1、预计4 月贷款较去年同期多增

(资料图片仅供参考)

债券市场投资者每月都会关注4 件大事：月初的金融数据、月中的MLF 操作、20 日的LPR、月底的资金利率。4 月份的金融数据即将发布，投资者对本次数据的讨论亦日渐升温。部分投资者预测今年4 月的信贷会较去年同期少增，但我们并不这样认为。

在《预计3 月新增贷款在4 万亿元左右——2023 年4 月5 日利率债观察》中我们曾推出了一个预测信贷增量的模型，该模型使用票据市场利率和PMI 数据做输入变量，可以对上一个月的信贷数据进行预测。票据市场利率数据可实时获得，PMI 数据在月末公布，因此我们在月底便可以获得该月信贷增量的预测值，较信贷公布的时点提前了10 日左右。在23 年3 月的数据公布前，我们使用该模型预测出该月信贷增长4 万亿元左右，实际值为3.9 万亿元，误差约为1000 亿元，处于可以接受的水平，但仍有提高的空间。

在本篇报告中我们对上述模型（以下称“旧模型”）进行了改进，引入6M AAA级CD 利率作为输入变量，从而更好地反映出银行自主调控信贷节奏的意愿。与旧模型相同，我们选取每月下旬6M 国股行转贴现利率的均值进行研究。（注：

金融机构对于信贷投放的调节主要体现在下旬，而每月中上旬的票据利率不具有代表性，我们不必过多关注。）

在新模型中，为了控制自变量的个数和防止出现共线性，我们将票据利率和CD利率这两个强相关的变量进行差值处理（即相减）。票据利率代表银行在票据市场运用资金的收益，CD 利率代表银行从金融市场获取资金的边际成本，两者差值在一定程度上可以代表月末时银行在票据市场运用资金的净收益。如果净收益（即票据与CD 的利差）向下偏离均值较多，说明银行的贴现行为可能并非是从经济利益角度考虑的，从而说明该月的信贷情况有可能不及银行的合意水平。

在旧模型中，我们的研究窗口设定在2022 年6 月至2023 年2 月，共计9 个观测值。为了提高模型的稳健性，在新模型中我们将观测值扩充至18 个（即1 年半的时间），相应的研究窗口延长至2021 年10 月至2023 年3 月。我们利用新模型对今年4 月信贷情况进行推测，得到4 月份人民币贷款较去年同期多增1186 亿元，对应于新增贷款在7000-9000 亿元的水平，是较去年同期多增的。

值得一提的是，我们并不建议投资者过度关注单月的信贷数据。历史上看，单月数据经常上上下下，容易扰乱投资者对于信贷整体运行趋势的判断。实体经济对于融资的需求具有一些惯性，不会在短时内反复变化，过于关注单月数据的波动只会给自己徒增困扰。我们建议在对新增贷款进行分析时重点关注“三月同比”

指标，或是综合对比今年与过去两年自年初以来的累计增量。

2、风险提示

不理性的预期引发市场快速波动。