1
利差增信算法的底层逻辑与相关机制
王祚君
理论概要
为零息债券提供利差转移的增信（利差增信或SP增信），拥有建立于大数法
则之上的SP增信算法，如同为信用债券提供信用买卖的增信（CB增信），同样基于
其它科学算法的CB增信算法：CDSspread数学（定价）模型。相对于单一国家主体
发债或古老担保来讲，无论信用债券及其CB增信算法，还是零息债券及其SP增信
算法，均以不同方式扩大债券发行或增信交易的主体数据（下简称“主体数
据”），拓展不同维度的主体数据空间。
在大数法则之下，从数论上讲，数值越大，质数越少。从统计学或概率论上讲，
变量或数据越多，统计越准确，概率越趋于平缓。对于系统论，关键在于把握最大
熵原理，随机变量的概率分布更趋均匀的，熵更大；反之熵变得更小。对于时空理
论来讲，空间分为不同维度；时间又是空间的延续，既可为二维空间，又可为三维
或四维空间。对于数据来说，在单位时间里可形成二维的界面数据空间，在持续时
间里可形成三维或四维的延展数据空间。
在融资历史发展过程中，首先是单一主体阶段，以单一国家主体信用发行债券
或极少数贵族全部身家为融资者担保，既无违约率，又无风险定价或担保算法，无
法形成债券市场。然后是信用主体阶段，以不同违约率形成几十个信用等级进行信
用定价，扩大了主体数据，深化或平缓了违约率，形成了债券市场。CB增信（CDS）
以风险套利的信用衍生品取代风险对冲的增信产品，极大地扩大了主体数据至任
何主体，形成了有效的债券市场；但年度付息这一单位时间却限制于界面数据空
间，CDSspread数学模型据此难以在增信价值上为信用债券提供保本保息的完全增
信，难以真正取代国家信用或国家担保。
随着2009年负利率产品、CDS“改革版”的产生，十年以上、到期支付本息的
（中国）零息债券替代了信用债券。基于十年以上这一持续时间，打开了年度付息
锁定的界面数据空间而跨入延展数据空间，不仅乘数效应地扩大界面数据空间中的
主体数据，而且在延展数据空间拥有几何级的增长，最终将有限的信用主体扩展至
无限的非信用主体及其任何主体，最大限度地深化或平缓了违约率，形成更为有效
的债券市场。因此，SP增信算法获得了复利计算的增信价值，可设计出覆盖100%兑
付当期的违约风险及其抵御年度随机倒闭风险的数学公式及其具体增信模型，可
为（中国）零息债券提供保本保息的完全增信，可实现现代增信旨在取代国家信用
或国家担保的初衷。
2
利差增信算法的底层逻辑与相关机制
王祚君
一、不同价格构成，不同算法机制
1、信用债券、信用利差及其CB增信
信用债券，就是以信用等级为标的资产（信用主体/信用产品）进行信用定
价所形成的具有信用利率（CR）或年度付息特征的债券，价格构成为无风险利率
（RFR）与信用利差（C•spread）之和：CR=RFR+C•spread。如债券期限超过一年
（L），价格构成则为：L(CR)=(RFR+C•spread)L；在国内债市上的最高信用等级，
代表了无风险利率产品，如国家信用支持的国债。无风险利率反映了无风险利率
产品的价格或信用债券价格构成中没有信用利差，中国财政部定义为“风险权重
为零”。信用利率或风险利率反映了具有信用风险的债券，或者以信用利差进行
信用定价所形成的信用（利率）产品，其实就是在无风险利率基础上再加上一个
信用利差。
信用利差，就是信用利率与无风险利率（C•spread=CR-RFR）之差，是由信
用等级进行确定，及/或其与最高信用等级之差，也反映着二个信用等级之差。
在现代增信产品“信用违约互换”（CDS）于1993年产生之后，信用利差亦可称为
CDSspread，直接以最高信用等级进行信用定价的无风险利率作为价值基础，并与
最高信用等级或无风险利率之差形成信用利差。
从理论上，CDSspread通过CDS交易，具有信用利率的信用债券应转化为无风险
利率产品（RFR），如同国债般的安全资产，CDSspread旨在取代国家信用或国家
担保。实际上却并非如此，CDSspread数学模型（算法）未能为信用债券提供保本
保息的完全增信，只是提供赔偿债券违约时价的有限增信。基于下述因素，实际构
成了信用利差（CDSspread）在理论上与实践上的矛盾性。
首先，CDSspread仅为交易对象“信用（保护）买卖”进行信用定价，CDS由此
不可避免地产生了交易对手风险，并由此引爆了2008年美国次贷危机。2009年
ISDA出台的“改革版CDS”，信用利差（CDSspread）不仅作为交易定价，而且作为
交易对象进行买卖流转，尽管在法律形式与交易手续上多有不堪，即便如此，美国
总统特朗普仍于2019年以总统令终止了“改革版CDS”。众所周知，“改革版CDS”
只是为信用债券提供赔偿债券违约时价的有限增信，并非保本保息的完全增信。
信用买卖（CB）的现代增信（CB增信），以信用违约互换（CDS）为代表，其实就
是最高信用等级对低信用等级的信用“输入”。最高信用等级可信用定价为无风险
利率，既犹如基准利率（PR）在债市上的运用，亦犹如在金融货币市场上的货币批
3
发价；国家信用在一国债市上不存在信用违约，因此具有最高信用等级，亦可反映
为无风险利率；以国家信用所发行的国债具有最高信用等级，亦为无风险利率产品；
信用债券或信用产品，因存在信用违约及其随机违约率而在价格上反映为信用利
差，并成就了现代增信的CDSspread。
其次，信用债券中的年度付息，即使信用债券存续期间延长十年，却以此单
位时间锁定于“紧致时空”，无法摆脱二维的界面数据空间。即使主体数据在很
大程度上得以扩大，界面数据空间中的随机概率仍然难以预测与控制，增信的基
础价值或信用利差（CDSspread）仍然难以覆盖违约风险及其所带来的违约损失。
因此，CDSspread只能为提供赔偿债券违约时价的有限增信，根本无法提供保本
保息的完全增信；风险对冲的增信产品（CDS）只能依赖于风险套利的信用衍生
品，否则无法独立存在；在利率市场化不足或长短利差倒挂的中国资本市场上，
风险套利的信用衍生品是难以存在与发展的，风险对冲的增信产品因此也就失去
生存与发展的基础。
基于年度付息的特征与信用利差的特定性，CDS信用交易也因此具有相对性
（交易对手中心化），CDSspread据此在增信的价值基础上难以合并处理或计算，
也就难以获得大数据法则、系统“熵”规律、统计概率及其时空理论等学科的支持。
又因涉及多个价格变量，即使全球金融界聘请众多顶级数学家设计出成百上千个
CDSspread数学（定价）模型，甚至已经复杂到连金融学家只剩下记忆与背诵之份，
却仍然难以设计出覆盖100%兑付当期的违约风险或年度随机违约率的CDS数学（定
价）模型。
2、零息债券、风险利差及其SP增信
负利率时代，作为历史沿袭的成本货币，信用货币不仅失去了调节成本（基
准利率/无风险利率）与时间成本而成为零息货币，信用利差（C•spread）也因
失去时间成本而成为风险利差（Spread）。年度付息的信用债券由此可以合乎逻
辑地推导出零息债券（ZCB=Money+Spread or PV=IP+Spread）。由此可见，零息
债券在本质上就是零息货币的风险运用及其风险定价，风险利差只是零息债券与
零息货币的“旋转门”或零息货币通过风险利差隐身于零息债券。
在实行基准利率货币政策的国家，又可将无风险利率或长期国债利率经复利计
算成基础利率（BR），由此可以成为变相零息债券或中国零息债券的构成价格
（Money+BR+Spread or PV=IP+BR+Spread）。中国零息债券尽管运用以往折扣债
券或复利债券（ZCB=Money+BR+Spread or PV=IP+BR+Spread）的相同手段，却是
基于现代增信技术和时间金矿理论，不仅将信用债券中的时间成本演化成了中国零
息债券的“时间金矿”，而且运用了旨在取代国家信用或国家担保的现代增信手段，
4
既抛弃折扣债券或复利债券的“高利贷”恶名，大幅降低融资成本和融资风险，又
为中国零息债券提供保本保息的完全增信，最终实现现代增信旨在取代国家信用或
国家担保的初衷。折扣债券或复利债券，作为公司核心资本的金融产品，以较高水
平的信用利率（CR）转化为可复利计算的基础利率（BR），由此披上了“高利贷”
恶名。折扣债券或复利债券却催生了如下几个完全不同于信用货币、信用债券及
其CB增信的发展方向：
其一，在折扣债券或复利债券中，将信用利率，或者无风险利率与信用利差
（RFR+C•spread）一起转化为可复利计算的基础利率（BR），意味着信用债券中
的无风险利率（RFR，信用货币的调节成本）可转化为没有成本（调节成本与时
间成本）的货币（Money）或零息货币，尽管基础利率（BR）包含着无风险利率，
却为负利率时代的负利率产品可逻辑推导出的零息货币和零息债券提供了历史渊
源与价值基础。
银行存款没有利息并被收取管理费而成为负利率产品，意味着信用货币或加息
货币失去了调节成本（基准利率）与时间成本（年度付息），演化为无成本货币或
零息货币。所谓负利率债券，既非真实存在的负利率，因为违约率或信用利差不存
在负数，也非沒有利率或失去年度付息的信用债券，因为即使没有信用利差，还有
货币调节成本（基准利率）所形成的无风险利率。只有当信用货币或加息货币演化
为无成本货币或零息货币，信用利差也因失去时间成本演化为风险利差，信用债券
由此转化为零息债券；且当风险利差为零，零息货币又因无风险管理被收取管理费，
零息债券由此才会成为负利率产品。因此，负利率债券其实也是一种负利率产品，
如同银行存款。
其二，信用利差（C•spread）与无风险利率（RFR）在价格构成中至少在形
式上失去了时间成本，尽管本质上已经转化为基础利率（BR）。但是，一旦运用
旨在取代国家信用或国家担保的现代增信技术，信用利差中的时间成本在转化为
风险利差时将演变为“时间金矿”，可有效配置于以SP增信为核心的利差资管体
系/市场，也为货币与资产的相互转化，甚至为货币资产化与资产货币化打开了历
史通道。
折扣债券或复利债券的价格构成，具有到期支付本息的特征，完全改变了信用
债券年度付息的特征，在现代增信技术支持下，意味着随机风险随着单位时间转化
为连续时间而成倍地下降。但折扣债券或复利债券所产生的年代，却受制于历史条
件，既未有以最高信用等级/无风险利率作为信用利差及其增信的价值基础，也未
有旨在取代国家信用或国家担保的现代增信理念，尽管同时代的金融担保或机构增
信也正在逐步形成过程中。
5
其三，折扣债券或复利债券，作为公司核心资本的金融产品，以后又逐渐被次
级债、优先股、可转债等创新型金融产品所取代。但是，基于这些股债双重性、风
险长期性、流动性较差等债券特征，折扣债券或复利债券又可视为“非标资产”，
在本质上基于交易信用，在形式上基于法律规制及其标准化所形成的金融产品，如
同公司股权、合同权益与房地产权益等“广义非标资产”本质上属于交易信用，形
式上基于法律规制及其标准化，最终形成了证券投资产品。
在现代增信技术与时间金矿理论指引下，基于非标资产的零息债券或中国零
息债券，既可降低融资成本与融资风险，抛弃“高利贷”恶名，又非常适用于公
司股份之外的非标资产，无论基建融资，还是非标SPC。作为非标资产的基建融
资与个人融资，包括尙无信用等级的小微企业，既然无法以主体信用及/或其信用
等级进行信用定价成为信用产品，就应该以交易信用替代主体信用，首先就应该
以零息债券或中国零息债券替换年息付息的银行贷款或信用债券，由此形成多层
次利差资管产品，并在掌握交易信用第一性原理的基础上，及时创设以交易信用
为基础的、以SP增信为核心的利差资管体系/市场。
3、不同利差及其不同债券、不同增信。
1)信用利差（C•spreadorCDSspread），因其构成了年度付息的信用债券，由
无风险利率产品扩展至不同信用等级或不同信用利率的信用债券，极大地丰富并发
展了信用债券及其巿场规模，主要是基于拥有信用等级的信用主体及其具有充沛年
度现金流的金融机构、上市公司、资本集团及其各种供应链企业。为不同信用利率
的信用债券提供增信，形成了信用（保护）买卖的现代增信（CB增信）；通过增信
产品（CDS）交易，将CDSspread在风险利率市场上重新分配风险；具有相对性（信
用等级限制）的信用利差，同质资产（同等信用等级或标的资产）可打包形成进行
风险管理并形成相应价值管理的增信算法，非同质资产却难以打包形成增信算法；
即使同质资产，信用利差又涉及较多变量，CDSspread数学模型均由众多顶级数学
家创制，而非金融家或金融学家所设计，由此形成的成百上千个CDSspread数学模
型，金融业界与金融学界却难以真正把握。把握的关键在于，基于年度付息的特征
及其带来的随机违约率，以信用利差（CDSspread）为基础的CDS或CB增信，确实难
以为信用债券提供保本保息的完全增信，具有信用利差的信用债券也就无法调整为
无风险利率产品，原来旨在取代国家信用或国家担保的CDSspread更是难以实现。
2)风险利差（Spread），既成就了零息债券或中国零息债券，又为零息债券
或中国零息债券提供了利差增信（SP增信）。通过SP增信产品交易，可为零息债
券或中国零息债券提供保本保息的完全增信，零息债券转化为零息货币，中国零
息债券转化为无风险利率产品或类国债，SP增信及其增信算法据此可以实现现代增
6
信旨在取代国家信用或国家担保的初衷。
鲜有专业人士或专著提及，货币风险运用及其风险定价所形成的风险利差
（Spread），与基于主体信用或信用等级的信用利差（C•spread）完全不同。针对
尚无主体信用或信用等级的非标资产，只是存在货币风险运用的价值关系，或者
对于违约概率进行风险定价所形成的风险利差，这是最为抽象的数值概念及其价值
关系。因此，对于风险利差进行价值管理所需的SP增信及其增信算法，可获得大
数据法则、系统论、统计概率论、博弈论等基础学科的支持；与SP增信及其增信
算法相似的行业与算法，也许是博弈行业及其博弈算法；最为接近的行业与算法，
应该是寿险行业与寿险算法，却与以信用等级为基础的信用利差所形成的CB增信
及其增信算法“CDSspread数学模型”毫无关系，尽管均属于现代增信，旨在取代
国家信用或国家担保。
二、大数法则下的学科支持与算法类比
1、学科支持
在大数法则之下，从数论上讲，数值越大，质数越少；从统计学/概率论上
讲，数量或数据越多，统计越准确，相应概率应趋于平缓；从系统论上讲，关键
在于把握最大熵原理，当随机变量的概率分布更加均匀时，熵更大，反之熵更小；
从空间学说上看，空间分为不同维度；时间是空间的延续，既可形成二维空间，
又可形成三维空间。
对于概率来讲，更关注的是数据；对于数据来说，关注于空间或系统，却鲜有
关注时间，其实时间也是延展空间；对于数据系统来说，关注“熵”变，即关注随
机变量的不确定性：当随机变量的概率分布更加均匀时，熵趋于更大；熵越大，
随机风险增加或越大，系统更不稳定。由此可见，熵是概率分布的一个性质，反映
了概率分布的不均匀程度。而且，从系统“熵”来看，增加或扩展数据空间的存在
因素或存在个体，有助于随机变量的概率分布更加非均匀化，有助于熵或随机概率
的降低，增加数据系统的稳定性。熵与概率之间的关系在数据系统中可以通过以下
公式表达：$$H(X)=-/SUM{x\in X}P(x)\log2 P(x)=\sum{x\inX}P(x)\log2\frac{1}{P(x)}$$
时间，只是空间的主观化，或者空间具有持续性或延展的观察属性，并不存在所谓
的客观时间。因此，时间可视为空间的延展，或者相对于特定时间所处的特定空间，
因时间持续性又可形成延展空间。在单位时间里形成二维的“可视空间”或“界
面空间”，在持续时间里可形成三维的“梦太奇空间”或“延展空间”；如果置于
数据系统，也可生成界面数据空间或延展数据空间。
在单位时间条件下，数据系统可形成界面数据空间。即使界面数据空间随机变
量的概率分布更趋非均匀化，形成参差不齐或非均匀化的界面数据空间，也只是反
7
映了在不同界面的分布区域里所表现出不同的概率分布或随机概率。但是，即使界
面数据空间中数据扩大，甚至扩大至最大，也会因单位时间受限于二维的界面数据
空间，相对于延展数据空间来说，也只是“紧致空间”。或者说，界面数据空间只
是被单位时间锁定于“紧致时空”，即使数据扩大到无限，也因二维空间止步于界
面数据及其相应空间。
只有以持续时间打开单位时间所受限的“紧致时空”，界面数据空间方可延展
至更大、甚至乘数效应增长的存在因素或存在个体，远远超越原有二维的界面数据
空间，从而跨入三维的延展数据空间。相对于界面数据空间来说，在延展数据空间
中的各种随机变量，其概率分布更加趋于非均匀化。无论单位时间所受限的“紧
致时空”及其界面数据空间，还是持续时间打开“紧致时空”所跨入的延展数据空
间，在保险领域与增信领域里应该可以获得相同的实践认证。
在基于概率并对概率风险进行风险定价所形成的风险资产条件下，既有基于
违约率并对违约风险进行风险定价所形成的增信资产，亦有基于出险率并对出险
风险进行风险定价所形成的保险资产，更有基于博弈概率并对博弈风险进行风险
定价所形成的博弈资产，在风险资产管理上应该基本相似或相通。在大数法则下，
依据数论、统计学/概率论、系统论、空间学说的基本原理，均可对前述各种风
险资产进行有效管理，甚至价值管理，远超现行的资产管理。
2、不同保险算法的类比
对于年度核险的车辆险与长期核险的寿险来说，尽管两者不仅在保险主体
（保险主体）上或界面数据空间上均为非常之大，而且在未来的保险主体增长率上
也基本相似，即发展中国家的保险主体增长极为迅速。因此，在界面数据空间上，
无论年度核险的车辆险，还是长期核险的寿险，两者均可使随机变量的概率分布更
趋非均匀，出险风险相对较低。但是，相对于寿险在应对长期核险方面，车辆险在
应对年度核险所带来的年度随机出险率上显示出困难重重，难以拥有可以平衡年度
随机出险率的保险算法，唯一出路在于扩大车辆险巿场份额，因为车辆险属于强制
险，最终可以通过大数据强化出险率的精确度。
1)年度核险的车辆险
车辆险由于年度核险的“单位时间”，受限于紧致时空，难以超越界面数据空
间，无法跨入延展数据空间。相对于延展数据空间来说，年度核险意味着随机变量
的概率分布更趋均匀化，随机出险率难以预测与掌控。车辆险算法因此难以覆盖年
度核险所带来的随机出险率，即使没有30%的保险代理费，也不用年度到期还本付
利，甚至还属于强制险，却仍然难以盈利，或者说盈利能力偏弱，甚至亏损。
2)长期核险的寿险
8
寿险即使不属于强制险，却由于长期核险，甚至难以确定出险时间，由此属于
持续时间，可打开被单位时间锁定的紧致时空，即可跨越界面数据空间，迈入延展
数据空间。延展数据空间中的保险主体以乘数效应扩大与指数式增长，寿险收入
即可获得“幂次方”式的增长，远超年度核险这一单位时间锁定的界面数据空间，
无论车辆险主体扩大及其增长率，还是车辆险收入扩长及其增长率。因此，在延展
数据空间里，寿险随机变量的出险概率分布更趋非均匀化，出险率相对可预期或
可控制。因此，基于长期核险这一持续时间所形成的延展数据空间，寿险可设计出
一整套具有很强盈利能力的寿险算法，既可覆盖年度随机出险率，又可覆盖100%兑
付当期的出险风险。更令人不可思议的是，寿险市场费用不仅占取全部寿险费用
的30%左右，而且归属于保险资管的资金总额也只占全部寿险费用的50%左右，更
是寿险到期不仅归还本金，而且支付巨额利益。
例如，香港人寿机构20多年前曾有一款寿险产品，即“补充退休金计划”。尽
管这种寿险产品在香港寿险中还不能视为最佳的寿险产品。这款“补充退休金计划”
基本信息如下：一次性支付万美元或每年支付万美元，60岁（后来为65岁）
退休时可获得25万美元；若保险期间（21年或26年内）死亡，亦可获得25万美元。
从其中数据分析可以判断出如下结果：首先，对于被保险人死亡来说，在保险期
间没有确定性，迈入了延展数据空间。因此，这种寿险产品在随机变量的概率分布
上极其不均匀或风险很小。其次，以延长为26年退休期限（原来计算为21年）为计
算，到期归还本付利的总额为全部保费的463%；若寿险资管资金仅占取全部保费的
50%，也就意味着在26年保险期间的全部寿险资管收益高达926%，年度复利约为9%
左右。
3、信用债券及其CB增信的底层逻辑
1)单一主体数据的债券与担保
在债券风险或随机违约率来看，除了依据债券发行金额与债券发行次数等数据
外，基础数据应该是债券发行的主体数据。在单位时间里，主体数据扩大属于界面
数据空间，有助于随机变量的概率分布非均匀化，有助于熵或随机概率的降低，增
加系统的稳定性。在连续时间里，主体数据扩大属于延展空间数据，相对于界面数
据空间来说，各种随机变量的概率分布更加趋于非均匀化，更有助于熵或随机概率
的降低，更可实现系统的稳定性。
在以往的主权货币体系下，债券发行的主体数据极少或偏少，违约概率就失去
存在的意义，因此也不会以违约概率作为债券发行的风险定价：其一，主体数据集
中于国家这样一个信用主体上，或者仅以国家信用支持并发行国债，从一国债券市
场来讲，单一的国家信用是形成不了债券的违约概率，也不可能为债券定价。其二，
9
主体数据集中于最高信用等级，信用等级其实也不存在，违约概率当然也沒有存在
的必要，更不可能为债券定价。其三，主体数据集中于国家或最高信用等级，一国
债券市场难以建立或无效，流行所谓古老的融资担保：国家担保或政府担保，及其
国家政府信用延伸的机构信用担保，银行担保或国企担保。
在目前的信用货币体系中，信用债券的信用定价基于信用等级所形成的信用
利差。于是，古老的融资担保自然就过渡到现代增信的初级阶段“金融担保”
（FG），开始出现不同的信用等级及其不同的信用利差，由此形成不同信用利率的
信用债券或信用产品。金融担保机构在信用等级上要比一般债券发行人的高，最初
却可能不是最高信用等级的，后期才开始追求最高信用等级的金融担保机构。当早
期基建融资假借美国地方政府名义发行地方债或市政债出现危机后（仅为50个州政
府的主体数据），以最高信用等级或无风险套利为基础形成信用利差（C•spread）
进行信用定价后，同样原理的增信定价（CDSspread）也就形成了。前提是信用货
币时代已取代了以往的主权货币时代，无论金（银）本位制，还是实物货币。
2)主体数据扩大的信用债券
在信用货币体系下所形成的信用债券，除了国家这个最高信用等级的信用主体
外，还可以通过信用评级机构形成了或增加了几十种不同信用等级的信用主体，开
放于市场化的各行各业，由此扩大了信用债券发行的主体数据，形成了数几十万个、
甚至上百万个主体数据，有助于界面数据空间中的各种随机变量的概率分布趋于非
均匀化，或者有助于形成各种不同的违约概率，并以此构成了对不同信用等级的信
用主体进行不同的信用定价或予以不同信用利差的信用定价，从而形成了不同信用
利率的信用债券或信用产品。
形成不同的信用主体，或者增加不同信用等级的发债主体，违约概率才有了存
在的意义；债券发行的主体数据越多，或者众多信用等级各不相同的发债主体，而
且涉及各行各业，无论金融界，还是实业界，抑或科技界。信用债券发行的主体数
据得以急剧扩大，一方面在单位时间锁定的界面数据空间中，各种随机变量的概率
分布趋于非均匀化，有助于平缓或降低违约概率，另一方面急剧扩大的主体数据因
单位时间锁定于界面数据空间，形成了“紧致空间”。
各个不同信用等级的信用主体，从最高信用等级或无风险利率，到较低信用等
级或较高信用利率或信用利差，在信用货币仍然从属于主权货币或成本货币的条件
下，信用利率的信用债券即为无风险利率与信用利差之和，必然形成年度付息、到
期还本的特征，受限于单位时间锁定的“紧致空间”，难以超越界面数据空间。相
对于延展数据空间来说，界面数据空间中的各种随机变量，概率分布趋于均匀化，
随机违约概率难以预测或控制，由此带来了更大的不确定性，或者提高了信用债券
10
的违约概率。
年度付息，债券违约的单位时间，锁定了封闭且紧致的违约时空，随机变量
的概率分布趋于更均匀化，随机违约概率必然上升。从广义上讲，年度付息的信
用债券，根据信用货币的加息周期所形成的相应周期的金融危机，直至近十年来
的量化宽松货币政策或负利率货币政策的出台，才将周期性的金融危机有所平息
或延缓。从狭义上讲，年度付息，无论信用债券及其它信用产品年限多长，只要
年度付息无法实现，信用债券及其它信用产品据此所形成的随机违约率难以预测
或控制。作为本质上的利差资管产品，现代增信产品（CDS）是难以实现风控资
管的目标，最终只能沦落为风险套利的信用衍生品。
3)CB增信算法及其价值基础
尽管债券发行的主体数据因为信用等级得以急剧扩大，有利于界面数据空间中
的随机变量及其概率分布非均匀化，同时也意味着违约概率的产生，有利于信用债
券的信用定价，形成相对有效的债券市场。相对于债券发行的单一主体或古老担保，
不同的信用等级所决定的、具有不同信用利率的信用债券及其CB增信，基于信用等
级及其信用利差所推动的主体数据扩大，在界面数据空间中的违约概率，实际上比
债券发行的单一主体及其古老担保的违约概率要低，并形成更为有效的债券市场。
CB增信，在对主体数据扩大的信用债券进行增信时又增加了二个层面的数据
支持。其一，将信用债券的年度付息改为增信产品（CDS）的季度付费，更加深
化了时间深度，进一步扩大了CDS交易的主体数据，随机变量及其概率分布趋于非
均匀化，有助于降低系统性风险。其二，将增信对象由信用债券调整为标的资产，
使得风险对冲的增信产品（CDS）交易如同期权期货交易，成为信用衍生品，不
再局限于信用等级的信用主体；任何主体均可成为CDS交易对手，无论CDS卖方
（增信者），还是CDS买方（标的资产），均成为信用衍生品的风险套利者。因此，
从风险套利的信用衍生品角度来说，CDS市场交易形成了即有广度又有深度的交
易主体数据，CDS交易体系自身降低了“熵”值，减少了系统风险。从风险对冲
的增信产品来说，CDS仅为信用债券或标的资产提供有限增信，且不能独立存在，
必须完全依赖于信用衍生品及其交易市场。
即使主体数据获得了急剧扩大，年度付息这一单位时间，必然将主体数据扩
大又锁定于“紧致空间”，仍然无法摆脱界面数据空间。也就是说，即使年度付
息改为季度付费，信用债券提升为标的资产，在一定程度上和一定层面上扩大了
主体数据，有利于界面数据空间中的随机变量及其概率分布趋于非均匀化，可以
降低CB增信的系统性风险。但是，在界面数据空间中，CB增信的价值基础
（CDSspread）仍然不足以匹配信用债券价格，随机变量及其概率分布仍然趋于
11
均匀化，年度随机违约率仍然难以控制，CB增信的系统性风险仍然会大幅提升。
于是，风险对冲的增信产品只能为年度付息的信用债券提供赔偿债券违约时价的
有限增信，而且必须依赖于风险套利的信用衍生品。
季度支付的CB增信费用或信用利差（CDSpread）在价值上仅为信用债券的千
分之几或百分之几，一旦年度付息出现问题而引发信用债券的随机违约，千分之几
或百分之几的CB增信费用是不足以100%覆盖信用债券违约损失的，只能为信用债券
提供赔偿债券违约时价的有限增信，且在这个条件下，CDS交易价格才能与债券违
约时价相吻合，从各自不同的价格曲线上得以交汇。由此可见，在千分之几或百分
之几的CB增信费用条件下，即使全球顶级数学家都参与CDSspread数学模型的设计，
CDSspread在价值上仍然难以为信用债券提供保本保息的完全增信，信用债券自身
也难以调整为无风险利率产品（如同国债般的安全产品），CDSspread因此也无法
实现现代增信取代国家信用或国家担保的初衷。
综上所述，即使CDS交易扩大到非信用主体，却因年度付息，CB增信也只能为
信用债券提供赔偿债券违约时价的有限增信。但是，如果把年度付息的信用债券调
整为十年以上、到期支付本息的中国零息债券，债券违约的单位时间（年度付息）
更改为连续时间（十年以上），便可摆脱“紧致空间”而迈入延展数据空间，在主
体数据扩大上，甚至在增信的价值基础上便可远远超过界面数据空间。SP增信及其
增信算法，基于连续时间，超越界面数据空间并迈入延展数据空间，可为零息债券
或中国零息债券提供保本保息的完全增信，由此实现了现代增信取代国家信用或国
家担保的初衷。
三、SP增信及其底层逻辑
1、零息债券或中国零息债券
相对于年度付息的信用债券来说，十年以上、到期支付本息的中国零息债券就
是基于债券期限结构调整将单位时间转化为持续时间，不仅突破了主体数据所受限
的“紧致空间”，超越了界面数据空间，而且跨入了延展数据空间。在延展数据空
间中，不仅可以在主体数据上的获得乘数效应扩大及其指算式增长，而且增信价值
也呈现出“幂次方”式的巨额增长，非常有利于零息债券或中国零息债券及其SP增
信，随机违约变量的概率分布趋于更加非均匀化，也意味着违约风险趋于平缓与
稳定，SP增信系统更加稳定发展与强大。
可以比较一下，十年以上、到期支付本息的零息债券或中国零息债券与年度付
息的信用债券在主体数据上的区别，由此可以证明，从单位时间转化为持续时间，
取代信用债券的零息债券或中国零息债券，随机违约变量的概率分布趋于更加非均
匀化，可以降低违约系统性风险。
12
2）主体数据扩大及其延展数据空间
十年以上、到期支付本息的中国零息债券，或者十年以上这种连续时间，不仅
突破了“年度付息”这一单位时间所带来的“紧致空间”，超越了界面数据空间，
而且跨入了延展数据空间。与界面数据空间中的主体数据相比，延展数据空间中的
主体数据可扩大1000%以上，而且还是指数式增长，非常有利于随机变量的概率分
布更趋于非均匀化或债券随机违约率得以缓和或大幅下降。
首先，从违约可能发生次数上讲，为期十年的信用债券，意味着具有年度付息、
十年到期支付本金的特征。基于不付息即违约的基本原理，年度付息作为单位时间
才是信用债券违约的本质特征；基于年度付息或每年付息一次，意味着存在不低于
十次违约风险，还未计算因其它原因或负债而破产倒闭的随机违约风险。相对而言，
十年以上、到期支付本息的中国零息债券，在同等条件下，应该只有一次违约，比
年度付息的信用债券违约概率可能发生次数下降了10倍以上，总体违约概率得以大
幅降低。
其次，从首次违约可能发生时间来看，为期十年的信用债券，既可为信用债券
发行后的第一年，也可为第三年，直至为第十年，即首次违约概率较大；十年以上、
到期支付本息的中国零息债券，在同等条件下，违约应该发生在债券发行的第十年，
比信用债券应该下降了10倍，首次违约概率大幅降低。
再次，从违约密度上讲，为期十年的信用债券，年度付息在十年里可形成高密
度的违约风险；十年以上、到期支付本息的中国零息债券在违约密度上非常低，违
约密度几乎可以降至零，比信用债券下降了10倍以上。
最后，从违约强度上讲，为期十年的信用债券，年度付息在十年里形成高强度
的违约风险，每年都可能产生同等强度或更为均匀的违约风险；十年以上、到期
支付本息的中国零息债券在违约强度上非常弱，导致随机变量的概率分布更加非均
匀化，年度破产风险并不均匀，随机概率较低。
3）主体数据的乘数效应扩大
在延展数据空间中，年度付息的信用债券及其信用产品，通过债务期限结构调
整为十年以上、到期支付本息的中国零息债券，非常适合于基建融资或地方债。与
信用债券相比，中国零息债券在主体数据上呈现出乘数效应扩大与指数式增长，非
常有利于随机变量的概率分布更趋非均匀化，也意味着债券违约概率更加平缓与稳
定。
首先，在主体数据扩大上，中国零息债券的十年以上所在的延展数据空间，
与信用债券的年度付息所在的界面数据空间中的相比，可产生10倍扩大的乘数效
应。而且，在主体数据扩大的增长上形成指数式增长。从中国几百个地级政府与数
13
千个城投公司扩大到数几十万个基建（项目）企业，再扩大到中国境外的一带一路
建设，可能形成高达数百万个基建（项目）企业，最终扩展至全球的人类命运共同
体建设，可能形成高达千万个基建（项目）企业。
其次，中国零息债券发行主体除了基建（项目）企业，就是非标SPC，特别
是个贷SPC，在未来几十年里会随着增信SPC迅速崛起，全球可能形成上万个甚至
数十万个非标SPC。作为专业利差资管机构，个贷SPC发行中国零息债券并购买个
贷资产，不仅降低了个贷成本，而且获得资管利差；更重要的是，个贷资产无法
发行中国零息债券，必然依赖于个贷SPC才能降低融资成本与融资风险；个贷SPC
在增信SPC支持下，不仅可以取代目前全球独一无二的个贷SPC：“美国两房”，
而且可以成为全球最大类型的超级资管机构，比肩于全球最大另类资管机构“贝
莱德”。进一步来讲，个贷SPC可以成为不可破产的永久性经营机构，因此也就不
存在中国零息债券违约风险问题。
2、SP增信价值的“幂次方”复利增长
为十年以上、到期支付本息的零息债券或中国零息债券提供SP增信，意味着
风险利差（Spread）从零息债券或中国零息债券中转移出来，不再受限于单位时间
锁定的“紧致时空”，并从界面数据空间跨入延展数据时空。作为纯粹价值的风险
利差，不仅摆脱了信用等级、信用利差的相对性与年度性（单位时间），而且十年
以上的长期性及其不确定性（持续时间），可为SP增信积聚数几十倍、甚至上百
倍的价值基础，据此可为零息债券或中国零息债券提供保本保息的完全增信，实现
了现代增信替代国家信用或国家担保的初衷。
尽管SP增信的价值基础数几十倍，甚至上百倍于同期限的CB增信，但相对于各
自增信的债券及其价格构成来说，却并不意味着风险利差（Spread）本身远大于信
用利差（CDSspread）的价值，甚至相对年度成本来说甚至更低。SP增信与CB增信，
两者只是处于平行空间中；风险利差（Spread）因摆脱界面数据空间而跨入延展数
据空间，信用利差仅限于界面数据空间；SP增信的价值基础呈现出“幂次方”复
利增长，可形成保本保息的完全增信；CB增信的价值基础仅限于风险套利，风险对
冲“退居二线”或只是形成有限增信。
综上所述，零息债券或中国零息债券在延展数据空间上，随机变量的概率分布
更趋非均匀化，不仅意味着违约概率趋于稳定与平缓，而且意味着SP增信的价值
基础呈现“幂次方”复利增长，违约概率非常有限或可控。具体来说，十年以上、
到期支付本息的中国零息债券，在一至十年存续期间，随机破产概率几乎为零；十
年到期之为兑付当期，当期违约概率也是极其不确定；随着零息债券或中国零息
债券及其SP增信的成熟化，十年及其以上的确定“时空”还可以进一步打开，当期
14
违约概率更趋不确定性。
四、SP增信算法及其基本构成
增信算法的基本构成由二大部分组成，首先，在十年到期或兑付当期，增信资
产及其风险计提所累积的风险拔备是否覆盖兑付当期的100%违约风险，尽管历史上
年度最高违约率（美国次贷危机爆发的2008年）仅为20%多；以及持续数年的各个
兑付当期，增信资产及其风险拔备是否均可覆盖兑付当期的100%违约风险。其次，
在十年到期之前的年度风险计提，是否足以应付年度随机破产风险。
1、覆盖兑付当期的100%违约风险
所谓覆盖兑付当期的100%违约风险，就是兑付当期的所有增信收入、增信资
产及其资管收益的总和应当等于大于兑付当期债券面值的总和。最简单方式就是，
假设增信收入为1%/年，在不考虑增长率、增信资产及其资管收益的条件下，只要
打开年度付息这个单位时间所锁定的紧致空间，改为十年到期支付本息（按面值支
付）的持续时间，便可从界面数据空间跨入延界数据空间，SP增信的价值基础便可
覆盖兑付当期的100%违约风险。SP增信算法，主要考虑增信收入、增信资产及其
资管收益、增信SPC股价等具体数据，及其各种数据的年度复合增长率。
举例一，假设，扣除20%税费后的增信资产为兑付当期总额的%，十年连续
累积及其资管收益，且两者复合增长率均为6%/年。那么，兑付当期的增信资产总
额即可兑付当期总额的100%，覆盖兑付当期的100%违约风险，或者调整两者复合
增长率的相应关系，均可保证兑付当期的增信资产覆盖兑付当期的100%违约风险。
举例二，增信资产为增信SPC所管理的风险资产，且增信SPC为上市公司，基于
下述年度风险计提所转化的风险拔备总额和反馈机制中的股票增发功能，增信资
产及其资管收益的复合增长率其实只要在3%/年左右，兑付当期的增信资产即可覆
盖兑付当期的100%违约风险。
2、抵御存续期间年度随机破产风险
1）增信SPC的年度风险计提平均总额若为兑付当期总额的%，这并非针对违
约风险所作的补偿机制，而是针对发行主体因其它债务可能发生的年度随机破产风
险。由于零息债券或中国零息债券及其发行人（非标资产）年度破产的随机概率很
小，在反馈机制支持下，%年度风险计提足以覆盖年度随机破产风险。
2）年度随机破产风险即使超过某一兑付当期总额的%，下述反馈机制中的
债务置换功能、股票增发功能，也足以应对年度随机破产风险。
对于年度随机破产风险来说，一方面，增信SPC需要建立风险计提与风险核算
制度，零息债券或中国零息债券的发行主体需要建立偿债准备金，便可规避年度随
机破产风险；另一方面，通过建立反映机制及时置换发行主体的其他债务，即可超
15
越年度随机破产风险。
五、配套机制及其相应功能
1、定价机制
根据增信SPC内部定价机构与外部研究机构、专业中介机构所提供的各项信息
与数据，增信SPC据此确定增信定价机制。主要依据下述几个因素决定SP增信定价：
1)非标资产定价机制
与CB增信定价不同，不是以信用等级及其信用利差对信用债券或信用产品进
行信用定价，并由此形成信用衍生品，SP增信定价只是对不具有信用等级的非标资
产进行风险定价，即基于违约率的风险定价，特别是基于SP增信算法。
非标资产主要有三大类：基建（项目）融资，或者以地方政府、基建央企、
地方国资集团、城投公司等名义开展的基建融资，以及对基建融资形成的基建资产
与个贷融资形成的个贷资产进行资产管理所形成的非标SPC，既有基建SPC，也有
个贷SPC，前述三大非标资产实际上就是零息债券或中国零息债券的发行主体。
2)依据时间金矿理论
根据时间金矿理论，调整债务期限结构，打破年度付息所锁定的“紧致空间”，
进入延展数据空间，信用债券中的时间成本即可转化为零息债券或中国零息债券中
的“时间金矿”，可供各类专业利差资管机构进行“挖掘”，并有效配置于各种利
差资管产品。
最核心的专业利差资管机构（增信SPC）依据时间金矿理论，可设计出覆盖兑
付当期的100%违约风险与年度随机破产风险的SP增信算法，为零息债券或中国零息
债券提供保本保息的完全增信，从数理逻辑上可以证明（他证），零息债券即为零
息货币，或者中国零息债券即为风险利率产品或类国债，如同国债般的安全资产。
基于增信SPC对零息债券或中国零息债券进行利差增信或开发时间金矿，时间金矿
中的不同开发价值将运用于或配置于各层次利差资管产品。同时也意味着，SP增信
算法取代了国家信用或国家担保，实现了现代增信的初衷。
3)%地方财政收入作为偿债准备金
假设，地方政府负债率为100%，且以年度地方财政收入的%（在正常偿债
能力范围内）作为偿债准备金，未来十年地方财政收入与偿债准备金理财收益的
年复合增长率均为5%，十年到期即可全额偿付中国零息债券。因此，对于地方政
府来说，无论从年度通胀率计算，还是从理财收益率计算，地方政府既在十年里不
用支付利息，其实十年到期也没有支付过任何利息，只是形式上支付了债券相价，
如果挂钩通胀，如果计算偿债准备金十年理财收益。
由于很多地方政府的负债率超过100%，因此除了希望达到上述财政收入与理
16
财收益的5%/年复合增长率外，再配置上补偿机制中的计提拨备转化功能与回馈机
制中的防止破产功能，即可避免大面积违约对增信算法及其风险定价带来的巨大冲
击。
4)初步形成风险定价
基于非标资产，本应依据满足增信算法及其风控目标进行统一风险定价。但
考虑到中国已假借过信用主体进行基建融资这一事实，也考虑到长期国债利率，
目前暂定三档增信价格（3-6-9）。然后，等到成熟时或数据较为丰富时再行统
一风险定价。增信价格调得更低，有利于发行者降低融资成本。
2、调价机制
1)调整长短期
为期十年的信用债劵，只要存在年度付息这个单位时间，尽管信用债劵在期
限上延长了十年，却仍然拥挤在单位时间锁定的紧致时空。因此，等到SP增信成
熟或增信数据较为丰富时，可以进一步打开十年统一到期的“单一时空”限制，有
利于随机概率的进一步降低。具体步骤如下：首先是确定十年到期，其次是打开
前后二年，可以提早二年或延迟二年兑付，最后是发行十年以上，甚至二十年、
三十年期限的中国零息债券。
2)违约率趋同
即使目前的风险利差分为三档增信价格，如果未来十年内的违约数据显示各档
增信价格所代表的发行主体违约率趋同，或者债券重发率趋同，那么，三档增信价
格将被统一风险定价所取代。
3)违约率持续上升或债券重发率趋同
如果未来十年内的违约数据显示，各档增信价格所代表的发行主体违约率上升
或债券重发率上升，按照违约率上升或债券重发率的发行主体提升增信价格，直至
满足增信算法及其风控目标。
4)债务置换率上升
如果未来十年内的违约数据显示，各档增信价格所代表的发行主体债务置换率
上升，意味着相关政策支持不到位。因此，增信价格需要提升，甚至统一风险定价，
直至满足增信算法及其风控目标。
3、补偿机制
1)增信业务增长功能
基于庞大的增信市场需求，增信业务增长对于增信算法非常重要。在类国债巿
场利率与增信资产理财收益不变的条件下，如果没有适当的增信业务增长这个功能，
增信定价会更高，发行人融资成本会更高。
17
2)增信资产理财功能
基于数额巨大的增信资产，需要获得正常安全的投资收益。增信资产理财功能
发挥的好坏，直接关系到增信算法及其风控目标。简单来说，增信资产理财收益率
越高，越能满足增信算法及其风控目标，增信价格越低，发行主体融资成本越低。
3)增信股票融资功能
基于增信SPC是上市公司，可以运用各种权益融资工具，及时解决危及到增信
算法及其风控目标的安全性问题。对于增信价格来说，增信股票融资功能只是补偿
机制之一，当然也是最后运用的危机处置工具，专门用于控制年度破产随机风险与
到期违约风险。
4)计提拨备转化功能
年度风险计提，是为了防范年度破产风险，而非中国零息债券自身违约风险，
因此年度破产风险的随机概率较少，年度风险计提不会超过1%的债券价格，如同商
业银行。
若年度风险计提不足覆盖年度破产风险的损失，降低年度分红比例并予以补充
年度风险计提；若年度风险计提足以覆盖年度破产风险的损失，且有积余时可转化
为风险拔备，或者提高风险拔备率，用于兑付当期的违约风险。一般来说，在拥有
防止破产功能的条件下，这种风险拔备率，足以覆盖兑付当期的违约风险所造成的
损失。
4、反馈机制
1)防止破产功能
尽管10年以上、到期支付本息的中国零息债券破局了年度付息的信用债券所
带来的违约“紧致时空”，违约“延展时空”高达近10倍。但发行主体在发行中
国零息债券的同时，又私下运用年度付息的信用产品进行融资活动。因年度付息违
约可能导致发债主体破产。因此，除催促中国金融监管机构加强禁止性业务的金融
监管工作之外，还需建立灵敏的反馈机制，特别是申请中国零息债券发行报告中的
防止破产承诺，对于发行主体的年度审计报告或财政报告聘请专业机构进行专业解
读等，并创建下述二项防止破产功能。
A、债务置换
债务置换，主要是防范发行主体的年度随机破产风险。如果年度风险计提甚至
风险拔备均无法覆盖年度随机破产风险所带来的损失，应当在严诫发债主体的违规
行为的同时，为发行主体发行新的中国零息债券替代所有年度付息的信用产品，包
括且不限于银行（信用）贷款、信用债券、资管产品及其各种形式的固收产品。
B、债券重发，
18
债券重发，主要是防范发行主体的兑付当期的违约风险。当年度风险计提及其
转化的累积风险拔备、股票增发、年度增信资产、偿债准备金均无法覆盖兑付当期
的大面积违约风险所带来的损失时，应当为一大部分发行主体发行新的中国零息
债券替代旧的中国零息债券。当然，新的中国零息债券发行金额应为扣除偿债准备
金及其理财收益后的余额。
2)谋利调整功能
当中国零息债券市场成熟后，应为发行主体的最大利益考量，基于偿债准备金
理财收益的复合增长率，把十年到期还本付息的约定开一个“窗口”，发行主体可
提前二年或延后二年还本付息，既可降低债券违约概率，亦具谋利调整功能。
A、债券期限缩短
在地方财政收入增长较高，且偿债准备金收益较低的条件下，发行主体可按约
提前一、二年还本付息，可以提前终止中国零息债券的存续期间。
B、债券期限延长
在地方财政收入增长低下，且偿债准备金收益率较高的条件下，发行主体可按
约延迟一、二年还本付息，可以延长中国零息债券的存续期间。
六、基本前提
1、非标资产的超大规模市场需求
1)非标资产
基建（项目）融资假借高信用等级的地方政府名义发行地方债或市政债，因
地方政府数量/数据太少导致违约风险陡升。上世纪七十年代美国50个地方政府发
行地方债或市政债，到九十年代因地方政府破产导致地方债或市政债违约率高达
4%～8%，以至于机构增信“金融担保”不得不被“击鼓传花”的增信产品（CDS）
所取代，风险对冲的增信产品依赖于风险套利的衍生产品存在，意味着增信产品
无法独立存在，有赖于利率市场化。在市场化利率不深的中国资本市场上，增信
产品（CDS/CRMW）将难以生存与发展，除非另有“安排”。
对于尚无信用等级的非标资产来说，从上世纪九十年开始直到现在，国际金
融资本市场上没有任何金融产品支持过作为非标资产的基建融资，在执行“马
歇尔计划”后的欧洲复兴发展银行根本无所事事，尽管全球基建融资巿场需求巨
大。从21世纪开始，中国开始照抄美国做法，基建融资假借高信用等级的地方政
府名义发行地方债，并创造性地设立地方融资平台公司“城投公司”发行城投债。
但是，所谓地方债或城投债，不仅包括信用债券，而是包括信用贷款在内的、一
切年度付息的信用产品。与美国一样，经历了20余年开始出现高达百万亿元中国
地方债问题，仅年度付息就占取地方财政收入的50%，债务违约风险急剧增加。
19
尽管中国地方债在融资发债主体数据上比美国50个州政府多，可能中国地方
债的融资发债主体数据高达万个。因此，在融资发债主体数据比较多，在一定程度
上使随机变量的概率分布更加非均匀化，意味着违约风险下降或延期，再加上中
国大部分城投公司又依托于土地经营，不完全依赖于地方财政收入，以至于在中
国地方债融资规模远大于美国地方债/市政债的条件下，直至目前经济下行时才
显示出了中国地方债已经处于违约边缘了，需要国家出台政策来解决了。尽管在
时间上，中国地方债与美国地方债/市政债从发行期到违约期均在二十年左右。
在百万亿元的地方债和城投债之外，同样也承担着基建（项目）融资任务的基
建央企与地方国资，基建（项目）融资规模应该不低于地方债和城投债。首先，这
些基建央企与地方国资的融资主体可能高达数十万个以上，随机变量的概率分布非
均匀化，意味着违约风险下降。其次，基建央企与地方国资集团自身又是行业龙头
或垄断经营，取得了大部分国家资源与自然资源，因此获得了巨额利润；不仅如此，
大部分基建央企与地方国资集团又是中国金融机构的主要股东，又可获得廉价资金
支持。因此，在目前这些条件下，中国的基建央企与地方国资还能抗衡信用债券的
年度付息压力，不致于出现大面积的违约现象，肯定要比仅有“吃饭财政”的地方
政府日子好过。可以这样讲，中国成为基建大国，又使国际金融资本巿场上不支持
的基建融资在中国得以实现，主要原因之一，就是融资主体数量高达数十万个以上
的基建央企与地方国资，这比地方政府和城投公司在数量上更多，也是美国地方
债与市政债发行主体（50个州政府）所不可比拟的。主要原因之二，基建央企或地
方国资与中国金融机构的紧密关系，这是美国所没有的，并且美国金融机构与基建
（项目）公司也没有任何资本纽带关系。
中国的基建（项目）融资，借假地方政府或城投公司的主体信用，发行年度付
息的信用债券，及其包含信用贷款在内的一切信用产品，一方面，中国基建融资或
地方债没有吸取美国地方债的经验教训，当然控制不住地方政府融资发展经济的
“利益冲动”，甚至“政绩冲动”或“腐败冲动”本身，再加上地方政府人员扩编，
不仅“吃饭财政”更为吃紧，而且地方债规模急剧扩大，地方债问题因此在目前经
济下行时就突发岀来了。另一方面，对基建融资这一非标资产及其交易信用研究不
够，深陷于西方信用理论之中不能自拔，只有信用主体、信用评级、信用等级、信
用利差、信用定价、信用债券及其信用产品等观念。对于负利率时代所引发的货币
与债券的根本性变化，中国乃至全球金融学界与金融业界，也许是因为美国害怕脱
离信用而存在的十年以上、到期还本付息的债券，对于历史上曾经存在过的、区别
于信用债券的折扣债券或复利债券，釆取视而不见或听而不闻的消极态度。
2)国内外的超大规模市场需求。
20
国内解决地方债问题的需求高达百万亿元人民币，基建央企与地方国资集团调
整债务期限结构也存在百万亿元人民币的需求，降国债规模可能存在
百万亿元人民币的需求，未来20年新型基建不低于百万亿元人民币的市场需
求。因此，国内超大规模的市场需求可能远超300万亿元人民币。
未来20年一带一路建设的市场需求应在120万亿元人民币左右。2021年7月伦敦G7
会议决定“B3W”计划，设立了于2035年前筹集40万亿美元基建融资目标，基于2021
年11月格拉斯哥气候大会（COP26）倡议，于2050年前筹集135万亿美元的气候温控
基建融资需求目标。因此，国内超大规模的市场需求可能在200万亿美元左右。
除了上述基建融资存在巨大巿场需求外，基于个人贷款资产管理所形成的个贷
SPC，零息债券或中国零息债券的未来市场需求也是非常巨大，预计国内未来市场
肯定在五十万亿元人民币以上，预计国外巿场国际未来市场至少在百万亿美元以上。
3)破产主体不适用
作为非标资产，无论融资者/发行人，包括且不限于地方政府、基建央企、城
投公司、地方国资集团、基建(项目)企业及其各种非标SPC(基建SPC/个贷SPC)，
还是基于基建融资形成的基建资产，抑或基于个人融资形成的个贷资产。
在理论上讲，上述非标资产绝大部分均应属于非破产主体，无论地方政府，
还是国资企业（基建央企、城投公司、地方国资集团）；只有少数给予基建（项
目）企业提供现金流支持的公司（类同香港地铁公司）存在破产可能性，却因基建
项目的社会公益性只会破产重组而不会破产倒闭；当个人融资由“条件违约”替
代“逾期违约”时，个人也属非破产主体；个贷SPC及其它非标SPC，更应属于非
破产主体。
综上所述，利差增信的中国零息债券，实际违约的可能性非常之小，关于利差
增信机构所拥有的增信算法，及其风险定价，在未来实践中可以不断优化，降低
融资成本与融资风险，但增信算法必须足以覆盖兑付当期的100%违约风险或抗衡年
度随机破产风险。
2、超大规模的资金市场支持
1）国内市场资金
A、商业银行因退出长期基建贷款市场而创造出数百万亿元人民币规模，可
用于支持中国零息债券的规模化巿场。商业银行退出长期基建贷款市场，转而投
资中国零息债券及其利差增信产品，不仅提高了资产质量，实现了金融去杠杆，
而且也抑制了人民币超发（M2）规模。
B、现有的财政部60万亿元国债规模，至少有50万亿元国债规模可以中国零息
债券及其利差增信产品进行置换，那么，国债巿场及其期货市场、利率市场上远超
21
百万亿元资金规模即可用于投资中国零息债券及其利差增信产品。
C、抑制了人民币超发（M2）规模，央行可创立购债基金替代人民币发行，未
来五年购债基金即可拥有百万亿元规模。
2）国际市场资金
A、欧洲老钱，最多时持有近30万亿欧元的负利率债券，目前仍有近18万万亿
欧元的低利率债券。因为利差增信的中国零息债券或类国债可为其提供无风险利差，
并在必要时增加租借收益，足以抗衡加息美元。因此，吸引这个市场上30%左右的
资金，用于投资类国债也是正常的。
B、日元定价的、高达10万亿美元的债券市场，因为类国债可为其提供无风险
利差，并在必要时增加租借收益，足以抗衡加息美元。因此，吸引这个市场上30%
左右的资金，用于投资类国债也是正常的。
3、制度优势及其政策支持
1）进入国债巿场交易
首先，类国债在政策支持下进入国债巿场交易，其次，在国债巿场规模被类国
债替换的条件下，再创建独立类国债交易市场，甚至可以直接创设一个完整的利差
资管市场/体系，交易平台/市场包括且不限于中国零息债券交易市场、利差增信
产品交易巿场、类国债交易巿场、类国债租借巿场、多层次利差资管产品交易巿场、
非标资产交易巿场、SPC股份交易巿场等。
2）建立现代银行制度
商业银行的任何期限存款利率均应不得以任何名义，诸如结构化存款、养老存
款、大额存单名义突破同期国债利率。特别是一年期存款利率，央行指导利率应在
%左右浮动。
A、专注于向各类生产企业提供年度流动资金贷款，为外贸企业提供年度外
汇信用证短期抵押贷款，为投资并购业务提供年度过桥贷款，体现中国特色金融
直接服务于实体经济。
B、以“长短利差”等市场化利率在（类）国债市场及其利率市场、期货市
场上经营类国债、国债等无风险利率产品，包括类国债租借业务，体现中国特色
金融间接支持实体经济。
C、除有价证券制度化杠杆产品外，超过一年期的中长期基建贷款、个人贷
款（含个人担保的中小微企业融资），均应出售给非标SPC，不再发行融资型或
交易型证券化产品，防范美元加息。
3）无风险利率产品投资制度
商业银行仅以存款，各种非银机构、投资银行、投资基金与保险机构可以各种
22
资管产品、信托产品与理财产品，投资中国零息债券及其利差增信产品或开展类国
债、国债等无风险利率产品的投资经营业务，据此形成“长短有序”的市场化利率。
除证券投资、抵押融资及其各种基于交易信用所形成的金融产品之外，商业银行或
非银机构所发行的各种资管产品、信托产品与理财产品，只能投资无风险利率产品，
不得发行、经营具有信用风险的融资型资管产品、信托产品与证券化产品，除商业
银行或非银机构拥有的自有资金、股本金及其它指定资金之外。在彻底解决融资难
融资贵问题的同时，实现金融机构与实体经济“双向去杠杆”的监管目标。
4）建立央行购债基金制度
为提高人民币发行效率，新时代中国央行应创设购债基金。对于提高人民币发
行效率来说，收放自如的央行购债基金，与难以收发自如、且难以抑制人民币超发
规模的银行存贷（M2）存在着根本区别。除特别国债外，类国债应逐渐取代运用于
基建融资的国债，在提高人民币发行效率的同时，尽量远离国家信用，由此提高在
中国境外的国家信用，且降低国际融资成本。
5）偿债准备金制度
对于地方政府、基建央企、城投公司、地方国资集团及其未来独立的基建(项
目)企业，均应强制建立偿债准备金制度。对于非标SPC，无论个贷SPC，还是基建
SPC，也应强制建立偿债准备金制度。
2024/03/18
