銀行間債券市場流動性成本度量研究

王文健　王志雄

摘要：流動性成本是影響債券交易的核心因素之一。本文基于2019年1月至6月銀行間債券市場的高頻報價數據、高頻成交數據和低頻成交數據，采用買賣價差法、 Roll模型和Gibbs 測度，初步度量了不同類型、信用等級和期限債券的流動性成本。實 證結果表明，基于高頻報價數據的買賣價差法在數據源可靠性、模型邏輯清晰性和覆蓋 債券只數等方面有一定優(yōu)勢，更適合于當前我國銀行間債券市場的流動性成本度量。

關鍵詞：流動性成本 銀行間債券市場 買賣價差 Roll 模型 Gibbs測度

研究背景

債券市場是金融市場的重要組成部分。我國債券市場按照流通場所可以分為銀行間市場、交易所市場、銀行柜臺市場。截至2020年6月，我國債券市場存量規(guī)模達到105.07萬億元，其中銀行間市場存量余額占比約為87%，占據絕對主導地位。當前，制約我國債券市場進一步向縱深發(fā)展的一個重要因素是流動性較低。這一因素也在很大程度上影響了境外投資者參與我國債券市場的深度和廣度。因此，對我國銀行間債券市場的流動性進行研究具有較強的現實意義。

根據國際貨幣基金組織（IMF）的定義，流動性是金融資產在短時間內以較低的成本在市場進行大量交易而不造成價格大幅變化的能力。因此，衡量資產流動性的高低通常需要對資產的流動性成本進行衡量，而買賣價差被認為是度量流動性成本最直接的指標。在價差分析方面，Roll（1984）認為，在市場不存在信息不對稱和證券價值隨機波動的前提下，流動性成本是固定的，可以利用實際交易價格序列的自協(xié)方差來進行估計。他的這一方法被稱為Roll模型。Hasbrouck（2004，2009）用基于Gibbs抽樣的貝葉斯估計方法改進了Roll的協(xié)方差估計，這一方法被稱為Gibbs測度（Gibbs Measure）。

我國銀行間債券市場以機構雙邊交易模式為主，債券成交價格與機構的資金實力、交易員詢價能力等因素密切相關，其透明度和交易數據可獲得性均不及股票、期貨市場，因此目前國內對債券市場流動性及其成本的研究相對較少。此外，現有研究大多基于股票、期貨市場相關基礎模型，部分研究成果不適用于銀行間債券市場。本文擬基于銀行間債券市場的高頻數據和低頻數據，使用買賣價差法、Roll模型和Gibbs測度三種常用的流動性成本度量方法，對我國銀行間債券市場流動性成本進行初步估算，并對比不同度量方法應用到不同券種、信用等級和期限債券的表現，旨在為后續(xù)更加深入的研究打下基礎，也為投資實務中流動性成本指標選擇提供參考。

流動性成本度量方法

（一）買賣價差法

買賣價差法就是將買賣價差作為流動性成本的替代觀測指標，指標計算使用的是市場上可觀測的數據。買賣價差的計算方法有如下兩種。

一種是相對價差，指的是用絕對價差除以買賣報價的均值。其計算公式為：

實證分析

（一）數據說明

本文使用的債券高頻數據為五家貨幣經紀公司（平安利順、天津信唐、中誠寶捷思、上海國際、上海國利）的逐筆報價和成交數據，涉及銀行間市場通過貨幣經紀平臺進行交易的債券;債券低頻數據來自財匯債券數據庫，包含銀行間市場所有在中國外匯交易中心暨全國銀行間同業(yè)拆借中心（以下簡稱“交易中心”）錄入的債券交易日終數據。樣本時間區(qū)間為2019年1月15日至6月30日。在此期間，貨幣經紀平臺共有932萬筆報價、28萬筆交易，交易中心共有15萬筆交易（見表1）。

從表2可以看出，貨幣經紀平臺有成交記錄的債券只數僅占交易中心錄入交易債券只數的60%左右。分券種來看，交易活躍度較高的國債、政策性金融債通過貨幣經紀平臺的成交只數占交易中心成交只數的90%左右，而交易活躍度較低的私募信用債的該比值僅為30%左右，即根據貨幣經紀平臺高頻報價數據和高頻成交數據計算的流動性成本能夠覆蓋較高比例的活躍券種，對不活躍券種的覆蓋比例較低。從單只券的平均報價筆數（即報價筆數/報價債券只數）來看，從高到低的排列順序為：政策性金融債>國債>公募信用債>私募信用債>地方政府債>同業(yè)存單。從單只券的平均成交筆數（即成交筆數/成交債券只數）來看，從高到低的排列順序為：政策性金融債>國債>同業(yè)存單>公募信用債>地方政府債>私募信用債。平均報價筆數和平均成交筆數越高，代表債券的流動性越好，理論上其流動性成本應該越低。

（二）實證檢驗

1.描述性統(tǒng)計

根據選取的高頻報價數據、高頻成交數據和低頻成交數據，分別計算上述三種度量方法下的流動性成本。為保證結果的有效性，在計算買賣價差時，剔除高頻報價數據樣本中日報價數量少于10筆的債券;在運用Roll模型計算時，剔除高頻成交數據樣本中日成交筆數少于4筆的債券;在運用Gibbs測度計算時，剔除低頻成交數據樣本中成交天數不足Gibbs測算抽樣計算天數一半（即過去22個交易日中超過11個交易日無成交）的債券。此外，為了便于與絕對買賣價差法相比較，對于運用Gibbs測度計算出的流動性成本，本文再根據債券的修正久期將其近似地轉換為收益率基點，計算公式如下：

各度量方法下流動性成本指標描述性統(tǒng)計如表3所示。表3顯示，通過高頻報價數據計算的買賣價差指標覆蓋的債券只數較多，而通過成交數據計算的Roll模型和Gibbs測度下的流動性成本指標覆蓋債券只數相對較少，說明多數債券成交并不活躍。由于成交數據較少，且成交時間間隔較長，通過成交數據計算的Roll模型和Gibbs測度下的流動性成本可能存在較大波動。對比表3中的各項統(tǒng)計指標，可以發(fā)現各度量方法計算結果在相同維度下均值較為接近，其中絕對買賣價差與Gibbs_basis表示的流動性成本均值僅相差1.98BP，相對買賣價差、Roll模型、Gibbs測度表示的流動性成本均值相差小于0.04%，說明各度量方法在整體上具有一致性。樣本數量可能對各度量方法計算結果的標準差造成一定影響，絕對買賣價差表示的流動性成本標準差顯著小于Gibbs_basis，Roll模型下的標準差明顯高于相對買賣價差和Gibbs測度。從最大值和最小值可以看出，Gibbs測度下的最大值和最小值偏差最大。

2.相關性分析（橫截面、時間序列）

選取同時可以運用兩種及以上度量方法計算流動性成本指標的債券，將各債券的流動性成本指標按照相同日期和指標類型轉換為截面數據，并進行橫截面相關性分析，結果見表4。表4顯示，Gibbs_basis與絕對買賣價差下的流動性成本指標相關系數達到0.62，表現出弱相關性，其他流動性成本指標之間并未表現出明顯的橫截面相關性。

對于指標間相關性較低的解釋：一是由于銀行間債券市場的報價、成交頻率較低，報價、成交的連續(xù)性與股票、期貨市場仍有一定差距，數據豐富程度較低;二是Roll模型和Gibbs測度的基礎假設之一是交易方向符合伯努利分布，但在活躍度較低的債券市場，這一假設難以被滿足;三是使用交易中心錄入的成交數據進行模型計算時，雙邊成交可能包含部分非公開信息，如過橋、代持、利率債分銷等非真實交易需求導致的交易行為，這部分數據難以被識別和剔除，可能造成計算結果的偏差。

相比之下，使用貨幣經紀平臺的高頻報價數據計算的買賣價差能夠更加準確地反映債券的流動性成本。一是高頻報價數據較成交數據連續(xù)性更強，數據更為豐富;二是買賣價差計算邏輯清晰，不依賴對交易方向分布的假設;三是貨幣經紀平臺報價能夠反映市場參與者的真實交易意愿，避免非真實成交數據對指標的干擾。

銀行間債券市場交易通常以債券到期收益率（YTM）進行報價，因而以點差方式表示的流動性成本更加貼近投資實務。為簡化分析，在相近方法中，剔除兩個以非點差方式表示流動性成本的方法，下文僅對絕對買賣價差、Roll模型和Gibbs_basis下的流動性成本指標進行比較分析。

3.銀行間債券市場流動性結構分析

（1）不同類型債券的流動性成本比較

通過對各債券類型和流動性成本指標進行匯總研究，可以發(fā)現債券類型對流動性成本有明顯的影響。具體來看，買賣價差法下，流動性成本按從小到大的順序排列為：國債<政策性金融債<地方政府債<同業(yè)存單<公募信用債<私募信用債。這一順序也符合大家在交易實務中的感受。而Gibbs_basis下的流動性成本在較活躍的政策性金融債、國債品種上與買賣價差比較接近，但在交易活躍度較低的地方政府債、公募信用債、私募信用債上與買賣價差存在一定差距。Gibbs_basis下的流動性成本按從小到大排序為：地方政府債<國債<政策性金融債<同業(yè)存單<公募信用債<私募信用債。

（2）不同信用等級債券的流動性成本比較

債券信用等級對流動性成本也有明顯的影響。本文中債券信用等級采用中債市場隱含評級-債券債項評級（以下簡稱“中債市場隱含評級”）。國債、地方政府債、政策性金融債均屬于利率債，信用等級較高且多數沒有中債市場隱含評級，因而本文將這些債券確定為AAA級。A-級以下債券幾乎無報價與實際成交，因此本文僅保留A-級及以上等級的債券。為便于分析，將債券按照AAA（含AAA+、AAA、AAA-）、AA（含AA+、AA、AA-）、A（含A+、A、A-）重新劃分等級并進行整合。整合后可以發(fā)現，銀行間債券市場交易活躍的債券集中于AAA級和AA級，A級債券的實際成交數據不足以支持計算Roll模型和Gibbs測度下的流動性成本指標。

從不同類型和信用等級債券的流動性成本計算結果（見表5）來看，公募信用債、私募信用債信用等級越低，流動性成本越高;由于同業(yè)存單期限較短，修正久期偏小，YTM報價波動較大，因此其Gibbs_basis下的流動性成本與買賣價差偏離較大。

（3）不同期限債券的流動性成本比較

一是利率債。買賣價差法下，在國債中，1年期以下流動性成本最高，1～3年期流動性成本最低，其他期限流動性成本差距較小;在政策性金融債中，7～10年期流動性成本最低，10年期以上最高;在地方債中，5～7年期流動性成本最低，1年期以下流動性成本最高。Gibbs_basis下的計算結果與買賣價差法下有一定差異。Gibbs_basis下，國債、政策性金融債7～10年期流動性成本最低，期限越短流動性成本越高。Roll模型下，除個別情況外，期限越長的債券流動性成本越高（見表6）。

二是信用債。由于信用債的成交活躍度較低，根據成交數據計算的Gibbs_basis和Roll模型下流動性成本均存在不同程度的失真。買賣價差整體反映出信用債期限與流動性成本呈正相關關系，期限越長的信用債流動性成本越高，但1年期以下的AAA級信用債流動性成本較高，而7年期以上的AA級信用債流動性成本有所下降（見表7）。

結論

（一）總結

第一，市場上交易較為活躍的債券占全市場債券的比重較小，對于大多數信用債，無法根據其報價和交易數據計算流動性成本，因而需要探尋其他方法對無交易、無報價債券的流動性成本進行準確估算。

第二，通過不同度量方法得到的流動性成本指標在不同類型、信用等級和期限的債券中具有類似的結構，均能夠在一定程度上反映債券流動性成本的高低。

第三，對三種度量方法進行比較，買賣價差法使用貨幣經紀平臺的高頻報價數據，覆蓋債券只數更多，且報價更能反映市場參與者的主動交易意愿，對個券流動性成本能更及時地反映;Gibbs測度對于流動性較高的債券品種能夠更加準確地衡量日內市場β收益的影響，但對于流動性較差的債券則難以獲得足夠的數據進行計算;Roll模型對債券的交易頻率有更高的要求，且未考慮日內市場β收益的影響，計算結果存在一定偏差。綜上，買賣價差法更適合于當前我國銀行間債券市場。

（二）不足之處

首先，由于貨幣經紀平臺的高頻數據僅能覆蓋銀行間債券市場最活躍的債券和真實的交易，無法覆蓋銀行間市場全部的債券和交易，數據質量和豐富性有待進一步改善。

其次，本文使用的數據時間區(qū)間較短，對流動性成本缺乏時間序列上的分析。

再次，本文僅對債券屬性與流動性成本之間的關系進行了初步分析，后續(xù)需要進一步建模，以對影響流動性成本的因素進行定量研究。

最后，由于三種流動性成本度量方法對債券報價、成交的頻率有一定要求，因此本文分析僅覆蓋了符合數據要求的部分債券，對于多數缺少頻繁交易的地方政府債、公募信用債、私募信用債，仍需要尋找其他流動性成本度量方法。

責任編輯：徐傳平 羅邦敏