信用价差与宏观经济波动

一、引言

信用价差(creditspreads)是指为了补偿违约风险，投资者要求公司债发行人提供的高于到期日相同的国债收益率的收益。从理论上来讲，信用价差是由债券发行人可能发生违约而出现的，它反映了公司债的风险状况，因此信用价差常常对应着公司债券的预期违约损失。总体来说，公司债券预期违约损失与经济周期密切相关:在经济繁荣时期，企业的生存环境好，违约的概率低，信用风险小;而在经济萧条时期，企业的生存环境恶化，违约概率高，信用风险随之加大。因而，信用价差实际上体现为宏观经济预期的显示器，即信用价差小时，意味着预期宏观经济向上，反之当预期信用价差大时，即意味着宏观经济向下。由于宏观经济预期必然对宏观的实际波动产生重要的影响，为此利用信用价差中所包含的信息预测宏观经济的波动状况，具备相当的可行性。实际上，国内外诸多学者对利用债券市场的信息把握宏观经济的波动状况做出了许多探索性的工作。比如，Harvey(1988)，Estrell和Hardouvel(1991)，StockandWatson(1989)等认为，长短期利率差不但包含了未来通货膨胀的信息，还包含了货币政策的信息，因此能有效预测宏观经济的波动。其实证结果表明长短期利率差对宏观经济波动的确有一定的预测能力。BernankeandBlinder(1992)等用商业票据的溢价来解释未来的产出波动，其实证结果表明商业票据的溢价对未来产出波动的预测能力较弱。事实上，商业票据溢价为信用价差的一种，其为商业票据相对国库券的溢价。商业票据溢价对未来的产出波动预测能力较弱是因为其仅包含了短期的信用风险信息，无法反映长期的经济周期变化预期。国内学者利用债券市场信息预测未来产出波动也依循利率期限结构与信用价差两条线索而展开。如，于鑫(2008)利用5年期与1年期的国债利率差额解释中国未来的宏观经济波动，其实证结果表明5年期与1年期的国债利率差对未来的产出波动具有一定的预测能力，特别是对中长期的产出波动预测效果较好;然而其对短期产出的预测效果较弱，回归方程的拟合优度不高。徐爽(2010)用国债收益率曲线的主成分作为因子，预测中国的消费、投资和出口等经济变量，其实证结果表明主成分模型相对简单利差模型有着更好的预测效果。张燃(2010)利用10年期信用价差数据对宏观经济变量进行了预测研究，其实证结果表明利用信用价差对未来宏观经济变量中的消费、出口、投资、工业增加值与通货膨胀的预测效果要优于利用利率期限结构中的长短期利率差的预测效果。然而其对信用价差的度量是直接基于企业债收益率曲线与国债收益率曲线而得出的，这种度量方法忽略了各企业债券的个体波动信息，将对真实的信用价差产生较大的测度误差。通过上述文献回顾发现，尽管债券市场上的信用差价包含着丰富的宏观经济预期信息，其对宏观经济的波动有着较强的解释能力，但国内外大部分学者都是基于债券市场上的利率期限结构对宏观经济波动进行预测。仅有少数学者利用信用价差来解释宏观经济的波动状况，但其对信用价差的测度存在较大的偏误。为此本文将对信用价差的测度方法进行优化，并在此基础上进一步检验其对我国宏观经济波动状况的预测能力，其结构安排如下:在第2部分，本文基于Gilchrist(2009)提出的“自下向上”方法，构建了中国债券市场的信用价差指数GZ指数。在第3部分，本文构造实证模型对信用价差对宏观经济变量的预测能力进行检验，并将其与忽略信用价差变量的模型的解释能力进行对比。第4部分是结论。

二、测度信用价差的GZ指数的构建方法

Gilchrist(2009)提出了测度信用价差的自下向上的方法，并用该方法构建了测度信用价差的GZ指数。其具体的构建方法如下所述:假设在时期t由企业i发行的公司债券k所承诺的现金流序列为(C(s):s=1，2，…，S)，这里的现金流包括了按期付息与到期时的本金偿付。那么该债券价格可描述为:Pit［k］=ΣSs=1C(s)D(ts)(1)此处的D(t)=e－rtt为在时刻t的折现函数。为了计算与之相对应的无风险债券价格Pft［k］，我们利用时刻t连续复利的国债收益率曲线对现金流序列(C(s):s=1，2，…，S)进行贴现。按此方法所得的无风险债券价格Pft［k］将被用来计算假定国债的收益率yft［k］，该国债产生的现金流序列同样被假定为(C(s):s=1，2，…，S)。用yit［k］表示企业债券k的收益率，那么信用价差则可表示为Sit［k］=yit［k］－yft［k］。通常使用的计算信用价差的方法为将企业债券收益率减去与该企业债券到期日相同的国债收益率曲线上的收益率而得到的，而本文所采用的度量信用价差的方法与通常的方法相比将大大减少信用价差的计算偏误。按上述方法，我们将得到微观层面各个时期各种债券的信用价差。将微观层面的信用价差进行简单的综合，就可得到各个时期的信用价差指数。具体计算方法可表示为:此处的Nt指时期t的样本观测数，式(2)即为各时期度量信用价差的GZ指数。从式(2)可以看出GZ信用价差指数实际上是各微观个体债券的信用价差的简单算术平均值。

三、数据描述与实证分析

(一)数据描述

在计算信用价差指数的时候，我们利用了中央国债登记结算中心的企业债收益率数据、国债收益率数据以及国债的收益率曲线数据。由于中央国债登记结算中心的利率期限结构数据最早开始于2006年3月，因此本文所选取的样本区间为2006年3月至2011年10月，数据频率为月。在利用上述原始数据计算GZ信用价差指数的时候，为了保证计算结果不受极端观测值的影响，我们将个体信用价差低于5个基点以及高于3000个基点的观测值进行了删除处理。在本文的实证分析中所涉及到的宏观经济变量则主要包括产出、出口、投资、消费与通货膨胀。其中的产出用工业增加值当月同比增速来代表，数据来源于国家统计局网站;出口用出口总额的当月同比增速来表示，数据来源于中国海关总署网站;投资则用固定资产投资完成额的当月同比增速来表示，数据来源于国家统计局网站;消费则用社会消费品零售总额当月同比增速来表示，数据来源于国家统计局网站;通货膨胀则用居民消费价格指数(CPI)当月同比增速来表示，数据来源于国家统计局网站。为与上述信用价差指数相对应，本文对宏观经济变量所选取的样本区间也为2006年3月至2011年10月。

(二)实证分析

为检验信用价差对宏观经济变量的预测能力，本文所建立的实证模型如下:Yt+h=α+Σpi=0βiYt－i+γ1TSt+γ2RFFt+γ3CSt+εt+h(3)此处的Yt+h指在时期t+h的宏观经济变量的取值;h指预测期数，其为大于0的整数;TSt指利率期限价差，具体为从国债的收益率曲线中得出的5年期国债收益率与1年期国债收益率之差;RFFt指无风险的货币收益率，用1年期定期存款利率来表示;CSt则表示信用价差;εt+h指预测期的随机扰动项。需要注意的是式(3)中的滞后期数p，我们用AIC信息准则来确定。在模型(3)中，我们首先令Yt代表工业增加值的同比增速，则相关实证结果简要描述如表1所示。需要注意的是为简化起见，我们忽略了对常数项与Yt滞后价值的回归系数的报告。由表1可见信用价差对宏观产出有着较好的预测效果。更具体的在表1内，我们发现随着预测期数的提升，预测模型的拟合优度也在增长，这表明信用价差对工业增加值同比增速的长期预测能力要优于短期预测。为了对比反映信用价差对宏观经济变量的预测能力，我们将在模型中不考虑信用价差只考虑利率的期限结构与无风险利率，那么此时的实证结果将如表2所示。将表1与表2进行对比可以发现，考虑信用价差的预测模型的拟合优度在各种预测期内都显著高于不考虑信用价差的预测模型。令模型(3)中的Yt代表出口总额的同比增速，则相关实证结果如表3所示。由表3发现，考虑信用价差的预测模型对出口总额同比增速的预测能力整体上比较差，在各个预测期的拟合优度都比较低，这显示出出口变量是外生变量，利用国内债券市场的信息无法对其进行准确的预测。令模型(3)中的Yt代表固定资产投资完成额的同比增速，则相关实证结果如表4所示。由表4发现，考虑信用价差的预测模型对固定资产投资完成额同比增速的预测能力整体上也比较差，在各个预测期的拟合优度都比较低，这是由于固定资产投资是政府人为控制的变量，政府通过控制投资增速来对宏观经济进行调控，因此利用债券市场的信息对投资变量进行预测的效果并不理想。令模型(3)中的Yt代表社会消费品零售总额的同比增速，则相关实证结果如表5所示。由表5可见信用价差对消费有着较好的预测效果。更具体的在表5内，我们发现随着预测期数的提升，预测模型的拟合优度先上升后下降，当预测期数为6时，拟合优度达到最高。这表明信用价差对未来消费的中期预测能力最强，短期预测能力次之，而长期预测能力最弱，这与对宏观产出的预测效果恰好相反。此外，为了对比反映信用价差对消费的预测能力，我们同样在模型中不考虑信用价差只考虑利率的期限结构与无风险利率，那么此时的实证结果将如表6所示。将表5与表6进行对比可以发现，考虑信用价差的预测模型的拟合优度在各种预测期内都显著高于不考虑信用价差的预测模型，这也充分显示出信用价差变量的重要性。最后令模型(3)中的Yt代表通货膨胀变量，即居民消费价格指数，则相关实证结果如表7所示。由表7可见信用价差对通货膨胀有着较好的预测效果。更具体的在表7内，我们也发现随着预测期数的提升，预测模型的拟合优度先上升后下降，当预测期数为6时，拟合优度达到最高。这表明信用价差对未来通货膨胀的中期预测能力最强，短期预测能力次之，而长期预测能力最弱，这与对消费的预测效果高度相似。

此外，为了对比反映信用价差对消费的预测能力，我们同样在模型中不考虑信用价差只考虑利率的期限结构与无风险利率，那么此时的实证结果将如表8所示。将表7与表8进行对比可以发现，考虑信用价差的预测模型的拟合优度在各种预测期内都显著高于不考虑信用价差的预测模型，这也再次显示出信用价差变量的重要性。四、结论由于债券市场上的信用价差变量实际上包含了大量的宏观经济预期信息，其必然会对未来的宏观经济波动有着重要的预测价值。为此本文利用中国二级市场上企业债券的交易数据，对信用价差变量与宏观经济变量之间的关系进行实证分析，以检验信用价差变量的预测能力。在具体的实证分析过程中，本文利用Gilchrist(2009)所提出的“自下向上”的方法对信用价差进行测度，这有效降低了利用债券收益率曲线和国债收益率曲线所测度的信用价差的偏误。对宏观经济变量，我们主要考虑了产出、出口、投资、消费与通货膨胀这五个方面。实证结果表明，考虑信用价差的实证模型对产出、消费与通货膨胀都有着较好的预测能力，而对出口与投资的预测能力较弱。对出口的预测能力较弱，我们的解释是出口变量的外生性，使得内生于中国债券市场的信用价差信息难以对其进行精确的把握。而信用价差对投资的预测能力较弱则是由于我国政府将投资当做调节宏观经济的重要变量，利用债券市场的信息当然无法准确把握政府的政策行为。此外，为了对比反映信用价差的预测能力，我们在对产出、消费与通胀的预测模型中，分别忽略信用价差变量建立对比模型，实证结果表明包含信用价差变量模型的拟合优度，在各种预测期限内都要远高于不含信用价差模型的拟合优度。这再一次显示出信用价差变量对宏观经济波动的预测能力。

本研究给我们的启示在于，随着中国的债券市场不断走向成熟与完善，我们将能从中发现越来越多的有用信息以把握未来实体经济的波动状况。我们要充分利用这些信息，并以此为依据前瞻性地制定相关财政与货币政策，以支持我国实体经济健康、平稳的发展。