張爽 劉墨涵

摘要：我國(guó)10年期國(guó)債收益率作為無風(fēng)險(xiǎn)收益率，是人民幣資產(chǎn)定價(jià)的基礎(chǔ)。而中短久期信用債在資管機(jī)構(gòu)的資產(chǎn)配置中更符合投資偏好。本文以中債估值為基礎(chǔ)，研究了3年期AAA票據(jù)與10年期國(guó)債的到期收益率走勢(shì)關(guān)系及利差影響因素，發(fā)現(xiàn)二者利差主要受信用利差、期限風(fēng)險(xiǎn)、宏觀基本面、資金成本、股市波動(dòng)等因素影響，其中信用利差起主要解釋作用。

關(guān)鍵詞：10年期國(guó)債??3年期AAA票據(jù)??到期收益率??利差

我國(guó)10年期國(guó)債到期收益率（以下簡(jiǎn)稱“收益率”）作為無風(fēng)險(xiǎn)收益率，是人民幣資產(chǎn)定價(jià)的基礎(chǔ)。在資管機(jī)構(gòu)進(jìn)行資產(chǎn)配置時(shí)，中短久期信用債往往更符合其投資偏好。在此背景下，研究中短久期信用債收益率與10年期國(guó)債收益率之間的關(guān)系，對(duì)于后續(xù)研判信用債收益率走勢(shì)、做好壓力測(cè)試等工作具有重要的意義。

收益率指標(biāo)的選取

在中短久期信用債中，從期限和評(píng)級(jí)的角度看，3年期AAA票據(jù)比較符合資管機(jī)構(gòu)債券資產(chǎn)的投資偏好，本文將中債AAA中短期票據(jù)收益率（3年期）作為3年期AAA票據(jù)收益率這一變量的指標(biāo)。同時(shí)，中債10年期國(guó)債收益率常被投資者作為資產(chǎn)定價(jià)的基礎(chǔ)，能夠直接反映債市投資者對(duì)于未來的判斷和預(yù)期，本文將其作為10年期國(guó)債收益率這一變量的指標(biāo)。本文以2012年1月1日至2020年10月31日為統(tǒng)計(jì)期，選取統(tǒng)計(jì)期內(nèi)上述兩個(gè)指標(biāo)的數(shù)據(jù)作為樣本（見圖1），通過對(duì)比發(fā)現(xiàn)，二者整體走勢(shì)具有明顯的趨同性，不過利差在不同時(shí)段會(huì)出現(xiàn)擴(kuò)大、收縮甚至倒掛的情況。

模型的構(gòu)建

（一）理論基礎(chǔ)

3年期AAA票據(jù)與10年期國(guó)債信用風(fēng)險(xiǎn)不同，期限也不同。本文引入中債3年期國(guó)債收益率作為中介指標(biāo)，以便進(jìn)行分析。10年期國(guó)債和3年期國(guó)債均為高流動(dòng)性無風(fēng)險(xiǎn)債券資產(chǎn)，前者收益率通常高于后者，原因在于距離到期日時(shí)間較長(zhǎng)，受利率、通貨膨脹率等因素影響較大，二者的利差主要來自于期限風(fēng)險(xiǎn)補(bǔ)償。3年期AAA票據(jù)和3年期國(guó)債的利差體現(xiàn)了信用利差，是違約風(fēng)險(xiǎn)補(bǔ)償和流動(dòng)性風(fēng)險(xiǎn)補(bǔ)償?shù)募涌?。因此?年期AAA票據(jù)和10年期國(guó)債的利差主要受期限風(fēng)險(xiǎn)補(bǔ)償和信用利差的共同影響。下文將以此為思路選取指標(biāo)并構(gòu)建模型。

（二）因子分析

1.期限風(fēng)險(xiǎn)補(bǔ)償?shù)挠绊懸蛩?/p>

期限風(fēng)險(xiǎn)指因到期時(shí)間不同而形成的利率風(fēng)險(xiǎn)，通常反映某個(gè)時(shí)點(diǎn)投資者對(duì)不同期限債券的不同預(yù)期，由此帶來的溢價(jià)就是期限風(fēng)險(xiǎn)補(bǔ)償。如表1所示，期限風(fēng)險(xiǎn)補(bǔ)償受多個(gè)宏觀經(jīng)濟(jì)定量因素的影響，包括國(guó)內(nèi)生產(chǎn)總值（GDP）、居民消費(fèi)價(jià)格指數(shù)（CPI）、匯率、美債收益率、美元指數(shù)等。另外，一些定性因素也影響著期限風(fēng)險(xiǎn)補(bǔ)償，如國(guó)內(nèi)經(jīng)濟(jì)政策、國(guó)際貿(mào)易環(huán)境、產(chǎn)業(yè)結(jié)構(gòu)、貨幣政策和財(cái)政政策等（見表1）。

（1）流動(dòng)性風(fēng)險(xiǎn)補(bǔ)償：由于信用債流動(dòng)性不如國(guó)債等無風(fēng)險(xiǎn)利率債而產(chǎn)生的溢價(jià)。

流動(dòng)性風(fēng)險(xiǎn)補(bǔ)償?shù)亩恳蜃又饕▋煞矫妗Ｒ皇琴Y金成本。資金成本越高，流動(dòng)性風(fēng)險(xiǎn)補(bǔ)償越高。本文選用銀行間7天質(zhì)押式回購(gòu)利率（R007）作為資金成本指標(biāo)。通常當(dāng)R007較高時(shí)，3年期AAA票據(jù)與10年期國(guó)債的利差也較大。二是其他金融市場(chǎng)（主要是股票市場(chǎng)）的表現(xiàn)代表了資金的機(jī)會(huì)成本。本文選用滬深300指數(shù)近20日波動(dòng)率作為股票市場(chǎng)表現(xiàn)的指標(biāo)，來探究其對(duì)債券收益率的影響。

流動(dòng)性風(fēng)險(xiǎn)補(bǔ)償?shù)亩ㄐ砸蜃又饕舶▋煞矫?。一是市?chǎng)參與者行為，如市場(chǎng)情緒、投資者結(jié)構(gòu)、杠桿操作等。二是債券特征，如債券發(fā)行規(guī)模、投資難度、質(zhì)押便利性等。

（2）違約風(fēng)險(xiǎn)補(bǔ)償：體現(xiàn)對(duì)債券預(yù)期損失的補(bǔ)償，由債務(wù)人未來可能違約的概率和違約給債權(quán)人造成的損失共同作用形成。

在違約風(fēng)險(xiǎn)補(bǔ)償?shù)亩恳蜃又校瑐`約概率（PD）和債券違約損失率（LGD）較為直觀。中債市場(chǎng)隱含違約率指標(biāo)可以反映未來一段時(shí)間內(nèi)發(fā)行主體發(fā)生信用違約的累積概率。然而，該指標(biāo)2020年剛剛進(jìn)入市場(chǎng)，數(shù)據(jù)量較少。另外，中國(guó)債券市場(chǎng)自2018年開始出現(xiàn)常態(tài)化違約，且從債券違約到最后完成本息回收需要數(shù)年，LGD的時(shí)間序列樣本也很少。故LGD和中債市場(chǎng)隱含違約率這兩個(gè)指標(biāo)均暫不采用。

違約風(fēng)險(xiǎn)補(bǔ)償?shù)亩ㄐ砸蜃又饕ㄈ矫妗Ｒ皇墙?jīng)濟(jì)基本面，經(jīng)濟(jì)增長(zhǎng)和通脹決定了利率水平和趨勢(shì)。二是政策，如貨幣政策、行業(yè)政策、監(jiān)管政策等。三是風(fēng)險(xiǎn)事件，如重大突發(fā)風(fēng)險(xiǎn)事件、評(píng)級(jí)調(diào)整等信息。

（三）定量回歸模型的構(gòu)建

1.因子選取

對(duì)于期限風(fēng)險(xiǎn)補(bǔ)償?shù)亩恳蜃?，本文選用統(tǒng)計(jì)期內(nèi)如下數(shù)據(jù)：中債10年期國(guó)債收益率與中債3年期國(guó)債收益率之差（）、GDP季度同比增速（GDP）、CPI當(dāng)月同比增速（CPI）、美元對(duì)人民幣匯率（CNY/USD）、3年期美國(guó)國(guó)債收益率（）、美元指數(shù)（USDX）。

信用利差（違約風(fēng)險(xiǎn)補(bǔ)償和流動(dòng)性風(fēng)險(xiǎn)補(bǔ)償）的定量因子選用統(tǒng)計(jì)期內(nèi)中債AA+中短期票據(jù)收益率（3年期）與中債3年期國(guó)債收益率之差（）、R007、滬深300指數(shù)近20日波動(dòng)率（）。此處未采用計(jì)算利差，主要因作為因子之一，建模后的利差走勢(shì)和實(shí)際利差（）走勢(shì)擬合效果較好，同時(shí)可避免自變量產(chǎn)生多重共線性問題。

2.回歸模型的構(gòu)建和檢驗(yàn)

首先，本文采用Spearman相關(guān)系數(shù)檢驗(yàn)方法對(duì)中債AAA中短期票據(jù)收益率（3年期）和10年期國(guó)債收益率的相關(guān)系數(shù)進(jìn)行計(jì)算，發(fā)現(xiàn)相關(guān)系數(shù)高達(dá)0.96，可以認(rèn)為二者有極強(qiáng)的同向關(guān)系。進(jìn)一步推測(cè)，由于二者具有正相關(guān)性，在2012年至2020年，3年期AAA票據(jù)和10年期國(guó)債的利差將維持在相對(duì)穩(wěn)定的范圍，而該范圍的大小受期限風(fēng)險(xiǎn)補(bǔ)償和信用利差的共同影響。

其次，利用Python對(duì)數(shù)據(jù)進(jìn)行清洗和梳理后，用最小二乘法（OLS）對(duì)其進(jìn)行建模。最初將所有定量因子加入模型中，經(jīng)過多次建模篩選，經(jīng)過T檢驗(yàn)，剔除了一些t值較小且顯著性較差的因子，如GDP季度同比增速、美元對(duì)人民幣匯率、3年期美國(guó)國(guó)債收益率、美元指數(shù)等。

最后，選用顯著性較強(qiáng)且解釋力度較大的因子，包括信用利差因子（）、期限風(fēng)險(xiǎn)因子（）、宏觀因子（CPI）、資金成本因子（R007）、其他金融市場(chǎng)表現(xiàn)因子（），構(gòu)建多元線性回歸模型如下：

模型回歸結(jié)果（見表3）顯示，該模型的解釋力度較好。一是T檢驗(yàn)顯示，模型中選取的5個(gè)因子t值較大且p值較小，這意味著5個(gè)因子均顯著。二是進(jìn)行擬合優(yōu)度檢驗(yàn)，統(tǒng)計(jì)結(jié)果顯示R2=?0.856，修正后的R2=0.855，說明模型對(duì)樣本數(shù)據(jù)的擬合效果較好，即5個(gè)因子聯(lián)合起來對(duì)3年期AAA票據(jù)與10年期國(guó)債的利差有顯著影響。

（一）擬合結(jié)果與實(shí)際利差對(duì)比

將3年期AAA票據(jù)與10年期國(guó)債的實(shí)際利差，與模型擬合出來的結(jié)果進(jìn)行比較（見圖2），觀察發(fā)現(xiàn)二者在絕大多數(shù)時(shí)段的走勢(shì)高度一致。

（二）對(duì)特殊時(shí)段的定性分析

如圖2所示，模型擬合結(jié)果和實(shí)際利差在部分時(shí)段出現(xiàn)差異，具體來看，差異主要出現(xiàn)在2013年底至2014年初、2018年上半年和2020年上半年。從實(shí)際情況看，3年期AAA票據(jù)和10年期國(guó)債的利差主要在0.5%～1.5%的范圍內(nèi)波動(dòng)，而在上述三個(gè)時(shí)點(diǎn)，二者的利差出現(xiàn)顯著擴(kuò)張、收縮甚至倒掛。

1.2013年下半年至2014年初

2013年6月，債券市場(chǎng)遭遇“錢荒”，下半年在資金利率等多種因素的共同作用下，中債AAA中短期票據(jù)收益率（3年期）出現(xiàn)史上最大幅度的上行。從資金面來看，2013年6月至8月，大量原本投向AAA信用債的資金流向非標(biāo)市場(chǎng)，導(dǎo)致資金利率大幅上升。同時(shí)，2013年下半年出現(xiàn)信用債評(píng)級(jí)下調(diào)高峰，投資者對(duì)信用債發(fā)行主體資質(zhì)的擔(dān)憂增加，信用風(fēng)險(xiǎn)溢價(jià)大幅上升。這些因素導(dǎo)致3年期AAA票據(jù)與10年期國(guó)債的利差顯著擴(kuò)張，形成2012年以來的峰值。

2.2018年上半年

2018上半年我國(guó)GDP總體平穩(wěn)，CPI也在預(yù)期范圍內(nèi)波動(dòng)。從監(jiān)管政策和市場(chǎng)情緒來看，年初監(jiān)管層對(duì)債券市場(chǎng)賬戶管理、杠桿率水平、流動(dòng)性等方面進(jìn)行了規(guī)范，全年信用債違約數(shù)量和規(guī)模創(chuàng)過去5年新高，違約令市場(chǎng)擔(dān)憂情緒上漲，中高等級(jí)信用債發(fā)行利率走高，推升利差擴(kuò)張。

3.2020年上半年

受新冠肺炎疫情影響，2020年一季度我國(guó)經(jīng)濟(jì)近乎停擺，相關(guān)數(shù)據(jù)大幅下滑，央行連續(xù)3次實(shí)施降準(zhǔn)，銀行間市場(chǎng)流動(dòng)性充足，中債10年期國(guó)債收益率持續(xù)下行，在4月降至當(dāng)年最低點(diǎn)2.48%。隨著疫情逐步得到控制，宏觀經(jīng)濟(jì)基本面不斷改善，中債10年期國(guó)債收益率于5月至6月快速反彈，中短期高信用等級(jí)債券依托票息優(yōu)勢(shì)受到市場(chǎng)追捧。其間因信用債收益率走勢(shì)滯后，中債AAA中短期票據(jù)收益率（3年期）短暫低于中債10年期國(guó)債收益率，二者出現(xiàn)倒掛。

研究結(jié)論

本文通過定量研究和定性分析相結(jié)合得到以下結(jié)論。

一是通過定量分析，本文發(fā)現(xiàn)3年期AAA票據(jù)與10年期國(guó)債的利差主要受信用利差因子、期限風(fēng)險(xiǎn)因子、宏觀因子、資金成本因子和其他金融市場(chǎng)表現(xiàn)因子的影響。這5個(gè)因子均可從經(jīng)濟(jì)邏輯上給出解釋，且符合實(shí)證經(jīng)驗(yàn)。其中信用利差因子的系數(shù)為0.6869，對(duì)模型影響最大。基于5個(gè)因子所搭建的模型能夠較好擬合實(shí)際利差走勢(shì)。在模型擬合效果欠佳的時(shí)段，本文結(jié)合當(dāng)時(shí)的宏觀經(jīng)濟(jì)、資金面、風(fēng)險(xiǎn)事件、政策等定性因素加以解釋。

二是本次研究可對(duì)資管機(jī)構(gòu)的投研工作有所裨益。在實(shí)際工作中，資管機(jī)構(gòu)可關(guān)注模型中因子的變化情況，預(yù)判利差走勢(shì)，并由此進(jìn)一步推斷信用債收益率走勢(shì)，做好不同假設(shè)下的壓力測(cè)試情景設(shè)定，為下一步投資決策提供參考依據(jù)。

三是本次研究仍存在一些不足之處。一是模型中缺乏違約風(fēng)險(xiǎn)補(bǔ)償?shù)亩恳蜃樱粽业胶线m的違約風(fēng)險(xiǎn)定量因子，或?qū)⑹鼓Ｐ蛿M合效果更佳。二是在解釋因子中，期限風(fēng)險(xiǎn)因子和信用利差因子可能存在部分重疊效應(yīng)，回歸模型會(huì)產(chǎn)生近似共線性。

責(zé)任編輯：鐘飛??徐傳平??鹿寧寧

作者：工銀理財(cái)風(fēng)險(xiǎn)管理部總經(jīng)理

工銀理財(cái)風(fēng)險(xiǎn)管理部

參考文獻(xiàn)

[1]?魏涵.我國(guó)企業(yè)債券違約成因分析及風(fēng)險(xiǎn)防范.湖北：湖北經(jīng)濟(jì)學(xué)院，2019.

[2]?中國(guó)人民銀行.關(guān)于規(guī)范債券市場(chǎng)參與者債券交易業(yè)務(wù)的通知.北京：中國(guó)人民銀行，2018.

[3]?中央結(jié)算公司統(tǒng)計(jì)監(jiān)測(cè)部.2018年債券市場(chǎng)統(tǒng)計(jì)分析報(bào)告[J].債券，?2019（1）.