國債期限溢價的影響因素研究

張雪瑩

摘要：本文以我國銀行間債券市場2006-2012年間的國債交易數據為樣本，建立各期限段國債期限溢價的時間序列模型，對國債期限溢價的時變性進行實證檢驗。結果顯示，國債期限溢價對國債供給的變化不敏感，但與國債需求及通貨膨脹率呈顯著的正相關關系；國債期限溢價的下降可在一定程度上解釋我國自2011年中期出現的“中國式格林斯潘之謎”。

關鍵詞：國債期限溢價 利率期限結構 格林斯潘之謎 剛性需求

國債期限溢價（Term Premium）是指長期國債相對于短期國債的超額回報率。此時的國債投資回報率是指持有期回報率，即投資者在購入國債后，可能會在國債到期前將其出售以獲得價差收益；在這種情況下，投資者將面臨著由于未來利率變化、進而國債價格不確定的風險；國債期限溢價即反映了因債券期限較長而承擔更多風險的補償。

國外研究發現，國債期限溢價的變化影響貨幣政策的利率傳導機制。從我國的情況來看，隨著利率市場化進程的推進和國債市場規模的擴大，國債利率期限結構在我國貨幣政策中扮演著越來越重要的角色。因此，研究我國國債期限溢價的變化規律及其影響因素，對于我國貨幣政策的制定和實施都具有重要意義。下面，本文將利用我國銀行間國債市場數據對國債期限溢價的時變性進行實證檢驗1。

國債期限溢價的現有研究成果

（一）國債期限溢價研究的意義

國債期限溢價的變化規律在利率期限結構理論以及貨幣政策傳導機制中具有重要作用。

首先，國債期限溢價的變化可以用來解釋長期利率與短期利率走勢背離的現象。根據利率期限結構的預期理論，長期利率可表示為市場對未來短期利率的預期與時變的期限溢價之和。Campbell（1986）、Cuthbertson（2005）將其表示為

（1）

其中， 是剩余期限為n的長期國債利率， 描述了短期利率在未來的變化路徑， 為長期國債相對于短期國債的期限溢價。在2004-2005年期間，美國短期利率不斷上調而長期利率卻持續走低，針對這一所謂的“格林斯潘之謎”， 格林斯潘本人在2005年7月向國會報告時指出：“長期利率的降低很大部分是由于期限溢價的下降”。后任的美聯儲主席本·伯南克在2006年3月的一篇演講中也指出：“對長期債券凈需求的增加，導致長期債券期限溢價下降，是分析這個‘謎并且制定相應貨幣政策時所需要考慮的重要因素之一。具體而言，如果支出取決于長期利率，那些降低了短期利率和長期利率利差的特定因素將刺激總需求。因此，如果期限風險溢價下降，就需要提高短期利率，使得長期利率和整個金融狀況與維持最大可持續就業及價格穩定的要求保持一致”。

其次，國債期限溢價的變化還為非常規貨幣政策的實施提供了空間。2008年全球金融危機爆發以來，在短期名義利率已經處于極低的水平、通過繼續下調短期利率引導長期利率已較為困難的情況下，歐美國家的中央銀行實施大規模資產購買計劃和賣短買長的“扭曲操作”，直接增加對中長期國債的需求，引導中長期國債利率下降。對此，理論界將供求因素引起國債期限溢價變化作為分析上述非常規貨幣政策傳導機制的理論基礎。Vayanos和Vila（2009）、Greenwood和Vayanos （2010）構建了包括優先偏好投資者、套利者及政府這三個行為主體的利率期限結構優先偏好（Preferred habitat）模型，得到了國債期限溢價的表達式，并且實證檢驗國債期限溢價與國債凈供給量之間的關系。他們的理論認為：長期國債凈供給量的相對增加，會延長套利者債券組合的久期，進而套利者需要更高的期限溢價，由此會提升整個債券市場的利率水平。而美聯儲購買長期國債導致長期國債凈供給量下降，會縮短套利者債券組合的久期，降低期限溢價，進而會使整條利率期限結構曲線下移。Gagnon等（2010）也指出：由于美聯儲大規模購買長期債券的行為減少了市場上較長期限債券的流通數量，由此導致債券市場整體的久期（持續期）水平和期限溢價下降、從而起到降低長期利率的效果。他們的實證檢驗結果顯示，美聯儲第一輪量化寬松政策實施的1.75萬億美元的資產購買計劃降低了10年期利率約82個bp，其中，來自于期限溢價下降的部分達到52個bp。而Hamilton and Wu （2012）在分析第二輪量化寬松政策（QE2）的效果時指出：QE2的資產購買計劃未能完全吸收和抵消財政部新增的中長期國債發行量，10年期以上國債所占比例甚至在QE2實施期間持續增加，由此導致QE2通過降低期限溢價來降低長期利率的實際效果并不理想。由上述分析可見，探討國債期限溢價的變化規律及其影響因素具有重要的理論和政策意義。

對于我國來說，未來理想的貨幣政策應該是中央銀行調節利率期限結構的短端，再通過利率期限結構的傳導對中長期利率產生影響。在這一過程中，國債期限溢價的變化成為影響貨幣政策傳導機制和執行效果的重要因素。

（二）本文研究的創新之處

關于國債期限溢價問題，我國國內只有少數一些文獻進行了探索。例如，呂江林等（2004） 以上交所國債指數、企業債指數的日變化率為樣本進行研究，發現交易所企債市場存在顯著的期限溢價，而交易所國債市場的期限溢價則不明顯。董莉莎和朱映瑜（2011）構建面板數據模型，就各主要宏觀經濟變量及利率期限結構對交易所國債期限溢價的影響進行了實證研究。這些文獻的共同缺點是以上海證券交易所國債為研究樣本，但實際情況是交易所國債市場自2005年以來成交量不斷萎縮，而以商業銀行、保險公司等金融機構為主要交易參與者的銀行間國債市場經過多年的發展，市場化程度顯著提高，托管規模、交易金額、交易筆數等各項指標都已遠遠超過交易所市場，銀行間市場已成為我國國債發行和流通的主導市場，而且銀行間市場也是中央銀行開展公開市場操作進行間接貨幣政策調控的主要場所。為此，Fan ， Li and Zhou（2012）首次利用銀行間國債市場數據，以Vayanos and Vila （2009）模型為理論框架，研究商業銀行潛在的國債需求對國債期限溢價（超額回報率）的影響，但不足的是他們只以部分1-5年期國債為樣本計算國債期限溢價，而且模型的解釋變量未引入國債供給因素及宏觀經濟變量等控制因素。

與這些研究文獻相比，本文的擴展主要表現在：首先，在樣本數據方面，選擇2006-2012年在銀行間國債市場交易的所有貼現債券及固定利率附息國債為研究對象，將樣本債券按照剩余期限動態分組，從而更準確地計算和反映中長期國債期限溢價的變化特征。盡管銀行間債券市場數據在一定時間段內存在不連續的問題，但由于本文考察的是月度數據而不是日數據，因此研究結論受到數據不連續的影響較小。而且實際上，近些年來圍繞國債利率期限結構進行的許多研究都已采用銀行間國債數據為樣本，例如李宏瑾等（2010）、姚余棟和譚海鳴（2011）、袁靖和薜偉（2012）等。其次，引入市場上流通國債平均期限這一指標來反映國債供給因素的變化，引入商業銀行存貸差、平均貸款利率作為國債需求變量，引入CPI與工業增加值變量作為宏觀經濟指標，以此檢驗國債期限溢價的影響因素。最后，本文還從國債期限溢價變化的角度，對中國式“格林斯潘之謎”進行初步的分析。

實證研究方法

（一）建立模型

本文采用的實證模型的基本形式是：

（2）

其中， 為n期國債相對于短期國債的期限溢價，向量 、 和 分別代表可能影響國債期限溢價的需求因素、供給因素和宏觀經濟變量。

（二）方法選擇及說明

本文按Fama and Bliss （1987）、Cochrane and Piazzesi （2005）、Greenwood and Vayanos （2010）、Hamilton and Wu（2012）等文的方法，直接計算樣本中長期債券相對于短期債券的超額回報率作為期限溢價2，用公式可表示為： 。其中， 為剩余期限為n年的債券在t-1至t之間實現的回報率； 為短期債券在t-1至t 之間的回報率。本文將t-1至t之間的時間間隔設為1個月，進而考察期限溢價月度數據的變化規律和影響因素。受數據所限，本文計算期限溢價的方法與上述國外文獻有兩點不同：一是國外文獻中的樣本債券主要是不付票息的貼現國債，因此在計算債券回報率時，只考慮價差收益；而我國國債市場上大部分國債為付息債券，因而在計算每只樣本債券的月度回報率 時，要考慮當月可能出現支付利息的情況，為此采用公式（3）計算：

（3）

其中， 和 分別為該樣本債券在本月末和上月末的收盤價， 表示當月內支付的利息。另外，由于美國國債采取每個月甚至每周批量滾動發行的機制，使得市場上始終存在一定規模的、處于關鍵期限（如1個月、1年、2年、5年、7年、10年）附近的國債品種交易，因此可以計算出這些關鍵期限國債的價格變化率、進而計算期限溢價。但我國的國債并不是每個月連續規律地發行，樣本債券的剩余期限呈不規則、不連續分布。在樣本期內的某個時點，樣本債券的剩余期限可能僅散布于少數幾個數值附近。隨著時間的推移、新債券的上市和老債券的到期，樣本債券剩余期限的分布情況又會發生變化，無法將n連續取值、逐一研究剩余期限為1年、2年、3年……n年債券的期限溢價。為此，本文按照Fama（1984）、Duffee （2002）的處理方法，將債券期限n的取值設定為某個范圍、而不是某個點，從而研究剩余期限在某一時間范圍的債券組合的期限溢價。具體的做法是，在研究期內的每個月末，先計算所有樣本債券的月度回報率；然后按照每只債券的待償期限分別歸類至1年期以下、1-3年期、3-7年期及7年期以上共四個期限段的債券組合中3。對于每個期限段的債券組合，用組合內所有債券回報率的算術平均值作為該債券組合的平均回報率，并分別用1-3年期、3-7年期、7年期以上國債組合的月度回報率減去對應的1年期以下國債組合的月度回報率，得到各期限段債券組合的期限溢價。即在公式 中，選擇1年期以下國債組合的月度回報率作為短期國債回報率 。

關于可能影響國債期限溢價的供給變量 ，本文按照Greenwood和Vayanos （2010）、Hamilton和Wu （2012）的做法，選擇樣本債券總體的平均期限 。其計算方法是以各期限流通國債面值占流通國債面值總額為權重，對各債券的剩余期限進行加權平均，即

其中， 表示在每個月末剩余期限為n的樣本國債的面值總額。

關于描述國債需求因素的變量 ，本文按照Fan等（2012）的做法，用官方平均貸款利率 來反映我國商業銀行投資國債的機會成本；用商業銀行存貸比的對數，即 Ln（存款余額/貸款余額）來反映其可用資金數量。這主要是因為商業銀行是銀行間國債市場最大的投資主體，而且國債投資與貸款是其資金的主要運用形式。與Fan等（2012）不同的是，由于Fan等只研究國債需求對1至5年期利率的影響，因而他們用央行公布的6個月以下、6-12個月、1-3年、3-5年這四種期限人民幣貸款基準利率的算術平均值作為平均貸款利率。而本文的考察對象還包括了7年期、10年期利率等，因此本文在計算平均貸款利率指標 時，也包括5年期以上的人民幣貸款基準利率。

關于可能影響國債期限溢價的宏觀經濟變量 ，本文借鑒Ang and Piazzesi （2005）、Duffee（2006）、Ludvigson & Ng （2009）和Gagnon（2010）等人的做法，采用規模以上工業增加值同比增長率IP代表實體經濟增長，用CPI反映通貨膨脹率。由于宏觀經濟數據的公布具有滯后性，因此本文對這兩個宏觀經濟指標采用后1個月的數據。本文采用的所有數據均來自于Wind數據庫。

實證檢驗結果及分析

在2006年1月至2012年11月之間，隨著時間的推移，市場上原有債券的待償期限逐漸縮短，新債券不斷發行，由此導致各期限段國債組合所包含債券的數量相應地呈動態變化4（見圖1）。

由圖1可見，在整個樣本期內，各期限段國債所占的比例呈不均勻分布，剩余期限在3-7年間的國債始終是市場的主要品種；7年期以上的長期國債自2008年開始逐漸增加；1年期以內及1-3年期國債的數目基本上保持穩定。根據本文的樣本債券數據，計算得到各期限段國債組合風險溢價月度序列變化圖及主要統計特征（見圖2及表1）。

圖2和表1顯示，各期限段的國債溢價序列具有明顯的時變性，中長期債券相對于短期債券存在顯著大于0的期限溢價，而且債券組合的期限越長，平均期限溢價也越大。進一步按（2）式對各債券組合期限溢價的月度序列建立回歸模型（被解釋變量結果見表2）。

由表2可見，在模型中，樣本國債平均期限的增加對于國債期限溢價的影響并不顯著。本文認為這主要是因為我國國債市場的流通規模與市場上可用資金的數量相比仍然較小。特別是長期債券供給存在嚴重不足，而銀行和保險等金融機構對長期債券存在非常強烈的需求，且選擇性很少，導致對長期債券資產配置偏好同質化嚴重。例如，數據統計顯示，在樣本期內，銀行間國債流通總額平均只占商業銀行存貸差金額的1/3至1/4，而長期債券所占的比例更小；而且還存在商業銀行以外的其他交易主體、如保險公司、證券投資基金等的投資需求，這種國債供給量遠小于潛在國債需求量的情況造成國債期限溢價對國債供給的變化不敏感。

對于我國中長期國債而言，由商業銀行存貸比指標反映的國債需求越大，國債期限溢價越高；而國外較多文獻，如Vayanos和Vila（2009）、Greenwood和Vayanos （2010）、Gagnon等（2010） 、Hamilton and Wu （2012）等的研究表明美聯儲對長期國債需求的增加會縮短套利者債券組合的久期，從而降低期限溢價。關于這一區別的原因，本文認為：我國銀行間國債市場上并不存在大規模的套利者，商業銀行是銀行間國債市場的主要交易者，而且中長期國債是商業銀行資產配置的重要形式，其投資方式基本上也是買入并持有；商業銀行可用資金的增加，對中長期國債價格產生推升，導致其價格變化率增加，進而相對于短期國債的溢價增加；而且商業銀行出于資產配置的需要，對于由平均貸款利率反映的機會成本指標并不敏感。

另外，盡管一些學者，如Campbell and Cochrane（1999）建立的模型認為，投資者的風險厭惡程度隨經濟周期而反向波動；進而在經濟衰退時，債券投資者要求更高的風險溢價來給予補償，而經濟擴張時期的債券風險溢價較低，但是表2的實證研究結果顯示，作為反映實體經濟增長的工業增加值變量，其系數未能通過顯著性檢驗；而通貨膨脹率指標的系數顯著為正，這顯示出物價指數升高時，債券投資者意識到面臨的貨幣緊縮、進而債券價格下跌的風險增加，風險厭惡程度提高，因此對債券要求更高的回報率。這一結果與國外部分學者的研究成果類似。例如，Wang and Brandt（2003）著重研究了風險厭惡系數本身受消費及通貨膨脹因素沖擊的影響方向和程度，他們針對1959年1月至1998年6月之間的美國市場數據，采用GMM等計量方法，估計出一系列參數，結果顯示：對于債券投資者而言，通貨膨脹率的增長將使風險厭惡程度增加；而且通貨膨脹率沖擊（未預期到的通貨膨脹率變化）對風險厭惡系數所帶來的影響要遠遠大于消費增長率沖擊（未預期到的消費增長率）所帶來的影響。Ang and Piazzesi（2005）也發現通貨膨脹因子對債券期限溢價預測誤差方差的解釋程度要大于真實經濟產出對預測誤差方差的解釋程度。Duffee（2006）用1955-2004年之間的通貨膨脹率、產出增長率和短期利率數據對2年期和5年期國債的風險溢價進行回歸，在對債券季度風險溢價進行回歸時，也只有通貨膨脹率變量前的系數通過了顯著性檢驗模型。

國債期限溢價變化與對中國式“格林斯潘之謎”的解釋

如前文所述，所謂“格林斯潘之謎”是指美國短期利率上升，但長期無風險利率反而下降的現象。而近些年來，一些研究者，如姚余棟、李宏瑾（2011），提出了所謂中國式“格林斯潘之謎”。他們指出，在中國，與投資密切相關的長期利率對短期利率的變化很不敏感。例如，在連續上調存款準備金率和加息政策的作用下，中國貨幣市場利率在2011年第二季度開始全面上揚，3月期國債收益率由2008年四季度以來的2.5%左右躍升至6月份的3.2%以上，直到10月仍高達3.25%，但是10年期國債收益率變化卻并不明顯，基本與2010年11月份以來的水平持平，為4%左右。2006年至2011年5月份，除2008年三季度全球金融危機爆發期間外，10年期國債與3月期國債收益率之差都至少在100個基點以上，最高達257個基點（2009年11月），但2011年6月以來，10年期國債與3月期國債收益率之差下降到70多個基點，9月甚至僅為53.7個基點。中國式“格林斯潘之謎”盡管有利于降低企業融資成本，但卻不利于利率進一步市場化，甚至出現為抑制經濟過快增長而提高短期利率時，長期利率卻出現相反的變化。另外，長短期利差下降，與投資、消費等密切相關的中長期利率水平較低，這些都將與貨幣政策調控的意圖相違背。對此，本文認為國債期限溢價的變化，為解釋中國式“格林斯潘之謎”提供了另一種可能的路徑。

為揭示國債期限溢價變化與長短期利差之間的關系，本文分別以7年期以上國債期限溢價序列和3-7年期國債期限溢價序列作為解釋變量，對2011年6月以來的10年期與1年期利差、5年期與1年期利差建立回歸模型（結果見表3）。

由表3可以看出，國債期限溢價變化與長短期利差之間存在顯著的正相關關系。而本文將研究樣本期分為2006年1月至2011年5月、2011年6月至2012年11月兩個階段，分別對各期限段國債組合的期限溢價進行統計（見表4）。

由表4及圖2可以發現，自2011年6月以來，國債期限溢價出現明顯下降。這也意味著，我國自2011年中期出現的長期利率對短期利率變動不敏感，甚至走勢背離、利差縮小的所謂“中國式格林斯潘之謎”，在一定程度上可以由國債期限溢價的降低來加以解釋。而長期債券供求的失衡可能是造成國債期限溢價下降的原因，因為從需求方面看，人口老齡化的加速、全民社會保障體系的完善會增大對長期國債的需求量；另外，銀行在高儲蓄率下所形成的負債結構及相對缺乏資產管理工具，使得商業銀行對長期國債存在剛性需求；而從供給方面看，長期債券的規模仍然不足。這種長期債券的供求缺口，壓低了國債期限溢價。

小結

本文以我國銀行間國債市場在2006年至2012年期間的交易數據為樣本，建立各期限段國債期限溢價的時間序列模型。結果表明，各期限段的國債溢價序列具有明顯的時變性，債券的期限越長，平均期限溢價越大。

從影響因素看，國債期限溢價對國債供給的變化不敏感，但由商業銀行存貸比指標所反映的國債需求越大，國債期限溢價越高。另外，國債期限溢價與通貨膨脹率呈顯著的正相關關系，而經濟增長指標對國債期限溢價的影響并不顯著。進一步的研究還表明，國債期限溢價的下降可在一定程度上解釋我國自2011年中期出現的所謂“中國式格林斯潘之謎”，這也意味著，在控制風險的前提下，擴大長期債券的發行規模，使短、中、長期各時段上都有良好的、充足的債券產品，增加市場深度和流動性，將有助于提高長短期利率彈性，充分發揮利率機制的作用，從而提高貨幣政策傳導機制的有效性。

注：

1.本文系山東高等學校“金融產業優化與區域發展管理協同創新”項目（JR008）的階段性成果。

2.關于TP的四種計算方法，可參見Swanson（2007）。

3.這樣分段是因為1年期以下國債經常被看作是短期國債，而3-7年期國債則被看作是中期國債，長期國債通常指7年期以上的國債，而且3年期及7年期國債也是我國近幾年來國債發行計劃中的關鍵期限品種。

4.各期限段樣本數量發生變化的情況，在許多研究中都存在。如在許多對CAPM的實證檢驗中，每個月末根據個股β系數的大小進行分組，每個月末據此建立的各股票組合所包括的股票數量、種類都是不確定的。

作者單位：山東財經大學金融學院

責任編輯：牛玉銳 印穎

參考文獻

[1]董莉莎、朱映瑜：《宏觀經濟變量對中國國債風險溢價影響的實證研究——基于上海證券交易所的交易數據》，載《南方金融》，2011（2）。

[2]李宏瑾、鐘正生、李曉嘉：《利率期限結構、通貨膨脹預測與實際利率》，載《世界經濟》，2010（10），120～138頁。

[3]呂江林、江光明：《交易所債券市場價格波動率特性研究》，載《金融研究》，2004（12）。

[4]姚余棟、譚海鳴：《中國金融市場通脹預期—基于利率期限結構的量度》， 載《金融研究》，2011（6），61～70頁。

[5]姚余棟、李宏瑾：《中國式“格林斯潘之謎”》，載《財經》，2011（12）。

[6]袁靖、薜偉：《中國利率期限結構與貨幣政策聯合建模的實證研究》，載《統計研究》，2012（2），42～47頁。

[7]Ang， Andrew， Sen Dong， and Monika Piazzesi，2005，“No-arbitrage Taylor rules”， [R]， Working paper， University of Chicago.

[8]Ben S. Bernanke， “Reflections On the yield curve and monetary policy”，Speech before the Economic Club of New York， 2006-03-20.

[9]Brandt， Michael W. and Kevin Q.Wang， 2003， “Time-varying Risk Aversion and Unexpected Inflation.” Journal of Monetary Economics， 50， 1457-98.

[10]Campbell， J. Y. （1986）. “A Defense of Traditional Hypotheses About the Term Structure of Interest Rates”， [J]， The Journal of Finance 41， 617-630.

小結

本文以我國銀行間國債市場在2006年至2012年期間的交易數據為樣本，建立各期限段國債期限溢價的時間序列模型。結果表明，各期限段的國債溢價序列具有明顯的時變性，債券的期限越長，平均期限溢價越大。

從影響因素看，國債期限溢價對國債供給的變化不敏感，但由商業銀行存貸比指標所反映的國債需求越大，國債期限溢價越高。另外，國債期限溢價與通貨膨脹率呈顯著的正相關關系，而經濟增長指標對國債期限溢價的影響并不顯著。進一步的研究還表明，國債期限溢價的下降可在一定程度上解釋我國自2011年中期出現的所謂“中國式格林斯潘之謎”，這也意味著，在控制風險的前提下，擴大長期債券的發行規模，使短、中、長期各時段上都有良好的、充足的債券產品，增加市場深度和流動性，將有助于提高長短期利率彈性，充分發揮利率機制的作用，從而提高貨幣政策傳導機制的有效性。

注：

1.本文系山東高等學校“金融產業優化與區域發展管理協同創新”項目（JR008）的階段性成果。

2.關于TP的四種計算方法，可參見Swanson（2007）。

3.這樣分段是因為1年期以下國債經常被看作是短期國債，而3-7年期國債則被看作是中期國債，長期國債通常指7年期以上的國債，而且3年期及7年期國債也是我國近幾年來國債發行計劃中的關鍵期限品種。

4.各期限段樣本數量發生變化的情況，在許多研究中都存在。如在許多對CAPM的實證檢驗中，每個月末根據個股β系數的大小進行分組，每個月末據此建立的各股票組合所包括的股票數量、種類都是不確定的。

作者單位：山東財經大學金融學院

責任編輯：牛玉銳 印穎

參考文獻

[1]董莉莎、朱映瑜：《宏觀經濟變量對中國國債風險溢價影響的實證研究——基于上海證券交易所的交易數據》，載《南方金融》，2011（2）。

[2]李宏瑾、鐘正生、李曉嘉：《利率期限結構、通貨膨脹預測與實際利率》，載《世界經濟》，2010（10），120～138頁。

[3]呂江林、江光明：《交易所債券市場價格波動率特性研究》，載《金融研究》，2004（12）。

[4]姚余棟、譚海鳴：《中國金融市場通脹預期—基于利率期限結構的量度》， 載《金融研究》，2011（6），61～70頁。

[5]姚余棟、李宏瑾：《中國式“格林斯潘之謎”》，載《財經》，2011（12）。

[6]袁靖、薜偉：《中國利率期限結構與貨幣政策聯合建模的實證研究》，載《統計研究》，2012（2），42～47頁。

[7]Ang， Andrew， Sen Dong， and Monika Piazzesi，2005，“No-arbitrage Taylor rules”， [R]， Working paper， University of Chicago.

[8]Ben S. Bernanke， “Reflections On the yield curve and monetary policy”，Speech before the Economic Club of New York， 2006-03-20.

[9]Brandt， Michael W. and Kevin Q.Wang， 2003， “Time-varying Risk Aversion and Unexpected Inflation.” Journal of Monetary Economics， 50， 1457-98.

[10]Campbell， J. Y. （1986）. “A Defense of Traditional Hypotheses About the Term Structure of Interest Rates”， [J]， The Journal of Finance 41， 617-630.

小結

本文以我國銀行間國債市場在2006年至2012年期間的交易數據為樣本，建立各期限段國債期限溢價的時間序列模型。結果表明，各期限段的國債溢價序列具有明顯的時變性，債券的期限越長，平均期限溢價越大。

從影響因素看，國債期限溢價對國債供給的變化不敏感，但由商業銀行存貸比指標所反映的國債需求越大，國債期限溢價越高。另外，國債期限溢價與通貨膨脹率呈顯著的正相關關系，而經濟增長指標對國債期限溢價的影響并不顯著。進一步的研究還表明，國債期限溢價的下降可在一定程度上解釋我國自2011年中期出現的所謂“中國式格林斯潘之謎”，這也意味著，在控制風險的前提下，擴大長期債券的發行規模，使短、中、長期各時段上都有良好的、充足的債券產品，增加市場深度和流動性，將有助于提高長短期利率彈性，充分發揮利率機制的作用，從而提高貨幣政策傳導機制的有效性。

注：

1.本文系山東高等學校“金融產業優化與區域發展管理協同創新”項目（JR008）的階段性成果。

2.關于TP的四種計算方法，可參見Swanson（2007）。

3.這樣分段是因為1年期以下國債經常被看作是短期國債，而3-7年期國債則被看作是中期國債，長期國債通常指7年期以上的國債，而且3年期及7年期國債也是我國近幾年來國債發行計劃中的關鍵期限品種。

4.各期限段樣本數量發生變化的情況，在許多研究中都存在。如在許多對CAPM的實證檢驗中，每個月末根據個股β系數的大小進行分組，每個月末據此建立的各股票組合所包括的股票數量、種類都是不確定的。

作者單位：山東財經大學金融學院

責任編輯：牛玉銳 印穎

參考文獻

[1]董莉莎、朱映瑜：《宏觀經濟變量對中國國債風險溢價影響的實證研究——基于上海證券交易所的交易數據》，載《南方金融》，2011（2）。

[2]李宏瑾、鐘正生、李曉嘉：《利率期限結構、通貨膨脹預測與實際利率》，載《世界經濟》，2010（10），120～138頁。

[3]呂江林、江光明：《交易所債券市場價格波動率特性研究》，載《金融研究》，2004（12）。

[4]姚余棟、譚海鳴：《中國金融市場通脹預期—基于利率期限結構的量度》， 載《金融研究》，2011（6），61～70頁。

[5]姚余棟、李宏瑾：《中國式“格林斯潘之謎”》，載《財經》，2011（12）。

[6]袁靖、薜偉：《中國利率期限結構與貨幣政策聯合建模的實證研究》，載《統計研究》，2012（2），42～47頁。

[7]Ang， Andrew， Sen Dong， and Monika Piazzesi，2005，“No-arbitrage Taylor rules”， [R]， Working paper， University of Chicago.

[8]Ben S. Bernanke， “Reflections On the yield curve and monetary policy”，Speech before the Economic Club of New York， 2006-03-20.

[9]Brandt， Michael W. and Kevin Q.Wang， 2003， “Time-varying Risk Aversion and Unexpected Inflation.” Journal of Monetary Economics， 50， 1457-98.

[10]Campbell， J. Y. （1986）. “A Defense of Traditional Hypotheses About the Term Structure of Interest Rates”， [J]， The Journal of Finance 41， 617-630.