固定收益专题报告：信用利差进阶指南

　　对于信用利差的观察通常有两种方法。一种方法是通过既有收益率曲线与国开债收益率曲线作差得到，此类方法的优势在于可以获知任意剩余期限对应的信用利差，缺陷在于目前市场上已有的曲线通常是大类收益率曲线，对于具体细类的刻画不足。另一种方法是划分特定聚类后取聚类内样本券的信用利差平均数或中位数，缺陷在于样本进入或退出极易对变化值造成扰动，误判该聚类的利差变化方向。本篇报告尝试在上述方法基础上进行迭代，构造细分聚类收益率曲线并以此计算利差，并探讨这一迭代的优势与不足。

    　　对于信用利差的第二种观察方法是划分特定聚类后对聚类内样本券信用利差作统计性分析，而这一算法往往面临“期限”划分的两难困境。在计算某一聚类的信用利差时，划分期限与否都存在一定缺陷。倘若不区分期限，则不同聚类期限不同带来的信用利差差异无法被直观反映，计算结果也会存在期限不可比的问题。但若直接区分期限，又会产生期限区间代替特定期限不准确、长短期限区间利差倒挂、样本进入退出扰动导致利差变化过大等问题。

    　　新算法的必要性：传统利差算法之所以会有“期限困境”，可以简单归纳为信息在熵减后会丢失细节。而在第一种利差观察方式中，由于市场既有的收益率曲线通常为大类曲线，无法满足对某一细分聚类进行分析的需求。因此，构造细分聚类收益率曲线具有必要性。

    　　新算法的优势：直接利用底层债券构造某一聚类的完整收益率曲线，可以得到该聚类中每一期限的收益率，并与对应期限的国开债收益率相减得到信用利差。由于任意剩余期限的收益率都可以在收益率曲线上获取，所以可以满足对任意期限求信用利差的需求，此为构造收益率曲线的明显优势。

    　　新算法的可靠性：以中债收益率曲线作为参考，对大类收益率曲线作比较，发现所构造收益率曲线与中债收益率曲线接近，尤其在样本量多、隐含评级高的情况下构造的收益率曲线表现最好，与中债收益率曲线误差在±1bp 以内，证明构造方法的底层逻辑具有可靠性。

    　　新算法的构造原理：1）样本券的选取：鉴于私募债和永续债的收益率可以在主体无担保公募非永续债收益率曲线的基础上加点利差得出，因此我们在样本券的选取上，仅采用公募非永续无担保债作为构造收益率曲线的样本券；2）估值类型的确定：采用不行权期限及对应估值。主要目的是增加长期限收益率样本，可行原因是行权与不行权收益率在曲线上可以直接转换；3）对曲线样本点作四重约束。

    　　新算法仍有一定不足。首先，为避免收益率曲线的突变以及保证收益率曲线尽可能延伸，构造的收益率曲线无法连接全部的样本点，会丢失一部分的样本信息。其次，如果构造曲线的样本券估值本身不具备参考性，则无法反映真实市场的成交价格。

    　　新算法的不足可以通过余额加权算法和成交价构造收益率曲线来补充，但这两类算法也有其自身缺陷。换言之，所有利差算法都无法实现完美，但熟稔每一算法的底层逻辑并综合运用多种算法观测利差，有助于实现优势互补，提升对定价与市场情绪的敏感度。

    　　风险提示：数据更新不及时或提取失误；收益率曲线构造方法不合理；Hermite 算法存在局限性；数据统计分析偏差；收益率曲线无法反映全部样本点；第三方估值难以反映真实市场定价。

声明：

1. 风险提示：以上内容仅来自互联网，文中内容或观点仅作为原作者或者原网站的观点，不代表本站的任何立场，不构成与本站相关的任何投资建议。在作出任何投资决定前，投资者应根据自身情况考虑投资产品相关的风险因素，并于需要时咨询专业投资顾问意见。本站竭力但不能证实上述内容的真实性、准确性和原创性，对此本站不做任何保证和承诺。
2. 本站认真尊重知识产权及您的合法权益，如发现本站内容或相关标识侵犯了您的权益，请您与我们联系删除。