復(fù)盤“三次違約潮”給當(dāng)前信用事件的五點(diǎn)啟示

1、目錄 HYPERLINK l _TOC_250018 再回首 2014 年以來的三次違約潮 4 HYPERLINK l _TOC_250017 歷次違約潮出現(xiàn)的宏觀背景，與這次異同點(diǎn)？ 5 HYPERLINK l _TOC_250016 觸發(fā)違約“三部曲”之一：“加杠桿”的盛宴 5 HYPERLINK l _TOC_250015 觸發(fā)違約“三部曲”之二：產(chǎn)能過剩 6 HYPERLINK l _TOC_250014 觸發(fā)違約“三部曲”之三：貨幣（信貸）“大退潮” 7 HYPERLINK l _TOC_250013 當(dāng)前異同：“加杠桿？”+“產(chǎn)能過剩？”+“貨幣收緊？” 9 HYPERLINK l

2、 _TOC_250012 歷次違約潮行業(yè)特征，違約主要集中在哪些行業(yè)？ 10 HYPERLINK l _TOC_250011 3.1.第一波（2014.3-2015.10）：新能源（光伏等）、周期類行業(yè) 10 HYPERLINK l _TOC_250010 3.2.第二波（2015.11-2016.12）：鋼鐵、煤炭類周期行業(yè) 10 HYPERLINK l _TOC_250009 3.3.第三波（2018.1-2019.12）：周期、可選、必選消費(fèi)等多行業(yè) 11 HYPERLINK l _TOC_250008 歷次違約潮區(qū)域特征，違約主要集中在哪些區(qū)域？ 12 HYPERLINK l _TOC

3、_250007 歷次違約潮出現(xiàn)后，債券市場和權(quán)益市場如何變？ 13 HYPERLINK l _TOC_250006 債市：違約帶來的信用利差走擴(kuò)的影響不斷擴(kuò)大，利率債短期受益13 HYPERLINK l _TOC_250005 權(quán)益市場短期風(fēng)險(xiǎn)偏好降低，中期或受益無風(fēng)險(xiǎn)利率下降 17 HYPERLINK l _TOC_250004 歷次違約潮有何宏觀影響？相關(guān)行業(yè)的投資怎樣？ 17 HYPERLINK l _TOC_250003 展望此次違約事件，信用違約風(fēng)險(xiǎn)事件會(huì)不會(huì)蔓延？若蔓延，在哪些行業(yè)和區(qū)域蔓延？ 18 HYPERLINK l _TOC_250002 本次宏觀環(huán)境不同，信用違約或不會(huì)大

4、規(guī)模蔓延 18 HYPERLINK l _TOC_250001 大型國有企業(yè)風(fēng)險(xiǎn)暴露或持續(xù)，需要甄別“僵尸企業(yè)” 18 HYPERLINK l _TOC_250000 后續(xù)違約或多出現(xiàn)在過剩產(chǎn)能及經(jīng)濟(jì)發(fā)展動(dòng)力偏弱地區(qū) 19展望此次違約事件，違約潮會(huì)改變貨幣政策走向嗎？政府會(huì)在多大程度上干預(yù)？ 20歷次違約潮，地方政府多大程度會(huì)出手？ 20歷次違約潮，貨幣政策多大程度會(huì)出手？ 20“違約事件”大概率不會(huì)影響貨幣政策年內(nèi)以及 2021 年節(jié)奏 21附錄：歷史上重要信用違約事件回顧 23信用債市場突發(fā)兩個(gè) AAA 國企違約，沖擊“剛兌信仰”，近期國企、城投、大型民營企業(yè)上市公司等多個(gè)違約事件愈演愈烈

5、，信用債市場受到了極大的沖擊，違約風(fēng)暴似乎再次來襲。我們復(fù)盤 2014 年 3 月“違約元年”以來的“三次違約潮”，以史為鑒，來研判當(dāng)下違約事件的后續(xù)走勢及其宏觀影響。再回首 2014 年以來的三次違約潮自 2014 年“11 超日債”違約以來，我國歷史上共經(jīng)歷三波大規(guī)模的“信用債違約潮” （圖 1）。歷次違約潮呈現(xiàn)四大特征：1）違約家數(shù)和違約金額不斷攀升；2）違約主體逐漸多元化，從民企波及國企，民企仍占主導(dǎo)（圖 2）；3）違約券種多樣化，但集中在中長期債券；4）違約行業(yè)從新能源光伏類行業(yè)，到周期性產(chǎn)能過剩行業(yè)再到全面分散化。目前周期性行業(yè)仍然是重災(zāi)區(qū)。第一波，2014 年 3 月-2015

6、年下半年，違約集中在新能源行業(yè)，比如光伏行業(yè)的“超日債”等。違約涉及 36 只債券，25 家違約主體，首次違約時(shí)債券余額在 127.2 億元，其中大部分是新能源企業(yè)，光伏行業(yè)占 6 家，占近 20%。除保定天威評級在AA+以外，其他主體均在 AA 及以下，并且民營占大多數(shù)。第二波，2015 年 11 月-2016 年，違約集中在產(chǎn)能過剩行業(yè)，以煤炭鋼鐵企業(yè)（中鋼股份、四川圣達(dá)、川煤集團(tuán)、東北特鋼等）為主。違約涉及 109只，金額達(dá)到 402 億元。違約主體評級在 AA-至 AA+之間均有分布，并且由于這類行業(yè)多數(shù)為國有企業(yè)經(jīng)營，所以該波違約潮以國企為主。第三波，2018 年-2019 年，違約

7、主體為大量的民營企業(yè)，不再局限于某一行業(yè)（圖 2）。在經(jīng)過 2017 年小幅的改善之后，2018 年信用債違約從 47 只陡增至 164 只。2018 年至 2019 年間，違約涉及債券達(dá) 399 只，已是第一波違約潮的幾倍，違約金額達(dá)到 3371 億元。其中民營企業(yè)債券 337 只，占比達(dá)到 84%。違約債券首次突破 AAA 級，貫穿 AA-至 AAA，但仍然主要集中在 AA 和AA+。圖 1：違約債券數(shù)量和違約金額不斷攀升圖 2：歷年信用債違約分布億元只數(shù)250200150100500只數(shù)6201436212015民營企有企業(yè)8392017中外合資企業(yè)161913

8、82018公眾企業(yè)113161992019其他外資138871852020200023525018001641600176200140012001501000800791006004740030502006002014201520162017201820192020首次違約時(shí)債券余額（億元）違約債券數(shù)量（右）數(shù)據(jù)來源：WIND、&數(shù)據(jù)來源：WIND、&歷次違約潮出現(xiàn)的宏觀背景，與這次異同點(diǎn)？復(fù)盤這三波違約潮，我們發(fā)現(xiàn)觸發(fā)大規(guī)模違約潮的“三部曲”“加杠桿”+“產(chǎn)能過?！?“政策收緊”都不會(huì)缺席。違約發(fā)生起因一般都是違約主體前期投資過猛，瘋狂加杠桿，后期疊加產(chǎn)能過剩，行業(yè)出清導(dǎo)致盈利大幅下降，出現(xiàn)

9、了嚴(yán)重的經(jīng)營惡化；比如第一波違約潮中的保定天威、上海超日太陽能均處于行業(yè)劣勢，第二波中的鋼鐵企業(yè)產(chǎn)能過剩、第三波中的民營企業(yè)債務(wù)到期集中，去庫周期中盈利受損。最后，宏觀貨幣條件惡化，是“壓死駱駝的最后一根稻草”。本來重創(chuàng)的企業(yè)遭遇再融資困難，積重難返，違約爆發(fā)。觸發(fā)違約“三部曲”之一：“加杠桿”的盛宴從我國宏觀杠桿率歷史來看，2008-2016 年是我國快速加杠桿的時(shí)期。8 年時(shí)間，我國杠桿率以每年超過 12 個(gè)百分點(diǎn)，上行近 100 個(gè)百分點(diǎn)。而 2017 年開始，我國杠桿率上行速度開始趨緩。2018 年、2019 年則分別是去杠桿和穩(wěn)杠桿的兩年（圖 3、圖 4）。第一波違約潮之前，我國宏觀

10、杠桿率從 2012 年初的 178%上行至 2014 年初的 216%，兩年時(shí)間上升近 40 個(gè)百分點(diǎn)。主要加杠桿的主體就是地方政府（城投債發(fā)債）和非金融企業(yè)（國企發(fā)債），其中地方政府杠桿攀升速度更快。第二波違約潮前一年時(shí)間，我國實(shí)體杠桿從 216%上行至 227%，雖然節(jié)奏有所放緩，但仍 1 年時(shí)間上行超過 10 個(gè)百分點(diǎn)。地方政府由于 2014 年“43號文”的出臺，債務(wù)攀升速度得到遏制，但杠桿率的下降在 2014 年年末戛然而止，并出現(xiàn)了反彈。這一時(shí)期，加杠桿主體成為了非金融企業(yè)，與第二次違約潮的違約主體多為過剩行業(yè)的國有企業(yè)一致。第三波違約潮前，我國杠桿率企穩(wěn)在高位，2016 年間企業(yè)

11、杠桿小幅上行，地方政府杠桿震蕩中微降。而 2017 年，企業(yè)杠桿率明顯下降，地方政府有所上升，說明 2017 年企業(yè)去杠桿成效漸現(xiàn)，地方政府債務(wù)管理逐漸顯性化。但這是去杠桿政策所帶來的。由于前期加杠桿積累了大量債務(wù)，企業(yè)部門，尤其是民營企業(yè)，無論是主動(dòng)的杠桿壓降還是被動(dòng)壓降，都挫傷了企業(yè)的盈利能力，與第三次違約潮的違約主體多為民營企業(yè)一致。圖 3：三波違約潮，無一例外，均事先 2-4 個(gè)季度出現(xiàn)了“加杠桿”的過程% 280.00260.00240.00220.00200.00180.00189 191185196200 204211205216 216 217220 221 225233227

12、236 238 239 241242 243241242241 241 239244 245 246 245259266 270160.00181 180 180 178 178 181第一輪違約潮第二輪違約潮第三輪違約潮2010年12月2011年3月2011年6月2011年9月2011年12月2012年3月2012年6月2012年9月2012年12月2013年3月2013年6月2013年9月2013年12月2014年3月2014年6月2014年9月2014年12月2015年3月2015年6月2015年9月2015年12月2016年3月2016年6月2016年9月2016年12月2017年3月

13、2017年6月2017年9月2017年12月2018年3月2018年6月2018年9月2018年12月2019年3月2019年6月2019年9月2019年12月2020年3月2020年6月2020年9月實(shí)體經(jīng)濟(jì)杠桿率資料來源：Wind，&圖 4：在第一波中，企業(yè)、地方政府加杠桿尤為猛烈170.00160.00150.00140.00130.00120.00110.00100.00%第一輪違約潮第二輪違約潮第三輪違約潮25.023.021.019.017.02010年12月2011年3月2011年6月2011年9月2011年12月2012年3月2012年6月2012年9月2012年12月2013

14、年3月2013年6月2013年9月2013年12月2014年3月2014年6月2014年9月2014年12月2015年3月2015年6月2015年9月2015年12月2016年3月2016年6月2016年9月2016年12月2017年3月2017年6月2017年9月2017年12月2018年3月2018年6月2018年9月2018年12月2019年3月2019年6月2019年9月2019年12月2020年3月2020年6月15.0非金融企業(yè)部門杠桿率地方政府杠桿率（右）資料來源：Wind，&觸發(fā)違約“三部曲”之二：產(chǎn)能過剩2012 年以來，伴隨企業(yè)杠桿大幅上升，產(chǎn)能過剩問題越來越嚴(yán)重。三波違約

15、潮，無一例外，違約企業(yè)所在行業(yè)都出現(xiàn)了明顯的產(chǎn)能過剩。我們利用產(chǎn)能利用率作為產(chǎn)能是否過剩的評價(jià)指標(biāo)。當(dāng)一個(gè)行業(yè)的整體產(chǎn)能利用率處于較低水平時(shí)，就意味著存在大量的閑置產(chǎn)能，該行業(yè)就處于整體產(chǎn)能過剩的狀態(tài)。我們根據(jù)統(tǒng)計(jì)局公布的產(chǎn)能利用率 2014 年之后的數(shù)據(jù)，以及余淼杰等（2017）1對 2013 年之前我國產(chǎn)能利用率的測算得到以下結(jié)論（圖 5）：1 余淼杰, 崔曉敏. 中國的產(chǎn)能過剩及其衡量方法J. 學(xué)術(shù)月刊, 2016, 048(012):52-62.第一波違約潮之前，我國產(chǎn)能利用率經(jīng)歷了自金融危機(jī)以來的二次急跌。2008 年危機(jī)前，我國的工業(yè)產(chǎn)能利用率處于較高水平，在 78%附近。危機(jī)發(fā)生

16、后，產(chǎn)能利用率出現(xiàn)了垂直跌落 4 個(gè)百分點(diǎn)，不及 74%。隨后，在 2009 年見底回升。至 2012 年又開始出現(xiàn)明顯下跌至 75%。第二波違約潮之前，我國產(chǎn)能利用率從 2014 年的小高峰再次震蕩下行將近2 年，下行 3 個(gè)百分點(diǎn)至 73%，為金融危機(jī)前谷底水平。第三波違約潮前夜，我國產(chǎn)能利用率供給側(cè)改革來帶來的 2 年趨勢性上行之后，再次出現(xiàn)明顯下跌，并在整個(gè) 2018-2019 區(qū)間內(nèi)保持在 77%以下水平。圖 5：產(chǎn)能利用率在 2014 年到 2016 年之間迅速下跌，降至 73%以下%78.077.576.8 76.876.176.5 76.8 76.575.4 75.5 75.2

17、75.876.0 75.976.4 76.476.774.2 74.3 74.0 74.674.473.872.9 73.1 73.2第二輪違約潮第三輪違約潮67.381.0079.0077.0075.0073.0071.0069.0067.002014年3月2014年5月2014年7月2014年9月2014年11月2015年1月2015年3月2015年5月2015年7月2015年9月2015年11月2016年1月2016年3月2016年5月2016年7月2016年9月2016年11月2017年1月2017年3月2017年5月2017年7月2017年9月2017年11月2018年1月2018年

18、3月2018年5月2018年7月2018年9月2018年11月2019年1月2019年3月2019年5月2019年7月2019年9月2019年11月2020年1月2020年3月2020年5月2020年7月2020年9月65.00資料來源：Wind，&工業(yè)產(chǎn)能利用率:當(dāng)季值觸發(fā)違約“三部曲”之三：貨幣（信貸）“大退潮”三波違約潮，無一例外，宏觀環(huán)境均領(lǐng)先或同步出現(xiàn)了“貨幣收緊”（圖 6-8）：在第一波違約潮發(fā)生之前，宏觀經(jīng)濟(jì)增速放緩，2013 年債券市場籠罩在“錢荒”的陰影之中。在量的層面，2013 年 4 月-2014 年 4 月，社融增速從歷史高位下行 6.3 個(gè)百分點(diǎn)（從 21.7%下行至

19、 15.4%），M2 增速從 16.1%下行至 13.2%。從資金價(jià)格來看，銀行間同業(yè)拆借利率、R007 均從 2012 年 7 月的3.5%快速攀升至 2013 年 6 月的 7%，債券市場發(fā)生了“錢荒”。從央行貨幣政策操作工具來看，2010 年 1 月央行自 2008 年以來首次加準(zhǔn) 50bp。至 2011 年6 月，央行以 50bp/每月的速度連續(xù)加準(zhǔn) 12 次，使大型存款類金融機(jī)構(gòu)存款準(zhǔn)備金率從 15.5%升至 21.5%，創(chuàng)下歷史高點(diǎn)。并在 2014 年違約事件爆發(fā)前，存準(zhǔn)始終保持在 20%的高位。與此同時(shí)，央行從 2010 年 11 月開始加息 25bp，并在 2012 年 5 月

20、前，5 次加息將存款利率從 2.25%升至 3.50%，并在違約爆發(fā)前，始終保持在 3.00%的高位。第一波違約潮之前，央行連續(xù)加準(zhǔn)、加息，收緊力度為三次中最強(qiáng)。在第二波違約潮期間，正值中央經(jīng)濟(jì)工作會(huì)議提出“三去一降一補(bǔ)”任務(wù)（2015年底），央行“鎖短放長”、債市去杠桿疊加“供給側(cè)結(jié)構(gòu)性改革”、煤炭、鋼鐵行業(yè)落實(shí)去產(chǎn)能政策（2016 年）。在量的層面，貨幣政策在 2015 年 7 月至2016 年 8 月收緊，社融在 12.4%附近震蕩，貸款增速從 15.5%下行至 12.9%， M2 增速從 13.3%下行至 10.2%。從資金價(jià)格來看，銀行間同業(yè)拆借利率、 R007 從 2014 年初的

21、 3.3%、3.2%再度升至 2015 年初的 4.8%、4.7%。從央行貨幣政策操作工具來看，央行在此期間則沒有進(jìn)行較強(qiáng)的收緊操作。第三波大規(guī)模民企違約始于 2018 年，正是金融去杠桿加速、經(jīng)濟(jì)周期下行的時(shí)候。2017 年，資管新規(guī)征求意見稿出臺，進(jìn)一步打擊影子銀行，與此同時(shí)，信用收縮也如火如荼。在量的層面，2016 年 11 月至 2018 年 6 月期間，貨幣、信用政策先后同樣出現(xiàn)收緊。社融同比從 13.3%下行至 11.7%，貸款增速從 13.1%下行至 12.7%，M2 增速從 11.4%下行至 8.0%。從資金價(jià)格來看，2016年四季度，債券市場發(fā)生“債災(zāi)”，銀行間同業(yè)拆借利率、

22、R007、DR007 進(jìn)入長達(dá) 2 年的長行通道。截止 2018 年初，銀行間同業(yè)拆借利率已經(jīng)從 2.6%攀升至 3.4%。從央行貨幣政策操作工具來看，央行在此期間政策保持定力。圖 6：貨幣量縮：三波違約潮，事先出現(xiàn)了貸款、M2、社融增速回落，第一波回落最明顯資料來源：Wind，&圖 7：資金價(jià)高：三波違約潮，事先出現(xiàn)了 R007、DR007、同業(yè)拆借利率走高，第一波上行最明顯%8.0“錢荒”7.06.05.0“債災(zāi)”4.03.02.0第一輪違約潮第二輪違約潮第三輪違約潮1.0銀行間同業(yè)拆借加權(quán)利率:7天:月銀行間質(zhì)押式回購加權(quán)利率:7天:月存款類機(jī)構(gòu)質(zhì)押式回購加權(quán)利率:7天:月存款類機(jī)構(gòu)信用

23、拆借加權(quán)利率:7天:月資料來源：Wind，&圖 8：政策操作：第一波違約潮之前，央行連續(xù)加準(zhǔn)、加息，收緊力度最強(qiáng)%21.5017.5017.002.25第一輪違約潮第二輪違約潮第三輪違約潮%254.50234.00213.50193.00172.50152.0013111.5091.0070.502008年1月2008年4月2008年7月2008年10月2009年1月2009年4月2009年7月2009年10月2010年1月2010年4月2010年7月2010年10月2011年1月2011年4月2011年7月2011年10月2012年1月2012年4月2012年7月2012年10月2013年1

24、月2013年4月2013年7月2013年10月2014年1月2014年4月2014年7月2014年10月2015年1月2015年4月2015年7月2015年10月2016年1月2016年4月2016年7月2016年10月2017年1月2017年4月2017年7月2017年10月2018年1月2018年4月2018年7月2018年10月2019年1月2019年4月2019年7月2019年10月2020年1月2020年4月2020年7月2020年10月50.00人民幣存款準(zhǔn)備金率:大型存款類金融機(jī)構(gòu)(變動(dòng)公告日期)定期存款利率:1年(整存整取)(月)（右）資料來源：Wind，&當(dāng)前異同：“加杠桿？

25、”+“產(chǎn)能過剩？”+“貨幣收緊？”不同之一：企業(yè)加杠桿，債務(wù)高企，違約爆發(fā)“大超預(yù)期”：此次永煤、華晨等 AAA級國企違約事件之所以引起了市場的多方關(guān)注，主因在于這類債券違約“大超預(yù)期”：1）AAA 級國企資質(zhì)；2）涉及地方政府逃廢債；3）隨意劃撥資產(chǎn)；4）違約前該企業(yè)還在發(fā)行債券。此次“違約事件”雖然數(shù)量金額占比少，但短期沖擊較大，影響一級、二級市場：違約發(fā)生后，二級市場，多只地方國企債券被凈價(jià)打折拋售；一級市場，山東、山西、泉州、連云港等多地較好資質(zhì)的主體均再難發(fā)債券，再融資受阻。不同之二：疫情導(dǎo)致產(chǎn)能利用率下降，雖然尚未完全恢復(fù)，但當(dāng)前產(chǎn)能利用率仍在不斷回升，并且絕對值高于前三次違約潮發(fā)

26、生前水平。產(chǎn)能過剩存在苗頭。但產(chǎn)能目前已經(jīng)觸底回升至 76.7%，并沒有出現(xiàn)明顯下降趨勢，反而隨著經(jīng)濟(jì)修復(fù)，仍在不斷回升。并且從絕對值來看，當(dāng)前產(chǎn)能利用率也高于前三次違約潮發(fā)生前水平（76%左右）。不同之三：貨幣政策尚未收緊，但當(dāng)前正在社融信用擴(kuò)張的尾聲階段。當(dāng)前宏觀背景是流動(dòng)性并沒有特別緊張，不同于第一波、第三波違約潮，但 2021 年將是信用收縮之年，需要關(guān)注此次“違約事件”的蝴蝶效應(yīng)，警惕信用風(fēng)險(xiǎn)向流動(dòng)性風(fēng)險(xiǎn)演化之勢。地方國企的信用利差在 11 月 11 日后明顯走擴(kuò)，但民營企業(yè)信用利差在此次違約中卻沒有。流動(dòng)性方面，11 月 11 日后，R007、DR007 出現(xiàn)了明顯的上行（圖 9、

27、10）。圖 9：流動(dòng)性在 11 月 11 日后明顯緊張圖 10：地方國企的信用利差在 11 月 11 日后明顯走擴(kuò)%3.503.002.502.001.502020-09-182020-09-202020-09-222020-09-242020-09-262020-09-282020-09-302020-10-022020-10-042020-10-062020-10-082020-10-102020-10-122020-10-142020-10-162020-10-182020-10-202020-10-222020-10-242020-10-262020-10-282020-10-3020

28、20-11-012020-11-032020-11-052020-11-072020-11-092020-11-112020-11-131.0095.0093.0091.0089.0087.0085.0083.0081.0079.0077.0075.00%310.00305.00300.00295.00290.00285.002020-09-172020-09-192020-09-212020-09-232020-09-252020-09-272020-09-292020-10-012020-10-032020-10-052020-10-072020-10-092020-10-112020-1

29、0-132020-10-152020-10-172020-10-192020-10-212020-10-232020-10-252020-10-272020-10-292020-10-312020-11-022020-11-042020-11-062020-11-082020-11-102020-11-12280.00 銀行間同業(yè)拆借加權(quán)利率:7天 存款類機(jī)構(gòu)信用拆借加權(quán)利率:7天 銀行間質(zhì)押式回購加權(quán)利率:7天 存款類機(jī)構(gòu)質(zhì)押式回購加權(quán)利率:7天 信用利差(算術(shù)平均):產(chǎn)業(yè)債:地方國企 信用利差(算術(shù)平均):產(chǎn)業(yè)債:上市公司 信用利差(算術(shù)平均):產(chǎn)業(yè)債:非上市公司 信用利差(算術(shù)平均):產(chǎn)

30、業(yè)債:民營企業(yè)(右)數(shù)據(jù)來源：WIND、&數(shù)據(jù)來源：WIND、&歷次違約潮行業(yè)特征，違約主要集中在哪些行業(yè)？我們梳理了自 2014 年以來三波違約潮期間所有發(fā)生違約的 173 家違約主體，考察了違約企業(yè)主要分布的行業(yè)特征，以期幫助投資者甄別信用風(fēng)險(xiǎn)。3.1.第一波（2014.3-2015.10）：新能源（光伏等）、周期類行業(yè)第一波違約潮共涉及 25 家發(fā)行人，率先違約的是新能源（光伏等）行業(yè)，占比較大的是新能源和周期類行業(yè)（圖 11）。圖 11：第一波（2014.3-2015.10）：新能源（光伏等）、周期類行業(yè)資料來源：Wind，&3.2.第二波（2015.11-2016.12）：鋼鐵、煤炭

31、類周期行業(yè)第二波違約潮共涉及 34 家發(fā)行人，鋼鐵、煤炭類周期行業(yè)占絕對主導(dǎo)（圖 12）。圖 12：第二波（2015.11-2016.12）：鋼鐵、煤炭類周期行業(yè)占絕對比重資料來源：Wind，&3.3.第三波（2018.1-2019.12）：周期、可選、必選消費(fèi)等多行業(yè)第三波違約潮共涉及 82 家發(fā)行人，分布在中上游原料、中游制造、周期板塊、可選消費(fèi)（紡織服裝）、必選消費(fèi)（食品飲料）等多行業(yè)。而新能源比重明顯下降，輕工類的家電家居行業(yè)也少有違約（圖 13）。圖 13：第三波（2018.1-2019.12）：周期、可選消費(fèi)等多行業(yè)資料來源：Wind，&歷次違約潮區(qū)域特征，違約主要集中在哪些區(qū)域？

32、我們同樣梳理了違約主體所在的地區(qū)，并且結(jié)合地區(qū)的公共財(cái)政收入以及地方債務(wù)水平（城投債+地方政府債）計(jì)算的負(fù)債率來判斷違約最有可能發(fā)生在哪些區(qū)域，并且下一個(gè)“雷”最可能在何地出現(xiàn)。但單從信用債券違約發(fā)行人個(gè)數(shù)看，違約發(fā)行人個(gè)數(shù)最多的 6 個(gè)省份是北京、山東、廣東、江蘇、上海、遼寧。最少的 5 個(gè)省份分別是貴州、青海、江西、海南和西藏。因此，僅僅看違約發(fā)行人個(gè)數(shù)并不能斷定某一省份發(fā)生違約事件的概率越大。這主要是因?yàn)榻?jīng)濟(jì)越發(fā)達(dá)的地區(qū)，違約的債券發(fā)行人數(shù)量越多，違約的概率也大。真正危險(xiǎn)的是，違約發(fā)行人多的同時(shí)，該地區(qū)經(jīng)濟(jì)動(dòng)能較弱，一旦債券違約，當(dāng)?shù)卣幢阌幸庠高M(jìn)行支持，也能力不足。進(jìn)而我們結(jié)合地區(qū)的

33、公共財(cái)政收入以及地方債務(wù)水平（城投債+地方政府債）計(jì)算的負(fù)債率來進(jìn)行分類別考察：我們從政府意愿、政府實(shí)力以及過去發(fā)生違約事件三個(gè)維度去對各個(gè)省份違約風(fēng)險(xiǎn)進(jìn)行綜合排名。我們將政府負(fù)債率、違約主體個(gè)數(shù)分別作為地方政府意愿、過去是否打破過剛兌的代理指標(biāo)，進(jìn)行從高到低排名；將地方人均 GDP 作為經(jīng)濟(jì)實(shí)力的代理指標(biāo)，進(jìn)行從低倒高逆序排名。最后我們加權(quán)計(jì)算得到每個(gè)省份的綜合風(fēng)險(xiǎn)評價(jià)，其中政府負(fù)債率賦予 70%的權(quán)重，地方人均 GDP 賦予 20%的權(quán)重，違約主體個(gè)數(shù)排名賦予 10%的權(quán)重。綜合得分越低，則說明該地區(qū)風(fēng)險(xiǎn)越大。我們最終將得分高于 25 分的認(rèn)定為“低風(fēng)險(xiǎn)地區(qū)”，低于 10 分的認(rèn)定為“高風(fēng)

34、險(xiǎn)地區(qū)”，得分在 10-25 之間的認(rèn)定為“中等風(fēng)險(xiǎn)地區(qū)”。由此，我們得到區(qū)域風(fēng)險(xiǎn)的三個(gè)梯隊(duì)（風(fēng)險(xiǎn)程度從高到低排列）：風(fēng)險(xiǎn)較高區(qū)域：青海、貴州、湖南、吉林、云南、廣西、甘肅、黑龍江。風(fēng)險(xiǎn)中等區(qū)域：重慶、寧夏、新疆、四川、天津、江西、江蘇、湖北、安徽、內(nèi)蒙古、陜西、遼寧、福建、浙江、山東、海南、河北、河南、山西。風(fēng)險(xiǎn)較低區(qū)域：北京、廣東、上海。圖 14：各省份違約主體個(gè)數(shù)以及風(fēng)險(xiǎn)程度資料來源：Wind，&歷次違約潮出現(xiàn)后，債券市場和權(quán)益市場如何變？債市：違約帶來的信用利差走擴(kuò)的影響不斷擴(kuò)大，利率債短期受益回顧三波違約潮，我們發(fā)現(xiàn)對債券市場主要的影響有（圖 15、16）：信用利差快速走擴(kuò)，級別利差

35、走擴(kuò)，低資質(zhì)走擴(kuò)更為明顯，風(fēng)險(xiǎn)偏好快速下降。以 2014 年“11 超日債”違約以后為例，高等級和中低等級信用債券利差有所擴(kuò)大，中低等級走擴(kuò)尤為明顯，反映市場對信用風(fēng)險(xiǎn)敏感度上升。但從趨勢上看，信用利差并沒有持續(xù)走擴(kuò)，表明市場并沒有受到信用違約風(fēng)險(xiǎn)增大的顯著影響。圖 15：三波違約潮發(fā)生，較高資質(zhì)的 3 年期中短期（AAA）信用利差均走擴(kuò)，第三波最為明顯%7.06.05.04.03.02.01.03.002.502.001.501.000.500.003年中短票信用利差(AAA-國債)(右)中債中短期票據(jù)到期收益率(AAA):3年中債國債到期收益率:3年資料來源：Wind，&圖 16：三波違約

36、潮下，較低資質(zhì)的 3 年期中短期（AA）信用利差走擴(kuò)比高資質(zhì)（AAA）更為明顯%7.06.05.04.03.02.01.03.503.002.502.001.501.000.500.003年中短票信用利差(AA-國債)(右)中債中短期票據(jù)到期收益率(AA):3年中債國債到期收益率:3年資料來源：Wind，&隨著違約的范圍的擴(kuò)大，違約帶來的信用利差走擴(kuò)波及的范圍和幅度不斷擴(kuò)大（圖 17-20）。我們考察了各個(gè)行業(yè)在三次違約潮中信用利差的走勢，發(fā)現(xiàn)，第一波中各行業(yè)信用利差走擴(kuò)不明顯，違約潮影響最小，主要仍集中在新能源行業(yè)中的個(gè)別企業(yè)。第二波主要集中在鋼鐵、采掘、有色、化工等產(chǎn)能過剩行業(yè)。其中又以采

37、掘、鋼鐵、有色等上游原材料行業(yè)走擴(kuò)最為迅猛，中游化工、建筑材料、機(jī)械設(shè)備等隨后走擴(kuò)，下游商業(yè)貿(mào)易、服務(wù)等行業(yè)最后也隨著走擴(kuò)。第三波違約潮波及行業(yè)最多，不但周期行業(yè)利差走擴(kuò)，可選消費(fèi)類行業(yè)利差同樣明顯走擴(kuò)。圖 17：三波違約潮中，僅第二波中上游采掘、黑色有色、中上游化工信用利差大幅攀升%250140200150120100801006040502000信用利差:AAA:采掘 信用利差:AAA:鋼鐵 信用利差:AAA:化工 信用利差:AAA:有色金屬（右）信用利差:AAA:建筑材料（右）資料來源：Wind，&圖 18：第二波中機(jī)械設(shè)備、商貿(mào)信用利差走擴(kuò)，第三波中商貿(mào)、食品飲料信用利差走擴(kuò)%1406

38、012050100408030602040102000-10 信用利差:AAA:機(jī)械設(shè)備信用利差:AAA:汽車信用利差:AAA:商業(yè)貿(mào)易信用利差:AAA:食品飲料(右) 信用利差:AAA:休閑服務(wù)(右)資料來源：Wind，&圖 19：第二波中相對低資質(zhì)（AA）的上游采掘、黑色有色、中上游化工類債券信用利差攀升更為劇烈%6002505002004003002001001501005000 信用利差:AA:采掘信用利差:AA:鋼鐵信用利差:AA:化工信用利差:AA:有色金屬(右) 信用利差:AA:建筑材料(右)資料來源：Wind，&圖 20：設(shè)備、服裝、機(jī)械、家電、汽車的資質(zhì)相對較低（AA）債券在

39、第三波中信用利差走擴(kuò)明顯%6005004003002001000400350300250200150100500-50 信用利差:AA:電氣設(shè)備信用利差:AA:紡織服裝信用利差:AA:機(jī)械設(shè)備信用利差:AA:家用電器(右) 信用利差:AA:汽車(右)資料來源：Wind，&此外，從評級角度，三次違約潮中，高等級和中低等級的信用利差走擴(kuò)分化程度呈現(xiàn)第三波第二波第一波。第二波中相對低資質(zhì)（AA）的上游采掘、黑色有色、中上游化工類債券信用利差攀升更為劇烈；設(shè)備、服裝、機(jī)械、家電、汽車的資質(zhì)相對較低（AA）債券在第三波中信用利差走擴(kuò)更為明顯。比對三次違約潮，第三次違約潮信用利差走擴(kuò)更明顯，第一次次之，第

40、二次最小。第三次違約潮涉及企業(yè)和金額都遠(yuǎn)遠(yuǎn)超過第一、二次。并且違約企業(yè)覆蓋了上中下游多個(gè)企業(yè)，持續(xù)時(shí)間更長。因此，對整體的信用利差走擴(kuò)影響最為深遠(yuǎn)。第二波主要集中的產(chǎn)能過剩行業(yè)，雖然多數(shù)為國企，但是經(jīng)營不善，加之宏觀環(huán)境政策導(dǎo)向，為市場所預(yù)期，風(fēng)險(xiǎn)可控。第一波違約潮雖然涉及金額和家數(shù)都是最少的，但是是信用債史上違約“零的突破”，對債券市場風(fēng)險(xiǎn)偏好影響較大。3）利率債短期因?yàn)榕渲眯枨蟮霓D(zhuǎn)移多出現(xiàn)利率的下行（圖 21）。在信用違約事件發(fā)生后，市場的風(fēng)險(xiǎn)偏好下降，資金的配置需求有轉(zhuǎn)向利率債的可能。此外，市場恐慌也會(huì)導(dǎo)致央行在流動(dòng)性層面保持相對的寬松，穩(wěn)定市場的情緒，利好利率債的走勢。因此，回顧三次違

41、約潮，10 年國債的收益率都有一定的下行。圖 21：利率債短期或受益信用違約而出現(xiàn)收益率下行資料來源：Wind，&權(quán)益市場短期風(fēng)險(xiǎn)偏好降低，中期或受益無風(fēng)險(xiǎn)利率下降國君策略團(tuán)隊(duì)針對本次國企違約事件發(fā)布了低風(fēng)險(xiǎn)特征復(fù)蘇交易：中國制造+可選消費(fèi)信用債違約對 A 股市場點(diǎn)評，指出信用違約核心有兩條影響路徑：其一，指向風(fēng)險(xiǎn)偏好，違約引發(fā)信用收縮預(yù)期，使得債券市場乃至權(quán)益市場風(fēng)險(xiǎn)溢價(jià)上行；其二，指向無風(fēng)險(xiǎn)利率，結(jié)構(gòu)性的信用債剛兌打破，引發(fā)無風(fēng)險(xiǎn)利率下行的可能。歷次違約潮有何宏觀影響？相關(guān)行業(yè)的投資怎樣？第二波違約潮對相應(yīng)領(lǐng)域固定投資的負(fù)面影響較為明顯，其他兩波未明顯改變原有的投資變化趨勢（圖 22）。三

42、次違約潮體現(xiàn)出了不同的特征，針對違約集中的行業(yè)或企業(yè)類型，我們觀察其對宏觀變量固定資產(chǎn)投資的影響。第一波違約主要集中在新能源行業(yè)，我們以制造業(yè)投資作為觀察變量，發(fā)現(xiàn)其在 2009 年刺激政策推動(dòng)后快速上行后，進(jìn)入 2011 年后投資增速即進(jìn)入長期的下滑期，2014年 3 月起的第一波違約潮并未明顯帶動(dòng)制造業(yè)投資的快速下滑，投資增速在 2014年保持在 14%左右的水平。第二波違約潮主要集中在鋼鐵、煤炭等采礦業(yè)，觀察該行業(yè)的投資增速，發(fā)現(xiàn)在違約潮發(fā)生后，投資增速快速下滑，違約潮開始的 2015年 11 月，采礦業(yè)的投資增速為-8%到 2016 年 2 月快速下滑到-29%，2016 年全年采礦業(yè)

43、的累計(jì)同比增速為-20%較 2015 年的-9%，下滑了 11 個(gè)百分點(diǎn)。第三波違約潮主要集中在民營企業(yè)，但是對民間固定資產(chǎn)投資的影響不顯著，2017-2019 年三年的民間固定資產(chǎn)投資分別為 6%、9%和 5%?？紤]第二波違約潮的宏觀背景為供給側(cè)改革，去產(chǎn)能，或非單純因?yàn)樾袠I(yè)信用違約導(dǎo)致投資增速的下滑。綜合三次違約潮，信用事件對相關(guān)領(lǐng)域的投資的影響相對輕微，這或與當(dāng)前我國間接融資為主的融資體系相關(guān)。圖 22：第二波違約潮對相應(yīng)領(lǐng)域固定投資的負(fù)面影響較為明顯，其他兩波未明顯改變原有的投資變化趨勢資料來源：Wind，&展望此次違約事件，信用違約風(fēng)險(xiǎn)事件會(huì)不會(huì)蔓延？若蔓延，在哪些行業(yè)和區(qū)域蔓延？本

44、次宏觀環(huán)境不同，信用違約或不會(huì)大規(guī)模蔓延本次國企違約的宏觀背景不同此前，或不會(huì)發(fā)生大規(guī)模的違約蔓延?；仡櫲芜`約潮，我們得出的結(jié)論是違約前宏觀層面都出現(xiàn)了實(shí)體企業(yè)宏觀杠桿率的大幅度提升，企業(yè)相應(yīng)的進(jìn)行了產(chǎn)能的過度擴(kuò)張，形成了過剩的產(chǎn)能，然后因?yàn)檎叩氖站o導(dǎo)致融資難度加大，違約潮出現(xiàn)。當(dāng)前，雖然我們看到宏觀杠桿率的提升，但主要是受到疫情影響，經(jīng)濟(jì)增長受損較為嚴(yán)重，分母端的變化為主因，而非企業(yè)的主動(dòng)擴(kuò)張。此外，在疫情防控常態(tài)化、全球央行集體寬松的背景下，我國央行的貨幣政策也保持了相對中性，沒有明顯的收緊。從宏觀環(huán)境看，或不會(huì)發(fā)生大規(guī)模的違約蔓延。大型國有企業(yè)風(fēng)險(xiǎn)暴露或持續(xù)，需要甄別“僵尸企業(yè)”針對

45、國企信用風(fēng)險(xiǎn)暴露，需要甄別“僵尸企業(yè)”，注重“大”而“弱”的企業(yè)的信用風(fēng)險(xiǎn)（圖 23）。近期出現(xiàn)違約的國有企業(yè)，都存在“僵尸企業(yè)”的特征，這些企業(yè)原因受到政府的支持而依賴融資生存、“借新還舊”，自身造血能力不足。針對這樣的企業(yè)，海外經(jīng)濟(jì)體的發(fā)展經(jīng)驗(yàn)已經(jīng)表明，必須要進(jìn)行處理，如 20 世紀(jì) 90 年代日本資產(chǎn)泡沫破裂后所形成的大量僵尸企業(yè)被認(rèn)為是導(dǎo)致日本“失去的十年”的重要因素2。從生產(chǎn)要素的角度看，“僵尸企業(yè)”導(dǎo)致資本要素、人力要素等難以充分發(fā)揮其生產(chǎn)潛力，降低了整個(gè)經(jīng)濟(jì)體的潛在增速，對經(jīng)濟(jì)負(fù)面影響大。我國即將進(jìn)入“十四五”，需要實(shí)現(xiàn)到 2035 年進(jìn)入中等發(fā)達(dá)國家行列的發(fā)展目標(biāo)。在背景下，治

46、理“僵尸企業(yè)”是我國實(shí)現(xiàn)經(jīng)濟(jì)增長潛能的重要途徑之一。圖 23：僵尸企業(yè)利潤率低、資產(chǎn)回報(bào)率、資本生產(chǎn)力、勞動(dòng)生產(chǎn)率等均顯著低于非僵尸企業(yè)資料來源：譚語嫣，譚之博，黃益平，等.僵尸企業(yè)的投資擠出效應(yīng):基于中國工業(yè)企業(yè)的證據(jù)J.經(jīng)濟(jì)研究，2017，52(05)：175-188.此外，在 2020 年的金融穩(wěn)定報(bào)告中，央行撰寫了大型企業(yè)風(fēng)險(xiǎn)監(jiān)測專題，報(bào)告指出，2013 年，人民銀行開始對大型企業(yè)出險(xiǎn)情況進(jìn)行監(jiān)測，加強(qiáng)預(yù)警、研判。截至 2019 年末，全國共有 575 家大型企業(yè)出險(xiǎn)，其中，460 家企業(yè)出現(xiàn)嚴(yán)重流動(dòng)性困難、120 家企業(yè)未兌付已發(fā)行債券、27 家企業(yè)股權(quán)被凍結(jié)、67 家企業(yè)2 孫麗.

47、日本處理僵尸企業(yè)問題的經(jīng)驗(yàn)教訓(xùn)研究J.日本學(xué)刊，2017(03)：83-108.申請破產(chǎn)重整（圖 24）。575 家出險(xiǎn)企業(yè)融資規(guī)模為 3.88 萬億元，其中 6462 億元已被納入不良資產(chǎn)。圖 24：出險(xiǎn)企業(yè)行業(yè)分布資料來源：中國人民銀行 金融穩(wěn)定報(bào)告（2020）對此，央行提出要積極化解大型企業(yè)風(fēng)險(xiǎn)，提出了深化企業(yè)改革、分類施策化解風(fēng)險(xiǎn)、拓寬不良資產(chǎn)處置渠道和處置方式、建立健全多元化的債券違約處置機(jī)制、充分發(fā)揮債委會(huì)作用、完善企業(yè)破產(chǎn)法律體系等具體舉措。在分類施策化解風(fēng)險(xiǎn)中，央行明確提出對救治無望的“僵尸企業(yè)”應(yīng)依司法程序進(jìn)行破產(chǎn)清算，實(shí)現(xiàn)市場出清，而對于產(chǎn)能過剩行業(yè)企業(yè)要加大兼并重組力度。

48、整體看，央行對“大”而 “弱”的企業(yè)的風(fēng)險(xiǎn)處置的態(tài)度較為堅(jiān)決，“僵尸企業(yè)”或面臨出清風(fēng)險(xiǎn)?！敖┦髽I(yè)”的認(rèn)定方法，或可為信用風(fēng)險(xiǎn)甄別提供一定的參考。國務(wù)院的認(rèn)定為：不符合國家能耗、環(huán)保、質(zhì)量、安全等標(biāo)準(zhǔn)，持續(xù)虧損三年以上且不符合結(jié)構(gòu)調(diào)整方向的企業(yè)。而學(xué)術(shù)領(lǐng)域和海外研究中多使用 CHK 方法，該方法主要分為兩步。第一步，計(jì)算出最優(yōu)利率，這個(gè)利率是所有企業(yè)在現(xiàn)有條件下可能享受到的最低利率。第二步，將最優(yōu)利率與企業(yè)實(shí)際支付的利率進(jìn)行對比，那些實(shí)際支付利率比最優(yōu)利率還低的企業(yè)就有可能是僵尸企業(yè)3。從具體的影響變量看，高負(fù)債企業(yè)、規(guī)模過大企業(yè)、制造業(yè)企業(yè)和國有企業(yè)較易成為“僵尸企業(yè)”4。后續(xù)違約或多出現(xiàn)

49、在過剩產(chǎn)能及經(jīng)濟(jì)發(fā)展動(dòng)力偏弱地區(qū)在上文中，我們發(fā)現(xiàn)，真正危險(xiǎn)的是，違約發(fā)行人多的同時(shí)，該地區(qū)經(jīng)濟(jì)動(dòng)能較弱，一旦債券違約，當(dāng)?shù)卣幢阌幸庠高M(jìn)行支持，也能力不足。我們綜合利用3 何帆，朱鶴.僵尸企業(yè)的識別與應(yīng)對J.中國金融，2016(05)：20-22.4 朱舜楠，陳琛.“僵尸企業(yè)”誘因與處置方略J.改革，2016(03)：110-119.地方違約主體個(gè)數(shù)、地方政府負(fù)債率和地方財(cái)政收入進(jìn)行了風(fēng)險(xiǎn)識別。我們認(rèn)為未來違約蔓延最先將從這些經(jīng)濟(jì)發(fā)展動(dòng)力偏弱地區(qū)開始，即高風(fēng)險(xiǎn)地區(qū)（吉林 甘肅 重慶 黑龍江 陜西 廣西 新疆 寧夏 湖南 云南 貴州 青海 江西 海南）和中等風(fēng)險(xiǎn)地區(qū)（遼寧 內(nèi)蒙古 山西 天津

50、）。而像北京、上海等地，雖然違約主體個(gè)數(shù)較多，但這可能是由于經(jīng)濟(jì)活動(dòng)多，發(fā)行主體多導(dǎo)致的。展望此次違約事件，違約潮會(huì)改變貨幣政策走向嗎？政府會(huì)在多大程度上干預(yù)？每一波違約潮的爆發(fā)都影響了市場風(fēng)險(xiǎn)偏好的改變，信用利差隨之走擴(kuò)并在不同行業(yè)和資質(zhì)的主體中呈現(xiàn)明顯的分化。隨著重要違約事件的發(fā)生，市場逐漸開始對信用風(fēng)險(xiǎn)進(jìn)行定價(jià)。在 2016 年之前，地方政府對違約債券表現(xiàn)出較強(qiáng)的救助意愿，大部分的違約債券，特別是國企違約后的兌付往往依賴于地方政府支持，如 15 川煤炭 CP001、 10 中鋼債，都是在政府的積極協(xié)調(diào)下，獲得再融資償還違約本息。而 2016 年以后，隨著違約常態(tài)化，地方政府也有意識的打破

51、隱性擔(dān)保預(yù)期，政府對違約之后的償付支持力度逐步減弱。歷次違約潮，地方政府多大程度會(huì)出手？在地方政府和違約企業(yè)的微觀層面，地方政府一般會(huì)在如下情形選擇積極救助企業(yè)：企業(yè)是地方龍頭，違約影響地方經(jīng)濟(jì)和就業(yè)。這類企業(yè)往往是地方稅收貢獻(xiàn)的大頭，并且提供了大量的就業(yè)崗位，承擔(dān)了區(qū)域較多社會(huì)責(zé)任。如 15亞邦CP004，最后地方政府和地方銀行、信托公司合作再募集 28 億元，幫助企業(yè)走出困境。企業(yè)是債務(wù)鏈條中關(guān)鍵環(huán)節(jié)，違約引發(fā)系統(tǒng)性風(fēng)險(xiǎn)。這類企業(yè)往往是市場最具剛兌預(yù)期的主體，比如國企和城投公司，一旦違約，會(huì)打破“信仰”，甚至引發(fā)“擠兌”，影響其他企業(yè)融資，爆發(fā)系列違約事件。如 11 云維債。企業(yè)資質(zhì)尚好，符合國家政策引導(dǎo)方向，尚可以“挽救”。這類企業(yè)往往是受到臨時(shí)的宏觀金融環(huán)境沖擊導(dǎo)致再融資受阻，符合國家和區(qū)域政策導(dǎo)向。一般而言，政府也愿意幫助企業(yè)渡過難關(guān)，如 15 亞邦 CP004。歷次違約潮，貨幣政策多大程度會(huì)出手？然而在宏觀層面，歷次貨幣政策反映不一，主要取決于違約事件是否會(huì)引發(fā)銀行 間持續(xù)的流動(dòng)性緊張。如果出現(xiàn)明顯的系統(tǒng)性流動(dòng)性收縮，則央行會(huì)采取偏松的 貨幣政策加以對