高收益债券

　　高收益债券是指被评级机构评定为投资级别以下的债券，即信用等级为投机级的债券，即违约风险较高的债券。高收益债在国外也称为垃圾债。目前我国债券市场尚无针对高收益债的统一定义，一般也很少使用垃圾债，市场普遍基于一级市场发行利率、二级市场到期收益率或估值收益率来定义高收益债。

　　（1）美国高收益债的定义

　　在美国穆迪和标普的评级体系中，分别指的是Baa和BBB以下的债券。穆迪标准从高到低可划分为：Aaa级，Aa级、A级、Baa级、Ba级、B级、Caa级、Ca级、C级和D级。其中前面四级被认为是投资级债券，后面六级是投机级债券。标准普尔把债券的评级定为四等十二级：AAA、AA、A、BBB、BB、B、CCC、CC、C、DDD、DD、D，BBB级和BBB以上的是投资级债券，BB后面的是投机级债券。

　　（2）中国高收益债的定义

　　国内市场未对高收益债的定义达成共识。一般来说，定义高收益债的思路有以下几类：

　　第一类是从评级的角度，评级低于AA的债券可以成为高收益债；

　　第二类是从绝对收益率的角度，认为绝对收益达到8%水平的债券是高收益债；

　　第三类是从相对收益的角度，考虑到绝对收益受到基准利率水平的变动影响较大，将收益率超过国开债500BP以上的品种定义为高收益债（来源：国华汇金FOF研究院）。

　　中国第一波高收益债形成于2011年。2011年中，货币政策收紧叠加城投贷款政策收紧，使得城投债问世以来首次面临融资环境收紧，四季度出现的云投等负面事件使得市场对城投债担忧上升。信用风险担忧引发基金遭遇赎回进而引发流动性问题和城投债抛售，市场上出现了第一波收益率大于9%的债券，其中11月出现较明显增长，支数和金额分别达到24支和167亿元。

　　2013-2014年出现第一波高收益债市场扩容。2013年6-7月，宏观经济下行导致产业实体资产负债表恶化的后果逐渐显现，信用债市场出现了截至当时最大的一波负面评级行动，投资者对于实质违约的担忧情绪提升，交易所市场上出现了不少收益率高达9%~10%的个券。2013年四季度，部分发行人三季报盈利恶化引发负面信用事件，加上2014年3月超日债实质违约，推动收益率10%以上个券群体进一步扩大。截止到2014年底，收益率大于等于9%的个券支数和规模分别达到509支和1077亿元。

　　2015-2016年信用债牛市，高收益债群体规模相对稳定，2016年二季度曾经有一次跳升，原因主要是2015年下半年以来产能过剩行业景气急剧恶化，企业亏损状况严重，且2016年面临大量债券和其他债务到期，以至于出现东特钢等国企的超预期违约引发市场风险偏好下降。但在当年债券市场“资产荒”背景下，叠加供给侧改革推出后产品价格回升，产能过剩企业盈利状况好转，高收益债市场规模有所回落。

　　2016年底2017年初，伴随债市牛熊转换，收益率中枢趋势性上移，低评级品种需求弱化加上民企负面新闻频出，导致高收益债整体数量和规模自2017年以来持续扩张。高收益债规模增加集中发生在7月份，从6月底的1521亿元跳升到7月底的2308亿元以上，主要是由于万达相关负面信用事件，导致万达系超过500亿元的存量债收益率超过了9%；而高收益债的支数并未较6月显著增加。高收益债支数的增长主要发生在2017年四季度，从8、9月的280支左右增加到2017年12月底的460支左右。原因应该与2017年底以资管新规征求意见稿为代表的新一轮密集监管政策落地潮带来的市场风险偏好下降有关。

　　2018年民企违约增多，二季度再次引发恐慌情绪，高收益债规模在2018年6月达到2013年以来的月度最高峰。2018年信用债市场新增实质违约发行人共45家，违约债券117支，总违约债券涉及本金金额1181亿元。4月华信等高等级债券的超预期违约以及资管新规落地使得市场风险偏好再度显著下降，6月高收益债支数和金额分别达到779支和7054亿元。但是7月以后宽信用政策的陆续出台使得高收益债支数出现回落，此后基本维持在550~600支之间。2019年在债券市场收益率整体下行环境下，负债端压力驱使广义基金加大了对于城投和地产等高收益行业的配置，高收益债支数出现小幅回落，但是由于违约仍然频发，加上5月包商事件引发结构化融资风险的暴露，投资者风险偏好未有本质提升，月度规模基本在450支以上。

　　2020年在民企风险仍在暴露，同时投资者开始排查弱国企的情况下，信用分化加剧，11月份永煤违约之后高收益债规模又出现明显增加。2020年以来新增违约发行人数量低于2018-2019年，但10月底以来违约有所提速。2020年初全国范围内暴发疫情，之后监管支持实体部门融资、市场收益率下行，企业融资状况明显好转，加上大量信用资质较弱的企业在2018-2019年已经暴露违约，新增违约发行人数量、违约债券支数和金额均低于2019年同期，使得高收益债市场整体支数和规模出现一定下行。但是下半年随着疫情后复苏，市场收益率出现明显上行，高收益债市场规模出现回升。10月下旬以来弱国企信用事件边际上升，11月份永煤违约进一步加剧市场的恐慌情绪，引发了大规模流动性危机，导致债券抛售，收益率继续大幅上行，评级间利差也出现明显走扩，高收益债规模再度扩大。11月份高收益债支数达到681支。截至年底，高收益债支数和规模分别达到679支和6413亿元。

　　（一）主要阻碍：信息不对称带来增量风险

　　支撑高收益债券市场发展的底层逻辑是风险收益相对对称：弱资质发行人的经营不确定性带来债券偿付的高风险，发行人以高收益率作为风险补偿。但在信息不对称程度较高的情形下，信息差本身形成了增量风险，风险收益过度失称，阻碍了高收益债券的资金供给侧形成。

　　就科创企业和中小企业而言，市场难以通过传统的资产规模等总量型财务信息判断其实际经营状况，且中介机构的客观中立性在“发行人付费、发行人选择”选聘机制下也受到影响，可能存在数据粉饰等情形，信息失称程度高企不下；投资者出现“不敢投、不想投”的高度谨慎心理，科创企业和中小企业长期面临债市融资难问题。

　　（二）应对措施：机制创新与技术赋能

　　在国际上，高收益债券市场的发展曾历经曲折。多层次信息披露体系、优化中介机构选择模式等机制的建立，在一定程度上缓解了信息不对称问题。近年来，发行高收益债券已逐渐成为国际上科创企业和中小企业的重要融资渠道。

　　我国高收益债券市场虽起步较晚，但基于国际经验与前沿技术的高起点进行探索，可充分发挥在机制创新、技术应用等方面的后发优势，具有广阔的发展前景。

　　在机制创新方面，可探索通过改革中介机构选聘机制、优化信息披露体系等缓解信息不对称。2022年4月，中央结算公司发布《科技创新企业信用债融资研究》，提出了覆盖科创企业高收益债券全生命周期的机制创新建议。2022年11月，《深圳市关于金融支持科技创新的实施意见（征求意见稿）》吸纳相关机制建议，在全球范围内首次于政策层面提出要“探索‘投资人选择、发行人付费’的债市中介机构选聘机制”，有利于保障中介机构的客观中立性，提升信息披露的真实性与透明度。

　　在技术创新方面，可探索通过大数据赋能融资模式加强信息的共享和应用。《总体方案》提出“支持试验区内金融机构与科创企业、征信机构、信用评级机构积极利用大数据、人工智能等技术，建立符合科创企业特征的信用评分、内部信用评级和风险防控模型”，对技术赋能风险防控模式予以支持。随着我国大数据、区块链等技术渐趋成熟及征信公司等新型风险揭示机构不断出现，各方可进一步通过技术创新缓解信息不对称难题，推动中国高收益债券市场建成与扩容。

　　当前，贷款市场已有经过长期实践形成的大数据赋能模式，可为债券市场提供参考。近年来，国家发展改革委、中国人民银行及各地方政府陆续根据自身数据禀赋，构建起一批依托大数据赋能贷款融资的综合服务平台，通过对企业多维数据进行信息交叉校验与分析，有效缓解了银企信息不对称问题。

　　（一）大数据赋能高收益债券融资的难点：信息安全与数据获取

　　当前，债券市场难以复制贷款领域的大数据赋能融资模式，主要原因在于信息安全顾虑与数据获取困难。在债券融资过程中，由于债券发行的信息披露需面向较为多元化的投资者群体，投融资方关系不及银企关系稳定，保密约束面临挑战，因而企业对披露自身信息较为谨慎，同时也造成投资方获取企业多维数据的困难。

　　近年来，征信机构、数据供应商等新型风险揭示机构通过自有数据沉淀、外部数据采购等方式，实现了对企业专项数据的集成，并形成了相应的分析工具箱。引入新型风险揭示机构可在一定程度上缓解高收益债券市场的信息不对称问题，目前也逐渐被更多债券市场机构所关注和应用。但受限于部分数据获取渠道不畅、采购成本较高，新型风险揭示机构数据品类不齐全，难以全面刻画发行人的信用风险。此外，新型风险揭示机构现有的数据矩阵及分析工具主要应用于传统信用债产品，考虑到高收益债券市场的风险特征及投资逻辑不同于传统债券品种，现有的新型风险揭示工具在高收益债券市场的实用转化及与相关机制衔接仍有待探究。

　　（二）金融科技赋能路径

　　为解决前述原始数据获取难、信息安全顾虑多等问题，建议以债券市场基础设施为平台，在高收益债券市场稳慎探索“以隐私计算赋能数据采集、以区块链赋能数据监测、以AI算法赋能企业风险画像构建”的大数据赋能模式。

　　1.以隐私计算赋能数据采集，实现数据保密

　　确保信息安全是在债券市场复制大数据赋能模式的重要前提。近年来，隐私计算技术在我国进入工程化应用期，可提供确保信息安全前提下的数据流通应用解决方案。

　　“原始数据不出域、数据可用不可见”是隐私计算的重要理念基础，要在保护数据拥有者的权益安全及个人隐私的前提下，实现数据流通及数据价值的深度挖掘。数据调取方在隐私计算框架下仅可读取到基于原始数据形成的密文等，不存在对数据提供方原始数据的曝光，但依然可获取数据中所蕴含的信息与价值。在部分场景中，隐私计算是以技术手段提供了类似于“财务报表”的功能——专业机构通过分析企业的财务报表（隐私计算密文等），可以了解到企业的经营状况（数据内含信息），但是仅凭财务报表无法倒推出审计底稿（原始数据）的具体明细。

　　自2021年以来，各级管理部门对隐私计算的政策支持体系加快形成。2021年5月，国家发展改革委等四部门印发《全国一体化大数据中心协同创新体系算力枢纽实施方案》，提出要“试验多方安全计算、区块链、隐私计算、数据沙箱等技术模式，构建数据可信流通环境，提高数据流通效率”。2022年4月，国家发展改革委、银保监会印发《关于加强信用信息共享应用推进融资信用服务平台网络建设的通知》，提出要“鼓励各级平台采用联合建模、隐私计算等方式与金融机构深化合作，更好服务金融机构产品研发、信用评估和风险管理”。

　　在当前的政策框架下，建议由债券市场基础设施和公共数据平台、征信公司等数据集成方开展隐私计算合作，在符合法律规定、保障数据安全的前提下调用发行人的工商、水电、税务、社保、司法等数据，依托算法对发行人的多维信息进行校验分析，并在合法合规、经授权的前提下向投资者进行定向提供，助力投资机构进行价值发现与风险识别，提升科创企业和中小企业等高收益债券发行人的信息可得性，缓解信息不对称。

　　2.以区块链赋能数据监测，保障数据安全

　　区块链是能够实现数据可追溯、不可篡改的技术簇，为发行人大数据实现可信、可审计的流转与应用提供基础，在金融基础设施建设领域已逐步形成规模化应用。例如，中央结算公司于国内首创了在债券受理环节应用区块链可信存证技术，实现受理封卷自动比对；2021年12月，中央网信办等十六部门公示了国家区块链创新应用试点名单，中央结算公司“区块链+风控管理”项目入选，探索以区块链为底层架构搭建簿记建档发行系统。

　　建议将隐私计算下的数据采集过程全程置于链上，打造可算、可查、可追溯的一体化应用平台。区块链所发挥的主要作用在于两方面。一是多维数据复核校验。依托智能合约，自动比对和清洗被导入的发行人水电、社保等大数据，同时将其与发行人提交的发行申报及信息披露材料交叉核验，发现异常偏移则自动提示。二是数据确权与追溯。区块链的时间戳、哈希值为历次数据流转及权属变动提供锚定点，如出现数据相关风险，可随时根据链上信息定位风险点与责任人，并启动业务流程对风险进行处置，为数据安全提供保障。

　　3.以人工智能赋能数据分析，构建风险画像

　　构建发行人风险画像的人工智能算法难以直接在海量原始数据上运行，形成结构化数据指标体系是进行算法分析的前置条件。当前，市场上可获取的企业信用信息1蕴含了大量的企业风险信号，需进一步将其提炼为能够表征企业风险且具有结构化特征的量化指标，建立包含原始指标、衍生指标、分析指标的多层级风险指标体系。在指标体系基本建立后，可考虑尝试逻辑回归、随机森林、支持向量机、深度学习等多种机器学习方法，建立企业信用风险监测模型，预测违约概率、动态调整风险定价。

　　以随机森林算法2为例，债券市场基础设施等机构可探索基于企业在水电消耗、舆情动态、租金缴纳等领域的行为特点构建多棵决策树，并应用随机森林预测模型对高收益债券发行人的发展潜力与违约风险进行识别，在传统的发行申报材料之外为投资者提供参考信息。譬如，在电费支出方面，可根据业界一般经验形成如下算法决策树（见图1），并在数值偏移超出阈值时进行预警；同时，对于异常情况也可进一步分级分类，同其他指标的研判与分类结果共同构成发行人的企业风险画像。

　　（三）实践方案设想

　　建议在实施和推广“投资人选择、发行人付费”的中介机构选聘机制等业务模式创新的同时，依托债券市场基础设施，以隐私计算赋能数据采集、以区块链赋能数据监测、以AI算法赋能企业风险画像构建，实现在大数据赋能模式下的高收益债券市场建设。为促进技术赋能模式在高收益债券市场落地，建议在政策层面进一步鼓励大数据有关应用，推动各方数据互联互通互享。

　　建议大数据融资赋能以发行人提交申请为起点，避免系统节点建设等成本前置。在合法合规的前提下，经发行人授权，债券市场基础设施等相关机构可通过隐私计算调取企业的水电、税务、工商等多维数据，对发行人进行风险画像构建，并根据授权定向提供给潜在投资者；在债券存续期，债券市场基础设施可在隐私计算框架下定期调用、分析并依据授权定向为管理部门、投资人等提供风险预警信息。从数据调取的启动到最终的封存、销毁等环节，均需在债券市场基础设施维护的区块链上存证，并由智能合约进行信息交叉比对核验，确保数据的真实性与安全性。