目录
1. 再回首 2014 年以来的三次违约潮 .....................................................4
2. 历次违约潮出现的宏观背景，与这次异同点？ ...............................5
. 触发违约“三部曲”之一：“加杠杆”的盛宴 .......................................5
. 触发违约“三部曲”之二：产能过剩 ...................................................6
. 触发违约“三部曲”之三：货币（信贷）“大退潮” ...........................7
. 当前异同：“加杠杆？”+“产能过剩？”+“货币收紧？” ..................9
3. 历次违约潮行业特征，违约主要集中在哪些行业？ .....................10
. 第一波（）：新能源（光伏等）、周期类行业 ........10
. 第二波（）：钢铁、煤炭类周期行业 ....................10
. 第三波（）：周期、可选、必选消费等多行业 ......11
4. 历次违约潮区域特征，违约主要集中在哪些区域？ .....................12
5. 历次违约潮出现后，债券市场和权益市场如何变？ .....................13
. 债市：违约带来的信用利差走扩的影响不断扩大，利率债短期受益
13
. 权益市场短期风险偏好降低，中期或受益无风险利率下降 .........17
6. 历次违约潮有何宏观影响？相关行业的投资怎样？ .....................17
7. 展望此次违约事件，信用违约风险事件会不会蔓延？若蔓延，在哪
些行业和区域蔓延？ ..................................................................................18
. 本次宏观环境不同，信用违约或不会大规模蔓延 .........................18
. 大型国有企业风险暴露或持续，需要甄别“僵尸企业” .................18
. 后续违约或多出现在过剩产能及经济发展动力偏弱地区 .............19
8. 展望此次违约事件，违约潮会改变货币政策走向吗？政府会在多
大程度上干预？ ..........................................................................................20
. 历次违约潮，地方政府多大程度会出手？ .....................................20
. 历次违约潮，货币政策多大程度会出手？ .....................................20
. “违约事件”大概率不会影响货币政策年内以及 2021 年节奏 .......21
9. 附录：历史上重要信用违约事件回顾 .............................................23
信用债市场突发两个 AAA 国企违约，冲击“刚兑信仰”，近期国企、城投、大型
民营企业上市公司等多个违约事件愈演愈烈，信用债市场受到了极大的冲击，违
约风暴似乎再次来袭。我们复盘 2014 年3 月“违约元年”以来的“三次违约潮”，以史
为鉴，来研判当下违约事件的后续走势及其宏观影响。
1. 再回首 2014 年以来的三次违约潮
自 2014 年“11 超日债”违约以来，我国历史上共经历三波大规模的“信用债违约
潮” （图 1）。历次违约潮呈现四大特征：1）违约家数和违约金额不断攀升；2）
违约主体逐渐多元化，从民企波及国企，民企仍占主导（图 2）；3）违约券种多样
化，但集中在中长期债券；4）违约行业从新能源光伏类行业，到周期性产能过剩
行业再到全面分散化。目前周期性行业仍然是重灾区。
1） 第一波，2014 年 3 月-2015 年下半年，违约集中在新能源行业，比如光伏行
业的“超日债”等。违约涉及36 只债券，25 家违约主体，首次违约时债券余
额在 亿元，其中大部分是新能源企业，光伏行业占 6 家，占近20%。除
保定天威评级在 AA+以外，其他主体均在AA 及以下，并且民营占大多数。
2） 第二波，2015 年 11 月-2016 年，违约集中在产能过剩行业，以煤炭钢铁企
业（中钢股份、四川圣达、川煤集团、东北特钢等）为主。违约涉及 109只，
金额达到402 亿元。违约主体评级在AA-至AA+之间均有分布，并且由于这
类行业多数为国有企业经营，所以该波违约潮以国企为主。
3） 第三波，2018 年-2019 年，违约主体为大量的民营企业，不再局限于某一行
业（图2）。在经过2017 年小幅的改善之后，2018 年信用债违约从 47 只陡增
至164 只。2018 年至2019 年间，违约涉及债券达399 只，已是第一波违
约潮的几倍，违约金额达到 3371 亿元。其中民营企业债券 337 只，占比达
到 84%。违约债券首次突破 AAA 级，贯穿 AA-至 AAA，但仍然主要集中在
AA 和 AA+。
图 1：违约债券数量和违约金额不断攀升 图 2：历年信用债违约分布
亿元 只数
2000 235 250
1800
164
1600 176 200
1400
1200 150
1000
800 79 100
600
47
400 30 50
200 6
0 0
2014 2015 2016 2017 2018 2019 2020
首次违约时债券余额（亿元） 违约债券数量（右）
250
200
150
100
50
0
只数
6
2014
3
6
21
2015
民营企业
18
1
26
34
2016
国有企业
8
39
2017
中外合资企业
6
19
138
2018
公众企业
1
13
16
199
2019
其他
外资
3
8
8
71
85
2020
数据来源：WIND、&& 数据来源：WIND、&&
2. 历次违约潮出现的宏观背景，与这次异同点？
复盘这三波违约潮，我们发现触发大规模违约潮的“三部曲”——“加杠杆”+“产能
过剩”+“政策收紧”——都不会缺席。违约发生起因一般都是违约主体前期投资过
猛，疯狂加杠杆，后期叠加产能过剩，行业出清导致盈利大幅下降，出现了严重
的经营恶化；比如第一波违约潮中的保定天威、上海超日太阳能均处于行业劣势，
第二波中的钢铁企业产能过剩、第三波中的民营企业债务到期集中，去库周期中
盈利受损。最后，宏观货币条件恶化，是“压死骆驼的最后一根稻草”。本来重创
的企业遭遇再融资困难，积重难返，违约爆发。
. 触发违约“三部曲”之一：“加杠杆”的盛宴
从我国宏观杠杆率历史来看，2008-2016 年是我国快速加杠杆的时期。8 年时间，
我国杠杆率以每年超过 12 个百分点，上行近100 个百分点。而 2017 年开始，我国
杠杆率上行速度开始趋缓。2018 年、2019 年则分别是去杠杆和稳杠杆的两年
（图 3、图4）。
1） 第一波违约潮之前，我国宏观杠杆率从 2012 年初的178%上行至2014 年初
的216%，两年时间上升近40 个百分点。主要加杠杆的主体就是地方政府
（城投债发债）和非金融企业（国企发债），其中地方政府杠杆攀升速度更
快。
2） 第二波违约潮前一年时间，我国实体杠杆从 216%上行至 227%，虽然节奏
有所放缓，但仍1 年时间上行超过10 个百分点。地方政府由于2014 年“43
号文”的出台，债务攀升速度得到遏制，但杠杆率的下降在 2014 年年末戛然
而止，并出现了反弹。这一时期，加杠杆主体成为了非金融企业，与第二次
违约潮的违约主体多为过剩行业的国有企业一致。
3） 第三波违约潮前，我国杠杆率企稳在高位，2016 年间企业杠杆小幅上行，
地方政府杠杆震荡中微降。而2017 年，企业杠杆率明显下降，地方政府有
所上升，说明2017 年企业去杠杆成效渐现，地方政府债务管理逐渐显性
化。但这是去杠杆政策所带来的。由于前期加杠杆积累了大量债务，企业部
门，尤其是民营企业，无论是主动的杠杆压降还是被动压降，都挫伤了企业
的盈利能力，与第三次违约潮的违约主体多为民营企业一致。
20
10
年
12
月
20
11
年
3月
20
11
年
6月
20
11
年
9月
20
11
年
12
月
20
12
年
3月
20
12
年
6月
20
12
年
9月
20
12
年
12
月
20
13
年
3月
20
13
年
6月
20
13
年
9月
20
13
年
12
月
20
14
年
3月
20
14
年
6月
20
14
年
9月
20
14
年
12
月
20
15
年
3月
20
15
年
6月
20
15
年
9月
20
15
年
12
月
20
16
年
3月
20
16
年
6月
20
16
年
9月
20
16
年
12
月
20
17
年
3月
20
17
年
6月
20
17
年
9月
20
17
年
12
月
20
18
年
3月
20
18
年
6月
20
18
年
9月
20
18
年
12
月
20
19
年
3月
20
19
年
6月
20
19
年
9月
20
19
年
12
月
20
20
年
3月
20
20
年
6月
图 3：三波违约潮，无一例外，均事先 2-4 个季度出现了“加杠杆”的过程
%
189 191185
196
200 204
211
205
216 216 217
220 221
225
233
227
236 238 239
241 242 243 241 242 241 241 239
244 245 246 245
259
266 270
181 180 180 178 178 181 第一轮违约潮 第二轮违约潮 第三轮违约潮
实体经济杠杆率
资料来源： ，&&
图 4：在第一波中，企业、地方政府加杠杆尤为猛烈
% %
第一轮违约潮 第二轮违约潮 第三轮违约潮
非金融企业部门杠杆率 地方政府杠杆率（右）
资料来源： ，&&
. 触发违约“三部曲”之二：产能过剩
2012 年以来，伴随企业杠杆大幅上升，产能过剩问题越来越严重。三波违约潮，
无一例外，违约企业所在行业都出现了明显的产能过剩。我们利用产能利用率作
为产能是否过剩的评价指标。当一个行业的整体产能利用率处于较低水平时，就
意味着存在大量的闲置产能，该行业就处于整体产能过剩的状态。
我们根据统计局公布的产能利用率 2014 年之后的数据，以及余淼杰等（2017）1
对 2013 年之前我国产能利用率的测算得到以下结论（图5）：
1 余淼杰, 崔晓敏. 中国的产能过剩及其衡量方法[J]. 学术月刊, 2016, 048(012):52-62.
20
10
年
12
月
20
11
年
3月
20
11
年
6月
20
11
年
9月
20
11
年
12
月
20
12
年
3月
20
12
年
6月
20
12
年
9月
20
12
年
12
月
20
13
年
3月
20
13
年
6月
20
13
年
9月
20
13
年
12
月
20
14
年
3月
20
14
年
6月
20
14
年
9月
20
14
年
12
月
20
15
年
3月
20
15
年
6月
20
15
年
9月
20
15
年
12
月
20
16
年
3月
20
16
年
6月
20
16
年
9月
20
16
年
12
月
20
17
年
3月
20
17
年
6月
20
17
年
9月
20
17
年
12
月
20
18
年
3月
20
18
年
6月
20
18
年
9月
20
18
年
12
月
20
19
年
3月
20
19
年
6月
20
19
年
9月
20
19
年
12
月
20
20
年
3月
20
20
年
6月
20
20
年
9月
1） 第一波违约潮之前，我国产能利用率经历了自金融危机以来的二次急跌。
2008 年危机前，我国的工业产能利用率处于较高水平，在 78%附近。危机
发生后，产能利用率出现了垂直跌落4 个百分点，不及 74%。随后，在
2009 年见底回升。至2012 年又开始出现明显下跌至75%。
2） 第二波违约潮之前，我国产能利用率从2014 年的小高峰再次震荡下行将近
2 年，下行3 个百分点至73%，为金融危机前谷底水平。
3） 第三波违约潮前夜，我国产能利用率供给侧改革来带来的 2 年趋势性上行之
后，再次出现明显下跌，并在整个2018-2019 区间内保持在 77%以下水平。
图 5：产能利用率在 2014 年到 2016 年之间迅速下跌，降至 73%以下
%
资料来源： ，&&
工业产能利用率:当季值
. 触发违约“三部曲”之三：货币（信贷）“大退潮”
三波违约潮，无一例外，宏观环境均领先或同步出现了“货币收紧”（图 6-8）：
1） 在第一波违约潮发生之前，宏观经济增速放缓，2013 年债券市场笼罩在“钱
荒”的阴影之中。在量的层面，2013 年 4 月-2014 年 4 月，社融增速从历史高
位下行 个百分点（从 %下行至 %），M2 增速从 %下行至
%。从资金价格来看，银行间同业拆借利率、R007 均从 2012 年 7 月的
%快速攀升至2013 年6 月的 7%，债券市场发生了“钱荒”。从央行货币政
策操作工具来看，2010 年1 月央行自2008 年以来首次加准 50bp。至2011 年
6 月，央行以 50bp/每月的速度连续加准 12 次，使大型存款类金融机构存款
准备金率从 %升至 %，创下历史高点。并在 2014 年违约事件爆发前，
存准始终保持在20%的高位。与此同时，央行从2010 年11 月开始加息25bp，并
在 2012 年 5 月前，5 次加息将存款利率从 %升至 %，并在违约爆发前，
始终保持在 %的高位。第一波违约潮之前，央行连续加准、加息，收紧力
度为三次中最强。
2） 在第二波违约潮期间，正值中央经济工作会议提出“三去一降一补”任务（2015
年底），央行“锁短放长”、债市去杠杆叠加“供给侧结构性改革”、煤炭、钢铁
行业落实去产能政策（2016 年）。在量的层面，货币政策在 2015 年 7 月至
第二轮违约潮 第三轮违约潮
20
14
年
3月
20
14
年
5月
20
14
年
7月
20
14
年
9月
20
14
年
11
月
20
15
年
1月
20
15
年
3月
20
15
年
5月
20
15
年
7月
20
15
年
9月
20
15
年
11
月
20
16
年
1月
20
16
年
3月
20
16
年
5月
20
16
年
7月
20
16
年
9月
20
16
年
11
月
20
17
年
1月
20
17
年
3月
20
17
年
5月
20
17
年
7月
20
17
年
9月
20
17
年
11
月
20
18
年
1月
20
18
年
3月
20
18
年
5月
20
18
年
7月
20
18
年
9月
20
18
年
11
月
20
19
年
1月
20
19
年
3月
20
19
年
5月
20
19
年
7月
20
19
年
9月
20
19
年
11
月
20
20
年
1月
20
20
年
3月
20
20
年
5月
20
20
年
7月
20
20
年
9月
2016 年8 月收紧，社融在 %附近震荡，贷款增速从 %下行至 %，
M2 增速从 %下行至 %。从资金价格来看，银行间同业拆借利率、
R007 从 2014 年初的 %、%再度升至 2015 年初的 %、%。从央行货
币政策操作工具来看，央行在此期间则没有进行较强的收紧操作。
3） 第三波大规模民企违约始于 2018 年，正是金融去杠杆加速、经济周期下行的
时候。2017 年，资管新规征求意见稿出台，进一步打击影子银行，与此同时，
信用收缩也如火如荼。在量的层面，2016 年11 月至2018 年6 月期间，货币、信
用政策先后同样出现收紧。社融同比从 %下行至 %，贷款增速从
%下行至 %，M2 增速从 %下行至%。从资金价格来看，2016年
四季度，债券市场发生“债灾”，银行间同业拆借利率、R007、DR007 进入长
达 2 年的长行通道。截止 2018 年初，银行间同业拆借利率已经从 %攀升至
%。从央行货币政策操作工具来看，央行在此期间政策保持定力。
图 6：货币量缩：三波违约潮，事先出现了贷款、M2、社融增速回落，第一波回落最明显
资料来源： ，&&
图 7：资金价高：三波违约潮，事先出现了 R007、DR007、同业拆借利率走高，第一波上行最明显
%
银行间同业拆借加权利率:7天:月 银行间质押式回购加权利率:7天:月 存款类机构质押式回购加权利率:7天:月 存款类机构信用拆借加权利率:7天:月
资料来源： ，&&
“钱荒”
“债灾”
第一轮违约潮 第二轮违约潮 第三轮违约潮
%
第一轮违约潮 第二轮违约潮 第三轮违约潮
图 8：政策操作：第一波违约潮之前，央行连续加准、加息，收紧力度最强
%
25
23
21
19
17
15
13
11
9
7
5
人民币存款准备金率:大型存款类金融机构(变动公告日期) 定期存款利率:1年(整存整取)(月)（右）
资料来源： ，&&
. 当前异同：“加杠杆？”+“产能过剩？”+“货币收紧？”
不同之一：企业加杠杆，债务高企，违约爆发“大超预期”：此次永煤、华晨等 AAA
级国企违约事件之所以引起了市场的多方关注，主因在于这类债券违约“大超预
期”：1）AAA 级国企资质；2）涉及地方政府逃废债；3）随意划拨资产；4）违
约前该企业还在发行债券。此次“违约事件”虽然数量金额占比少，但短期冲击较
大，影响一级、二级市场：违约发生后，二级市场，多只地方国企债券被净价打
折抛售；一级市场，山东、山西、泉州、连云港等多地较好资质的主体均再难发
债券，再融资受阻。
不同之二：疫情导致产能利用率下降，虽然尚未完全恢复，但当前产能利用率仍
在不断回升，并且绝对值高于前三次违约潮发生前水平。产能过剩存在苗头。但
产能目前已经触底回升至%，并没有出现明显下降趋势，反而随着经济修复，
仍在不断回升。并且从绝对值来看，当前产能利用率也高于前三次违约潮发生前
水平（76%左右）。
不同之三：货币政策尚未收紧，但当前正在社融信用扩张的尾声阶段。当前宏观
背景是流动性并没有特别紧张，不同于第一波、第三波违约潮，但 2021 年将是
信用收缩之年，需要关注此次“违约事件”的蝴蝶效应，警惕信用风险向流动性风
险演化之势。地方国企的信用利差在 11 月 11 日后明显走扩，但民营企业信用利
差在此次违约中却没有。流动性方面，11 月 11 日后，R007、DR007 出现了明显
的上行（图9、10）。
20
08
年
1月
20
08
年
4月
20
08
年
7月
20
08
年
10
月
20
09
年
1月
20
09
年
4月
20
09
年
7月
20
09
年
10
月
20
10
年
1月
20
10
年
4月
20
10
年
7月
20
10
年
10
月
20
11
年
1月
20
11
年
4月
20
11
年
7月
20
11
年
10
月
20
12
年
1月
20
12
年
4月
20
12
年
7月
20
12
年
10
月
20
13
年
1月
20
13
年
4月
20
13
年
7月
20
13
年
10
月
20
14
年
1月
20
14
年
4月
20
14
年
7月
20
14
年
10
月
20
15
年
1月
20
15
年
4月
20
15
年
7月
20
15
年
10
月
20
16
年
1月
20
16
年
4月
20
16
年
7月
20
16
年
10
月
20
17
年
1月
20
17
年
4月
20
17
年
7月
20
17
年
10
月
20
18
年
1月
20
18
年
4月
20
18
年
7月
20
18
年
10
月
20
19
年
1月
20
19
年
4月
20
19
年
7月
20
19
年
10
月
20
20
年
1月
20
20
年
4月
20
20
年
7月
20
20
年
10
月
图 9：流动性在 11 月 11 日后明显紧张 图 10：地方国企的信用利差在 11 月 11 日后明显走扩
%
% %
银行间同业拆借加权利率:7天 存款类机构信用拆借加权利率:7天
银行间质押式回购加权利率:7天 存款类机构质押式回购加权利率:7天
信用利差(算术平均):产业债:地方国企 信用利差(算术平均):产业债:上市公司
信用利差(算术平均):产业债:非上市公司 信用利差(算术平均):产业债:民营企业(右)
数据来源：WIND、&& 数据来源：WIND、&&
3. 历次违约潮行业特征，违约主要集中在哪些行业？
我们梳理了自 2014 年以来三波违约潮期间所有发生违约的 173 家违约主体，考
察了违约企业主要分布的行业特征，以期帮助投资者甄别信用风险。
. 第一波（）：新能源（光伏等）、周期类行业
第一波违约潮共涉及 25 家发行人，率先违约的是新能源（光伏等）行业，占比较
大的是新能源和周期类行业（图 11）。
图 11：第一波（）：新能源（光伏等）、周期类行业
资料来源： ，&&
. 第二波（）：钢铁、煤炭类周期行业
第二波违约潮共涉及 34 家发行人，钢铁、煤炭类周期行业占绝对主导（图12）。
20
20
-0
9-
18
20
20
-0
9-
20
20
20
-0
9-
22
20
20
-0
9-
24
20
20
-0
9-
26
20
20
-0
9-
28
20
20
-0
9-
30
20
20
-1
0-
02
20
20
-1
0-
04
20
20
-1
0-
06
20
20
-1
0-
08
20
20
-1
0-
10
20
20
-1
0-
12
20
20
-1
0-
14
20
20
-1
0-
16
20
20
-1
0-
18
20
20
-1
0-
20
20
20
-1
0-
22
20
20
-1
0-
24
20
20
-1
0-
26
20
20
-1
0-
28
20
20
-1
0-
30
20
20
-1
1-
01
20
20
-1
1-
03
20
20
-1
1-
05
20
20
-1
1-
07
20
20
-1
1-
09
20
20
-1
1-
11
20
20
-1
1-
13
20
20
-0
9-
17
20
20
-0
9-
19
20
20
-0
9-
21
20
20
-0
9-
23
20
20
-0
9-
25
20
20
-0
9-
27
20
20
-0
9-
29
20
20
-1
0-
01
20
20
-1
0-
03
20
20
-1
0-
05
20
20
-1
0-
07
20
20
-1
0-
09
20
20
-1
0-
11
20
20
-1
0-
13
20
20
-1
0-
15
20
20
-1
0-
17
20
20
-1
0-
19
20
20
-1
0-
21
20
20
-1
0-
23
20
20
-1
0-
25
20
20
-1
0-
27
20
20
-1
0-
29
20
20
-1
0-
31
20
20
-1
1-
02
20
20
-1
1-
04
20
20
-1
1-
06
20
20
-1
1-
08
20
20
-1
1-
10
20
20
-1
1-
12
图 12：第二波（）：钢铁、煤炭类周期行业占绝对比重
资料来源： ，&&
. 第三波（）：周期、可选、必选消费等多行业
第三波违约潮共涉及 82 家发行人，分布在中上游原料、中游制造、周期板块、可
选消费（纺织服装）、必选消费（食品饮料）等多行业。而新能源比重明显下降，
轻工类的家电家居行业也少有违约（图13）。
图 13：第三波（）：周期、可选消费等多行业
资料来源： ，&&
4. 历次违约潮区域特征，违约主要集中在哪些区域？
我们同样梳理了违约主体所在的地区，并且结合地区的公共财政收入以及地方债
务水平（城投债+地方政府债）计算的负债率来判断违约最有可能发生在哪些区
域，并且下一个“雷”最可能在何地出现。
但单从信用债券违约发行人个数看，违约发行人个数最多的6 个省份是北京、山
东、广东、江苏、上海、辽宁。最少的 5 个省份分别是贵州、青海、江西、海南
和西藏。因此，仅仅看违约发行人个数并不能断定某一省份发生违约事件的概率
越大。这主要是因为经济越发达的地区，违约的债券发行人数量越多，违约的概
率也大。
真正危险的是，违约发行人多的同时，该地区经济动能较弱，一旦债券违约，当
地政府即便有意愿进行支持，也能力不足。进而我们结合地区的公共财政收入以
及地方债务水平（城投债+地方政府债）计算的负债率来进行分类别考察：
我们从政府意愿、政府实力以及过去发生违约事件三个维度去对各个省份违约风
险进行综合排名。我们将政府负债率、违约主体个数分别作为地方政府意愿、过
去是否打破过刚兑的代理指标，进行从高到低排名；将地方人均 GDP 作为经济
实力的代理指标，进行从低倒高逆序排名。最后我们加权计算得到每个省份的综
合风险评价，其中政府负债率赋予 70%的权重，地方人均GDP 赋予20%的权重，违
约主体个数排名赋予 10%的权重。综合得分越低，则说明该地区风险越大。我们
最终将得分高于 25 分的认定为“低风险地区”，低于10 分的认定为“高风险
地区”，得分在 10-25 之间的认定为“中等风险地区”。
由此，我们得到区域风险的三个梯队（风险程度从高到低排列）：
1） 风险较高区域：青海、贵州、湖南、吉林、云南、广西、甘肃、
黑龙江。
2） 风险中等区域：重庆、宁夏、新疆、四川、天津、江西、江苏、湖北、安徽、
内蒙古、陕西、辽宁、福建、浙江、山东、海南、河北、河南、山西。
3） 风险较低区域：北京、广东、上海。
图 14：各省份违约主体个数以及风险程度
资料来源： ，&&
5. 历次违约潮出现后，债券市场和权益市场如何变？
. 债市：违约带来的信用利差走扩的影响不断扩大，利率债短期受
益
回顾三波违约潮，我们发现对债券市场主要的影响有（图 15、16）：
1） 信用利差快速走扩，级别利差走扩，低资质走扩更为明显，风险偏好快速
下降。以2014 年“11 超日债”违约以后为例，高等级和中低等级信用债券利差有
所扩大，中低等级走扩尤为明显，反映市场对信用风险敏感度上升。但从趋势
上看，信用利差并没有持续走扩，表明市场并没有受到信用违约风险增大的显
著影响。
图 15：三波违约潮发生，较高资质的 3 年期中短期（AAA）信用利差均走扩，第三波最为明显
3年中短票信用利差(AAA-国债)(右) 中债中短期票据到期收益率(AAA):3年 中债国债到期收益率:3年
资料来源： ，&&
图 16：三波违约潮下，较低资质的 3 年期中短期（AA）信用利差走扩比高资质（AAA）更为明显
3年中短票信用利差(AA-国债)(右) 中债中短期票据到期收益率(AA):3年 中债国债到期收益率:3年
资料来源： ，&&
2）随着违约的范围的扩大，违约带来的信用利差走扩波及的范围和幅度不断扩
大（图 17-20）。我们考察了各个行业在三次违约潮中信用利差的走势，发现，第
一波中各行业信用利差走扩不明显，违约潮影响最小，主要仍集中在新能源行业
中的个别企业。第二波主要集中在钢铁、采掘、有色、化工等产能过剩行业。其
中又以采掘、钢铁、有色等上游原材料行业走扩最为迅猛，中游化工、建筑材料、
机械设备等随后走扩，下游商业贸易、服务等行业最后也随着走扩。第三波违约
潮波及行业最多，不但周期行业利差走扩，可选消费类行业利差同样明显走扩。
图 17：三波违约潮中，仅第二波中上游采掘、黑色有色、中上游化工信用利差大幅攀升
%
%
%
%
% %
250 140
200
150
120
100
80
100 60
40
50
20
0 0
信用利差:AAA:采掘 信用利差:AAA:钢铁 信用利差:AAA:化工 信用利差:AAA:有色金属（右） 信用利差:AAA:建筑材料（右）
资料来源： ，&&
图 18：第二波中机械设备、商贸信用利差走扩，第三波中商贸、食品饮料信用利差走扩
% %
140 60
120 50
100 40
80 30
60 20
40 10
20 0
0 -10
信用利差:AAA:机械设备 信用利差:AAA:汽车 信用利差:AAA:商业贸易 信用利差:AAA:食品饮料(右) 信用利差:AAA:休闲服务(右)
资料来源： ，&&
图 19：第二波中相对低资质（AA）的上游采掘、黑色有色、中上游化工类债券信用利差攀升更为剧烈
% %
600 250
500 200
400
300
200
100
150
100
50
0 0
信用利差:AA:采掘 信用利差:AA:钢铁 信用利差:AA:化工 信用利差:AA:有色金属(右) 信用利差:AA:建筑材料(右)
资料来源： ，&&
图 20：设备、服装、机械、家电、汽车的资质相对较低（AA）债券在第三波中信用利差走扩明显
% %
600
500
400
300
200
100
0
400
350
300
250
200
150
100
50
0
-50
信用利差:AA:电气设备 信用利差:AA:纺织服装 信用利差:AA:机械设备 信用利差:AA:家用电器(右) 信用利差:AA:汽车(右)
资料来源： ，&&
此外，从评级角度，三次违约潮中，高等级和中低等级的信用利差走扩分化程度
呈现第三波>第二波>第一波。第二波中相对低资质（AA）的上游采掘、黑色有
色、中上游化工类债券信用利差攀升更为剧烈；设备、服装、机械、家电、汽车
的资质相对较低（AA）债券在第三波中信用利差走扩更为明显。
比对三次违约潮，第三次违约潮信用利差走扩更明显，第一次次之，第二次最小。
第三次违约潮涉及企业和金额都远远超过第一、二次。并且违约企业覆盖了上中
下游多个企业，持续时间更长。因此，对整体的信用利差走扩影响最为深远。第
二波主要集中的产能过剩行业，虽然多数为国企，但是经营不善，加之宏观环境
政策导向，为市场所预期，风险可控。第一波违约潮虽然涉及金额和家数都是最
少的，但是是信用债史上违约“零的突破”，对债券市场风险偏好影响较大。
3）利率债短期因为配置需求的转移多出现利率的下行（图 21）。在信用违约事件
发生后，市场的风险偏好下降，资金的配置需求有转向利率债的可能。此外，市
场恐慌也会导致央行在流动性层面保持相对的宽松，稳定市场的情绪，利好利率
债的走势。因此，回顾三次违约潮，10 年国债的收益率都有一定的下行。
图 21：利率债短期或受益信用违约而出现收益率下行
资料来源： ，&&
. 权益市场短期风险偏好降低，中期或受益无风险利率下降
国君策略团队针对本次国企违约事件发布了《低风险特征复苏交易：中国制造+
可选消费——信用债违约对A 股市场点评》，指出信用违约核心有两条影响路径：
其一，指向风险偏好，违约引发信用收缩预期，使得债券市场乃至权益市场风险
溢价上行；其二，指向无风险利率，结构性的信用债刚兑打破，引发无风险利率
下行的可能。
6. 历次违约潮有何宏观影响？相关行业的投资怎样？
第二波违约潮对相应领域固定投资的负面影响较为明显，其他两波未明显改变原
有的投资变化趋势（图 22）。三次违约潮体现出了不同的特征，针对违约集中的
行业或企业类型，我们观察其对宏观变量——固定资产投资的影响。第一波违约
主要集中在新能源行业，我们以制造业投资作为观察变量，发现其在 2009 年刺
激政策推动后快速上行后，进入 2011 年后投资增速即进入长期的下滑期，2014
年 3 月起的第一波违约潮并未明显带动制造业投资的快速下滑，投资增速在 2014
年保持在 14%左右的水平。第二波违约潮主要集中在钢铁、煤炭等采矿业，观察
该行业的投资增速，发现在违约潮发生后，投资增速快速下滑，违约潮开始的 2015
年 11 月，采矿业的投资增速为-8%到2016 年2 月快速下滑到-29%，2016 年全年
采矿业的累计同比增速为-20%较 2015 年的-9%，下滑了 11 个百分点。第三波违
约潮主要集中在民营企业，但是对民间固定资产投资的影响不显著，2017-2019 年
三年的民间固定资产投资分别为 6%、9%和5%。
考虑第二波违约潮的宏观背景为供给侧改革，去产能，或非单纯因为行业信用违
约导致投资增速的下滑。综合三次违约潮，信用事件对相关领域的投资的影响相
对轻微，这或与当前我国间接融资为主的融资体系相关。
图 22：第二波违约潮对相应领域固定投资的负面影响较为明显，其他两波未明显改变原有的投资变化趋
势
资料来源： ，&&
7. 展望此次违约事件，信用违约风险事件会不会蔓延？若
蔓延，在哪些行业和区域蔓延？
. 本次宏观环境不同，信用违约或不会大规模蔓延
本次国企违约的宏观背景不同此前，或不会发生大规模的违约蔓延。回顾三次违
约潮，我们得出的结论是违约前宏观层面都出现了实体企业宏观杠杆率的大幅度
提升，企业相应的进行了产能的过度扩张，形成了过剩的产能，然后因为政策的
收紧导致融资难度加大，违约潮出现。
当前，虽然我们看到宏观杠杆率的提升，但主要是受到疫情影响，经济增长受损
较为严重，分母端的变化为主因，而非企业的主动扩张。此外，在疫情防控常态
化、全球央行集体宽松的背景下，我国央行的货币政策也保持了相对中性，没有
明显的收紧。从宏观环境看，或不会发生大规模的违约蔓延。
. 大型国有企业风险暴露或持续，需要甄别“僵尸企业”
针对国企信用风险暴露，需要甄别“僵尸企业”，注重“大”而“弱”的企业的信用风
险（图 23）。近期出现违约的国有企业，都存在“僵尸企业”的特征，这些企业原
因受到政府的支持而依赖融资生存、“借新还旧”，自身造血能力不足。针对这样
的企业，海外经济体的发展经验已经表明，必须要进行处理，如 20 世纪 90 年代
日本资产泡沫破裂后所形成的大量僵尸企业被认为是导致日本“失去的十年”的
重要因素2。从生产要素的角度看，“僵尸企业”导致资本要素、人力要素等难以充
分发挥其生产潜力，降低了整个经济体的潜在增速，对经济负面影响大。我国即
将进入“十四五”，需要实现到 2035 年进入中等发达国家行列的发展目标。在背
景下，治理“僵尸企业”是我国实现经济增长潜能的重要途径之一。
图 23：僵尸企业利润率低、资产回报率、资本生产力、劳动生产率等均显著低于非僵尸企业
资料来源：谭语嫣，谭之博，黄益平，等.僵尸企业的投资挤出效应:基于中国工业企业的证据[J].经济研究，
2017，52(05)：175-188.
此外，在 2020 年的《金融稳定报告》中，央行撰写了《大型企业风险监测》专
题，报告指出，2013 年，人民银行开始对大型企业出险情况进行监测，加强预警、
研判。截至 2019 年末，全国共有 575 家大型企业出险，其中，460 家企业出现严
重流动性困难、120 家企业未兑付已发行债券、27 家企业股权被冻结、67 家企业
2 孙丽.日本处理僵尸企业问题的经验教训研究[J].日本学刊，2017(03)：83-108.
申请破产重整（图24）。575 家出险企业融资规模为 万亿元，其中6462 亿元已
被纳入不良资产。
图 24：出险企业行业分布
资料来源：中国人民银行 《金融稳定报告（2020）》
对此，央行提出要积极化解大型企业风险，提出了深化企业改革、分类施策化解
风险、拓宽不良资产处置渠道和处置方式、建立健全多元化的债券违约处置机制、
充分发挥债委会作用、完善企业破产法律体系等具体举措。在分类施策化解风险
中，央行明确提出对救治无望的“僵尸企业”应依司法程序进行破产清算，实现市
场出清，而对于产能过剩行业企业要加大兼并重组力度。整体看，央行对“大”而
“弱”的企业的风险处置的态度较为坚决，“僵尸企业”或面临出清风险。
“僵尸企业”的认定方法，或可为信用风险甄别提供一定的参考。国务院的认定为：
不符合国家能耗、环保、质量、安全等标准，持续亏损三年以上且不符合结构调
整方向的企业。而学术领域和海外研究中多使用 CHK 方法，该方法主要分为两
步。第一步，计算出最优利率，这个利率是所有企业在现有条件下可能享受到的
最低利率。第二步，将最优利率与企业实际支付的利率进行对比，那些实际支付
利率比最优利率还低的企业就有可能是僵尸企业3。从具体的影响变量看，高负债
企业、规模过大企业、制造业企业和国有企业较易成为“僵尸企业”4。
. 后续违约或多出现在过剩产能及经济发展动力偏弱地区
在上文中，我们发现，真正危险的是，违约发行人多的同时，该地区经济动能较
弱，一旦债券违约，当地政府即便有意愿进行支持，也能力不足。我们综合利用
3 何帆，朱鹤.僵尸企业的识别与应对[J].中国金融，2016(05)：20-22.
4 朱舜楠，陈琛.“僵尸企业”诱因与处置方略[J].改革，2016(03)：110-119.
地方违约主体个数、地方政府负债率和地方财政收入进行了风险识别。我们认为
未来违约蔓延最先将从这些经济发展动力偏弱地区开始，即高风险地区（吉林 >
甘肃 > 重庆 > 黑龙江 > 陕西 >广西 > 新疆 > 宁夏 > 湖南 > 云南 > 贵州 >
青海 > 江西 > 海南）和中等风险地区（辽宁 > 内蒙古 > 山西 > 天津）。而像北京、
上海等地，虽然违约主体个数较多，但这可能是由于经济活动多，发行主体多导
致的。
8. 展望此次违约事件，违约潮会改变货币政策走向吗？政
府会在多大程度上干预？
每一波违约潮的爆发都影响了市场风险偏好的改变，信用利差随之走扩并在不同
行业和资质的主体中呈现明显的分化。随着重要违约事件的发生，市场逐渐开始
对信用风险进行定价。
在 2016 年之前，地方政府对违约债券表现出较强的救助意愿，大部分的违约债
券，特别是国企违约后的兑付往往依赖于地方政府支持，如 15 川煤炭 CP001、
10 中钢债，都是在政府的积极协调下，获得再融资偿还违约本息。而 2016 年以
后，随着违约常态化，地方政府也有意识的打破隐性担保预期，政府对违约之后
的偿付支持力度逐步减弱。
. 历次违约潮，地方政府多大程度会出手？
在地方政府和违约企业的微观层面，地方政府一般会在如下情形选择积极救助企
业：
1） 企业是地方龙头，违约影响地方经济和就业。这类企业往往是地方税收贡
献的大头，并且提供了大量的就业岗位，承担了区域较多社会责任。如 15
亚邦 CP004，最后地方政府和地方银行、信托公司合作再募集 28 亿元，帮
助企业走出困境。
2） 企业是债务链条中关键环节，违约引发系统性风险。这类企业往往是市场
最具刚兑预期的主体，比如国企和城投公司，一旦违约，会打破“信仰”，甚
至引发“挤兑”，影响其他企业融资，爆发系列违约事件。如11 云维债。
3） 企业资质尚好，符合国家政策引导方向，尚可以“挽救”。这类企业往往是
受到临时的宏观金融环境冲击导致再融资受阻，符合国家和区域政策导向。
一般而言，政府也愿意帮助企业渡过难关，如15 亚邦 CP004。
. 历次违约潮，货币政策多大程度会出手？
然而在宏观层面，历次货币政策反映不一，主要取决于违约事件是否会引发银行 间
持续的流动性紧张。如果出现明显的系统性流动性收缩，则央行会采取偏松的 货币
政策加以对冲。但无一例外均对央行违约潮来临前期的紧信用节奏有所扰动：
三次违约潮之后，货币政策并没有因此而转向（图 25）：
在第一波违约之后，2014 年 4 月 22 日央行定向降准落地。但由于市场前期处于
“钱荒（2013 年）”的阴影中，政策预期本就已经倾向于宽松。 超日债违约虽然
打破零记录，但多方积极协调偿付，对货币政策、监管政策影响并不大。2014 年
5 月出台 127 号文规范同业业务，10 月出台 43 号文限制地方政府融资，均指向
控制债务杠杆。
在第二波违约之后，货币政策保持稳健中性，虽然 2016 年央行采用“MLF+逆回
购”的模式，注入了超过2 万亿的流动性，但没有采取任何“降准降息”，而在2015
年则一连降准降息五次。这说明信用违约事件同样没有引发央行货币政策转向。
在第三波违约之后，货币政策在整个 2018-2019 年期间从 2017 年的稳健中性转
向稳健适度。直到 2020 年疫情爆发前，货币政策始终保持定力。
货币政策何时出手？取决于信用事件对流动性的冲击。我们认为，信用事件对市
场流动性的负面冲击集中在事后 1-2 个季度。
图 25：信用事件对市场流动性的负面冲击集中在中短期
%
%
存款类机构信用拆借加权利率:7天:月 银行间同业拆借加权利率:1天:月 银行间同业拆借加权利率:7天:月（右）
资料来源： ，&&
. “违约事件”大概率不会影响货币政策年内以及 2021 年节奏
参照历次违约潮之后的货币信贷政策变化，结合此次违约事件的特性，我们认为
“违约事件”大概率不会影响货币政策年内以及2021 年节奏。
2020 年的最后收官的两个月份，社融增速年内企稳在 %附近，信贷和社融都
进入边际放缓的通道。11 月、12 月新增社融还将有 万亿的上升空间，全年将
达 34-35 万亿，增速在 %左右；而人民币贷款增速 10 月放缓至%，我们预
计全年将维持在 %附近。
2021 年，货币政策将进一步“分道而行”，货币维持中性，信贷政策将迎来结构性
缩减。我们预计新增社融全年在 34 万亿左右，增速将放缓至 12%。这一部分是
来源于“紧信用”，即信贷量的放缓，同样比对 2009 年后的信贷节奏，我们认为
20
13
-0
6
20
13
-0
9
20
13
-1
2
20
14
-0
3
20
14
-0
6
20
14
-0
9
20
14
-1
2
20
15
-0
3
20
15
-0
6
20
15
-0
9
20
15
-1
2
20
16
-0
3
20
16
-0
6
20
16
-0
9
20
16
-1
2
20
17
-0
3
20
17
-0
6
20
17
-0
9
20
17
-1
2
20
18
-0
3
20
18
-0
6
20
18
-0
9
20
18
-1
2
20
19
-0
3
20
19
-0
6
20
19
-0
9
20
19
-1
2
20
20
-0
3
20
20
-0
6
20
20
-0
9
2021 年信贷总量上必然将明显的边际收紧（图26、27），大约下降至 万亿左
右。
只有当信用事件发生系列性爆发，产生较大的“蝴蝶效应”，形成严重的系统性自
发式流动性收缩，那么央行可能将放缓 2021 年的“紧信用”节奏，信用收缩将延
后至 2021 年一季度以后。
图 26：2021 年新增社融全年在 34 万亿左右
资料来源： ，&&
图 27：2021 年新增社融全年增速将放缓至 12%
%
35
30
25
20
15
10
5
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
社融同比（实际值） 人民币贷款同比（实际值）
社融同比：预计2020年34万亿；2021年34万亿 人民币贷款同比：预计2020年20万亿；2021年万亿
资料来源： ，&&
因此，我们认为此次信用事件出现后，短期内对市场流动性或会形成压力，应关
注后续地方政府托底情况。虽然此次信用事件有不同于历史的特性，对市场风险
偏好形成明显压制，但按照历史经验，对货币政策影响有限。
9. 附录：历史上重要信用违约事件回顾
