论文总字数：38827字

摘 要

本文旨在定义驱使我国债券市场企业债券信用利差变化的宏观经济和金融要素。为了克服信用利差数据时间序列的ARCH效应即自相关性以及时变波动性、偏度和厚尾特征，我们提出了传统GARCH模型和非对称GARCH模型，并基于两种不同的分布进行模拟，对传统最小二乘法OLS回归、GARCH（Gaussian分布）模型、GARCH（Student-t分布）、AGARCH（Gaussian分布）模型、AGARCH（Student-t分布）这五种模型的回归结果进行检验对比。结果表明，信用利差变化主要由无风险利率和利率波动率，收益率曲线斜率，股票市场收益率和波动率，企业债券市场流动性状况以及迄今为止被忽视的变量——汇率所解释。我们还证实了基于Student-t分布的非对称GARCH模型系统地优于基于正态分布的传统GARCH模型。

关键词：信用利差，传统GARCH，非对称GARCH，Student-t分布，Gaussian分布

Abstract

This paper seeks to identify the macroeconomic and financial factors that drive credit spreads on bond indices in the China credit market. To overcome the idiosyncratic nature of credit spread data reflected in time varying volatility, skewness and thick tails, it proposes traditional GARCH models and asymmetric GARCH models with alternative probability density functions. The results show that credit spread changes are mainly explained by the interest rate and interest rate volatility, the slope of the yield curve, stock market returns and volatility, the state of liquidity in the corporate bond market and, a heretofore overlooked variable, the foreign exchange rate. They also confirm that the asymmetric GARCH models and Student-t distributions are systematically superior to the conventional GARCH model and the normal distribution.

KEY WORDS: Credit spreads, Traditional GARCH, Asymmetric GARCH, Student-t distribution, Gaussian distribution

目录

摘要 I

Abstract II

第一章 引言 2

1.1 我国信用债券市场发展历程及现状 2

1.2 研究背景 2

1.3 研究意义 2

1.4 研究思路 3

第二章 文献综述 4

第三章 模型构建 8

3.1 变量选择 8

3.2 数据来源 10

3.3 变量描述性分析 10

3.4 方法论体系 12

第四章 实证结果分析 14

4.1 信用利差时间序列属性 14

4.2 实证结果及分析 18

第五章 总结与展望 26

致谢 28

第一章 引言

企业进行直接融资的重要途径之一是发行企业债券，通过债券市场活动，企业能够根据自身个性化需求直接获得期限灵活的大额资金，进而有效利用财务杠杆对企业价值的积极作用，达到股东权益最大化的目的。相对于发行股票，企业债券有着降低税负、释放财务杠杆、预防股权分散化等优势，所以，不论是在发达国家还是发展中国家，企业债券在资本市场中的地位都不容小觑。据统计，欧美等发达国家的债券融资方式已经跃升为企业长期募集稳定资金的主要渠道，企业债券融资的规模已经是股票发行融资规模的三到十倍。

1.1 我国信用债券市场发展历程及现状

新中同成立后，1950年1月我国中央人民政府首次发行了人民胜利折实公债，发行额约为人民币2.6亿元，该债券于1956年11月30日还清全部本息。1954年，我国又发行了国家经济建设公债，截至1955年，该公债共发行了5次，累计发行39.35亿元，至1968年本息全部偿清。此后近20年内，我国未再发行任何债券。

我国信用债券市场的发展可分为两个阶段：初始发展阶段（1984年——2005年）和快速发展阶段（2005年至今）。初始发展阶段的企业债券种类较为单一，且大多受银行担保，违约概率低，因而信用风险溢价并不明显。而2005年以后企业债券的种类越来越丰富，逐步迈向市场化，投资者开始愈发重视信用风险，债券评级的调整也变得更为频繁。

1984年，由于受到迫切的融资需求，一些企业开始面向社会大众和企业内部员工发行有价债务证券，这一证券的问世标志着中国金融市场上企业信用债券的出现，1987年，由国务院发布的《企业债券管理暂行条例》是关于企业债的第一个法规，该法规针对企业债券的发行主体、发行利率、管理机构等做出了详细的规定，企业债券从此有了官方的规范。1988年，我国国家专业投资公司和石油部、铁道部也发行了总额为80亿元的基本建设债券，发行对象是四大国家专业银行期限为5年；1989年，又发行了14.59亿元的基本建设债券，发行对象为全国城乡个人，期限为3年；1992年，该债券与重点企业债券合并为国家投资公司债券。1998年，中国人民银行发布了《企业债券发行与转让管理办法》，首次针对企业发行债券提出了必须提供担保的要求。2003年，新成立的国家发改委成为了企业债券市场的主管机构，财政金融司实施具体管理。

2005年5月，随着人民银行发布了《短期融资券管理办法》，我们债券市场开启了新的里程碑，步入快速发展阶段。短期融资券最大的特征就是可以只以发行人自身的信用进行融资活动，而不用强制提供信用担保，对企业来说更为便利和快捷，自此真正的信用债券也就诞生了。2007年公司债的推出使得上市公司在债券市场融资更为便利，与短期融资券一样，公司债也不被强制要求提供信用担保，并且融入的资金用途也不像企业债那样被限制于固定资产的投资，债券市场也因此注入了新的活力。2012年5月，深圳证券交易所和上海证券交易所也推出了私募债券品质，也就是我们所熟知的中小企业私募债，该债权采用的是备案制发行，面对所有合格投资者。

2005年以来，经过十多年的发展，我国的信用债券市场品种不断多元化，日益丰富，发行规模也呈现爆发式的增长。同时，中低等级发行人所发行的信用债券规模占比也逐渐上升，发行人信用等级有下降趋势。随着信用债券产品种类愈发丰富，从商业银行到保险、基金、券商等非银行金融机构，再到大量资管产品的加入，市场参与主体也向多元化发展。

1.2 研究背景

二十世纪九十年代以来，由于股票买卖等柜台交易的金融衍生品大量涌现，同时价格敏感和信用敏感性的金融工具快速发展，风险暴露问题突出，使得金融机构和投资者可以对这种风险进行交易，金融监管机构和投资者对此滋生担忧，国外学者和金融市场参与者对信用风险的关注也日益增长。而国内信用债券市场序幕的拉开可以追溯到2005年短期融资券的问世，最初几年，由于我国债券多受商业银行担保、市场缺乏违约、评级相对稳定，信用风险一直不被投资者重视。但2014年首例违约事件爆发，信用利差不升反降，这种背离引起了国内外学者及投资者的关注。理论研究界和实践界都越来越关注一些问题，如企业债券如何进行定价，信用利差在什么区间时值得投资，企业债券利差收到哪些因素影响等。

我国企业债券市场要比股票市场更早起步，但发展却长期明显滞后于股票市场，并且债券市场中的企业债券发展也要落后于国债及金融债的发展。造成这种现象的原因有很多，包括企业债券利率的严格限制、企业债券定价市场化标准的缺乏等，给融资者和投资者都带来了一定的困难。但大力发展企业债券是我国优化企业融资结构、防范和降低系统性金融风险的必然趋势。

目前国内信用债券市场存在着以下现象值得关注。一是债券评级调减频发。2013年以前，中国信用债券评级的调整主要以调增为主，债券评级调减的现象并不常见。但随着宏观经济的下行，自2013年之后，我国债券评级调整的频率增加，并且评级调减主体数量大幅上涨，评级调增数量却变化不大。二是市场刚兑被打破，债券违约事件出现。2014年以前，尽管我国信用债券市场偶然也会出现信用风险事件，但最后都能在多方协调下以到期兑付结束。但自2014年我国首例公募债券市场违约事件——超日债违约爆发后，信用债券违约的潘多拉盒子自此就被打开了，债券违约事件不断发生。然而奇怪的是，信用违约事件并没有大幅度影响债券市场定价。虽然市场对企业违约风险的恐慌时有发生，但真正体现信用风险的指标——信用利差确是一路走低，出现了背离现象。

1.3 研究意义

基于信用评级调整和债券违约频发的背景下，我们研究影响我国信用利差的重要因素及定价模型，有重要的现实意义和学术意义。

1. 现实意义

首先，对投资者来说，企业债券属于风险资产，研究信用利差影响因素有助于投资者在新的债券市场环境中做投资决策，准确认识新环境下信用债券的定价规律。投资者通过定量指标研究企业债券信用利差的影响因素，可以获得一个合理的信用利差区间，有利于投资者判断债券定价是否合理且具有投资价值，防范因信用风险分析不全面额导致的投资失败。

其次，对于企业发行者而言，分析企业所处的宏观经济环境和国际金融市场现状，结合流动性因素综合考虑，有助于企业制定合理的债券票面利率，使得企业在顺利融资的前提下，融资成本也得以降低，从而企业可以更好地在金融市场中成长。

最后，从监管者角度来看，定量分析企业债券的信用利差，可以辅助监管者判断债券市场的定价是否存在不合理现象，从而可以检验债券市场的规范性和稳定性。违约率检验以及信用利差检验是国际上进行信用评级准确性检验常用的两种方法，但由于我国企业债券在2014年以前未出现过企业违约事件，目前违约概率也偏低，因而信用利差更适用于我国债券市场的规范检验，丰富国内债券市场的监控指标，防范和控制信用债券市场分析，促进我国债市的稳定健康发展。

1. 学术意义

国外学者对企业债券信用利差的研究要远领先于国内，关于信用利差的诸多成果也成为了信用风险研究领域的国际前沿。其对信用利差的研究始于对信用风险理论以及定价模型的研究，信用利差的内在含义、度量方法等便在此基础上衍生。在对信用风险定价模型的研究中出现了“信用利差之谜”，证实了流动性风险溢价等其他影响因素的存在，进一步完善了信用利差的理论定义。而国内对信用利差的讨论仍处于起步阶段，基本以定性分析为主，定量分析相对偏少，并且在为数不多的实证研究中，学者对流动性溢价等信用利差的其他构成要素的研究较少。

越来越多的研究突破了传统的结构模型和简化模型，引入了更多的影响要素进行回归，来解释分析信用利差。总而言之，根据现有研究，信用利差的影响因素是多维度的，除了信用风险因素之外，还有宏观经济市场因素、流动性因素、股票市场回报率因素等非信用风险因素。

我们多维度分析选取影响信用利差的主要因素，创新性地引入了债券市场流动性因素和汇率因素，并利用GARCH模型建立我国企业债券市场信用利差的多元回归，能够解决传统回归模型序列自相关、非正态分布等问题。

1.4 研究思路

本文依循由现状分析、理论探索到实证研究的思路，结构安排如下。第二章是信用利差影响因素相关研究的文献综述部分，从不同角度系统性地梳理了国内外对信用利差的研究成果和实证方法，比较和分析各模型，为本文的理论及实证方法提供指导性基础，也确保了本文的分析方法与国内外最新进展保持一致。第三章介绍了数据来源和处理方式，进行简单的描述性统计分析，而后阐述了传统GARCH模型及非对称GARCH模型的基本理论内容和简化公式；第四章对信用利差周时间序列数据做了数据特征检验和分析，为两类GARCH模型的选取做铺垫，进而基于普通最小二乘OLS回归、传统GARCH模型和非对称GARCH模型的实证结果进行对比分析；第五章总结了本文的重要结论和关于信用利差研究的一些思考和展望。

第二章 文献综述

信用利差被定义为企业融资者为其债务所支付的利率与国债在可比较的相同期限内支付的利率之间的差额。据以往的文献研究，债券仅仅被视为天然的索赔条款合约，也就是说，企业债券的收益率和相同期限内国债收益率的差额能够体现出企业违约的概率以及违约所产生的相应的损失。Hibbert^[1]（2011）在其文章中提出，能够衡量企业债券违约风险的一个重要工具应当时信用风险。关于信用利差的理论性研究表明信用利差随着时间会发生改变，Campbell和Huisman^[2]（2003）提出变动原因包括不同的市场状况、债券发行人信用评级的变化或者对回收率预期的改变。Delianedis和Geske^[3]（2001）通过实证研究，表明除了与违约风险有关的理论性因素之外，同样有一系列宏观经济因素能够解释信用利差的变化比例。然而，实证证据显示信用利差可能有着随时间变化的非正态分布。例如，Pedrosa和Roll^[4]（1998），Cai和Jiang^[5]（2008）指出了美国公司债券的信用利差指数揭示了美国企业信用利差指数显示出高度的波动持续性。而在欧元区固定收益市场的研究中，Alizadeh和Gabrielsen^[6]（2013）表明信用利差变化可能会出现偏离、厚尾并随时间改变走势。如果忽略这些特性，实证结果将会出现偏差并且会损害信用利差模型的估计准确度。

与违约风险相关的理论性文献一般都遵循结构模型，该模型是从Black和Scholes^[7]（1973）以及Merton^[8]（1974）的期权定价相关研究工作中衍生的，Black和Scholes（1973）开创性地构建了基于无套利原理的欧式期权定价模型，而Merton（1974）则是第一个把期权定价模型结合应用到信用债券定价里的。结构模型是常用的信用风险定价模型，它们一般以债券发行人的资产价值为基础，将其资产价值的变化与违约过程的发生联系起来，以此来计算出债券发行人的违约概率，最后定价信用利差。这些或有债权模型假定了企业的价值遵循连续时间上的随机过程，也就是说，当企业价值低于预定边界时将会发生违约。他们提供了一个直观的理论框架来获得收益率差价的主要决定因素，并且，从理论上来看，这些决定因素理应是信用利差变化的有效预测因素。在一定程度上，该结构模型忽略了信用利差与宏观经济市场风险之间的关系，导致许多实证研究无法成功对信用利差进行拟合，“信用利差之谜”因此产生。进而，在实践领域，Ericsson和Renault^[9]（2006）发现这些因素的解释力是有限的，导致人们相信其他一般性因素能够解释剩余变化。Eom等学者（2004）通过实证检验了几个典型的结构模型，他们发现这些模型都对信用利差低估了，但是在统计学角度，信用违约互换并不存在显著的低估信用利差现象。这说明结构模型能够估计债券的信用风险水平，但不仅仅只有信用风险水平会影响信用利差，还存在其他因素能够对信用利差产生显著影响。结构模型将无风险利率作为评估风险债务的相关因素。这些模型产生了信用利差和利率之间的负相关关系。这种负相关关系背后的基本原理是，利率上升意味着公司资产价值的预期增长率增加，从而降低违约的概率和收益率差价。此外，更高的利率和斜率为正的收益率曲线通常与改善经济活动相关，因而收益率差价将被降低。

结构模型相较于其他模型最重要的一个优势是其模型简单，但其假设条件过于理想化、变量取值存在障碍也是不可忽略的问题。信用利差能否用结构模型来准确解释一直是学者们高度重视并不断研究的一个问题。大多数文献在研究信用利差时忽略了流动性风险、系统性风险等风险因素，Collin-Dufresne，Goldstein和Martin^[10]（2001）提出信用利差应该只是违约概率及损失大小的量化体现，基于一组违约概率和回收率变化的替代变化进行回归，却发现仅有25%的信用利差可以被显著解释。

之后，国外学者针对结构模型的劣势作出了诸多方面的改进。Tang和Yan^[11]（2010）则将企业的现金流量来代替宏观经济风险，发现在加入宏观经济对企业现金流的影响效应后，违约概率与信用利差的拟合精读被显著提高了。周宏等^[12]（2011）重点研究了宏观经济的不确定性对信用风险的影响，结果表明金融危机之后的信用利差有明显增加。

Longstaff和Schwartz^[13](1995)拓展了Black-Scholes/Merton模型，他们的研究成果表明无风险利率的上升会导致管理企业价值演变过程的偏差增加，并且当无违约风险的期限结构的水平和斜率都上升时，收益率差异将会下降。Collin-Dufresne et al（2001）利用了美国市场企业债券的信用利差样本进行研究，他们支持上述观点并且标注到信用利差和利率水平是负相关的。他们预测高杠杆或信用质量较低的债券会受到强烈的利率效应。其他基于结构模型的研究，如Ericsson和Renault（2006）以及Avramov et al.^[14]（2007）等人也发现利率和利差之间存在负相关关系。

原始的Black-Scholes/Merton模型的一个主要批评是利率的恒定性以及不存在利率风险。Longstaff和Schwartz(1995)介绍了对风险债券估值的随机利率。Kao（2000），Collin-Dufresne et al.（2001）以及Ohyama和Sugimoto^[15]（2007）等人做了一些实证研究，表明利率的波动性对信用利差变化有着重要且显著的影响。Longstaff和Schwartz(1995)利用1977年至1992年期间穆迪公司的债券样本数据进行了实证检验，结果表明信用利差与无风险利率呈负相关关系，还指出了期限结构斜率的重要性，用长期利率和短期利率的差距来测量，以此作为一个市场预期的未来短期利率的观测指标。从长期来看，短期利率应该收敛于长期利率。因而，增长的期限结构预示着市场在预期未来的短期利率上升。戴国强等^[16]（2011）在其文章中也验证了国债利率对信用利差存在负作用，跟理论结果相一致。但是，戴国强同时也提出，自2008年金融危机以来，企业债券市场受到了不小的冲击和影响，随之而来的信用危机使得人们对违约风险的概率预期提高，导致企业债券收益率增速快于国债收益率，出现了无风险利率与信用利差出现正相关的背离现象。刘国光等^[17]（2005）基于国债收益率序列和中国交易所上市公司的债券信用利差数据，通过实证研究表明国债收益率和企业债券信用利差存在因果关系，也就是说，无风险利率是信用利差的格兰杰原因，二者有显著的协整关系。但究竟两者是正相关关系还是负相关关系，刘国光等学者并未给出明确的答案，加上样本选取上存在片面性问题，难以定论。因此，基于我国特殊的债券市场环境，无风险利率对信用利差的影响和关系有待进一步的研究和讨论。

从宏观经济层面来看，Fama和French^[18]（1989）提出收益率曲线的斜率经常被当作经济增长的指标。事实也确实如此，收益率曲线的斜率增加象征着经济增长繁荣期；相反，期限结构斜率减小甚至转而为负，反映了经济衰退期的到来。经济繁荣或是萧条能够影响企业价值的增长率，并引发违约和信用利差发生概率的上升或下降。这些争论与Duffee(1998)^[19]和Van Landschoot（2008）的研究成果是一致的，他们强调了债券市场中无风险期限结构的斜率与信用利差变化的负相关性。同样，张茂军^[20]（2015）基于Merton模型研究了利率因素以及宏观经济因素对信用利差的影响机制，通过实证证实了无风险利率和利率的期限结构对信用利差有着显著影响。晏艳阳等^[21]学者（2014）提出，公司特性因素比宏观经济因素能够更好地解释债券信用利差。而谢文增、王安兴^[22]（2014）指出，信用利差和上证综合指数的收益率波动存在相关性，特别的是，根据不同的信用等级，高信用等级企业债券和收益率波动有着负相关关系，而地信用等级的企业债券和收益率波动却是正相关关系。

在结构模型中，公司的杠杆水平是决定其发行的风险债券价格的另一个关键因素。其基本原理是相对于负债价值，有着较低资产价值的企业更有可能发生违约。在这些模型中，当杠杆率接近一致时将会触发违约。因而，股票价格的下跌或者通过波动增加猜测的股票价格下跌可能性会导致杠杆率的上升以及企业的违约风险，进一步会引发利差的增加以及负债价格的下降。股票收益率和信用利差的负相关关系已经被许多实证研究证实过了，比如Shan（1994）和Kwan（1996）从个体企业级别进行了实证，Campbell和Ammer（1993）则是从总体水平进行研究，而Cornell和Green（1991）从投资组合层面做了相关研究。总体来看，关于股票收益率对信用利差影响可以总结为：信用等级高的企业债券信用利差受无风险利率影响更为显著，而信用等级低的企业债券信用利差受股票收益率的影响更为明显。国内学者关于股票市场收益率与信用利差关系的研究也很多，但结论不尽一致。张燃^[23]（2008）、刘芸^[24]（2013）等人提出，国内股票市场收益率与债券市场收益率之间存在负相关关系，且互为格兰杰因果关系。然而，孙客^[25]（2010）则认为由于投资者对股票市场更为狂热，当股市火热时，投资者更倾向于将资金投向股票市场，导致对债券市场的需求下降，使得企业债券发行者不得不提高信用利差来吸引更多的投资者，因而他认为股票市场回报率和信用利差之间应存在正相关关系。Campbell和Taksler^[26]（2003）发现了资产波动与信用利差之间显著的正相关关。但由于企业资产价值以及资产价值波动率很难从现实中直接获取数据，本文中未将该因素加入考虑。

在完全且完美市场的假设下，交易是不断发生的，理论性结构模型有意地忽略了流动性风险在信用利差估计中扮演的角色。然而正如上文所讨论的，许多结构模型的测试表明他们系统性地低估了所观察的信用利差，其中一个理由就是他们没有考虑流动性因素。比如，Chordia et al.^[27]（2003）指出，流动性风险是被观察信用利差的一个主要决定因素。宋球红（2013）基于不同信用等级，对中国企业债券市场上的企业债进行实证研究，他发现在二级市场上，相较于宏观经济因素，流动性因素的变动对信用利差变化的影响更大。其他研究也展示了信用利差和流动性之间的一个强负相关关系，包括Collin-Dufresne et al.（2001）、Houweling et al（2005）、Ericsson和Renault（2006）以及Schwartz（2014）的相关研究。事实上，企业债券市场流动性的降低暗示了一个市场偏好，即投资者偏好更少的风险资产和更高的风险溢价来覆盖补偿流动性风险。

金融市场不断发展，商业活动也日渐趋于国际化，在全球化的时代背景之下，汇率风险对信用利差影响的重要性也开始受到更多的重视和强调。汇率风险是由不可预测的汇率波动以及汇率对企业绩效的影响引起的。比如，Jorion（1990）、Amihud（1994）、Clark和Mefteh（2011）等学者的许多研究成果记录了汇率波动对企业绩效和企业的风险预测的影响。Peraran et al.^[28]（2006）的文章中提到，汇率的剧烈波动可能会严重影响到公司的资产负债表，尤其是国际资产负债表，并增加其违约风险。在Jankwitsch和Pichler^[29]（2005）文章中，信用风险和汇率之间是存在一个强正相关关系的。而Galai和Wiener^[30]（2012）发现，企业的破产概率和具有多币种负债的企业的融资成本取决于企业收益率与借入货币的汇率之间的相关性。

基于以上讨论，我们得知结构模型对市场上观察到的信用利差起到了重要的决定性作用，结构模型涵盖了绝大部分与违约风险相关的利差。然而，除了违约风险，所观察的利差还受到微观及宏观市场力量的趋动。因而，一个完全且完整的信用利差模型应当包括与违约风险有关的变量、反映在债券市场组织本身的供给与需求关系以及能够同时影响违约风险和市场供需的宏观变量。

本文的贡献主要体现在以下几方面。首先，我们定义了能够显著解释信用利差变化的一组变量，这些变量包括了结构模型中的利率、利率波动、收益率曲线的斜率、股票市场回报率、股票市场回报率波动以及与市场状况有关的变量，这类变量反映了债券市场的流动性风险以及汇率风险。其中，汇率风险是以往对信用风险研究的文献中最被忽视的一个变量，随着金融市场的发展，商业活动日趋国际化，导致汇率波动的不可预测性增加，汇率风险的重要性才开始引起学者的重视和兴趣（如Jankowitsch和Pichler，2005；Galai和Wiener，2012）。总得来说，本文中大部分研究的变量有着符合预期的能力，可以在所有考虑的评级和期限下解释信用利差的变化。其次，我们也展示了使用非对称GARCH模型能够改善总体估计效果，并具有厚尾密度特征。与传统的GARCH模型相比，AGARCH模型为信用利差数据提供了一个更好、更简洁的描述。

第三章 模型构建

3.1 变量选择

第一章中，我们强调了理论和实证研究中的主要变量，这些变量能够在固定收益市场中对信用利差起决定性作用。结构模型中使用的金融性理论变量有无风险利率、无风险利率波动率、收益率曲线的斜率、股票市场回报率以及股票市场回报率波动率。而基于宏观和微观市场结构的实证考虑表明，除了上述变量之外，流动性及汇率波动一样是评估风险信贷的重要因素。

1. 信用利差

我们提取不同信用等级（AAA级、AA级、A级和BBB 级）以及不同到期期限（1年、3年、5年、7年和10年）的企业债券每日到期收益率，与对应相同期限的国债收益率相减，得到不同信用等级的信用利差期限结构。

1. 无风险利率及其波动率

我们使用十年期国债收益率的周平均序列作为无风险利率的代替指标。正如我们前文所讨论的，信用利差和无风险利率的之间可能存在一个相反关系。而这个负相关关系是由于利率上升意味着企业资产价值的预期增长率随之上升，从而降低了违约的概率以及收益率差值。并且，更高的利率水平以及正的收益率曲线斜率通常和经济活动改善相联系，因此，收益率利差也相应减少。但是，基于国内的特殊金融环境，信用利差与无风险利率有可能存在正相关关系，有待检验。

为了测量利率的波动性，我们采用无风险利率的历史波动数据，这些数据是从以往市场价格的周时间序列中通过计算标准差获得的。它与每日收益率的年化标准差相一致，波动率系数的预期符号是模糊的。在前文中讨论的Longstaff和Schwartz的理论模型以及Collin-Dufresne etal.（2001）等人的实证研究中，这个符号可以是正的也可以是负的，取决于私人债券的期限。低信用评级和长期债券与更大的不确定性和更高的利差相关联，而高信用评级和短期债券则与更小的不确定性与更低的利差有关。

（3）收益率曲线斜率

我们将收益率曲线的斜率定义为十年期国债收益率与三月期国库券收益率之间的差值。根据前文所述，收益率曲线可以看成未来短期收益率以及经济活动的预测性指标。一个上升的期限结构暗示着市场预期未来的短期利率将提高，相反，下降的期限结构则意味着未来的短期利率预期将减少。而期限结构斜率的增加反映了经济繁荣增长，进而企业增长率增加并将促使企业违约的概率变小，最终结果是信用利差的减少。反之同理，期限结构的斜率下落，往往是经济衰退的后果，在萧条的经济环境中，企业增长率停滞甚至回落，直接导致企业的违约率上升，信用利差也因此增加。所以，我们预期收益率曲线的斜率与信用利差将呈现出负相关关系。

（4）沪深300指数回报率及波动率

结构模型中，个体公司的杠杆作用在决定企业发行的风险债券价格时是一个关键因素。企业价值越高，其价值跌落至足以引发违约的可能性则越小；相反，企业价值越小，抵抗风险的能力也相应较低，企业容易受市场经济环境影响，较为脆弱，那么企业价值下跌导致违约的可能性也就更大了。由于我们的研究涉及债券指数而不是单个公司债券，因此它不能将个体公司的杠杆水平作为模型中的一个变量。但是，上文的讨论表明，总体股票市场是反映债券指数水平很好的指标。为了反映我国股票市场的表现，我们采用沪深300指数的周平均序列的收益率数据来指代股票市场回报率，我们预计股票市场收益率与债券信用利差之间存在负相关关系。

结构模型的另一个特征是公司资产波动性的重要作用。 波动反映了公司所面临的不确定性。在这种情况下，更大的资产波动意味着杠杆水平发生显著变化的可能性更高。因此，资产波动率的增加会提高杠杆率接近公司资产价值跌落至低于违约门槛水平的可能性。如前文所述，由于我们需要使用的是债券指数，因此我们用股票市场指数代替单个公司的资产价值来估计波动率。在本文中，我们采用沪深300指数的隐含周时间序列波动率来代表我国股票市场的波动性。我们预计股票市场波动性与信用利差之间存在正相关关系。

（5）流动性风险溢价

第一部分中相关的实证文献表明债券市场流动性对信用风险的发展有着显著的消极影响。根据Castagnetti和Rossi（2013）的工作，我们用我国长期互换利差来代表国内企业债券市场的流动性。同时，我们也考虑一年期上海银行间同业拆放利率（SHIBOR）互换固定利率与一年期政府债市场利率的差值。以上两个要素我们都预期发现其与信用利差的负相关关系。

（6）汇率因素

最后，为了解释金融市场和商业活动的国际化以及它是如何影响贸易或工业类企业的竞争性、风险性与可能性，我们引入了美元有效实际汇率。由于更高的汇率波动性将会增加企业盈利与杠杆水平的不确定性，我们预期汇率变化与信用利差之间将呈现负相关关系。

根据上文分析，我们测试的模型如下所示：

（3-1）

其中，是一个常数，表示无风险利率的变化，表示无风险利率波动的变化，表示收益率曲线斜率的变化值，表示沪深300指数收益率的变化，表示沪深300指数收益率波动的变化值，表示债券市场流动性的变化值，则表示汇率的变化值；而则是个变量的系数估计值，是误差项。

表1总结了模型中所有解释变量的含义以及预期系数符号。

表3-1 信用利差变化的决定性要素一览表

3.2 数据来源

本文的样本数据主要来源于Wind数据库，我们按不同评级以及不同期限提取了2009年1月1日至2018年1月1日共九年间的企业债券到期收益率，共包含AAA级、AA级、A级、BBB 级四类等级和1年期、3年期、5年期、7年期、10年期五类期限；同时我们提取了相同期限（1年、3年、5年、7年、10年）的国债到期收益率九年内的周时间序列数据、沪深300指数、Shibor利率、人民币有效实际汇率的时间序列数据。

3.3 变量描述性分析

基于四类等级和五类期限的企业债券到期收益率以及相同期限的国债到期收益率，我们计算出共20（4×5）类债券的信用利差，每一类债券可以获得468个周时间序列数据。

表3-2提供了这20类企业债券信用利差的数据特征，包括均值、中位数、标准差、极小值以及极大值。首先，我们比较等级相同、期限不同的企业债券信用利差，可以发现，样本中的五类企业债券，都遵循信用利差随着期限的增加而上升的规律。解释这一现象可以从以下角度考虑：一是基于行为金融理论，通俗地讲，今天拿到的100元相较于被承诺一年后将拿到的100元要更值钱（假设剔除现金流贴现因素及通货膨胀），这是因为投资更重视当下确实可得的利益，时间间隔越久，不确定性因素增加，如企业破产、货币贬值、自身遭遇意外等不可控风险，都使得投资者对未来的收益要求更多的补偿；二是基于流动性风险角度，长期债券的变现能力显然低于中短期债券，换句话说，期限越长，企业债券的流动性就越差，隐含的流动性风险也就越高，因而企业发行者提供的流动性风险溢价会随期限的增加而增加。接着，我们观察期限相同、等级不同的企业债券信用利差，表中显示随着企业信用评级的降低，对应的信用利差会大幅上升。通过简单计算，我们发现从AAA级降至AA级，信用利差普遍上涨1%左右；从AA级降至A级后，信用利差增幅高达170%左右，是降级变化最大的一个临界点；而从A级降至BBB级，信用利差增幅明显下降，平均约为35%。可见，相较于投资周期长短，投资者更重视债券发行企业的信用评级，即更关注债券的信用风险和违约风险，因而对评级降低所要求的补偿要远远高于对期限结构要求的补偿。并且，在所选样本中，AA级企业与A级企业之间是一个临界点，投资者普遍信任AAA级和AA级企业，从A级开始，信任度显著降低，导致信用利差跨度巨大，意味着A级及A级以下企业的违约概率要明显增加。最后，我们从标准差角度来进行分析。先进行纵向对比，表中结果显示，信用等级越低，信用利差波动率（标准差）越高，并且A级、BBB 级企业债券的信用利差波动率增幅均达到100%左右，这说明信用评级高的企业对债券的定价也更为稳定，因为有较高的投资者信任度，市场供需状况相对稳定，利差定价波动也就更小。相反，由于投资者投资低信用债券的因素复杂，风险投机心理占上风，导致信用评级低的企业更难估计投资者对企业债券收益率的心理预期，市场竞争更为激烈，定价自然就参差不齐。继而我们做横向对比，发现高信用等级企业债券信用利差的波动率随着债券期限的增加而降低，而低信用等级企业债券信用利差的波动率却随着债券期限的增加而略有上升趋势。

表3-2 各类别信用利差数据特征

3.4 方法论体系

为了捕获到自回归条件异方差（ARCH）效应并展示所观察样本周时间序列信用利差变化的自相关结构，我们在本文中估计测试了一系列的条件异方差时间序列模型。Engle（1982）和Bollerslev（1986）在最原始的工作中介绍了广义自回归条件异方差模型（GARCH），并提出该模型在模拟随时间变化的金融资产波动率时是有效的。

标准的GARCH（p,q）模型允许条件方差依赖于先前的自身滞后项。时刻t的方差由下式表示：

剩余内容已隐藏，请支付后下载全文，论文总字数：38827字