Security Bond Analysis

AI-powered bond analysis for China market including valuation, yield, duration, convexity, credit spread analysis, and bond portfolio management.

lingfeng-19@gechengling

Install

openclaw skills install @gechengling/security-bond-analysis

Bond Analysis Expert / 债券分析专家

English: AI-powered bond analysis expert — covers bond valuation, yield analysis, duration/convexity calculation, credit spread analysis, and bond portfolio management. Built for fixed income professionals.

中文: 债券分析专家——覆盖债券估值、收益率分析、久期/凸性计算、信用利差分析、债券组合管理。适用：固收分析师、债券交易员、组合管理人。

证券监管最新动态 [2026-09-13更新]

动态类型	内容摘要	影响范围	固收侧应对动作	优先级
银行理财	理财"三清"（净值清晰、风险清晰、投向清晰）持续推进	理财资金的债券配置偏好	按期限与评级重估负债稳定性，相应调整组合久期	高
地方债务化解	一揽子化债安排持续落地，城投平台融资与偿债结构变化	城投债定价与估值	按区域财力与债务率分级，区分公开债与非标风险	高
债券市场统一执法	银行间与交易所市场信息披露、违约处置规则趋同	违约回收率与估值口径	建立违约处置流程台账，跟踪回收进度	高
信用风险	信用债内部分化加剧，弱资质主体再融资压力上升	信用利差分层	提高利差分位监控频率，弱资质主体加做压力测算	高
流动性	做市与报价机制完善，部分品种流动性分层明显	交易成本与冲击成本	按流动性分层设定单券持仓上限	中
可转债	可转债条款（修正、赎回、回售）执行与信息披露受关注	转债估值与条款风险	逐券登记条款触发条件，跟踪强赎公告	中

数据截止: 2026-09-13 | 来源：证监会、NFRA、交易商协会、中证协、行业公开信息声明: 以上动态供参考，具体以官方最新发布为准

动态解读示例（两类高频场景）

场景A｜城投估值随政策预期波动：某区域城投债在中性假设下按 AAA 利差定价；化债政策预期升温阶段，同区域利差两个交易日收窄 12bp，随后因财力数据不及预期又走阔 15bp。解读：政策预期驱动的利差波动不等于信用基本面改善，应跟踪区域一般公共预算收入、债务率与再融资滚续能力三项硬指标，而非只跟随消息面。
场景B｜转债强赎条款误判：某转债正股在连续 30 个交易日中已有 15 个交易日收盘价高于转股价 130%，触及强赎条件。若仍按"转债无到期日、可长期持有"的思路配置 → 可能被按面值加当期利息强制赎回。改进动作：对可转债逐券登记条款触发进度，每周复核一次。

Industry Pain Points / 行业痛点

Pain Point / 痛点	Impact / 影响	Solution / 本Skill解决方案	量化基线（示例）
收益率计算复杂	多种收益率指标容易混淆	标准化收益率计算框架	全组合统一 YTM 口径并记录取值日期
信用分析耗时	发行主体众多，分析量大	模板化信用分析框架	主体入池前完成五项区域与财务核验
利率风险难测	久期/凸性概念抽象，估算误差大	可视化风险分析	利率变动 >50bp 必须计入凸性项
城投债信仰	城投刚兑预期与违约现实冲突	区域财政分析模型	按财力与债务率分级，弱区域不超组合 5%
久期管理难	利率变动对组合影响大	久期匹配优化工具	组合久期偏离基准 ≤0.5 年
可转债条款复杂	强赎/修正/回售条款判断易遗漏	逐券条款登记与触发进度表	每周复核一次条款触发进度
估值口径不统一	全价净价、付息频率混用导致结果偏差	统一定价口径并留痕	全组合同一口径 + 记录取值日期

Trigger Keywords / 触发关键词

English Triggers: bond analysis, yield curve, duration, convexity, credit spread, China bonds, fixed income, bond valuation, interest rate risk, credit risk

中文触发词（优先）： 债券分析 / 收益率曲线 / 久期 / 凸性 / 信用利差 / 中国债券 / 固收 / 债券估值 / 利率风险 / 信用风险 / 国债 / 企业债 / 城投债 / 金融债 / 可转债 / 债券回购 / 债券评级 / YTM / 即期收益率 / 到期收益率

Core Capabilities / 核心能力

1. Bond Valuation Engine / 债券估值引擎

python

import numpy as np
import pandas as pd

class BondAnalyzer:
    """债券分析引擎"""
    
    @staticmethod
    def calculate_price(face_value: float, coupon_rate: float, 
                       ytm: float, years: int, 
                       frequency: int = 2) -> float:
        """
        债券定价
        Args:
            face_value: 面值（元）
            coupon_rate: 年票面利率
            ytm: 到期收益率
            years: 剩余期限（年）
            frequency: 付息频率（1=年付，2=半年付）
        """
        n = years * frequency
        r_per_period = ytm / frequency
        c_per_period = (face_value * coupon_rate) / frequency
        
        # 现金流现值
        pv_coupons = sum([c_per_period / (1 + r_per_period) ** t 
                         for t in range(1, n + 1)])
        pv_face = face_value / (1 + r_per_period) ** n
        
        return pv_coupons + pv_face
    
    @staticmethod
    def calculate_ytm(price: float, face_value: float,
                     coupon_rate: float, years: float,
                     frequency: int = 2) -> float:
        """
        计算到期收益率（YTM）- 牛顿迭代法
        """
        n = years * frequency
        c = (face_value * coupon_rate) / frequency
        
        # 初始猜测
        ytm = coupon_rate
        
        for _ in range(100):
            pv = sum([c / (1 + ytm/frequency) ** t 
                     for t in range(1, n + 1)]) + face_value / (1 + ytm/frequency) ** n
            
            diff = price - pv
            
            # 导数（久期近似）
            duration = BondAnalyzer.calculate_duration(
                price, face_value, coupon_rate, ytm, years, frequency
            )
            dv = -duration / (1 + ytm/frequency) * diff
            
            ytm = ytm + diff / dv * 0.5
            
            if abs(diff) < 1e-6:
                break
        
        return ytm
    
    @staticmethod
    def calculate_duration(price: float, face_value: float,
                          coupon_rate: float, ytm: float,
                          years: float, frequency: int = 2) -> float:
        """
        计算久期（Macauley Duration）
        """
        n = int(years * frequency)
        c = (face_value * coupon_rate) / frequency
        r = ytm / frequency
        
        # 加权平均到期时间
        weighted_time = sum([t * c / (1 + r) ** t for t in range(1, n + 1)])
        weighted_time += n * face_value / (1 + r) ** n
        
        return weighted_time / price / frequency  # 转换为年
    
    @staticmethod
    def calculate_convexity(price: float, face_value: float,
                          coupon_rate: float, ytm: float,
                          years: float, frequency: int = 2) -> float:
        """
        计算凸性
        """
        n = int(years * frequency)
        c = (face_value * coupon_rate) / frequency
        r = ytm / frequency
        
        weighted_sq = sum([t * (t + 1) * c / (1 + r) ** (t + 2) 
                          for t in range(1, n + 1)])
        weighted_sq += n * (n + 1) * face_value / (1 + r) ** (n + 2)
        
        return weighted_sq / price / (frequency ** 2)
    
    @staticmethod
    def price_change_estimate(duration: float, convexity: float,
                             rate_change: float) -> dict:
        """
        利率变动对价格的影响估算
        """
        # 久期效应
        duration_effect = -duration * rate_change
        
        # 凸性效应
        convexity_effect = 0.5 * convexity * (rate_change ** 2)
        
        total_effect = duration_effect + convexity_effect
        
        return {
            "duration_effect": round(duration_effect * 100, 4),
            "convexity_effect": round(convexity_effect * 100, 4),
            "total_effect": round(total_effect * 100, 4),
            "approximate_new_price_pct": round((1 + total_effect) * 100, 4)
        }

1.1 Worked Example / 估值结果解读示例

输入：面值 100 元，票面利率 4.00%，YTM 3.50%，剩余 5 年，年付。

指标	示例取值	含义	解读要点
price	102.26 元	现金流现值合计	高于面值，因票息 4% > 市场利率 3.5%
Macaulay duration	4.62 年	加权平均回款时间	票息越高、期限越短，久期越小
Modified duration	4.46	利率每变动 1 个百分点，价格反向变动约 4.46%	风险度量的核心参数
convexity	24.1	久期自身的变动速率	凸性为正，利率大幅波动时对持有人有利
DV01	0.0456 元/百元面值	利率每变动 1bp 的价格变动	组合层面即"每 bp 损益"

久期与凸性组合效应（利率上行/下行对照）

利率变动	久期效应	凸性效应	合计	说明
+100bp	−4.46%	+0.12%	−4.34%	凸性提供正向缓冲
+50bp	−2.23%	+0.03%	−2.20%	小幅变动时凸性影响很小
−50bp	+2.23%	+0.03%	+2.26%	收益率下行时价格涨得更多
−100bp	+4.46%	+0.12%	+4.58%	上涨幅度略大于同幅下跌

提示：利率变动在 ±10bp 以内，仅用久期估算的误差通常在 1bp 价格量级，可以接受；超过 ±50bp 必须加入凸性项，否则会用久期线性外推、系统性夸大上行时的损失。

常见计算错误（供复核）

付息频率与期数不匹配：半年付息债券 5 年应为 10 期、每期折现率取 YTM/2；直接用年付口径会使价格偏差约 0.1 元以上。
全价与净价混淆：交易报价通常为净价，估值需用全价（净价 + 应计利息）；应计利息 = 票面利率 × 已过计息天数 ÷ 当期计息天数。
YTM 反算不收敛：市场价与票面利率偏离过大时初值取值不佳，可先用"票面利率 ± 面值/价格修正项"构造更接近的初值，或改用二分法。

2. Credit Analysis Framework / 信用分析框架

markdown

## 信用债分析模板

### 一、发债主体概况
| 项目 | 内容 |
|-----|------|
| 公司名称 | |
| 实际控制人 | |
| 主体评级 | |
| 行业分类 | |
| 主营业务 | |

### 二、财务分析
```python
CREDIT_ANALYSIS_RATIOS = {
    "盈利能力": {
        "毛利率": ">30%为优质",
        "净利率": ">15%为优质",
        "ROE": ">10%为优质"
    },
    "偿债能力": {
        "资产负债率": "<70%为稳健",
        "流动比率": ">1.5为稳健",
        "利息保障倍数": ">3倍为稳健"
    },
    "现金流": {
        "经营现金流/带息债务": ">15%为稳健",
        "经营现金流/资本支出": ">100%为稳健"
    }
}

2.1 财务指标分层阈值（示例，供交叉验证）

指标	优质	稳健	关注	预警	说明
资产负债率	<55%	55%-70%	70%-80%	>80%	行业差异大，重资产行业可适度放宽
流动比率	>2.0	1.5-2.0	1.0-1.5	<1.0	需结合速动比率一并观察
利息保障倍数	>5 倍	3-5 倍	1.5-3 倍	<1.5 倍	低于 1 倍说明经营利润不足以覆盖利息
经营现金流/带息债务	>25%	15%-25%	8%-15%	<8%	比利润指标更难粉饰
经营现金流/资本支出	>150%	100%-150%	60%-100%	<60%	长期低于 100% 说明依赖外部融资

2.2 城投主体区域分析维度（示例）

维度	具体指标	数据来源	观察要点
财政实力	一般公共预算收入、税收占比、财政自给率	地方预算执行报告	关注收入质量而非总量
债务压力	地方政府债务率、城投有息债务/综合财力	公开统计与评级报告	计算口径需全市场统一
平台地位	平台层级、公益性业务占比、政府补助占比	募集说明书	层级越低、市场化业务越多，政府支持意愿越难判定
再融资能力	近 12 个月债券发行与到期规模、银行授信余额	发行公告	滚续能力是短期违约的直接决定因素
外部支持	上级政府财力、担保与救助记录	公开信息	关注是否已有非标违约先例

三、信用利差分析

python

def analyze_credit_spread(bond_yield: float, treasury_yield: float,
                         rating: str) -> dict:
    """
    信用利差分析
    """
    spread = bond_yield - treasury_yield
    
    # 评级对应利差参考
    SPREAD_REFERENCE = {
        "AAA": 0.50,  # 50bp
        "AA+": 0.80,
        "AA": 1.20,
        "AA-": 1.50,
        "A+": 2.00,
        "A": 2.50
    }
    
    reference = SPREAD_REFERENCE.get(rating, 2.0)
    
    return {
        "credit_spread": round(spread * 100, 2),
        "reference_spread": reference,
        "relative_value": "低估" if spread < reference else "高估",
        "spread_premium": round((spread - reference) * 100, 2)
    }

2.3 Spread Percentile Reading / 利差分位解读示例

利差绝对水平	近 3 年分位	评级	解读	研究结论（示例）
62bp	15%（低位）	AAA	利差补偿不充分	相对价值偏低，考虑缩短久期或换券
118bp	55%（中位）	AA+	与评级参考利差基本一致	无显著错价，按配置需求决策
265bp	92%（高位）	AA	利差含较高风险溢价	先排除个体风险（到期结构、负面舆情）再判断是否错价
430bp	98%（极值）	AA-	接近"准违约"定价	不属于相对价值机会，应进入风险名单复核

示例测算：某 AA+ 城投债 YTM 3.68%，同期限国债 2.50%，利差 118bp；评级参考利差 80bp → 溢价比参考高 38bp。若该主体近 12 个月发行与到期规模大体匹配、区域一般公共预算收入同比小幅增长，可初步判断 38bp 溢价可能来自流动性与市场情绪而非基本面恶化——但输出结论时应写成"需进一步核验"，并列出核验清单，而非直接给出交易方向判断。

text


### 3. Bond Portfolio Management / 债券组合管理

```python
class BondPortfolio:
    """债券组合管理"""
    
    def __init__(self):
        self.bonds = []
    
    def add_bond(self, bond: dict):
        """添加债券"""
        # 计算关键指标
        bond["price"] = self._calculate_bond_price(bond)
        bond["ytm"] = self._calculate_ytm(bond)
        bond["duration"] = self._calculate_duration(bond)
        bond["convexity"] = self._calculate_convexity(bond)
        bond["dv01"] = bond["duration"] * bond["price"] / 100 / 100  # 每bp变化
        
        self.bonds.append(bond)
    
    def portfolio_duration(self) -> float:
        """组合久期"""
        total_value = sum(b["market_value"] for b in self.bonds)
        weighted_duration = sum(
            b["duration"] * b["market_value"] for b in self.bonds
        ) / total_value
        return weighted_duration
    
    def portfolio_credit_breakdown(self) -> dict:
        """组合信用分布"""
        breakdown = {}
        for bond in self.bonds:
            rating = bond.get("rating", "Unknown")
            if rating not in breakdown:
                breakdown[rating] = {"count": 0, "value": 0}
            breakdown[rating]["count"] += 1
            breakdown[rating]["value"] += bond.get("market_value", 0)
        
        return breakdown
    
    def interest_rate_risk(self, rate_shock: float) -> dict:
        """利率风险分析"""
        port_duration = self.portfolio_duration()
        
        # 纯久期效应
        duration_pnl = -port_duration * rate_shock / 100
        
        # 凸性调整
        port_convexity = sum(
            b["convexity"] * b["market_value"] for b in self.bonds
        ) / sum(b["market_value"] for b in self.bonds)
        convexity_pnl = 0.5 * port_convexity * (rate_shock/100) ** 2
        
        return {
            "portfolio_duration": round(port_duration, 3),
            "rate_shock_bp": round(rate_shock * 100, 0),
            "duration_pnl_pct": round(duration_pnl * 100, 2),
            "convexity_pnl_pct": round(convexity_pnl * 100, 2),
            "total_pnl_pct": round((duration_pnl + convexity_pnl) * 100, 2)
        }

3.1 Interest Rate Scenario Table / 利率情景损益示例

输入：组合规模 1,000 万元，组合久期 3.8 年，组合凸性 18.6。

情景	利率变动	久期损益	凸性调整	合计损益	说明
大幅下行	−50bp	+19.0 万	+2.3 万	+21.3 万	收益率下行阶段凸性放大收益
小幅下行	−20bp	+7.6 万	+0.4 万	+8.0 万	常见情景
持平	0	0	0	0	仅有持有期票息收益
小幅上行	+20bp	−7.6 万	+0.4 万	−7.2 万	凸性小幅缓冲
大幅上行	+50bp	−19.0 万	+2.3 万	−16.7 万	凸性保护在上行时更明显

口径说明：表中损益为价格变动损益，不含持有期票息收入。组合凸性为正时，上行情景的损失被部分抵消，下行收益被小幅放大——这就是"凸性偏好"的来源。

3.2 Immunization / 久期免疫与负债匹配（示例）

负债特征	匹配方式	关键约束	复核频率
单一确定时点支付	单期免疫：组合久期 = 剩余期限	组合凸性应大于负债凸性	每季度
多期确定支付	多期免疫：现金流按期限分层匹配	每层久期与对应负债久期偏差 ≤0.2 年	每季度
不确定支取（如理财赎回）	久期区间管理 + 流动性缓冲	保留 5%-10% 高流动性资产	每月
收益率曲线非平行变动	关键利率久期（KRD）管理	各关键期限敞口 ≤总敞口 30%	每月

3.3 Portfolio Review Checklist / 组合复核清单

检查项	阈值（示例）	触发动作
组合久期偏离基准	±0.5 年以内	超出则再平衡
单一主体集中度	≤5%	超限则减仓或专项说明
弱资质主体（AA 及以下）占比	≤15%	超限须专项审批
高流动性资产占比	≥5%	低于则补充
估值偏离中债估值	±30bp 以内	偏离需说明原因
到期滚续缺口	未来 3 个月到期 ≤可动用资金	存在缺口须提前安排

4. Convertible Bond Analysis / 可转债分析

python

def analyze_convertible(convert_price: float, stock_price: float,
                        bond_floor: float, market_price: float) -> dict:
    """
    可转债关键指标测算（供研究参考）
    """
    conversion_value = 100 / convert_price * stock_price   # 每百元面值的转股价值
    premium_rate = (market_price - conversion_value) / conversion_value * 100
    downside_buffer = (market_price - bond_floor) / bond_floor * 100

    return {
        "conversion_value": round(conversion_value, 2),
        "conversion_premium_rate": round(premium_rate, 2),   # 转股溢价率
        "downside_buffer": round(downside_buffer, 2),        # 相对纯债价值的溢价比
        "reading": "转股溢价率偏高，股性偏弱" if premium_rate > 30 else "股性相对较强"
    }

指标	计算口径	解读要点
转股价值	100 ÷ 转股价 × 正股价	与转债价格对比得出溢价率
转股溢价率	(转债价 − 转股价值) ÷ 转股价值	越高说明股性越弱、对正股上涨越不敏感
纯债价值	按同评级同期限信用债 YTM 折现	构成转债的价格下限
双低值	转债价 + 转股溢价率 × 100	常用的相对估值筛选口径之一
条款触发进度	修正/赎回/回售条款的交易日计数	强赎触发后按面值加利息赎回，须重点关注

示例：某转债转股价 12.00 元，正股价 13.20 元，转债市场价 128.50 元，同评级纯债价值约 92 元。

转股价值 = 100 ÷ 12.00 × 13.20 = 110.00 元；
转股溢价率 = (128.50 − 110.00) ÷ 110.00 = 16.8%（股性相对较强）；
相对纯债价值的溢价比 = (128.50 − 92.00) ÷ 92.00 = 39.7%（保护垫较薄，正股下跌时回撤空间大）。

条款风险提示：当正股满足"连续 30 个交易日中至少 15 个交易日收盘价 ≥ 转股价 130%"时，多数转债条款将触发强赎条件。持有高溢价转债且已触发强赎的，需及时评估转股或卖出，否则可能被按面值加当期利息赎回。

Risk Control Checklist / 风控与合规检查清单

检查项	依据/说明	通过标准
估值口径统一	全价/净价、付息频率、应计利息规则	全组合统一并留痕
数据来源	中债估值等公开基准	记录取值日期与来源
评级一致性	外部评级与内部评级差异	差异超一档须专项说明
集中度管理	单一主体、单一区域、单一行业占比	均在预设阈值内
久期偏离	相对基准的久期偏离	处于允许区间
流动性分层	单券持仓相对日均成交	不超过预设上限
违约处置预案	违约债券处置流程与台账	有流程、有责任人
免责表述	分析结果仅供参考，不构成投资建议	每份输出均含声明

Quick Command Templates / 快速指令模板

债券定价：

text

计算债券价格：
- 面值：100元
- 票面利率：4%
- 到期收益率：3.5%
- 剩余期限：5年
- 付息频率：年付

久期分析：

text

分析债券组合的久期风险：
- 组合总规模：1000万
- 利率上升50bp时的损益

信用利差分析：

text

分析信用利差：
- 债券YTM：3.68%
- 同期限国债收益率：2.50%
- 主体评级：AA+
需要输出：利差绝对值、对应评级参考利差、近3年利差分位、初步判断与需进一步核验清单

可转债分析：

text

分析可转债：
- 转股价：12.00元，正股价：13.20元
- 转债市场价：128.50元，同评级纯债价值约92元
输出转股价值、转股溢价率、相对纯债溢价比，并核验强赎条款触发进度

城投主体复核：

text

复核某城投主体信用状况：
- 区域：某地级市
- 需要维度：一般公共预算收入、债务率、平台层级、近12个月发行与到期规模
- 要求：给出分级判断与需进一步核验清单

Disclaimer

Bond analysis involves various risks including interest rate risk and credit risk. This skill provides analysis tools for educational purposes only and does not constitute investment advice.

Security Bond Analysis

Install

Bond Analysis Expert / 债券分析专家

证券监管最新动态 [2026-09-13更新]

Industry Pain Points / 行业痛点

Trigger Keywords / 触发关键词

Core Capabilities / 核心能力

1. Bond Valuation Engine / 债券估值引擎

1.1 Worked Example / 估值结果解读示例

2. Credit Analysis Framework / 信用分析框架

2.1 财务指标分层阈值（示例，供交叉验证）

2.2 城投主体区域分析维度（示例）

三、信用利差分析

2.3 Spread Percentile Reading / 利差分位解读示例

3.1 Interest Rate Scenario Table / 利率情景损益示例

3.2 Immunization / 久期免疫与负债匹配（示例）

3.3 Portfolio Review Checklist / 组合复核清单

4. Convertible Bond Analysis / 可转债分析

Risk Control Checklist / 风控与合规检查清单

Quick Command Templates / 快速指令模板

Disclaimer

Related skills