“永煤”事件后，城投“抱团”再起
。
2020年11月份的“永煤事件”对信用债市场产生了剧烈冲击，城投利差从2020年11月10日的80bp迅速走阔到2020年年底的140bp，高低等级（AA城投-AAA城投）利差从35bp被拉升至年末的60bp，
城投“抱团”再起。从一级发行情况来看，
永煤事件对弱资质区域城投债发行造成了较大冲击。永煤事件到2021年5月16日期间，河南、辽宁、云南、天津城投债分别净偿还198亿元、202亿元、415亿元和783亿元。而相对优资质区域城投净融资额较大，其中江苏、浙江净融资额超过2500亿元。
城投“抱团”的基本面原因：区域经济增长动力的分化。
“永煤事件”固然造成剧烈冲击，但至多也是一种“导火索”的作用。城投利差的走阔与收敛也只是表象。
我们认为城投“抱团”背后最根本的原因，在于中国各区域间经济增长动能出现了根本性的分化。
常见的经济增长模型，无论是索罗模型还是内生增长理论，都认为经济增长动力主要来源于劳动力、资本和技术。
不同区域之间三者要素投入出现了根本性的背离，导致区域经济增长基本面出现分化，这可能是本轮“抱团”背后的根本原因。
城投抱团带来部分地区区域性金融风险隐忧，政策开始调整，中偏弱地区优质主体信用利差或率先修复。
随着各地信用分化的加剧，以及部分省市融资环境明显恶化导致区域金融稳定承压，政策逐步加大对债市风险的关注度。尤其是三月底以来，一个多月的时间，政府文件及动作愈加频繁。
4
月末召开的政治局会议表述对信用风险变化有更为深远的影响
。
政治局会议明确要求，要防范化解经济金融风险，建立地方党政主要领导负责的财政金融风险处置机制
。1季度货币政策执行报告除再次强调这个之外，进一步明确对重大金融风险严肃追责问题，有效防范道德风险。这意味着与此前在地方主要由金融办或者副省长主导的金融协调会议负责财政金融风险防范不同，以后财政金融风险处置机制则主要由书记和省长等一把手负责，这一方面会明显提升相关处置机制的资源协调能力，另一方面也压实了相关责任，不会再出现相关金融风险无人负责的情况。偿付意愿上升。叠加上游大宗商品价格上涨对部分地区基本面带来改善，信用分化将逐步收敛。因而此前由于信用分化，中偏弱地区估值上升的优质主体将获得投资机会，有相应的挖掘价值。
城投抱团“瓦解”带来的投资机会。
如果“抱团”瓦解，大概率从之前被“错杀”的区域开始。“
错杀区域”就是在本轮宽松周期中利差收敛不明显甚至反而走阔，但其经济增长要素投入表现亮眼，具备长期经济增长潜力的区域。
例如
江西
、
安徽、河南
技术投入均较高且保持较高增速，三个区域储蓄增长也明显较快，暗示着地区未来的投资景气度将持续提升。但本轮周期中
河南
AA+和AA城投利差仅压缩了6.05bp和2.46bp。
江西
AA城投仅压缩2.4bp，
安徽
AA城投也仅压缩了16.1bp。
湖南
社融占比较高且负债-投资转化效率良好，这暗示着未来区域较高的经济景气度，
重庆
人口复合增速及技术投入占比均位全国前列，但
湖南
本轮周期中AA城投利差走阔43.8bp，
重庆
仅压缩了4bp。可关注以上几大区域的投资机会。
风险提示：
城投再融资政策收紧
“永煤事件”之后，城投债市场出现了非常明显的“抱团”现象，引发市场关注。外部冲击只是这一现象的“导火索”，那么产生“抱团”现象的根源究竟是什么？未来一段时间，城投债行情将如何演绎？“抱团”会继续坚挺，还是会走向瓦解？如果瓦解，将以何种方式瓦解？可能会带来怎么样的投资机会？本文将在以上几个角度展开分析。
1.1什么是城投债的“抱团”，程度如何？为什么本轮“抱团”会如此引人关注？
高低等级城投利差历史分位数仅为50%，本轮城投债“抱团”其实并不严重。
我们用城投5年期中债隐含评级AA-AAA收益率来衡量高低等级之间的利差，这其实也是对“抱团”最原始的一种定义方式。数据显示截至2021年4月份高低等级利差约为75bp，这一利差大致处于50%的历史分位，“抱团”现象其实并不严重。
“抱团”并不严重，但“抱团”原因在于弱区域中低主体被系统性的“抛弃”，地区差别总是能引发关注，因此本轮“抱团”会如此引起注意。
2021Q1城投整体利差收敛，城投信用环比宽松。但在这轮宽松周期中，弱资质区域的中低等级城投利差依然整体走阔。例如贵州AA+、AA城投利差分别走阔92bp和52bp，云南分别走阔16.66bp和50.6bp，天津分别走阔27.61bp和6.59bp、黑龙江分别走阔17.61bp和15.99bp。本轮“抱团”坚挺的原因，在于即使2021一季度城投信用已经环比宽松了，
但弱区域中低评级主体依然被投资者系统性的“抛弃”。这种区域性的差异使得“抱团”引起较大关注。
城投净融资情况跟也出现了分化，河南、辽宁、云南、天津等地净偿还，江浙两地净融资超2500亿元。
从一级发行情况来看，永煤事件对弱资质区域城投债发行造成了较大冲击。永煤事件到2021年5月16日期间，河南、辽宁、云南、天津城投债分别净偿还198亿元、202亿元、415亿元和783亿元。
而相对优资质区域城投净融资额较大，其中江苏、浙江净融资额超过2500亿元。
“永煤事件”固然造成剧烈冲击，城投利差的走阔与收敛也只是表象。城投“抱团”背后存在更为深层次的基本面原因，在于
中国各区域间经济增长动能出现了根本性的分化。
常见的经济增长模型，无论是索罗模型还是内生增长理论，都认为经济增长动力主要来源于
劳动力
、
资本
和
技术。不同区域之间三者要素投入出现了根本性的背离，导致区域经济增长基本面出现分化，这可能是本轮“抱团”背后的基本面原因。
1.3城投债的“抱团”会瓦解吗？会产生哪些投资机会？
结论：城投“抱团”会瓦解，但瓦解的方向具有区域差异性。
理由（1）
从历史长周期看，高低等级之间城投利差总体上是逐渐收敛的
，全国层面地方政府债务管控逐渐走向成熟，对中低资质城投风险敞口进行“上移”也是大势所趋。因此长周期内高低等级城投利差收敛是合乎逻辑的，“抱团”瓦解也只是时间问题。
（2）如果“抱团”瓦解，大概率从之前被“错杀”的区域开始。
“错杀区域”就是在本轮宽松周期中利差收敛不明显甚至反而走阔，但其经济增长要素投入（劳动力、资本、技术）表现亮眼，具备长期经济增长潜力的区域。
对应的投资机会，就是在这些区域采取票息策略，适当下沉资质，静待城投“抱团”瓦解带来的利差修复机会。
每一次城投信用收缩周期，都必然会产生城投债市场的“抱团”现象。
信用收缩周期中，由于宏观政策收紧，企业景气度和流动性水平恶化，造成风险事件频发，而风险事件，尤其是系统重要性主体的风险事件，又会显著降低市场整体的风险偏好，这从总体上导致城投债市场利差的走阔。而出于规避风险的需要，在合意资产缺乏的情况下资金往往会涌入高等级城投债主体，从而导致高低等级信用债利差走阔。
观测历史数据可以发现，每一次的城投信用收缩周期，必然会产生城投债市场的“抱团现象”
，
2015年以来城投信用可以分为三个阶段：
1
）2015年初-2016年8月：城投利差快速下行，高低等级利差迅速收敛。
这一轮信用宽松周期主要是由于货币政策的全面宽松，14Q4-15Q4期间央行累计降息降准各6次，考虑到货币政策传导至信用周期具有一定时滞性，因此这一轮信用周期与货币政策宽松基本吻合。再加上2015年开始的置换债政策使得市场完成了对城投债的价值重估。城投整体利差从2015年年初的180bp快速下降至2016年8月份的60bp。而高低等级之间的利差也从110bp收敛至30bp。
2
）2016年8月-2018年6月：城投利差快速上行，市场也出现明显的“抱团”现象。
2016年的供给侧结构性改革和2017年开始的金融去杠杆与强监管，使得这一周期内的货币政策整体处于稳健中性-稳健偏紧的状态。政策层面，2017年7月全国金融工作会议强调新增隐性债务将被终身追责，这一时期监管对地方政府债务管控趋严。受此两方面影响，城投利差从2016年8月份的60bp上行至2018年6月份的200bp，而城投高低等级之间利差也从30bp上行至100bp，
市场出现了明显的“抱团”现象。
3
）2018年6月-2020年10月份。城投利差再度下行，市场“抱团”现象也出现瓦解。
这一周期内地方政府的化债思路和策略逐渐明晰，在统计甄别隐性债务的基础之上开展了系统性的债务化解。市场整体对城投风险偏好上升，
这一阶段“资质下沉”成为了城投债投资制胜的关键策略。
疫情冲击之下，作为政府稳增长的重要抓手，城投再融资政策边际宽松。城投利差也从2018年6月份200bp的高点一路下行至2020年10月份的70bp，
而“资质下沉”策略对应的是城投市场“抱团”现象的瓦解，高低等级信用利差从100bp下降至35bp。
2.2这次不一样
？“信用周期”与“抱团周期”首次出现明显背离
2020年11月份的“永煤事件”对信用债市场产生了剧烈冲击，城投利差从2020年11月10日的80bp迅速走阔到2020年年底的140bp，城投“抱团”再起，高低等级利差从35bp被拉升至年末的60bp。
这次超预期的信用强力冲击事件造成了一轮短期的信用快速收紧周期，这一时期内“信用周期”与“抱团周期”依旧同步。
2.3本轮“抱团”主要的结构特点：弱区域的中低等级主体被市场系统性的“抛弃”
本轮周期中，不同区域之间出现了系统性的分化，在历史上尚属首次，这也是城投“抱团”坚挺的主要原因。
2014年至今的三轮城投信用周期中，不同地区的利差在总体上保持着同涨同跌，我们选取天津、黑龙江、云南作为传统意义上的弱资质区域代表，选取江浙作为强资质区域代表。发现以上区域利差在三轮周期中都能保持同步性，例如2018年6月至2020年10月份的宽松周期中，上述区域的全部评级的主体均实现了利差压缩。在2021Q1中，江浙利差压缩约30bp，而天津、黑龙江、云南利差均出现了扩大，
不同区域之间出现了系统性的分化，这在历史上尚属首次发生。
具体来看，城投“抱团”坚挺的原因主要在于：
1）上一轮信用宽松周期（2018年6月至2020年10月）中，强资质区域（以江浙为例）中低资质主体利差下降幅度很大（150bp以上），超过高资质主体（100bp左右），而在本轮宽松周期中，江浙区域中低资质主体利差虽也下降，但与高等级主体下降幅度基本一致，
因此“抱团”瓦解的动力并不足。
2）
区域间的分化。弱区域的中低等级城投，被市场系统性的“抛弃”
。例如天津、贵州、云南、黑龙江AA和AA+利差在2021Q1全部出现了走阔，这是导致“抱团”坚挺的最主要原因。
常见的经济增长模型，无论是索罗模型还是内生增长理论，都认为经济增长动力主要来源于
劳动力
、
资本
和
技术
，只不过对资本的定义、对技术的内外生性等假设有所差别。借鉴经济增长模型，我们用
资本
、
技术
和
劳动力
三要素尝试刻画不同区域间经济增长动力的强弱差别。
3.1技术角度：不同区域投入分化明显，从动态角度看整体呈现“马太效应”
我们可以从全国各区域高技术产业占比情况，来刻画不同区域之间技术要素的投入情况。
我们对高技术产业的定义采用国家统计局给出的口径，
指的是研发投入大、产品附加值高、国际市场前景良好的技术密集型产业，具备智力性、创新性、战略性和资源消耗少等特点。主要
包括
医药制造，航空、航天器及设备制造，电子及通信设备制造，计算机及办公设备制造，医疗仪器设备及仪器仪表制造，信息化学品制造
等 6 大类。我们从各省披露的统计年鉴中获取当地规模以上高技术产业总产值，再除以全部规模以上产业总产值，从而得出高技术占比这一数据，
用以刻画不同区域技术要素的投入情况。
东南区域技术要素投入最强、中西部其次，北方和西南地区整体偏弱（北京等除外）
东南区域技术要素投入最强、中西部其次，北方和西南地区整体偏弱（除北京等少数地区外）。
2019年，广东省以33.7%的高技术产业占比位居全国第一，重庆、上海、江西、江苏、四川5个地区占比均在15%以上。总体来讲，东南、中西部区域高技术占比较高，整个北方除了北京（13.7%）、天津（11.6%）这两个区域之外，高技术产业占比均不足10%。西南地区的云南（6.6%）、广西（5.6%）和贵州（5.2%）都相对偏低。
动态刻画：技术要素投入呈现区域之间的“马太效应”，但有少量“黑马”
一般认为，技术投入的变动是一种慢变量，因此传统的增长理论（如索罗模型）一直将其作为外生变量来看待。
但我们统计各地区2015至2019年高技术产业占比的变动情况，发现各区域呈现明显的“马太效应”。
东南、中西部地区在2015年时高技术产业占比就已具备领先优势，但从2015-2019年的边际变动情况看，这些区域在这4年时间里技术投入增长也更快，从而导致2019年时领先优势进一步放大，不同区域技术要素投入出现了明显的“马太效应”。例如广东省在2015年时高技术产业占比就已高达28.2%，4年期间又进一步上升5.5%，增速排全国第4。贵州省2015年时高技术产业占比为6.7%，2019年进一步下滑至5.2%。
江西、安徽增长则表现亮眼，成为少数“黑马”。
2015年安徽省（7%）和江西省（7.8%）高技术占比均不高，但2015-2019年期间高技术占比分别上升了7.3%和8.7%，增速位列前四，从而在2019年时占比均处于10%以上的中高等级行列。
3.2资本角度：储蓄供给和负债-投资转化效率均出现区域性分化
我们构建了地区经济的储蓄-投资-产出评价模型，以考察不同区域资本对经济的推动作用。
资本首先通过储蓄形成供给，再通过一定的转化机制形成投资，并最终获得产出。具体来看：
1）
储蓄
包括居民储蓄、政府储蓄以及企业储蓄，其中居民储蓄用银行存款衡量，政府储蓄一般为负，所以我们选用政府财力表征指标，用税收收入表示，企业储蓄用企业盈余利润衡量；
2）
转换机制
主要包括企业自行投资转化，以及金融性融资，其中金融性融资可以通过社会融资规模来衡量；
3）投资
主要选取固定资产投资这一指标进行衡量；
4）产出
衡量指标包括地区生产总值、一般公共预算收入、工业增加值这三大指标。
各区域的储蓄供给总量出现分化。
我们选取本外币存款余额来衡量区域的储蓄供给情况，2020年末存款余额较多的地区有广东（26.8万亿）、北京（18.8万亿）、江苏（17.8万亿）、上海（15.6万亿）等，较少的地区有西藏（5423亿）、青海（6314亿）、宁夏（7136亿）等，这与2010年的排名基本一致。
储蓄增速上不同区域间也出现分化，近几年来“马太效应”强于“低基数效应”。
2011-2015年期间，储蓄规模小的地区，往往能取得更高的储蓄复合增速，例如西藏（23.1%）、贵州（21.5%）等，这可能是由于“低基数效应”。但值得注意的是这种效应并未得到持续，高储蓄地区2016-2020年期间的复合增速反超，也就是近几年来储蓄规模的“马太效应”更占上风，高储蓄的地区，其储蓄规模增速反而更快，例如广东（10.8%）、浙江（11%）等，中低储蓄的地区，其储蓄规模增速反而更慢，例如天津（3.9%）、青海（3.9%）等。
我们用变异系数来衡量区域间储蓄的分化程度，发现2015年之前，区域间储蓄分化整体下降，
对应的是这段时间内“低基数效应”更占优，低储蓄地区迎来更高的储蓄增速。
2015年之后，区域间储蓄分化整体上升，
对应的是这段时间内“马太效应”更占优，高储蓄地区反而拥有更高的储蓄增速。
江西、安徽两省储蓄增速亮眼，值得关注。
按照上文分析，2016-2020期间“马太效应”更占优，高储蓄地区储蓄增速反而更快，
江西
（4.4万亿）与
安徽
（6万亿）存款规模在全国只能排中游水平，但两省在此期间储蓄复合增速高达11.9%和11.7%，分列全国第一和第二。
储蓄是地区产生投资的必要前提，这种高增速可能暗示着两个地区未来的投资景气度将持续提升。
浙江、广东、江苏等社融占比显著提升，辽宁、天津、内蒙等显著压降
天津、辽宁、内蒙等区域社融占比持续压缩，广东、浙江、江苏等区域社融占比持续提升。
对于社融占比大幅下降的省份而言，除了资管新规导致委托贷款、信托贷款与汇票压缩之外，
更主要的原因在于人民币贷款压缩或增长缓慢，以及地区负面事件频出导致信用债融资恶化，出现信用债“雨天收伞”的局面。
例如：1）2014-2020年期间辽宁省社融压缩约4216亿元，其人民币贷款压缩约374亿元，华晨等重点国企的违约，使得辽宁省债券融资更是压缩951亿至-58亿元，这导致辽宁省2020年社融在全国占比仅为0.43%，与2014年相比下降3.09个百分点。2）2014-2020期间天津市社融压缩311亿元，占全国比例从2014年的3.07%下降至2020年的1.49%。在此期间天津市人民币贷款仅增长605亿元，公开债市场净融资则几乎停滞，仅增长12亿元。3）2014-2020期间内蒙古社融压缩1679亿元，其中人民币贷款大幅压缩1749亿元，公开债市场也压缩了781亿元。导致内蒙古社融占比从2014年的1.77%下降至0.36%。
资管新规导致全国各区域非标均出现压缩，但部分省份人民币贷款巨额放量，公开债市场也随之繁荣，出现了信用债“晴天送伞”的局面，导致社融占全国比例大幅提升，
例如与2014年相比，
浙江
、
广东
、
江苏
占比分别提升5.56、5.09和2.58个百分点至10.65%、13.48%和11.14%，在此期间三个省份人民币贷款分别上升1.6万亿、1.8万亿和1.3万亿，公开债市场分别上升3852亿元、4042亿元和3352亿元。
负债-投资转化效率分化：天津、安徽、湖北等较高，吉林、贵州等较低
不同区域负债-投资转化效率存在较大差异性。
区域通过负债的方式形成资本，并最终获得投资水平的增加。但不同区域在这一过程中的效率具有较大差异性，
我们选取增量社融产出比，即增量社会融资规模/地区生产总值，来衡量某区域为新增一单位的生产总值，需要新增多少规模的区域负债。选择固定资产投资增速来衡量区域的投资景气度，构建增量社融产出比-投资转化效率模型。
考虑到2020年疫情外生冲击以及2021Q1固定资产投资增速存在低基数效应，我们选取区域2019年的相关数据进行分析，总体来看2019年各区域杠杆率位于1.3%-43%之间，固定资产投资增速位于-16.3%至13.9%之间。
我们根据杠杆率与固定资产投资增速将区域划分为四个象限：
1）第一象限表示高增量社融产出比+高固定资产投资增速。
例如浙江（35.5%，10.1%）、广东（27.1%，11.1%）、江西（27.2%，9.2%）等。较高的增量社融产出比导致了较高的固定资产投资增速，从最终的产出结果来看，以上区域2019年地区生产总值增速也的确处于全国中上水平。
2）第二象限表示低增量社融产出比+高固定资产投资增速。
例如天津（20.3%，13.9%）、安徽（19.5%，9%）、湖北（19.1%，10.7%）等。虽然增量社融产出比并不高，但这部分区域依然能取得较高的固定资产投资增速，可能意味着负债-投资转化机制较为通畅，资金使用和投资效率较高。
3）第三象限表示低增量社融产出比+低固定资产投资增速
，例如辽宁（11.8%，0.5%）、西藏（1.4%，-2.1%）等。
4）第四象限表示高增量社融产出比+低固定资产投资增速
，例如吉林（25.3%，-16.3%）、贵州（32%，1%）等，这意味这部分区域负债-投资转化机制受阻，投资效率不高。
3.3人口角度：全国14区域近三年人口负增长，其余区域人口增速分化明显
黑龙江、吉林、天津、山西、内蒙古、甘肃、湖南
等区域2017-2020年三年人口复合增速呈现明显负增长，均在-1%以下。区域人口负增长主要由于生育率降低以及人口持续性流出，可能暗示着该区域综合竞争能力的下降，考虑到人口不仅是劳动力供给的源泉，同时也从消费端作用于经济增长，这可能会削弱未来区域经济的潜在增长率。浙江、广东、海南、西藏、贵州、福建人口复合增速较高，均在2%以上。其他区域增速均在2%以下，主要归功于人口自然增长的贡献和外来人口的流入。
4
月末召开的政治局会议表述对信用风险变化有深远的影响。
4月末政治局会议明确要求建立地方党政主要领导负责的财政金融风险处置机制。一季度货币政策执行报告进一步明确对重大金融风险严肃追责问题，有效防范道德风险。这意味着与此前在地方主要由金融办或者副省长主导的金融协调会议负责财政金融风险防范不同，以后财政金融风险处置机制则主要由书记和省长等一把手负责，
这一方面会明显提升相关处置机制的资源协调能力，另一方面也压实了相关责任，不会再出现相关金融风险无人负责的情况。
三月底以来，政府文件及动作愈加频繁。
国务院国资委印发《关于加强地方国有企业债务风险管控工作的指导意见》，中共中央政治局会议提出财政金融风险处置机制；山西、河南、天津等弱区域政府积极出面做出回应及协调。都显示了中央及地方从自上而下角度不断完善市场和积极引导信用市场预期的态度。
一方面来自各地政府，维稳地方信用市场的消息接连传出，增强市场信心；一方面来自中央监管层面，不断规范市场环境，出台相关管控意见。
