3. 债券数据体系
在债券估值与对账工作中，数据从来不是“一张表”那么简单。同一只债券，在不同系统、不同环节、不同时间点，会呈现出完全不同的数据形态。如果对数据体系没有分层认知，对账时就会出现“拿静态字段去比行情价格”“用参考数据去校验现金流”这类错配，最终导致差异定位失效。本节把债券数据拆成五类：静态数据、动态数据、参考数据、行情数据与基本面数据，并说明它们在估值对账中的角色与边界。
一、核心原理：五类数据的定义与边界
债券数据体系的核心不是“数据多”，而是“数据职责分明”。每一类数据回答的问题不同，更新频率不同，权威来源也不同。
- 静态数据：债券存续期内基本不变的属性，如债券代码、ISIN、发行日、到期日、票面利率、付息频率、计息基准、发行规模。它是估值的“骨架”。
- 动态数据：随交易、持仓、时间变化的数据，如持仓数量、成本、应计利息、剩余期限、现金流计划。它决定“当前这只债值多少”。
- 参考数据：用于定价和校验的基准与规则，如收益率曲线、信用利差曲线、评级映射、行业分类、估值方法配置。它不直接属于某只债，却影响所有债的估值。
- 行情数据：市场交易产生的价格与收益率，如成交价、买卖报价、中债估值、中证估值、第三方收盘价。它是估值的“市场输入”。
- 基本面数据：发行人层面的财务与信用信息，如资产负债率、净利润、现金流、评级变动、行业景气度。它解释“为什么这只债的利差是这么多”。
对账的第一原则：先确认双方比较的是同一类数据。静态对静态、行情对行情、估值对估值，跨类比较必然产生伪差异。
二、方法流程：从数据接入到估值对账
在实际系统中，五类数据通常来自不同源，经过清洗、映射、计算后进入估值引擎。一个典型的处理链路如下：
静态数据源(发行公告/中债登) → 债券主数据表
动态数据源(交易系统/持仓系统) → 持仓与现金流表
参考数据源(曲线/评级/行业) → 估值参数表
行情数据源(中债/中证/交易所) → 行情快照表
基本面数据源(财报/评级报告) → 发行人信用表
↓
数据映射与清洗
↓
估值引擎(现金流折现/利差模型)
↓
估值结果表 → 与对手方/托管方对账对账时，建议按以下顺序排查：先核对静态数据是否一致，再核对动态持仓与现金流，然后核对参考数据版本，最后核对行情与估值结果。顺序颠倒，会把“主数据错误”误判为“估值模型错误”。
三、案例/场景：一次估值差异的定位
某日，投资端与托管端对同一只中期票据的估值相差 0.32 元。若直接看估值结果，很容易怀疑曲线或模型。但按数据体系分层排查后，发现：
- 静态数据一致：债券代码、到期日、票面利率均相同。
- 动态数据不一致：投资端持仓数量多出 100 万面值，原因是昨日一笔交易已成交未结算。
- 参考数据一致：双方均使用中债同期限曲线。
- 行情数据一致：中债估值相同。
- 基本面数据无变化。
最终结论：差异来自动态数据中的持仓状态，而非估值模型。若一开始就跨类比较，会浪费大量时间在曲线和模型上。
四、五类数据对比清单
| 数据类别 | 典型字段 | 更新频率 | 对账用途 | 常见误区 |
|---|---|---|---|---|
| 静态数据 | 代码、ISIN、到期日、票息、计息基准 | 低（发行时确定） | 校验债券身份与现金流规则 | 用静态票息代替应计利息 |
| 动态数据 | 持仓、成本、应计利息、剩余期限 | 高（每日/每笔） | 校验持仓与估值基数 | 忽略已成交未结算 |
| 参考数据 | 收益率曲线、利差、评级映射 | 中（每日/每周） | 校验估值参数版本 | 曲线版本不一致 |
| 行情数据 | 成交价、买卖报价、第三方估值 | 高（实时/每日） | 校验市场输入与估值结果 | 拿成交价直接当估值 |
| 基本面数据 | 财务指标、评级、行业分类 | 低（季度/事件） | 解释利差与信用风险 | 用基本面替代行情定价 |
五、误区与复盘
最常见的三类误区：一是把静态数据当动态数据用，例如用票面利率计算每日应计利息而不考虑计息天数；二是把参考数据当行情数据用，例如用曲线收益率直接作为债券估值；三是把基本面数据当估值输入，例如仅凭评级下调就调整估值而不看市场利差变化。
复盘时，建议建立“数据类别—来源—责任人—更新时点”的四维台账。每次估值差异，先定位到具体数据类别，再定位到具体来源系统，最后才进入模型层。这样能把对账从“猜原因”变成“查链路”。
在系统设计中，五类数据应分表存储、分权限管理、分频率更新。静态数据强调唯一性，动态数据强调时效性，参考数据强调版本性，行情数据强调可追溯性，基本面数据强调解释性。混在一起，对账就失去了抓手。
理解五类数据的边界，是债券估值对账的基本功。静态数据定规则，动态数据定基数，参考数据定参数，行情数据定输入，基本面数据定解释。五者各司其职，对账才能从“结果比对”走向“链路治理”。