內容提要
同業存單因其流動性高、市場化定價、高效便捷等優勢，已成為商業銀行主動負債和流動性管理的重要補充工具。近年來，作為同業存單重要發行主體，中小銀行主動負債對同業存單的依存度較高。文章透過機器學習模型試圖解析同業存單定價邏輯，研究不同規模及型別的發行人的定價差異，就改進以城農商行為代表的中小型銀行同業存單定價策略提出相關建議。
一、同業存單特點及發展歷程
2013年12月
中國人民銀行
釋出《同業存單管理暫行辦法》，首批同業存單問世。此舉對於提升金融市場資產流動性、增強商業銀行主動負債管理能力、進一步豐富金融市場投資品種、完善同業借貸市場
利率
曲線等方面具有重要的意義。
同業存單作為商業銀行主動負債的工具之一，相較於傳統的同業業務，擁有流動性高、市場化定價、高效便捷等優勢。伴隨著我國金融市場的發展、利率市場化改革的不斷推進，同業存單已逐漸發展為商業銀行主動負債和流動性管理的重要補充工具，參與機構不斷擴充，發行規模不斷擴大。回顧同業存單的發展歷程，主要可分為三個階段：
1.初創期（2013-2014年）：
2013年12月中國人民銀行釋出《同業存單管理暫行辦法》，當年發行同業存單10只共340億元，次年發行規模快速上升至973只共8985。6億元。
2.發展期（2015-2017年）：
同業存單規模經歷了爆發式的增長，發行規模從2014年不足1萬億元，迅速提升至2017年的20。1萬億元；佔全市場債券發行量比重也從2014年的7%迅速提升至50%。
3.穩定期（2018年至今）：
2018年開始，隨著商業銀行經營模式由高速增長轉入高質量發展，同業存單增速逐步放緩。年發行只數穩定在27000至28000之間，發行規模則小幅回落至18萬億元左右。
截至2020年12月末，全市場同業存單未到期餘額達11萬億元，有餘額的發行人數量276家。
伴隨著同業存單的快速發展，其在銀行同業融資業務中的佔比也快速提升。該項資料從2015年的14%快速提升至如今的40%左右，並保持穩定。
二、同業存單市場現狀
從發行人結構來看，中小銀行已成為重要參與主體。截至2020年12月末，大型國有銀行同業存單餘額2。1萬億元（約佔19%），股份制商業銀行4。5萬億元（約佔40。5%），城商、農商及其他各類中小型銀行4。5萬億元（約佔40。5%）；而從發行人數量來看，城商、農商等各類中小型銀行發行人共259家，佔到全市場的94%。
從存單依存度來看，中小銀行明顯較高。大型銀行得益於更為豐富的融資渠道，其同業主動負債對於存單的依存度相對較低。從資料來看，以城農商行為代表的中小銀行同業融資對於存單的依存度均在60%以上，顯著高於股份制銀行（40%）及國有大行（26%）。
由於中小銀行存單存量大、依存度高，其存單發行利率對自身的融資成本影響較大。本文嘗試透過對歷史資料的分析尋找存單發行定價的規律及影響因素，淺析不同規模及型別的發行人在定價方面的差別，並基於此對以城農商行為代表的中小型銀行定價策略提出建議。
三、關於存單定價的量化分析
同業存單定價的影響因素通常可以分為內部和外部兩類。內部因素，即發行人自身因素，主要包含到期壓力、未來頭寸排布、資產配置計劃等；外部因素，即市場利率環境、投資人需求及其他發行人因素，主要包括短期利率水平、貨幣市場流動性、政策環境、市場對未來利率走勢的預期等。
本文將採用隨機森林、梯度提升決策樹和線性迴歸三種模型，對若干可得且可以量化的影響因素進行分析。
（一）模型介紹
隨機森林（Random Forest）指的是隨機選擇多棵樹對樣本進行訓練並預測的一種
演算法
，就是透過整合學習的思想將多棵“樹”整合為“森林”的一種機器學習演算法。它的基本單元是“決策樹”，隨機森林透過隨機產生決策樹的方式消除部分誤差。
圖1 決策樹模型圖示
梯度提升決策樹（Gradient Boosting Decision Tree）是一種迭代的決策樹機器學習演算法，其中每一棵決策樹學習的是之前所有樹的結論和殘差，擬合得到一個當前的殘差迴歸樹，所有樹的結論累加即作為最終答案。
圖2 梯度提升決策樹模型圖示
除上述兩種演算法之外，本文還嘗試採用簡單的線性迴歸對存單一級發行利率進行預測；並結合隨機森林、梯度提升決策樹和線性迴歸模型三者，採用投票機制迴歸模型（Voting Regressor），即將上述三個模型預測結果的均值作為迴歸模型的結果，對存單發行利率進行預測。
（二）資料選取
存單發行利率資料上，分別選取A銀行（大型國有銀行）、B銀行（股份制銀行）和C銀行（中小銀行）2018年至今的1年期及3個月期存單發行資料。基於上述資料，嘗試分析不同規模的銀行同業存單定價邏輯的差異。本文從資金因素、供需因素和其他因素三個角度探討影響存單定價的因素。
1.資金因素方面：
選取FR001、FR007及SHIBOR_
3M
三個變數，以反映隔夜、7天和3個月不同期限的資金利率對於存單價格的影響，且該三項資料當日11點即可獲取，實踐中可採用最新的當日資料。
2.供需因素方面：
選取發行量，以體現該期存單當日的供給量；1年期國開債收益率，以反映對於同期限資產的相對投資價值；1-10年期限利差，以體現相對於長期限資產的投資價值。其中，發行量採用當日最新資料，1年期國開債收益率及1-10年期限利差採用前一交易日資料。
3.其他因素：
選取到期日延期支付天數，因為延期支付時間越長，對於存在二級市場交易需求的投資人來說，該期同業存單流動性更差，因此投資意願相對減弱。
（三）模型驗證
將資料分為訓練集（每組資料除後20個樣本之外的樣本）與驗證集（每組資料的後20個樣本），利用訓練集進行模型訓練，再將得出的結論與驗證集進行驗證。根據驗證結果，初步得出以下結論：
1.機器學習決策樹模型能更準確地預測存單發行利率
從散點圖來看，梯度提升（綠點）與隨機森林（藍點）與最終實際發行利率（黑點）的差異較小，而線性迴歸（黃點）與實際值差異較大，投票模型則受線性迴歸部分的影響，因而也與實際值存在一定差異，但整體略優於線性迴歸模型；從方差來看，也能得到同樣的結論。具體來看，梯度提升模型對於A銀行和C銀行存單發行利率預測效果較好，隨機森林模型對於B銀行存單發行利率預測效果較好。
筆者認為，機器學習模型預測更加精準是因為其演算法更符合存單發行的定價邏輯，即各個變數都對最終發行定價有一定影響，但在不同情況下，各因素對於定價的影響權重是不同的。
在梯度提升、隨機森林模型中，筆者對各變數的重要性進行了進一步分析，得出了下述四個結論。
2. SHIBOR_3M與1年期國開債是影響存單價格的主要因素
從變數的重要性來看，無論是在梯度提升模型中，還是在隨機森林模型中，SHIBOR_3M與1年期國開債收益率都是影響商業銀行存單發行定價的最重要因素。分期限來看，1年期存單受1年期國開債收益率的影響大於SHIBOR_3M；3月期存單則相反。究其原因，一是相較隔夜、7天等融資期限，SHIBOR_3M的期限與存單最為接近、替代性最強，因而SHIBOR_3M的價格與存單發行價格高度相關；二是部分銀行會採取“以資產定負債”的主動負債策略，因此1年期資產收益率成為了某些銀行發行1年期存單的重要參考依據。
3.整體上大行定價更受資金面影響，中小行更受供需影響
綜合各期限定價看，以A銀行為代表的國有大行存單發行定價受資金面影響更為顯著。如無論是梯度提升模型還是隨機森林模型，均提示SHIBOR_3M對A銀行存單定價的影響顯著高於B銀行與C銀行，特別是A銀行3月期存單的定價，與SHIBOR_3M高度相關。而對於B銀行與C銀行，發行定價受供需因素影響較大。
究其原因，筆者認為主要是國有大行對負債端把控能力較強，而中小銀行對於存單的定價能力較弱，因而其存單利率發行更取決於市場的需求。
4.中小銀行短期存單定價易受短期資金波動影響
分析3個月期存單價格的影響因素之後發現，以C銀行為代表的中小銀行短期存單利率還會受到短期資金（FR007）變動的影響，而以A銀行與B銀行為代表的大中型銀行發行的存單，無論是1年期還是3個月期受短期資金波動的影響均不明顯。筆者認為其主要原因是中小型銀行對於資金面短期波動的抵禦能力較差，在面臨短期資金面波動時，時常需要發行短期存單以彌補資金缺口。
5.股份制銀行存單定價最為市場化，中小型銀行定價以跟隨為主
分析結果顯示，以B銀行為代表的股份制銀行存單定價與其他資產價格關聯度最高，意味著其定價最為市場化。大型銀行定價市場化程度相對較低可能由於是其具備多渠道融資能力，因而其存單定價主要參考未來資金面；而中小銀行市場化定價反不及股份制銀行，可能是因為中小銀行的融資定價能力較弱，更多是基於股份行定價進行加點，以跟隨為主。
四、對於中小銀行同業存單發行的一些建議
（一）發行上關注資金面變化，擇時佈局“降成本”
大型國有銀行在資金成本管理、負債結構擺佈等方面相較中小型銀行更有優勢，且對資金面的預判更有經驗，因此其存單定價與資金面關聯更緊密且受短期資金波動影響較小。而中小銀行由於對資金面波動的抵禦能力較弱，且普遍採用“以資產定負債”的策略，其存單發行容易受短期資金面波動及資產價格影響。建議中小銀行在存單發行及定價上，除滿足當下資產配置需求以外，更加關注未來資金面的趨勢，作為預判存單價格走勢的參考，合理安排存單發行節奏及定價。
（二）進一步提升定價市場化，爭取自身存單定價“話語權”
從分析結果來看，中小銀行存單定價市場化程度相對於股份制銀行仍有提升空間。建議中小銀行結合自身市場地位、資金需求及發行時點存單供需情況，適度提升存單定價的主動性，逐步從根據股份制銀行存單“加點”的跟隨定價方式向市場化自主定價轉換，爭取定價話語權。
（三）交易上加強跨品種聯動，為自營交易提供“新思路”
同業存單流動性較好，是銀行間市場重要的交易品種之一。基於前文的分析，中小銀行可圍繞存單、資金、短端資產等進行組合交易，抓住跨品種之間利差變化帶來的機會，豐富自營交易的模式，增厚融資及投資收益。
作者：金天立、李昕，上海農商銀行金融市場部
