綠色債券不同指數與經濟變量之間關系分析

(廣州大學經濟與統計學院 廣東 廣州 510006)

一、引言

根據已有的文獻資料，對于中國債券指數與宏觀經濟變量之間關系分析的研究不多，張永民(2008)對債券指數與股票指數、人民幣對美元匯率、CPI等宏觀經濟變量之間進行了相關性分析，得到匯改之后，債券指數與CPI有著顯著的相關關系。顧連書等(2008)考察了不同期限的債券指數與宏觀經濟變量之間的相關關系，得到債券指數與經濟變量CPI的相關關系最強，不同期限的債券指數與CPI的相關性都很高，而且呈負相關。

以上的研究均是圍繞債券指數進行分析，因為中國綠色債券指數公布不久，所以關于綠色債券指數的相關分析研究非常少，本文就中債-中國綠色債券指數(以下簡稱“中-綠色債券指數”)、中債-中國綠色債券精選指數(以下簡稱“中-綠色債券精選指數”)、中債-中國綠色債券全價指數(以下簡稱“中-綠色債券全價指數”)、中債-中國綠色債券精選全價指數(以下簡稱“中-綠色債券精選全價指數”)、中債-中國綠色債券凈價指數(以下簡稱“中-綠色債券凈價指數”)與中債-中國綠色債券精選凈價指數(以下簡稱“中-綠色債券精選凈價指數”)等六種不同的指數，與多個宏觀經濟變量之間進行相關性分析及回歸分析，試圖分析得到六種指數與宏觀經濟變量存在怎樣的相關關系及回歸關系，而且試圖得到六種指數中的哪一個指數更適合與宏觀經濟變量之間進行分析。

二、綠色債券不同指數的比較

本文的研究數據為中央國債登記結算有限責任公司發布的中-綠色債券指數、中-綠色債券精選指數、中-綠色債券全價指數、中-綠色債券精選全價指數、中-綠色債券凈價指數與中-綠色債券精選凈價指數，所取樣本數據時間區間為2010年1月1日-2018年9月30日，每種綠色債券指數均有2189個日數據，由于一般宏觀經濟變量的數據是以月為單位，因此本文對六種綠色債券指數的日數據計算月度平均數作為相應的綠色債券指數的月度數據，每種綠色債券指數得到105個月度數據，從而保持與宏觀經濟變量數據的可比性。下面的Index1代表中-綠色債券指數、Index2代表中-綠色債券精選指數、Index3代表中-綠色債券全價指數、Index4代表中-綠色債券精選全價指數、Index5代表中-綠色債券凈價指數與Index6代表中-綠色債券精選凈價指數，六種綠色債券指數的走勢如圖1所示：

圖1 六種綠色債券指數月度數據的走勢

從圖1中可以看到，中-綠色債券(全價、凈價)指數與中-綠色債券精選(全價、凈價)指數走勢非常接近，了解到綠色債券指數在編制時，依據公開披露的債券募集資金投向以及發行人所處行業、主營業務、主要產品等信息要素判斷，凡滿足上述四項綠色債券標準之一的，即納入中-綠色債券指數樣本券，對同時滿足四項標準的，即納入中-綠色債券精選指數樣本券，因此可以得出，滿足四項標準之一的債券，大部分均滿足四項標準，即有時處理數據或數據分析，可用中-綠色債券精選指數代表中-綠色債券指數。

結合圖1和表1可以看到，Index與Index2的走勢比Index3與Inedx4的走勢大且方差大，Index3與Index4的走勢比Index5與Inedx6的走勢大且方差大，這是因為前兩種指數是以債券全價計算的指數值，并且考慮了付息日利息再投資因素，在樣本券付息時利息再投資計入指數之中；中間兩種指數是以債券全價計算的指數值，但債券付息后利息不再計入指數之中；后兩種指數是以債券凈價計算的指數值，不考慮應計利息和利息再投資。同時因為隨著時間的變化，指數中包含的債券越來越多，因此Index1與Index2偏離Index5與Index6越來越大。六種綠色債券指數的描述性統計量如表1所示：

表1 六種綠色債券指數的描述性統計量

三、綠色債券不同指數與經濟變量的相關性分析

本文選擇以下宏觀經濟變量，考察其與綠色債券指數的相關關系，CPI為居民消費價格指數(數據來源：國家統計局網站)，可衡量通貨膨脹水平，代表貨幣價值的物價指數；PPI為工業品出廠價格指數(數據來源：國家統計局網站)，是從生產者立場衡量物價指數；Shibor表示上海銀行間拆借7天利率(數據來源：SHIBOR-上海銀行間拆放利率官網)，代表市場利率因素；Stock表示上證綜合指數(數據來源：同花順軟件)，代表債券投資替代品的因素；Reer表示國際清算銀行根據貿易權數計算的人民幣實際有效匯率指數(數據來源：國際清算銀行)，ExUSD表示人民幣對美元的匯率(數據來源：同花順軟件)，它們代表國際匯率的因素；M2為貨幣供應量(數據來源：國家統計局網站)，Depoist為《金融機構人民幣信貸收支表》中的各項存款總和，PI表示為《金融機構人民幣信貸收支表》中的有價證券投資(數據來源：中國人民銀行網站)，它們可衡量市場上用于債券投資的資金面情況。以上所獲得的數據中，Shibor為日數據，因此本文對Shibor的日數據計算月度平均數作為其月度數據。

(一)不同綠色債券指數之間的相關性分析

當宏觀經濟變量發生變化時，六種不同的綠色債券指數的變化幅度不完全相同，但它們之間明顯存在很強相關性，下面用相關系數對它們量化它們之間的關系。

表2 六種綠色債券指數之間的相關系數

由表2中可以看出，Index3、Index4分別于其他5種指數的相關系數均值0.700以上，Index3代表中-綠色債券全價指數、Index4代表中-綠色債券精選全價指數，二者均是以債券全價計算但債券付息后利息不再計入的指數值。

(二)不同綠色債券指數與宏觀經濟變量的相關性分析

在對不同綠色債券指數之間的相關性進行分析后，因為債券市場的特殊性質，綠色債券指數與各個宏觀經濟變量存在密切的關系，下面考察六種綠色債券指數分別與CPI、PPI、Shibor、Stock、Reer、ExUSD、M2、Depoist、PI的相關關系。

表3 六種綠色債券指數與各宏觀經濟變量的相關系數

從表3中可以看出，首先，Index5、Index6兩種指數與宏觀經濟變量的相關關系均很弱。

其次，Depoist與前四種綠色債券指數的相關關系最強，Depoist為金融機構的各項存款總和，說明金融機構的存款增加時，金融機構對債券市場的投資也會相應增多。

再次，M2、PI與前四種綠色債券指數的相關程度也較高，M2為貨幣供應量，說明貨幣供應量增加，可以促進生產，扶持物價水平，并且人們為了平衡收益率、風險、流動性等，從而對債券的需求增加；PI為金融機構對有價證券的投資，衡量市場上用于債券投資的資金面情況，金融機構投資有價證券中，對債券的投資比重較大，說明用于債券投資的資金面較充裕。

以上三個宏觀經濟指標都是衡量市場上用于債券投資的資金面情況，由此說明，市場的資金充裕程度對債券的投資有著很強的作用。

另外，考察宏觀變量與綠色債券指數的負相關情況，CPI與前四種綠色債券指數的相關程度最高，CPI為居民消費價格指數，衡量通貨膨脹水平，這說明通貨膨脹水平越高，原來發行債券的實際收益率就越低，債券的價格也就越低。

最后，可以看出，總體來說，Index1、Index2、Index3、Index4與大多數宏觀經濟變量的相關程度相對較高。

四、構建綠色債券指數與經濟變量的回歸模型

為了選擇綠色債券指數與宏觀經濟變量進行回歸分析，根據不同綠色債券指數與宏觀經濟變量的相關性分析，故選擇Index1、Index2、Index3、Index4，進一步根據不同綠色債券指數之間的相關性分析，故選擇Index3、Index4，再進一步進行選擇，選擇Index3。下面構建Index3(中-綠色債券全價指數)與宏觀經濟變量的回歸模型。本文使用R軟件對模型進行建立。

(一)顯著性檢驗

在R中，以y表示Index3(中-綠色債券全價指數)，為因變量；以x1-x9分別表示為CPI、PPI、Shibor、Stock、Reer、ExUSD、M2、Depoist、PI，為自變量，建立回歸方程。

圖2 回歸系數

從回歸方程可以看到，x1，x4，x5，x8(CPI、Stock、Reer、Depoist)對中-綠色債券全價指數y起正影響，x2，x3，x6，x7，x9(PPI、Shibor、ExUSD、M2、PI)對中-綠色債券全價指數y起負影響，這與定性分析的情況不完全一樣，可能自變量之間存在相關關系。

圖3 顯著性的診斷

由圖2可以看到，R2為0.8566 ，P值<2.2e-16≈0.001,由此可知此回歸方程顯著，說明x1-x9整體上對y有著顯著的線性影響。但也看到自變量x1，x3，x4，x5，x7沒有通過顯著性檢驗，需進一步進行自變量篩選。

(二)多重共線性的診斷及自變量篩選

對回歸模型進行多重共線性診斷：

圖4 方差擴大因子

根據，各變量的方差擴大因子情況，結合定性分析、顯著性診斷，本文最終選擇自變量x2、x4、x6、x9與y進行回歸模型建立，同時對變量進行取對數處理，此時：

圖5 回歸系數

圖6 顯著性診斷

由圖5可以看出， x4，x9對中-綠色債券全價指數y起正影響，x2，x6對中-綠色債券全價指數y起負影響，這與定性分析的情況一致。由圖6可以看到，R2為0.836 ，P值<2.2e-16≈0.001,由此可知此回歸方程顯著，說明x2、x4、x6、x9整體上對y有著顯著的線性影響。同時，4個自變量的方差擴大因子分別為2.030725、1.484171、2.289502、1.433799，均小于10，可認為不存在多重共線性。此時回歸方程為：

由此可知，當PPI上升1個百分點時，中-綠色債券全價指數會相應下降0.73239個百分點；當上證綜合指數上升1個百分點時，中-綠色債券全價指數會相應上升0.03760個百分點；當人民幣對美元的匯率上升1個百分點時，中-綠色債券全價指數會相應下降0.64674個百分點；當金融機構對有價證券投資增加1個百分點時，中-綠色債券全價指數會相應上升0.02257個百分點。

五、結論與展望

通過以上相關分析，可以得出綠色債券指數與宏觀經濟變量之間有較強的相關關系，CPI、PPI、銀行同業拆借利率、人民幣對美元匯率的上升會導致綠色債券指數的下降，降低綠色債券市場的活躍度；上證綜合指數與綠色債券指數的相關關系為正，在一定程度上否認了“股強債弱，債強股弱”的經驗結論，即綠色債券可以與股市同強同弱；貨幣供應量、金融機構存款、金融機構對有價證券的投資的增加，均會增加綠色債券市場的活躍度；引起導致綠色債券指數的上升。通過以上回歸分析，可以得到，綠色債券指數與PPI之間有著高度相關，且是負相關。對此展望，能否參考綠色債券指數，構建一個新能源行業生產價格指數，來衡量新能源行業產品出廠價格變動趨勢和變動程度。

在人民幣2005年進行匯率改革之后，從國際清算銀行公布的根據貿易權數計算的人民幣實際有效匯率與綠色債券指數來看，的確存在較高的正相關關系。

其實有時經驗的證據不一定可靠，所以編制綠色債券指數的相關機構需要加強綠色債券指數編制與研究工作，讓綠色債券指數的編制更加科學，從而能夠讓綠色債券指數成為該市場行情與定價的基準，這樣可以進一步豐富市場，推出綠色債券指數相關衍生品(例如新能源行業產品)等。