关性0.8净债务总债务(带息债务)0.6短期债务比率0.4财务营业利润率经营活动现金流增速净利率标指 0.2和超净利润增速长期债务资本比付现比资产负债率额利 0Z差筹资活动现金值流相-0.2关系数收现比ROAROE货币资金/短期债务利息覆盖倍数非单季到期债务偿付比率非单季-0.4-0.6 投资活动现金流净额增速存货周转率应收账款周转率-0.8-0.8-0.6-0.4-0.200.20.40.60.8财务指