作者 周君芝 中信建投证券宏观经济首席分析师
年初至今，债券可以说是表现最强的中国资产之一。近期10年期国债利率已经下破2.3%，50年期国债利率下破2.5%，利率债可以说全面终结了2.5%时代，这样的债券市场表现历史少见。
之前金融时报多次发文，提示“10年期国债收益率偏低，合理区间约在2.5%至3%”，然而市场看多债市的情绪依旧浓烈。即便短端利率并不松，市场依然坚定交易债券做多方向。近期30年期国债以及50年期国债利率方向持续下行。
直到7月1日，跨季刚过，央行发布公告，为维护债券市场稳健运行，在对当前市场形势审慎观察、评估基础上，决定于近期面向部分公开市场业务一级交易商开展国债借入操作。债市利率当日因此波动。
为什么要借券？
国债借入这个动作本身不会对市场带来太大影响，真正有影响的是国债借入之后，央行可以卖出国债。一旦卖出国债，市场流动性因此收紧，与此同时，长端国债供给多增，短端和长端利率均上行。这也意味着央行有了收紧流动性的现实工具。
市场因此将央行借券解读为央行给出市场提示，提示长端利率不宜过低。
央行借入国债，目的是为二级市场卖出回笼流动性。并且借券需还，众所周知，中国过去的货币操作中，极少将国债买卖入表。这也意味着此次借入的国债，未来需要在二级市场上买入国债之后再偿还。
因而我们还可以将此次借入国债理解为，央行二级市场买卖国债进而投放流动性的操作已经越来越近。
为什么要在7月1日借券？
自4月央行货币政策委员会召开2024年第一季度例会，提及“在经济回升过程中，也要关注长期收益率的变化”，央行已经多次提示市场利率不宜下行过快。然而现实效果是，市场短端流动性并不紧，至少没有趋势性收紧。
而且在6月底跨季影响之下，流动性容易出现季节性波动，长端利率在此之际又迎来一波下行。央行并未释放强烈的债券干预信号。直到跨季因素刚过的7月1日，央行才宣布借券，有意释放干预市场的信号。
对如此时间点的选择，也让我们感受到央行的“苦心”，希望长债利率不要下行太快，但又不希望流动性实质性波动。
这是一种精妙的平衡操作——既有效释放了市场干预信号，又维持流动性实际平稳。精妙操作的背后，我们感受到央行对金融市场稳定的高度关注，至少在经济释放明显修复信号之前，央行并不愿意看到金融市场的剧烈波动。
央行借券，借的是什么？
自2021年下半年开始，债券利率持续下行，债券牛市已经持续约三年时间。
本轮债券市场持续时间之久、下行幅度之大，较为罕见。原因也比较清晰，2021年以来，中国地产迎来了历史性的模式切换，从投资品向消费品模式转变，自然带动债市走出了一波历史级别的牛市行情。目前债市底色依然未变。
现在的问题是，央行为何要在利率下行趋势中，提示长端利率不宜过快下行？
我们认为答案在汇率。中国1-5月抢出口有所降温，若未来一段时间出口走弱，或带动人民币汇率走软。国际层面，当下中东地缘政治博弈延续，全球避险情绪较浓，日元和欧元走弱，美元指数走强。偏弱的出口换汇加上偏强的美元指数，未来一段时间美元对人民币汇率或高于1-5月份。近期在岸人民币汇率(美元兑人民币)已经突破7.26。
【广发宏观周君芝】一个关于社融数据估测的技术细节
投资要点
社融数据存在一个统计细节，两期存量相减并不等于当期新增，即Δ存量≠增量。 常见的社融存量增速估测方法是先估测不同分项新增社融，再加总得到新增总社融，然后计算存量同比增速。 这就意味着直接利用新增量估测存量增速，会引入估测误差。 本文旨在探讨这一误差细节。
误差有多大？历史经验显示年度误差在1%左右，误差不可忽视
2018年社融的月度Δ存量和增量误差在3%~25%。 回溯历史，社融增量和Δ存量始终存在误差，且绝大多数情况下前者大于后者。 对比两种测算方法结果可观察误差大小：方法1，本期增量/上期存量*100%；方法2，(本期存量-上期存量)/上期存量*100%。 方法1计算结果大概率高于方法2，差距在1%左右(年频)。 方法2计算得到的是真实存量增速，可见以新增量直接估算存量增速，年度误差在1%左右。
缘何有误差？误差主要来自五个细分项目
拆分社融细分项，发现Δ存量和增量的差异主要来自外币贷款、委托贷款、信托贷款、企业债券融资和其他项这五个细分项。
信托贷款项误差主因每年1月存量调整。 以信托业协会口径的信托贷款作为影子指标，发现年度信托贷款Δ存量和增量误差几乎全由每年1月贡献，且1月误差主因当月社融的信托贷款存量进行了脉冲式调整。 我们猜测1月调整或与年初存量统计数据排摸有关。 委托贷款数据透明度不高，误差原因暂时不明，然2015年以来该项误差几乎可忽略。
外币贷款项误差起因于汇率波动。 外币贷款增量匡算使用当期平均汇率，存量匡算使用期末时点汇率。 修正汇率影响，即按对应汇率换算得到美元计价的增量和Δ存量，发现Δ存量和增量误差基本被抹平，验证外币贷款误差主要来自汇率波动。
企业债券融资项误差起因不同类型债券统计方式各异。 社融口径企业债券融资内含多类券种(至少有11类)。 万得口径这11类券种年度净融资与社融口径企业债券融资增量数据拟合度高，Δ存量亦如此。 然而即便同是万得口径，这11类债券的新增量和Δ存量也存在差异，原因是万得存量统计以起息日为标准，净融资额统计以发行日为标准。 社融口径的企业债券融资，内含多类券种，涉及不同发行制度、兑付规则和余额统计标准，不止起息日和发行日标准差异。 故其日常统计监测牵涉较广，天然就存在统计难度，新增量和Δ存量难免存在统计误差。
其他项主因在于保险公司赔偿和金融去杠杆特定背景。 将社融总量扣减人民币贷款等7个分项所得剩余称为“其他项”，其实际包含保险公司赔偿、投资性房地产、其他融资三个细分项。 我们认为2016年以来大多数情况下其他项误差主因保险公司赔偿款；2017年误差不仅与保险公司赔偿有关，或可还与特定的去杠杆背景有关。
有何指示意义？2019年以增量推算存量增速的估算结果较往年稳健
加总五个分项Δ存量和增量的误差，得到2019年老口径社融存量增速的估测总误差大概率不过1.04%，属2010年以来中性偏小的误差水平。 新口径社融存量的Δ存量和增量误差大概率低于0.9%，即2019年增量估算存量社融增速，估测结果较往年稳健。
核心假设风险： 中美贸易摩擦超预期，国内需求下行超预期。
目录
正文
一、社融存量相减不等于当期增量
1.1 社融存量相减并不等于当期新增社融
央行同时报告社融存量和增量数据，然而将两期的期末存量相减，所得结果并不等于当期社融增量。 以2018年为例，12月新口径社融存量200.75万亿，减去11月新口径社融存量199.29万亿，所得结果亿元；与央行直接报告的12月新增社融.6亿元，相差1362.6亿元。 同理2018年1~12月均存在Δ存量不等于当月新增量的现象，两组数据的误差在3%~25%之间[1]。 回溯历史数据，社融增量和Δ存量之间一直存在误差，并且绝大多数情况下误差为正，即社融增量大于Δ存量。
1.2 以新增社融估算社融存量增速的误差不可忽视
估算社融存量增速，一个常见的方法是先估算t期新增社融(新增社融t)，除以过去一期的社融存量t-1，便得到t期的社融存量增速预测值。 然而Δ存量并不等于当期社融增量，这就意味着以新增社融t推算社融存量t同比增速的估算方法，将引入误差。 这一误差多大程度上影响估算准确度？这是社融存量增速估测需要面对的问题。
为了观察误差大小，我们对比两种算法的测算结果。 算法1，本期增量/上期存量*100%；算法2，(本期存量-上期存量)/上期存量*100%。 其中央行直接报告的社融存量增速采用方法2测算，即Δ存量/存量所得结果才是真实的社融存量增速。
图3(只追溯老口径社融)显示算法1所得结果基本上都高于算法2，多数年份两者测算结果的差异保持1%上下；少数年份超过1%，例如2006(1.1%)、2007(1.1%)、2009年(1.9%)、2011年(1.6%)、2012和2013年(1.4%)；个别年份甚至超过3%，例如2004年(3.4%)、2005年(4.8%)和2008年(3.5%)，而且这些差异大的年份主要集中在2010年之前。 2018年新口径(9月调整后口径)、7月调控口径也同样存在类似误差，用方法1和方法2测算，结果差异(季频)在0.8%以内，如图4所示。
二、误差主要来自五个细分项目
2.1 误差主要来自于五个细分项
阐述误差主要来源之前，我们先简要回顾央行公布社融数据的频率特点。 存量社融方面， 央行2015年才开始直接公布存量数据(含分项)，数据频率为季频。 2016年开始公布月频的社融存量数据(含分项)。 2002~2014年央行并不直接公布社融存量规模(含分项)，但公布年频的社融存量同比增速(含分项)。 所以理论上可以利用2015年及以后社融存量数据，以及2002~2014年存量同比增速，计算得到相应年份的年频社融存量数据。 增量社融方面， 2012年央行公布月频社融增量数据，并在同年补充公布了2002~2011年月频社融增量数据。 至此，2002年1月以后的月度增量数据均有直接公布。
分析央行公布的社融数据时有两点值得注意。 第一，央行公布的同比增速只精确到小数点后一位(2018年开始精确到小数点后两位)，因而同比增速倒算方法会出现如下情况——年份越早，小数点精确度造成的误差累计也越多。 第二，月度新增社融有“当月初值”和“当月值”之分。 央行每月10-15号左右时间以新闻公告形式公布初步统计社融(含分项)数据，即为“当月初值”，每月16-19号左右修正数据，即为最终的“当月值”。
我们之所以花去一定精力梳理央行公布的社融口径及数据频率，目的是为了尽量理清哪部分误差来自Δ存量与新增量之差，哪部分误差仅是因为数据口径换算而引入的。 例如2015年及之前缺乏央行直接公布的社融存量数据，虽然可以根据央行给出的社融存量同比增速倒算出年频社融存量，但央行公布的社融存量同比只精确到一位小数点，每一次倒算都会引入一次误差，且随着倒算期拉长，越早年份的误差累计越多。 故而我们 观察年频的Δ存量和增量差异时，将数据范围框定在2010年及以后。 另需强调，2015年及之前缺乏直接公布的月频存量数据，同时也无法倒算月频社融存量增速，所以我们在 探讨月频Δ存量与增量误差时，将数据范围框定在2016年及以后。
2016年以来，不论年频还是月频，信托贷款、委托贷款、外币贷款、企业债券融资、其他项这五个细分项，均是社融Δ存量与增量误差的主要来源，其中月度误差更是集中在外币贷款、企业债券融资和其他项三个细分项。 细分项对总量社融误差的贡献率取决于两个因素，一个是细分项本身误差大小，另一个是细分项相对总体社融的占比。 虽然股票融资分项本身误差项较大，但其相对社融总量的占比较低，因而股票分项对社融总量误差的最终贡献并不高。 人民币贷款相对社融总量的比重虽然比较高，然而其本身的Δ存量与增量误差较小，所以人民币分项的Δ存量与增量误差，对总量社融误差的贡献也不高。 票据规范以来表外票据融资的误差逐渐收敛，虽然其相对占比不低，然而2016年及以后票据分项对社融总量误差的贡献快速下降。 下文我们重点围绕信托贷款、委托贷款、外币贷款、企业债券融资、其他项这五个细分项的误差展开分析。
2.2 信托贷款误差或主因1月存量统计排摸
对比信托业协会和社融两个口径的信托贷款数据，前者存量是后者存量余额的97%-98%；绝大部分情况下前者的年度新增量基本上是后者的94%-101%。 可见 信托业协会(以下简称协会口径)统计的信托贷款可作为观察社融口径信托贷款的绝佳影子指标。
首先，我们发现社融口径信托贷款Δ存量与增量误差基本在每年的1月达到年度峰值，并且1月误差基本上可以解释全年的绝大部分误差。 换言之，分析社融口径信托贷款Δ存量与增量误差，主要是解释1月误差。
其次，对比社融口径和协会口径发现，两者存量数据趋势基本一致，除了每年1月；而新增量方面，并无类似季节性现象。 协会口径作为影子指标，指向社融口径信托贷款每年1月Δ存量与增量之间的误差，主要由社融口径信托贷款存量变动引起。
目前我们仍无法有效判断每年1月社融口径信托贷款存量出现“脉冲式调整”的最终原因。 我们猜测或与每年年初信托贷款数据统计排摸有关。 不论如何，我们至少可以知道观察社融口径信托贷款分项Δ存量与增量误差，重要的是观察1月份。
委托贷款数据缺乏透明度，目前尚无法得知委托贷款项Δ存量与增量误差的原因。 2015年以来委托贷款项误差大幅收敛，对社融总误差贡献几乎为零。 我们暂不对委托贷款项误差展开详细分析。
2.3 外币贷款项原因在于汇率波动
外币贷款是金融机构向非金融企业、个人、机关团体以贷款、票据贴现、垫款、押汇、福费廷等方式提供的外币形式的贷款[2]。 值得注意的是，虽然是“外币”形式，外币贷款匡算到社融统计中却使用人民币计价，因而汇率波动将直接影响人民币计价的外币贷款规模。 计算社融增量时，外币贷款使用当期平均汇率； 计算社融存量时，外币贷款使用期末时点汇率 [3] ，因此汇率波动是影响Δ存量和增量差异的主要原因。 修正汇率影响，即将存量和新增社融分别按照上述汇率换算原则倒算为美元计价，我们发现Δ存量和增量数据缺口较大程度上被抹平(如图15所示)。 个别月份数据仍有细微差异，主要与期末时点汇率大幅波动有关。
2.4 企业债券融资项原因在于统计方式
企业债券融资是指由非金融企业发行的各类债券，具体包括企业债、超短期融资券、短期融资券、中期票据、中小企业集合票据、非公开定向融资工具、资产支持票据、公司债、可转债、可分离可转债和中小企业私募债等券种(包含并不限于上述十一类券种)。 我们对照了万得口径的十一类券种[4]年度净融资量和Δ存量，发现十一类企业债券净融资与社融口径的企业债券新增融资量基本上相等，至少变动趋势极为一致，如图表16所示；Δ存量也有类似表现，如图表17所示。 然而即便同为万得口径，十一类券种的新增净融资和Δ存量之间也存在差异，而差异主因在于存量统计以起息日为标准，净融资额统计以发行日为标准。
社融口径的企业债券融资，内含多个券种，涉及不同发行制度、兑付规则和余额统计标准，而不只限于发行日和起息日统计标准的差异。 换言之， 企业债券融资日常统计监测牵涉较广，天然就存在一定的统计难度，这也是社融口径企业债券融资新增量和Δ存量存在差异的主要原因。 考虑到社融口径企业债券融资统计的复杂性，再者社融口径企业债券融资的新增量和Δ存量缺口也未表现出明显规律，我们不再追究造成差异的原因细节。
2.5 其他项主因在于保险公司赔偿和去杠杆特定背景
老口径社融统计包含人民币贷款、外币贷款、委托贷款、信托贷款、未贴现的银行承兑汇票、企业债券融资、非金融企业境内股票融资、保险公司赔偿、投资性房地产、其他融资共计10类细分项。 央行通常公布前7类细分项的新增和存量数据，而不公布保险公司赔偿、投资性房地产、其他融资三个细分项数据。 将社融总量数据扣减前7类分项，所得剩余称为“其他项”，实际上包含了保险公司赔偿、投资性房地产、其他融资这三个细分项。
保险公司赔偿指保险公司在保险合同有效期内履行赔偿义务而提供的各项资金，具体包括财产险赔偿、健康险赔款和意外伤害险赔款， 该指标会在年末收支相抵，没有存量或余额的概念。 即，其他项存量=投资性房地产存量+其他融资存量，其他项新增量=保险公司赔偿增量+投资性房地产增量+其他融资增量，其他项增量-Δ其他项存量=(投资性房地产增量-Δ投资性房地产存量)+(其他融资增量-Δ其他融资存量)+保险公司赔偿增量。
投资性房地产增量和Δ投资性房地产存量无差异，其他融资增量和Δ其他融资存量亦如此，那么其他项增量-Δ其他项存量就等于保险公司赔偿增量。 我们对照保监会数据，2016年以来的绝大部分时间，其他项增量-Δ其他项存量几乎等于保险公司赔偿款，如图21所示。 换言之，绝大部分时间中其他项差异主要来源于保险公司赔偿款。 少数时间段，例如2017年，其他项增量-Δ其他项存量与保险公司赔偿款差异较大，并且呈现显著的季节性波动。 考虑到投资性房地产主要指金融机构为赚取租金或资本增值，或者两者兼而有之持有房地产，不太容易出现季节性的大幅波动。 所以我们倾向于认为2016年数据差异大概率不是来自于投资性房地产项目。 其他融资指实体经济从小额贷款公司、贷款公司等获得资金，主要包括小额贷款公司贷款以及贷款公司贷款，2017年金融同业去杠杆背景下金融体系结构异动，小额贷款公司等或随之波动。 换言之， 我们倾向于认为2017年其他项增量和Δ存量之间的差异，不仅与保险公司赔偿有关，或可还与特定的金融去杠杆背景有关。
三、技术细节对社融存量增速预测的意义
外币贷款日益成为外贸型企业的重要融资渠道。 由于是以外币计价，外币贷款的增长会受到世界经济形势、境内外利差和外汇管理政策等多重因素叠加产生影响。 准确捕捉外币贷款增量估算带来的误差扰动存在一定难度。 类似的，企业债券融资涉及不同券种和统计标准，其他项内含三个细分项目融资，委托和信托贷款涉及非标，信息不完全透明，因而准确捕捉五个细分项误差存在现实难度。 我们转而用历史比较方法，大致估算2019年五个分项的Δ存量和增量误差。
回溯历史，2010年以来其他项误差基本稳定在0.3%~0.5%区间。 我们倾向于认为 2019年其他项误差大概率在0.3%~0.5%，属于中性水平。 企业债券融资方面，除了2018年以外(0.4%)，2010年以来误差鲜少超出-0.2%~0.2%区间。 我们倾向于认为 2019年企业债券项的误差大概率在-0.2%~0.4%，属于近年来较高水平。 外币贷款方面，2009年以来误差也基本控制在-0.2%~0.45%。 随着2015年人民币结束2001年以来的单边贬值趋势，外币贷款项的误差也由正转负。 以2017年作为人民币汇率升值假设情况下的参照样本，2015年作为人民币汇率贬值假设情况下的参照样本，推测 2019年外币贷款项误差在-0.16%~0.1%区间，属2010年以来偏弱水平。 信托和委托贷款方面，1月信托贷款Δ存量和增量差异582亿元，超过过去两年同期水平，委托贷款亦然。 考虑到信托贷款误差主要由1月贡献，这就意味着2019年信托贷款和委托贷款项遗引入误差大概率超过2017和2018年。 按过去两年1月同期误差数量进行线性外推， 2019年委托和信托贷款细项或引入0.02%~0.04%误差，属历史较高水平。 加总五个分项误差，最终误差大概率不过1.04%，属2010年以来中性偏小水平。
值得注意的是，2019年1~2月央行并未公布核销和ABS细分项，按照过去两年经验，地方专项债、ABS以及核销Δ存量和增量不存在误差。 则新口径Δ存量和增量误差主要来源与外币贷款、信托贷款、委托贷款、企业债券融资、其他项五个分项，并且这五个风险对新口径总社融的Δ存量和增量误差贡献或大概率低于0.9%。
风险提示： 中美贸易摩擦超预期，国内需求下行超预期。
[1]误差计算公式为：(增量-Δ存量)/Δ存量
[2]盛松成等，《社会融资规模理论与实践(第三版)》，中国金融出版社。
[3]盛松成等，《社会融资规模理论与实践(第三版)》，中国金融出版社。
[4]对应勾选万得中的企业债、公司债、中票、短融、PPN、ABN、可转债、可分离转债共8项。
