访谈金句分享

国内债市定价逻辑，是一种典型的基准加成的模式。无风险利率加成在实际运用时面临许多困境，难以拆分出市场普遍遵循的投资和交易逻辑，应该加入合规利差的概念，即实际收益率=无风险利率+流动性利差+期限利差+信用风险利差+合规利差。

尝试运用算数的方法采集市场常识，通过因子拆解的方式构建符合市场价格信号的买方评级。在选择影响债券定价的影响因子时，只能抓大放小，聚焦于那些最普遍最容易被接受的逻辑。最终归纳出九大影响因子：规模评级、利润评级、地域评级、行业评级、行政管理级别评级、企业属性评级、舆情评级、政策评级、前瞻性评级。

模型在实际投资中的作用，通过标准化的分割体系，将每一只债券、每一个发行主体均纳入该体系中进行评估。模型针对发行主体的定价偏离情形，主要归因于以下四类：无理由的收益率过高、无理由的收益率过低，短期债券偏离过大和提前还本债券。个券层面导致定价偏离的情形较多，主要集中于以下几类：无理由的过高或过低收益率，债券本身附带的特种利差出现异常，期限结构异常，或者研究评级本身存在错误。

开展此项研究并向市场公开的目的，旨在分享从评级、估值到定价的整体逻辑，鼓励机构自主建立研究标准与定价体系，展示一条可行的技术路径，从而增强市场的定价能力。

通过构建一个体系极大发掘了市场定价不充分的情况，把它推到了市场面前，降低了市场参与者分析边际定价时的难度。若投资者信任该模型，或在自主定价方面精力有限，便可借助这一工具提升工作效率。另一方面，我们通过与市场沟通交流、碰撞思想，激发市场的自主定价能力。

感谢大家对郁见投资的关注，第147期非常荣幸地邀请到了不周山指数创始人李田。

李田，“不周山的视野”博主，网名为天柱君，不周山指数、不周山评级、BP评级估值定价模型创始人；11年债券投资交易及研究经验，历史管理资金规模超50亿。精通信用债券自主定价，利率债利差交易、信用债券含权套利、骑乘套利、期限套利、一二级价差套利、自主定价套利、信用挖掘等多策略。擅长债券交易行为分析，在《债券》、《中国货币市场》、《金融市场研究》公开发表十数篇专业论文研发。“不周山指数”、“收益率期限结构曲线”已登录wind、同花顺等金融数据终端。

01

什么叫寻找债市的定价坐标原点？

这是债市的一个定价逻辑，国内债市脱胎于早期的银行体系，定价逻辑不是违约率和风险溢价的概念，而是一种典型的基准加成的模式。在这一模式下，基准的概念就很重要，可以理解为我说的定价坐标原点。按照传统的信用定价法则，实际收益率=无风险利率+流动性利差+期限利差+信用风险利差，其中的无风险利率就是基准。针对这个经典模型，我们之前发表的论文指出，这个公式在国内是不准确的，因为前几年国内债券市场的合规水平建设是相对落后的，所以应该加入合规利差的概念，即实际收益率=无风险利率+流动性利差+期限利差+信用风险利差+合规利差。在私募条例出台后，债市合规性建设持续推进，合规利差已明显收窄。

但是无风险利率加成在实际运用时面临许多困境，因为不同的主体和国债之间缺乏可比基础，信用利差混合了太多的内容，难以拆分出市场普遍遵循的投资和交易逻辑，导致其呈现出明显的理论化倾向，很难在实践中运用。假设中石油债是国债收益率的基础上加20bp，而西部某小型煤矿债是国债收益率的基础上加150bp，二者之间相差的130bp的信用利差混杂了众多难以区分影响的因子，如行业、企业属性、规模利润、地域、行政管理层级、发行方式等。除此之外，将国债收益率作为统一基准存在明显的适用性局限。例如，一个小型煤矿债很难直接和国债收益率进行比较，更为科学的路径是，应首先以百亿级煤矿债收益率作为基准测算其利差，进而再去研究不同规模煤矿的债券收益率，等煤矿规模到了国内头部水平，再去和国债收益率测算信用利差。

02

您的研究成果和市场上三方估值研究成果有什么不同？

第三方估值确实有效解决了多基准的问题，其构建了涵盖不同评级、行业和品种的收益率期限结构曲线，提供了丰富的估值工具。如果你充分信赖第三方估值，会发现这些工具足够全面，能够满足你的投资交易需求。然而，若你希望自主定价，在第三方估值的基础上形成独立判断，比如迅速捕捉市场上某些定价失灵的瞬间，则较为困难。这涉及对数据生成机制本源的理解，你必须清楚第三方估值是如何生成的，才可能在此基础上达成目的。一个典型问题是，三方估值通常会公布样本券名单，并说明其符合某些统一条件，但这些同一条件，例如公开评级等可能并不足以完全解释这些筛选条件，这意味着存在其他判断标准。由于评级机构和第三方估值机构往往有一套复杂的转化机制，即使公开其评级标准和方法，市场中的多数参与者仍难以真正掌握，往往知其然不知其所以然。因为专业性不同，对于三方估值看似简单的结果，市场若要复刻其过程，几乎难以实现。

那么是否存在一种方法能够让市场投资者实现复刻？我们尝试运用算数的方法采集市场常识，通过因子拆解的方式构建符合市场价格信号的买方评级。最终归纳出九个因子，能够解决市场上约85%的评级定价问题，这本质上是一个不断拆解利差、归纳因子的过程。我们的目标始终是寻找市场上能够普适性地解释市场现象的规则，并将其清晰、简明地呈现出来，使市场参与者实现独立评级定价。

03

详细说明一下九个因子的概念以及85%的定价问题解决？

当前债券市场的基金经理与投资经理，其成长路径各不相同，有的出身于信评，有的出身于交易，信评出身者更擅于研究，交易出身者则更敏锐于市场行情。既擅长研究又能把握市场行情的人才往往较为稀缺，更多的人还是在成长阶段。我们认为虽然市场行情的第一驱动力是高能力人才决定的，但稳态的价格情况是由普通投资者跟进和维持的。因此，在选择影响债券定价的影响因子时，只能抓大放小，聚焦于那些最普遍最容易被接受的逻辑，例如：资产规模越大越可靠，净利润越高越好，股东为高级别行政单位意味着更强的保护力度，绿色债和科创债因政策驱动更易获得投资者青睐，上海的企业普遍优于贵州的企业。至于一些较为小众的逻辑，例如现金对短期债务的覆盖程度、银行的拨备覆盖率等只能在特定的公司或行业适用的指标，难以作为普适影响因子。我们在建模过程中，曾尝试引入大量指标进行验证，最终许多指标被引入后又剔除，原因正是在于其无法满足普遍性适用的要求，即便是资产负债率、营业收入等相当关键的指标，在反复验证后也未能保留。最终，我们归纳出九大影响因子：规模评级、利润评级、地域评级、行业评级、行政管理级别评级、企业属性评级、舆情评级、政策评级、前瞻性评级。

在这九大因子中，规模因子是根本基准，地域因子发挥重要的调节作用，前瞻性因子则可作为一个“口袋”装进去部分小众因子，其余因子则承担一般性调节的功能。假设评级是1-10，1最好，10最差。对于两家资产规模均为400亿元的城投企业，它们的基础规模评级均为6分，但上海地域性因子扣减2分，贵州地域性因子增加3分，最终上海的企业评级为4分，而位于贵州的企业评级为9分。长期跟踪上海与贵州两地债券情况可以发现，在同等规模体量下，大量类似发行主体呈现出“上海-2、贵州+3”的规律。基于此，可以提炼出各地的区域调整系数。实证研究表明，在市场平稳运行阶段，区域调整系数具有较强的稳定性，不会随意发生变动。这主要是因为当前债券市场正处于化债阶段，各省依托自身金融资源与行政资源化解辖区内债务，使得全国统一大市场基本破裂，形成了各省为边界的小市场，对应省里的隐形担保效力，且该担保效力在现阶段极其稳固，这已成为必须承认的市场现实。

在选择标杆时，通常有三种方式：其一，以全国最优者为标杆，例如以国债为代表；其二，以全国最差者为标杆，但该方式实际操作难度较大，违约债情况复杂，难以统一衡量；其三，以全国平均水平为标杆，这一方式最为实用，因其处于中轴位置，与最优和最差之间的距离均相对可控，不会因距离过远而产生较大累计误差。在企业层面，当前债券市场以地方国有企业为主体，央企和民企的规模相对较小。因此，可以地方国有企业为基准，向上调整对应央企，向下调整则对应民企。就地域而言，中部省份如湖北、安徽等地的地方国有企业融资环境，最接近全国平均水平。因此，在国内信用债券定价中，以中部省份的地方国有企业债券作为全国的评级定价中枢，是最合理的。我们以中部省份为基准，依据资产规模划分基准评级，发达与欠发达地区在此基础上调节相应的区域调整系数，并结合净利润、股东背景、行业因素等其他七大因子进行综合考虑，最终形成发行主体的综合研究评级。

在规模评级方面，如果将目前国内信用等级划分为10个等级，其中1-4级属于高等级信用债券，成交较为活跃，资产规模通常在2000亿元以上，5-10级则可按下表进行分类。在评级表中，我们将中部省份300-500亿元规模的主体基准评级定义为6级，使用整百为单位进行划分是为了建立清晰的规则界限，边界区域本身存在模糊性，比如一家规模为480亿元的企业，处于5级和6级的临界点，评级归属具备一定的灵活度，可以定为5也可以定为6，但划分过程必须保持必要的严谨性，避免出现480亿元归为5级，而490亿元归为6级的情况。需要特别说明的是，以上划分适用于正常的地方实体国有企业，金融类企业特别是银行的分类逻辑不同，其资产规模普遍较大。此外，对于钢铁、煤炭等典型样本数量较多、债券发行体量庞大的产业国企，也设定了单独的规模划分标准。

在通过总资产确定规模评级后，进一步借助区域调整系数设定区域因子。区域调整系数如下，发达地区及主要省会城市细分至区县级，其他地区由于样本数量有限细分至地市级。从下表可以看出，凭从业经验来看，像上海这种地方，肯定是J级，像贵州一些地方，肯定是I级，像潍坊等低地，大概率就是H级。这个区域调整系数本质是锁定一个地区的评级上下限的，比如贵州地区，无论企业质量多好，国有企业除了茅台这种，企业BP评级很难低于7了，上海这种地方，企业BP评级很难高于6了。

在构建此类因子模型时，行业分类有时与市场的分类方式会有所区别。以房地产行业为例，需在其中单独划分出一个子行业——“区域地产”，即该类企业虽从事房地产行业，但其业务范围仅限于单一城市，如仅在上海、南京或武汉开发项目，未扩展至其他城市。此类区域地产企业与中海、保利、万科等全国性布局的房地产企业的定价逻辑存在显著差异，定价逻辑倒和城投类似。再如建筑工程行业，央企背景与地方国企背景的建筑工程企业，其定价逻辑亦不相同。对于城投，市场上通常将其划分为省级、地市级、县级及园区类，而我们在此基础上进行了更细致的划分，否则在定价过程中容易产生混淆。以区县级为例，可进一步细分为以下类别，省直级和地市级亦然：

这种细分方式有助于直观判断以下信息：该公司的股东归属、股权是否存在上挂、以及该公司当前主营业务是否已从工程建设，土地储备等转向园区招商租赁、安保服务、人力资源服务等领域。需要说明的是，几年前市场上发债主体以资产规模达数百亿元的建设性城投为主，而当前则以几十亿元规模的运营性城投为主。前者与政府之间存在大量应收款项，后者与政府的资金往来相对切割清晰。未来在管理经营性债务的过程中，此类运营性城投将成为不可忽视的重要主体。目前运营性城投与建设性城投之间的利差虽已显现，但尚不显著，目前市场对两者的区分已较为明确，预计未来几年二者差距将进一步扩大，国家处置经营性债务时，这个运营类城投就是主力对象了。

在其他调整因子方面，利润评级、行业评级、行政管理级别评级、企业属性评级、舆情评级、政策评级、前瞻性评级，这些均设有相对固定的调整模式。以利润指标为例，大致按照-20、-5、0、3、5、10、30、50等数值区间划分，对应进行-3至+3的修正。行业层面，对于房地产、建筑工程等负面行业，进行+1处理。行政管理级别方面，地市级及以上主体进行-1处理。企业属性方面，央企进行-1处理，存量民企进行+3处理，新发民企进行+1处理。舆情层面，存在违规或逾期记录的进行+1处理。政策层面，科创债、绿债等进行-1处理。前瞻性因子用于承载前八大因子之外、影响范围较小且相对小众的情形。值得关注的是，此前存量民企债券在二级市场中普遍按评级+3处理，此为客观统计结果；而新发民企债券仅需+1处理，这一变化反映出市场对民企的歧视已显著降低，是当前市场的新变化。未来存量民企债券的收益率是否存在下行空间，值得深入探讨。

在获得发行人的研究评级后，可依据成交情况和价格信号对发行人及债券分类，刻画收益率期限结构曲线，进而计算出隐含评级。将研究评级与隐含评级进行对比，若两者差值小于0.9，则可认为研究评级与隐含评级相符，表明市场定价有效；若差值大于0.9（或依据自行设定的阈值判断），则可得到市场定价高估或低估的判断。目前本模型已覆盖市场超过41000只信用债、5850家发行主体。其中，超过5000家主体市场定价是比较有效的，剩余800多家主体是不契合的。在个券层面，期限超过半年且偏差超过20bp的债券归为定价失衡范畴，该类型债券数量不足1000只。本因子模型目前实现了85%-90%的解释率，效果较为理想，我们并未追求达到95%或更高的解释率，因为这样的目标不切实际，继续投入资源所获得的收益有限，且市场中存在一定比例的定价无效率现象是合理的。

同时市场上存在10%-15%的定价偏差，并非模型解释力不足的表现，反而可视为潜在的投资机会或风险，从而为市场提供有价值的投资建议。研究工作的核心价值在于帮助投资者实现盈利、防范风险、提升效率，或提供差异化的研究视角，否则难以在市场中立足。我们之前研究的不周山指数定位于解决合规问题，而当前构建的模型聚焦于识别投资机会与投资风险，帮助投资者实现资本利得收益增厚或规避损失。若因子模型与市场定价完全一致，市场呈现100%有效的状态，那么模型本身便无法提供投资建议，除验证市场有效性外，不具备额外的应用价值。

04

您的模型在实际投资中作用如何？

本模型构建完成后，实质上是依据我们设定的标准，构建起一个二维坐标体系。通过标准化的分割体系，将每一只债券、每一个发行主体均纳入该体系中进行评估。针对每一个发行主体，每日分别绘制普通债、永续债、定向工具、非公开债、次级债、交易所科创债及银行间科创债共计七条收益率期限结构曲线。当债券出现高估或低估情形时，均可解释其具体原因，从而为投资交易人员提供一套行之有效的工具体系。以交易员为例，其在判断当日应买卖哪些债券时，通常依赖三方估值、买卖盘数据以及自身对该债券定价的内在判断。若具备自主定价判断能力，便不会盲目跟随三方估值。当确认价格偏离价值时，能够果断执行偏离估值的交易，从而迅速获取资本利得。

模型针对发行主体的定价偏离情形，主要归因于以下四类：无理由的收益率过高（具备买入价值）、无理由的收益率过低（具备卖出价值），短期债券偏离过大（资金波动影响较大，需要关注）和提前还本债券（具备买入价值）。其中提前还本的企业债券，期限长但久期低，导致收益率偏高，因此具备买入价值，这个提前还本逻辑目前市场定价好像都忽视了。

个券层面导致定价偏离的情形较多，主要集中于以下几类：无理由的过高或过低收益率；债券本身附带的特种利差出现异常，如私募利差、担保利差、永续利差、次级利差、科创利差等；期限结构异常，即个券定价相对于收益率期限结构曲线过陡或过平；或者研究评级本身存在错误。市场上但凡出现偏离统计规律的价格信号，均可通过本模型反馈。这些偏离现象能够反映出发行主体存在的问题，例如某发行主体的收益率曲线整体过高或过低，那么该主体所有债券可能都有问题，这时需要注意是否存在未考虑的特殊情况。反之，若仅有个别债券偏离曲线，或某些债券的特种利差出现异常，则属于个券层面的情绪性波动，通常是典型的套利机会。

将发行人的各类特征与指标，如行业、地域、财务数据、合规性指标等加以整合，并按照总资产规模由大到小进行排序，便可形成一套清晰的行业与地域的“江湖地位”排序表。通过此类表格，也可以检验研究评级是否遵循各类普遍规律，是否存在为提高研究评级与隐含评级契合度而刻意破坏规则的情形。只要研究成果向市场公开，其实能形成有效的监督。

收益率期限结构曲线在一级市场中可用于新发债券的定价，特别是对于从未发行过债券的主体，目前通过本模型实现的新债定价偏差基本控制在20bp以内，同时可以统计市场的一级投标情绪。在二级市场上，因为实现了每日全市场的全量扫描，可为机构持仓提供诊断，识别在同等信用风险条件下是否存在优化持仓结构、实现收益增厚的空间。通过单一主体的收益率期限结构曲线和价格信号，可用于观察市场的长短期偏好、新老债券价差等特征。当前市场上卖方机构在推荐信用挖掘或信用下沉时，倾向于统计高收益率债券，但是高收益率债券鱼龙混杂：部分高收益源于期限偏长，部分源于主体资质偏弱，亦有部分源于性价比优势或者其他因素影响，这类研究缺乏一套自主估值定价模型作为支撑，具有一定局限性。每次都需筛选分析债券，市场变化后需要重复上述工作，工作量较大。如果拥有自主定价模型，可实现常态化、自动化扫描，相关分析工作可在日常运行中高效完成。

我们开展此项研究并向市场公开，旨在分享从评级、估值到定价的整体逻辑，鼓励机构自主建立研究标准与定价体系。我们的研究旨在展示一条可行的技术路径，从而增强市场的定价能力。需要强调的是，自主定价并非要取代三方估值，而是倡导形成独立的思维。有了独立判断就会有交易信心，也更容易在自主交易中获得成功。此前曾有一只AAA级债券的三方估值存在明显偏差，我们依托自身定价判断完成交易，成功获取收益。

05

您整个体系的构建过程中是否遇到过挑战？

这个BP评级估值定价模型确实难度较大，历经数年才完成。起初仅有六个因子，后续逐步增加，中途也剔除过不适用的因子。市场创新本就伴随着研发成本，好在最终我们完成了模型。我们的初衷并非做一个纯粹的研究评级，而是希望通过模型挖掘债券市场在资产定价中最看重哪些要素，我们研究的是整个债券市场的金融行为惯性，就是说假设整个债市是一个投资经理，他定价靠什么来定。当然，该模型仍有改进空间，如各因子最小变动单位能否从1变为0.5，这是我们后续努力的方向。

06

您是否担心这套模型主观性较强，更多体现个人经验而非市场共识，导致市场参与者难以接受您的逻辑？

首先，机构拥有自身的逻辑体系是正常的，在我们没做这些研究时，机构已根据自己的模式运行。其次，我们所构建的内容，源于市场调研与从业经验，本质上是对市场行为的归纳总结。之前我们已经整理出多个关于具体债券及发行主体的案例，其中有不少明显偏离常理的现象。例如，25五新实业MTN002，4.42y，2.79%，26五新实业MTN001，4.78y，3.14%，同一个主体，同一个担保公司都是中债增进，期限相差如此小，利差差了35bp，我就觉得这个不对，你要么把短的买上去，你要么把长的买下来，反正现在的35bp不符合统计规律。BP评级估值定价模型天天扫描运转，就是找出这种类似的不符合统计的案例。

07

是否是因为当前利差处于低位所以模型误差较小，若未来利差反弹，误差是否会随之扩大？

关于因熊市利差扩大导致模型误差相应增大的问题，我们在回测中发现，熊市中研究评级与隐含评级不一致的数量确实有所上升，但总体可控，与此同时建议买入或卖出的数量也随之增加，我们对这个现象是欢迎的，核心原因在于熊市中市场脱离稳态，被动赎回、卖出等交易行为大幅增加，各类异常成交均被模型有效监测，说明模型有效啊。我们所构建的模型本质上是一个工具，债市获得收益，做波段，下沉信用，放杠杆，再就是抓错误定价，这个工具主要适用于稳态环境下捕捉市场的定价错误，解决其他方面问题的能力有限。

综上所述，我们通过构建一个体系极大发掘了市场定价不充分的情况，把它推到了市场面前，降低了市场参与者分析边际定价时的难度。若投资者信任该模型，或在自主定价方面精力有限，便可借助这一工具提升工作效率。另一方面，我们通过与市场沟通交流、碰撞思想，激发市场的自主定价能力。债券市场的健康发展，正是微观层面借助工具与事件的推动，不断实现进步的过程。这个模型，我们后面是准备推向QB等平台的，如果你们现在就有兴趣想看，也可以去www.bondpricing.cn来看，有问题可以问我们微信，15010989244，是欢迎沟通交流的。

访谈日期：2026年3月

本文发表内容已获嘉宾授权。嘉宾发言仅代表其个人观点，华西证券不对其观点的准确性、完整性进行任何形式的确认、承诺或保证。

请向下滑动参见华西证券股份有限公司有关微信公众平台推送内容的完整重要提示及法律声明：

重要提示

《证券期货投资者适当性管理办法》于2017年7月1日起正式实施。通过本订阅号发布的观点和信息仅面向华西证券的专业投资机构客户。若您并非华西证券客户中的专业投资机构客户，为控制投资风险，请取消订阅、接收或使用本订阅号中的任何信息。因本订阅号受限于访问权限设置，若给您造成不便，敬请谅解。市场有风险，投资需谨慎。

法律声明

本订阅号为华西证券宏观固收团队设立及运营。本订阅号不是华西证券研究报告的发布平台。本订阅号所载的信息仅面向华西证券的专业投资机构客户，仅供在新媒体背景下研究观点的及时交流。本订阅号所载的信息均摘编自华西证券研究所已经发布的研究报告或者是对已发布报告的后续解读，若因对报告的摘编而产生歧义，应以报告发布当日的完整内容为准。

在任何情况下，本订阅号所推送信息或所表述的意见并不构成对任何人的投资建议。华西证券及华西证券研究所也不对任何人因为使用本订阅号信息所引致的任何损失负任何责任。

本订阅号及其推送内容的版权归华西证券所有，华西证券对本订阅号及推送内容保留一切法律权利。未经华西证券事先书面许可，任何机构或个人不得以任何形式翻版、复制、刊登、转载和引用，否则由此造成的一切不良后果及法律责任由私自翻版、复制、刊登、转载和引用者承担。