(资料图片)

三个维度看城投潜在风险

截至目前，城投债尚未有公开市场实质性违约，因此对于城投资质及违约率的判定无法通过机器学习模型习得，而常用的打分卡模型主要依赖于区域经济财政基本面，数据指标在频率和前瞻性方面均稍有不足。本文尝试采用发行规模、用途和时点三个维度测度城投潜在风险的边际变动与区域分化。

我们采用2022年1至8月及去年同期的城投债发行明细进行分析，主要观察发行用途、规模和时点三个维度。发行用途方面，我们按照资金使用范围的限制程度将其分为四类；发行规模方面，我们不仅考虑实际发行规模与计划发行规模的大小关系，还考察在用途为借新还旧情况下，新债发行规模能否覆盖其所偿还的旧债发行规模；偿债时点方面，我们通过新债接续旧债的时点早晚来观测。

发行用途方面，多数省份今年发行的城投债中仅用于借新还旧的占比相较去年同期有所下降，平均下降9.92个百分点，但偿还有息债务占比普遍有所上升，平均上升10.92个百分点。与此同时，用于项目建设和补流的平均占比分别仅变动1.65个百分点和-2.39个百分点，或表明今年以来对城投募资用途有边际放宽，但主体融资需求仍主要集中于偿还而非建设或补流。

发行规模方面，超过一半的省份2022年1-8月发行的城投债的实际发行规模/计划发行规模相较去年同期均有所上升，但也有部分省份发行的城投债的实际/计划规模相较去年同期均有所下降，其中辽宁、贵州和广西同比下降量位居前三，同比分别下降29.42%、27.40%、15.19%。在对旧债名称有所披露的44个地市中，超过一半的地市2022年1-8月发行的城投债对旧债的覆盖倍数相较去年同期均有所上升，但也有部分地市发行的城投债的新债规模/旧债规模相较去年同期均有所下降，其中南昌、福州和宿迁同比下降量位居前三。

发行时点方面，大部分省份的平均新债发行日晚于旧债到期/回售日，其中山西新债发行日晚于旧债到期/回售日的平均天数最高，其次是青海和辽宁 。从旧债到期日-新债发行日平均天数来看，大部分地市的新债发行日晚于旧债到期/回售日，只有荆门、邯郸、沧州、信阳、广州、淮北、泸州、六安、襄阳、萍乡和淮南的新债发行日平均来说早于旧债到期/回售日。

我们暂不考虑使用三个维度构建模型对区域进行评分，原因如下：1）区域在单一指标上表现不佳，无法直接代表其资质较差；2）指标表现与区域资质之间非简单线性关系；3）如果样本较少，代表性弱，有可能产生统计性偏差。

基于以上，我们认为在分析时需要首先熟悉区域经济财政基本面，避免因指标缺陷或数据噪音产生误判。建议重点关注横向比较下指标表现偏弱的省份或地市，或纵向比较下指标表现边际恶化且与总体趋势相反的省份或地市，或有一定潜在风险。

风险提示：1）数据整理不完善；2）部分城投债未披露旧债名称，导致新债规模/旧债规模比值、旧债到期日-新债发行日平均天数的统计出现偏差；3）募集资金用途并非完全由人工识别，可能有误；4）测度方法不科学；5）统计样本缺乏代表性。

来源为金融界债券频道的作品，均为版权作品，未经书面授权禁止任何媒体转载，否则视为侵权！