China’s Inclusion in the GBI-EMGD Benchmark: Beta and Alpha Implications

主题与背景

本章讨论 J.P. Morgan 将中国地方政府债券纳入 GBI-EMGD 基准对新兴市场本地债务投资的影响。GMO 认为，这一纳入将显著改变资产类的估值和 alpha 前景，尤其是中国利率的久期配置成为最大挑战。

核心观点

• 中国纳入 GBI-EMGD 使资产类整体估值吸引力下降：模型显示人民币被高估，加权预期回报从“具吸引力”区间移至“中性”顶部。
• 在 alpha 前景方面，中国利率的久期配置是最大挑战，而外汇及主权/准主权信用领域因已纳入中国，影响有限。
• GMO 仍相信其差异化流程能持续产生超越新基准的可持续回报。

关键论据与数据

• 基准变化：至 2020 年 11 月 30 日，中国子指数权重将达 10% 上限，仅 9 只中国债券纳入（平均收益率 2.9%，久期 5.6）。
• 整体影响：前瞻收益率下降 26 个基点至 4.7%，久期基本维持 5.5，信用评级保持 BBB/BBB/BBB。
• 区域权重变化：亚洲权重从 26.0% 升至 34.2%（+8.2%），欧洲从 32.1% 降至 27.6%（-4.5%），拉美从 32.8% 降至 30.9%（-1.9%），中东/非洲从 9.1% 降至 7.4%（-1.8%）。
• 估值指标：包含中国后，GBI-EMGD 加权实际利率差从 1.7% 降至 1.57%；加权预期 FX 即期回报从接近“具吸引力”阈值移至中性区间顶部。
• 交易成本：中国在岸债券交易涉及多项费用（如 CFETS 交易费 0.025 个基点、Bond Connect 服务费 0.25-0.60 个基点、Tradeweb 执行费 0.25-0.50 个基点等），使实现基准回报极具挑战。

中国纳入后亚洲权重从26.0%升至34.2%，指数整体收益率从5.0%降至4.7%（降26个基点），久期维持5.5不变

表：GBI-EMGD 基准特征变化（2020 年 1 月 31 日 vs 2020 年 11 月 30 日）

指标	1 月 31 日	11 月 30 日（预估）	变化
权重	100.0%	100.0%	-
久期	5.4	5.5	0.0
收益率	5.0%	4.7%	-0.3%
信用评级	BBB/BBB/BBB	BBB/BBB/BBB	不变

涉及的公司/资产

2001-2020年GBI-EMGD加权预期外汇现货回报率走势，纳入中国后2020年11月30日数据点为-0.6%

• 中国主权债券（CGBs）：纳入基准的 9 只债券，平均收益率 2.9%，久期 5.6。GMO 认为人民币被高估，但长期持有 USDCNY 多头作为防御性头寸。
• 中国准主权债券（SOEs）：约 25 家中央政府发行人在 EMBIG 基准中，部分（主要是银行）也在岸/离岸发行 CNY/CNH 债券。GMO 对离岸债券的结构性次级风险及在岸债券的披露和法律管辖区不成熟表示担忧。
• 其他被挤压的发行国：南非、俄罗斯、土耳其（高收益）及捷克、波兰、匈牙利、泰国（低收益）等权重下降。

投资启示

• 久期配置是核心挑战：中国利率的久期配置难度最大，GMO 将利用离岸非交割利率互换市场（期限至 5 年）来恢复基准久期。
• 外汇策略维持防御：在 USDCNY 接近 7 的水平时，继续持有 USDCNY 多头，因病毒导致的降息降低了负利差成本。
• 信用选择需谨慎：对中国主权信用评估需额外谨慎（透明度低、披露不足），对 SOE 债券需警惕改革带来的未知违约风险。
• 工具选择是关键：由于在岸债券交易成本高，GMO 将重点使用离岸中国主权/准主权债券（任何货币，包括 CNH/CNY）及利率互换来跟踪基准并创造 alpha。

新增分析：中国利率市场的PCA结果与投资策略挑战

1997-2019年GBI-EMGD加权实际收益率走势，纳入中国后实际利率差从1.7%降至1.57%

1. PCA分析揭示的中国利率市场独特性

主成分分析（PCA）结果进一步量化了中国利率市场与全球市场的脱节程度。表3数据显示，中国在岸5年期利率对第一主成分（美/欧利率变化，解释约32%的EM利率波动）的载荷仅为0.1，远低于巴西（0.2）、墨西哥（0.3）等典型EM市场。更关键的是，中国对第二主成分（全球风险情绪，解释约9%的波动）的载荷为-0.3，与大多数GBI-EMGD市场（如南非0.2、印尼0.1）的正向相关性形成鲜明对比。这种负相关意味着中国利率在风险偏好上升时反而可能下行，与传统EM市场“风险偏好上升→利率上行”的规律背道而驰。

市场	Comp 1: U.S./E.U. Rates	Comp 2: Risk	Comp 3: E.U. vs Asia/Latam	Unexplained
中国	0.1	-0.3	0.2	0.7
巴西	0.2	0.2	0.3	0.4
南非	0.3	0.2	0.0	0.5
泰国	0.2	-0.5	0.2	0.3

2. 中国利率市场的“孤岛效应”与量化挑战

中国债券市场交易费用结构，CFETS交易费0.025个基点，债券通服务费0.25-0.60个基点，Tradeweb执行费0.25-0.5个基点

中国利率市场的高“未解释方差”（0.7）表明，其波动中70%无法被全球因子（美/欧利率、风险情绪、区域分化）解释，远高于巴西（0.4）、南非（0.5）等市场。这强化了前文“中国本地债券不与其他市场同步”的论断。作者明确指出，将中国利率视为独立市场并寻找其绝对方向驱动因素，难度甚至超过预测美元利率。这一判断基于两点：

• 政策主导性：中国利率受央行货币政策、信贷管控、财政刺激等国内因素主导，与全球流动性周期关联弱。
• 市场深度不足：尽管中国债市规模全球第二，但外资持有比例仅约3%（截至2020年初），交易行为仍以国内机构为主，导致价格发现机制与EM市场脱节。

3. 投资策略调整：从“相对价值”到“过程重构”

面对中国利率的独特性，GMO的策略并非简单增加敞口，而是将“本地利率过程演进”列为2020年量化研究首要任务。这一决策基于过去两年的基础工作，旨在开发能捕捉中国利率独立驱动因子的模型。具体方向可能包括：

• 因子分解：从国内经济数据（如PMI、信贷脉冲）、政策信号（如MLF利率、存款准备金率）中提取中国特有的利率驱动因子。
• 风险预算再平衡：当前利率活动在整体alpha预期中权重已最低，但PCA结果进一步证明，即使增加权重，传统跨市场相对价值策略也难以奏效。因此，研究重点可能转向“非对称风险对冲”或“事件驱动型交易”。

4. 对比数据：中国与典型EM市场的PCA载荷差异

2011-2020年利率变化主成分分析，中国利率与U.S./E.U.利率因子相关性为0.1，与风险因子呈-0.3负相关

因子	中国	巴西	南非	泰国
Comp 1 (美/欧利率)	0.1	0.2	0.3	0.2
Comp 2 (风险情绪)	-0.3	0.2	0.2	-0.5
未解释方差	0.7	0.4	0.5	0.3

• 中国 vs 泰国：两者对风险情绪均呈负相关（-0.3 vs -0.5），但泰国的未解释方差（0.3）远低于中国（0.7），说明泰国利率更易被区域因子（Comp 3: E.U. vs Asia/Latam）解释。
• 中国 vs 俄罗斯：俄罗斯对Comp 1载荷仅0.1（与中国相同），但对风险情绪载荷0.4（正向），且未解释方差0.6，表明其受地缘政治等独特因子影响。

5. 结论与展望

GMO的结论强调，尽管中国纳入GBI-EMGD带来挑战，但现有投资流程（证券选择+货币选择，合计90%风险预算）已能充分捕捉中国机会。利率过程研究将作为补充，而非核心策略调整。这一立场暗示：

• 短期：中国利率敞口可能维持低权重，避免因模型失效导致回撤。
• 长期：若2020年研究成功，中国利率可能成为独立alpha来源，但需验证其与全球因子的动态关系是否随外资流入而改变。

作者团队（Victoria Courmes与Tina Vandersteel）的背景（量化策略、新兴市场经验）进一步佐证了GMO在复杂市场中的技术导向。免责声明强调观点截至2020年3月，需注意后续市场变化（如疫情后中国利率与全球联动性增强）可能修正上述结论。