UBS认为AI颠覆风险在杠杆贷款中仍被低估
AI 摘要卡
UBS认为AI颠覆风险在杠杆贷款中仍被低估
报告用自下而上框架压力测试US/EU leveraged loans，认为激进AI颠覆情景下违约率约7-8%，接近其9%的自上而下尾部估计。
- 基准预测显示，2026年底US/EU LL违约率分别为3.75%和3.0%，US/EU HY为1.8%和1.0%。
- 自下而上框架显示，剔除financials并计入传染效应后，US/EU LL在激进AI颠覆情景下的违约率约为7-8%。
- US/EU LL的增量违约风险均约为3.5-4.5个百分点，欧洲风险并不显著低于美国，但欧洲传导速度可能更慢。
- 报告认为当前US/EU LL利差498bp/515bp及年初以来仅43bp/41bp的走阔不足以反映AI风险。
- 行业层面，Technology已显著再定价，但Media/Telecom、Services、Gaming/Leisure和Retail等高风险行业仍可能补跌。
研报解读
概览
本报告是UBS Global Strategy关于AI颠覆风险的第三版量化研究，核心对象是US/EU leveraged loans。报告将此前用于HY的自下而上压力测试框架扩展到杠杆贷款，结论是US和EU贷款组合在AI颠覆风险上的暴露相近，尾部情景下违约率可达约7-8%，因此当前杠杆贷款利差仍未充分补偿风险。
核心观点
核心观点有三点：第一，自下而上框架增强了对尾部违约率估计的信心，US/EU LL在激进AI颠覆情景下违约率约7-8%，接近UBS约9%的自上而下估计；第二，欧洲和美国杠杆贷款的风险暴露更相似，UBS因此将EU LL 2026基准违约率上调至3.0%，将US LL下调至3.75%；第三，杠杆贷款市场仍低估AI颠覆风险，特别是Technology以外的Services、Media/Telecom、Gaming/Leisure和Retail等行业。
分析框架
报告采用行业和发行人层面的自下而上分类，将贷款按高、中、低AI颠覆风险划分，并结合信用质量矩阵估算增量违约强度，再加入传染效应推导市场层面的违约率。随后将估算的增量违约风险与年初以来利差变化、区域AI采用率、行业风险分布和2026年利差预测进行交叉验证。
方法论与常识提炼
按发行人和行业暴露划分高、中、低AI颠覆风险，并估算增量违约强度。
该框架用于补充自上而下违约率预测，目标是在激进AI颠覆情景下识别哪些贷款发行人和行业更可能产生额外违约压力。
假设AI采用加速并冲击高暴露行业的收入、利润率或商业模式。
在该情景下，报告估计US/EU LL的市场违约率在计入传染效应后约为7-8%，较当前水平增加约3.5-4.5个百分点。
比较行业层面增量违约风险和YTD spread widening是否匹配。
报告发现Technology已明显走阔，但Media/Telecom和Services等同样有风险的行业利差反应不足，因此判断风险仍被低估。
标的映射与对比
研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。
- US LL核心压力测试对象
- 优势
- 市场深度高，部分行业如Technology已对AI风险有所再定价。
- 劣势
- 高风险行业更多且分布更广，9个行业含有高风险发行人，AI采用率较高导致风险传导可能更快。
- 对比
- 与EU LL相比，整体尾部违约率估计相近，但美国的传染风险和时间提前风险更高。
- 风险
- AI颠覆导致商业模式受压、再融资条件收紧、利差继续走阔和违约率上升。
- EU LL核心压力测试对象
- 优势
- 风险集中度较高且AI采用较慢，UBS仍预期中期相对US LL跑赢。
- 劣势
- 与US LL发行人重合度高，整体高/中风险暴露并不显著更低，当前利差仍可能不足。
- 对比
- UBS将EU LL 2026年底利差预测上调至590bp，并将基准违约率预测上调至3.0%。
- 风险
- 若AI采用加速或金融条件收紧，欧洲贷款组合仍可能出现延迟但显著的违约压力。
- US HY / EU HY对照资产类别
- 优势
- 此前自下而上框架已支持约4-5%的HY尾部违约率估计，EU HY被用作相对偏好的信用资产。
- 劣势
- HY同样受宏观、融资和行业颠覆风险影响。
- 对比
- 报告重申Long EU HY vs. EU LL，认为EU LL相对补偿不足。
- 风险
- 若AI冲击扩散或市场流动性恶化，HY利差也可能扩大。
- Services、Media/Telecom、Gaming/Leisure、Retail高AI颠覆风险行业
- 优势
- 部分行业尚未显著再定价，若做相对价值交易可提供做空或规避方向。
- 劣势
- 高或中等AI颠覆风险占比较高，且利差补偿相对不足。
- 对比
- Technology已显著走阔，而Media/Telecom和Services等风险相近行业反应较弱。
- 风险
- 后续可能出现补跌、违约预期上修和流动性折价扩大。
- Manufacturing、Food & Drug、Metals/Minerals、Energy相对低AI颠覆风险行业
- 优势
- 报告认为Food & Drug、Metals/Minerals和Energy较为绝缘，Manufacturing被用作相对多头。
- 劣势
- 仍面临一般信用、利率、宏观和地缘政治风险。
- 对比
- 相对Services等高风险行业，AI颠覆暴露较低。
- 风险
- 若宏观环境恶化，低AI风险并不等于低信用风险。
关键数据
- US/EU HY 2026年底基准违约率预测1.8% / 1.0%对应当前水平约1.2% / 1.6%。
- US/EU LL 2026年底基准违约率预测3.75% / 3.0%UBS将US LL从4.0%下调至3.75%，将EU LL从2.8%上调至3.0%。
- 激进AI颠覆情景下US/EU LL违约率约7-8%计入传染效应后，与UBS约9%的自上而下尾部估计接近。
- US/EU LL增量违约风险约+3.5至+4.5个百分点自下而上框架显示US LL增量违约强度4.1%，EU LL为3.6%。
- 当前US/EU LL利差498bp / 515bp报告称年初以来仅走阔43bp / 41bp，且月初以来有所收窄。
- EU IG/HY/LL 2026年底利差预测85bp / 285bp / 590bpUBS将EU LL年底利差预测上调至590bp，较当前约再走阔75bp。
- US/EU LL高风险贷款占比约4-5%中等风险贷款占比约25-30%，两地整体暴露相近。
- 美国与欧洲贷款发行人重合度约50%高重合度是两地AI风险暴露相近的重要原因。
- US Technology贷款年初以来利差变化约+260bp相比之下，US Media/Telecom约0bp，US Services约+54bp，显示非科技高风险行业再定价不足。
- 企业AI采用率对比US高于EU，小企业差距更大图表显示US在Small、Medium和All口径的AI采用率显著高于EU，Large企业两地接近。
影响与含义
投资含义是，杠杆贷款尤其是高AI颠覆风险行业的利差仍可能继续走阔。UBS认为US和EU的风险暴露相近，但美国行业风险更分散且AI采用更快，因此风险传导可能更早；欧洲短中期仍可能相对跑赢美国。策略上，报告偏好Long US LL Manufacturing vs. US LL Services，以及Long EU HY vs. EU LL。
风险
- AI模型能力进步快于预期，导致高风险行业收入和利润率承压。
- 私人信贷赎回或流动性压力可能放大贷款市场传染效应。
- 再融资窗口收紧和金融条件恶化可能推高违约率。
- 当前利差若继续收窄，将进一步降低对尾部风险的补偿。
- 美国AI采用率更高，可能使US LL风险更早暴露。
- 地缘政治、政策冲击、利率、外汇和市场波动可能影响多资产组合回报。
后续跟踪
- US/EU LL利差是否向UBS 2026年底预测路径靠拢，尤其是EU LL 590bp和US LL 610bp附近。
- Services、Media/Telecom、Gaming/Leisure和Retail是否出现类似Technology的再定价。
- AI模型进展、企业AI采用率和行业自动化替代迹象。
- 私人信贷赎回、贷款基金流动、再融资成交和二级市场流动性。
- US/EU LL实际违约率是否向3.75% / 3.0%的基准预测移动。
- 高风险行业与低风险行业平均利差的分化是否继续扩大。