标签： #信用利差

投资者把信用利差当成「违约概率的影子」——利差越高，说明市场觉得它越可能违约。但真实世界里，一个 BBB 债的利差里，违约补偿常常只占四分之一，剩下四分之三付的是「不好卖」和「别人恐慌时的风险溢价」。本文用可加三因子模型把观测利差拆成违约补偿 / 流动性溢价 / 风险厌恶溢价三块，用真实计算的月度面板证明：平静期非违约成分占投资级 77%–97%，危机期更高；并给出把利差全当违约补偿会高估违约概率 4 倍的定量证据，附完整 Python。

信用债投资的核心不是猜方向，而是辨别「相对谁贵、相对谁便宜」。OAS（期权调整利差）相对自身历史的 z-score 是一个干净的信用相对价值信号：利差走阔往往伴随未来超额回报下行。但要把这个信号做成组合，估计利差变动的协方差又会踩进样本噪声的坑。用 Ledoit-Wolf 收缩把噪声压掉，篮子权重从尖峰回到分散。附完整 Python 与六类真实陷阱（高阶）。

把信用利差当成「相对价值」而非方向性押注：用评级中性后的利差 z-score 建模未来超额回报，Python 完整复现信号构建、多空回测与四大实战陷阱。