Table_Title 城投并非“一省一价”，区域利差呈三梯队分布 城投债区域利差研究系列之一 Table_Summary 报告摘要 以省级企业为城投区域利差对比的代表样本 。 从样本选择上，省级城投企业比较的有效性要高于全区域各个行政级别企业的加总。一方面经营业务更高程度的重叠提高了省级企业的可比性，另一方面省级企业在债务历史、投资模式等方面对当地更低级别城投企 业具有 突出的代表性。 当前的债券市场中，涉及存量债券的省级城投企业共有 149家，主要来自 25 个省及自治区，辽宁省和西藏自治区并无省级城投企业存量可交易债券。 主体 主要集中于中高评级， AAA 评级、 AA+评级的企业分别有 56 家和 55 家。 区域利差分化并不明显，可划分单个梯队： 以当前 省级投资主体 市场估值为观察指标 ，区域利差虽然存在，但并非“一省一价 ”，多数省份存在利差区间的重叠 ，可分为三个梯队观察： 第一梯队地区包括 江苏、浙江、福建、广东、山东以及宁夏回族自治区； 第二梯队 涉及安徽、河北、四川、江西、湖北、广西、河南 、 黑龙江、海南省、新疆维吾尔族自治区 等；第三梯队 包括云南、青 海、湖南、贵州、甘肃、陕西、内蒙古、山西省、吉林省。 提取区域利差分化的影响因子，总量数据影响权重偏高，清晰划分区域利差的梯队分布。 总量数据如名义 GDP 规模、“公共财政收入 +政府性基金收入”（地方总财力的主要构成）两个总量数据能够较为明显区分出第一梯队与第三梯队 。 除此之外，地方政府负债率亦对区域利差产生影响。 地方政府负债率明显区分开第一梯队与第二梯队的界限，这一指标在梯队 一 的 5个省份中 均 不超过 15%，而二、三梯队中，地区的平均负债率分别达到了 28.6%、 41.5%。 风险提示 融资环境持续收紧，发债主体筹资现金流波动较大。 Table_ReportInfo Table_Author Table_Message 2018-05-29 固定收益专题 固定收益专题研究 太平洋证券股份有限公司证券研究报告 固定收益专题 P2 城投并非“一省一价”，区域利差呈三梯队分布 目录 一、以省级企业为城投区域利差对比的代表样 本 . 4 1、省级城投的区域可比性 . 4 2、省级企业对于区域城投的代表性 . 5 3、债券市场中省级城投企业概览 . 5 二、 省级城投估值的区域对比和梯队划分 . 6 1、 AAA 省级城投主体的定价差异 . 6 2、 AA+主体信用利差的对比排序 . 7 3、评级利差的地区差异 . 8 三、总量数据与债务率对区域利差排序的影响 . 8 固定收益专题 P3 城投并非“一省一价”，区域利差呈三梯队分布 图表目录 图 1：省级城投的职能设定分布 . 4 图 2：部分地区多家省级投资平台分布下的职能分配 . 4 图 3：各地区发债省级平台家数概览 . 5 图 4：各地区发债省级平台家数概览 . 6 图 5： AAA 评级主体信用利差的梯队序列（利差的算数平均） . 7 图 6： AAA 评级主体信用利差的梯队序列（利差中位数） . 7 图 7： AA+主体评级利差的梯队分布 . 7 表格 目录 表 1： 地方政府经济数据序列与区域利差的梯队分 布 . 10固定收益专题 P4 城投并非“一省一价”，区域利差呈三梯队分布 不同于一般产业债的全行业对比，城投企业由于项目区域限制、地方投资模式差异以及不同地区企业风险定价中非市场化因素的影响权重分化，全市场范围的债券风险收益可比性明显偏低，不同地区的主体即使评级相同、行政级别相同或者经营业务相似，也存在一定的区域定价导致的估值分化。如何观察区域利差的的关系 ，这是本篇报告需要解决的问题。 一、 以省级企业为城投区域利差对比的代表样本 从样本选择上，省级城投企业 对比 的有效性要高于全区域各个行政级别企业的加总。一方面 省级企业 经营业务更高程度的重叠提高了省级企业的可比性，另一方面省级企业在债务 历史、投资模式等方面对当地更低级别城投 企业亦 存在突出的代表性。 1、省级城投的区域可比性 首先，不同于市级城投因地制宜、差异明显的职能设置，省级投资企业的业务分配呈现明显的重合，很大程度上提高了这一级别企业的区域对比 有效性 。目前省级城投的业务范围突出体现在区域性基础建设及其相关领域，包括高速公路、铁路、能源、工程施工等，另有以国有资产整合、地区性重点产业投资为主要职能的省级平台，体现了省级政府为保障当期经济发展承担的提供基础设施和 支持 重点产业发展的 职能 。 图 1：省级 城投的职能设定分布 图 2： 部分地区多家省级投资平台 分布下 的职能分配 其次，上述省域性基础设施项目固有的投资规模大、回收周期长，历来需要各地地方政府通过 较 一般企业更高程度的资金或者政策支持以推进投资， 而 交通、能源、工程建设等领域投资对经济发展的重要性 在各地区是一致的， 省级投资企业在政策支持力度方面并不存在明显的地域差异 。 而市、县、区一级的城投企业， 当前 职能定位的极大差异加上地方政府资本性支出重点的变化， 经营以外的非市场化因素也会导致企业估值对比的误差较大 。 固定收益专题 P5 城投并非“一省一价”，区域利差呈三梯队分布 2、 省级企业对于区域城投的代表性 省级投资平台既可以成为区域城投企业估值差异的代表，也能作为区域内部同类企业定价的一个重要的基准。 从历史角度看，企业经营领域具备典型的服务经济的基础性和民生性，投资主体的盈利性不可避免 的 让步于社会福利，历史遗留的负债率居高不下和债务内部化艰难的经营难题，在省级城投身上有突出的体现和代表性； 从发展角度看，交通、能源等行业投资主体依靠项目现金流，在新预算法的约束下更容易获得政企分离、市场化经营的先发优势，其中既包括短期内企业债务与政府债务在资产定性基础上的尽快分离（高速公路领域已经有所体现），也有长期国有企业继续参与基建投资 建立与 政府资金关系的规范建设 ， 这也是规范趋势下各种类型或者规模级别城投企业的发展方向 。 3、债券市场中省级城投企业概览 当前的债券市场中，涉及存量债券交易的省级城投企 业 （报告数据剔除直辖市，下同） 共有 149 家，主要来自 25 个省及自治区，辽宁省和西藏自治区并无省级城投企业存量可交易债券。从数量上看，省级城投的数量并不与地区经济发展程度呈现绝对的相关性，华南的广东省以及西南地区的云南、四川、广西壮族自治区等四个省级行政区均有超过 10 家省级城投发行债券，而东北的黑龙江、吉林以及西北的多数省、自治区发债的省级城投不超过 3 家。 图 3：各地区发债省级平台家数概览 从主体评级获取上看，省级城投主要集中于中高评级， 149 家样本企业中 AAA固定收益专题 P6 城投并非“一省一价”，区域利差呈三梯队分布 评级、 AA+评级的企业分别有 56 家和 55 家。拆分各个地区省级城投的评级分布，经济实力偏弱地区的企业平均主体评级也是偏低的，如云南省、广西壮族自治区两地AA 及以下评级的省级城投明显多于广东、四川等地。 虽同为省级国企， AA 主体评级主要授予更大型省级国企的子公司或者省人民政府直接控制的国有资产管理平台，前者受限于资产规模、投资领域的偏小，后者则 有业务多元、经营效率存疑的问题。 图 4：各地区发债省级平台家数概览 二、 省级 城投 估值的区域对比和梯队划分 基于省级城投存量的公开债券，我们讨论地区之间的城投利差是否明显存在。 报告选取 3 月份以来样本债券的中债估值数据。 1、 AAA 省级 城投 主体的定价差异 为剔除担保导致的计算误差，我们首先以 AAA 评级主体的存量公开债券为估值分析样本。如果从省级投资主体的平均利差看，区域利差虽然存在，但并非“一省一价”，多数省份存在利差区间的重叠，整体可以按照三个阶梯划分： 第一梯队：风险定价相对偏低，包括江苏、浙江、福建、广东、山东等经济实力领先地区，省级平台的利差波动区间均低于 100BP。江苏、浙江两省样本企业的估值中枢属最低的，最近 2 个 多 月的市场波动中，两地利差波动区间在 40-70BP 之间，福建略高出江浙不足 20BP，广东和山东两地利差区间重合度较高，利差上限较福建省略高出 10BP 左右。 固定收益专题 P7 城投并非“一省一价”，区域利差呈三梯队分布 第二梯队：各地 估值利 差的区间上限 位于 100-120BP。地区集中在安徽、河北、四川、江西、湖北、广西、河南等地区。上述地区的估值利差下限在 70-90BP 的窄区间波动，但多家企业同时发债的情况下，经济实力偏弱的省份如江西、四川、湖北省等地区，内部主体之间的利差分化可达到 30-60BP 不等。以内部利差分化最为明显的四川省为例，较高的风险 利差 主要来自 四川省铁路产业投资集团有限责任公司 ，而经营性高速公路与政府收费公路分开规范管理模式下，负责本地道路投资、运营的川交投、川高速两家企业信用利差明显低于川铁投。 第三梯队中呈现出较为明显的差 异，云南省当前划入省级城投范围的企业已经形成相当比重的自主经营业务，总需求偏弱的背景下，市场化业务经营风险的增加与较低程度的政府支持力度，构成了企业信用利差上升的双重压力，云南省 5 家 AAA评级国企的信用利差最高超过 200BP，最低也在 100BP 以上；另外利差偏高的地区为青海、湖南、贵州、甘肃以及陕西等地， 3 月份以来其 利差下限平均在 90BP 以上，波动区间略高于第二梯队的省份。 图 5： AAA 评级主体信用利差的梯队序列 （利差的算数平均） 图 6： AAA 评级主体信用利差的梯队序列（利差中位数） 2、 AA+主体信用利差的对比排序 以 AA+评级省级主体信息将区域利差的省级排序补充完整。宁夏回族自治区仅有一家省级投资平台，两者信用利差甚至低于广东省企业利差下限，可被归为第一梯队的范围；黑龙江、海南省、新疆维吾尔族自治区两个地区可归为第二梯队；最后内蒙古地区企业利差与云南省、陕西省省级企业持平，山西省、吉林省 AA+企业利差甚至高于陕西与内蒙古，同样归为 第三梯队。 图 7： AA+主体评级利差的梯队分布 固定收益专题 P8 城投并非“一省一价”，区域利差呈三梯队分布 3、 评级利差的地区差异 对同评级省级发行主体进行梳理的过程中，我们也发现不同地区的省级投资主体呈现较为明显的评级利差 倒挂，涉及 广东、河南、广西、陕西等 多个省份。 具体看， 样本中 信用利差 甚至低于 AAA 评级城投 的 AA+发行人，突出了其投资领域的可经营性以及已经成熟的经营模式带来的稳定现金流和盈利能力，如广西省的新发展交通集团、陕西省燃气集团有限公司、河南省的中原高速、 广东广珠城际轨道交通有限责任公司 等企业，这 也反映了 城投 企业 在形成稳定的经营能力之际， 市场化分析因素 可能突破传统的政府因素主导企业的风险定价 ，这与上文 AAA 评级主体呈现的利差分化 存在相同的定价逻辑 。 三、总量数据与债务率对区域利差排序的影响 对于城投债区域利差的对比，在企业投资 整体 定位于政府公益性及准公益性项目范围的背景下，依然可借鉴于地方政府财力数据的对比，这一点从省级投资主体身上更容易体现 规范的政府、企业合作模式下，公益性项目投资的管理费收入或者准公益性资产经营的经营收入，要么来自于地方政府的资金投入，要么对应地方政府的专项收入，由此产生企业偿债资金来源与地方政府广义财政收入的相关性。因此，判断城 投区域利差分化的影响因素，地方政府的相关数据分析依然避免不开。 总量数据影响权重偏高，清晰划分区域利差的梯队分布。 总量数据如名义 GDP规模、“公共财政收入 +政府性基金收入”（地方总财力的主要构成）两个总量数据能够较为明显区分出第一梯队与第三梯队，第一梯队的诸多省份两个总量指标均在全国排名前 10 以内，而第三梯队多数地区的内生产总值、财政收入在全国排名落于后固定收益专题 P9 城投并非“一省一价”，区域利差呈三梯队分布 十名开外； 财力总量数据之外，地方政府负债率亦对区域利差产生影响。 观察第二梯队同样具备财力优势地区的省份，以我们计算的两个债务指标 地方政府负债率和隐性债务率（地区城投企业的债务余额 /名义 GDP），前者明显区分开第一梯队与第二梯队的界限，这一指标在梯队 一 的 5 个省份中 2017 年的地方政府负债率均不超过 15%，而二、三梯队中，地区的平均负债率分别达到了 28.6%、 41.5%，中位数则分别 25.2%、30.8%。 相比之下，市场一直关注、也是当前政策集中整理的隐性债务规模，根据我们计算的数据，可以看到在前面总量经济数据和负债率的基础上，隐性债务当对于排序的影响权重偏弱，第一梯队的多数省份中同样存在高隐性债务水平的省份。考虑到隐性债务问题更多集中于基层城投企业身上， 我们将通过系列研究探讨这一指标对于市级城投与省级城投利差分化程度的区域差异。 表 1:地方政府经济数据序列与区域利差的梯队分布 名义 GDP 排名 公共财政收入：排名 公共财政收入+政府性基金收入：排名 2017 年底债务余额排名 2017 年负债率 隐性负债 云南省 20 20 20 8 50.1% 63.5% 吉林省 23 27 26 22 27.2% 19.1% 内蒙古自治区 22 22 24 12 43.4% 13.7% 青海省 30 30 30 29 68.2% 79.1% 湖南省 9 8 10 6 25.4% 33.5% 贵州省 25 24 22 2 79.8% 65.3% 山西省 24 21 19 26 20.5% 14.4% 甘肃省 27 28 28 27 30.8% 60.8% 陕西省 15 18 17 16 27.9% 36.6% 广西壮族自治区 17 23 21 15 30.8% 38.8% 新疆维吾尔自治区 26 25 25 24 35.9% 35.0% 海南省 28 19 23 28 47.0% 4.8% 湖北省 7 11 13 14 17.3% 32.8% 河南省 5 10 9 10 16.7% 15.3% 江西省 16 17 14 19 24.8% 32.0% 四川省 6 9 8 4 28.7% 49.6% 河北省 8 12 11 11 20.1% 13.1% 黑龙江省 21 26 27 23 25.2% 12.3% 安徽省 13 13 18 13 24.6% 34.9% 固定收益专题 P10 城投并非“一省一价”，区域利差呈三梯队分布 宁夏回族自治区 29 29 29 30 43.1% 11.7%山东省 3 4 4 3 14.8% 11.2%广东省 1 1 1 5 11.4% 15.8%福建省 10 7 7 17 18.4% 27.3%浙江省 4 5 3 7 16.5% 33.6%江苏省 2 2 2 1 16.1% 47.6%