打造高水平風險監(jiān)測基礎設施健全債券市場風險預防預警機制

安青松

本文首先闡述了我國債券市場，特別是交易所債券市場的基本情況與特征，接著分析健全債券市場風險預防預警機制的必要性，最后指出需要打造高水平債券市場風險監(jiān)測的基礎設施，并給出了具體的方法論。

我國債券市場經過規(guī)模快速增長期已進入高質量發(fā)展新階段，債券市場服務實體經濟高質量發(fā)展、促進提高直接融資比重的功能作用日益突出。與此同時，隨著 2017年以來債市違約風險逐步暴露，深化債券發(fā)行制度改革、優(yōu)化債券產品結構、健全風險預防預警機制成為債券市場高質量發(fā)展的重中之重，打造高水平風險監(jiān)測基礎設施是健全債券市場風險預防預警機制的重要一環(huán)。

我國債券市場發(fā)展概況與特征

我國債券市場發(fā)展的整體情況。我國債券市場主要由交易所市場與銀行間市場構成，經過30多年發(fā)展，我國債券市場已經形成門類基本齊全、品種結構較為合理、信用層次不斷拓展的全球第二大債券市場。一是債券市場規(guī)模持續(xù)增長，債市服務實體經濟融資能力不斷提升。2021年， 國內債券發(fā)行總額為61.6萬億元，同比增長8.3%，較 2014 年末增長5.1倍；債券托管面值130.4萬億元，同比增長14.1%，較2014 年末增長3.6倍。同期全市場非金融債券及資產支持證券（Asset-backed Securities，簡稱ABS）發(fā)行15.7萬億元，托管面值30萬億元，較2014年末增長2.7倍，托管量占比 23% ；截至目前，我國債券市場中非金融公司信用類債券托管量為 24.9萬億元，占比19.1%；資產證券化產品5.1萬億元，占比3.9%；金融券44.4萬億元，占比34.1%;政府債券 55.2萬億元，占比42.3%。二是債券業(yè)務分市場、分券種形成“多頭”監(jiān)管。債券發(fā)行市場“準入”政出多門，既有不同債券品種的分部門審批，又有同種類債券的多主體監(jiān)管，其中，國債的發(fā)行審批由財政部負責，金融債（含央行債）由人民銀行負責（銀保監(jiān)會協(xié)助），企業(yè)債由國家發(fā)展改革委負責，公司債券由證監(jiān)會負責，中期票據(jù)、短期融資券、定向工具等由央行主管下的銀行間交易商協(xié)會負責。交易所債券市場和銀行間債券市場呈現(xiàn)二分格局，兩市場在交易主體范圍、債券品種、交易方式、登記托管結算上均存在一定差異，其中，公司信用類債券含企業(yè)債、公司債和中期票據(jù)、短期融資券、定向工具，發(fā)行人高度重疊，但由于監(jiān)管部門不同，因此在市場準入條件、信息披露規(guī)則、投資者保護機制、信用評級規(guī)則等方面存在差異。

圖1 我國債券業(yè)務 “多頭”監(jiān)管情況

交易所債券市場發(fā)展狀況與特征。交易所債券市場在不斷深化改革中形成獨特的發(fā)展特征。一是公司債券規(guī)模穩(wěn)步增長。2022年上半年交易所債券市場共發(fā)行公司債券、資產支持證券、地方政府債券和政策性銀行債券等各類債券2.65萬億元，累計凈融資額6440億元。截至2022年6月末，交易所債券市場公司債券托管面值19.14萬億元，其中非金融公司債券托管面值11.72萬億元，同比增長17.67%，較2014年末非金融公司債托管量增長1倍。此外，北京證券交易所在2022年7月以來累計發(fā)行地方政府債券379億元，交易所債券市場建設取得了新進展。二是公司債券是以信用債為主的中長期債券。截至2021年，交易所債券市場中利率債余額占比為10%，銀行間債券市場利率債余額占比為64%；交易所市場非金融企業(yè)發(fā)行的債券和ABS占比69%，銀行間市場相應比例則為16%。2015—2020年，交易所市場非金融公司債發(fā)行12.7萬億元，占1年期以上信用債發(fā)行額的46%；非金融公司債凈融資8.4萬億元，占社會融資增量的6%，貢獻度超股票和其他信用債券。三是交易所債券市場投資者結構趨于多元，符合要求的個人投資者和機構投資者均可參與交易所債券市場投資，只有具備結算條件的機構投資者才能參與銀行間債券市場投資。從交易所債券市場投資者結構來看，機構投資者占比超過99%，其中，公募類產品持債占比36%，私募類產品持債占比33%，境外機構持債占比0.5%，銀行自有資金、保險、券商持債均在10%左右。交易所市場中商業(yè)銀行自有資金持有債券約占11%。銀行間債券市場投資者則以商業(yè)銀行為主，持有債券占比達57%。四是公司債券品種的適應性、普惠性不斷提升，為增強公司債券服務國家戰(zhàn)略及實體經濟的適應性、普惠性，交易所市場持續(xù)推出科技創(chuàng)新公司債券、短期公司債券、可續(xù)期公司債券、可交換公司債券、綠色公司債券（含碳中和債）、低碳轉型公司債券、創(chuàng)新創(chuàng)業(yè)公司債券、鄉(xiāng)村振興公司債券、“一帶一路”公司債券、紓困公司債券、疫情防控公司債券等。2022年以來，交易所科技創(chuàng)新公司債券發(fā)行512億元，綠色債券發(fā)行956億元，鄉(xiāng)村振興債券發(fā)行 139億元，深化對疫情防控、低碳轉型領域融資支持。

健全債券市場風險預防預警機制的必要性

隨著我國債券市場持續(xù)發(fā)展，在現(xiàn)代金融體系中的地位和作用不斷提升，在促進高質量發(fā)展中發(fā)揮著重要的樞紐功能，特別是在穩(wěn)金融、穩(wěn)投資、穩(wěn)預期方面具有獨特的功效。債券市場是經濟增長的發(fā)動機，同時也是金融風險的加速器，因此，健全債券市場風險預防預警機制是債券市場功能發(fā)揮的核心基礎設施。當前我國債券市場風險預防預警機制面臨的挑戰(zhàn)和存在的問題，主要表現(xiàn)在以下方面：

內外部形勢疊加債券市場風險日趨復雜、易發(fā)。宏觀形勢層面，各國經濟復蘇、疫情防控仍不穩(wěn)定、不平衡，全球經濟金融動蕩加劇，國際資金流向不穩(wěn)，美對我遏制打壓仍在繼續(xù)，可能對我國金融市場形成沖擊。美債收益率走高，部分中資企業(yè)在境外市場債務違約，可能對境內債券市場造成風險“倒灌”；從國內看，經濟下行壓力仍然較大，需求收縮、供給沖擊、預期轉弱三重壓力持續(xù)顯現(xiàn)，疊加房地產行業(yè)、教培產業(yè)、平臺經濟等政策調整、預期改變，債券市場行業(yè)性、區(qū)域性信用分化明顯，一些發(fā)債主體滾動融資困難，部分領域信用風險抬頭，存量、增量風險都有可能加速暴露。市場風險層面，雖然交易所債券市場“面”上的風險總體可控，違約率保持在較低水平，但是在“點”上，個體、局部風險仍處于高發(fā)多發(fā)態(tài)勢，交易所市場2022年到期回售規(guī)模達4萬億元，系統(tǒng)性風險的防控壓力增大。一是房地產風險仍在持續(xù)暴露，部分民營房企已陷入融資中斷、銷售回款難、出售資產慢的多重困境，融資環(huán)境改善有限，并對產業(yè)鏈上下游造成負面沖擊；二是城投債風險隱患加大，一些債務率較高的區(qū)域面臨財政、金融雙重壓力，市場認可度低、融資渠道受阻，一些弱資質、區(qū)縣級城投債券滾動續(xù)發(fā)困難， 發(fā)生違約的可能性增大；三是部分大型企業(yè)集團，特別是一些擴張激進的大型企業(yè)現(xiàn)金流極為緊張，違約可能性大，且容易造成風險外溢。2022年上半年，我國債券市場新增7家違約發(fā)行人，共涉及到期違約債券32期，到期違約金額合計約192.78 億元；此外，10家發(fā)行人首次發(fā)生展期，涉及展期債券22期，展期規(guī)模 204.68 億元，較上年同期均大幅提升。截至6月底，交易所債券市場的違約未償還金額為1199億元，存量違約率為1.13%，12個月滾動違約率為 0.31%。

傳統(tǒng)技術手段無法滿足風險預防預警的需要。近年來，債券發(fā)行交易中各類風險表現(xiàn)形式日益復雜化、隱蔽化，市場間、品種間信息聯(lián)動效應不斷增強，行業(yè)對于政策、輿情的傳導、反應更加迅速。隨著市場機構技術系統(tǒng)不斷迭代升級，部分違規(guī)違法情況也呈現(xiàn)科技化、程序化特點，監(jiān)管與市場間的“技術不對稱”為日常監(jiān)管、檢查帶來一定困難。此外，日常工作中各方普遍較依賴市場少數(shù)金融信息服務機構，對底層數(shù)據(jù)質量、信息處理技術的自主掌控能力較弱?？傮w來看，傳統(tǒng)的監(jiān)管信息技術需要進一步升級以滿足債券市場風險預防預警的客觀要求。

數(shù)據(jù)采集模式影響風險預防預警效率提升。債券監(jiān)管所需的數(shù)據(jù)信息主要來自市場機構上報，并分別由證券交易所、中國證券業(yè)協(xié)會、中國結算、中證數(shù)據(jù)、中證報價等單位負責生產、采集、管理。一方面，各信息采集管理主體在數(shù)據(jù)維度、質量定義等方面存在一定差異，全條線監(jiān)管數(shù)據(jù)整合不足，不同市場、不同環(huán)節(jié)的數(shù)據(jù)互聯(lián)互通性較弱，存在“數(shù)據(jù)孤島”等情況；另一方面，各信息采集管理主體數(shù)據(jù)治理基礎存在差異，導致在數(shù)據(jù)層面協(xié)同性相對較弱，因而現(xiàn)有債券市場監(jiān)管底層數(shù)據(jù)無法滿足日常監(jiān)管對于數(shù)據(jù)及時性、全面性、穿透性、一致性等方面的要求。

信用風險預防預警的及時性有待進一步提升。由于信用風險存在較強的關聯(lián)性，債券違約風險與企業(yè)的經營、合規(guī)、投融資等行為密切相關。實踐經驗表明，信息掌握越及時，越能在風險擴散之前進行精準拆彈防患于未然。依賴“人海戰(zhàn)術”的信用風險監(jiān)測預警已不能適應當前風險發(fā)生速度大幅提升、危機處置窗口縮短的客觀要求，特別是在應對市場突發(fā)事件等問題中，及時捕捉信用風險信號、精準抓取風險事件，以實現(xiàn)更早、更準、更全面地對企業(yè)信用風險進行及時有效預警，就需要解決現(xiàn)有風險度量手段中的局限性、主觀性、滯后性。

針對不同監(jiān)管環(huán)節(jié)統(tǒng)計分析的適配性有待加強?，F(xiàn)有債券審核、發(fā)行、交易、存續(xù)期管理等不同監(jiān)管環(huán)節(jié)對于市場的關注角度各有側重，對于債券日常統(tǒng)計分析的需求也各不相同?，F(xiàn)有債券業(yè)務統(tǒng)計分析注重全面性，適應不同監(jiān)管環(huán)節(jié)、不同職能單位的針對性、適配性較弱，存在信息無法精準直觀推送等情況。此外，現(xiàn)有統(tǒng)計分析依賴定期報送數(shù)據(jù)和書面報告文件等，展現(xiàn)形式較為單一，已經不能滿足日益繁重的監(jiān)管工作和不斷提升的市場融資需求，需要借助科技手段實現(xiàn)數(shù)據(jù)自動歸集統(tǒng)計、監(jiān)管報告自動生成、非現(xiàn)場實時監(jiān)管等模式創(chuàng)新。

打造高水平債券市場風險監(jiān)測基礎設施

打造高水平風險監(jiān)測基礎設施是健全債券市場風險預防預警機制的關鍵環(huán)節(jié)。近年來，云計算、人工智能、機器學習、區(qū)塊鏈等科技的廣泛運用，為打造高水平債券市場風險監(jiān)測基礎設施提供了現(xiàn)實可行性和強有力支撐（見圖2）。打造高水平債券市場風險監(jiān)測系統(tǒng)，包括技術實現(xiàn)和組織實施兩個層面。在技術實現(xiàn)層面，推動債券風險監(jiān)測與金融科技運用深度融合，著力從以下方面形成債券市場風險監(jiān)測監(jiān)控的基本功能：

圖2 債券市場風險監(jiān)測系統(tǒng)科技應用場景

智能化報告審查。一是通過大數(shù)據(jù)、人工智能、云計算、區(qū)塊鏈等技術，支持在海量報告中快速篩選企業(yè)信息，明確行業(yè)情況、主營業(yè)務模式及變化、企業(yè)合規(guī)情況等；二是支持會計指標自動計算，勾稽會計科目間關系，識別跨周期的異常變化，提示違規(guī)線索；三是機器多維度深度學習被監(jiān)管問詢的可疑企業(yè)，通過捕捉共性案例違規(guī)跡象，精準定位違規(guī)企業(yè)；四是提煉附注信息、外部輿情、工商信息等多維度信息，交叉比對行業(yè)公司情況，識別異常信號。

網絡信息輿情分析。以人工智能技術進行全媒體資訊自動化分析與大數(shù)據(jù)情報挖掘，實現(xiàn)輿情監(jiān)測從“檢索”到“算法”的轉變，以及數(shù)據(jù)計算從“簡單計算”到“深度學習” 的轉變。一是精確地對文本類信息進行實體識別、語義消歧、 知識圖譜構建、話題分類、自動摘要、情感分析、圖片識別等；二是基于自然語言處理技術提升數(shù)據(jù)精準度，通過情感 分析技術獲取敏感信息，實時表現(xiàn)輿論狀態(tài)，評估輿論走向； 三是通過事理圖譜、熱點聚類、文本分類等學習方法，對輿情事件的發(fā)展脈絡、特征分布、風險等級進行自動階段性總結，并給出趨勢預測；四是知識圖譜功能將已有風險歸納為經驗知識，以推理計算的能力實現(xiàn)對未來風險的精準預測。

智能風險監(jiān)測預警。一是集成交易、資金、輿情、監(jiān)管等數(shù)據(jù)，利用數(shù)據(jù)挖掘等技術可以梳理清、分析透海量金融數(shù)據(jù)資源的邏輯關系和層次結構，從非結構化的數(shù)據(jù)中精準識別有效信息，并通過可視化界面實時展示分析結果，提升風險分析效能。二是通過構建監(jiān)測指標體系，實現(xiàn)風險動態(tài)監(jiān)測跟蹤預警。根據(jù)不同業(yè)務訂制風險監(jiān)測指標體系，通過大數(shù)據(jù)、人工智能等技術建立智能預警模型，不僅可以實現(xiàn)風險自動化預警、提升預判能力，還可以進行風險模擬、提前制訂預案防范風險，強化風險動態(tài)監(jiān)測跟蹤。三是實現(xiàn)跨賬戶、跨市場、跨境債券交易的實時監(jiān)控，利用數(shù)據(jù)挖掘有效識別新型交易行為，提示違法違規(guī)情形，通過刻畫機構間的網絡拓撲結構，掌握風險傳導路徑，自主實施壓力測試。

企業(yè)全景畫像及信用評價。利用網絡技術和現(xiàn)代信息，建立各市場、各監(jiān)管業(yè)務條線間的信息關聯(lián)，構建機構客戶全景畫像與關聯(lián)圖譜。依托算法從系統(tǒng)、數(shù)據(jù)、模型三個層面建立信用風險評價工具，通過大數(shù)據(jù)、機器學習的系統(tǒng)框架，完善財務、融資、償債、資信等多方面的基礎數(shù)據(jù)，在企業(yè)經營的復雜系統(tǒng)中將信用評級與企業(yè)投資、新聞輿情等多層面、多角度的信息相關聯(lián)，準確而完善地展現(xiàn)企業(yè)的真實面目，最大限度地減少人的非理性因素，實現(xiàn)實時、主動、 理性的風險預警與風險控制，實現(xiàn)與人工審查評價信用結果的相互校準。

運用區(qū)塊鏈技術構建安全共享體系。區(qū)塊鏈是數(shù)字化轉型的關鍵技術和重要基礎設施之一，是集智能合約、共識機制、分布式賬本和各種信息技術融合的成果。通過區(qū)塊鏈建立數(shù)據(jù)安全共享體系，保障鏈與鏈相互之間有效數(shù)據(jù)信息資源共享與服務協(xié)作。目前行業(yè)暫未形成基于區(qū)塊鏈的數(shù)據(jù)共享總體框架模型，但類似探索能夠為解決多方信息報送難題，服務交易所、結算機構等信息傳遞及向證監(jiān)會同步報送監(jiān)管信息提供思路。

在組織實施層面，以完善債券市場風險預防預警處置機制為方向，著力打造集中統(tǒng)一的公司債券市場風險監(jiān)測核心基礎設施。建設集中統(tǒng)一的債券市場風險監(jiān)測系統(tǒng)，首先要基于債券業(yè)務流程和監(jiān)管目標需求，構建覆蓋債券市場全業(yè)務鏈、全監(jiān)管鏈的數(shù)據(jù)生態(tài)，形成審核注冊、存續(xù)期管理、日常監(jiān)管、企業(yè)畫像、市場監(jiān)測、統(tǒng)計分析六個功能模塊（見圖3）。

圖3 債務業(yè)務數(shù)據(jù)生態(tài)

其次要發(fā)揮中國證券業(yè)協(xié)會和銀行間市場協(xié)會等自律組織作用，健全完善債券市場數(shù)據(jù)治理體系，打破“數(shù)據(jù)孤島”和“市場分割”，整合滬、深、北證券交易所和銀行間市場數(shù)據(jù)，建設覆蓋交易所市場、銀行間市場及中美美元債市場的監(jiān)測模塊，形成發(fā)行人及資產支持證券/公募房地產信托投資基金（Real Estate Investment Trusts，簡稱REITs）原始權益人綜合畫像、分市場交易數(shù)據(jù)實時交互、跨市場風險預研預判、中介機構執(zhí)業(yè)能力貫通評價等數(shù)據(jù)治理體系，實現(xiàn)對各類債券品種的整體兌付安排、異常交易行為、市場輿情信息、跨市場風險傳染的監(jiān)測監(jiān)控。最后是借鑒經金融穩(wěn)定理事會（Financial Stability Board，簡稱FSB）認定、由中證報價建設運營的交易報告庫技術系統(tǒng)和專業(yè)規(guī)范，以債券業(yè)務數(shù)據(jù)生態(tài)和數(shù)據(jù)治理體系為依托，形成集市場數(shù)據(jù)歸集、統(tǒng)計分析、風險預警、異常交易提醒、新聞輿情報送等功能于一體的自動化、可視化綜合數(shù)據(jù)應用工作平臺；借鑒滬深證券交易所上市公司畫像系統(tǒng)，加強數(shù)據(jù)信息的整合重構，引入機器學習等人工智能算法，建立覆蓋發(fā)行人、資產支持證券/公募REITs原始權益人及中介機構的企業(yè)畫像模塊，實時全景展示企業(yè)風險、市場風險動態(tài)，打造高水平債券市場風險監(jiān)測基礎設施，提高債券市場風險預研預判能力，健全債券市場風險預防預警處置機制。