利率債供給對國債收益率的影響探究

摘要：本文嘗試探討利率債供給對國債收益率的影響及其作用機制。首先，本文從利率債發(fā)行節(jié)奏、流動性、基本面角度出發(fā)，以利率債凈發(fā)行規(guī)模作為債券供給壓力指標，考察債券供給與國債收益率之間的相互影響。其次，本文基于2016年至2023年的月度經濟與金融數據進行實證分析，進一步探討兩者的相關關系。研究結果表明，債券供給規(guī)模與國債收益率之間并非簡單的“供給放量、債市承壓”的正相關關系，近年來二者反而呈現一定的負相關關系。本文認為，在討論債券供給對收益率的影響時，投資者需要綜合考慮貨幣供給、總融資需求、基本面等因素的交互沖擊，理解債券供給背后深層次的政策含義與傳導渠道。最后，基于以上研究，本文提出了相關債券投資建議。

關鍵詞：利率債 國債收益率 流動性 債券供給 債券投資

引言

國內債券市場主要交易的利率債包括國債、地方政府債（以下簡稱“地方債”）、政策性金融債（以下簡稱“政金債”，含國開債、農發(fā)行債、進出口行債）。利率債的發(fā)行規(guī)模逐步增長導致的“債券供給壓力”時常沖擊著債券市場情緒，也成為投資者分析利率走勢的關鍵因素之一。那么，債券供給與國債收益率是否有穩(wěn)定的相關關系呢？投資者應該如何運用“供給壓力”帶來的投資機會？本文將嘗試通過歷史復盤、實證分析等研究方法，探討利率債供給與國債收益率之間的相關關系與傳導機制。

利率債的發(fā)行情況概覽

（一）總量上：2020年后利率債凈發(fā)行量明顯增加，且具有一定的季節(jié)性

根據萬得（Wind）數據，從2020年開始，利率債凈發(fā)行量1明顯增加。具體來看，2016—2019年利率債凈發(fā)行量分別為8.56萬億元、6.79萬億元、5.76萬億元、6.17萬億元，年均凈發(fā)行量為6.82萬億元；2020—2023年利率債凈發(fā)行量為10.96萬億元、9.30萬億元、9.22萬億元、11.65萬億元，年均凈發(fā)行量攀升至10.28萬億元。

從發(fā)行節(jié)奏上來看，以往利率債供給壓力主要集中在二、三季度，而2023年利率債凈供給高峰出現在四季度，主要原因是特殊再融資債和特別國債集中發(fā)行（見圖1）。

（二）結構上：國債發(fā)行量逐步抬升且有季節(jié)性，地方債發(fā)行節(jié)奏前置，政金債發(fā)行相對平穩(wěn)

國債發(fā)行量近年來逐步抬升，且呈現一定的季節(jié)性。2016—2019年，國債年均凈發(fā)行量約為1.50萬億元；2021—2022年均值約為2.45萬億元；2020年和2023年國債凈發(fā)行量均超4萬億元。發(fā)行量逐步抬升的主要原因是較高的赤字安排以及特別國債的發(fā)行。國債凈發(fā)行具有一定季節(jié)性特征：一方面，一季度凈發(fā)行量較少，2016—2019年及2022年一季度國債凈發(fā)行量均小幅為負；另一方面，單月凈發(fā)行高峰較常出現在6、9、11月，部分月份可達4000億元以上。

地方債具有發(fā)行數量大、節(jié)奏前置且集中等特征。2016年，由于經濟下行壓力較大和地方債置換進程加快，地方債凈發(fā)行量增長至5.80萬億元，隨后逐步下行至2019年的3.05萬億元，2020—2022年在4.5萬億元左右波動。2023年由于特殊再融資債的發(fā)行，凈發(fā)行量增至5.66萬億元。自2019年起，地方債發(fā)行節(jié)奏明顯前置，主要原因是2018年12月29日全國人民代表大會常務委員會決定，授權國務院在2019年以后年度2，可在當年新增地方政府債務限額的60%以內，提前下達次年債務限額。

政金債相對于國債和地方債而言，發(fā)行量整體較為平穩(wěn)。2016—2019年，政金債年均凈發(fā)行量為1.25萬億元。近年來，隨著政金債逐漸成為穩(wěn)增長的發(fā)力重點之一，2020—2023年的年均凈發(fā)行量上升至2.16萬億元。

利率債供給與國債收益率走勢復盤

（一）歷史數據顯示，利率債供給與國債收益率走勢之間并非簡單的線性對應關系

本文對2016年至今的債券凈發(fā)行量與國債收益率的歷史走勢進行復盤分析發(fā)現，利率債供給與收益率走勢之間并非為簡單的線性對應關系，即利率債供給的增加，尤其是超預期的發(fā)行量或較快的發(fā)行節(jié)奏，不一定會推動其收益率上行。

本文從2016年至2023年共96個月份中，選取利率債凈發(fā)行量較高的24個月（前25%），其中卻只有12個月的10年期國債收益率環(huán)比上行，僅占50%；剩余的12個高發(fā)行量月份中出現過較大的債牛行情，如在利率債凈發(fā)行量較高的2016年8月、2022年5月和2023年8月，債市顯著走牛。此外，本文以月度利率債凈發(fā)行量（經對數處理）與10年期國債收益率為坐標繪制散點圖（見圖2），在不考慮其他因素的情況下，甚至發(fā)現二者呈現出一定的負相關關系。

具體而言，本文列舉兩個較典型月份的市場情況：

2022年5月，國務院召開全國穩(wěn)住經濟大盤電視電話會議，為加快推進穩(wěn)增長，國務院要求“地方政府新增專項債券于6月底前基本發(fā)行完畢”，2022年5月的利率債凈發(fā)行量達1.29萬億元，但受疫情沖擊影響，經濟下行壓力較大。面對債券大量供給，央行雖未降準降息對沖，但累計向中央財政上繳結存利潤約8000億元，并持續(xù)增加再貸款規(guī)模，使資金利率持續(xù)下行，市場配置債券需求旺盛，10年期國債收益率環(huán)比下降9.6BP。

2023年8月，為應對經濟邊際下行壓力，財政部適時提出“新增專項債券力爭在9月底前基本發(fā)行完畢”，地方債發(fā)行提速，當月利率債凈發(fā)行量高達1.22萬億元。彼時雖然資金面邊際有所收斂，但基本面的弱修復成為交易主線。為呵護實體經濟，同月，央行超預期降低中期借貸便利（MLF）利率15BP，推動10年期國債收益率環(huán)比下降10.2BP。

這些數據和例子呈現的現象，似乎與部分投資者“供給增加、債市承壓”的直觀認識不一致。統計表明，以“供給壓力”作為投資理由做空10年期國債，沒有顯著勝率。為了更好地解釋這一現象，本文對其背后的理論基礎及市場數據進行了進一步研究和分析。

（二）“供給增加、債市承壓”的理論邏輯并不穩(wěn)固

從資產定價理論出發(fā)，債券供給不是影響債券定價的核心因子。通過資本資產定價模型（CAPM）可知，當市場處于均衡狀態(tài)時，資產的需求和供給可以被視為具有無限彈性；通過套利定價模型（APT）可知，市場中存在足夠多的套利者可以糾正明顯偏離內在價值的資產價格。這兩個重要模型均認為資產供給并不是定價的核心因子。誠然，在實務中，供需暫時失衡、一致性預期等因素會導致價格出現偏離和波動，但隨著市場回歸理性，利率仍會合理回歸至價格中樞。

（三）債券供給帶來的流動性摩擦不必然導致收益率上行

部分投資者認為，債券“供給壓力”會體現在流動性壓力上。而本文認為，流動性摩擦只是或有的短期影響。一方面，央行可以通過公開市場操作、MLF等進行“削峰填谷”熨平流動性的短期波動；另一方面，當市場利率因為流動性摩擦發(fā)生短暫偏離時，市場投資者捕捉機會加大投資力度，收益率下行。

進一步研究發(fā)現，在合理充裕的貨幣環(huán)境下，當債券發(fā)行量較大時，央行往往采取更積極的流動性操作，國債收益率下行的概率反而更大。本文將近6年發(fā)生降準或降息的共23個月份分成兩組，在利率債凈發(fā)行量較高的12個月份中，9個月的10年期國債收益率反而下行，占75%；而利率債凈發(fā)行量較小的11個月份中，國債收益率卻是上行概率更大，其中6個月的10年期國債收益率上行。

總體而言，債券供給不是核心定價因素。利率債凈發(fā)行規(guī)模較大時，既不必然產生流動性緊張，也不一定導致國債收益率上行。反之，供給偏少時，亦不見得收益率必定長期下行。如中國人民銀行發(fā)布的《2024年第一季度中國貨幣政策執(zhí)行報告》所述，雖然一季度受安全資產缺乏等因素的擾動，但長期國債收益率總體仍運行在與經濟增長預期匹配的合理區(qū)間內。在市場供需關系邊際改善后，收益率有所回升，未來長期國債收益率與未來經濟向好的態(tài)勢將更加匹配。

實證研究

（一）模型設定與變量選擇

本文選取我國2016年至2023年的月度經濟與金融數據，共96組變量。在變量選擇方面，本文采用10年期國債活躍券的月度平均收益率作為被解釋變量；采用利率債的凈發(fā)行規(guī)模作為描述債券供給的解釋變量，口徑為國債、政金債、地方債的當月凈發(fā)行量之和，并進行對數處理。其他變量方面：一是選取制造業(yè)采購經理指數（PMI）作為經濟基本面的代理變量。二是選取銀行間7天質押式回購利率（R007）XgO/Vwl+pIB1rdKG/DMNqA==作為貨幣市場利率以及流動性價格指標的代理變量，以控制政策利率及資金面變化的影響。三是選取央行的當月7天逆回購公開市場操作量，作為央行貨幣投放意愿的代理變量。四是選取居民消費價格指數（CPI）（同比差分處理）作為通脹的代理變量。本文對所有數據進行了縮尾處理。

基于以上變量，本文構建以下回歸模型：

Yieldi=β0+β1Lnfxi+β2R007i+β3PMI

+β4LnSpp+β5CPI+εi

其中變量定義與描述性統計見表1。

（二）基準回歸結果

為了排除異方差的影響，本文采用Robust穩(wěn)健標準誤回歸方法進行研究。本文進行了方差膨脹因子VIF檢驗，檢驗結果表明，各變量VIF值均遠小于10，不存在顯著的多重共線性。模型回歸結果見表2。

回歸結果表明，10年期國債收益率與利率債凈發(fā)行規(guī)模呈現出一定的負相關性。在第（1）列單因子回歸中，凈發(fā)行的系數顯著為負，但對收益率的解釋力度并不大。在第（2）列到第（5）列中，依次加入其他變量后，凈發(fā)行的系數仍然顯著為負，且模型的解釋力逐漸變強。加入的變量與國債收益率的關系也較為顯著，且符合市場規(guī)律：R007、PMI的回歸系數顯著為正，央行投放量的回歸系數顯著為負，CPI回歸系數為正但不顯著。

上述回歸結果表明，不可簡單地通過債券供給放量得出收益率上行的結論，兩者并非正相關關系。

（三）進一步討論變量關系

本文認為，10年期國債收益率與利率債凈發(fā)行規(guī)模呈現一定的負相關關系，主要有以下兩點原因。

第一，央行的貨幣政策推動資金利率與債券利率下行，這與本文第二部分的闡述相互印證。當債券發(fā)行量較大時，央行常通過積極的貨幣政策操作來維持資金面的穩(wěn)定、降低融資成本。因此，凈發(fā)行量的增加，將通過影響貨幣政策行為，影響貨幣政策利率這一中介變量，進而影響國債收益率，即R007對二者關系存在中介效應。本文通過Sobel-Goodman中介測試（見表3）驗證了這一中介效應的顯著，且中介效應占比為52.5%，解釋能力較強。

第二，債券供給上升的背后，或隱含總需求不足的信號，壓制收益率的上行。這主要體現在兩方面：一是當出現政府增量發(fā)行債券托底經濟時，經濟內生動能通常在筑底階段。在這種情況下，投資者對未來經濟增速有所顧慮。二是債券大量發(fā)行一般對應偏積極的財政政策，在當前需求約束的信貸環(huán)境下，可能會對私人部門信貸形成擠出效應，因而總的社會融資需求沒有對等上升，相應地，利率作為“貨幣的價格”，上行幅度可能有限。

上述結果進一步表明，債券的供給壓力并不會直接造成收益率的趨勢性上行，二者的關系并非部分投資者直觀認為的正相關。

（四）穩(wěn)健性檢驗

本文進一步研究了上述變量對其他期限、品種的利率債是否有同樣的影響。分別以10年期國開債、5年期國開債為被解釋變量進行回歸，結果與上文對10年期國債的基準回歸結論相似。以5年期國債收益率為被解釋變量、將PMI替換為國內生產總值（GDP）同比增速、以規(guī)模以上工業(yè)增加值同比增速作為基本面變量進行檢驗，結果均表明，回歸關系仍然穩(wěn)健。

結論與建議

本文就利率債的供給規(guī)模與國債收益率走勢之間的關系進行了復盤探討與實證研究。結果表明，與部分投資者所認為的“供給放量推動收益率上行”這一直觀結論不同，供給規(guī)模與收益率之間并不存在顯著的、趨勢性的正相關關系，近年來二者甚至呈現出一定的負相關關系。此外，本文從流動性因素、基本面因素等角度出發(fā)探討了二者的影響關系，并進行了中介效應分析與穩(wěn)健性檢驗，印證了本文的研究結果。

基于以上結論，本文得出如下幾點投資建議。

第一，投資者應區(qū)分供給上升帶來的影響是短期的“情緒沖擊”還是“長效邏輯”的變化。誠然，債券供給的規(guī)模會沖擊投資者情緒，帶來市場波動。但研究結果表明，以債券供給來指導月度甚至季度的投資策略沒有太大意義。長期國債收益率雖然短期會受到供求關系等其他因素的擾動，但總體來看其主要反映長期經濟增長和通脹預期，因而總體會運行在與長期經濟增長預期相匹配的合理區(qū)間內。

第二，市場對于債券供給增加的“過度反應”或“反應不足”都能帶來潛在的投資機會。例如在2023年10月，供給沖擊的情緒疊加資金面緊張，地方債頻頻出現一級市場收益率居高不下；但隨著恐慌情緒的消退，同年11月中下旬，即使發(fā)行量仍持續(xù)在高位，地方債與國債利差重新收窄，同時國債收益率下行較多，形成可觀行情。當時如果抓住市場“過度反應”的超調機會，則可以獲得較豐厚的收益。

第三，事后歸因須謹慎，避免“后見之明”的心理偏差。歷史上，較多投資者開始重視“供給沖擊”往往是在債券收益率已經上行一段時間的時候。這種事后歸因的可信程度并不高，而且，以這種“偽邏輯”說服自己，容易刻舟求劍地錯誤指導后續(xù)投資。抓住當前利率走勢的主要矛盾，并綜合分析其他變量對主要矛盾的影響，進行積極的事前計劃、事中應對，這種投資方式更加有效。

參考文獻

[1] 蔣書彬，陳洪斌，魏菲菲. 債券市場供需角度的流動性影響因素分析[J]. 債券，2017（3）. DOI： 10.3969/j.issn. 2095-3585.2017.03.016.

[2]孫彬彬，陳寶林. 地方債發(fā)行回顧與展望[J]. 債券，2020（12）. DOI： 10.3969/j.issn.2095-3585.2020.12.007.

[3] 張佳慧. 地方債發(fā)行對債券市場走勢的影響淺析[J].中國貨幣市場，2021（10）.

[4] 鄭葵方. 我國銀行間市場資金面與債券收益率相互影響的實證分析[J]. 中國貨幣市場，2022（3）.

[5] GREENWOOD R and VARANASI D. Bond Supply and Excess Bond Returns[J]. The Review of Financial Studies， 2014， 27（3）.

[6] HOECHLE D. Robust Standard Errors for Panel Regressions with Cross-Sectional Dependence[J]. Stata Journal Promoting Communications on Statistics & Stata， 2007， 7（3）.