城投债看两个方面，一方面看整体地方政府债务、隐性债务的情况，另一方面，也看它自身的变化，比如它的杠杆、财务情况等。现在政府债务管理的模式，转换到政府加强管理，有为政府更好地发挥作用，主要通过控制增量、化解存量，包括置换相关的一些债务融资成本，加强属地管理，从这个角度来讲，城投债务的风险还是可控的。从另外一个企业自身整体债务的角度，通过这几年的发展，基建的融资需求下降，债务增速也在放缓，置换完以后期限结构拉长，融资成本降低等，风险也在缓释，但是也不排除，网红地区债务可能会出现一些风险事件，这种风险事件的演变可能会是展期、债务重组，但真正公募市场的债券违约，风险还是比较低。

  2、高收益债市场被大家呼吁了很多年，但是直到今天，它还是处于探索的阶段，高收益债市场的发展还需要哪些关键要素呢？

  虽然我们的高收益债市场发展了将近10年，现在国内二级市场也有其他形式的高收益债，比如到期收益率在8%以上的债券，但这个发展还处于初期阶段。高收益债市场的发展，是一个生态系统的建设，比如前端的发行人、后端投资人市场的培育，也有债券市场基础设施的建设，包括监管出的一些相关政策，包括能够培育高收益债发展的场所等，其中最重要一环，我理解还是信用评级，信用评级在这里面还是需要发挥更大的作用。

  3、信用评级该怎么做才能更好地服务于高收益债市场的发展呢？

  欧美债券市场的高收益债发展起步，就是在国际三大的投机级债券分层， BB+及以下的投机级市场信用分层，伴随着这个市场的发展，在美国，印象比较深刻的就是美国保监会出台的政策，不同的信用分层计提的风险资本是不一样的，也就是说高收益债，只要是投机级的债券，它计提的风险资本要求比较高。对于国内来讲，投资人付费的评级机构在这里面是大有可为，信用分层越细、分层越准，才能更好地助力投资人评价信用风险。投资人付费的评级结果更加独立、客观、公正，整体来看，在收益率8%以上的高收益债券中，中债资信的级别大部分在A、BBB等级以下，AA以上较少，外部评级可能集中在AA、AA+、AAA，这也能印证中债资信级别的确是较为独立、客观、公正。

  4、结合评级行业的特点来看，您觉得ChatGPT或者说人工智能，会抢走我们的饭碗吗？

  个人的一些观点是，ChatGPT跟传统的方法还有很大的区别，过去分析企业需要看它的经营情况，分析它的资源配置、财务数据，但这些数据，客观来讲有一些滞后，比如年报，上一年年报都是第二年的四月份才发出来，这种滞后性对评级的前瞻性要求形成了制约。最新的大模型处理的是非结构化数据，不是传统的财务、经营数据，它可以通过图像，可以通过其他的卫星热点，包括通过一些舆情信息，比如监测工厂工人上班的情况、货物进出的情况，包括它的用电情况等。新的舆情信息数据、非结构化的信息引入，对传统的评级方法还是有很大的改进，对分析企业还是有很大的帮助。

  第二个点，我们还是有很大优势，大模型、人工智能需要我们去进行训练，就是“喂”它数据，同时还要大量地进行训练，专业的评级机构，我们训练的能力是很强的，给它数据以后不断去校正，实现更高级的人工智能。所以我相信，我们的饭碗未来是不会被替代的。