期限溢價、超額收益與宏觀風險不確定性——基于銀行間國債市場的分析

王曉芳 鄭 斌

一、引 言

期限溢價是利率期限結構研究的核心問題。隨著我國利率市場化推進以及貨幣政策向價格調節機制的轉變，期限結構所包含的市場預期屬性愈發受到政策制定者和投資者的關注。期限溢價作為利率預期的風險補償，反映了市場主體對未來宏觀風險的度量。在以往眾多研究文獻中，多數學者并沒有嚴格定義和區分期限溢價和超額收益，而將兩者統一定義為期限溢價。鄭振龍、吳穎玲(2009)提出期限溢價應代表當期市場對未來風險預期的無偏估計。相比之下，超額收益則應為事后市場風險收益的綜合評估，其不具有預期屬性。關于期限溢價和超額收益的研究，早期的文獻依托于回歸預測的分析方法，通過收益率曲線形狀因子(水平、斜率、曲率)間接反映市場期限溢價水平。Fama(1984)、Fama 和Bliss(1987)以及Campbell 和Shiller(1991)最早通過長短利差、遠期利率與短期利率利差對超額收益進行預測。Cochrane 和Piazzesi(2005)在Fama、Bliss 等研究基礎上，創新性地使用遠期利率線性組合作為收益預測因子，發現其具有更高的超額收益預測能力。我國也有學者研究收益率曲線形狀特征因子的預測能力，如朱世武、陳建恒(2004)研究發現長短期收益率差對于超額收益的預期能力較強。王安興、余文龍(2010，2012)則對收益率曲線三種形狀特征因子的超額收益預測能力進行綜合分析，發現收益曲線的第一、第二主成分構成的單一預測變量可以很好地預測債券超額收益。除期限結構形狀因子外，一些學者將宏觀因子引入回歸分析中。Ludvigson 和Ng(2009)在對132 個宏觀變量進行處理分析后發現，實際產出、就業、通脹以及股市信息對美國國債超額收益的影響較為突出。我國學者董莉莎、朱映瑜(2011)使用面板回歸分析發現除基準利率影響不顯著外，通脹、M2 增長率對超額收益具有顯著正向影響，而規模以上工業增長值和上證指數收益率則為負向影響。

回歸分析雖然能直觀反映超額收益變動中潛在影響因素和經濟政策動因，但依托于回歸系數的期限溢價估計往往存在著較大的偏差①由于市場并非處于無套利環境，期限結構遠期利率預測表征的是市場真實測度(P 測度)下的預測值。由于OLS 方法無法進行測度轉換(向Q 測度轉換)即實現市場中性，因此通過回歸方法的期限溢價估計在理論層面具有明顯的偏誤。(Chernov 和Mueller，2012)。鑒于此，學者們試圖通過動態模型方法實現市場中性條件下的期限溢價估計。Fisher(1998)、Duffee(2002)及Dai 和Singleton(2002)將時變期限溢價引入高斯期限結構模型，形成了以動態期限結構模型分析期限溢價的研究范式。Kim 和Wright(2005)、Cochrane 和Piazzesi(2008)等在上述研究的基礎上，基于理性預期理論，使用收益曲線形狀特征因子構建仿射期限結構模型，并成功將長期收益率分解為預期未來利率與期限溢價。我國學者鄭振龍、吳穎玲(2009)使用3 因素仿射期限結構模型對銀行間市場和交易所國債期限溢價進行了提取和分析。伴隨期限溢價研究的推進，學者們逐漸意識到模型出色的擬合能力并不能掩蓋其經濟含義的匱乏。Dewachter 和Lyrio(2006)在其研究中就提出期限結構的研究不應該只局限于收益曲線變動的表象，更應集中于這些潛在因素背后的經濟動力。Ang 和Piazzesi(2003)最早將通脹和實際經濟活動指標引入仿射期限結構模型，形成了無套利宏觀金融模型的研究方法。Law(2004)使用無套利宏觀金融模型發現期限溢價變化來源于實體經濟行為、通脹以及貨幣政策。Ang、Dong 和 Piazzesi(2005)在無套利宏觀金融模型的估計結果中發現短期利率水平和產出增長與期限溢價在統計上具有極強的聯系性。Rudebusch、Swanson 和Wu(2006)使用無套利宏觀金融模型在對美國10 年期國債收益率分解中發現，除消費、產出缺口、通脹外，歐洲美元利率和標準普爾500 指數對期限溢價具有影響。Duffee(2007)通過構建無套利宏觀金融模型對宏觀因素與期限溢價關聯性進行分析，結果發現溢價變動受通脹、經濟增長和短期利率的影響較大。Piazzesi、Salomao 和Schneider(2013)則在對美國數據研究發現期限溢價的低頻部分包含了較多的商業周期信息，且具有明顯逆周期特征。從上述研究可以看到，國外學者對于期限溢價內含宏觀風險特征研究較為全面，多數文獻認為通脹、經濟活動和貨幣政策是影響期限溢價形成和波動的重要因素。相比而言，我國學者并沒有對期限溢價內含宏觀風險特征進行深入研究和總結，多數研究①如張蕊等(2009)將流動性變量作為仿射模型因子引入模型估計中，分析了流動性對期限結構變動的影響。孫皓、石柱鮮(2011)使用廣義均衡下的宏觀金融模型分析需求、供給以及潛在產出對期限結構影響的機制。陳守東、王妍(2014)、何曉群、王彥飛(2014)以及金雯雯等(2014)在DNS 模型(動態Nelson-Siegel 模型)的框架上，使用VAR(TVP-VAR)模型分析宏觀因素與模型隱因子之間的影響關系。另外的研究如劉金全等(2007)、楊小軍(2008)、于鑫(2009)、范龍振和張處(2009)使用VAR 模型研究供給、價格、宏觀政策對期限結構變動的影響。集中于期限結構整體的宏觀風險特征上，忽視了期限溢價對于市場風險的表征作用。

鑒于此，本文在已有文獻研究的基礎上，通過模型化的方法估計市場期限溢價，進一步研究市場溢價預期的形成和變動特征，并對其波動的機理進行理論探討，補充和深化既有研究。本文所做的工作為以下三個方面。第一，當前諸多的期限結構模型具有較好的擬合效果(例如DNS 模型)，但對于期限溢價估計的偏差較大②這主要由于多數仿射期限結構模型并沒有處理短期利率擬合誤差，通常使用DNS 模型沒有進行市場中性的測度轉換。。因此本文在估計過程中通過消除短期利率擬合誤差，力求準確地測算當期市場期限溢價水平，反映市場預期。考慮到廣義均衡模型在實際應用中不如無套利均衡模型對利率波動的捕捉能力，本文使用無套利宏觀金融模型，這是本文研究的基礎。第二，期限溢價作為市場對未來風險不確定性的補償，間接反映了市場對于未來系統性風險的判斷，其本身具有預期屬性。多數研究③Smant(2010)、李宏瑾(2012)將時變期限溢價特征引入預期理論檢驗中。將期限溢價作為期限結構預期理論檢驗的調整項或補充項，忽略了溢價本身的預期特征。本文將對比期限溢價和超額收益統計數據，對期限溢價預期特征進行深入分析。第三，為了進一步分析期限溢價受宏觀經濟政策影響的機理，本文將通脹、經濟活動和貨幣政策變量作為無套利宏觀金融模型的模型因子，通過構建狀態空間模型深入研究期限溢價受宏觀風險影響的機制。本文還將依據預期理論，嘗試性的從新的視角對期限溢價波動的機理進行理論性探討。

本文的具體研究結構如下：第二部分構建基于時變期限溢價的無套利宏觀金融模型；第三部分進行數據選取與處理，對模型進行估計；第四部分對期限溢價的預期特征進行分析，并通過構建狀態空間模型，研究宏觀風險對期限溢價的動態影響，對結果進行理論解釋。第五部分是對本文研究進行總結并提出政策建議。

二、無套利宏觀金融模型構建

1. 狀態轉移過程

在宏觀因子的選擇上，本文從通脹、經濟活動以及貨幣政策因素3 個方面選取指標。通貨膨脹指標選用CPI 變化率對數值。而在實際經濟活動變量選擇上，多數文獻選擇實際GDP 變化率，Ang、Piazzesi(2003)使用了包括就業、消費、工業產出等表征宏觀活動的因素，Duffee(2012)運用產出缺口和消費作為經濟活動變量。考慮到我國經濟的復雜性，單純使用實際GDP 變化率并不能全面地表征宏觀經濟活動狀態，同時消費并非拉動經濟增長的主要動力。為了使變量具有權威性和實用性，本部分選用宏觀經濟景氣指數(規模以上工業產出具有很強的經濟狀態表征能力)作為實際經濟活動變量。根據期限溢價的需要，本部分依據Dai 和Singleton(2000)提出的隱因素不變轉換(Invariant Transformations)的方法，借鑒Evans 和Marshall(2002)及Duffee(2007)將模型中的隱因素轉換為短期利率和其他隱因素的做法，將短期利率引入宏觀因子向量，這樣模型就舍去無套利宏觀金融模型中短期利率的仿射關系，而模型中隱因子則作為傳統仿射模型的殘差項表征國債期限溢價特征信息。

本部分宏觀因子向量如下：

其中，πt、gt、rt分別表示通脹、宏觀經濟活動和短期利率。Duffee(2011)認為考慮測量誤差對于識別模型十分重要，這里波浪號表示宏觀因素在模型估計后除去測量誤差的部分。

模型中使用3 個隱因子組成的向量 ωt作為溢價向量，并假定隱因子變量和宏觀變量之間相互獨立。兩者組成的狀態向量為：

狀態向量 xt服從馬爾可夫狀態轉移過程。其離散化方程參照高斯向量自回歸形式。其動態過程表示為：

等式中各矩陣具體形式如下：

模型估計的前提是上述動態過程為穩態過程，即 Φx存在逆矩陣，等式中 μx可表示為狀態變量 xt的無條件均值，公式如下：

狀態轉移矩陣 Φx為6*6 矩陣，Φf和Φω分別為宏觀變量和隱因子變量的轉移矩陣。∑x為狀態向量的方差協方差矩陣，本部分參考Joslin 等(2011)做法，將 ∑x進行下三角喬列斯基分解，使得 εx,t中的各沖擊量線性無關，使得沖擊向量矩陣I 為對角陣。

2. 定價核與觀測過程

債券定價服從單位價格債券的等價鞅過程，其表示為：

h 為數據周期長度，λt為t 時刻的市場風險價格為詹森不等式調整項。λt滿足狀態向量的仿射形式如下：

其中，λ0為長度為6 的列向量，表示為， λ1則為6*6 矩陣，為：λ1=根據上文中不變轉換結果，本部分參考Bikbov 和Chernov(2010)的方法，將風險價格方程中隱因子向量 ωt分別作為各宏觀因素解釋的殘差部分，其形式為：

將狀態轉移方程進行等價鞅轉換：

債券價格可以由調整后的風險中性狀態轉移矩陣表示為狀態向量的仿射形式。

其中，

其中，zt為d 維年化收益率列向量，H 矩陣為對角陣。

3. 超額收益分解

Fama 和Bliss(1987)等文獻對超額收益的定義，其表達式為：

上 式 右 側 為 超 額 收 益 的 隨 機 貼 現 因 子 形 式，為 期 限 溢 價，為調整項，為沖擊項。

超額收益的方差表達式為：

該式中前兩項為t 時刻模型預期溢價的方差，第三項為t+1 時刻狀態變量沖擊的方差，第四項為測量誤差項。方差分解中的成分比重可通過判定系數 R2求取。

三、樣本數據采集與模型估計

1. 數據采集和處理

中央登記結算公司銀行間國債即期收益率數據包括市場雙邊報價、柜臺交易等各方面國債交易信息，數據覆蓋面比較廣，并且在數據制作過程中，對異常點進行了科學處理，能夠很好反應市場價格情況。因此本文選擇中央登記結算公司2006 年3 月至2014 年4 月共98 個月的銀行間國債即期收益率月度加權平均數據，分別選用1 年、2年、3 年、5 年、7 年、10 年6 個期限品種。在宏觀變量的選取上，本文首先選取wind 數據庫月度CPI 環比指數作為通脹指標，以2006 年2 月為基期，通過Census X12 ARIMA 進行季度調整，并將調整后的數據轉化為 ΔCPI 形式。在宏觀經濟活動指標的選取上，本文收集了98 個月的宏觀經濟景氣指數(一致指數)數據，由于指數在編制過程中進行了X11 季度調整，所以本文直接將指數數據轉化為 Δ ME BCI 變化率形式。無風險短期利率選擇上，國外多數學者使用3 月期國庫券利率或3 月期TIPS 債券作為短期利率代表，鑒于我國通脹水平高于西方國家，并且缺乏類似TIPS 等通脹保值債券產品，為了盡可能消除作為模型因子的短期利率中的通脹因素，本文舍棄了通常使用的3 個月期國債收益率作為無風險短期利率的做法，選擇中央登記結算公司期限為1月期國債收益率數據作為代替。

2. 模型估計和結果

根據Duffee、Stanton(2004)和de Jong(2000)等研究成果，卡爾曼濾波極大似然估計是研究仿射模型最為有效的方法，因此本文也采用這一方法對模型參數進行估計。估計預測過程中，本文將無風險短期利率數據固定(即數據模型估計誤差為0)，保證期限溢價數據的真實性。在似然函數估計中，研究根據Bikbov 和Chernov(2010)的方法，對似然函數引入懲罰項(penalization term)，公式為：

其中，ATP(τ )和 BTP(τ )為期限溢價仿射系數，τ 為債券期限，仿射系數滿足下式：

仿射矩陣 AQ(τ )和 BQ(τ )可以分解為短期利率仿射矩陣 AP(τ )、BP(τ )和期限溢價仿射矩陣 ATP(τ )、BTP(τ )兩部分。

懲罰項的引入可以穩定似然函數值并且簡化全局最優的搜尋過程，主要防止局部最優影響似然函數全局最優化。該項中 σp作為調整系數，決定似然函數初始值，影響似然函數極大值搜尋的速度。Bikbov 和Chernov(2010)在其文章中將該值設置為300，本文參考該值的設定，主要目的是簡化最優化值搜索過程，使得估計結果快速接近或達到全局最優。

在對模型的優化過程中，本文使用單純形法和高斯牛頓法求解全局最優。在參數初始值的獲取上，本文采用了兩種方法，一種通過使用一階向量自回歸法AR(1)得到參數初始點，另一種則由Sobol 偽隨機數列生成初始點序列，通過對序列元素逐個計算比較似然函數值。在實際優化過程中，Sobol 數列的方法在計算結果上優于AR(1)，但同時伴隨著的過多初始點所帶來的龐大的計算量，該方法也耗時較長。

本文使用Matlab7.0 實現模型構建和估計。表1 和表2 為狀態轉移矩陣 Φx和波動矩陣的參數估計值，括號內為優化過程中似然函數極大值點的Hessen 矩陣求得參數標準誤。狀態轉移矩陣 Φx特征值的模小于1，模型估計的參數是穩定的。從參數估計結果可以看出，CPI 變化率與景氣指數自身相關性較低，除受自身影響外，受短期利率影響較多。短期利率則呈現較高的序列自相關，自相關系數為0.973,4。受其他因素影響并不顯著。表2 中3 個隱因子的自相關程度都較高，隱因子3 對隱因子1 和2 的影響較多。

表3 為市場風險價格矩陣系數，參照式(9)。LR 是條件為 λ1f= 0的似然比檢驗值，其分布為漸近3 階卡方分布 χ2(3)。中括號內為檢驗中對應的P 值。從檢驗結果可以得出，宏觀因素通過 λ1f矩陣對風險價格施加的影響是顯著的，本文后續將對宏觀因素的影響程度進行進一步分析。

表1 宏觀因子參數估計值

表2 隱因子參數估計值

表3 市場風險價格參數估計值

圖1 為三種期限國債收益率模型預測和擬合結果。預測值為卡爾曼濾波預測輸出結果，擬合值則為模型擬合結果。圖1 中可以直觀看出，模型擬合的效果較好，而預測收益率數據較實際數據具有一定的滯后性，反映預期存在一定的粘性。其擬合和模型預測誤差的統計如表4。SDME(Standard Deviation of Measurement Error)表示模型測量誤差的標準差，各期限國債收益率測量誤差均保持在5 個基點內。各期限國債的預測誤差的標準差SDFE(Standard Deviation of One-month-ahead Forecasts Error)分布較為均勻，都保持在20 個基點左右。期限為1 月的短期利率tr，其預測誤差相對其他期限國債較高，為35.63 個基點。這和模型估計過程中設定短期利率擬合誤差為0 的方法有關，但這一做法可以更加準確的估計月度期限溢價值。

圖1 國債預測、擬合和實際收益率時間序列圖

表4 模型測量誤差標準差和預測誤差標準差

四、期限溢價靜態和動態特征分析

1. 期限溢價靜態分析

根據式(18)定義，期限溢價和超額收益的時間序列如圖2 所示。從期限溢價的時序圖可以看出，多數情況下，市場對于未來不確定性風險的補償為正值，而2009 年初至2010 年初的時間段內，出現了樣本期內唯一的長時間負值的情況。本文認為，這主要由市場對未來經濟政策預期所決定。具體來看，2007 年下半年至2009 年初，次貸危機和世界性金融危機使得我國經濟增速出現大幅度下滑，市場預期投資者將拋售風險資產而持有無風險資產進行避險，國債價格也隨預期而上升。在對經濟走勢預期的同時，市場對政策調控的預期也會隨著經濟持續低迷而逐步強化。部分投資者預期認為，持有國債可能會導致潛在的資本損失(刺激政策推出會導致無風險資產價格上升走勢出現變化)，這種對政策預期的不確定性會隨著經濟持續低迷而加劇，市場所要求的溢價補償也會隨之上升。隨后，2009 年初大規模刺激政策的實施使得市場預期出現反轉，投資者之前對于無風險資產價格下跌的憂慮逐漸成為市場的一致預期，期限溢價水平也大幅下降。從圖3 可以看到，伴隨寬松財政政策的持續，期限溢價長期呈現負向變動趨勢。到2010 年初，固定資產投資、CPI 大幅上升，經濟出現過熱現象。央行于2010 年上半年3 次提高了存款準備金率，政策出現收緊的態勢，期限溢價也隨著政策預期調整向正值變動。

圖2 一月期國債期限溢價和超額收益時間序列圖

相較期限溢價，超額收益波動幅值和頻率均高于前者。由圖2 中可視10 年期國債一月期超額收益水平在正負6 個基點(年化為正負72 個基點)的范圍內波動。表5 中，超額收益均值呈現出先增后減的分布。1 年期至5 年期的超額收益保持正向增長，5 年期國債超額收益均值達到5.24 個基點。7 年期和10 年期國債均值則呈下降態勢，10年期均值水平甚至小于1 年期收益均值水平，這與期限溢價均值隨期限正向增大的特征產生了明顯的差異。表5 第五行所示，根據式(19)測算，期限溢價在超額收益中所占比重隨期限增大而逐漸下降，表明期限越長的債券其超額收益受市場預期影響越小，而當期沖擊的影響效果越突出。這從一個層面反映了我國長期國債市場缺乏市場預期，多數機構投資者以資產配置的目的持有到期，導致價格受市場預期影響的敏感性偏低。而從期限溢價和超額收益相關性分析結果也說明這一點，兩者的相關程度隨期限增大有所下降，期限溢價和超額收益一年期至十年期溢價相關性從0.395,9 到0.324,0 不等。這與Kim 和Wright(2005)實證研究美國數據中，超額收益與期限溢價存在0.83 的相關度的結果存在較大的差距。這反映了我國市場整體預期能力偏弱。我們認為，這主要因為我國“政策市”特征以及貨幣政策注重直接性功能調節，而在市場預期層面缺乏引導所致。這種市場特征促成了期限溢價與超額收益之間的較大差異。

對表5 統計結果進行總結可以得出，我國國債市場整體對于系統性風險的預期不足，各期限國債溢價的預期特征存在較大差異，短期國債期限溢價的預期屬性表現強于中長期國債。在預期成分中，表5 所示模型宏觀因子的解釋比重能夠達到55.33%～60.74%,，這說明通脹、經濟活動以及貨幣政策的波動對于期限溢價變動具有顯著的影響。

表5 期限溢價與超額收益的統計特征分析

2. 期限溢價動態分析

為了進一步了解期限溢價受模型因子影響的特征，本文根據模型估計卡爾曼濾波所得的風險中性下的狀態轉移矩陣、因子沖擊參數矩陣和期限溢價觀測矩陣，構建面向期限溢價波動的狀態空間模型，考察模型因子對市場溢價影響的動態效應。

式(22)中，xt為t 時刻模型因子，ux為模型因子沖擊，yt為由t-1 時刻狀態變量估計的期限溢價。本部分使用Matlab7.0 Simulink 模塊實現。

圖3 為一年期國債期限溢價脈沖響應時序圖，第一行為期限溢價分別在CPI 變化率、宏觀經濟景氣指數變化率以及短期利率0 時刻沖擊下的響應時序。第二行為3 種隱因子0 時刻沖擊下的期限溢價脈沖響應時序。

圖3 一年期國債期限溢價脈沖響應時序圖

整體來看，模型因子沖擊下市場期限溢價出現短暫偏離均衡水平的現象。沖擊前，溢價長期處于均衡水平，各模型因子保持不變，市場對于因子的預期不存在差異。沖擊發生后，投資者對于未來變動預期出現分化，部分投資者認為沖擊會持續，而另一部分投資者則持相反態度，市場預期的不確定性隨之增大，期限溢價偏離均衡水平。隨著時間推移，模型因子值回復到沖擊前水平且長時期不變，投資者預期逐漸調整而趨于一致，預期的不確定性下降使得期限溢價回復到均衡水平。

從具體模型因子來看，CPI 變化率正向沖擊使得期限溢價出現先減后增的變動態勢。我們認為債券類資產對于通脹具有較高的敏感度，價格在通脹沖擊下會出現超調。在CPI 變化率沖擊下，市場名義收益率伴隨通脹水平上升而快速提高，在這個過程中，資產價格下降和通脹持續上升的市場預期使得期限溢價快速下滑。隨后，通脹水平趨于穩定，市場預期不確定性逐漸下降，過度調整的債券價格將根據預期調整而上升，期限溢價也逐漸由正值回復到均衡水平。相比通脹風險，期限溢價在景氣指數變化率和短期利率正向沖擊下則表現為負向變動。景氣指數方面，當經濟加速增長既表現為景氣指數上漲時，部分投資者預期短期風險資產價格上升，從而傾向于持有短期資產放棄長期資產，購入高風險資產而拋售低風險資產(國債)。市場預期資金從國債市場流出，致使各期限國債溢價出現負向變動且溢價水平差距加大。貨幣政策方面，短期利率作為政策的代理變量，利率水平直接反映了市場流動性寬松或緊縮程度。短期利率上升使得部分市場主體預期未來債券價格下降，持有國債可能導致潛在的資本損失，市場期限溢價因此出現負向變動。從圖2 中2013 年6 月份銀行間市場流動性危機期間期限溢價走勢可以看到這一特征。

隱因子方面，隱因子1 和隱因子3 沖擊使得期限溢價表現震蕩特征，隱因子2 則主要為負向變動。對于隱因子分析，Duffee(2008)在其研究中認為模型隱因子作為利率預期因素，與實際經濟活動的波動相關。本文借鑒Bikbov 和Chernov(2010)、Chernov 和Mueller(2012)的方法，通過對隱因子與宏觀經濟因素進行大量相關分析識別潛在宏觀經濟信息和政策沖擊。本文排除CPI 和宏觀經濟景氣指數編制中直接涉及的宏觀變量，選取包括信用利差、國債流動性、貨幣供應量、對外貿易、財政、外匯、固定資產投資、房地產等多方面宏觀金融和經濟變量，部分變量經過X12 季度調整。分析之前，本文首先進行隱因子主成分分解，提取隱因子主要特征序列。表6 為隱因子主成分分解后的三個主成分。從表6 中可知，前兩個主成分能夠解釋85%,以上變動，其中第一主成分解釋比重較高，對于隱因子波動的解釋力達到49%,。

表6 隱因子主成分分析

本文對隱因子和主成分經濟含義進行分析。在對眾多宏觀變量分析后發現隱因子2 與貿易出口價格指數具有-0.7 的相關性，主成分1 與出口價格指數存在-0.64 相關性，其時間序列如圖4。隱因子3 與國房景氣指數變化率具有0.51 的相關性，但主成分序列與國房景氣指數相關性并不高。隱因子1 與上文宏觀指標相關程度均較低。本文分析認為，對外出口是我國宏觀經濟風險的重要影響因素之一。宏觀經濟景氣指數編制指標中并不包含對外出口指標，這可能是隱因子與其相關性較高的主要原因(風險價格參見公式9)。隱因子2 隱含房地產景氣信息，可能是因為房地產對短期利率(貨幣政策)敏感度較高，部分反映了貨幣政策調控所帶來的宏觀經濟風險。

圖4 宏觀變量與隱因子時間序列圖

由上述分析推斷，除模型3 種宏觀因子外，對外貿易情況可能是影響期限溢價形成和波動的另一個重要的宏觀因素。我們認為這主要與我國依賴于對外貿易和投資拉動的經濟增長結構有關。而經濟增長的另一個拉動力固定資產投資(全社會固定資產投資指標)，由于與宏觀經濟景氣指數編制中的工業投資指標具有較大的關聯性，所以隱因子內含的該信息較少。

綜合上述實證分析發現，除CPI、宏觀經濟景氣指數以及短期利率對期限溢價具有較大影響外，出口價格指數也可能是影響期限溢價波動的重要因素，宏觀經濟波動對于市場期限溢價水平具有顯著的影響。從期限溢價波動特征來看，期限溢價在沖擊結束后均能回復到原有水平，表明在一定市場和經濟條件下，溢價具有均衡值。我們認為，期限溢價形成和波動主要源于市場預期調整以及對于未來經濟政策判斷的不確定性，溢價水平表征了預期的不確定性程度。

同時，期限溢價作為超額收益的預期，其與超額收益的較大偏差從一個側面反映出我國市場對于宏觀風險預期能力不足。從市場效率來看，我國市場信息流動不順暢，信息分布不對稱以及獲取信息的成本較高都是市場有效預期形成與快速調整的障礙，市場預期表現出粘性特征。從政策方面來看，我國貨幣政策實施缺乏指引，市場對于政策預期的不確定性偏大，貨幣政策實施過程表現出了脈沖沖擊的特征。在這種情況下，市場預期調整更多的表現為事后調整，這就會加劇市場的波動，削弱市場風險預期能力。總之，穩定市場預期和進行合理的引導是減少市場波動，提升政策調控效率的重要的途徑。加強信息流動和降低信息分布的不對稱可以進一步提升市場期限溢價對于超額收益的預期能力，這對政策制定者和投資者都具有重要意義。

五、本文結論

本文通過構建6 因素無套利宏觀金融模型，對銀行間市場國債期限溢價和超額收益進行估計。在對期限溢價的靜態特征分析中發現，期限溢價與超額收益在幅值方面存在較大差異，并且預期解釋比重隨期限增大而逐步下降。從波動關系來看，兩者相關系數較低，表明市場對于未來超額收益的預期能力偏弱。隨后，本文在估計所得模型系數的基礎上，構建狀態空間模型，對市場期限溢價動態特征進行分析。結果發現，CPI變化率、宏觀經濟景氣指數變化率、短期利率均能對市場期限溢價產生顯著的影響，但長期內并不能使期限溢價水平發生變化。在對隱因子與宏觀因素相關分析中發現，出口貿易價格指數可能是影響期限溢價波動的潛在原因。

貫穿全文，本文基于預期理論，對期限溢價形成和波動的機理提出了一個新的解釋。本文認為期限溢價源于市場對于未來風險不確定性的補償，而經濟和政策的沖擊只會對期限溢價造成短暫影響，并不會使溢價發生偏移。這主要由于隨著外部環境條件變動，市場的預期會不斷進行調整，遠期收益率中的預期值和期限溢價值也會隨之趨于穩定，期限溢價最終達到與市場對未來風險預期的不確定程度相匹配的數值水平。

本文認為，期限溢價所表征的預期屬性是宏觀政策調整和投資者決策的重要依據。從宏觀決策來講，期限溢價穩定有助于提高政策調控效率和精確性，并且可以有效地發揮市場預期的自我調整能力。從微觀投資者來講，穩定合理的期限溢價有助于減少市場投機，引導投資者合理投資，提升市場資金配置的效率。鑒于此，本文提出以下建議：第一，宏觀調控應注重加強政策指引，減少政策沖擊，降低市場政策預期中的不確定性。尤其增強貨幣政策的前瞻性引導，促使市場形成合理預期并實現自身的有序漸進調整。第二，豐富市場主體結構，提升市場信息效率。允許更多類型機構投資者進入銀行間市場進行交易，豐富債券持有偏好，提升國債利率的政策指引作用；擴展信息流通渠道，降低由于信息不對稱導致的預期的異質性差異，使得債券價格處于合理均衡水平；加強信息監督，嚴懲虛假惡意的市場信息，減少不必要的價格波動。第三，加強對銀行間市場投資者的教育，通過培訓等手段縮小投資者之間的稟賦差異，提升投資者市場判斷和政策解讀能力，更好的服務于貨幣政策調控。總之，減少市場不必要的波動并降低市場預期的不確定性，是提升市場配置效率和政策調控效率的重要途徑。我國銀行間市場無論從規模或結構都處于快速發展完善的階段，在實現“硬件”加速建設的同時，做好“軟實力”的培養更是市場良性發展的重要前提。

［1］ 陳守東等. 利率期限結構與宏觀經濟——基于動態潛在因子模型的研究[J]. 吉林大學社會科學學報，2014(2)：52-61.

［2］ 何曉群，王彥飛. 中國利率期限結構與宏觀經濟運行的關系——基于動態Nelson-Siegel 模型的研究[J]. 經濟理論與經濟管理，2014(8)：69-77.

［3］ 金雯雯等. 利率期限結構內含的宏觀經濟信息——基于TVP-VAR 模型的時變參數研究[J].經濟評論，2014(5)：123-135.

［4］ 康 書，王志強. 中國國債利率期限結構的風險特征及其內含信息研究[J]. 世界經濟，2010(7)：121-143.

［5］ 石柱鮮，孫 皓，鄧 創. 中國主要宏觀經濟變量與利率期限結構的關系：基于VARATSM 模型的分析[J]. 世界經濟，2008(3)：53-59.

［6］ 孫 皓，石柱鮮. 中國的貨幣政策與利率期限結構：基于宏觀——金融模型的研究途徑. 經濟科學，2011(1)：49-59.

［7］ 王安興，余文龍. 收益率曲線預測國債風險溢價研究[J]. 中國管理科學，2012(20)：417-423.

［8］ 王志強，熊海芳. 結構變點、時變期限溢價與預期假說[J]. 數量經濟技術經濟研究，2012(5)：104-120.

［9］ 吳 丹，謝 赤. 中國銀行間國債利率期限結構的預期理論檢驗[J]. 管理學報，2005(5)：536-541.

［10］ 謝 赤，陳 暉，何 源. 基于理性期望的利率期限結構預期理論與期限溢酬[J]. 系統管理學報，2008(3)：283-289.

［11］ 徐小華. 中國國債利率期限結構的風險值研究[J]. 世界經濟，2007(6)：56-63.

［12］ 余文龍，王安興. 中國貨幣市場利率的期限溢價[J]. 證券市場導報，2010(9)：34-40.

［13］ 余文龍，王安興. 基于動態Nelson-Siegel 模型的國債管理策略分析[J]. 經濟學季刊，2010(4)：1403-1426.

［14］ 鄭振龍，吳穎玲. 中國利率期限溢酬：后驗信息法和先驗信息法[J]. 金融研究，2009(10)：68-82.

［15］ 鄭振龍，柯 鴻，莫天瑜. 利率仿射模型下的利率風險價格形式實證研究[J]. 管理科學學報，2010(13)：4-15.

［16］ 朱世武，陳健恒. 利率期現結構理論實證檢驗與期限風險溢價研究[J]. 金融研究，2004(5)：78-99.

［17］ 朱 波，文興易. 利率期限結構宏觀金融模型研究新進展[J]. 經濟學動態，2011(7)：101-105.

［18］ Ang A.，Piazzesi M. A No-arbitrage Vector Autoregression of Term Structure Dynamics with Macroeconomic and Latent Variables [J]. Journal of Monetary Economics，2003(50)：745-87.

［19］ Ang A.，Bekaert G.，Wei M. The Term Structure of Real Rates and Expected Inflation [J]. The Journal of Finance，2008(2)：797-849.

［20］ Bikbov R.，Chernov M. No-arbitrage Macroeconomic Determinants of the Yield Curve [J]. Journal of Econometrics，2010(159)：166-82.

［21］ Campbell J. Y.，Cochrane，J. By Force of Habit：A Consumption-Based Explanation of Aggregate Stock Market Behavior [J]. Journal of Political Economy，1999(107)：205-51.

［22］ Cochrane J. H.，Piassesi M. Bond Risk Premia[J]. The American Economic Review，2005(1)：138-60.

［23］ Cochrane J. H.，Piassesi M. Decomposing the Yield Curve [R]. Chicago Booth Working Paper，2009.

［24］ Chernov M.，Mueller P. The Term Structure of Inflation Expectations [J]. Journal of Financial Economics，2012(106)：367-94.

［25］ Dai Q，Singleton K. J. Specification Analysis of Affine Term Structure Models [J]. Journal of Finance，2000(5)：1943-78.

［26］ Dai Q，Singleton K. J. Expectation Puzzles，Time-varying Risk Premia，and Affine Models of the Term Structure [J]. Journal of Financial Economics，2002(63)：415-41.

［27］ Duffee G. R. Term Premia and Interest Rate Forecasts in Affine Models [J]. Journal of Finance，2002(57)：405-43.

［28］ Duffee G. R.，Stanton R. H. Estimation of Dynamic Term Structure Models [J]. Quarterly Journal of Finance，2012(2).

［29］ Fama，E. F.，Bliss，R. R. The Information in Long-Maturity Forward Rates [J]. The American Economic Review，1987(77)：680-92.

［30］ Kempf A.，Kron O.，Uhrig-Homburg M. The Term Structure of Illiquidity Premia [J]. Journal of Banking & Finance，2012(36)：1381-91.

［31］ Kim，Don H.，Jonathan H. Wright. An Arbitrage-Free Three-Factor Term Structure Model and the Recent Behavior of Long-Term Yields and Distant-Horizon Forward Rates [J]. Finance and Economics Discussion Series，2005，33.

［32］ Liu J.，Longstaff F. A.，Mandell R. The Market Price of Risk in Interest Rate Swaps：The Roles of Default and Liquidity Risks [J]. Journal of Business，2006(79)：2337-60.

［33］ Ludvigson S. C.，Ng S. Macro Factors in Bond Risk Premia [J]. The Review of Financial Studies，2009(12)：5027-66.

［34］ Nelson C.，Siegel A. Parsimonious Modeling of Yield Curves [J]. Journal of Business，1987(60)：473-98.

［35］ Piazzesi M.，Schneider M. Equilibrium Yield Curves [J]. NBER Macroeconomics Annual，2006(21)：389-472.

［36］ Piazzesi M.，Salomao J.，Schneider M. Trend and Cycle in Bond Premia [R]. Stanford Working Paper，2013.

［37］ Wright J. H. Term Premia and Inflation Uncertainty：Empirical Evidence from an International Panel Dataset [J]. The American Economic Review，2011(101)：1514-34.