9月城投债净偿还规模291亿元，相较于8月增加180亿元，但仍低于去年同期的1516亿元。其中交易所城投债净偿还规模上升至219亿元，协会转为净偿还72亿元。9月四川、江西等11个省市城投债净融资为正，江苏、重庆等17个省市呈现净偿还。近一年来12省市出现净偿还，但多数省份城投债净融资规模相比于前一年同比上升，其中江苏、湖南、重庆、安徽等地近12个月的净偿还规模最大，剩余19个净融资的省市中广东和山东的净融资规模较大。
　　9月城投债实际提前偿还规模较8月减少19.2亿元至84亿元，但公告提前偿付与现金要约回购规模环比上升。交易所终止审批数量略有下降，规模略有上升。
　　9月首次发债主体共23家，相较8月增加6家，合计发债规模升至105.48亿元。这些主体发行主要仍是通过交易所私募债实现，仅两家发行PPN。在13家披露募集资金用途的主体中，发债用于股权投资、项目建设、偿还有息债务这类新增目的的分别有4家、3家和3家，还有2家募集资金用于偿还子公司债券。9月首发债平台主要分布在浙江、山东等区域。9月首发债主体中在原发债平台上架设新平台作为母公司发债的有6家，重组一家子公司作为新发债主体的共6家，产业化特征突出相对独立运营的平台共11家。
　　9月城投发债用途为借新还旧的比重下降2.1pct至81.5%，偿还有息债务以及补流、项目建设和股权投资的比重回升，所有用于借新还旧的城投债均未覆盖利息。贵州、黑龙江和云南的借新还旧占比依然维持100%，山东、湖北、浙江等7个省市城投发债借新还旧占比上升，而河南、北京、江西等13个省市借新还旧占比有所下降。
　　9月23家主体在协会发行共38只产品实现新增融资，规模413.7亿元，募集资金用途均为偿还有息债务。其中交通基建主体14家，基础建设主体4家，国资运营主体3家，公用事业主体2家。9月协会新增融资的主体大多仍为交通基建主体，主要分布于广东、江苏和山东等地。9月协会新增融资的主体均不在Wind城投名单上，新增融资的4家基础建设类主体分别为山东水发、临港控股、两江产业和坪山城投。
　　9月交易所新增融资债券发行55只，涉及47家主体，发行规模369.63亿元。偿还有息债务主体共27家，补流、股权投资和项目建设主体共21家。在9月交易所新增融资主体中，有4家主体尚在Wind城投名单上，其中3家为交通基建主体，分别为徐州地铁、合肥轨交和吉林高速，1家为基础建设主体，为上海嘉定住房建设发展(集团)有限公司。
　　截至9月末，累计有504家城投主体在债券发行时声明自身为“市场化经营主体”，有450家主体在发行协会产品时声明市场化经营主体，72家在发行交易所产品时声明市场化经营主体，有18家主体同时在协会和交易所声明。此前在协会声明市场化经营的主体有67家在9月发行协会债券，共计84只，发行规模合计517.56亿元，募集资金用途均为借新还旧且不覆盖利息。此前在交易所市场化声明的主体中有15家在9月发行了交易所产品，其中方洋能源、徐州地铁和苏州轨道实现了新增融资。
　　9月共新增35家城投平台在债券募集说明书中披露其为市场化经营主体，其中协会声明有19家主体，交易所声明16家主体。协会新增市场化声明的19家主体发债用途均为借新还旧且不覆盖利息，其中有1家主体曾经在交易所声明市场化，有12家在2023年10月至声明前发行过协会公募债，当中有5家在声明之前曾经发行协会公募债新增融资，包括中浦石化、建宁水务、秦皇岛城投、福建漳龙和长江产投，而在9月这些主体发行的协会产品均用于借新还旧且不覆盖利息。而16家在交易所新声明市场化经营的主体中，仅25合投K1用于股权投资，其余同样用于借新还旧且不覆盖利息。这16家主体在声明前发债也以借新还旧为主，仅扬州城建于2024年2月和2024年12月发行企业债补流和项目建设，江苏先行控股集团于2023年11月发行超短融用于偿还有息债务。
　　截至9月30日，隐含评级AA级市场化经营主体信用利差52.86BP，较8月末走阔7.49BP，未声明市场化经营主体信用利差52.22BP，较8月末走阔7.34BP，市场化经营主体与未声明主体信用利差偏离由8月末的0.49BP走阔0.15BP至0.64BP。AA（2）级主体市场化经营主体信用利差72.96BP，较8月末走阔6.55BP，未声明市场化经营主体信用利差69.76BP，较8月末走阔6.95BP，市场化经营主体与未声明主体信用利差偏离在3.20BP，较8月末收敛0.40BP。从分区域数据来看，9月AA和AA（2）等级信用利差大多数先降后升，总体有所走阔，AA级城投债中，甘肃、河南、安徽的市场化经营主体利差和陕西、宁夏的非市场化经营主体利差走阔幅度较大；AA（2）级城投债中黑龙江的市场化经营主体利差大幅走阔，宁夏的非市场化经营主体利差显著收敛。整体来看，市场化经营主体和未声明市场化经营主体利差仍未分化。
　　风险因素：监管政策调整超预期，数据提取和处理存在误差。