我國(guó)債券資產(chǎn)的壓力測(cè)試

熊 熊，蘭 云

（天津大學(xué)管理與經(jīng)濟(jì)學(xué)部，天津300072）

自20世紀(jì)70年代布雷頓森林體系崩潰以來(lái)，金融自由化和全球化迅速發(fā)展，金融體系面臨的風(fēng)險(xiǎn)日趨增加，金融危機(jī)的發(fā)生也越來(lái)越頻繁。具體來(lái)說(shuō)，20世紀(jì)70年代末，拉美債務(wù)危機(jī)爆發(fā)，引發(fā)西方國(guó)家銀行倒閉風(fēng)潮；20世紀(jì)80年代后期美國(guó)平均兩天內(nèi)就會(huì)有一家銀行倒閉；20世紀(jì)90年代，從日本經(jīng)濟(jì)陷入低迷到墨西哥金融危機(jī)、俄羅斯金融危機(jī)、亞洲金融危機(jī)和阿根廷金融危機(jī)等相繼爆發(fā)，這都顯示出金融體系風(fēng)險(xiǎn)的常態(tài)化。而2007美國(guó)爆發(fā)的次貸危機(jī)不僅顛覆了美國(guó)本土的金融格局，也殃及了大量北歐國(guó)家，使曾經(jīng)的“北歐天堂”不復(fù)存在。在2009年，全球經(jīng)濟(jì)呈現(xiàn)復(fù)蘇的萌芽時(shí)，希臘、迪拜又相繼爆發(fā)主權(quán)債務(wù)危機(jī)。種種事實(shí)說(shuō)明，金融風(fēng)險(xiǎn)已呈現(xiàn)常態(tài)化趨勢(shì)，因此風(fēng)險(xiǎn)管理顯得尤為重要。

談及金融風(fēng)險(xiǎn)管理，傳統(tǒng)的VaR模型假定風(fēng)險(xiǎn)因子服從正態(tài)分布或?qū)?shù)正態(tài)分布，風(fēng)險(xiǎn)因子收益的變化具有“平穩(wěn)”的特征，排除了發(fā)生跳躍和其他極端情況的可能性，進(jìn)而度量在一定置信水平和一定持有期內(nèi)，某一金融工具或其組合在未來(lái)資產(chǎn)價(jià)格波動(dòng)下所面臨的最大損失額。因此，VaR模型適用于一個(gè)“正態(tài)市場(chǎng)”，或者說(shuō)是正常市場(chǎng)環(huán)境，而當(dāng)金融市場(chǎng)激烈動(dòng)蕩的時(shí)候，VaR模型就無(wú)能為力了，這也在2007年的次貸危機(jī)中得到了證實(shí)。

此外，從我國(guó)金融市場(chǎng)的情況來(lái)看，壓力測(cè)試出現(xiàn)在我國(guó)的金融舞臺(tái)最早可以追溯到中國(guó)銀監(jiān)會(huì)為了響應(yīng)IMF和世界銀行于1999年5月聯(lián)合推出的“金融部門(mén)評(píng)估規(guī)劃（FSAP）”，并于2003年9月開(kāi)始組織對(duì)各商業(yè)銀行的評(píng)估工作。此外，中國(guó)銀監(jiān)會(huì)于2007年制定了《商業(yè)銀行壓力測(cè)試指引》旨在提高商業(yè)銀行的風(fēng)險(xiǎn)管理能力，該指引于2014年進(jìn)一步修正。除此之外，壓力測(cè)試在其他領(lǐng)域應(yīng)用并不廣泛，實(shí)踐并不充分。隨著2015年我國(guó)加入世界貿(mào)易組織的保護(hù)期屆滿，面臨的全球金融風(fēng)險(xiǎn)更加嚴(yán)峻，各種無(wú)法用VaR模型解決的問(wèn)題將會(huì)無(wú)法避免。因此，對(duì)我國(guó)金融市場(chǎng)尤其是債券市場(chǎng)進(jìn)行壓力測(cè)試是十分有必要的。

Dunbar和Irving（1998）指出壓力測(cè)試主要有三種分析方法：歷史情景分析法、結(jié)構(gòu)化情景分析法和根據(jù)機(jī)構(gòu)本身特性的情景分析法[1]。BIS（2000）則認(rèn)為，可分為敏感性分析法、歷史情景分析法、虛擬情景分析法、最大損失分析法與極值理論分析法等[2]。Kupeic（2002）依據(jù)傳統(tǒng)VaR模型的架構(gòu)，以Delta正態(tài)法為基礎(chǔ)進(jìn)行壓力測(cè)試，將VaR與壓力測(cè)試構(gòu)建在同一分析架構(gòu)中，但其分析架構(gòu)在理論上忽略了多數(shù)資產(chǎn)收益率的實(shí)際分布常具有厚尾現(xiàn)象的特性[3]。Embrechts、Mon eil（1997）等一些研究極值理論在風(fēng)險(xiǎn)管理應(yīng)用的學(xué)者，也陸續(xù)推導(dǎo)出了可以同時(shí)估計(jì)出壓力情景下的資產(chǎn)組合損失及其發(fā)生概率的方法[4]。國(guó)外就壓力測(cè)試的定量方法可分為兩類：一類是事先假定分布的方法，包括利用模型估計(jì)分布的變異數(shù)；另一類是利用蒙特卡羅模擬的方法。

就壓力測(cè)試的具體操作程序而言，一套完整的壓力測(cè)試往往包括風(fēng)險(xiǎn)因素識(shí)別、情景構(gòu)建、場(chǎng)景分析和模型選取。Pesaran、Schuermann、Treutler和Weiner（2006）最早采用了VAR模型生成概率情景來(lái)對(duì)銀行系統(tǒng)進(jìn)行壓力測(cè)試，并采用沖擊響應(yīng)函數(shù)來(lái)探究宏觀經(jīng)濟(jì)變量的沖擊[5]。Thomas Breue（r2009）提出采用風(fēng)險(xiǎn)因子的馬氏距離來(lái)界定壓力情景發(fā)生的概率。這種方法的優(yōu)勢(shì)是可以讓決策者在極端情景的可能性和嚴(yán)峻性之間做權(quán)衡[6]。在模型選取方面，比較有亮點(diǎn)的是Van den End、Hoeberichts、Tabbae（2006）在奧地利的 SRM 多元 t-copula的基礎(chǔ)上提出了另一種新的方法。該方法考慮了宏觀經(jīng)濟(jì)變量同時(shí)變化的情況和他們之間的互相作用，解決了壓力測(cè)試不能很好地解決相關(guān)性的問(wèn)題[7]。Ricardo Schechtman等（2012）對(duì)巴西銀行系統(tǒng)的房地產(chǎn)貸款進(jìn)行壓力測(cè)試，在Wilson模型基礎(chǔ)上加入了分位數(shù)回歸，有利于估計(jì)資產(chǎn)規(guī)模的厚尾特征[8]。此外，Vazquez et a1（．2012）首次嘗試開(kāi)拓了新的研究方法，采用VaR模型對(duì)風(fēng)險(xiǎn)因子進(jìn)行建模并識(shí)別變量間關(guān)系。

相較于國(guó)外的研究，國(guó)內(nèi)對(duì)壓力測(cè)試的研究起步較晚。尤其是在2007年以前，大多數(shù)學(xué)者如郭春松（2005）、黃（2004）、楊鵬（2005）、董天新和杜亞斌（2005）、陳德勝和姚偉峰及馮宗憲（2004）、蔣祥林和王春峰（2005）等先后圍繞壓力測(cè)試的必要性、目的作用、所用方法、國(guó)內(nèi)外的具體實(shí)踐進(jìn)行了理論上的探討[9～14]。在實(shí)證方面，以汪壽陽(yáng)、張靜（2002）的研究比較有代表性，他們利用壓力測(cè)試的方法分析日元貶值對(duì)我國(guó)2002年出口造成的影響[15]。在2007年以后，學(xué)者們更多地圍繞壓力測(cè)試的具體操作程序展開(kāi)研究，而且結(jié)合商業(yè)銀行信用風(fēng)險(xiǎn)的研究占了大部分。其中，唐文江等（2009）對(duì)壓力測(cè)試情景設(shè)置進(jìn)行了探討，分析了情景設(shè)置的方法，并對(duì)情景設(shè)置中如何建立宏觀經(jīng)濟(jì)因子之間的聯(lián)系、風(fēng)險(xiǎn)因子的傳導(dǎo)機(jī)制以及情景設(shè)置如何與風(fēng)險(xiǎn)管理文化結(jié)合、應(yīng)對(duì)突發(fā)事件等問(wèn)題進(jìn)行了探討[16]。巴曙松、朱元倩（2010）總結(jié)了國(guó)際上對(duì)壓力測(cè)試的實(shí)踐規(guī)范與方法，著力研究了事件沖擊到承壓變量之間的傳導(dǎo)機(jī)制和缺乏數(shù)據(jù)情況下的宏觀壓力測(cè)試[17]。徐明東、劉曉星（2008）深入研究了宏觀壓力測(cè)試的理論模型和執(zhí)行宏觀壓力測(cè)試的主要步驟、方法，并對(duì)宏觀壓力測(cè)試的主要難題如銀行之間的相互影響與反饋效應(yīng)等進(jìn)行了研究[18]。同時(shí)，他們也對(duì)目前主要的宏觀壓力測(cè)試系統(tǒng)，包括FSAP系統(tǒng)、奧地利央行的SRM系統(tǒng)以及英格蘭銀行的TD系統(tǒng)，進(jìn)行了比較研究。楊曉奇（2010）選取不良貸款率為指標(biāo)評(píng)估銀行體系穩(wěn)定性[19]，在Wilson（1997）的研究框架下，使用蒙特卡洛模擬和誤差校正模型進(jìn)行宏觀壓力測(cè)試，評(píng)估銀行體系在GDP增長(zhǎng)率為7%、6%和5%的情景下銀行體系的穩(wěn)定性。

早期的壓力測(cè)試主要集中在壓力測(cè)試的執(zhí)行框架、操作流程上，近期的壓力測(cè)試則從情景的設(shè)置、模型的選取、壓力測(cè)試的執(zhí)行、影響測(cè)度等多個(gè)角度出發(fā)，對(duì)壓力測(cè)試進(jìn)行了較為深入的研究。目前的研究呈現(xiàn)以下幾個(gè)特征：首先，對(duì)宏觀經(jīng)濟(jì)體系的壓力測(cè)試研究主要由監(jiān)管部門(mén)領(lǐng)導(dǎo)，對(duì)其重點(diǎn)關(guān)注的問(wèn)題是如何兼顧壓力情景的嚴(yán)峻性和概率特征，有很多研究對(duì)這些問(wèn)題進(jìn)行探討，可惜效果不盡如人意。

一、理論基礎(chǔ)

（一）壓力測(cè)試

壓力測(cè)試這一概念最早由國(guó)際證券事務(wù)監(jiān)察委員會(huì)組織（IOSCO）于1995年提出，當(dāng)時(shí)被定義為：“假設(shè)市場(chǎng)在最不利的情形下，如利率突然急升或股市突然重挫時(shí)，對(duì)資產(chǎn)組合的影響效果?！倍螅?999年這一定義被擴(kuò)展為：“將資產(chǎn)組合面臨的嚴(yán)峻但有可能發(fā)生的極端風(fēng)險(xiǎn)加以認(rèn)定并進(jìn)行量化。”此外，2000年國(guó)際清算銀行巴塞爾銀行全球金融系統(tǒng)委員會(huì)（BIS committee on the global finanical system，BCGFS），將其定義為一種金融機(jī)構(gòu)用以衡量那些潛在但可能發(fā)生的異常損失的模型。就我國(guó)而言，銀監(jiān)會(huì)將壓力測(cè)試視為：“將整個(gè)金融機(jī)構(gòu)或資產(chǎn)組合置于某一特定的主觀想象的極端市場(chǎng)情況，對(duì)該金融機(jī)構(gòu)或資產(chǎn)組合在這些關(guān)鍵市場(chǎng)變量突變的壓力下的表現(xiàn)狀況進(jìn)行測(cè)試，看其是否能經(jīng)受得起這種市場(chǎng)的突變?！本C合國(guó)內(nèi)外對(duì)壓力測(cè)試的定義，本文將壓力測(cè)試?yán)斫獬梢环N衡量在極端市場(chǎng)情況下所導(dǎo)致的潛在損失的方法。

作為金融風(fēng)險(xiǎn)管理的方法之一，壓力測(cè)試的主要目的在于評(píng)估單個(gè)債券基金或是商業(yè)銀行等金融機(jī)構(gòu)在市場(chǎng)發(fā)生嚴(yán)峻性的危機(jī)事件時(shí)所面臨的主要風(fēng)險(xiǎn)以及評(píng)估在極端不利條件下金融機(jī)構(gòu)體系的穩(wěn)健性，也就是通過(guò)預(yù)設(shè)某些宏觀經(jīng)濟(jì)指標(biāo)發(fā)生劇烈震蕩時(shí)，對(duì)債券市場(chǎng)或是銀行體系穩(wěn)健性的影響。壓力測(cè)試的方法可以運(yùn)用在優(yōu)化并檢驗(yàn)經(jīng)濟(jì)資本配置是否合理、評(píng)估金融機(jī)構(gòu)業(yè)務(wù)風(fēng)險(xiǎn)大小、測(cè)量異常但是有可能發(fā)生的極端事件對(duì)資產(chǎn)組合的影響以及評(píng)估金融機(jī)構(gòu)的風(fēng)險(xiǎn)承受特性。

就壓力測(cè)試的作用而言，主要分成兩個(gè)方面。第一，對(duì)商業(yè)銀行、債券基金等金融機(jī)構(gòu)來(lái)說(shuō)，壓力測(cè)試有助于其更完善地評(píng)估其抵御風(fēng)險(xiǎn)的能力，增進(jìn)對(duì)本身風(fēng)險(xiǎn)狀況的了解，有利其監(jiān)測(cè)有關(guān)風(fēng)險(xiǎn)狀況的變化，使它的管理層能夠?qū)⑵洮F(xiàn)在所承受的風(fēng)險(xiǎn)。此外，針對(duì)歷史數(shù)據(jù)“失真”的情況，彌補(bǔ)對(duì)主要以歷史數(shù)據(jù)及假設(shè)為基礎(chǔ)的風(fēng)險(xiǎn)評(píng)估方法以評(píng)估蒙受損失的大小。第二，針對(duì)金融機(jī)構(gòu)的監(jiān)管當(dāng)局，運(yùn)用壓力測(cè)試的方法可以使其對(duì)所監(jiān)管的金融機(jī)構(gòu)在未來(lái)可能承受的風(fēng)險(xiǎn)和所能夠承受的風(fēng)險(xiǎn)強(qiáng)度有一個(gè)宏觀的把握并預(yù)測(cè)在不利的經(jīng)營(yíng)條件下風(fēng)險(xiǎn)發(fā)生的可能性，對(duì)風(fēng)險(xiǎn)的規(guī)避有重要的意義。

從操作方法來(lái)看，壓力測(cè)試大體可以分為兩種類型：情景測(cè)試和敏感性測(cè)試。情景分析會(huì)涉及多個(gè)因子的變動(dòng)，測(cè)試的過(guò)程也相對(duì)復(fù)雜，主要應(yīng)用于流動(dòng)性風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)以及操作風(fēng)險(xiǎn)以及宏觀壓力測(cè)試。根據(jù)選取的情景不同又可以細(xì)分為歷史情景法和假定情景法兩種。敏感性測(cè)試主要應(yīng)用于單個(gè)風(fēng)險(xiǎn)因子的變動(dòng)，常用于市場(chǎng)風(fēng)險(xiǎn)的壓力測(cè)試。

（二）我國(guó)上市公司債

新的《公司法》對(duì)公司債券的定義是：“指公司依照法定程序發(fā)行、約定在一定期限內(nèi)還本付息的有價(jià)證券。”公司債券是公司外部融資的一種重要手段，是企業(yè)融資的重要來(lái)源，同時(shí)也是金融市場(chǎng)上的重要金融工具之一。作為私人公司或公眾公司舉借債務(wù)時(shí)使用的工具，公司債由發(fā)行人根據(jù)發(fā)行契約發(fā)行，為債券持有人的債權(quán)憑證，由發(fā)行人承擔(dān)還本付息的義務(wù)。公司債期限可短至幾天或長(zhǎng)達(dá)百年，發(fā)行人在債券契約中必須說(shuō)明資金用途、財(cái)務(wù)狀況。另外，公司債還具有不免稅、有固定發(fā)行面值、在交易所上市等特征。此外，公司債券的發(fā)行通常由評(píng)信機(jī)構(gòu)給予信用評(píng)定。目前，我國(guó)上市流通的公司債評(píng)級(jí)分為 AAA、AA+、AA、AA-、A+和 A 六類。

二、公司債的壓力測(cè)試

（一）數(shù)據(jù)來(lái)源及處理

本文對(duì)公司債的壓力測(cè)試采取敏感性測(cè)試的方法，對(duì)市場(chǎng)風(fēng)險(xiǎn)進(jìn)行管理，即研究市場(chǎng)利率大幅變動(dòng)對(duì)公司債價(jià)格的影響。本文采用公司債的到期收益率代表價(jià)格。由于目前我國(guó)上市的公司債有 AAA、AA+、AA、AA-、A+和 A 六種評(píng)級(jí)，只選取單一種類不具有代表性。此外，公司債的期限往往不等，期限也會(huì)對(duì)收益率造成影響。所以，為了兼顧研究的全面性與效率性，本文選取AAA、AA和A+三類公司債的數(shù)據(jù)，并將每種類別的3年、5年、7年的收益率進(jìn)行平均，得到債券到期收益率（ytm）數(shù)據(jù)。數(shù)據(jù)以日為頻率，期限為2014年12月10日至2016年5月5日共342個(gè)數(shù)據(jù)。本文采用隔夜的上海銀行間同業(yè)拆借利率（shiboro/n）來(lái)代表市場(chǎng)利率。與之對(duì)應(yīng)，選取shiboro/n（s）2014年12月10日至2016年5月5日共342個(gè)數(shù)據(jù)。本文中所有數(shù)據(jù)均來(lái)自Wind數(shù)據(jù)庫(kù)，本文模型的實(shí)現(xiàn)通過(guò)經(jīng)濟(jì)計(jì)量分析軟件——Eviews6.0實(shí)現(xiàn)。

（二）VaR模型設(shè)定

向量自回歸模型（VaR模型）是一種非結(jié)構(gòu)化的多方程模型，它不以經(jīng)濟(jì)理論為基礎(chǔ)，而是讓數(shù)據(jù)本身來(lái)確定模型的動(dòng)態(tài)結(jié)構(gòu)，常用于預(yù)測(cè)相互聯(lián)系的時(shí)間序列系統(tǒng)以及分析隨機(jī)擾動(dòng)對(duì)變量系統(tǒng)的動(dòng)態(tài)影響。在模型的每一個(gè)方程中，內(nèi)生變量對(duì)模型的全部?jī)?nèi)生變量的滯后值進(jìn)行回歸，從而估計(jì)全部?jī)?nèi)生變量的動(dòng)態(tài)關(guān)系，回避了結(jié)構(gòu)化模型的要求。本文通過(guò)建立關(guān)于公司債收益率（ytm）和市場(chǎng)利率（shibor）的VaR模型，讓數(shù)據(jù)本身來(lái)確定模型的動(dòng)態(tài)結(jié)構(gòu)。

VaR模型的表達(dá)式如下：

式中，yt是m維內(nèi)生變量向量，xt為d維外生變量向量，A1…Ap和B1…Br是待估計(jì)的參數(shù)矩陣，內(nèi)生變量和外生變量分別由p和r階滯后期；εt是隨機(jī)擾動(dòng)項(xiàng)，同期之間可以相關(guān)，但不能有自相關(guān)，不能與模型右邊的變量相關(guān)。

三、基于VaR模型的A+類公司債壓力測(cè)試實(shí)證分析

（一）ADF根檢驗(yàn)

單位根檢驗(yàn)（Unit Root Test）主要用來(lái)判定時(shí)間序列的平穩(wěn)性。如果一個(gè)時(shí)間序列的均值或協(xié)方差函數(shù)隨時(shí)間變化而改變，則這個(gè)序列就是不平穩(wěn)的時(shí)間序列。如果該時(shí)間序列經(jīng)過(guò)一階差分后變?yōu)槠椒€(wěn)序列，則稱該序列為一階單整序列，記作（I1）；如果是經(jīng)過(guò)d次差分后才平穩(wěn)，則稱為d階單整序列，記作（Id）。在進(jìn)行VaR模型的估計(jì)之前，需要對(duì)時(shí)間序列進(jìn)行平整性檢驗(yàn)，否則很可能出現(xiàn)“偽回歸”的現(xiàn)象，影響結(jié)果。

在對(duì)時(shí)間序列進(jìn)行單位根檢驗(yàn)之前，首先要判斷其大體趨勢(shì)，以便選擇合適的ADF模型。

首先，利用Eviews畫(huà)出兩個(gè)序列的趨勢(shì)圖。這里對(duì)ytm和s序列均采取了對(duì)數(shù)化處理，不影響后續(xù)估計(jì)與檢驗(yàn)結(jié)果。分別命名 log（ytm）和 log（s）為 ytm1和 s1。

圖1 ytm1和s1的序列趨勢(shì)圖

由圖1可以看到，兩個(gè)序列含有截距項(xiàng)但并沒(méi)有明顯的趨勢(shì)，故采取含截距無(wú)趨勢(shì)模型對(duì)兩個(gè)序列分別進(jìn)行ADF單位根檢驗(yàn)。

由表1可以看出，A+級(jí)公司債收益率序列和隔夜拆借利率都不是平穩(wěn)序列，因此不能直接對(duì)原序列構(gòu)建VaR模型。但同時(shí)我們可以看到，ytm1和s1的一階差分序列是平穩(wěn)的，所以應(yīng)該對(duì)其進(jìn)行協(xié)整檢驗(yàn)，以判斷是否可以對(duì)原序列構(gòu)建修正的VaR模型。

表1 ADF檢驗(yàn)結(jié)果

（二）協(xié)整檢驗(yàn)

根據(jù)協(xié)整理論，如果非平穩(wěn)變量序列之間的線性組合有不隨時(shí)間變化的性質(zhì)或具有平穩(wěn)性特征，即說(shuō)明這些非平穩(wěn)變量之間具有長(zhǎng)期穩(wěn)定的均衡關(guān)系。通過(guò)前述分析，采用有截距項(xiàng)、但序列沒(méi)有確定性趨勢(shì)項(xiàng)的Johansen協(xié)整檢驗(yàn)方法進(jìn)行檢驗(yàn)。

表2 JJ協(xié)整檢驗(yàn)輸出結(jié)果

由JJ檢驗(yàn)結(jié)果可以看出，變量ytm1和s1之間有1個(gè)協(xié)整關(guān)系存在。

根據(jù)檢驗(yàn)結(jié)果最下方的部分可以得到協(xié)整方程（如表3所示）。

表3 協(xié)整方程

協(xié)整方程為：

log（ytm）=0.08log（s）

s.e.=（0.046）

（三）向量誤差修正模型的構(gòu)建

向量誤差修正（VEC）模型是帶有協(xié)整約束的向量自回歸（VaR）模型。只有變量間存在協(xié)整關(guān)系時(shí)才可以構(gòu)建VEC模型，其多用于具有協(xié)整關(guān)系的非平穩(wěn)時(shí)間序列建模。由之前的結(jié)果，我們可以對(duì)ytm1和s1變量序列構(gòu)建VEC模型。主要從以下幾方面進(jìn)行。

1.最佳滯后期的確定。首先，由根據(jù)AIC和SC信息準(zhǔn)則確定最佳滯后期。由表4可知，依AIC和SC最小的原則，本模型的滯后期為三期。

表4 最佳滯后階數(shù)的確定

2.AR根穩(wěn)定性檢驗(yàn)。為了模型的有效性和穩(wěn)定性，進(jìn)行 AR特征根的檢驗(yàn)，檢驗(yàn)結(jié)果（如圖2所示）。

圖2 AR根檢驗(yàn)圖

根據(jù)本文圖2可知，該模型的AR根模的倒數(shù)均在單位圓內(nèi)，因此本文建立的VaR模型是穩(wěn)定的，可以進(jìn)一步做脈沖響應(yīng)分析。

3.脈沖響應(yīng)分析。脈沖響應(yīng)分析是用來(lái)描述一個(gè)內(nèi)生變量對(duì)由誤差項(xiàng)所帶來(lái)的沖擊的反應(yīng)，即在隨機(jī)誤差項(xiàng)上施加一個(gè)標(biāo)準(zhǔn)差大小的沖擊后，對(duì)內(nèi)生變量的當(dāng)期值和未來(lái)值所產(chǎn)生的影響程度。為了研究債券收益率與市場(chǎng)利率之間的動(dòng)態(tài)關(guān)系，本文通過(guò)脈沖響應(yīng)分析來(lái)看加入市場(chǎng)利率沖擊后債券收益率的走勢(shì)，脈沖響應(yīng)（如圖3所示）。

圖3 ytm1和s1各自殘差的一個(gè)標(biāo)準(zhǔn)偏差沖擊的脈沖響應(yīng)

圖6中實(shí)線表示受到?jīng)_擊的變量的走勢(shì)，虛線范圍表示脈沖的正負(fù)兩個(gè)標(biāo)準(zhǔn)誤差偏離帶。由圖可知，當(dāng)給市場(chǎng)利率一個(gè)正向的沖擊，收益率會(huì)帶來(lái)同向的沖擊，且在5期（日）后影響達(dá)到峰值，后來(lái)逐漸趨緩。

4.格蘭杰（Granger）因果分析。Granger在 1969年提出Granger因果檢驗(yàn)法，主要來(lái)分析變量之間的因果關(guān)系，判斷一個(gè)變量的變化是否是另一個(gè)變量變化的原因。通過(guò)Granger因果檢驗(yàn)可以判斷出變量y能在多大程度上被變量x的過(guò)去值所解釋，即加入x的滯后期是否提高了解釋力度。如果x與y的相關(guān)系數(shù)在統(tǒng)計(jì)上是顯著的，則說(shuō)明“y是xGranger引起的”。如果變量y受到x的滯后期影響，則x與y之間的Granger因果關(guān)系成立。本模型的格蘭杰檢驗(yàn)結(jié)果（如表5所示）。

表5 格蘭杰因果檢驗(yàn)結(jié)果

由表5可知，在5%顯著水平下，s1能Granger引起變量ytm1，而 ytm1不能 Granger引起變量 s1。

5.A+級(jí)債券收益率與shibor的回歸結(jié)果（見(jiàn)表6）。由表6所示的模型參數(shù)估計(jì)結(jié)果可得到回歸方程：

表6 模型回歸結(jié)果

log（ytm）=-0.003+0.231 log（ytm（-1））+0.185 log（ytm（-2））-0.01log（ytm（-3））-0.017log（s（-1））-0.028log（s（-2））-0.012 log（s（-3））

s.e.=（0.00026）（0.05416）（0.05389）（0.05164）（0.01297）（0.01450）（0.1321）

t=[-1.38868][4.26984][3.44232][-0.19255][-1.32003][-1.95804][-0.93899]

由模型可知，收益率受自身一階和二階滯后期正向影響，受市場(chǎng)利率滯后期負(fù)向影響。

（四）結(jié)論

由協(xié)整檢驗(yàn)方程結(jié)果，對(duì)于A+債券而言，當(dāng)市場(chǎng)利率增加1%。A+級(jí)公司債收益率會(huì)增加1.083%所以，若出現(xiàn)極端情況，利率上升100個(gè)基點(diǎn)，A+級(jí)公司債券收益率會(huì)上升108.3個(gè)基點(diǎn)，即1.083%；利率上升200個(gè)基點(diǎn)，A+級(jí)公司債券收益率會(huì)上升216.6個(gè)基點(diǎn)，即2.166%；利率上升400個(gè)基點(diǎn)，A+級(jí)公司債券收益率會(huì)上升433.2個(gè)基點(diǎn)，即4.332%。

表7

四、結(jié)語(yǔ)

首先，對(duì)于不同信用評(píng)級(jí)分類的公司債券，其收益率價(jià)格和市場(chǎng)利率變動(dòng)呈同向變動(dòng)，即當(dāng)市場(chǎng)利率上升，不同評(píng)級(jí)的公司債收益率均會(huì)上升，給公司債券持有者帶來(lái)?yè)p失。

其次，對(duì)于不同信用評(píng)級(jí)的公司債券，對(duì)市場(chǎng)利率極端變化的敏感性不同。從本文的實(shí)證結(jié)果，A+級(jí)債券表現(xiàn)的最為敏感，當(dāng)市場(chǎng)利率上升100個(gè)基點(diǎn)時(shí)，其收益率會(huì)上升108.3個(gè)基點(diǎn)，AA級(jí)債券收益率上升105.7個(gè)基點(diǎn)，AAA級(jí)債券收益率會(huì)上升101.1個(gè)基點(diǎn)。

最后，通過(guò)對(duì)shibor數(shù)據(jù)大幅變動(dòng)的分析，得出對(duì)本文中市場(chǎng)利率變動(dòng)影響最大的宏觀經(jīng)濟(jì)因素是寬松的貨幣政策。