Ch Dc Credit Monitor

数据中心信用监控

目标

1. 做什么：把 AI 基建的信用侧放进一把统一的标尺。覆盖三个体制——公开公司债 （超大厂 MSFT/AMZN/GOOGL/META/ORCL、数据中心 REIT DLR/EQIX、受监管公用事业 D/AEP/ETR、纯算力商 CRWV）、可转债（NBIS 与 CRWV/DLR 的转债栈）、 GPU 抵押融资载体与 SPV（CoreWeave 的 DDTL 系列、Meta Hyperion 的 Beignet）。 趋势窗口固定 90 天。
2. 不做什么：不做股票分析与估值；不覆盖 CDS、逐笔 TRACE、一级市场发行定价、 DC ABS 与 REIT 运营指标；不给买卖建议、目标价、仓位；不在脚本里下结论； 不用前值冒充最新值。
3. 给谁用：需要判断 AI 基建融资成本与杠杆迁移的信用研究员、固收投资人、 算力产业分析师。

适用边界

• 这套框架回答三个问题，不是「哪只债便宜」：这个体系的融资成本在往哪走、 抵押品还值不值那个钱、表外那部分在扩张还是收缩。
• 锚定日不对齐是常态。 SPDR 持仓给的是当日 As of，FRED 国债曲线是 T-1 结算。 实测 curve_lag_days = 1。报告里必须说明锚在哪一天，不要拿一周前的曲线去减 今天的收益率——那算出来的「利差变动」其实是利率变动，所以超过 5 天的滞后 直接不出利差。
• 三层数据的时间常数不同，不能等权。 二级利差日频、领先但噪音大； 一级市场事件驱动、领先且低噪音但稀疏；基本面与抵押品季度、滞后但确定。 裁决规则见 references/credit_framework.md §五：低频层确认高频层，不是反过来。
• 单位：利差一律 bp，收益率 %，金额 $Xmn。G-spread 不是 OAS—— 含赎回、浮息、次级永续的券算出来有偏，指标层已剔除并标 option_biased， 但报告里仍要交代这个口径。
• 关联键必须落到 ISIN。 ORCL 样本内有 51 只债，按发行人聚合会把 2030 和 2052 混成一个数。发行人层的任何聚合都要同时报出成分只数。
• 脑 / 手边界：脚本做采集、单位换算、YTM 与利差、分桶、固定期限插值、 beta/alpha 分解、跨档距离、阈值穿越事件、渲染。 「这算不算信用事件、体系该定几档、这个信号采不采信」全部由模型判断。
• 冷启动：只有一个采集日时判据 1（alpha 分解）全部 insufficient_history， 这是正确状态，不要自己心算一个近似值填进去。首日能讲什么、不能讲什么， 见 references/credit_framework.md §十一。
• 告警未校准：阈值是起始配置，events.mode 默认 record_only。 积累 2–3 个月历史后才谈校准。

领域方法论

完整方法论在 references/credit_framework.md。这里只留纲要。

先有标尺，才谈变化

单看「ORCL 205bp」读不出任何东西。有意义的是它在梯级里的位置，以及这个位置在移动。 七档标尺（2026-08-25 实测，5–10Y）：MSFT 39 → AMZN/GOOGL 68/69 → 公用事业 74–82 → META 97 → EQIX 107 → ORCL 205 → CRWV 775。

这张表本身就推翻两个常见预设：受监管公用事业身上没有 AI 溢价（贴着 IG 指数 81bp，所以它走宽不能归因到 AI，是反向证伪器）；超大厂内部已经裂开 （META 对 GOOGL 在 5–10Y 差 28bp，到 20Y+ 差 72bp，长端先动）。

五个动态判据

1. alpha 分解 —— Δ总 = 市场beta + 档位beta + alpha。只有 alpha 连续同向累积 才构成个体信用事件；单日 alpha 一律不定性，ETF 估值有粘滞。
2. 梯级离散度 —— 扩张 + 弱档走宽是质量分层；压缩 + 全档同向走宽是体系性； 压缩 + 全档同向收窄是追逐收益。三种读法完全不同。
3. 曲线形状 —— 短端反超长端（倒挂）是高收益债里误报率最低的信号。 CRWV 曲线倒挂是整个监控里优先级最高的单一事件。
4. 长短端分化 —— 长端先动。差值收窄（短端追上来）= 担忧前移，是升级信号。
5. 抵押品剪刀差 —— 账面按直线折旧走，租金按市场走，裂口就是残值高估的累积。 本轮只到抵押品规模，剪刀差留插槽未实现。

锚点漂移要看两个口径

每档给两列相对 2026-08-25 锚点的漂移，它们回答的不是同一个问题：

• vs 锚点是 G-spread 口径。G-spread 的定义式是收益率减插值国债， 所以它只剥了利率 beta，信用市场 beta 还在里面。IG 指数 OAS 从 81 走到 95， 七个档的这一列会集体 +14bp，读起来像「AI 信用全面恶化」， 其实是整个投资级市场在走宽。
• 剔市场是超额口径：先减掉该档对应的指数 OAS（超大厂系与公用事业、REIT 对 IG， 纯算力商对 HY）再跟锚点比。两列的差恰好等于指数 OAS 自己的漂移， 所以剩下的才是这一档相对市场额外走的部分。

两列必须一起读。只看剔市场会漏掉「整体走宽本身就是风险」，只看 vs 锚点 则会把市场的事记到 AI 头上。跨档距离那几行没有这一列是有意的——它们是差的差， 同段的指数 OAS 在减法里已经自己抵掉了。锚点日的指数 OAS 取不到时整列出 None 而不是拿今天的顶替，那样算出来的又是 G-spread 口径。

三条最容易犯的错

• rolldown 不是信用改善。 债券在曲线上往下滚，利差会自然收窄。跟踪单只 ISIN 的历史必然把它混进重定价。发行人层的时间序列只能走固定期限插值点 （constant_maturity_bp），超出观测跨度 3 年的期限一律不外推。
• 转债的 G-spread 不是信用利差。 1.75% 票息的债贴着面值，按直债折现算出来的 收益率远低于国债，裸 G-spread 会是负几百 bp——那是期权价值不是信用。用发行人 自己的直债曲线做参照可得期权价值下界（同期限直债利差 − 转债 G-spread）。 实测 CRWV 两只转债价格看着贴债底（104.60 / 96.95），期权价值却有 975–1132bp， 当前宇宙里没有一只转债的信用信息可提取。
• 组合级不能归因到单体。 Beignet 之后并入「8 项投资、15 处物业」的合计行， 任何引用都要带这个限定。

SPV 的风险在「利差不会动」里

SPV 的信用不是独立变量，是「租户信用 × 结构增信 × 抵押品残值」的函数。它不交易、 不再单独披露，所以敞口是真的、价格是冻的。恶化的第一信号是租户长端走宽， 不是 SPV 自己。 跟踪量是 spv[].coupon_vs_tenant_bp：实测 Beignet 票息 6.581% 比租户 META 同期限（22.8Y）的 6.815% 低 23bp——补偿偏薄，而且这个差价无法套利， 只意味着按市值计的损失躺在 sponsor 账上没被观测到。

工作流程

1. 采集：python scripts/collect.py --with-sec。逐源独立，单源失败不阻断其它源， 成败与耗时写进 dc_collect_runs。价格连续多日不动会标 stale（打标不丢弃）。
2. 算指标：python scripts/metrics.py --output evidence/dc-<date>.json。 产出确定性证据包——梯级、跨档距离、离散度、各发行人曲线、长短端分化、 alpha 分解、转债位置、GPU 抵押品、SPV 租户锚、阈值穿越事件、源健康度。
3. 读证据：先看 source_health 和 quality_summary 判断今天数据完不完整， 再看 anchors 确认锚在哪一天、比日历日晚几天——anchor_asof 与 anchor_index_oas_bp 是超额口径的基准，缺了这一列不出数（excess_quality 会说明缺在哪）——然后逐段检查 quality。member_charts 整段可以跳过， 那里面只有给渲染用的曲线点，没有任何判断素材。 quality 不是 ok 的字段不许进结论。 判据与字段的对照表见 references/credit_framework.md §十。
4. 判断：按 references/credit_framework.md 的五个判据逐条过，再按 §五 的裁决 规则处理三层冲突，最后按 §四 的状态机定档（或明说为什么定不了）。 每条判断都要跟一个证伪条件。
5. 写报告：按 references/report_template.md 的七节写到 reports/dc-<report_date>.md。report_date 固定取开始生成报告时的本地执行日期， 不从 asof_date、evidence.asof 或任一锚定日推导；frontmatter 的 date 与正文标题也用这个执行日期。另写 data_asof: <evidence.asof> 保留数据截止日， 各源真实最新数据仍按 anchors 解释。 frontmatter 的 verdict 块是仪表盘唯一认的判断契约，必须填。
6. 出仪表盘：python scripts/render_report_html.py --evidence evidence/dc-<data_asof>.json --input reports/dc-<report_date>.md。 默认输出 reports/dc-<report_date>.html；要查明细加 --full，输出 reports/dc-<report_date>-full.html。两版页头都并列显示报告日与数据截止日。

补录 SPV 台账时编辑 config/universe.yaml 的 spv 段（每条必须带 disclosed_in 与 disclosure_date），再重跑 collect 与 metrics。动手前先读 references/source_notes.md——Beignet 的数据门在投资方 Blue Owl 的申报里， 不在发行人也不在 Meta，这是找错地方概率最高的一处。

数据获取（脚本抓手）

scripts/collect.py —— 每日采集

python scripts/collect.py                 # 市场层：SPDR + FRED
python scripts/collect.py --with-sec      # 加基本面 + GPU 抵押载体 + SPV 台账
python scripts/collect.py --dry-run       # 不落库

六只 SPDR ETF（spbo/spib/splb/sphy/jnk/cwb）按 ISIN 去重，实测约 319 只工具。 价格是导出来的：clean_price = Market Value / Par × 100，持仓表没有价格列。

scripts/backfill.py —— 历史回补

python scripts/backfill.py                # 回补 200 天基准层
python scripts/backfill.py --days 400
python scripts/backfill.py --dry-run

只有基准层（FRED 国债曲线 + IG/HY 指数 OAS）能回补。 SPDR 端点永远返回当日 持仓快照，?date= 参数被忽略（2026-08-30 实测拿回的文件字节完全相同）， 没有归档路径，逐 CUSIP 历史价格也没有免费源。所以发行人层的利差序列只能从 开始采集那天往后长，派生层（drv.*）跟着价格层走，补基准层不会凭空造出梯级历史。 脚本会把补不了的层与原因一起打进摘要，不用每次重新查一遍源。

200 个日历日实测落 138 天国债曲线 + 144 天指数 OAS（其余是周末与假期）。 collect.py 每天顺手回写最近 30 天，幂等 upsert 顺带吃掉 FRED 的回溯修订。

scripts/metrics.py —— 指标与证据包

python scripts/metrics.py --output evidence/dc-2026-08-26.json
python scripts/metrics.py --asof 2026-08-26 --window 90

scripts/render_report_html.py —— 单页 Dashboard

python scripts/render_report_html.py --evidence evidence/dc-2026-08-26.json          # 精简页（默认）
python scripts/render_report_html.py --evidence … --input reports/dc-2026-08-26.md   # 带模型判断
python scripts/render_report_html.py --evidence … --full                             # 完整明细版
python scripts/render_report_html.py --evidence … --report-date 2026-08-30            # 显式指定报告执行日

默认输出精简页，这是日频追踪该有的形态。 三块：判断区、今天值得看的、 核心刻度；「今天值得看的」固定放在核心刻度上方。

核心刻度分两种排版，因为读它们是两件事：

• 类别指数与它的成分装在同一个盒子里。 展示层把七档折叠成四个类别指数： 超大厂（MSFT/AMZN/GOOGL/META/ORCL）、受监管公用事业、数据中心 REIT、纯算力商； 超大厂只是展示合并，底层七档归属、档间差距与判断框架不变。盒子顶部是指数的 当前 / 1D / 1W / 1M / vs 锚点 / 剔市场，下面一行两列铺开它的成分卡—— 指数动了，往下一眼就能看到是哪家在动。各盒子的统计块用同样的最小宽度， 四个盒子的数字仍然上下对齐，跨类别横比没丢。
• 跨档距离与结构量留在下面那张表里。 它们没有成分，需要的是横向对齐着比。 「剔市场」在这张表里恒为破折号（带 tooltip 说明原因）：跨档距离是差的差， 同段的指数 OAS 已经自己抵掉了。

成分卡上是这家的当前 5–10Y 桶均值、锚点（虚线）、相对锚点的漂移、样本只数， 外加一条 200 天曲线。曲线的窗口与判据窗口是分开的——判据固定 90 天， 曲线画 200 天只为看形状，不参与任何判据，配置在 thresholds.yaml 的 chart 段。 序列不足 min_points_for_line 天不画线，卡上写还差几天：两个点连成直线看着像趋势， 其实什么都不是，这跟 disclosure_once 拒绝把一次性披露画成序列是同一条纪律。 冷启动阶段所有成分卡都没有曲线，那是正确状态——价格层只有当日快照、历史补不回来 （见 scripts/backfill.py），序列只能往后攒；锚点与当前值不受影响，那两个数当天就成立。

vs 锚点 与 剔市场 是同一个锚点漂移的两个口径，读法见上面「锚点漂移要看两个口径」。 水平值本身信息量很低，驱动判断的是位移，所以变化量仍是指数块的主体。

精简页不渲染持仓日、国债曲线、指数 OAS、数据覆盖率、降级源与口径声明组成的 底部状态块；这些审计信息仍完整保留在证据包、报告正文与 --full 完整版中。

明细（逐只债、11×12 发行人曲线表、转债逐只、GPU 工具级债务、SPV 卡片）属于 查证深度不是日频信息，留在证据包与报告正文里；需要时 --full 渲染完整版 （含对数纵轴的信用曲线全景图），输出到 dc-<report_date>-full.html，不覆盖日频页。

报告日期来自 frontmatter 的 date，未传报告或未写 date 时才退回本地执行日； 它不读取 evidence 的观测日期来命名产物。data_asof 只用于定位证据包与展示数据截止日。

自包含单页无外部依赖，claude 主题暖色纸面。证据全部由脚本从 evidence 渲染， 判断全部来自 --input 报告 frontmatter 的 verdict 块；不传 --input 也能出图， 判断区会显示「报告未提供整体判断」——脚本不会替模型编结论。异动说明超过 100 字 会在输出摘要的 panel_notes_over_limit 里点名，但不截断。

disclosure_once 的记录有单独的守卫函数拒绝画成折线。

环境变量

ALPHA_PG_URL 是必需的（走 shared/data/db_core.py 统一契约）。 SEC_CONTACT_EMAIL 是 R-file 路径的硬依赖——www.sec.gov/Archives 没有邮箱 UA 一律 403，缺了会被前置拦下标 missing_contact 而不是撞三次 403； data.sec.gov 的基本面那一路不受影响。其余全部免费无密钥。

数据表

观测是长表不是宽表：四个体制的指标集互斥，有日频价格的没有抵押品字段， 有抵押品字段的没有日频价格，压进宽表会有 60%+ 的列永久为 NULL。

配置

档位归属由配置维护，脚本不自动调整。 标尺本身会漂，重新分档是判断不是计算。 改 ETF 篮子会改 basket_fingerprint，历史序列从此断成两段。

输出规范

结构：按 references/report_template.md 的七节，顺序不变。正文 900–1600 字。

文风：像跟懂行的人当面把事讲清楚——句子通顺、有逻辑衔接，给判断时把话说透。 不要模板腔，不要成段堆套话。同一维度的多个条目用 bullet，一条一项， 每条用完整通顺的话写完，不要退化成「主体 − 利差 − 变动」式的横杠拼接； 结构化对照（发行人 × 期限 × 利差）才用表格。

必须做到：

• 结论第一句是框架移动（哪个判据触发、档位有没有变），不是数字罗列。
• 每条判断跟一个证伪条件。
• 缺失写「暂无数据 / 该体制不适用」，不用前值冒充最新值。
• 标出锚定日与它比日历日晚几天。
• 引用档位漂移时说清用的是哪个口径。「档 X 走宽 Y bp」这种写法不合格—— 要么写「G-spread 口径 +Ybp，其中 ZBp 是 IG 指数自己在动」， 要么直接给剔市场口径的数。
• 每次都要出现的口径句：G-spread 不是 OAS；ETF 持仓价是管理人估值不是成交价； 这是指数样本内的子集不是全部存量债；引用 SPV 组合级数字时带「它含 N 项投资， 不是单体」；CDS 与逐笔 TRACE 无免费源。
• 利差收窄不许直接写成利好——先按裁决规则确认它不是 rolldown、 不是背离基本面的追逐收益。

示例

输入：「出一份今天的数据中心信用日报」

做法：collect.py --with-sec → metrics.py → 读证据 → 写 reports/dc-<report_date>.md（另记 data_asof） → render_report_html.py。

冷启动第一天的正确产出（2026-08-26 真实运行结果）：

顶部判断写「未定档」，因为体系状态机的进入条件都含「连续」或「持续」， 一天不构成；11 个发行人的 alpha 分解全部 insufficient_history。 能写实的是横截面：梯级七档齐整，从 MSFT 40bp 到 CRWV 776bp 跨一个数量级， 与前日锚点的漂移全在 ±2.5bp 内，标尺本身没动。 受监管公用事业中位 79bp 压在 IG 指数 81bp 上（差 −1.8bp）， 反向证伪器仍然成立——AI 故事没进入受监管电力定价，所以这一层的任何走宽 都不能归因到 AI。CRWV 曲线向上倾斜未倒挂（3.76Y 683 → 5.89Y 762）， 存在 5.10→5.89 的负斜率段，市场在给高溢价但没在定价迫近的违约。 Beignet 票息 6.581% 比租户 META 同期限的 6.815% 低 23bp，补偿偏薄—— 这是当天信息量最大的一条，可以写实。转债层 11 只全部 credit_extractable=false， 面板上信用利差那一列整列写「不可提取」，这也是正确产出。

边界示例：用户问「CoreWeave 的债现在多少收益率」这类单点查询， 跑 collect + metrics 后报它那几只的利差与曲线形状即可，不用写完整日报。 问「CoreWeave 股票能不能买」不属于本 skill——那是股票分析，且本 skill 不给买卖建议。