中國債券市場“信用利差之謎”
——基于宏微觀影響因素的實證分析

周榮喜，熊亞輝，楊 嬙

(對外經(jīng)濟貿(mào)易大學(xué)金融學(xué)院，北京 100029)

一、引 言

隨著我國信用債發(fā)行規(guī)模不斷擴大，債券市場風險不斷累積，債券違約事件頻發(fā)。2014年3月，信用債剛性兌付首次被打破，隨后債券違約事件呈加速增長態(tài)勢。截至2019年3月底，共有284只債券發(fā)生違約，涉及違約的債券余額規(guī)模達2 335.34億元。其中，2018年更是爆發(fā)債券違約潮，違約債券只數(shù)達到125只，違約全額為1 209.61億元，2019年違約勢頭仍然不減，第一季度已產(chǎn)生43只違約債券，違約只數(shù)遠高于往年同期水平①數(shù)據(jù)來源于Wind數(shù)據(jù)庫。。債券市場作為金融市場的主體之一，債券違約事件的大規(guī)模出現(xiàn)一定程度上加大了系統(tǒng)性金融風險爆發(fā)的可能性，這與黨中央提出的“堅決守住不發(fā)生系統(tǒng)性金融風險的底線”的要求相悖。因此，債券市場的風險成為我國金融風險關(guān)注的重點領(lǐng)域之一。而信用風險是債券市場的主要風險，通常采用債券信用利差來刻畫，是指為了補償信用風險，投資者要求信用債券提供的高于到期日相同的無風險債券(國債)收益的額外收益。理論上講，公司債券的信用利差與其預(yù)期違約損失在數(shù)值上應(yīng)該近似相等。而實際上，公司債券的實際信用利差一般要遠遠大于其預(yù)期違約損失，公司債券的實際信利差與其預(yù)期違約損失之間存在著一個“寬缺口”，它是傳統(tǒng)的信用風險定價理論所不能解釋的，這就是所謂的“信用利差之謎”[1]。這一現(xiàn)象普遍存在于全球債券市場[2-4]。

國外學(xué)者對債券信用利差與預(yù)期違約損失之間的巨大差異進行了分析，主要包括對預(yù)期違約損失評估模型的改進和對剩余利差的來源進行探索，然而解釋力度有限。本文認為可能是由不同文獻在信用利差獲取方式和模型建立等方面存在的差異所造成的。本文的創(chuàng)新點在于應(yīng)用同一組數(shù)據(jù)采取兩種不同的方法擬合國債的到期收益率，計算信用利差并用于模型擬合效果的實證比較，以探究“信用利差之謎”，發(fā)現(xiàn)通過NS模型擬合國債收益率計算出的信用利差能更好地刻畫無風險利率的結(jié)構(gòu)特點和信用利差的特征，從而使我們更好地理解信用利差，管理債券風險。

為了解釋“信用利差之謎”中剩余利差的來源，國內(nèi)外關(guān)于信用利差的獲取方式和影響因素進行了大量研究。

不同的信用利差獲取方式得到的結(jié)果也不盡相同，究竟哪種方式更科學(xué)，目前尚無定論。Houweling等[5]提出一種聯(lián)合估計無風險期限結(jié)構(gòu)和信用利差曲線的多曲線方法。這種方法能得到更真實和更平滑的信用利差曲線。但是，很難判斷信用利差曲線看似不規(guī)則的形狀是由數(shù)據(jù)造成，還是由估計模型函數(shù)形式設(shè)定的誤差引起，同時模型也缺乏有效的評估基準。Jankowitsch和Pichler[6]曾對此進行改進，分別建立單曲線和多曲線樣條模型，以平滑度和平均絕對定價誤差為標準來評價模型，據(jù)此計算信用利差，結(jié)果表明，聯(lián)合估計無風險期限結(jié)構(gòu)和信用利差曲線的模型優(yōu)于傳統(tǒng)的從風險期限結(jié)構(gòu)中減去無風險利率的模型。此外，趙志明和李莎莎[7]、周宏等[8]采用線性插值法，劉善存等[9]采用SV模型，王安興等[10]、高強和鄒恒甫[11]采用NS模型擬合國債的到期收益率，進而計算信用利差。本文采用NS模型和線性插值法獲取信用利差進行實證比較。

信用利差的影響因素可歸納為宏觀因素和微觀因素。宏觀方面，李世軍和王磊[12]、Bhar和Handzic[13]研究發(fā)現(xiàn)信用利差的大部分系統(tǒng)變化都與宏觀經(jīng)濟變量有關(guān)。周榮喜和牛偉寧[14]從靜態(tài)和動態(tài)兩個方面對我國企業(yè)債券信用利差宏觀經(jīng)濟影響因子進行了定性和定量研究，發(fā)現(xiàn)影響我國企業(yè)債信用利差的經(jīng)濟因子有貨幣購買力水平、國內(nèi)生產(chǎn)總值、短期與長期無風險利率和股票市場收益率及其波動率等，這與Giesecke等[15]利用美國市場數(shù)據(jù)、Thakur等[3]利用印度市場數(shù)據(jù)得到的研究結(jié)論都是一致的。賀達[16]、Clark和Kassimatis[17]實證分析發(fā)現(xiàn)匯率也是影響信用利差的顯著因素。微觀方面，Tang和Yan[18]、張良貴和孫久文[19]分別以美國和中國公司債數(shù)據(jù)進行研究，均發(fā)現(xiàn)信用利差與企業(yè)杠桿間的關(guān)系緊密，可見公司杠桿率是影響信用利差的一個重要因素。此外，鄭佳銘和范龍振[20]發(fā)現(xiàn)除財務(wù)杠桿比率外，公司其他財務(wù)指標如營運能力、盈利能力以及現(xiàn)金流量指標同樣對公司債的信用利差存在影響。

從現(xiàn)有文獻資料可以看出，學(xué)者們對信用利差的獲取方式仍在不斷探索，以得到與實際信用利差最接近的理論信用利差，以使研究結(jié)論更有意義。而目前信用利差獲取方式的差異對研究結(jié)論可能產(chǎn)生的影響在研究中并未得到重視，為了方便或知識所限，絕大多數(shù)文獻仍簡單采用線性插值獲取信用利差進行相關(guān)研究，忽略了不同方式獲取的信用利差可能對結(jié)果造成的差異性影響。本文對現(xiàn)有文獻的貢獻是通過兩種不同的方式擬合信用債的到期收益率，計算信用利差，并分別利用兩種信用利差對其影響因素進行實證研究，以證明不同的信用利差獲取方式可能得到不一致的研究結(jié)論，以引起后續(xù)學(xué)者在選擇信用利差獲取方法上的重視。

二、信用利差宏微觀影響因素模型實證比較

(一)信用利差影響因素選取

為了更好地研究利率求取方式、回歸模型的使用對信用利差影響因素分析的影響，本文最終結(jié)合結(jié)構(gòu)化模型，選取了國內(nèi)外相關(guān)文獻中使用頻率相對較高、對信用利差解釋能力較好的企業(yè)自身因素、微觀因素以及宏觀因素作為主要影響因素進行研究。

1.公司財務(wù)指標

依據(jù)Merton結(jié)構(gòu)化模型可以推出杠桿率與信用利差在理論上成反比。另外，鄭佳銘和范龍振[20]發(fā)現(xiàn)除財務(wù)杠桿比率外，公司其他財務(wù)指標如營運能力、盈利能力以及現(xiàn)金流量指標同樣對公司債的信用利差存在影響。因此，本文最終選取杠桿比率、經(jīng)營活動現(xiàn)金流比、銷售凈利率、凈資產(chǎn)收益率、應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率、已獲利息倍數(shù)作為信用利差影響因素進行分析。

2.公司資產(chǎn)價值波動率

依照BS公式，看漲期權(quán)價值與資產(chǎn)價值的波動率正相關(guān)，因此公司資產(chǎn)價值波動率與公司股票價值正相關(guān)，與公司負債負相關(guān)，與公司債券收益率正相關(guān)，進而推斷公司價值波動率與信用利差成正相關(guān)關(guān)系。由于我國期權(quán)市場還處于初級階段，難以找到以個股為標的資產(chǎn)的期權(quán)產(chǎn)品，因此本文采用公司股票價格波動率代替公司資產(chǎn)價值波動率。

3.國債即期利率水平與斜率

無風險利率作為結(jié)構(gòu)化模型的輸入變量，是信用利差十分重要的影響因素之一。除個別文獻用SHIBOR替代無風險利率，各類文獻大多選用國債收益率。國債即期利率的斜率包含無風險利率的一些信息。當斜率上升時，投資者預(yù)期未來利率水平會上升，會導(dǎo)致公司債與國債的稅收差別減小。因此，公司債的價格更接近國債價格，利差減小。

4.流動性風險

信用利差的存在本質(zhì)上是由于相較于無風險債券，公司債券存在流動性風險和違約風險，消費者需要獲得更高的收益以彌補其面臨的更高的風險[21]，所以理論上信用利差的大小與流動性風險息息相關(guān)。

5.宏觀因素

影響信用利差的因素不僅有體現(xiàn)于結(jié)構(gòu)化模型之中的微觀因素，同時還有宏觀因素。尤其在處于發(fā)展階段的我國債券市場中，在許多微觀數(shù)據(jù)缺少的條件下，引入宏觀因素有助于彌補上述不足。再者，不同于資本主義經(jīng)濟體制，我國屬于政府對經(jīng)濟發(fā)展掌握更多話語權(quán)的社會主義市場經(jīng)濟。因此，將宏觀因素納入影響因素，有助于更好地刻畫中國債券市場信用利差的運行特征。若通貨膨脹加劇，投資者面臨的消費支出壓力會增大，驅(qū)使投資者減少投資，這意味著對企業(yè)債券的需求下降，市場價格下跌，到期收益率升高，信用價差擴大；反之亦然。人民幣匯率對債券信用價差有負向影響。匯率上升推動出口與經(jīng)濟發(fā)展，良好的宏觀經(jīng)濟形勢會對債券市場產(chǎn)生顯著影響，投資者風險偏好會上升，所要求風險補償下降，使得債券價差縮小，好的經(jīng)濟形勢也有利于企業(yè)未來發(fā)展，這樣融資企業(yè)的違約風險會降低，相應(yīng)的收益率價差也會下降。綜上所述，本文擬將CPI(居民消費價格指數(shù))、RPI(零售物價指數(shù))、股指收益率以及匯率納入宏觀因素進行深入研究。

(二)微觀影響因素模型實證比較

1.研究數(shù)據(jù)選取

為了研究微觀因素對信用利差的影響方式，本文從Wind數(shù)據(jù)庫選取2017年4月28日的相關(guān)截面數(shù)據(jù)進行研究。

(1)債券數(shù)據(jù)

本文篩選了256只A股上市公司發(fā)行的年付息一次的公司債，債券剩余期限涵蓋了4個月到9年不等，信用評級涉及A+至AAA所有評級。國債方面，選取了19只剩余期限多于半年、年付息一次的國債進行研究。針對債券本身，本文提取了公司債、企業(yè)債的剩余期限(mur)、最新評級(cr)、月度交易量(vol)以及收盤到期收益率(var)，提取了國債的收盤到期收益率和剩余期限。對于債券評級，公司債存在A+至AAA評級的債券，將最低評級賦值為1，評級每增加一級，賦值也隨之加1。

(2)財務(wù)數(shù)據(jù)

對于各個發(fā)債企業(yè)的財務(wù)狀況，本文選取公司2017年第一季度的資產(chǎn)負債率(dta)、經(jīng)營活動現(xiàn)金流量比(jy)、銷售凈利率(xs)、資產(chǎn)收益率(jzc)、應(yīng)收賬款周轉(zhuǎn)率(ysk)、存貨周轉(zhuǎn)率(ch)、總資產(chǎn)周轉(zhuǎn)率(zzc)、凈資產(chǎn)收益率(jzc)以及已獲利息倍數(shù)(yhl)來代表各個發(fā)債主體的財務(wù)狀況。

(3)行業(yè)分類

發(fā)債主體行業(yè)分為五類：工業(yè)(g)、公用事業(yè)(s)、綜合(z)、房地產(chǎn)(f)以及制造業(yè)(zh)。對于不同行業(yè)，采取引入(0，1)變量的方式對其影響方式進行分析。

(4)股票價格波動率

選取的發(fā)債主體均為A股上市公司，因此將主體4月股票價格月度波動率納入影響因素。由于債券月度數(shù)據(jù)的數(shù)量級較大，因此本文對月度成交量求取自然對數(shù)(lnvol)，以此使得數(shù)據(jù)之間的數(shù)量級相對統(tǒng)一。

2.簡單線性回歸模型分析

(1)變量描述性分析

表1為變量的描述性統(tǒng)計結(jié)果，對連續(xù)變量進行了上下1%水平的winsorize處理以避免極端值的影響。

表1 各變量描述性統(tǒng)計結(jié)果

由表1可以看出，運用線性插值法獲得的信用利差(cs1)與NS模型獲得的信用利差(cs2)求取的信用利差數(shù)據(jù)統(tǒng)計特征相似性極高，除最小值出現(xiàn)較大差異外，其余描述性統(tǒng)計量基本相同。

(2)截面數(shù)據(jù)簡單線性回歸分析

分別以通過線性插值法獲得的公司債信用利差(cs1)以及以NS模型獲得的信用利差(cs2)為被解釋變量，以上述進行描述性統(tǒng)計的變量作為解釋變量，采用逐步多元線性回歸分析獲得估計結(jié)果如表2所示。

從表2可以看出，兩個模型中，線性插值獲得的信用利差的擬合優(yōu)度為25%，NS信用利差最終擬合優(yōu)度為53%，兩者差距懸殊。

在所有財務(wù)指標中，凈資產(chǎn)收益率(jzc)的變動對信用利差的影響最大，對公司債信用利差的影響是負向的。這是因為本文選取債券的發(fā)債主體均為上市公司，在信息披露方面更加規(guī)范、全面，公司表現(xiàn)更加平穩(wěn)，因此較高的凈資產(chǎn)收益率表示公司的盈利能力較強，未來風險較低，信用利差也隨之降低。

資產(chǎn)負債率(dta)在公司債信用利差中被逐步回歸分析納入了線性插值的信用利差的回歸模型(Ⅰ)之中，卻未出現(xiàn)在NS信用利差之中，并且dta參數(shù)由負向變?yōu)檎?，與結(jié)構(gòu)化模型預(yù)期資產(chǎn)負債率與信用利差負相關(guān)恰恰相反。這可能說明，線性插值法在提取信用利差的結(jié)構(gòu)特點方面依然存在偏差。

行業(yè)分類方面，債券發(fā)債主體所處行業(yè)與公司債信用利差顯著相關(guān)。本文認為這是由于公司債存在較少的政府擔保，其行業(yè)風險對其總體風險存在顯著影響。房地產(chǎn)行業(yè)發(fā)行的債券存在最高的信用利差，這與近幾年房地產(chǎn)行業(yè)的萎靡息息相關(guān)。設(shè)施管理業(yè)的信用利差最小，可能是由于大多數(shù)設(shè)施管理業(yè)企業(yè)一般都與政府投資行為相關(guān)，風險也相對較小。

表2 公司債信用利差逐步回歸OLS結(jié)果

綜上所述，不同方式獲取的公司債信用利差，最終的回歸結(jié)果在擬合優(yōu)度方面存在較大差異，NS信用利差的擬合優(yōu)度更高。從變量的回歸系數(shù)符號而言，相比線性插值法，NS信用利差更符合理論預(yù)期，也在一定程度上表明NS模型能很好地提取信用利差的結(jié)構(gòu)特點。

(三)宏觀影響因素模型實證比較

1.研究數(shù)據(jù)選取

為了研究宏觀因素對信用利差的影響方式，本文從萬德數(shù)據(jù)庫中選取2010年11月至2017年3月的月末數(shù)據(jù)進行研究。

(1)債券數(shù)據(jù)選取

本文篩選了共計642只上市公司發(fā)行的公司債，國債方面總計篩選170只債券。

(2)宏觀數(shù)據(jù)選取

本文篩選出cpi、美元兌人民幣匯率(er)、商品零售價格指數(shù)(rpi)、國內(nèi)生產(chǎn)總值(gdp)、三個月無風險利率(rf)、十個月無風險利率以及上證收盤指數(shù)(index)。受gdp數(shù)據(jù)頻率的影響，本文應(yīng)用線性插值法將季度數(shù)據(jù)轉(zhuǎn)化為月度數(shù)據(jù)。并且為了保證數(shù)據(jù)在數(shù)量級上的統(tǒng)一，對處理后的月度數(shù)據(jù)提取了自然對數(shù)。同時采取十個月無風險利率與三個月無風險利率的差值作為無風險利率的斜率(slope)。由于各類債券數(shù)量龐大，為方便分析，本文對各類債券的信用利差求取了平均值。

2.VAR模型分析及脈沖響應(yīng)分析

(1)變量描述性分析

表3 各變量描述性統(tǒng)計結(jié)果

表3中cs1、cs2分別為公司債的線性插值信用利差以及NS信用利差。與之前的截面數(shù)據(jù)類似，不同方式獲取的信用利差描述性統(tǒng)計方面不存在明顯的差異。

(2)信用利差VAR模型分析及脈沖響應(yīng)分析

為了探究各個宏觀因素對信用利差的動態(tài)影響，建立VAR模型并進行脈沖響應(yīng)分析。進行VAR分析前，須對信用利差序列進行平穩(wěn)性檢驗，利用ADF法對企業(yè)債、公司債市場數(shù)據(jù)獲得的信用利差序列分別檢驗后，得到兩種信用利差序列均為平穩(wěn)序列，可以直接進行VAR分析。綜合VAR模型滯后階數(shù)的檢驗結(jié)果以及自由度的損失，得出企業(yè)債、公司債的兩種信用利差VAR模型的滯后階數(shù)均設(shè)為1階最為合理。為檢驗VAR模型是否穩(wěn)定，能否進行后續(xù)的脈沖響應(yīng)分析，對VAR模型進行了單位根檢驗，得出滿足脈沖響應(yīng)分析條件，見圖1和圖2。

圖1 線性插值信用利差的VAR模型單位根檢驗

圖2 NS信用利差的VAR模型單位根檢驗

脈沖響應(yīng)分析常用于衡量一個變量對另一個變量的影響效果，為了了解信用利差各影響因素對信用利差影響的持續(xù)效果，可以通過信用利差對各因素的脈沖響應(yīng)圖進行分析，見圖3和圖4。

從圖3和圖4中可以看出，與對線性插值NS信用利差的沖擊相比，對于影響持續(xù)期較長的無風險利率(rf)以及無風險利率斜率(slope)這類反映無風險利率的因素對公司債NS信用利差的影響持續(xù)期顯著縮短，這在一定程度上反映出通過NS模型求取信用利差的方式能夠更好地刻畫信用利差的特征。

圖3 線性插值信用利差對各因素的脈沖響應(yīng)

圖4 NS信用利差對各因素的脈沖響應(yīng)

三、結(jié)論與建議

本文運用線性插值法以及Nelson-Siegel(NS)利率期限結(jié)構(gòu)模型兩種方式擬合無風險債券到期收益率獲取信用利差，分別基于橫截面數(shù)據(jù)和時間序列數(shù)據(jù)建立微觀影響因素的多元線性回歸模型和宏觀影響因素的VAR模型對兩類信用利差進行了實證比較，綜合上述實證結(jié)果得出：

第一，微觀影響因素方面，公司債線性插值信用利差的擬合優(yōu)度為25%，而NS信用利差的擬合優(yōu)度為53%，差距十分懸殊，這在一定程度上表明，微觀影響因素對基于NS模型獲取的信用利差的解釋遠大于基于線性插值法獲取的信用利差。

第二，宏觀影響因素方面，無風險利率的水平及斜率對NS信用利差的影響最大，意味著NS模型相較于簡單的線性插值更加貼合無風險利率的真實期限結(jié)構(gòu)。

第三，不同的信用利差獲取方式對研究結(jié)論產(chǎn)生了差異性影響，基于NS模型獲取的信用利差在研究信用利差影響因素時更加符合理論預(yù)期。

基于本文結(jié)論，提出以下建議：

第一，研究者應(yīng)重視不同信用利差獲取方式對實證結(jié)果的影響。NS等多參數(shù)擬合連續(xù)曲線方法獲取信用利差更能刻畫利率期限結(jié)構(gòu)的特點。

第二，政府應(yīng)盡早考慮解決債券市場長期分割的不利局面。統(tǒng)一債券發(fā)行條件、監(jiān)管規(guī)則以及托管結(jié)算，有利于場內(nèi)資金的自由流動，充分發(fā)揮債券市場的價格發(fā)現(xiàn)功能，更準確地反映宏觀經(jīng)濟指標對信用價差的影響。

第三，繼續(xù)推動利率市場化改革，實現(xiàn)利率“雙軌合一”。形成真正市場化的利率體系，進一步發(fā)揮利率機制的金融資源配置功能，有利于更清晰反映利率期限結(jié)構(gòu)對債券信用價差的影響。