作为地方政府解决税收和发展支出矛盾的融资手段,城投债发展至今已经28个年头。国家一直致力于在债务红线内建立一个健康发展的城投债市场。最近10年融资规模不断扩大,积弊不断凸显。从2010年的19号文、2014年的43号文尝试以地方政府债部分替代城投并纳入预算管理,到2019年的23号文和40号文对隐性债务的严控,监管规范金融市场资产配置的决心可见一斑。
由于地方政府背书,在城投信仰的光芒下,金融机构对城投债的风险评估与管理往往缺乏科学有效的计量手段而显得困难重重。我们通过精细化数据和分层非线性模型,综合量化地方政府财政状况,政府支持力度和平台自身状况三个方面,力求评级结果的排序科学、客观,共识;同时对全市场信息进行有效整合,并多维度、可视化的呈现,更便于对关注主体的直观判断。
1 城投信用评级框架
评级机构和投行对城投公司信用分析框架通常会考虑三个方面:地方政府信用、政府支持力度、城投自身信用。
· 地方政府信用:主要包括经济规模、经济弹性、财政规模、财政弹性、政府债务、或有债务等指标,同时需基于政府地位考虑上级政府对本级政府的支持;
· 政府支持力度:主要包括城投地位、政府与城投公司间关系等指标;
· 城投自身信用:主要包括资产规模、资产质量、融资渠道、融资成本、或有债务等指标。
考虑中国的实际情况,结合定量分析技术,我们采用瀑布模型来聚焦不同级别的地方政府信用风险。从省级政府的综合评价开始,进一步考虑地级市的财政状况和区位情况,最后聚焦区县级政府及投资开发区的信用分析。以诸暨市国有资产经营有限公司的评级分析为示例,我们建议的城投信用分析的框架如下图:
图 1-诸暨市国有资产经营有限公司风险评估
如上图所示,评级分析过程如下:
(1) 综合考虑经济实力、财政实力、财政弹性、或有债务、政府地位等信用要素,浙江省的信用水平为CR-01;
(2) 评估绍兴市的各信用要素风险水平,同时将绍兴市与浙江省内所有其他地级市进行比较,评估其在浙江省内的地位,以浙江省信用为起始,综合考虑绍兴市自身信用要素风险、浙江省对绍兴市的支持得到绍兴市的信用水平为CR-03;
(3) 评估诸暨市的信用风险时,则以绍兴市的信用为起始,综合诸暨市的自身信用要素风险以及诸暨市在绍兴市内的地位得到其信用水平为CR-04;
(4) 评估诸暨国有资产经营有限公司时,通过其总资产规模、杠杆率、非标融资占比、受限资产等指标评估其自身风险水平为CR-08,同时通过政府对诸暨国有资产经营有限公司的控股关系、城投公司地位、政府与城投公司间的资金往来等指标评估政府对城投公司支持的可能性。最后,聚合诸暨市信用水平、地方政府对城投的支持、城投公司自身信用得到城投公司的评级为CR-05。
图 2-浙江省与绍兴市信用风险评估
市场上很多分析师对城投债的信用分析逻辑类似,普遍存在着一些问题,比如:
· 严重依赖于分析师的专业能力,一旦换人,结果可能差别很大;
· 个人精力有限,无法对全量的地方政府和城投机构完成高质量的分析,多人评估可能会导致标准的不统一;
· 即使在相同的信息输入和分析框架下,不同人员极有可能产生不同结论,特别是前台交易人员与中后台风险管理人员因各自职责不同,对相同主体的最终判定结果可能差距巨大;例如,对西藏自治区的相关城投债,前台交易人员关注其低债务率和特殊的政治地位认为相关债券是投资机会;而中后台人员则可能会更关注西藏自治区在经济规模和财政规模方面的短板;
· 人为信用分析过程有无法逾越的认知偏差,例如,2014年前,市场参与人员普遍持有债券“刚性兑付”的认知,直至超日债违约,刚性兑付神话才破灭,“锚定效应”常常限制市场参与人员的边界,从而产生偏差。
针对上述问题,我们建议基于全貌数据,将信用分析过程定量化,力求研判更客观、更高效、更准确,同时对专家判定过程进行验证及校准,有效规避人为判断偏差。我们的城投信用评级框架在传统计量工具的基础上又进行了革新,不仅提升了最终模型输出的风险识别效果,同时通过全市场可比信用要素的呈现,也极大提升了模型的可读性
2.1 勿在浮沙筑高楼 –数据是基础
公正、客观的评级结果离不开高质量的数据。 为了更准确的评估地方政府和城投企业的信用状况,我们的分析团队从区域覆盖面,指标的打磨和深挖,数据更新的速度,数据质量的校验等方面下功夫。
当前,我们累积的数据不仅完整覆盖了全国3000多个政府的经济财政数据,同时对公开发债的1800多家城投公司的财务指标、财务报表附注项数据及其他信用分析指标进行了深度挖掘:
· 对全国31个省级政府、330多个地级市政府、2500多个一般区县级政府及近200个经开区、高新区等特殊行政区划的信用分析指标进行了全面梳理,除常规的GDP、三次产业结构、一般公共预算收入、地方综合财力、财政自给率、债务率、隐性债务率等指标外,同时构建了地方综合财力弹性、城市首位度、财政贡献度等指标;
· 除了常用的财务指标外,对公开发债的1800多家城投的财务报告应用OCR技术对关键财报附注科目进行了结构化存储,并基于财报附注数据构建了城投与政府资金往来、融资渠道等指标。
例如融资渠道指标,我们逐个收集了债务科目附注项数据,进行了批量存储,对每一笔债务资金逐一判定是否为非标融资,我们标注的城投非标包括:1)信托、券商、保险等非银机构放款;2)融资租赁;3)明股实债。以常德市经济建设投资集团有限公司为例,基于2018年年报披露的数据,我们对短期借款、应付账款、其他应付款、长期借款、应付债券、长期应付款等科目在附注项中披露的125笔的借款单位判断整理,共有39笔标注为非标融资,计算出其非标融资占比为31%,此指标对城投公司自身风险具有非常好的指示作用。
基于2018年所有公开发债城投公司财务附注数据,全国各省非标融资占比情况如下图:
图 3-全国各区域非标融资占比汇总统计
2.2 五指之更弹,不如卷手之一桎 – 多层模型叠加,实现跨区可比
目前,市场上常规的计量化评级方案多采用信用评分卡的形式,通过逻辑回归、标杆法、专家判断法等方式进行模型开发,形成最终的信用分数计算逻辑。传统的信用评分卡多为单层评分规则,应用到城投模型时,也暴露了多项短板:
· 一般线性评分卡构建中仅关注输入端指标和输出端结果,一般不做中间信用要素的评估,因此对各级政府的信用评估需要再单独构建打分卡完成;
· 各指标恶化对最终信用评分的影响全部是单层线性的,由于评分过程中各指标割裂评估,对最终评分的影响仅以固定权重来刻画,最终评估结果也极可能产生较大偏差。
以北京市石景山区国有资产经营公司和黔南州国有资本营运有限责任公司为示例,单层评分卡中所使用的政府层级、规模、地区GDP、一般公共预算收入等指标都反映出黔南州国资评分优于石景山国资,与实际风险认知不符。
指标名称 | 北京市石景山区国有资产经营公司 | 黔南州国有资本运营有限责任公司 |
政府层级 | 直辖市辖区 | 地级市 |
总资产 | 158.77亿元 | 245.7亿元 |
所有者权益 | 84.68亿元 | 149.31亿元 |
地区GDP | 584.60亿元 | 1313.46亿元 |
一般公共预算收入 | 62.14亿元 | 119.27亿元 |
表 1-北京市石景山区国有资产经营公司与黔南州国有资本营运有限责任公司2018年财报数据及地区关键指标比较
为了解决传统单层模型的弊端,我们对模型架构进行了创新,以层层嵌套的方式分别构建了省级政府信用评分卡、地级市政府信用评分卡、区县级政府信用评分卡和城投公司信用评分卡,同时多层卡之间存在着自上而下的依存关系,省级政府信用直接影响下属各级政府评级并最终穿透影响至城投公司。
进行模型构建时,除了完成本层模型信用区分能力的目标,同时需要兼顾本层与上层模型输出结果的合理融合,因此多层模型叠加并不是单一评分卡的重复开发,需要构建贯通多层级政府的评分标尺,模型参数估计过程需要通过多次迭代校准以达到最优,计算复杂度呈指数增长。
通过对专家分析判断过程的模拟,使得各级地方政府的信用评估结果更精准,还解决了跨地区可比的重大难点。例如,某证券曾在同一系列的研究报告中披露广东省和湖南省的信用评估结果,对比如下表:
广东省 | 湖南省 | ||
地级市名称 | 信用评估 | 地级市名称 | 信用评估 |
深圳市 | 1级 | 常德市 | 1级 |
广州市 | 1级 | 长沙市 | 1级 |
东莞市 | 1级 | 岳阳市 | 1级 |
佛山市 | 1级 | 湘潭市 | 2级 |
茂名市 | 2级 | 永州市 | 2级 |
惠州市 | 2级 | 株洲市 | 2级 |
汕头市 | 2级 | 衡阳市 | 2级 |
江门市 | 2级 | 湘西州 | 2级 |
揭阳市 | 2级 | 益阳市 | 3级 |
中山市 | 2级 | 怀化市 | 3级 |
潮州市 | 3级 | 3级 | |
汕尾市 | 3级 | 娄底市 | 4级 |
清远市 | 3级 | 株洲市 | 4级 |
…… | …… | 郴州市 | 4级 |
表 2-某券商发布的跨区域政府信用评估比对示例
上表中信用评估的1级至4级的风险排序仅在本省内适用,并不能进行跨省比较。即深圳市风险为1级,低于风险为2级的茂名市;常德市风险为1级,低于湘潭市;但不能基于此得出常德市风险水平与深圳市、广州市相当的结论。
针对跨地区比较的挑战,我们同时构建了跨地区地级市评估和同省内地级市相对排序两套体系,通过平衡省级政府信用、跨地区政府信用和同省内地级市相对排序三大输出结果的权重,以遍历的方式寻找最优的整合模型,从而可以评估跨地区地级市的信用水平。以我们统计模型评估,深圳市与广州市的信用资质优,非常接近国家主权评级,而常德市的信用资质则较深圳、广州有较大差距,甚至低于东莞市和佛山市,具体如下:
信用水平 | 广东省 | 湖南省 |
1 | 深圳市、广州市 | |
2 | 东莞市、佛山市 | |
3 | 中山市 | 长沙市 |
4 | 珠海市 | |
5 | 惠州市、江门市、汕头市、肇庆市、清远市 | 常德市、岳阳市、株洲市 |
6 | 湛江市、茂名市 | 衡阳市、永州市、湘潭市、益阳市、怀化市 |
7 | 揭阳市、河源市、阳江市、韶关市、汕尾市、梅州市、云浮市、潮州市 | 张家界市、郴州市、邵阳市 |
8 | 湘西土家族苗族自治州、娄底市 |
表 3-基于结构化模型的跨区域政府信用评估比对示例
2.3 浑然天成,无忧畔岸-非线性处理
传统城投模型存在三个缺陷:
· 模型中一般将各信用要素所占权重固化,模型僵化,灵活度不够,不能适应宏观环境的变化;
· 城投公司涵盖的机构数量庞大,部分政府下属城投公司数量众多,政府支持力度强弱不同,固化权重也难以真实反映复杂现状;
· 市场参与人员普遍对已暴露风险高度警惕,如发生担保代偿,则城投公司最终评级可能因为一个指标的作用而有较大程度下降,因此城投自身信用水平较高时,其所占权重相对较低,而当发生了风险暴露后,自身风险的重要程度将提升。固化权重无法体现实际情况中的非线性因素。
针对以上缺陷,在聚合各信用要素时,我们采用了非线性的处理方式:政府支持力度不再线性加权入模,而是作为一个独立模型,评分结果影响地方政府和城投公司的权重分配。政府支持力度从“极其高”到“低”共六档:
· 支持力度越高,则地方政府信用的权重越大,对最终评级结果的影响越大,因此,公益属性强的城投公司不会因为其自身风险相对较高而被错杀;
· 支持力度越弱,则城投自身信用的权重越大,而地方政府对最终评级结果的影响越弱,因此,对逐渐产业化且自身风险暴露的城投公司,即使有政府隐性担保,也不会遗漏其潜在风险。
图 4-德勤地方政府支持对最终城投评级的作用
城投最终评级与政府信用、城投公司自身信用的对应关系如下列曲面所示,替代僵化的固定权重。从左至右对比三张图可以发现,政府支持力度逐渐走弱,政府评级权重逐渐下降,最终评级越接近城投公司自身评级。
图 5-德勤城投评级各信用要素聚合的部分曲面截图示例
注:
1.CR-01~CR-12轴代表地方政府信用;cr01~cr-16代表城投公司自身信用;最终评级轴代表城投公司最终评级结果。
2.从左至右三张图分别为地方政府支持力度1-极其高,3-高,5-中等三档。
2.4 同心合意, 庶几有成 - 指标联动与分段处理
(1)指标联动处理
人的逻辑思维能力一直是AI模型模仿的难点,有经验的分析师擅长对多个指标信息进行联动处理。例如,信用评分卡中使用一般公共预算收入占比、政府性基金预算收入占比、转移性收入占比三个指标评估地方收入的稳定性和可持续性,但在传统模型构建过程中,则可能因为指标间的高相关性或背离而被迫丢弃部分指标。而我们衍生了一个综合指标,有效解决因统计模型对指标的割裂评估形成信息偏差或误判。衍生过程如下:
a)一般公共预算收入占比特别高的地区可直接判定为低风险,该类政府的其他两类收入占比均不高;
b)同理,转移性收入占比特别高的地区也可直接判定,该类地区为高风险地区;
c)中等风险政府中三类收入占比较均衡,再以政府性基金预算收入占比为主要判定标准。
经过a)至c)三个步骤得到综合指标进行后续建模。
图 6-指标联动处理示例
(2)指标分段评分
指标分数映射过程也可以借助统计工具进行非线性处理,指标在不同阈值范围内对信用风险的指示作用不同,例如,当机构的流动性指标突破一定阈值,指标评分可能会出现悬崖式下跌。我们模拟该判断过程,对不同阈值下映射的分数进行非线性变换。
以“一般公共预算支出/GDP”指标为示例,不同市场参与人员对该指标持不同的观点:
· 观点1:一般公共预算支出/GDP代表的是政府财政支出对本地经济的影响程度,政府财政支出对经济的影响越大,本地政府遭遇困境时,上级政府越有可能提供支持或实施救助,因此指标越高,政府信用资质越好;
· 观点2:一般公共预算支出/GDP可看成财政自给率(一般公共预算收入/一般公共预算支出)的变形指标,可以考察本地经济对财政支出的覆盖程度,因此指标越低,政府信用资质越好。
上述两个观点均有道理,但指标的风险相关性却正好相反,我利用统计工具进行如下验证:
图 7-随一般公共预算支出/GDP指标变化的信用走势分析
统计显示,一般公共预算支出/GDP的信用风险水平并非单调,当该指标值处于较高水平时,信用风险是上升的,而当低于一定阈值后,信用风险水平又从峰值逐步下降。因此在进行指标分数设置时,
· 若该指标用于评估上级政府支持的可能性,在高于一定阈值范围内,则指标越大,信用评分越好,而当低于一定阈值后,指标已无法用于评估上级政府支持的可能性,应作同分数设置;
· 若该指标用于评估经济对财政支出的覆盖程度,在低于一定阈值范围内,则指标越大,信用评分越差,而当高于一定阈值后,指标已无法用于评估经济对财政支出的覆盖程度,应作同分数设置。
人为分析判断会因为角度不同而产生截然不同的结果,如果借助统计工具进行验证,经济意涵辅以量化参数,才更贴近实际真相。
3 结构化计量方案评测案例-四川省XX市XX城投
以四川省XX市XX城投(以下简称“XX城投”)为示例,说明结构化计量方案的评估过程以及在全貌数据的作用。XX城投被该市国有资产监督管理委员会100%控股,其背后对应的地方政府为四川省XX市,属地级市行政区划,对XX城投的评估流程如下:
图 8-XX城投政府层级
3.1 四川省(CR-03)
基于全市场数据,除了可直观看到四川省近几年相关经济、财政数字外,亦可快速判定四川省在31个省内的相对排序,2018年四川省GDP总规模从高到低排序排名第6位;债务率从高到低排序排名第18位。同时,综合其他各信用要素的风险状况,最后综合评级结果为CR-03,四川省在全国的综合排名第13位。
图 3-四川省GDP及GDP增长率评估
图 4-四川省地方综合财力及债务率评估
图 5-四川省各信用要素评估及最终排名
3.2 XX市(CR-09)
对XX市进行分析,我们发现其多项关键经济财政指标均有下降趋势,自2016年起至2018年,XX市GDP和一般公共预算收入在全国的占比均处于逐年下降趋势,同时最近两年,第三产业占比和财政自给率也处于下行趋势:
图 6-XX市关键经济指标评估
图 7-XX市关键财政指标评估
基于全貌数据,我们可同时计算其在全国333个地级市各项指标的相对排序,以债务率为例,2018年XX市的债务率为125%,在全国330多个地级市排名中排第40位,债务风险高:
图 8-全国所有地级市债务率分布图
同时,评估XX市在四川省内地位,XX市在四川省内地位排序处居中水平,但四川省内各地级市地位分化显著,成都市具有极高的首位度,其地位为“1-极其高”,其他地级市相对地位都不高,XX市地位为“5-中等”。
图 9-四川省各城市地位评估
综合XX市自身各信用要素风险和XX市在四川省内地位得出最终评级为CR-09。基于对XX市信用质量分析过程,我们可以获取统计模型的优势:
· 以地级市政府地位评估为例,除了评估相对排序外,统计模型可以在相对排序基础上评估区域的分化水平,更易捕捉投资机会或风险;
· 以债务率指标为例,基于全貌数据,不仅可以对风险水平的相对高低有定性评估,同时可以将其定量化,精准得出其在全国所有同层级政府中的排序。
3.3 XX城投(CR-10)
在XX市政府评级基础上进行XX城投的信用评估,分别评估XX城投自身风险以及政府对该城投公司的支持力度:
1)城投自身风险(cr-10)
基于对XX城投各信用要素的评估,基于2018年财务数据,其总资产规模为340亿元人民币,所有者权益150亿人民币,虽为该市大型城投公司,但与全国其他城投公司比较,规模较小;同时以“筹资活动现金流出下的分配股利、利润或偿付利息支付的现金/总债务”指标评估,2018年财务数据计算结果为7.24%,其融资成本高,融资能力风险也较高。
2) 政府支持力度(2-非常高)
该城投是XX市最重要的基础设施建设及公用事业运营主体,市国有资产监督管理委员会对其100%直接控股,同时地方政府与该城投公司间资金往来密切,综合评估其政府支持力度为“2-非常高”。
考虑到政府支持力度非常高,进行城投公司最终评级聚合时,模型自动选择权重,主要由该市地方政府评级确定,城投自身风险为辅。但该市评级较低,因此最终该城投的评级结果为CR-10。由于传统模型的固有缺陷,无法刻画相同层级政府间的巨大分化,例如成都市与四川省其他地级市的差距,而结构化评级结果具备跨区域可比性,比传统模型下调2至3个等级,更符合客观事实。
随着中国债券的市场化和规范化,刚兑信仰只能是黄粱一梦。与违约擦肩而过的16呼和经开PPN001就是一个警示,加之多方因素,疫情、地方政府的资金缺口、隐性债务,打破刚兑只是时间问题。通过全貌数据有效聚合,经济意涵结合科学统计,精细化计量信用风险,才能规避人为判断偏差,有效提升风险评估能力。
基于结构化聚合方案,覆盖全国3000多个政府及全部公开发债城投公司的新版德勤智慧债券城投专题即将上线,欢迎访问德勤智慧债券官网查询。
作者:俞宁子,王必雄,陈绿原
单位:德勤企业咨询(上海)有限公司