张莉：如何搭建信用投研框架

从买方的角度搭建一个比较系统的信用投研体系，对于机构来说尤其重要。整个中国信用债市场到现在，加起来30万亿的规模，这个市场其实不小，占银行信贷的比例也是逐年在上升。信用债现在越来越成为机构的一块比较重要的资产。尤其是近几年来有个比较大的变化，整个信用违约的情况越来越多，机构也逐步从过去好像投信用债不操心，到现在非常操心的一个状态。

截至8月3日，整个信用债市场目前存量的违约主体大概132家，存量违约的债券308只，金额2367个亿。这2367亿什么概念？如果把其他假的信用债刨掉，大概就二十四五万亿的信用债规模。仅仅按存量算，2367亿的违约信用债大概是1%的违约率。银行一季度不良贷款率1.8%，看起来债券1%违约率好像比银行贷款资产质量还算好一点，但实际上仔细分析下，有这样两个问题：

（1）违约增速很快。如果按这个余额占比来看，最近几年是上得非常快的。而且从整个债券市场2015、2016年高速发展到现在，整个信用周期还没有完全表现出来。可以肯定地讲，后续的整个债券违约率还会快速攀升。

（2）违约主体集中在民企。整个信用债市场其实现在已经打破刚兑了，值得关注的是，违约的132家主体里面有109家是民企，占比非常高。

信用债投研体系要解决两大问题

信用债投研体系重点就是要解决两个问题，第一个怎么样识别风险？第二个就是在识别完了之后，怎么去管理风险？过去关注比较多的在第一个层面识别风险，打分、做排序，更多的实际上是在信用风险识别的层面。比如说有一套比较独立客观、一致可比的信用风险排序体系，排完序之后可能还要进行一些分类，这家企业AAA，那家企业AA+，但从来没说AAA能买多少？这个AA+买多少？可不可以随便敞开来买？这个问题是很基础的一个问题，实际上很多人在这个问题上做不好，这就涉及到管理风险的问题。

集中度怎么管？好不容易找到一个资质好收益又高的，风险又合规没问题的信用债，但是如果投资额度太大之后，一旦出了问题，就不可控。过去其实也发生过很多这样的问题，一旦出事就是很大的问题。毕竟违约是个概率事件，评级再高的，也有出问题的概率，不是说百分之百不出事。五个亿的账户出了一个亿的问题，可能就是很重要的问题，但一千个亿的账户可能出一个亿两个亿，问题就不大，除了这里面可能涉及的声誉成本，经济成本上至少是可以覆盖的。

久期怎么管？一个评级AAA的企业可能短期没问题，但是三年的债能不能买？五年的债能不能买？永续债能不能买？

搭建一个完善的信用投研体系，上面这些都是要考虑要解决的问题。更重要的就是整个投前、投中、投后管理要求和流程的控制，这也是操作具体层面的东西。

所以，一套信用投研体系，其实就是要解决怎么去识别风险，怎么去管理风险的问题。

识别风险的核心是建立内部评价体系

在识别风险这个层面，实际上都做得比较多，各家有各家的方法，核心就是怎么样建立一套内部的评价体系。

从公开的评级来看，识别度比较低，一致可比性比较差，每个评级公司之间的不太可比，也不太好用，没法直接根据评级结果做定价决策的依据。

当然还有一个很重要的问题就是滞后性，所有评级公司的评级基本上都是在违约之后，突然从AA、AA+一下调到C，所以不能完全依赖外部评级结果，还是要做一套自己的系统。

这个系统要解决什么问题？主要是两个问题，第一个问题，要在违约和不违约，能投和不能投之间，根据自身的风险偏好和风险承受能力，根据账户特征，画一道准入的线。把违约和不违约或者把能投、不能投区分开，一个重要的任务就是要做排序。排序其实就是为了风险定价、估值和组合管理服务。所有的东西都怕排序，所有东西都可以排序，把排序能做好，实际上系统已经成功了一半，风险识别这个环节成功了一半。

量化模型和经验判断，到底哪个好？这两种方式各有优劣，谁也无法替代谁。量化模型有它的优势，首先一致性很好，而且会排除主观因素，不像分析师，一致性比较差，主观性比较强。当然还有一个优点就是它的成本比较低，只要模型出来之后，把数据输入就出来结果。

但它有致命的缺点，要做一个能用的模型，实际上是非常非常困难的。整个债券市场的参与者里面，真正能够负担得起做一个比较好的模型的机构其实很少。

经验判断也有它的优势与劣势，现在市面上主流的基金公司，基本上还是依赖于经验判断，一家都要养10到15个信用分析师，专门做基本面评价，起步成本比较低，起步会比较快。

而且量化模型里还有一个致命的问题，最怕市场结构发生变化，如果市场结构发生变化，模型可能会发生致命的偏差。

另外在识别风险体系里面，实际上建立是比较容易的，后期跟踪维护其实更重要。做一个模型要定期地去跟踪，去维护，去回测，包括打分的结果、排序的结果，这是维持系统生命力最核心的因素。

信用风险管理的三个维度

准入和投资限额管理是信用风险管理的基础。在信用风险管理这个环节，实际上很多机构没有概念，还是非常粗放和比较随意。对于债券的买入和卖出，需要一套系统的准入和限额管理，这是整个信用风险管理环节中最基础的东西。投资限额实际上是管主体集中度的，管理整个公司，整个账户的主体集中度。投资限额应该是跟主体资质和主体评分、主体评级挂钩。具体的设置当然需要看公司整个账户的情况。

信用风险管理第二个维度是集中度管理，包括单券集中度，单主体集中度，还有债券库层级的集中度。单券集中度，基金公司“双十”的规定，防止对某一只券持有过于集中，导致丧失流动性。

更重要的是单主体的集中，对于每个账户，买同一个主体不能超过一定的比例。违约是概率事件，再好的东西如果太过集中，鸡蛋在一个篮子里面，从整个管理的角度来讲就是有问题。

还有债券库的层级集中度管理，在考虑主体集中度之后，还要考虑债项，各种债项的条款现在越来越复杂，有次级，永续，有长，有短。债券库有分类和分层了之后，如果买的都是最底层的、风险最高的一层，也要控制一下。从整体上大的风险来考虑，如果买的都是最长久期的，都是条款最差的，都是资质最差那一类，也需要去做一些限制和控制。控制指标设在什么位置合理未必有客观标准，但是必须有，而且从组合的风控承受能力来讲，必须回过来去测算。

久期管理也是一个重要的方面。久期管理的逻辑是从累计违约概率来讲，期限时间越长累计违约概率越高，比如同一发行人短久期的债券，通常认为，比长久期债券的风险要低。但这个久期标准是动态的，一开始规定了入库的标准，半年之后再来看期限不一样了，是不是要調整库的分类？到底放在哪个维度去管？各家有不同的做法。久期管理可能跟负债久期有关系，比如负债久期很短，而资产都是非常长久期的东西，显然有错配问题。所以久期管理也是很重要的一个信用风险管理的维度。

总结一下，投前、投中、投后的各个环节：（1）投前主要就是入库流程，评分体系，准入、限额、集中度、久期管理指标的设定、回测、磨合；（2）投中就是具体的控制；（3）投后很重要的是舆情跟踪，以及行权的管理。现在很多债都带权利条款的，这里面非常复杂，对定价的影响会非常大，要更密切跟踪，否则会发生很致命的低级错误。过去市场就有例子，有一只债，在行权的前一天是127块钱，但是所有人都没发现它里面有一个条款：发行人下调利率的条款，大家发现要下调利率的那一刻，债券从127块钱跌到一百零几块。过去发生过类似的事件，但现在比较少了。投资者越学越聪明，市场越来越有效。还有比如说风险处置，流程怎么去设计？这些都是非常细节的问题。

此外，要将信用策略研究有机地嵌入到上述体系和流程中。信用策略研究有几个层面，宏观层面的各类利差走势的判断，中观层面的行业的主体投资机会和风险防范，微观层面是个券的价值发掘和风险把控、排雷等等。策略研究统统要嵌入到各个投前、投中、投后的管理环境里面去，跟这套系统有机地结合起来，把风险真正有效地管理起来。

管理风险最好的结果是什么？最好的结果就是管理或者叫经营风险。所以风险管理不是风险控制，风险控制是要保证零违约率，但实际上从有效的风险管理来讲，实际上不是保证零违约，而是允许违约，但是要把违约损失率控制到可以接受范围之内，这就需要上述这一套的管理手段去实现。

（本文为知名大型保险资管固收研究主管张莉在陆家嘴读书会上的演讲内容）