基于面板数据的中期票据信用利差研究

基于面板数据的中期票据信用利差研究

李岚1杨长志2

（1．南开大学经济学院，天津300071；2．南开大学国际商务研究所，天津300071）

摘要：基于2008年4月至2009年11月的月数据，本文实证结果表明，中期票据信用利差的变化与10年期国债收益率、中期票据月成交频率、固定资产投资同比增速、PMI以及M2与M1同比增速之差的变化负相关，且回归系数大多显著。然而，模型解释力不足30%，与国外实证结论一致。同时，模型解释力随财务杠杆的上升和信用资质的降低而提高，随剩余期限的缩短和股东背景的增强而提高。后者与现有研究相悖，主要原因可能是中票发行利率及收益率存在顶板效应。

关键词：中期票据；信用利差；企业债；债务工具

作者简介：李岚，南开大学经济学院博士生。杨长志，南开大学国际商务研究所讲师。

中图分类号：F810.5 文献标识码：A

Abstract: We conduct an empirical research on the determinants of changes in the credit spread of China’s Medium Term Notes (MTNs) using monthly data from April 2008 to November 2009, and discover a significantly negative correlation between the changes in credit spreads of MTNs and the changes in 10-year treasury yields, the monthly trading frequency of MTNs, the Y oY growth rate of fixed asset investment, PMI, as well as the difference between Y oY growth rates of M2 and M1. We also find that the model can explain only less than 30% of the changes in the credit spread of MTNs. Furthermore, the explanatory power of the model increases as the issuer’s credit quality deteriorates, as the leverage ratio climbs, as the time to maturity reduces, and as the shareholder’s credit quality strengthens. The latter two findings are contrary to existing literature, maybe due to the ceiling effect of the coupon rate and the YTM of MTNs.

Key words: MTNs, Credit spreads,

引言

国内中期票据（Medium Term Notes，以下简称中票或MTN）市场发展始自2008年4月。经过1年多的超常规发展，中票已成为银行间市场重要的债券品种。至2009年10月末，在中央国债登记结算公司（以下简称中债登）托管的中票累计余额7461亿元，占银行间市场债券存量的 4.5%，占银行间市场非金融机构发行债券余额的比例达34.7%。2009年11月，首批四家保险机构获准进入中票市场后，中票完全依赖银行需求的局面将有望改变。上述背景下，研究中票信用利差的决定因素以及这些因素如何影响中票信用利差，有助于银行和保险机构判断中票相对于国债、金融债等利率品种的相对投资价值，进而为机构投资者把握投资时机、遴选投资品种提供研究支撑和决策依据。

国外对信用利差的理论及实证研究较多，对信用利差来源的研究主要基于由Merton （1976）[1]开创的结构化模型。国外学术界普遍认为违约风险、税收、流动性、宏观环境和系统性风险等因素是信用利差的主要来源，其中违约风险由结构化模型预期违约损失刻画。

但对各国债券市场的实证结果却显示，预期违约损失仅能解释实际信用利差的很小一部分。Delianedis和Geske（2001）[2]发现美国BBB以上级别债券超过80%的信用利差由预期违约损失以外的因素决定。Ohyama和Sugimoto（2007）[3]对1998-2006年日本公司债券的研究发现违约风险仅能解释不到18%的信用利差。Lepone and Wong（2009）[4]对2003-2007年澳大利亚公司债券的研究表明，利率及流动性因素可解释A以上级别债券50%的信用利差变化。Jayadev和Jacob（2006）[5]认为印度公司债券市场信用利差的大部分变化不是由信用风险因素决定的。Collin-Dufresne、Goldstein和Martin（2001）[6]则]认为债券市场的供给需求冲击是信用利差最主要的来源。Huang和Huang（2003）、Amato和Remolona (2003) [7] [8]等的研究还显示，预期违约损失对信用利差的解释程度随存续期限的延长、信用级别的降低而提高。

相比之下，国内对信用利差的研究较少，在为数不多的实证文献中，基于具体个券的实证研究占大多数，如周孝坤（2006）、陆文磊（2008）和田明（2008）[9] [10][11]等。上述实证研究虽然得出了一些有价值的结论，但也存在明显不足。首先，基于单一个券的研究尚不足以整体把握国内信用债券信用利差的决定因素。其次，由于缺乏不同信用级别、不同期限的比较研究，得出的结论对基于相对基准考核的投资实践的指导意义有限。

本文以Collin-Dufresne、Goldstein和Martin（2001）[6]模型为基础，通过构建基于面板数据的回归模型，试图整体把握国内中票信用利差的影响因素。与国内现有文献相比，本文在数据广度、研究方法以及研究深度等方面均有所推进。与国外文献相比，考虑到国内债券市场的特点，本文在数据处理、变量选取、数据分组等方面有以下创新：数据处理方面。本文通过交易量加权的方法确定中票及比较基准对应的日期和剩余期限，进而获得信用利差，与国外直接使用两者收益率的月均平均值获得信用利差相比，本文方法既能确保数据的准确性，又能避免国外方法带来的时间错位和估计偏差，比较适合研究样本数据时间跨度较小、月内波动幅度较大的债券市场，例如国内的中票市场。

变量选取方面。考虑到利率风险仍是国内债券市场的最大风险来源，本文使用了产出和通胀两大类宏观解释变量，并同时涵盖滞后指标和先行指标。

数据分组方面。样本的分组也考虑了中国国情，除对剩余期限、信用级别、财务杠杆等进行分组外，还首次对股东背景即央企与非央企进行了区分。

模型及变量

根据Collin-Dufresne、Goldstein和Martin（2001）[6]模型，信用利差与无风险利率、期限结构、财务杠杆、股票或股票指数波动率、公司价值的跳跃、流动性因素、税收因素、宏观环境及其它系统性因素等相关。

对于如何衡量上述因素，本文在变量选择方面主要参照国内的行业习惯与国外的通用做法。如两者有冲突，则以国内的行业习惯为准，以更贴近中国国情。例如国内一般将中票信用利差定义为中票与同期限政策性金融债收益率之差，而国外一般定义为与同期限国债收益率之差，本文所指中票信用利差沿用前一种定义方法。另外，变量选择还考虑了数据可得性问题。例如，国外文献一般用股指期权的隐含波动率微笑曲线的斜率来刻画公司价值跳跃，由于国内还没有股指期权，因此本文将不涉及公司价值跳跃因素对信用利差影响的分析。再比如，国内文献一般用买卖价差、报价规模等基于报价的指标来衡量二级市场流动性，但由于国内银行间市场双边报价稀疏，有报价个券的报价规模也远小于当日交易量，因此本文采用月交易频率、月换手率等以交易频率或交易量为基础的指标衡量二级市场流动性。

变量描述、回归方程及变量回归系数的预期符号参见表1。

表1 变量描述及回归方程系数的期望符号

1234567891011 (1)

i i i i i i i i i i i

i i i

t t t t t t t i

i i i i i t t t t t t

CS Lev Slp Vix Lvg Turn Days FAI NEX PMI CPI M αβββββββββββε?=+?+?+?+?+?+?+?+?+?+?+?+

变量名称

指标解释

期望关系符号 指标归类

因素归因

i t CS

中票与相同期限政策性金融债到期收益率之差 /

t Lev 10年期国债指数到期收益率 -

t Slp 10年期国债与3年期国债到期收益率之差 -

利率指标

t Vix 沪深300指数64天移动平均波动率

+ 波动性指标 t Lvg 当月发行人的资产负债率 + 财务杠杆指标

违约风险

i t Turn 当月总成交量与发行总额之比 -

i t Days 当月成交天数与当月工作日数之比 - 流动性指标

流动性因素

t FAI

上月固定资产投资同比增幅

-

t NEX 上月净出口同比增幅 -

t PMI 上月中国物流采购联合会编制的PMI 指数

-

产出指标

t CPI 上月CPI 数值 -

t

M 上月M2同比增幅与M1同比增幅之差 -

通胀指标

系统性因

素

注：波动率指标使用64日移动平均波动率，主要考虑到机构投资者资产配置的调整频率一般为季度，即64个工作日。

数据处理

样本数据为2008年4月至2009年11月的月数据。进入样本的中票首先应是不内嵌期权、单利计息、每年付息1次的固息中票；其次应有至少6个月的成交记录，6个月作为门槛值主要兼顾到模型自由度和样本数量的需要。由此在2009年11月末已发行的196支中票中筛选出116支中票，涉及72个发行人，包括月交易数据1192条，样本中票平均成交月数为10.3个月。由于本文关注的是相邻月份信用利差的变化，因此，我们对上述1192条记录进一步做差分处理，剔除了那些前一个月或后一个月无成交的记录，从而形成了由1032个差分数据构成的最终样本。

中票的日、月成交量及收益率数据取自北方之星，国债收益率取自中债登；沪深300指数64日移动平均波动率取自彭博，并对银行间市场与股票市场交易时间的不一致进行了必要的技术处理1；固定资产投资等宏观数据来源为国家统计局、央行等权威机构。需要说

明的是，北方之星的中票成交数据的最终来源为中债登，因此中票收益率与国债收益率不存在数据来源和估算方法上的不一致。

中票月均收益率取当月日成交量加权的平均收益率2，并按日成交量加权的方法确定月均收益率对应的日期和剩余期限，然后从国债收益率曲线上取该日期相同期限的国债收益率，进而得到信用利差CS3。然后在相应的数据来源中分别取该日期的沪深300指数64日移动平均波动率、10年期和3年期国债收益率，从而得到Vix、Lev和Slp。月换手率Turn、月成交频率Days及所有宏观变量可直接从表1的定义方式和前述数据来源中取值。

为了便于比较分析，我们分别将总样本按剩余期限、信用资质、财务杠杆以及股东背景进行了分组，并对分组后的子样本进行回归分析（分组方法参见表2）。剩余期限以4年为临界值，主要考虑到中票发行多以3年和5年为主，就目前存量来看，3年和5年期中票分别占48.5%和47.6%。信用级别以AAA为临界值的原因是迄今为止非AAA中票占总发行量的比例不到12%。财务杠杆取65%为临界值主要考虑到65%是样本资产负债率的中位数。

表2 总样本分组方法

分组类别指标定义临界值分组数量

剩余期限平均剩余期限样本时段有成交月份的剩余期限总和与有

成交记录的月份数总和之比

4年 2

信用资质主体信用级别评级公司公布的最新主体评级AAA 2

财务杠杆资产负债率样本时段的资产负债率平均值65% 2

股东背景股东背景是否为央企或央企核心子公司是 2

实证结果与分析

由于方程（1）的解释变量和被解释变量均为一阶差分变量，回归模型默认为固定效应模型，因此无需进行F检验和Hausman检验。由于部分横截面数据缺失，因此估计模型为非平衡面板固定效应模型。通过分别对总样本和各分组方法得到的子样本按方程（1）进行最小二乘法估计，得到以下结论（参见表3）：

1．利率指标△Lev回归系数均为负值，与表1预期的符号相同，并多在1%水平上显著。上述结果表明当国债收益率上升时，中票信用利差趋于缩小，利率风险依然是国内中票市场最重要的风险来源之一。

2．财务杠杆指标△Lvg回归系数多数为正，与表1预期的符号相同，但显著性普遍较弱，系数不显著可能有两方面的原因：其一、中票发行人资产负债率普遍较高，平均达63%，因此投资者往往对发行人资产负债率的变化不敏感；其二、月资产负债率数据由季度数据线性插值获得，季度内的月资产负债率变化相同，由此可能导致一定的估计偏差。

3．波动率指标△Vix回归系数多数为正，与表1预期的符号相同，但系数均非常小且基本不显著，表明沪深300指数的波动率对中票信用利差的影响很弱，主要原因是：作为中票最重要的投资主体，国内银行的投资决策很少直接考虑股票市场的波动率。

4．流动性指标△days回归系数为负，与表1预期的符号相同，并多在1％的水平上显著，意味着当月成交天数越多，成交越频繁，信用利差便越低，即成交活跃的品种应享受一定的流动性溢价。而另一流动性指标△turn不仅回归系数符号与预期相反，而且参数显著性较差，表明换手率的提高并不能带来收益率及信用利差的下降。

5．产出指标△FAI回归系数为负，与预期符号相同，且均在1%水平上显著，表明当固

定资产投资增速加快时，中票信用利差趋于下降。△PMI 回归系数多数为负，与预期符号相

同，且多在10%水平上显著，表明未来经济景气程度趋于上升时，信用利差趋于下降。相比之下，另一产出指标△NEX 回归系数虽然多在1%水平上显著，但系数值绝大多数为0，表明净出口对信用利差基本没影响，这与中票发行人销售收入不直接来自进出口有关。

6．货币流动性指标和通胀预期指标△M 回归系数绝大多数为负，与表1预期的符号相同，且多在1%的水平上显著。上述结果表明当货币流动性趋于充足、存在较强通胀预期时，中票信用利差趋于缩小，与理论和实践吻合。上述结论还表明中票市场依然主要受资金推动。

7．通胀指标△CPI 回归系数为正，与表1预期的符号相反，回归系数也多不显著，另一利率指标Slp △也呈现类似特征，这一结果颇出人意料。统计上不显著的主要原因是中票收益率调整滞后于国债及CPI 、样本时段国内债券牛熊市的迅速转换4以及美国次贷危机给国内信用市场带来的心理层面冲击5。

8．总样本和各子样本调整R2均小于30%，多数在20%以下，意味着模型所有解释变量仅能解释中票信用利差变化的很小一部分，与Collin-Dufresne 、Goldstein 和Martin （2001）[6]

实证结论基本一致。实证结果还表明，模型解释力随财务杠杆的上升和信用资质的降低而提高。与国外实证研究结果吻合。

表3 总样本和各子样本中票信用利差变化的实证结果

指标

总样本

剩余期限分组

财务杠杆分组

信用资质分组

股东背景分组

注：①括号内t 检验值，*、**和***分别表示通过显著水平为10%，5%和1%的统计检验。

②为了考虑异方差对参数显著性的影响，我们对比了PCSE 模式与Ordinary 模式下的参数显著性，并做了相应调整。调整共6处，在表中已加黑，包括：代偿期限小于4年子样本的△days 系数（由**上调至***）、非AAA 子样本的常数项系数（由高于10%上调至*）、非AAA 子样本的△M 系数（由高于10%上调至**）、负债率低于65%子样本的△days 系数(由*上调至**)、负债率高于65%子样本的△lvg 系数（由高于10%上调至*）以及代偿期限大于4年子样本的△Vix 系数（由高于10%上调至*）。

9．模型解释力随剩余期限的缩短和股东背景的增强而提高，与现有研究成果相悖，悖离的主要原因可能是中票发行利率以及二级市场收益率存在顶板效应，即不能超过对应期限贷款基准利率。由于中票发行人，不论是央企还是非央企，均可在银行获得基准利率下浮10%的贷款，因此一旦中票发行利率超过相应期限基准利率，发行人便停止或延迟发行；而一旦收益率持续高于贷款基准利率，银行便可能由对发行人授信转换为投资发行人发行的中

<=4年

>4年 <=65% >65% AAA 非AAA 央企 非央企 α

0.17*** (6.15) 0.14*** (3.15) 0.19*** (5.22) 0.18*** (4.49) 0.17*** (4.37) 0.16*** (5.23) -0.20* (-1.64) 0.15*** (4.34) 0.26*** (5.08) △Lev

-0.34*** (-3.44) -0.21 (-1.52) -0.47*** (-3.36) -0.47*** (-3.24) -0.24* (-1.79) -0.31*** (-2.90) -0.12 (-.39) -0.27** (-2.39) -0.71*** (-3.49) △Slp

0.19 (1.53) 0.08 (.44) 0.26* (1.65) 0.05 (.26) 0.31* (1.77) 0.26* (1.83) 0.02 (.10) 0.21 (1.35) 0.05 (.24) △Lvg

0.02 (.78) 0.03 (.61) 0.01 (.38) -0.02 (-.63) 0.04* (1.48) 0.02 (.77) 0.02 (.48) 0.03 (1.09) -0.03 (-.84) △Vix

0.00 (-.71) 0.00 (.31) -0.01* (-1.64) -0.01 (-1.36) 0.00 (.45) 0.00 (-.19) -0.02*** (-3.40) 0.00 (-.57) -0.01 (-1.28) △Days

-0.31*** (-3.18) -0.44*** (-2.57) -0.24** (-2.05) -0.26** (-1.86) -0.40*** (-2.74) -0.35*** (-3.06) -0.02 (-.12) -0.36*** (-2.86) -0.18 (-1.13) △Turn

0.02 (.91) 0.04 (.77) 0.01 (.57) 0.02 (.57) 0.02 (.84) 0.02 (.85) -0.01 (-.18) 0.02 (.61) 0.01 (.40) △FAI

-0.04*** (-5.75) -0.05*** (-3.69) -0.05*** (-5.01) -0.04*** (-3.85) -0.05*** (-4.16) -0.04*** (-4.69) -0.09*** (-6.37) -0.05*** (-4.74) -0.05*** (-4.42) △NEX

0.00*** (4.12) 0.00*** (3.80) 0.00 (1.53) 0.00* (1.91) 0.00*** (3.90) 0.00*** (3.82) -0.01*** (-3.38) 0.00*** (4.04) 0.00 (.43) △PMI

-0.02** (-2.24) -0.03** (-2.16) 0.00 (-.21) -0.03* (-1.78) -0.02 (-1.43) -0.02* (-1.94) 0.24*** (3.76) -0.02* (-1.92) 0.00 (-.02) △CPI

0.06 (1.42) -0.03 (-.52) 0.17*** (3.10) 0.08 (1.27) 0.05 (.87) 0.05 (.97) 1.00*** (5.36) 0.03 (.51) 0.23*** (2.82) △M -0.05*** (-3.23) -0.07*** (-2.85) -0.03 (-1.54) -0.05** (-2.49) -0.05** (-2.29) -0.06*** (-3.30) -0.07** (-1.64) -0.07*** (-3.57) 0.01 (.53) 调整R 2 0.147 0.157 0.138 0.121 0.175 0.143 0.261 0.155 0.135 样本数 116 44 72 61 55 83 33 69 47 观测值

1032

467

565

531

501

822

210

700

332

票。因此，虽然央企的平均资质高于非央企，但二级市场收益率之差却未能充分体现资质上的差别，理论差别大而实际差别小使得模型对非央企信用利差的解释力下降。期限延长，模型解释力下降的主要原因是：目前国内5年及以上的贷款利率均为5.94%，因此，中票期限越长，收益率被贷款基准利率顶板压制得就越明显。

为了检验上述结论的稳健性，我们对部分解释变量进行了替换，并重新进行了回归。结果表明，除部分参数的显著性稍有变化外，回归结果无明显变化，模型基本结论依然成立6。

结论

本文基于2008年4月至2009年11月的月数据，对中票信用利差的变化进行了实证研究。实证结果表明：中票信用利差的变化与10年期国债收益率、中票月成交天数、固定资产投资同比增速、PMI以及M2与M1同比增速之差的变化负相关，且回归系数比较显著；而其它解释变量要么回归系数符号与预期相反，要么不显著。我们还发现：不论是总样本和各子样本，模型仅能解释中票信用利差变化的不到30%，与国外实证结构基本一致。另外，模型解释力随财务杠杆的上升和信用资质的降低而提高，与国外实证结论吻合；模型解释力随剩余期限的缩短和股东背景的增强而提高，与现有研究相悖，背离的主要原因可能是中票发行利率以及二级市场收益率存在顶板效应。

本文对投资实践和政策制定具有一定的意义。通过跟踪前述多个指标，投资者可以判断中票信用利差的变动方向和大致走势，为提高组合收益率提供决策依据。政策制定者可通过改善现有做市商制度、进一步培育合格投资者以提高中票市场流动性和交易活跃度，交易商协会也可通过跟踪本文所述宏观指标的变化来调整中票供需结构，从而为投资者和发行人提供一个双赢的市场环境。

注释

1国内银行间交易市场与股票市场的节假日休市时间不完全相同，银行间市场交易日较多，因此股票市场波动率采用线性插值方法补足虚点。

2我们对使用这一方法得到的月均收益率与北方之星提供的月均收益率进行了逐一对比，发现除个别时点外，两者数值误差在1bp以内，数据准确性能确保。

3国外常见的做法是直接使用两者收益率的月均平均值获得信用利差。与本文所用方法相比，国外方法的好处在于直观、简便。但与国债相比，中票每月成交非常不均匀，因此，若直接使用月平均收益率计算信用利差，可能会导致较大的时间错位以及由此带来的较大计算偏差，这一点对时间跨度较小的样本尤为突出。本文采用的数据处理方法可有效规避这个问题。

42008年8-12月是国内债券牛市，牛市持续时间较前一周期明显偏短，此前的债券牛市持续了接近1年。5在次贷危机的冲击下，2008年11月，5年期AAA品种信用利差由2008年10月的63bp剧升至92bp，此后在2009年1月才开始缓慢下降。此次危机为国内投资者上了一堂风险教育课，国内机构投资者对信用风险的关注程度开始上升。

6限于篇幅，在此没有列出稳健性检验的回归结果，如有需要，请向作者索取。

参考文献：

[1] Merton, Robert C., 1974, On the pricing of corporate debt: The risk structure of interest rates[J], Journal of Finance 29, 449-470.

[2] Delianedis, Gordon and Robert Geske, The component of corporate credit spreads: default, recovery, tax, jumps, liquidity and market factors, UCLA working paper No22_01, 2001.

[3] Ohyama, Shinsuke and Takuya Sugimoto, The determinants of credit spread changes in Japan, Bank of Japan working paper series, March 2005.

[4] Lepone, Andrew and Brad Wong, 2009, Determinants of credit spread changes: evidence from the Australian bond market, Australian Accounting Business and Finance Journal: Vol. 3: Iss. 2, Article 2.

[5] Jayadev, M and Joshy Jacob, Credit spread of Indian corporate bonds: Empirical analysis, Asian

FA/FMA 2006 meeting, Auckland New Zealand.

[6]Collin-Dufresne, Pierre,Robert S Goldstein and J. Spencer Martin,2001,The Determinants of Credit Spread Changes[J], Journal of Finance, Vol. 56, No. 6, pp. 2177-2207.

[7] Huang, Jing-zhi and Ming Huang, 2002,How much of the corporate-treasury yield spread is due to credit risk? Results from a new calibration approach, Working Paper, GSB.

[8] Amato, Jeffery and Eli Remolona, 2003, The credit spread puzzle. BIS Quarterly Review (December), pp. 51-63.

[9] 周孝坤.公司债券定价结构化模型实证分析[J].社会科学家，2006，(4)，P65-68.

[10] 陆文磊.我国信用利差与基准利率关系实证研究[J].价格月刊，2008，(10)，P61-64.

[11] 田明，伍舟宏，陈启宏.中国企业债信用风险度量的实证研究[J].数学的实践与认识2008，(12)，Vol.38 No.24