260份终止评级之后，城投债该怎么选？

在城投债市场中，信用评级是重要的信用分层工具。然而评级与市场定价之间并不总是呈现简单的线性关系。

（数据来源：Wind｜基于2025年末全市场城投主体评级与利差分析）

对2025年末全市场城投主体样本的分析显示，AAA、AA+和AA主体的利差中枢随着评级下沉而相应抬升，说明信用评级仍然具备基础的信用区分作用。但进入AA以下区间后，这一梯度关系开始弱化，部分区间甚至出现倒挂。

此外，不同评级的利差分布存在明显交叉，反映出市场仍会在评级基础上结合其他因素做进一步定价。

即使在AAA内部，中间80%主体的利差分布已分散在20.2-50.6BP之间，说明同一评级内部也存在定价分化，不能简单视为同质化资产。

与此同时，监管持续推动提升信用评级质量、整治评级虚高，评级机构和发行人也在相应调整评级安排。短短半年，信用债市场已发布近260份终止评级公告，其中超过六成来自城投平台。

评级内部定价分化与监管趋严的背景下，市场对能够进一步刻画主体信用差异的评价工具提出了更高要求。

正是在这样的背景下，Wind构建了城投评分模型。它综合区域经济财政、主体基本面、市场风险与流动性、信用事件及舆情等多维信息，通过量化模型动态评估全市场城投主体，识别评级内部的信用差异及潜在风险。

Wind城投评分模型

Wind金融终端，输入命令RISK

搜索城投企业后进入“城投分析-城投评分”

债券F9页面点击“发行人速览-城投评价标签”

//市场是验证的最好标准//

评估维度丰富 ，并不天然意味着评价结果有效 。城投评分模型所刻画出的信用差异，需要通过市场来验证。为此，我们对全市场3000余家城投主体开展了历史回测，重点观察模型识别出的相对价值信号，能否在后续市场表现中得到印证。

回测结果显示，在一年回测窗口内，被模型识别为低估程度较高的一组，平均信用利差收窄22.9BP，较全市场平均水平多收窄约10BP，超过72%的主体最终跑赢市场。而对于市场定价偏贵的主体，模型的整体方向判断胜率约为70%。

（Wind城投评分模型捕捉市场定价偏离，展现较强方向判断能力和相对价值机会识别能力）

这说明城投评分模型所识别的信用差异，有助于投资者进一步判断市场定价偏离以及潜在机会。

//AAA评级背后的信用资质变化//

城投评分模型所识别的信用差异，首先体现在AAA评级内部。

以某珠海市属城投主体为例，观察期内其主体评级始终维持AAA。而根据城投评分模型计算，该主体信用资质近一年多以来已逐渐呈现弱化趋势，其中在25年4月底年报数据更新后评分有明显下调，此后维持下行趋势，区间内从80分左右水平直降至72分。

（Wind城投评分模型持续跟踪主体信用变化，及时呈现信用资质弱化趋势）

而在模型评分完成下调半年后，该主体信用利差从20BP左右的低利差水平显著走阔至60BP左右。这说明在外部评级未作任何调整、市场尚未充分重定价之前，城投评分模型已经从基本面和各类风险信号中提前识别出主体信用资质的边际变化，从而为后续风险跟踪提供了重要参考。

（ Wind终端 债券F9-定价分析-利差分析｜ 主体利差随后走阔，与城投评分模型此前识别的弱化方向一致）

从评分归因来看，该主体评分下调是由多类因子共同作用的结果，整体符合城投风险“区域→主体→市场”自上而下传导的一般市场认知。城投评分模型将这一传导链条中的不同风险信号纳入统一评价，并通过评分变化和归因明细呈现。

（Wind城投评分模型拆解多维风险信号，呈现评分归因明细，为业务判断提供参考依据）

归因明细为投资者后续分析提供了更明确的方向。例如债务结构和受限资金变化可用于观察现金流压力，担保及授信使用情况有助于关注代偿压力和融资空间，成交活跃度及标准券折算率变化可为持仓流动性和质押融资分析提供参考。

1、区域环境归因：

负债率、国资偿债覆盖率、公共预算收入、产业景气度等

2、主体财务归因：

净资产收益率、速动比率、债务结构、受限资金占比等

3、主体信用归因：

对外担保压力、银行授信使用率等

4、市场表现归因：

债券交易活跃度、标准券折算率等

城投评分模型对主体信用资质的有效识别并非个例。在上线前的模型验证工作中，我们基于2025年末AAA城投主体全量样本绘制出城投评分与主体利差的散点图，从中可以看到二者呈现较为清晰的负相关关系。说明即使外部评级相同，模型也能够进一步刻画内部信用分层和定价差异。

（Wind城投评分模型深度分析并揭示AAA主体内部定价分化）

//从信用评级到动态量化评估//

260份终止评级之后，市场需要重新认识信用评级背后的信用差异。从评级与利差分布、到评分变化趋势、再到归因拆解，可以看到城投信用分析正在由单一评级分层，逐步转向更加连续动态和精细化的评价方式。

Wind城投评分融合区域经济财政、主体基本面、市场风险和流动性、信用事件及舆情等多维信息，运用机器学习算法对全市场城投主体动态量化评估，形成支持信用分层、风险归因与同级比较的综合评价体系，辅助识别信用边际变化与市场定价偏离。

•多维评估：综合区域环境、主体基本面、市场表现及风险信号，刻画信用资质；

•动态跟踪：持续监测评分变化，识别信用边际改善与弱化趋势；

•评分归因：拆解各维度表现，直观呈现主体信用特征及风险特征；

•同级比较：提供同层级主体排名，快速定位平台相对信用位置；

•定价识别：结合市场利差与模型算法，识别潜在市场定价偏离。

Wind终端输入RISK，搜索城投企业名称，进入“城投分析-城投评分”，或通过债券F9页面点击“发行人速览-城投评价标签”进入详情页，即可查看主体评分及相关分析结果。

Wind金融终端输入“RISK”

实时监控全网信息，及时预警风险动态

精淮识别风险主体，快速触达风险来源

智能串联关联风险，深度剖析风险链路

集尽职调查与风险监控于一体的智能风控平台

风险维度全覆盖

7×24小时全天候监控，與情/事件各维度风险信息无死角。

AI智能研判风险

风险垂直领域多功能AI智能体，一个问句实时诊断风险。

定制化风险推送

组合内容方案定制化配置，日频周频月频推送随心所欲。

一站式专家服务

企业尽调+组合监控一站式服务，专业度媲美资深专家。