債券利率風險與信用風險對信用價差的交互影響研究

蘆彩梅 蘇丹華

(山西大學經濟與管理學院，山西太原030006)

?

債券利率風險與信用風險對信用價差的交互影響研究

蘆彩梅 蘇丹華

(山西大學經濟與管理學院，山西太原030006)

為解釋“信用價差之謎”，學者們對信用價差的影響因素進行探索。利率風險、信用風險是債券信用價差的重要影響因素，然而鮮有文章從這兩種風險交互關系的角度研究對信用價差的影響。選取2014年3月——2016年3月中國公司債券的面板數據，利用利率風險、信用風險以及二者的交互作用，從發行期限、信用等級和所屬行業等角度對信用價差的影響因素進行多元回歸分析，并加入流動性風險因素與結構化模型結果相比較，檢驗利率風險和信用風險對信用價差的交互作用是否仍然顯著，得出穩定的結論。結果表明，利率風險和信用風險的交互作用顯著影響中國公司債券的信用價差。本文為我國公司債券信用價差影響因素的研究方法做補充，為解釋“信用價差之謎”提供了新思路。

公司債券； 信用價差； 利率風險； 信用風險； 交互作用

一、引言及文獻綜述

公司債券的投資風險主要是信用風險，信用風險來自一個資產中現金流將不會像承諾的那樣支付的風險。為了補償信用風險，市場要求債券發行方向投資者提供的到期收益必須高于到期日相同的國債收益，其中債券到期收益與國債收益的差額被稱為信用價差。信用價差的大小是研究公司債券定價的基礎，同時也反映出整個債券市場的風險水平。公司債券的實際信用價差預期違約損失之間存在一個“寬缺口”(wide gap)，被稱為“信用價差之謎”(credit spread puzzle) (Collin-Dufresne等,2001)。[1]為了解釋這一現象，國內外學者對信用價差的影響因素進行了長時間的探索，認為主要影響因素包括利率風險和信用風險等。

在現有文獻中，多數只研究一種或幾種風險因素對信用價差的影響。Longstaff 和Schwartz (1995)認為公司債券信用價差的變化不僅和公司價值有關，而且和利率因素關系密切。[2]Yap 和 Gannon(2007)通過對馬來西亞債券進行實證證明了信用價差變化與利率因素負相關。[3]Huang和Huang(2003)指出對于任何期限的高信用等級債券，信用風險只占收益價差的很小一部分，而對于垃圾債券，信用

風險占據了較高的比例。[4]Longstaff和Schwartz (2005)研究發現信用價差大部分由信用風險引起,非違約成分隨時間變化且與個債非流動性因素和衡量債券市場流動性的宏觀經濟因素強相關。[5]Dionne等(2010)認為公司債券價差由信用風險引起，發現公司債券信用價差中的信用風險對事前違約概率的期限結構敏感。[6]劉國光、王慧敏(2005)研究了中國上市公司債券信用價差和國債收益率，發現二者存在顯著的協整關系，且后者為前者的格蘭杰因。[7]張燃(2008)從宏觀角度研究信用價差變化的決定因素，結果表明中短期利率對信用價差的解釋能力最強，股票市場回報對信用價差的解釋能力最弱。[8]

也有部分文獻研究利率風險和信用風險之間的關系。Chance (1990)研究了零息債券違約風險和存續期的關系。[9]Barnhill和Maxwell(2002)在CreditMetrics的基礎上提出信用風險與市場風險聯合分析模型。[10]謝云山(2004)對商業銀行的信用風險與利率風險進行了相關性分析，用票面利率和持續期分別代表利率風險和信用風險，得出信用風險和利率風險往往夾雜在一起共同影響銀行經營，而且兩者之間存在此消彼長的關系，兩者負相關。[11]

除了單獨研究利率風險和信用風險對信用價差的影響解釋力之外，有學者考慮到利用二者的相關性來研究對信用價差的交互作用。Longstaff和Schwartz(1995)發現信用風險和利率風險的相關性對信用價差有顯著影響，信用價差與利率風險負相關。[2]Chen等(2013)研究了利率風險和信用風險的相關性對信用價差期限結構的影響，并發現利率風險和信用風險表現出錯綜復雜的相互作用。[12]目前國內還沒有文獻利用利率風險和信用風險的交互作用研究對信用價差的影響。

國內外學者從不同的角度研究信用價差的影響因素。Gabbi和Sironi(2002)通過對歐債一級市場債券進行實證研究發現公司債券的信用等級是最重要的影響因素。[13]Duffee(1998)研究了美國不同等級債券與信用價差的關系，指出信用級別變化時信用價差增速擴大。[14]Pedrosa和Roll (1998)研究發現債券所屬期限、行業和信用等級會導致信用價差極大的變化。[15]王安興、謝文增、余文龍(2012)對中國公司債券信用價差的構成和影響因素進行了實證分析，結果表明公司債券信用評級越高、信用價差越小；剩余期限越長，信用價差也越小。[16]

目前國內文獻的研究方法中還沒有通過利率風險和信用風險的交互作用來分析信用價差的影響因素。本文選取2014年3月—2016年3月國內上市公司債券面板數據，利用利率風險和信用風險的交互作用對信用價差的影響進行了靜態分析，從發行期限、信用等級和所屬行業等多個角度研究利率風險與信用風險的交互對信用價差的顯著影響。通過實證分析，證實了無論是總體分析還是各角度分析，利率風險和信用風險的交互確實對信用價差有顯著的影響，且不同利率風險變量和信用風險變量的交互對信用價差產生增加或減少的影響。本文的分析方法為我國公司債券信用價差影響因素的理論和實證做補充，有助于探索“信用價差之謎”現象的原因，為解釋“信用價差之謎”提供新思路。

二、變量、數據和方法

(一)變量

根據結構化模型和國內外文獻研究成果，結合中國債券市場特征及數據的獲得情況，本文分別從系統性風險、利率風險、信用風險和流動性風險來源選取變量，首先以信用價差為被解釋變量，以系統性風險指標為控制變量，并同利率風險、信用風險一起作為解釋變量建立結構化模型，加入利率風險變量和信用風險變量的交互項進行多元回歸分析。然后加入流動性風險因素再次對債券信用價差進行實證檢驗，與結構化模型的回歸結果相比較，最后得出較為穩定的結果，具體變量如下。

1. 反映利率風險來源的變量

(1)無風險利率(Rf)

國內文獻中一般使用國債利率來表示無風險利率。國債的即期利率能夠靈敏地反映市場整體資產價值情況，Longstaff等(1995)指出即期利率的增加，其引起的靜態效應會使公司資產價值運動的漂移項增大，漂移即利率的期望變化，這意味著債券違約概率的降低，從而使信用價差減小。[17]

即期利率往往需要更多的利率才能描述一支債券的價格，而到期收益率是以一個單一利率的形式報價，通常是比即期利率更方便的描述債券價格的形式。因此，本文選取與公司債券具有相同剩余期限的國債到期收益率作為無風險利率，預期當無風險利率上升時，信用價差減小。

(2)利率期限結構斜率(Slope)

國內外文獻通常選擇無風險利率和利率期限結構斜率一同作為利率風險的變量指標，用來分別表示利率期限結構的水平因子和斜率因子。Litterman和Scheinkman，Chen和Scott認為利率期限結構中到部分變化都可以用水平因子和斜率因子的變化表示。[18-19]

本文選取10年國債到期收益率與3年國債到期收益率之差來代表利率期限結構斜率，預期利率期限結構斜率系數為負，表示當利率期限結構斜率上升時，市場預期未來利率上升，債券的違約概率下降，從而使信用價差減小。

2. 反映信用風險來源的變量

(1)公司杠桿比率(Lev)

Merton模型中使用公司杠桿比率來衡量公司價值，杠桿比率越高，債券違約的概率越大，信用價差越大。公司杠桿比率對信用價差也有負相關的情況，當公司全部資本利潤率高于借入資本的利息率時，公司價值高于負債價值，此時如果適當增加杠桿比率，可以提升公司價值，降低信用風險，從而使信用價差減小。

本文通過公司資產負債率來衡量公司杠桿比率，并預期與信用價差正相關。由于公司資產負債率至少為季度數據，而本文中選取的是月度數據，因此通過對資產負債率季度數據進行Spline樣條插值進行處理得到月度數據。

(2)公司資產波動率(Asset)

Merton模型中使用了公司資產波動率來分析期權價值。公司資產波動性增加意味著期權價值的增加，債權價值則減小，這樣就使信用風險增加，信用價差增大。

本文的公司資產波動率通過債券 (收盤價—前日收盤價)/前日收盤價計算而得，并預期公司資產波動率增大時，信用價差增大。

3. 反映系統性風險來源的變量

(1)股票綜合指數(Index)

系統性風險反映宏觀經濟的市場風險，國內外文獻多選擇股票綜合指數來衡量宏觀經濟效應，股票綜合指數的增加，意味著經濟向好發展，投資者預期公司違約概率降低，進而減小信用價差。

本文選擇滬深300指數收益率來表示股票綜合指數，并預期股票綜合指數的增加引起信用價差的減小。

(2)股票市場波動率(Intrastock)

Campbell和Taksler(2003)的研究發現信用價差和股價的波動存在強烈的共同運動。[20]張雪茹、孫雪晴(2010)研究得出短期利率、股票市場收益率、股票市場波動率對信用價差都有顯著影響。[21]

本文通過對滬深300指數進行計算(開盤價—收盤價)/(最高價—最低價)得到股票市場波動率，并預期股票市場波動率增加，宏觀經濟不確定性增大，從而增加信用風險，信用價差增大。

4. 反映流動性風險來源的變量

Chen等研究發現流動性越低，投資者要求的流動性補償就越高，債券價格越低，從而信用價差越大。[22]余暉等(2002)采用換手率和買賣價差測量流動性風險,探討了銀行間債券市場流動性問題。[23]

本文選取債券換手率(Tyr)來衡量公司債券的流動性風險，通過計算成交額/發行規模而得，并預期流動性風險與信用價差負相關。

5. 反映利率風險與信用風險交互作用的變量

利用上述各利率風險變量和信用風險變量的乘積，得出兩種風險的交互項分別為Rf*Lev、Rf*Asset、Slope*Lev和Slope*Asset。

本文預期存在利率風險與信用風險對信用價差的交互作用，且交互項系數不為0。

(二)數據

本文選取滬深交易所上市公司債券共1 034支，其中上交所公司債券有706支，深交所公司債券有328支。

1. 提取公司債券基本信息數據，包括債券代碼、債券名稱、所屬證監會行業名稱、起息日期、到期日期、債券期限(年)、是否含權債、發行時債項評級、最新債項評級、是否上市公司、計息方式、發行總額、省份、息票品種、年付息次數、利率類型。

根據所提取的債券信息，剔除存在缺失值的債券、包含浮動利率和累進利率債券、含權債券、到期日期為2016年以前及2016年的債券、沒有上市的債券、信用評級在發行時和最新債項評級不一致的債券、交易月份少于25個月的債券、剩余期限少于1年的債券。剔除后剩余80支。

2. 公司債券交易數量最為集中的時段為2014年3月1日—2016年3月31日，提取這一期間的月交易數據，包括到期收益率、資產負債率、收盤價、前收盤價、成交額。

根據所提取數據，剔除存在缺失值的債券、月成交額為0的數據超過20條的債券。處理后剩余55支公司債券。

3. 滬深交易所國債共有572支，其中上交所有286支，深交所有286支。提取國債基本信息數據，包括債券代碼、債券名稱、起息日期、到期日期、債券期限(年)、是否含權債、利率類型、計息方式、發行總額、息票品種、年付息次數。

剔除存在缺失值的國債、年付息次數不為1的國債、到期日期為2016年以前及2016年的國債、交易月份少于25個月的國債以及剩余期限少于1年的國債，剔除后剩余92支。

4. 提取國債到期收益率數據，剔除到期收益率為0的國債，剩余44支。

5. 將篩選出的55支公司債到期日與44支國債的到期日進行比對，最后篩選出與國債剩余期限相匹配的公司債券24支，匹配國債有17支。篩選情況如表1所示。

進一步地，對24支公司債券的數量按照期限、發行量、行業、信用等級以及所屬地區進行劃分，結果如表2所示。

(三)檢驗方法

本文主要分為四步來探究利率風險與信用風險交互對信用價差變化的影響：

第一步，以股票收益率和股票市場波動率這兩種系統性風險作為控制變量，檢驗利率風險和信用風險對信用價差的影響。記信用價差為cs；股票綜合指數為index；股票市場波動率為intrastock；利率風險包括無風險利率rf和利率期限結構斜率slope；信用風險包括公司杠桿比率lev和公司資產波動率asset。建立如下初始模型

cst=α0+α1indext+α2intrastockt+β1rft+β2slopet+β3levt+β4assett

(1)

第二步，在第一步初始模型的基礎上加入利率風險和信用風險的交互項，檢驗模型的解釋能力是否增強。建立如下模型

cst=α0+α1indext+α2intrastockt+β1rft+β2slopet+β3levt+β4assett+γ1rft*levt+γ2rft*assett+γ3slopet*levt+γ4slopet*assett+ε

(2)

第三步，在初始模型中加入流動性風險因素，觀測模型解釋能力的變化，以及流動性風險是否顯著作用于信用價差。在第一步的基礎上，增加換手率tyr，建立如下模型

cst=α0+α1indext+α2intrastockt+β1rft+β2slopet+β3levt+β4assett+β5tyrt+ε

(3)

第四步，在初始模型中加入流動性因素并增加利率風險和信用風險的交互項，與結構化模型結果進行比較，分析在加入流動性風險因素的后，之前顯著的交互項是否仍然顯著作用于信用價差。在第三步的基礎上，加入交互項，建立如下模型

cst=α0+α1indext+α2intrastockt+β1rft+β2slopet+β3levt+β4assett+β5tyrt+γ1rft*levt+γ2rft*assett+γ3slopet*levt+γ4slopet*assett

(4)

表1 樣本債券基本信息表

分別用z1、z2、z3和z4表示利率風險和信用風險的交互項，令

z1=rf*lev

z2=rf*asset

z3=slope*lev

z4=slope*asset

三、實證研究

(一)面板數據描述性統計分析

本文對選取的面板數據進行描述性統計分析如表3所示。

從總體上看，信用價差均值為1.574 2，標準差為1.457 9，最大值為8.975 4，和最小值-1.973 1差距還是很大的；偏度為1.150 0，峰度為5.975 6，呈右偏的尖峰厚尾形態。從發行期限上看，短期信用價差比中期要高，波動也相對劇烈；信用價差最高值存在于短期債券中，最低值存在于中期債券中；短期和中期債券的信用價差都是呈尖峰厚尾形態。從信用等級上看，AAA級包含的公司債券最多，但由于其信用價差最大值并不高，同時總體信用價差最低值也包含在其中，導致AAA級債券信用價差遠低于AA+級和AA級債券；AA+級債券信用價差波動較為劇烈，AAA級和AA級債券波動率較一致；AAA級債券和AA+級債券均呈右偏的尖峰厚尾形態，而AA級債券雖然也呈右偏狀態，但其峰度值并不高，其分布將會有一個比正態分布更短的尾巴。從所屬行業上看，制造業公司債券信用價差比其他行業更高，總體信用價差最高值和最低值均存在于制造業債券中；采礦業和制造業信用價差的各項數據較一致，波動也比電力等行業和建筑業更劇烈；所有行業債券信用價差均呈右偏的尖峰厚尾形態。

表2 不同類別債券數量

表3 公司債面板數據信用價差描述性統計

(二)總體面板數據信用價差回歸分析

通過對各債券進行時間序列分析可得，對信用價差(cs)、無風險利率(rf)、公司杠桿比率(lev)、和無風險利率和公司杠桿比率的交互項(z1)進行差分可使序列不存在單位根。因此在面板數據變量分析中，也使用上述差分項。利用可行廣義最小二乘法對總體面板數據的信用價差影響因素進行回歸，分析結果如表4所示。

從表4可以看出，系統性風險對信用價差的影響不顯著，這可能是由于本文采用股票綜合指數(Index)和股票市場波動率(Intrastock)來反映宏觀經濟的市場風險，由于中國債券市場交易相對不活躍，導致股票市場與債券市場聯動效應較弱，使得股票綜合指數和股票市場波動率不能反映公司債券總體信用價差的變化。反映宏觀經濟的信息可能已經包含在利率風險因素的利率期限結構斜率中。

利率風險與信用價差顯著負相關，與預期一致。利率期限結構斜率(Slope)增大，投資者預期未來利率水平會上升，同時無風險利率(D.rf)增大，投資者傾向于買入利率產品，減少對公司債券的購買，因而導致公司債券信用風險降低，信用價差減小。未加入交互項時，無論是否包含流動性因素，利率期限結構斜率(Slope)對信用價差的影響不顯著；在加入交互項后，其顯著作用于信用價差。反映信用風險的公司杠桿比率(D5.lev)與信用價差正相關，而公司資產波動率(Asset)與信用價差顯著負相關。公司杠桿比率通過公司資產負債率進行衡量，在回歸中對信用價差影響并不顯著。當全部資本利潤率低于借入資本的利息率時，公司價值低于負債價值，杠桿比率越高，信用價差越大，這與Merton模型提出的結論一致，而這種公司價值低于負債價值使杠桿比率大于1出現的概率是非常低的。這里的公司資產波動率對信用價差的影響很顯著，但與預期不一致的是，當公司資產波動率增加時，信用價差減小。

表4 公司債總體面板數據信用價差影響因素分析結果

注：*、**、***分別代表通過顯著性水平為10%、5%和1%的統計檢驗。

流動性風險因素與信用價差負相關，與預期一致。當換手率增加時，債券的流動性增強，投資者需求的流動性風險補償就越少，債券價格降低，信用價差減小。對模型(1)加入流動性因素的回歸結果顯示，總體上流動性風險對信用價差的影響并不顯著，因此模型的解釋能力與初始模型相當，幾乎沒有變化。而在對其加入交互項進行回歸分析后，流動性風險對信用價差的影響起到了顯著的負相關作用，與交互項合力提高了模型的解釋能力。

在對初始模型加入利率風險與信用風險交互項進行回歸分析后，模型的解釋能力有所提高，其中利率期限結構斜率和公司杠桿比率的交互項(z3)與信用價差呈顯著的正相關關系，表明利率風險和信用風險的交互作用能夠增加債券的信用價差。無論是模型(1)，還是加入流動性因素后的模型(3)，在對它們加入交互項進行回歸后，模型的解釋能力均有提高，且交互項系數均為正。這表明與預期一致，利率風險和信用風險的交互作用能顯著增加信用價差。

很多學者把信用價差分解為違約價差和剩余價差，違約價差對應預期違約損失，剩余價差對應非預期違約損失。實際信用價差與預期違約損失之間的差距被認為是由于非預期違約損失的存在。模型(1)—(4)的解釋能力偏高，均在90%以上，原因可能是模型所選指標中已包含部分非預期違約風險。加入交互項后解釋能力有所提高但并不明顯，因此只能認為可能成為“信用價差之謎”產生的原因，其確定性有待進一步研究。

表5 公司債期限面板數據信用價差影響因素分析結果

注：*、**、***分別代表通過顯著性水平為10%、5%和1%的統計檢驗。

(三)期限面板數據信用價差回歸分析

與總體面板數據處理方式相同，對公司債券期限面板數據信用價差影響因素進行回歸分析，結果如表5所示。

從表5可以看出，短期面板數據和中期面板數據的回歸結果同總體面板分析基本一致。進一步地，在分別分析短期面板和中期面板后發現，流動性指標對信用價差的影響顯著。短期公司債券的流動性因素與信用價差負相關，和預期一致，而中期公司債券的流動性因素與信用價差呈正相關關系，這是由于發行期限較長的債券隨著在市場上存在的時間延長，交易頻率可能會逐漸降低，其交易的可能性也更小。期限較長的債券流動性增加，可能存在虛假成交的情況，使得債券信用風險增大，從而信用價差增大。

分別對模型(1)和模型(3)加入交互項后，短期和中期債券的模型解釋能力均有所提高。除了利率期限結構斜率和公司杠桿比率交互項(z3)對信用價差起到顯著的正向作用之外，短期模型中無風險利率和公司資產波動率交互項(z2)以及利率期限結構斜率與信用價差顯著正相關，公司資產波動率交互項(z4)與信用價差顯著負相關；長期模型中無風險利率和公司資產波動率交互項(z2)對信用價差有顯著負向作用。這表明利率風險和信用風險的交互確實對信用價差具有顯著的影響作用，不同利率風險變量和信用風險的變量的交互能夠增加或降低信用價差。

短期模型的解釋能力高于中期模型。短期債券模型中系統性風險系數和流動性風險系數均低于中期債券模型，而利率風險系數、信用風險系數以及交互項系數均高于中期債券，中期債券只有利率期限結構斜率和公司杠桿比率交互項(z3)的系數高于短期債券。這表明短期債券的利率風險因素、信用風險因素以及二者的交互作用對信用價差的影響作用比中期債券更大。

(四)信用等級面板數據信用價差回歸分析

對信用等級面板數據的信用價差影響因素進行回歸分析得出表6。

從表6可以看出，和總體面板回歸分析結果基本一致的是，AAA級和AA+級面板數據中無風險利率(D.rf)、利率期限結構斜率(Slope)、公司資產波動率(Asset)和利率期限結構斜率與公司杠桿比率交互項(z3)對信用價差均有顯著的影響作用，且系數符號也與總體面板回歸結果一致。AA級債券面板回歸結果較為不同，無風險利率并不是顯著影響信用價差的風險因素，且利率期限結構斜率也只有在加入交互項時才對信用價差有顯著的影響。這表明對于較低等級的公司債券，利率風險對信用價差的影響作用并不大。

除了與總體面板數據回歸相一致的結果之外，AAA級債券數據中無風險利率與公司資產波動率交互項(z2)和利率期限結構斜率與公司杠桿比率交互項(z3v)對信用價差的顯著正向作用，可以看出利率風險和信用風險的交互作用能夠增加信用價差。在加入流動性因素后，各變量系數符號不變，且之前顯著的交互項在加入流動性因素后仍顯著，流動性的增加能夠顯著減少信用價差。無論是否加入流動性因素，利率風險和信用風險的交互確實對信用價差具有顯著的影響。

AA+級債券信用價差受股票綜合指數(Index)顯著影響，股票綜合指數的增加反映出宏觀經濟向好，投資者預期公司未來發生違約的概率降低，從而引起信用價差減小。然而，流動性風險并不顯著，AA+級公司債券信用價差主要受系統性風險、利率風險、信用風險以及無風險利率和公司杠桿比率交互項(z3)的顯著影響。

AA級債券的初始模型中，信用價差主要受信用風險影響。在加入交互項后，與其他等級債券不同的是，利率期限結構斜率(Slope)與信用價差顯著正相關，這與預期不一致，可能的原因是，本文選取的AA級包含的債券過少，僅有兩支，不足以代表全部AA級債券。更進一步地，無風險利率和公司杠桿比率交互項(D.z1)和無風險利率和公司資產波動率交互項(z2)的系數為正，能夠顯著增加信用價差；利率期限結構斜率和公司杠桿比率交互項(z3)系數為負，能夠顯著降低信用價差，表明不同利率風險變量和信用風險變量的交互對信用價差有著不同方向的影響作用。在加入流動性因素后，流動性風險同信用風險以及利率風險和信用風險的交互項合力顯著作用于信用價差。結合加入流動性因素前后的交互項的系數表現，認為利率風險與信用風險的交互作用顯著增加了信用價差。

表6 公司債信用等級面板數據信用價差影響因素分析結果

注：*、**、***分別代表通過顯著性水平為10%、5%和1%的統計檢驗，R2(未加交互項)分別代表與模型(2)、模型(4)對應的不加交互項的模型(1)、模型(3)的模型解釋能力。

高信用等級公司債券的模型解釋能力弱于低信用等級公司債券。在加入交互項后，各級公司債券模型的解釋能力均有所提高，且利率風險和信用風險的交互均顯著增加了信用價差。高信用等級的公司債券信用價差主要受利率風險、信用風險以及二者的交互作用影響，低信用等級公司債券的信用價差主要受信用風險以及利率風險與信用風險的交互作用影響。

(五)行業面板數據信用價差回歸分析

對行業面板數據的信用價差影響因素進行回歸分析得出表7。

從表7可以看出，系統性風險只有在加入交互項時對采礦業信用價差作用顯著，在系統性風險中對信用價差起著顯著作用的只有股票綜合指數(Index) ，且系數為負，與預期一致。和在AA+債券數據中分析的一樣，股票綜合指數的增加引起信用價差的減小。對于其它三種行業公司債券，系統性風險并沒有表現出顯著作用，其原因可能是反映宏觀經濟的信息已經包含在利率期限結構斜率中。

表7 公司債行業面板數據信用價差影響因素分析結果

注：*、**、***分別代表通過顯著性水平為10%、5%和1%的統計檢驗，R2(未加交互項)分別代表與模型(2)、模型(4)對應的不加交互項的模型(1)、模型(2)的模型解釋能力，電力等代表電力、熱力、燃氣及水生產和供應業。

從各顯著變量可以看出，四種行業的公司債券利率風險與信用價差顯著負相關，與預期一致。采礦業面板數據中對信用價差起顯著作用的利率風險變量為利率期限結構斜率(Slope)，電力、熱力、燃氣及水生產和供應業面板數據中對信用價差起顯著作用的利率風險變量為無風險利率(D.rf)，建筑業和制造業公司債券面板數據在初始模型中受到無風險利率的顯著影響，在加入交互項之后，兩種利率風險指標均與信用價差顯著負相關。

各行業公司債券的信用風險主要體現在公司資產波動率(Asset)上，且均與信用價差負相關；公司杠桿比率(D5.lev)只有在加入交互項后對采礦業債券信用價差影響顯著，對其它三種行業債券均不顯著。盡管如此，各行業信用風險指標系數正負情況均與總體面板分析結果相同，公司杠桿比率越高，信用價差越大；公司資產波動率越大，公司價值不確定性越強，信用價差越小。

各行業公司債券數據中只有制造業在對初始模型加入流動性因素時，顯示流動性風險顯著負作用于信用價差，而在對其加入利率風險與信用風險交互項后，流動性風險的顯著作用消失。由此可知，流動性風險對四種行業公司債券信用價差的影響作用很弱，模型的解釋能力幾乎沒有變化。這可能是由于本文選取的流動性風險指標并不足以反映各行業信用價差的變化，應該存在其他的流動性風險因素對信用價差起到顯著的影響作用。

在對初始模型加入利率風險與信用風險交互項進行回歸分析后，各行業模型的解釋能力均有所提高。采礦業面板數據中無風險利率和公司杠桿比率的交互項(D.z1)與信用價差顯著負相關，利率期限結構斜率和公司杠桿比率的交互項(z3)與信用價差顯著正相關。電力、熱力、燃氣及水生產和供應業以及建筑業面板數據中無風險利率與公司資產波動率的交互項(z2)以及利率期限結構斜率和公司杠桿比率的交互項(z3)均顯著作用于信用價差，但在兩種行業數據中的系數正負不同，表明不同利率風險和信用風險的交互項對于這兩種行業信用價差的影響作用不同。制造業面板數據中只有無風險利率與公司資產波動率的交互項(z2)能顯著增加信用價差。對四種行業初始模型加入流動性因素進行驗證時發現，利率風險、信用風險以及二者交互項對信用價差的影響作用沒有發生變化，這表明利率風險和信用風險的交互作用確實對信用價差具有顯著的影響作用，且不同利率風險變量和信用風險的交互的影響作用不同。

采礦業信用價差模型解釋能力最強，電力、熱力、燃氣及水產業和供應業的信用價差模型解釋能力最弱。

四、結論

本文選取2014年3月—2016年3月中國公司債券的月面板數據，利用利率風險、信用風險以及二者的交互作用，從發行期限、信用等級和所屬行業等角度對信用價差的影響因素進行分析，并加入流動性風險因素與結構化模型實證結果相比較，得出較穩定的結果。

利率風險與信用風險的交互作用能顯著影響中國公司債券的信用價差。總體而言，交互作用中對信用價差影響顯著的以利率期限結構斜率與公司杠桿比率的交互為主，且與信用價差正相關；而對于不同期限、信用等級和行業，能夠顯著影響信用價差的交互項并不相同，且作用方向不同，不同利率風險變量和信用風險變量的交互能夠增加或減少信用價差。在總體分析的基礎上，可得出如下結論。

(1)從發行期限看，短期公司債券的無風險利率與公司資產波動率的交互也能夠增加信用價差，利率期限結構斜率與公司資產波動率的交互能夠減少信用價差，而中期公司債券的無風險利率與公司資產波動率的交互則減少信用價差。短期公司債券模型解釋能力高于中期模型，且利率風險和信用風險的交互作用對信用價差的影響作用高于中期債券。

(2)從信用等級看，無風險利率與公司資產波動率的交互能夠增加AAA級和AA級公司債券的信用價差，同時無風險利率與公司杠桿比率的交互也能增加AA級債券。高信用等級公司債券模型解釋能力弱于低信用等級公司債券，但其利率風險與信用風險的交互項對信用價差的影響作用高于低信用等級公司債券。

(3)從所屬行業看，無風險利率與公司資產波動率的交互能夠增加采礦業和建筑業的信用價差，減少電力、熱力、燃氣及水生產和供應業以及制造業的信用價差，另外無風險利率與公司杠桿比率的交互也能增加采礦業的信用價差。所有行業中采礦業公司債券模型解釋能力最高，電力、熱力、燃氣及水生產和供應業模型解釋能力最低。

由于在加入交互項之前模型解釋能力已經很高，加入交互項后，模型的解釋能力有所提高但并不明顯，因此只能認為利率風險與信用風險的交互作用可能成為“信用價差之謎”現象的原因，其確定性有待進一步研究。同時，利用風險交互作用來研究信用價差影響因素的方法為解釋“信用價差之謎”提供了新思路。

本文的實證結果為我國公司債券信用價差影響因素的研究方法做補充，對債券的風險管理也有一定的啟示意義，有助于從多方面多角度進行債券投資分析。債券定價模型以及債券評價指標體系的建立應考慮到利率風險與信用風險之間的交互作用。在實際操作中，投資者可以利用利率風險與信用風險之間的交互關系，從債券期限、信用等級和所屬行業，同時與政策導向等因素相結合，從而做出更理性客觀的投資決策。

[1]Collin D P, Goldstein R, Martin S．Determinants of Credit Spread Changes [J]. Journal of Finance,2001,56(6):2177-2208．

[2]Longstaff F, Schwarts E. A Simple Approach to Valuing Risky Fixed and Floating Rate Debt [J]. Journal of Finance,1995,50(3):789-819.

[3]Yap C J, Gannon G. Factors Affecting the Credit Spreads Behavior of USD Malaysian Bonds[R]. Australia: AFBC Working Paper,2007.

[4]Huang J, Huang M. How Much of the Corporate-Treasury Yield Spread is Due To Credit Risk? A New Calibration Approach [R]. United States: FEA Working Paper, 2003.

[5]Longstaff F, Schwartz E. Corporate Yield Spreads: Default Risk or Liquidity? New Evidence from the Credit Default Awap Mark [J]. Journal of Finance, 2005, 60 (5): 2213-2253.

[6]Dionne G, Gauthier G, Hammami K, et al. Default Risk in Corporate Yield Spread [J]. Financial Manangement, 2010, 39(2):707-731.

[7]劉國光, 王慧敏. 公司債券信用價差和國債收益率動態關系研究 [J]. 山西財經大學學報, 2005,27(5):117-122.

[8]張燃, 信用價差變化的決定因素[J]. 當代財經, 2008(9):62-67.

[9]Chance D M. Default Risk and the Duration of Zero Coupon Bonds [J]. Journal of Finance, 1990,45(1):265-274.

[10]Barnhill T M, Maxwell W F. Modeling Correlated Market and Credit Risk in Fixed Income Portfolios [J]. Journal of Banking and Finance, 2002, 26 (2):347-374.

[11]謝云山 信用風險與利率風險的相關性分析——利率市場化下商業銀行的新型風險管理模式[J]. 國際金融研究, 2004(10):51-60.

[12]Chen R, Chen X, Wu L. Dynamic Interactions between Interest-Rate and Credit Risk: Theory and Evidence on the Credit Default Swap Term Structure [J]. Review of Finance, 2013,17(1): 403-441.

[13]Gabbi G P, Sironi A. Which Factors Affect Corporate Bonds Pricing? Empirical Evidence from Eurobonds Primary Market Spreads [J]. Ssrn Electronic Journal, 2002,11(1):59-74.

[14]Duffee G R. The Relation Between Treasury Yields and Corporate Bond Yield Spreads[J]. Journal of Finance, 1998, 53(6):2225-2241.

[15]Pedrosa M, Roll R. Systematic Risk in Corporate Bond Credit Spreads [J]. The Journal of Fixed Income, 2009,8(8):7-26.

[16]王安興,謝文增,余文龍. 中國公司債利差的構成及影響因素實證分析[J]. 管理科學學報,2012,15(5):32-41.

[17]Glesecke K, Longstaff F A, Schaefer S, et al. Corporate Bond Default Risk: A 150-year Perspective [J]. Journal of Financial Economics, 2011,102 (2)：233-250.

[18]Litterman R B, Scheinkman J. Common Factors Affecting Bond Returns [J]. The Journal of Fixed Income, 1991,1(1):54-61.

[19]Chen R R, Scott L. Maximum Likelihood Estimation for A multifactor Equilibrium Model of the Term Structure of Interest Rates [J]. The Journal of Fixed Income, 1993,3(3): 14-31.

[20]Campbell J, Taksler G. Equity Volatility and Corporate Bond Yields [J]. Journal of Finance, 2003,58(6):2321-2349.

[21]張雪茹, 孫雪晴. 信用價差影響因素的宏觀視角分析 [J]. 現代商貿工業, 2010,22(23):226-227.

[22]Chen L, Lemond D A, Wei J. Corporate Yield Spreads and Bond Liquidity [J]. Journal of Finance, 2007, 62(1):119-149.

[23]余暉, 胡玥. 關于銀行間債券市場流動性問題的探討 [J]. 中國貨幣市場, 2002(12). 58-59.

責任編輯 王麗英

Interaction Effect of Bond’s Interest Rate Risks and Credit Risks on Credit Spread

LU Cai-mei, SU Dan-hua

(School of Economics and Management, Shanxi University, Taiyuan 030006, China)

Researchers have explored determinants of credit spread to find causes of the “credit spread puzzle”. Bond’s credit spread is influenced by interest rate and credit risk. However, few papers study the determinants of credit spread from the interaction of them. We analyze panel data of China’s corporate bonds from March 2014 to March 2016, investigate the determinants of credit spread from the interaction between interest rate and credit risk, use the method of multiple regression to discuss the credit spread from term, credit rating and industry respectively, and add the factor of liquidity risk compared with the structure model to acquire stable results. We find that the interaction of interest rate and credit risk has a significant effect on credit spread of China’s corporate bonds. The empirical results provide a new method for research of credit spread and explanation of “credit spread puzzle”.

corporate bond; credit spread; interest rate; credit risk; interaction

2016-08-27

山西省高等學校人文社會科學重點研究基金項目(2016305)；山西省高校領軍人才工程項目(2015052010)。

蘆彩梅，女，山西大學經濟與管理學院副教授，博士，主要從事中小企業投融資、金融工程與風險管理研究；蘇丹華，女，山西大學經濟與管理學院碩士生，主要從事金融工程與風險管理研究。

F812.5

A

1005-1007(2016)12-0097-14