基于ADL和ECM模型的企业债券信用利差宏观影响因素研究Word文档格式.docx

基于ADL和ECM模型的企业债券信用利差宏观影响因素研究Word文档格式.docx

《基于ADL和ECM模型的企业债券信用利差宏观影响因素研究Word文档格式.docx》由会员分享，可在线阅读，更多相关《基于ADL和ECM模型的企业债券信用利差宏观影响因素研究Word文档格式.docx（14页珍藏版）》请在冰豆网上搜索。

本文的创新之处在于：

（1）将微观和流动性因素作为控制变量，就宏观因素的多个指标进行分析，同时引入消费者信心指数这一消费者主观性因素。

（2）本文引入各变量的一阶滞后项，利用自回归分布滞后模型构造更为精确的信用利差宏观影响因素长期模型。

（3）上述文献只集中于长期影响层面，本文将利用误差修正模型，在长期模型的基础上构造短期模型，进行长短期动态影响分析。

本文的结构安排如下：

第三部分对本文的计量模型、变量选择和数据选取进行了说明，第四部分是理论模型阐述，第五部分是计量回归结果和相关的分析，第六部分是主要结论和建议。

三、变量选取及数据说明

（一）变量及指标选取

（1）消费者物价指数（cpi）

CPI是度量一组代表性消费商品及服务项目的价格水平随时间而变动的相对数。

CPI虽然是一个滞后性的数据，但它却是市场经济活动与政府货币政策的一个重要参考指标，也通常是衡量通货膨胀水平的重要指标。

（2）无风险利率（rate）

根据Merton（1974）结构化模型的观点，企业债务可视为由持有无风险资产和卖出一份以企业资产价值为标的的看跌期权构成的资产组合。

无风险利率通过影响期权价值，从而影响公司债券的价值，进而影响其收益率。

本文主要构成部分为宏观因素的长期影响，因此在本文中以1年期国债到期收益率来替代无风险利率。

（3）股票市场指数（hs）

股票市场指数是表明股票行市变动情况的价格平均数，它代表了投资者信心。

投资者根据指数的升降可以判断股票价格的变动趋势。

沪深300指数是反映沪深两个市场整体走势的“晴雨表”。

指数样本选自沪深两个证券市场，覆盖了大部分流通市值。

成份股为市场中市场代表性好，流动性高，交易活跃的主流投资股票，能够反映市场主流投资的收益情况。

因此本文以沪深300指数作为股票市场指数的指标。

（4）货币供应量（m1）

货币供给是宏观流动性的主要指标，而M1能够最直接反映市场经济中的现金和贷款增速，可以很好地显示货币流动性程度。

因此M1作为反映宏观货币流动性的主要指标，能很好地反映未来物价上涨的潜在压力。

（5）消费者信心指数（cci）

消费者信心指数是反映消费者信心强弱的指标。

增加CCI指标是想研究消费者的信心这一主观性因素是否对企业债券的信用利差产生影响。

（6）采购经理人指数（pmi）

反映经济形势最好的指标即为国内生产总值（GDP），然而我国目前仅公布季度和年度GDP，从数据可得性上考虑，本文选取PMI作为替代变量。

PMI是通过对采购经理的月度调查汇总而来的指数，通常是经济监测的先行指标，该指数反映了经济总体情况和总变化趋势，可作为GDP的替代变量。

（7）信用利差

本文重点在研究宏观因素对企业债信用利差的影响，因此本文控制宏观和流动性因素，选取同一信用评级的企业债作为研究对象，同时对同一等级信用利差数据进行取均值处理。

我国所有已发行的企业债中，A级企业债余额占比高6.02%，AAA级企业债余额占比高79.02%；

从发行数量来看，A级企业债已发行203支，AAA级企业债已发行611只，所占比重最大，为40.65%，其中5年期A和AAA级企业债券占比重较大，因而本文选取上交所和深交所的5年期AAA级和A级企业债券进行研究，信用利差即为银行间市场5年期企业债到期收益率与相应期限国债收益率的差值。

考虑到宏观经济因素对信用利差的影响时间相对较长，日频数据和月频数据受微观随机因素影响较大，同时选取的CCI指标只有月度数据。

月频数据相对充分地反应了当月的信息，因此本文各指标选取月度数据。

表1变量描述

指标

指标名称

cs

信用利差

cpi

消费者物价指数

m1

货币供应量

rate

国债收益率

hs

沪深300指数

cci

消费者信心指数

pmi

采购经理人指数

（二）数据说明

1．宏观指标数据

CPI月度数据来自于国家统计局网站；

1年期国债收益率的月度数据来自于wind资讯；

沪深300指数数据来自国泰安数据库，该指数为日数据，将其取均值后得到月均指数（hs）；

M1月度数据来自中国人民银行网站；

消费者信心指数同为月度数据，数据来自证券之星；

PMI月度数据来自东方财富网。

所有数据样本时间均为2008年1月至2015年12月。

2.信用利差数据

信用利差选择上海和深圳证券交易所2008年1月至2015年12月有交易的企业债券的到期收益率与相应国债到期收益率的差值。

所选企业债券为不可赎回、不可回售的非金融企业债券，剩余期限不足一年的因过多出现负值而被剔除，最后所选企业债券共95个。

信用利差月度数据为日度数据的平均值，信用利差数据和相应期限国债收益率均来自于wind资讯。

每个时间序列有128个观测值。

其基本描述性统计见表2。

表2信用利差的基本描述性统计（单位：

bp）

AAA级债券信用利差

A级债券信用利差

平均

121

150.92

标准差

41.764

80.836

方差

17．442

65．345

峰度

0.5768

1.9734

偏度

0.7919

1.5757

四、理论模型

（一）自回归分布滞后模型（ADL）

为了消除异方差的影响，本文将变量全部进行对数化处理。

首先经典回归模型表达形式为：

由于本文建立的经典回归模型残差项有较强的一阶自相关性，同时研究【1】结果显示，企业债券的信用利差不仅受到宏观变量同期值的影响，还明显依赖于自身和宏观变量过去值的影响。

因此为了体现这种滞后效应，本文引入被解释变量自身的滞后项和解释变量的滞后项，建立自回归分布滞后模型（ADL），其一般形式可写为：

t=1,2,3,…T,

s,q为最大滞后阶数。

同时考虑到企业债券收益率的调整基本不会存在滞后多期的现象，本文只取各变量的一阶滞后项进行研究，建立一阶自回归分布滞后模型。

本文实证研究也表明一阶滞后项已经能够很好地解释信用利差的变动。

（二）误差修正模型（ECM）

经典回归模型是建立在稳定数据变量的基础上的，对于非稳定变量，不能使用经典回归模型，否则会出现伪回归等诸多问题。

如果参与回归的变量非平稳，且回归后获得的残差序列也非平稳则可能出现伪回归现象。

在伪回归情况下，模型的参数估计以及其他相关统计量并不可靠。

差分方程式是一个一节移动平均时间序列，因此是序列相关的。

同时如果采用差分形式进行估计，则关于变量水平值的重要信息将被忽略，这时模型只表达了变量间的短期关系，而没有揭示长期关系。

因此本文采用利用协整关系，然后考虑建立误差修正模型。

误差修正模型避免了虚假回归的问题，同时消除了模型中可能存在的多重共线性问题，同时可以使用经典的回归方法进行估计尤其是模型中的城分享可以使用通常的t检验和F检验来进行选取【2】。

假设具有如下（1，1）阶自回归分布滞后形式：

由于变量可能是非平稳的，因此不能直接运用OLS法。

对上述分布滞后模型进行适当变形得：

令

，

上式可写成：

令ECM=

进一步整理得到误差修正模型的基本式：

其中，ECM为误差修正项，不仅明确了短期到长期动态调整的方向，同时也反映了动态调整的速度。

因此本文借助ECM模型分析宏观影响因素对信用利差的短期影响和短期到长期的动态调整。

五、实证检验

（一）时间平稳性检验

时间序列数据具有唯一性，它不存在重复发生的情况，所以时间序列数据需要其均值、方差和协方差都不取决于时间t，即序列存在平稳性问题。

本文采用ADF方法，对各变量进行平稳性检验，同时为了消除异方差的影响，将变量全部进行对数化处理。

检验结果如下表3所示：

表3时间平稳性检验

变量名称

ADF统计量

临界值（5%水平）

结论

一阶差分项

-2.418

-2.89

不平稳

平稳

-2.936

-3.265

-1.401

-3.508

lnm1

-1.292

-1.89

lnrate

-2.988

-3.449

lnhs

-1.96

-2.34

lncci

-3.308

lnpmi

-2.317

-2.851

（二）协整检验

多变量框架下的协整检验采用Johansen协整检验方法【3】。

最大协整向量个数为1的零假条件下，Johansen协整检验的绩统计量为24.848，5%显著性水平的统计值为29.68，因此可以说明这些变量之间存在一个协整关系，他们之间存在着一个长期均衡关系。

为了便于后续的分析，这里采用EG两步法辅助分析。

首先以初始计量模型作为辅助回归模型，即协整回归方程：

回归结果为：

表4协整回归结果

变量

AAA级

A级

回归系数

P值

1.4943

（1.174）

0.206

-4.4128

（0.769）

0.103

（0.084）

0.023

（0.055）

0.003

（0.62）

0.007

（0.413）

0.038

（0.089）

0．001

（0.585）

0.072

0.1689

（0.556）

0.762

0.2224

（0.364）

0.544

（0.314）

0.002

（0.205）

0.001

c

（2.634）

0．011

（1.727）

ADF检验对残差

F=11.85

F=90.86

注：

***、**、*分别表示通过1%、5%和10%的显著性检验，系数下文括号内的值为稳健性标准误。

5%置信水平的MacKinnon多变量协整检验的临界值为-4.7，对残差进行ADF单位根检验所得结果为-3.18，这表明残差是平稳的不存在ADF单位根，残差项ECM～I（0），因此原序列是协整的。

这同时也说明原变量之间存在长期均衡关系，原变量之间是一阶协整。

（三）ADL模型（自回归分布滞后模型）

由于协整回归方程残差项有较强的一阶自相关性，考虑加入变量的滞后项得到长期均衡关系【4】。

因此在以初始模型为基础建立自相关分布滞后模型（ADL）。

回归结果如下表所示：

表5ADL模型回归结果

lncs

（-1）

0.4173

（***）

0.532

0.000

lncpi

0．3426

0.321

4．62

0.501

-0.116

0.279

-0.0032

0.274

0.85498

0.357

1.0043

0.33701

（**）

0.030

2.107

0.018

-0.5387

0.0052

-1.326

0.006

lnrate（-1）

0.41349

0.029

0.794

（*）

0.1004

0.22784

0.163

0.401

0.31082

0.0942

0.0938

0.114

-0.2824

0.598

0.449

0.482

0.0303

0.43

0.106

0.339

2.683

0.019

1.992

0.008

-1.364

0.0027

0.725

0.0045

DW=1.759

DW=1.401

***、**、*分别表示通过1%、5%和10%的显著性检验。

为使计量结果更加精确，给定显著性水平为5%，剔除不显著的变量进行重新回归。

理论上应当根据未通过t检验的P值由大到小进行剔除。

回归结果表明，5%显著水平下，AAA级债券中，cpi及其一阶滞后项、m1、cci及其一阶滞后项、hs及其一阶滞后项均未通过t检验；

A级债券中，cpi及其一阶滞后项、rate的一阶滞后项、cci及其一阶滞后项、hs及其一阶滞后项均未通过t检验。

由于考虑到ADL模型中有对长期关系的表示，不能同时剔除变量及其滞后项，因此本文保留了某些P值相对小的没有通过t检验的变量。

进行重新回归结果如下表6：

表6ADL精确模型回归结果

（0.113）

0.00

（0.275）

0.044

（0.014）

0.766

-0.32

（1.034）

0.529

0.27025

（0.586）

0.136

（0.168）

0.052

（1.369）

（0.201）

0.0047

（0.517）

（0.185）

0.027

0.4209

（0.547）

0.200

0.3513

（0.132）

0.132

0.1303

0.441

0.0158

（2.193）

0.602

（0.719）

0.015

（0.900）

0.004

-0.1791

（0.723）

（0.245）

0.021

DW=2.017

DW=2.379

此精确模型的计量结果有所改观。

虽然拟合优度有所下降，但是从模型设定上来看，可以认为是变量间共线性降低所致。

由于模型中存在因变量的滞后项，因此本文分别使用LM和ARCH-LM检验方法【5】对模型进行了残差自相关检验和异方差性检验。

本文的样本数据为月度数据，LM检验中滞后期选择从1～12，逐一检验，对应的P值均大于0.05，同时其伴随概率均大于相应的5%的显著性水平，因此可认为模型残差不存在自相关。

通过进行带交叉项的white检验，stata给出的三个统计值对应P值均大于0.05，,因此认为模型也通过了异方差检验。

同时还应该对模型的残差序列进行ADF单位根检验以确定其是否为白噪声过程【6】，也就是其随机扰动项是否为平稳序列。

因此对残差进行单位跟检验，得到在5%的置信水平下残差序列为白噪声过程。

该ADL模型更精确地表达了研究变量之间的长期均衡关系。

自回归分布滞后模型各因素影响系数是由其滞后项和原项的系数之和决定。

根据上述回归结果分析可得：

（1）采购经理人指数和货币供给的回归系数为正，表明经济高速增长和宽松的货币投放导致信用利差扩大。

这表明由于我国债券市场尚不发达，而股市发展时间更长，比债市成熟，当经济形势变好时，虽然会增加对证券的需求，但流入股市的资金量会多于债市，导致对债券的需求相对缩小，进而引起债券信用利差扩大。

如2010年，我国实施了积极的财政政策和适度宽松的货币政策，2010年前三季度GDP同比增长11.9%、10.3%和9.6%，债券市场亦是先扬后抑，信用利差也经历了由扩大到缩小的过程。

同时回归结果显示，货币供应量对于A级企业债的影响效果显著，而对AAA级债券的影响效果并不显著。

（2）沪深300指数回归系数为正，表明当较多资金进入股市时，债券需求降低，从而信用利差增大。

2009年12月底至2010年初，随着股市的大幅下跌和新股申购收益率的持续下降，很多来自股票市场的避险资金涌入交易所企业债券市场，致使信用利差显著收窄。

（3）无风险利率为负，表明信用利差随无风险利率的提高而下降。

根据Merton（1974）的观点，无风险利率的降低使看跌期权的价值减少，从而增加了公司债券的价值并降低了其收益率，回归结果与理论相符合。

（4）消费者物价指数回归系数在两种信用评级企业债的回归中系数表现不一致，可能是由于CPI指标在编制过程中还存在很多问题，如编制过程不透明、编制权重不合理等，导致测算结果不显著【7】；

也可能是由于信用评级低的企业债违约风险较高，Merton的结构化模型并不能有效地解释。

（5）消费者信心指数在两个回归中都不显著，P值均高于0.5，因此拒绝接受该宏观变量对信用利差显著不为0的假设。

说明消费者信心指数这一宏观变量对信用利差变动的解释程度低，考虑排除该解释变量。

（五）ECM模型（误差修正模型）

为了考察变量之间的短期动态效应，需要建立误差修正模型进行进一步分析。

Granger定理认为，一组具有协整关系的变量可以具有误差修正模型的表达形式。

从前文分析可知，变量之间至少存在一种协整关系。

因此误差修正模型可以设定为：

其中，误差修正项ECM采用协整回归方程模型的残差项。

回归结果如下：

表7ECM模型回归结果

Δpmi

1.845

0.926

（2.565）

（1.606）

Δlncpi

-0.0061

0.115

0.0126

-3.05

（-0.57）

（-1.93）

Δlnm1

0.0353

0.179

0.05498

0.039

（3.24）

（2.49）

-0.032

-0.7903

0.046

（-3.04）

（1.26）

Δlnhs

0.0227

0.238

0.0386

1.427

（0.96）

（0.85）

Δlncci

-0.0013

3.642

-0.269

2.451

（-2.24）

（-1.56）

ECM

-0.34

1.395

0.17

0.97

（0.17）

（1.28）

误差修正模型结果显示，AAA级企业债券ECM项的系数为-0.34，反映了短期波动偏离长期均衡时，将以0.34的反向调整力度由非均衡状态调整到均衡状态,；

A级企业债券ECM项的系数为0.17，反映了短期波