人工智能技術在債券行業應用問題研究

■趙大偉，李文華

一、我國債券市場運行狀況分析

（一）一級市場運行狀況分析

從債券發行總量看，我國債券市場自2014年以來經歷了一個較快發展期，2019年我國債券發行量達到45.3萬億元，相較2014年的12.2萬億元的發行量，增長了2.7倍。

在2019年的債券發行中，同業存單為第一大發行券種，發行規模18.0萬億元，占比39.74%。其次為公司信用類債券，發行規模9.7萬億元，占比21.41%。此外，金融債發行規模6.9萬億元，占比15.23%。地方政府債發行規模4.4萬億元，占比9.71%。國債發行規模4.0萬億元，占比8.83%。資產支持證券發行規模2.0萬億元，占比4.42%。

截至2019年末，我國債券市場托管余額達99.1萬億元，市場規模超越日本，成為僅次于美國的全球第二大債券市場。在債券市場余額中，金融債、地方政府債、國債、同業存單、公司債為主要券種。數據顯示，金融債占比23.51%，地方政府債占比21.75%，國債占比17.15%，同業存單占比11.04%，公司債占比7.11%。

（二）二級市場運行狀況分析

根據中國人民銀行發布的《2019年金融市場運行情況》報告，我國債券市場2019年現券交易量達217.4萬億元，同比增長38.6%。其中，銀行間債券市場現券交易量為209.0萬億元，占比96%，日均成交額可達8360.1億元，同比增長39.6%；交易所債券市場現券交易量為8.4萬億元，占比4%，日均成交額達342.3億元，同比增長40.3%。

此外，2019年我國銀行間債券市場信用拆借、回購交易總成交量達971.3萬億元，同比增長12.7%。其中，質押式回購累計成交量最高，達810.1萬億元，同比增長14.3%；其次是同業拆借，累計成交151.6萬億元，同比增長8.9%；而買斷式回購累計成交9.5萬億元，同比下降31.9%。

（三）債券市場違約狀況分析

1.違約規模增加

截至2019年末，我國債券市場違約金額達2863.22億元，違約企業數量達156家。其中，2019年新增違約金額1252.69億元，違約金額雖然高于2018年，但增速有所放緩，違約風險高位企穩。2019年新增42家首次違約企業，與2018年相比有所下降。

2.違約債券主體評級上遷

數據顯示，在2017—2019年每年的違約總金額中，初始主體評級在AA級及以上等級的債券違約金額占比超90%。近年來，高評級債券開始加入違約行列，2018年我國第一個初始評級為AAA級的企業——上海華信國際出現違約；2019年北大方正、中國民生投資也相繼出現違約，其初始評級均為AAA級。違約債券主體評級呈現上遷趨勢。

3.民營企業違約問題突出

從違約主體企業屬性看，民營企業違約占比較大。民營企業融資能力天然較弱，導致其經營發展難度增大。近幾年來，雖然多項民營企業支持政策已經出臺、紓困資金逐步到位，但民營企業債券違約問題仍然較為突出。2018年，民營企業違約集中爆發，99支民營企業信用債違約，違約金額達760.67億元，違約金額超過2014—2017年總和。2019年民營企業違約勢頭不減，違約金額占當年違約總金額的76%左右。

二、我國債券市場發展的痛點

（一）市場分割

我國債券市場目前存在多層面的市場分割：一是監管體系分割。我國債券市場為多頭監管，功能監管和機構監管混合，不同的監管部門對準入標準、資金用途、主承銷商管理規則、信息披露等方面的要求均有所差異，既存在監管交叉也存在監管空白問題。二是發行和交易體系分割。銀行間債券市場與交易所債券市場在定價規則、投資方式等方面規定不同，債券發行、交易體系分割。三是托管體系分割。中央結算公司、上海清算所、中證登的托管機制、結算方式等均有所不同，在制度和技術上未能實現有效聯接。

1.市場分割降低了債券市場公平性、流動性

市場分割可能會從以下三方面影響債券市場的公平性：第一，發行人差異化選擇。不同債券市場和監管機構為吸引更多債券發行人以便擴大市場規模，或將降低審核標準，或將創新品種，從而容易帶來發行人差異化選擇問題。第二，債券定價偏離。從一級市場看，由于不同債券市場的準入標準和審核方式等不同，從而使得債券在不同市場上的發行成本和發行價格相差較大。從二級市場看，不同債券市場采用不同的交易系統、交易方式和托管結算體系，使得債券流動性差異增大，導致即使是同一債券主體發行的相似類型債券，其折價和溢價也可能差別較大。第三，第三方中介機構差別準入。由于準入標準的差異，業務功能相同的第三方中介機構只可參與部分債券市場。

此外，債券市場分割對債券市場流動性提升形成一定掣肘。一是由于投資者被銀行間市場和交易所市場分割，在一定程度上降低了債券交易量，從而影響債券市場的流動性。二是市場分割導致債券跨市場發行難度增大，不利于流動性提升。一方面，可以跨市場發行的券種相對較少；另一方面，即使在跨市場發債的情況下，發債額度需要在銀行間債券市場和交易所債券市場兩個市場進行分配，因此單個市場的發行量下降，從而不利于流動性的提升。三是市場分割增加了交易摩擦，提高了交易成本，降低了市場流動性。市場分割使得跨市場交易和轉托管難度增加，可跨市場交易和轉托管的券種有限，并且不同市場間的交易和轉托管在操作上也有一定難度。

2.市場分割影響了債券市場透明度、便利性

因我國債券市場為多頭監管，不同監管機構對債券發行、交易及信息披露等方面的監管要求有所差異，這會在一定程度上增加投資者搜集信息的難度，降低其信息搜集效率。于債券發行人而言，其發行成本和信息披露成本也會因此上升。此外，于金融機構而言，為其提供了監管套利的機會。因此，市場分割不利于我國債券市場透明度的提升。

在我國債券市場，不同賬戶以及交易、結算體系的割裂影響了跨市場交易的便利性。其一，債券投資者需要在兩個債券市場同時開立證券賬戶、交易系統賬戶、托管賬戶、清算賬戶等多個賬戶，才可以進行跨市場轉托管等操作。其二，兩個債券的市場交易系統、交易操作不同，造成諸多不便。比如，頻繁有機構在債券回售操作上失誤，產生了較大的操作風險。

（二）評級虛高且調整滯后，風險預警性不足

我國信用債評級虛高，主體評級主要集中在AA級及以上，與違約頻發的實際情況不符。此外，債券評級機構有責任對債券發行人信用狀況進行跟蹤，實時監測發行人經營狀況，及時掌握可能影響債券發行人到期償付的事件，對違約風險進行事先提示，進行前瞻性風險預警。但是，國內評級機構對債券發行人信用風險水平變化的動態監測普遍不足，評級調整相對滯后。

截至2019年，我國債券市場累計有480余只債券發生違約，但是大多數債券在違約前，評級機構并沒有進行前瞻性的風險預警，也沒有進行相應的評級調整，使得投資者對違約風險并沒有充分的事前認知。反而，在債券發行人出現兌付危機后才進行“斷崖式”的評級調整，加劇投資者恐慌的同時給債券發行人帶來更大的兌付壓力，于違約風險化解無益。

此外，信用評級機構本應發揮逆周期作用，在市場環境景氣時充分識別并揭示可能存在的信用風險，進行前瞻性風險提示，抑制投資者過熱情緒，為未來投資者投資組合調整、債券發行人償債留出足夠的空間。但是，我國債券評級存在順周期現象，在債券市場繁榮時，傾向給予發行債券更高的信用評級，然后在債券違約出現時大幅下調債券評級，進一步加劇市場恐慌，收縮流動性，從而容易引發系統性風險。

（三）市場透明度不夠，資源配置效率降低

1.發行人信息不夠透明

債券發行人自身方面，發債企業為了順利發債獲得融資，傾向隱瞞企業自身存在的不利于債券發行的負面信息，使得債券投資者對發債企業信息掌握不夠完全，債券發行人與投資者之間的信息不對稱問題突出。信息披露方面，各監管部門制定的信息披露標準存在不一致性，造成信息披露體系的不統一。不管是出于債券發行人自身隱瞞動機，還是由于信息披露標準不統一，都造成債券發行人披露信息虛假、殘缺、不及時、不統一等問題突出，投資者難以有效識別債券發行人主體和債項信用，影響投資決策。

2.債券定價機制不夠透明

目前，在我國債券交易中，傳統的詢價占比較大，做市商交易、電子平臺交易的成交額有限，占比較小。在詢價機制下，交易信息僅掌握在交易雙方手中，且債券報價信息零散，分布在各類報價交易圈中，從而使得債券交易價格透明度較低。此外，在詢價交易中，通常需要向多個交易對手進行詢價并進行價格比較，之后作出交易決定，這個過程通常比較耗時。做市商制度雖然引入已有較長時間，但是由于有實力的做市商相對較少、做市商交易成交量較小、報價價差較大等原因，做市商制度的價格發現作用也相對有限。而定價機制的不夠透明可能會帶來以下問題：

第一，債券市場價格發現能力減弱，價格波動增加。在傳統的詢價制度中，交易信息分散在不同的交易圈內，因此不同個體所掌握的信息量差別較大，而個體信息的差異可能會放大債券交易價格的波幅。在做市商制度中，有能力的做市商相對較少，在報價不足的情況下，公允價格基準缺失，價格發現能力大打折扣；且做市商雙邊報價價差與實際成交價差之間存在較大差距，即有效價差較大，交易成本增加，價格發現能力相對不足。

第二，容易形成不公平交易，影響債券市場穩定。詢價交易中的交易對手通常是經過長時間積累且較為固定的，這種天然的門檻使得中小機構一般會被排除在外，交易主要在大型機構間進行。此外，交易的達成與交易后的風險管理只存在于交易雙方之間，致使某些機構間容易形成交易聯盟，聯盟內各成員壟斷了其他成員的資源，并排斥其他機構的交易要約，使得其他機構即使出具公允的交易條件也無法達成交易，形成不公平交易，影響債券市場穩定。

第三，信用評級機構信息披露不充分且透明度低。信用評級的公共產品屬性使得其透明度成為各國監管機構的關注重點。2008年金融危機后，西方國家紛紛加強了對評級機構評級方法、評級流程、評級收入、評級表現等各方面的信息披露監管。其中，最為關鍵的是評級方法與評級流程的信息披露，通過這兩者的披露，市場上的投資者可以對信用評級的邏輯及判斷標準有一個更全面清晰的了解。相比之下，國內評級機構在評級方法、評級標準、評級質量等方面的信息披露還存在較大不足，信息透明度改善還有較長的路要走。

評級方法和評級標準披露不足，信用評級仍然是“黑箱”操作，投資者和監管部門都難以對評級方法和標準有深入了解，導致信息不對稱問題突出，評級機構受到的市場和監管約束減弱，更易出現道德風險。目前，國內評級機構披露的信息中只有簡單的評級方法框架和評級原理，缺乏對評級所采用的計量模型、權重設置等具體信息的披露。一方面是出于商業機密保護的動機，評級機構不愿對其進行公開；另一方面是由于缺乏詳細的信息披露細則。此外，評級質量信息披露不足，評級機構并未充分披露與其評級質量檢驗相關的諸如違約率、等級遷移矩陣等信息，評級質量信息披露不全面。

總體來看，國內評級機構信息披露不充分、透明度較低的問題仍然十分突出，只有對評級機構實行更有力的監管，使評級方法、評級標準以及評級質量等信息披露盡可能全面、詳盡，避免評級“黑箱”操作，才能使評級結果更具可信性，從而促進評級行業規范發展。

三、發展“人工智能+債券”，緩解債券市場痛點

（一）人工智能助力跨市場信息資源整合，提升債券市場監管水平

隨著金融創新的增加，監管壓力逐漸增大。而人工智能在數據整合、實時監控、風險建模、分析預測、合規監管等方面優勢明顯。其中，在數據整合和實時監控方面，人工智能在合規前提下可以利用網絡技術和現代信息，建立各市場、各監管業務條件間的信息關聯，實現跨賬戶、跨市場、跨境債券交易的實時監控；利用數據挖掘法，開發交易監察模型，有效識別新型交易行為，提高違法違規的發現能力，提升債券監管的信息化水平。基于大數據，人工智能還可以對債券發行人和投資者進行畫像，為監管機構的行為分類監管提供便利。在風險監管方面，人工智能可以通過刻畫機構間的網絡拓撲結構，掌握風險傳導路徑，并進行壓力測試。在分析預測方面，人工智能通過對數據金礦進行深挖，搭建可以有效模擬債券市場環境的計算實驗平臺，提高對債券市場主體行為和市場走勢的預測能力。在合規監管方面，人工智能可以同時助力監管機構和金融機構。對于監管機構而言，人工智能一方面可以提升合規性審核的快捷性和高效性，另一方面可以幫助監管機構實時掌握債券市場運行情況，把控債券市場變化，為其動態匹配市場風險、調整監管政策提供空間。對于金融機構而言，人工智能可以幫助其及時獲取數字化監管要求，完成自身風險的主動識別與控制，并向監管機構傳輸實時合規數據，有效降低合規成本，提高合規效率和質量，更好地對接合規監管。如交易商協會自主研發了債券募集說明書的智能預評系統，利用工智能與文檔檢驗相結合，糾正人工檢驗不易察覺的錯誤，提高文檔核查的準確性，提升業務效率。此外，交易商協會還通過引入人工智能、大數據等金融科技，提升發債券企業后續管理能力，實時接收監測結果反饋，方便其隨時掌握發債企業狀況，更好地保障銀行間債券市場投資者的合法權益。

（二）人工智能助力信用風控體系升級

隨著債券違約常態化，投資者對提升信用風控體系的需求日趨強烈，人工智能將在信用數據、信用評級、信用內評等方面發揮重要作用，助力信用風控體系升級。

1.助力建設高性能的信用數據庫。高性能的信用數據庫是信用風控體系的基礎。在統一的頂層設計下，人工智能可以對不同渠道的債券數據進行加工整合，豐富數據維度，夯實數據平臺搭建的基礎。此外，監管機構可以通過監測平臺數據的獲取、使用，確保合規，保障數據安全。

2.助力提供高質量的信用評級服務。依托人工智能建立新型信用風險工具和模型，可以有效地提升信用模型的準確度與可靠性，為投資者提供更高質量的信用評級服務。新型信用風險工具的優勢大體概括為以下方面：可以高效率地爬取、清洗、處理海量數據；AI系統可幫助分析師處理重復性強的基礎工作；人工信評和機器信評結果可相互校準；利用自然語言處理、知識圖譜等技術對輿情動態進行有效率地監控預警；提高信用定價的可信度。

3.助力搭建高準確度的機構內評模型。依托人工智能的新型內評模型，從系統、數據、模型三個層面彌補了傳統內評模型的不足。通過大數據、機器學習的系統框架，完善財務、融資、償債、資信等多方面的基礎數據，在企業經營的復雜系統中將信用評級與企業投資、新聞輿情等多層面、多角度的信息相關聯，準確而完善地展現企業的真實面目。在新型內評模型中，最大程度地減少人的非理性因素，實現實時、主動、理性的風險預警與風險控制。

目前，利用人工智能提升信用風險防控方面有許多值得參考的案例。其中，平安資管為實現智能信用風險預警，提升債券評級質量，開發了融合分析師經驗、科技和數據能力的“人機合一”型智慧信評平臺——KYZ Credit。他是平安資管布局智能化債券投資平臺KYZ中的重要一環，主要用于智能風險預警、智能信用評級、智能債券定價等方面。下設地域畫像、債券畫像、行業景氣、市場情緒熱度、行業利差信用定價、量化評級、信用策略、違約風險預警等10余個模塊，用于城投債、資產支持債券、產業債等多個債券品種研究。實時獲取、加工和分析來自個券和市場的海量數據，利用專家經驗，設定定量模型，進行機器定量評級。之后綜合人工評級結果和機器定量評級結果，進行相互校準，從而提高評級結果的可信度。目前KYZ Credit信用評級能力基本可以達到中等分析師的水平。

（三）人工智能助力提高債券市場透明度

提升債券市場透明度可從增加債券一級市場透明度和二級市場透明度兩個維度進行。在增加債券一級市場透明度方面，人工智能可以通過整合有關發行人披露的多源信息，降低投資者信息收集、分析、處理的難度，減少投資者與發行人之間的信息不對稱，幫助投資者選取高質量發行人和相應債券。同時，能持續監測發行人兌付能力，并及時向投資者傳遞，為投資者反應預留時間。在增加二級市場透明度方面，人工智能通過賦能債券電子交易平臺建設，增加債券交易透明度，提高債券交易效率，增強債券市場價格發現能力。

1.人工智能賦能債券發行人披露信息整合

目前，債券發行人主要借助電子信息披露平臺進行信息披露，投資者也主要依靠電子信息披露平臺獲取消息。銀行間債券市場主要借助中國債券信息網、中國貨幣網等電子信息披露平臺進行債券信息的披露。交易所債券市場信息主要在上交所、深交所官網和中國證券報官網等進行披露。由于債券信息披露平臺不同，遵循的原則和披露的內容也各不相同，同時平臺之間信息傳輸存在一定障礙，這就增加了投資者信息收集、整合、分析的成本和難度。而人工智能可以高效抓取、清洗、處理多源數據，滿足投資者信息獲取需求。此外，人工智能在采集各類實時披露信息后，可以通過深度學習，進行數據分析和建模，實時監控債券發行人兌付能力，在一定程度上可以實現前瞻性風險預警。

2.人工智能賦能債券電子交易平臺，增加市場交易透明度

與傳統的交易方式相比，電子交易平臺具有以下優勢：更低的交易成本，更高的交易效率；更高的債券價格透明度；更好的機構頭寸信息保護；更短的回購交易鏈條。從上述角度而言，電子交易平臺可以更好地彌補傳統交易方式的不足，增強債券市場資源配置功能。而人工智能在電子化交易中具有不可或缺的作用。

英國債券系統開發商Algomi就建立了一個基于人工智能的獨特的債券交易信息網絡系統，為債券投資者提供來自不同債券市場的交易意圖與流動性信息。我國在債券電子交易平臺的構建上也進行了積極的嘗試。2014年2月，基于雙邊授信撮合的匿名點擊交易平臺X—Swap上線；2015年8月，質押式回購匿名點擊平臺X—Repo上線；2016年9月，現券匿名點擊平臺X—Bond上線，現券交易除了詢價、點擊成交、請求報價外，還可以通過X—bond成交。此外，將X—Bond和X—Swap作為兩個模塊嵌入X—Trade中。通過引入上述X系列交易平臺，豐富了銀行間本幣市場的交易方式，提高了債券市場交易透明度。

2019年6月，在優化X—bond的基礎上，銀行間市場本幣交易平臺又上線了現券市場交易功能。其在行情展示和查詢功能方面，對X—Bond進行了全面優化，新增全市場綜合報價、活躍券報價、單券報價以及各自成交行情，同時多維度對此進行展示，有利于投資者全面了解銀行間本幣市場概況。此外，對債券的歷史報價及交易查詢方面也進行了相應升級，保證報價交易全流程留痕可查。在交易功能方面，對協商交易、訂單交易、報價交易機制進行優化。協商交易機制方面，新增對話報價、意向報價轉聊天功能。訂單交易機制方面，對X—Bond報價交易進行擴展，并新增策略訂單功能。報價交易機制方面，在優化請求報價和做市報價基礎上，增加了指示性報價。