2026年6月以来，陕西西咸新区多家城投平台主体信用评级下调。评级调整发布后，债券市场迅速作出反应，评级下调涉及主体的信用利差出现相对明显波动，其中某个评级调整前仍为AAA的城投主体区间内利差最大走阔超过90BP，利差峰值一度超过150BP。
(Wind 债券F9-定价分析-利差分析）
为什么AAA评级的主体利差会在一个月内从60BP水平飙升到150BP？这里也引出本文一个重要观察：评级调整往往不是信用变化的起点，而是前期风险因素积累后的结果确认。前期60BP附近的价格是基于AAA评级的市场认知交易得到的，但不代表60BP已充分反映该主体信用风险。短时间利差大幅走阔，说明此前的AAA评级未充分覆盖潜在风险信息，这些信息在评级调整后才被市场集中识别并反映到价格中。这意味着如果仅关注传统信用评级，可能会遗漏隐藏的风险信息。
再从区域视角来看。2025年以来，在化债政策持续推进、资金面相对充裕、城投整体风险缓释以及信用利差普遍压缩的市场环境下，该区域信用利差有所收窄，但收窄幅度较其他区域相对有限，且于2026年6月以后小幅回升，其中AAA评级的区域利差曲线上升相对明显。此类市场整体改善而区域内部存在差异的现象也值得投研人员进一步观察。
(Wind Risk | 地方融资平台-城投评分概览-区域利差）
作为投资者，如果等到评级调整发布后才开始重新评估主体信用变化、或等到区域利差走阔后才开始评估区域信用变化，其实已经错过了最佳的观察窗口。如果仅依赖传统信用评级作为持仓准入条件，当上述AAA主体评级下调时，由于市场反应迅速而未能及时调整投资组合，90BP的利差走阔会对持仓净值产生多大的冲击？
而真正的价值也来自在评级和价格明显反映之前识别区域结构和主体信用边际的变化，从而提前调整投资偏好和投资策略。这也是我们构建Wind城投评分模型以及风控+投研综合工作台“城投评分概览”的初衷之一。
Wind Risk 城投评分模型
Wind金融终端，输入命令RISK
搜索城投企业后进入“城投分析-城投评分”
或顶部导航选择“地方融资平台-城投评分概览”
评级调整之前，信号其实早已出现
其实，区域内部信用结构变化早在2024年之前就已经开始。根据Wind城投评分概览页面显示，陕西地区城投主体评分P25尾部分位数由2022年的58.71分逐步下降至2024年的55.45分。这表明在信用评级集中调整之前，区域内部分尾部主体的信用边际已经较早发生变化。
(Wind Risk | 地方融资平台-城投评分概览-评分地图）
区域尾部分位数的变化不等同于区域内所有主体信用资质同步变化，如何进一步找到哪些主体的变化更值得关注？Wind城投评分概览页面支持通过评分变化状态来快速筛选主体，从区域评分变化分布中点击“明显下降”等筛选按钮即可将区域层面变化进一步下钻至具体主体，并可结合主体定价偏离信号进一步辅助投资判断。
(Wind Risk | 地方融资平台-城投评分概览-变化分布）
以开篇提及的主体为例，早在2024Q2之前模型已识别到其信用资质弱化并下调评分。此后随着相关信用因素继续演变，直至2026年6月以后评级机构最终确认主体评级下调并引发市场利差大幅走阔：模型提供了接近两年的观察窗口，为风险研判和持仓调整争取了充分的时间。
(Wind Risk | 风险核查-城投评分-综合评分趋势）
为什么它能提前识别信用边际弱化
提前准确识别这些变化并非偶然。Wind城投评分模型基于全市场城投样本训练，覆盖各个信用周期和市场环境历史数据，运用机器学习算法识别多维风险因子组合特征。从专项验证结果来看，AUC 0.92和KS 0.66表明模型具有很强的信用资质区分和风险识别能力。通过持续跟踪区域环境、主体基本面、市场风险与流动性、信用事件及舆情等多维信息，模型能够在风险尚未反映到评级变动和市场价格之前识别信用边际变化。
具体到上述案例，该主体信用资质弱化具有较清晰的因子特征。区域层面：经济总量、财政收入质量及可持续性、偿债资源保障能力指标有所承压；主体层面：营收增速、流动性、债务结构等指标出现不利变化，同时对外担保、外部授信使用率及舆情风险压力有所上升。模型综合考虑多维风险因素进而判定主体信用资质边际弱化。
(Wind Risk | 风险核查-城投评分-区域基本面评估）
(Wind Risk | 风险核查-城投评分-企业资质能力评估）
全市场到主体，一站式风控与投研
Wind城投评分概览同时覆盖风险监控与投资研究两类核心场景，并将全市场观察、区域信用结构和评分变化、主体明细及市场利差等信息系统性汇总到同一工作台中，帮助风控和投研人员建立由宏观到微观的连续观察路径。
(Wind Risk | 地方融资平台-城投评分概览-市场观察）
风险监控场景：风控人员可以从全市场观察出发，持续跟踪区域信用环境及主体评分变化，识别信用边际弱化的区域和主体，并进一步下钻至具体风险来源，为风险研判和风险管理争取更充分的时间窗口。
投资研究场景：投研人员除了关注区域和主体信用，还可以结合模型计算的偏离信号观察市场定价是否存在明显偏离。历史回测显示，模型计算的定价偏离信号方向性胜率约为70%-76%，其中高置信区间方向性胜率可超过83%，为相对价值判断和投资策略调整提供参考。
(Wind Risk | 地方融资平台-城投评分概览-定价偏离信号）
无论是风险监控还是投资研究，真正有价值的都是尽早识别信用变化，并为后续判断和行动争取时间。从全市场到区域再到具体主体，持续识别尚未被评级和价格充分反映的信用边际变化，正是Wind城投评分模型和概览功能希望为风控和投研人员提供的核心价值。
Wind终端输入RISK进入风险监控界面，顶部导航选择：地方融资平台-城投评分概览，立刻使用风控+投研场景全覆盖的一站式工作台。
(Wind Risk | 地方融资平台-城投评分概览）
Wind金融终端输入“RISK”
实时监控全网信息，及时预警风险动态
精淮识别风险主体，快速触达风险来源
智能串联关联风险，深度剖析风险链路
集尽职调查与风险监控于一体的智能风控平台
🏪
风险维度全覆盖
7×24小时全天候监控，与情/事件各维度风险信息无死角。
💬
AI智能研判风险
风险垂直领域多功能AI智能体，一个问句实时诊断风险。
⏰
定制化风险推送
组合内容方案定制化配置，日频周频月频推送随心所欲。
🎯
一站式专家服务
企业尽调+组合监控一站式服务，专业度媲美资深专家。
万得风控评分模型系列产品
万得风控评分模型产品依托万得海量数据资源，融合多维信息构建专项模型因子，借助机器学习算法搭建完备风险评分体系，服务投前尽调、授信评估、持仓监控与风险预警等核心业务场景。
企业综合风险评分表
城投主体评分表
产业债主体违约风险评分表
产业债违约风险评分表
咨询、测试和采购：
Support@WindAlice.com
精彩评论