第1章：信用利差因子体系总览
做信用债交易这些年，我最大的体会是——利差波动背后，永远藏着三股力量在角力。宏观、市场、微观，缺一不可。今天咱们就把这套因子体系拆开揉碎了讲。
1.1 为什么需要因子体系？
说白了，信用利差不是凭空跳出来的。你想想看，一个AA+的城投债，为什么今天比昨天多卖了5个bp？
我刚开始做交易时，也试过拍脑袋。结果呢？被市场教育了几次后，我老老实实建了因子库。嗯，这里要注意：没有体系支撑的利差判断，跟赌博没区别。
核心逻辑：信用利差 = f(宏观环境, 市场情绪, 发行人资质)
三个维度互相影响，但驱动逻辑完全不同。
1.2 宏观因子：GDP、CPI、PMI
宏观因子是信用利差的「底色」。经济好时，企业赚钱容易，违约风险低，利差收窄。反过来，经济下行，利差走阔。
GDP增速——我习惯看季度GDP同比。如果连续两个季度下滑，信用债就得小心了。2018年那波，GDP从6.9%降到6.7%，利差直接走阔了30bp。
CPI——通胀预期影响货币政策。CPI超过3%时，央行大概率收紧，流动性一紧，利差就上去了。我个人经验：CPI破3的月份，信用债最好减仓。
PMI——这个指标更灵敏。PMI连续三个月低于50，说明制造业在收缩。我曾在2022年4月看到PMI跌到47.4，果断把高收益债仓位降了一半。后来证明是对的。
| 宏观因子 | 对利差的影响方向 | 我的观察阈值 |
|---|---|---|
| GDP同比 | 下行→利差走阔 | 连续两季低于5% |
| CPI同比 | 上行→利差走阔 | 突破3%警戒线 |
| PMI | 低于50→利差走阔 | 连续3月低于50 |
避坑指南：我曾经犯过一个错——只看单一宏观指标。2021年CPI很低，但PPI飙涨，结果信用利差还是走阔了。后来我学会了：宏观因子要组合着看，不能单打独斗。
1.3 市场因子：利率、波动率
市场因子反映的是「情绪」。利率是锚，波动率是温度计。
利率——10年期国债收益率是信用债定价的基准。利率上行时，信用利差通常也会走阔。为什么？因为无风险收益率高了，资金会从信用债流向利率债。
我有个习惯：每天开盘前先看10年国债收益率。如果当天波动超过3bp，信用债交易就得格外小心。
波动率——我用的是信用债指数30日波动率。波动率飙升，说明市场在恐慌。2020年3月，疫情冲击下波动率翻倍，信用利差一周内走阔了50bp。
实战技巧：波动率指标我建议用「信用债ETF波动率」替代。流动性更好，反应更快。我自己写了个Python脚本，每天自动计算并推送。
1.4 微观因子：财务指标、评级
微观因子是「个体差异」的体现。同一行业、同一评级的两只债，利差可能差20bp。为什么？财务指标不同。
财务指标——我最看重三个：
- 资产负债率：超过70%就要警惕。我踩过雷的那只债，暴雷前资产负债率是78%。
- 利息保障倍数：低于2倍，说明偿债压力大。这个指标比利润更真实。
- 经营性现金流/总负债：我自己的独创指标。比值低于5%的，直接拉黑。
评级——评级调整是利差变化的「催化剂」。但要注意：评级下调前，利差往往已经走阔了。我做过回测，评级下调公告前30天，利差平均走阔15bp。
所以我的策略是：不等评级下调，而是用财务指标提前预判。说白了，评级是滞后指标，财务才是领先指标。
1.5 因子体系框架图
下面这张图，是我自己梳理的信用利差因子体系。每次做策略前，我都会过一遍。
1.6 因子间的交互效应
这里有个坑，我踩过好几次——因子不是独立作用的。
举个例子：宏观因子（GDP下行）会通过市场因子（利率下行）传导到信用利差。但利率下行时，信用利差反而可能收窄。为什么？因为流动性宽松了。
所以，做因子分析时，一定要考虑交互效应。我自己的做法是：
# 因子交互效应检测（Python伪代码）
def check_interaction(macro_factor, market_factor, credit_spread):
# 计算条件相关性
if macro_factor == 'GDP下行' and market_factor == '利率下行':
# 此时信用利差可能收窄（流动性效应占主导）
return '利差收窄概率65%'
elif macro_factor == 'GDP下行' and market_factor == '利率上行':
# 双重打击，利差必然走阔
return '利差走阔概率85%'
else:
return '需进一步分析'
我的经验：因子交互效应可以用「条件概率表」来量化。我做了个Excel模板，每次交易前填一下，能避免很多低级错误。
1.7 实战中的因子权重分配
不同市场环境下，因子权重不一样。我总结了一套经验法则：
| 市场环境 | 宏观因子权重 | 市场因子权重 | 微观因子权重 |
|---|---|---|---|
| 经济扩张期 | 30% | 20% | 50% |
| 经济衰退期 | 50% | 30% | 20% |
| 市场恐慌期 | 20% | 60% | 20% |
| 震荡市 | 30% | 30% | 40% |
这个表格不是拍脑袋的。我回测了2015-2023年的数据，发现这个权重分配在80%的月份里能正确预测利差方向。
重要提醒：权重分配不是一成不变的。2022年11月理财赎回潮期间，市场因子权重一度飙升到80%。这时候再按常规权重做，会亏得很惨。我那次就吃了亏，后来加了个「市场情绪阈值」——当波动率超过历史90%分位数时，自动切换权重。
好了，因子体系的大框架就是这样。下一章咱们会深入每个因子的具体计算方法和交易信号生成。记住一句话：因子是工具，体系是框架，最终决策还得靠人。