中國信用價差與經濟周期關聯性研究

姜弘 梁朝暉 趙宏

摘 要：通過構建馬爾科夫區制轉換模型，研究2014年中國出現的實質性債券違約以來信用價差特征。研究發現：信用債利差明顯存在兩個區制，2014年上半年和2016年4月后，信用價差增加，波動加大，與其余時段呈現為另一區制，說明信用債打破剛性兌付以來，中國債券市場進入一種新的風險溢價模式。同時，信用價差與利率期限結構及股指相關性顯示，信用價差變化與經濟周期波動密切相關，中國信用債市場逐漸能夠反映經濟周期信用風險溢價。

關鍵詞： 馬爾科夫; 區制轉換; 信用價差; 經濟周期

中圖分類號：F830文獻標識碼： A文章編號：1003-7217（2020）01-0026-08

一、引 言

中國金融市場中信用債存量規模巨大。根據Wind資訊統計，中國信用債存量規模2005年底僅為0.3萬億元，2015年底突破13.5萬億元，年均復合增長率為46%，2016年進入發行高峰期，年發行規模高達8.68萬億元，2017年受金融去杠桿、市場利率走高等因素影響，信用債發行增速放緩，年發行規模為8.31萬億元，截至2018年底，中國信用債累計存量已接近30萬億元。2014年以前，中國信用債市場沒有發生過實質性違約事件，長期以來始終是剛性兌付，市場信用風險沒有得到充分反映，而2014年3月，上海超日太陽能科技股份有限公司“超日債違約”成為中國公募債券違約的歷史先例和標志性事件。據官方統計，從2014年“超日債違約”開始至2016年底，債券市場實質性違約債券共79只，違約金額共計403億元，增速明顯。截至2018年底，違約債券共194只，歷史累計違約1850億元，數目相當可觀。從這些年實質性違約債券發債主體看，有從中小企業向大型民企發展，并蔓延一些地方國企和央企的趨勢。隨著2016年剛性兌付被動搖和打破，不僅債券市場違約事件增多，違約也漸從交易所向銀行間傳導，導致商業銀行信用風險加大，根據銀監會公布數據，截至2018年底，中國商業銀行不良貸款余額為2萬億元，不良貸款率已升至1.89%。

2013年9月國債期貨合約在中國金融期貨交易所正式上市交易，但2014年上半年便發生了首只公募債實質性違約，這導致市場信用環境與違約預期發生了根本變化。2016年開始，隨著中國宏觀經濟進入新常態，信用債券市場進入一種新的風險溢價模式，債券違約進入加速爆發期，信用風險的暴露意味著剛兌被動搖。2017年市場維穩、產能過剩，行業盈利和融資環境有好轉，但2018年金融去杠桿引發信用收縮，違約數量又激增，一年內新增實質違約發行人41家，違約債券110只，居然達到了歷史累計違約總量的60%，因此，中國急需對信用債的定價、違約率與宏觀經濟狀況及周期相關性和風險管理進行重新評估。

風險債券定價是公司金融及信用投資者投資組合管理的核心問題。盡管中國2010年發行了類似于信用違約互換（Credit Default Swap，CDS）的可交易信用風險緩釋工具（Credit Rish Mitigation，CRM），但中國信用風險緩釋工具仍處于起步階段，監管體系不完善，傳統均衡定價模型也存在缺陷，市場交易始終清淡，取得數據研究價值不大，由于信用債信用價差CS（Credit Spreads）可以揭示市場信用違約的來源、集中度，以及違約相關性本質，也就代表了其違約風險，反映以此為參考資產的信用衍生品價格。信用價差是高于無風險利率的利差，用以向投資者補償參照資產違約風險。如信用債的信用價差就是信用債與同期無風險利率價差，包含著對信用風險、利率風險、和流動性風險的補償[1]。研究信用價差特征及其關聯影響對于信用產品的定價、交易和風險管理都至關重要，信用價差也能對信用事件、信用環境和經濟周期及時有效地反映。因此，本文將針對信用價差特征及其變化與經濟周期波動關系為核心進行實證研究，以期通過信用價差變化找到中國信用債市場的指向標，借以反映出經濟周期波動和市場風險變化。

二、文獻綜述

理論上看，債券市場存在信用風險導致信用價差存在，國外很多學者意識到宏觀經濟狀況、市場貨幣供應量對債券違約率的影響以及對評估信用風險和信用價差動態的重要性。經濟衰退將導致發債公司盈利能力和現金流減少，影響其償債能力;不考慮投資者風險偏好變化，其資產組合也會轉向低風險、高流動資產，這都會增加違約風險，擴大信用價差。經濟向好時則相反，信用價差也較小[1，2]。國外學者多用定量分析方法尋找信用違約發生的原因和時點：Black和Scholes（1973）利用結構模型分析公司違約的原因[3]，Merton（1974）提出將公司負債視為針對公司價值的看跌期權，利用期權分析法解釋違約發生點必然處于公司價值下跌到債券價值之下時[4]。后期有關學者的實證逐漸具體和廣泛，變量也從基于公司層面擴展到宏觀層面。基于公司層面的研究，Collin-Dufresne等（2001）利用利率、利率期限結構、標普500回報率、期權波動和財務杠桿率等分析變量，研究信用風險對債券信用價差影響[5];Aunon-Nerin等（2002）利用結構模型進行實證，在利率、利率期限結構斜率、杠桿率等指標之外加入了信用評級、公司資產價值、回報指數等信用因素[6]。基于宏觀層面的研究，Fama和French（1989）指出信用價差與商業周期相關，經濟狀況較弱時信用價差變大，經濟擴張時價差變小[7];Kwan（1996）發現投資級債券收益與其股票收益正相關[8];Schultz（2001）提出可以用不同國債收益率之差代表利率期限結構斜率，通過實證得出信用級別越低，利率與信用價差相關性越低的結論[9];Hull等（2004）和Blanco等（2005）都認為公司債券市場存在“信用利差之謎”，也即CDS價格不能完全由信用風險因素所解釋[10-12];Tang和Yan（2006）發現信用價差隨著經濟增長率波動而增加[13];Acharya等（2007）研究證明企業違約率與回收率隨著商業周期不同而變化，而且利率與債券信用價差也在不同商業周期下發生變化[14]。綜上國外研究發現，基于公司層面的變量和基于宏觀層面的變量都不同程度地影響著投資者預期和公司違約可能性，進而對信用價差產生影響。然而還有很多實證結果卻說明，有關模型的變量對信用價差變化解釋力不強，尤其那些高信用評級債券，這些微觀和宏觀因素對其信用價差解釋力更差，因此，有學者認為與信用風險無關的其他因素也影響信用價差，結構模型存在缺陷，如Huang和Ming（2012）指出傳統結構模型存在一定的問題，對于投資級及以上債券信用利差解釋存在較大誤差，即使在校準違約率及回收率之后也是如此[15]。現實也是如此，即便在美國，也存在信用價差超出預期違約損失，信用風險對信用價差解釋力不強的情況。筆者認為，在較波動經濟環境下，公司有很大可能性經歷戲劇性負增長，公司現金流更容易下滑，從而容易違約，信用價差變大。Okimoto和Takaoka（2016）發現一年期國債和A級信用債信用價差具有顯著的商業周期預測能力[16]。

近年來在中國市場也有對信用價差相關研究和實證分析。關于信用價差變化及特征，劉國光等（2005）認為信用價差與國債收益率的長、短期有不同關系[17];馮宗憲等（2009）對短中長三種期限企業債信用價差不同的波動特征進行對比[18]。對信用價差關聯影響和模型實證，李嵐等（2010）實證得出，由于結構模型沒有考慮宏觀經濟因素，其對中國公司債和中期票據信用價差解釋力不足30%[19];周榮喜（2011）指出不同期限企業債信用價差的宏觀經濟影響因素包括居民消費價格指數和國內生產總值變化率等[20];黃文濤（2012）認為信用利差和國債收益率在大多數情況下表現為相對穩定反向運行關系[21];宋球紅（2013）通過結構模型進行實證，對比不同信用級別企業債信用利差走勢，指出債券在二級市場流動性是導致變量及模型整體解釋力偏低的原因[22];王永欽等（2016）通過實證分解得出，中國整體違約風險在城投債收益率價差中得到有效定價，地方政府債務則存在普遍軟預算約束[23];宋秀慧等（2016）實證檢驗了宏觀變量、股票市場變量以及企業特征變量與信用價差之間的關系[24]。如果以貨幣政策來表征經濟周期狀況，謝宇（2013）研究了中期票據信用價差變動，認為宏觀層面因素解釋能力達20.69%，貨幣政策變動對信用利差影響尤其顯著[25];郭曄等（2016）發現貨幣政策對中長期企業債信用價差作用顯著[26];王雄元等（2017）認為大客戶對公司債發行定價具有風險效應，尤其在貨幣政策緊縮與經濟增長較慢時[27]。

由于國外債券市場較發達，學者對信用價差研究更為充分。近些年信用價差在國內也受學者關注，但由于中國尚未實現利率市場化，利率對市場的調節和反應能力并不特別明顯，因此，市場失真是存在的;另外中國債券發行和監管屬于不同部門，交易所市場與銀行間市場仍然存在分割，債券市場價格發現不充分，交易活動不活躍，品種和期限有一定不合理之處。因此，國內學者雖然通過實證發現了與信用價差有關的一些宏、微觀因素，但研究方法多借鑒國外，因背景數據差異其結論也存在不同，尤其關于信用價差擬合方法和模型缺乏創新，導致研究總體解釋力仍有不足。

中國市場在2014年發生了首例公募信用債實質性違約事件，市場對違約風險預期已經發生較大改變，理論和實際結合的違約風險研究必須提上日程。研究債券違約以來該信用衍生產品標的市場狀況，以此來揭示信用風險和信用價差階段性特征及其波動規律;同時，通過信用價差與利率期限結構及股指相關性實證，揭示信用價差變化與經濟周期波動關聯，通過信用債市場反映和預測經濟周期信用風險變化。

三、模型構建與數據分析

（一）模型與變量

1.模型構建。

國內外研究發現，當經濟時間序列受到政策變動、外界沖擊和商業周期波動影響時往往會明顯偏離其原有的歷史趨勢，傳統線性模型無法恰當地擬合這種偏離。1989年Hamilton發現，經濟時間序列受外界因素影響，呈現出內生的多個狀態變化，這種狀態變化是不可觀測的，并服從于離散的馬爾科夫（Markov）過程，因此，需要在時間序列中引入Markov區制轉換，并建立馬爾科夫區制轉換模型MS（Markov Regime Switching Model）來正確擬合數據在多個狀態下變化特征[28]。MS模型開始被應用于實證，包括經濟、金融等方面研究，諸如金融波動和風險溢出等方面研究，通過把一系列不可觀測的狀態變量引入模型，構造Markov狀態轉移概率和結構方程，通過分析Markov區制轉換，描述不同狀態之間轉變依據和特征。

首先，中國市場AAA、BBB、CCC和CC四個信用級別債券信用價差時間序列均存在非線性趨勢，顯然傳統線性時間序列模型已經不能恰當地擬合這種變化特征;其次，信用價差時間序列在不同時間段的非線性特征存在差異，傳統的線性模型無法對該時間序列進行描述。因此，適用于MS模型，不同于一般的線性模型，MS模型的變量系數、截距、均值等可以是隨著區制的變動而變化[29]。

考慮到經濟時間序列的非線性轉移，模型用區制表示時間序列不同狀態，以捕捉商業周期與信用價差在不同趨勢下的具體關系。一般化的MS模型表示如下：

Yt=βsk0+∑n1i=1βskiXi+∑n2j=1βskjXt-j+εsk （1）

其中：k為區制狀態個數，n1為外生變量個數，n2為自回歸滯后階數，其數值依據信息準則來判斷，sk為離散狀態下Markov隨機變量，不可觀測，所有模型參數都依賴于未觀測變量sk，εsk～NID（0，σsk）。

其中：（1） βsk0為截距項，具有區制轉移特征，且不局限于n1和n2，也可以根據需要同時設定多個項隨區制而轉變。項目隨區制轉變稱為狀態依賴，對應該項目的狀態依賴模型。

（2）sk表示不同區制狀態，是一個不可觀測變量，服從有限狀態個數的一階Markov鏈，也即sk所處區制轉換只與其前一期所處區制有關，每次轉換概率僅僅依據前一時間段狀態情況。

因此，對MS模型引入一階狀態轉移概率：

pij=Pr （st+1=i|st=j）（2）

其中 ∑kt=1pij=1;i、j=1，…，k;pij為從狀態j到狀態i的狀態轉換概率，∑njpij=1對于任意i都成立。非時變MS模型認為，無論是狀態i還是狀態j，狀態間轉變由對應狀態概率轉移矩陣決定[29]：

p=p11…p1kpk1…pkk（3）

通常這些轉換概率是確定不變的。

MS模型中狀態變量sk與前一期狀態有關且不可觀測，因此，用極大似然估計法——最大化下面的對數自然函數來求解參數模型，得到各階段狀態下統計推斷概率;然后，通過迭代計算得到聯合概率密度函數，在聯合概率密度函數最大條件下，求得系列待估計參數;再運用極大似然估計法計算出各個狀態轉移概率;最后，利用全部信息來推斷當期概率，推算出不同時間上狀態平滑概率，平滑概率具有后驗特征，以此作為分析和判別依據。

2.變量分析。

根據資本資產定價理論，信用債價格中應包含系統性信用風險補償。信用價差被認為是高于無風險利率利差，用以向投資者補償資產信用風險，為中債企業債到期收益率與同期限國債收益率差值。

首先，利率對信用價差的影響有兩種不同可能。一方面，國債利率對即期利率（零息債券到期收益率）變化反映較為明顯，若市場整體資金供應增加，則利率下降;另一方面，即期利率與投資回報率有明顯關聯。所以，實際市場情況是，隨著資金供應增加，公司違約風險下降，信用價差減小，但利率下降帶來的投資回報率減少，導致公司未來價值下跌，公司會存在更多的違約風險，增加了其信用價差。

其次，利率期限結構的斜率對信用價差影響也存在兩種相異的結果。一般來講，其斜率大小對應著不同市場經濟變化狀態，陡峭的斜率說明預期即期利率上升，經濟處于增長階段，在經濟基本面影響下，未來貨幣長端利率較高，信用價差較小。另外，斜率下降意味著預期未來利率也下降，公司為提高盈利能力一般會增加正凈現金流項目提高其未來價值，從而減少信用價差;反之，則導致公司未來價值下降，增加信用價差。

參考國內外研究經驗，本文以國債利率和國債利率斜率代表資金的松緊程度，反映發債企業整體現金流的情況;以股指收益和股指波動代表商業周期及其波動。因此，模型（1）中，被解釋變量Y選取了CCC級一年期企業債信用價差，為中債企業債一年到期收益率與同期限國債收益率差值;自變量X為一年期國債利率和國債利率斜率（5年減1年），股指收益和股指波動。

（二）數據分析

1.信用價差。

由于2014年3月底中國出現首例公募債事實違約，當市場真正出現信用風險時，信用價差才有可能真正反映信用風險溢價，因而本文研究數據選取了2014年4月至2017年2月共704組日數據，為中債企業債到期收益率，數據來自同花順數據庫。

對于數據信用等級的選取方面，根據中國人民銀行文件有關規定，企業債共分AAA、BBB、CCC和CC四個信用級別，其償還債務能力依級別順序下降，經濟環境的負面影響隨級別的降低而增加，違約風險也隨之增加，CC級債在破產或重組時基本不能保證償還債務。因此，信用風險其實包含了違約風險和評級下調帶來的價值風險，需要對比以上四個評級企業債的信用價差數據，參見圖1～4。

時間

圖1～4顯示的是不同評級的四個信用擴展曲線。總體來說，信用級別越低，信用價差越大，因為違約風險越大，風險溢價越高。從圖中可見，CC級債券完全違背了該規律，CC級債券信用價差從大到小依次是一年期、二年期、三年期、五年期;AAA級一年期債在某些時候高于其他AAA級債的信用價差。

圖1～4還揭示了中國信用債市場信用價差階段性變化。如2014年初至2016年初，信用債市場基本處于一輪牛市行情，表現為債券價格不斷走高，到期收益率不斷下降，信用價差收窄。2016年后，市場行情出現逆轉，信用價差逐步增大，短期債、信用級別較低的債券增大幅度最多。信用價差應該反映債券信用風險，信用風險越高則信用價差越大。雖然中國2014年后陸續出現債務違約，2016年后達到違約高峰，從圖1～4走勢來看，信用違約事件的發生在2016年前并未使低等級的信用債利差走高，2016年后才表現出顯著高企。

2.利率期限結構。

國債利率期限結構反映不同期限的資金供求關系，說明不同國債即期利率水平差別，并解釋利率與其期限長短的關聯，相同風險水平下，利率期限結構既能解釋即期利率與其到期期限的關系，也能反映長期國債與短期國債之間的傳導，還包含諸多對應的未來經濟信息。

理論上講，如果信用價差反映的是信用風險，那么，對于同一信用評級公司債來說，在某一觀測時間上一般遵循“到期時間越長，信用價差越大”的規律。或同一信用等級債券應該隨著到期時間增加而獲得更高的風險溢價，因為時間越長，債券面臨違約和降級的不確定性增加，其對應信用價差理應更高。到期日越近，波動越大，即將到期的債券擁有更好的流動性，因而對信息的反應更迅速。

本文采用均值計算不同信用級別（AAA、BBB、CCC和CC四個信用級別）、不同到期日企業債的信用價差，繪制信用價差期限結構曲線進行觀測和對比，參見圖5～8。

到期年限（年）

從圖5～8可見，AAA和CC級企業債都出現了利率期限結構的扭轉，尤其是評級最低的相當于投機級債券CC級債券，信用價差期限結構表現為到期時間越短利差越大、到期時間越長利差越小的走勢，這與中國信用風險特征有關系。從國內外經驗來看，危機來臨導致市場對短期債需求大增。另外，從中國信用債投資者偏好看，由于市場近幾年資金流動性充足，且投資品種匱乏，投資者偏好于流動性好的投資品，AAA級債沒有違約風險，且一年期債具有最好的流動性，而CC級短期債也具有很好的流動性，還能獲得較高收益，所以受投資者青睞。

到期年限（年）

綜上不難得出，信用級別越低，信用利差越大，因為違約風險越大，風險溢價越高。到期日越近，波動越大，因為即將到期的債券擁有更好的流動性，因而對信息反應更迅速。較低級別的債券收益對信用風險更敏感，為試圖找到影響債券信用價差變化的共同因素，使用指數比使用單個債券更能消除個別風險和流動性風險，因而本文將選取CCC信用級別一年期指數收益率為變量進行實證研究。

四、實證結果

經實證得到的馬爾科夫區制轉換模型平滑概率、轉換概率矩陣和模型中各參數估計結果如圖9、表1和表2。

1.從平滑概率來看，信用債利差明顯存在兩個區制。2016年以前基本都已區制2狀態為主，2014年上半年和2016年4月后，以接近1的概率轉換為區制1。轉換概率矩陣顯示，從區制1延續區制1的概率是0.99，從區制1轉移到區制2的概率是0.01;從區制2延續區制2的概率是0.98，從區制2轉移到區制1的概率是0.02。

在實證結果中，區制1方差項值為1.45，比區制2方差項0.074顯著增大;區制1截距項為28，也比區制2截距項25有所放大。可見區制1的特征為波動更大，利差更高，意味著進入高風險高收益階段。經濟下行時，信用風險往往會集中爆發，因而難以分散化，當違約風險集中到來時，會大幅推升風險溢價，利差顯著擴大，波動增加。信用價差的不同區制反映了經濟周期的不同階段。

2.國債利率和國債利率斜率回歸系數為正，且統計顯著。

表2國債利率回歸系數為0.7274，國債利率斜率回歸系數為0.2766，二者均為正說明信用債收益率隨著短期無風險利率增加以及無風險利率期限結構斜率增大而增加。從理論上來看，利率曲線斜率增加，說明未來期望利率增加，信用利差應該減小，二者是理論上負相關關系。這種與理論上差異說明，在中國經濟中利率曲線斜率增大則可能是由于短期利率相對于長期利率下降更快導致的，與未來利率上升或經濟向好預期無關。這一現象與Collin等（2001）研究結論相同，也曾發現利率期限結構斜率增大對債券信用價差有增大的影響關系[30]。

進一步看，無風險利率增加顯然會增加風險債券到期收益率，因無風險利率增加意味著市場資金趨緊，企業現金流下滑，從而容易違約;而無風險利率斜率增加，意味著長期利率比短期利率增加更多，即期限結構中包含的遠期利率增加，反映市場對未來利率增加的預期，對于處于這個時期的風險債券來說，一方面，利率增長預期也拉高了風險債預期收益;另一方面，利率增長預期實際包含了對未來經濟走弱預期，風險債券主體未來經營不確定性增加，風險溢價增加。按照國內外相關研究，無風險利率期限結構斜率包含了明確商業周期的信息，在衰退階段，中央銀行降低了短期無風險率以刺激經濟，而長期無風險利率較高反映了投資者不愿在該時期承擔風險，從而衰退期期限結構向上的斜率反映了貨幣政策。

3.信用債收益與股票指數收益及股指波動都呈負相關，且統計顯著。表2中股指收益率與股指收益波動率回歸系數為-0.0002和-544.3873，這種負相關關系，一方面，顯示信用債與股票市場資金面的蹺蹺板效應，股票收益高時，資金流向股市，債市收益低，反之資金流向債市;另一方面，當經濟向好時，企業盈利高，股市走強，股指正收益，而此時企業違約風險低，信用債收益走低。

五、結論及對策建議

（一）結論

以上通過馬爾科夫區制轉換模型研究中國從2014年初到2017年年初信用債信用價差走勢，研究發現：（1）信貸債務在牛市中，因為債券價格不斷攀升，到期收益率在下降，信貸息差尤其是高信用評級，正在縮小。信貸基本面在2014年之后實際上趨于惡化。信貸風險溢價在2016年之前并未完全暴露，信貸事件對信貸息差影響有限，這是資本驅動牛市的一個重要特征。（2）信用債利差明顯存在兩個區制，2014年上半年和2016年4月后，與其余時段呈現為另一區制，特征是信用價差增加，波動加大。說明信用債打破剛性兌付以來，中國債券市場收益率進入一種新的風險溢價模式。（3）信用價差與利率期限結構和股指的相關性顯示，信用價差變化與經濟周期波動密切相關。信用價差與利率期限結構斜率正相關，表明經濟衰退時信用價差變大，說明中國信用債市場價差曲線良好地反映了經濟周期變化。

綜上可知，中國信用債市場已逐漸能夠反映經濟周期信用風險溢價。信用風險的特征是，信用風險往往集中性爆發，因而難以分散化，當違約風險集中到來時，會大幅推升風險溢價。中國貨幣充裕、“缺資產”的背景下，2014年基于融資改善的預期，寬松融資提供了整體利差機會和高收益債投資，2015年出現城投債和地產債投資主題，這種趨勢下，信用價差也應隨之擴大，但實際信用價差連續收窄，這與信用基本面形成了背離。信用基本面惡化的趨勢說明，2016年前中國信用債市場信用事件影響非常有限，信用風險溢價并沒有得到充分反映，顯現出典型的資金驅動型牛市特點，2016年后市場行情出現逆轉，信用價差逐步增大，短期債增大幅度最多，信用價差對信用風險定價作用開始顯現。

從信貸市場發展角度看，信用風險的暴露意味著市場正在轉向成熟，風險定價機制也會趨于合理，在這種信用定價機制不斷完善的背景下，中國債券市場信用價差驅動從資金面依賴轉為信用資質依賴，也即中國債券市場信貸息差的推動力量已從資本轉向信用評級。隨著債券市場的成熟，利率期限結構對主權風險運行預警功能會越發明顯和有效，可為預測主權信用風險狀況提供一定參考。同時，隨著中國債券市場的完善，“利率風險”的單一結構也將轉變為“利率風險+信用風險”的二元結構。

（二）對策建議

筆者認為提高債券市場信息透明度是債券市場信用風險管理的關鍵，具體建議如下：（1）迅速有效地完善市場交易制度，為信用風險管理保駕護航。首先是國債市場的迅速完善，要最大限度地發揮主權市場在規避風險中的作用。其次，將企業上市交易的基礎制度逐步變為“寬進嚴出”，完善信息披露制度，打擊財務造假，對市場內幕交易和操縱市場行為進行嚴格監管。還有，要注重對市場參與者的保護，完善交易制度，設置合理保證金水平，增加投機者交易成本，減少過度投機和高風險交易。（2）充分利用利率期限結構包含的豐富有用信息，發揮先導作用。在債券市場中，利率期限結構和主權信用風險之間存在正相關的關系，隨著債券市場迅猛發展，利率期限結構對主權風險運行的指示器作用已逐步顯現，但其顯現的正確性依賴于良好的市場基礎，提取債券期限結構中的信息是標，完善市場基礎是本，市場的健全是保證債券收益率曲線穩定性與可靠性的關鍵所在。（3）完善反映市場供求的到期收益率曲線，建立有效預警。收益率曲線可以用來預測經濟周期和通貨膨脹率，被視為央行貨幣政策立場的指示器，中國應借鑒西方成熟市場經驗，發展、優化和創新債券品種結構和期限結構，優化收益率曲線，充分發揮信用價差對宏觀經濟先行指示作用。建立有效的危機預警機制，對各期限利率進行預調，在擬合收益率曲線走勢時適當加入主權信用違約互換相關變量，這樣不僅利于實現對到期收益率曲線有效調控，也利于提高收益率曲線擬合效果，將價格控制在合理范圍，提高金融機構風險預警和管理能力。（4）開發和創新信用衍生產品，對沖債券市場的系統性信用風險。隨著現階段中國債券市場逐步成熟，信貸風險管理體系建設應加快步伐，完整的制度安排和市場風險多樣化的風險分散分擔機制和共享系統應該被提升。以市場為導向，推出信用衍生產品對沖系統性信用風險，優化并實現信用風險的最優分配，使投資者可以借助市場化方式對沖、轉移和規避信用風險，以有效預防風險積累和系統性風險發生。

參考文獻：

[1] 梁朝暉，王宗勝，曹剛.非信用風險因素對公司債信用利差的影響[J].北京理工大學學報（社會科學版），2015（11）：90-98.

[2] 李世軍，王磊.信用價差與宏觀經濟相關性的實證研究[J].宏觀經濟研究，2016（12）：28-35.

[3] Black F，Scholes M. The pricing of options and corporate liabilities[J].Journal of Political Economy，1973，81（3）： 637-654.

[4] Merton R C. on the pricing of corporate debt： the risk structure of interest rates[J].Journal of Finance，1974，29：449-470.

[5] Collin Dufresne P， Goldstein R S. Do credit spreads reflect stationary leverage ratios？ [J]. Journal of Finance， 2001.56：1929-1957.

[6] Aunon-Nerin D D. Cossin T. Hricko，? Z. Huang. Exploring for the determinants of credit risk in credit default swap transaction data： is fixed-income market's information sufficient to evaluate credit risk？[R].Foundation for the Advancement of Monetary Education. 2002：65.

[7] Fama E F， French K R. Business conditions and expected returns on stocks and bonds[J]. Journal of? Finance? Economics， 1989，25：23-49.

[8] Kwan S H. Firm-specific information and the correlation between individual stocks and bonds [J]. Journal of Financial Economics， 1996（1）：63-80.

[9] Schultz? P. Corporate bond trading costs： a peek behind the curtain [J]. Journal of Finance， 2001（2）：677-698.

[10]Hull J， White A. Valuing credit default swaps： no counterparty default Risk[J]. Journal of Derivatives，2000，8（l）：29-40.

[11]Hull J， predeseu M， White A. The relationship between credit default swap spreads，bond yield credit rating announcements[J]. Journal of Banking and Finance，2004，28：2789-2811.

[12]Blanco R， Brennan S， Marsh I W. An empirical analysis of the dynamic relationship between Investment grade bonds and credit default swaps[J].Journal of Finance，2005（60）：2255-2281.

[13]Tang D Y， Yan H. Macroeconomic conditions， firm characteristics， and credit spreads[J]. Journal of Financial Services Research，2006，29（3）：177-210.

[14]Acharya V V， Bharath S T， Srinivasan A. Does indust-wide distress affect defaulted firms？ evidence from creditor recoveries [J].Journal of Financial Economics， 2007（85）：787-821.

[15]Huang， Jing-zhi， Ming Huang. How much of the corporate-treasury yield spread Is due to credit risk？[J]. Review of Asset Pricing Studies， 2012，2（2）：153-202.

[16]Okimoto T ， Takaoka S. The term structure of credit spreads and business cycle in Japan[EB/OL] AJRC（ Australia-Japan Research Centre） Working Paper 03/2016， https：//papers.ssrn.com.

[17]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（5）：117-122.

[18]馮宗憲，郭建偉，孫克.企業債的信用價差及其動態過程研究[J].金融研究，2009（3）：54-71.

[19]李嵐，楊長志.基于面板數據的中期票據信用價差研究[J].證券市場導報，2010（8）：73-77.

[20]周榮喜，牛偉寧.基于SV模型的中國債券信用價差影響因素研究[J].統計與信息論壇，2011（12）：80-88.

[21]黃文濤.信用利差和國債收益率相關性研究——以中美兩國為例[J].債券，2012（6）：19-25.

[22]宋球紅.宏觀經濟變量對不同信用級別企業債信用利差影響的分析[J].債券，2013（12）：35-39.

[23]王永欽，陳映輝，杜巨瀾.軟預算約束與中國地方政府債務違約風險：來自金融市場的證據[J].經濟研究，2016（11）：96-109.

[24]宋秀慧，林晚發.宏觀環境、股票市場與企業債務成本的關系研究[J].技術經濟與管理研究，2016（5）：16-20.

[25]謝宇.我國中期票據信用利差變動影響因素的實證分析[J].科學決策，2013（2）：33-55.

[26]郭曄，黃振，王蘊.未預期貨幣政策與企業債券信用價差——基于固浮利差分解的研究[J].金融研究，2016（6）：67-80.

[27]王雄元，高開娟.如虎添翼抑或燕巢危幕：承銷商，大客戶與公司債發行定價[J].管理世界，2017（9）：42-59.

[28]郭瑩瑩.人民幣匯率的長短期影響因素分析——基于馬爾科夫區制轉換模型[J].國際貿易問題，2014（2）：156-166.

[29]郭瑩瑩.國內外金融危機預警模型述評[J].科學決策，2013（10）：63-80.

[30]Collin-Dufresne P， Goldstein R S. Do credit spreads reflect stationary leverage ratios？[J].Journal of Finance，2001.56：1929-1957.

（責任編輯：鐵 青）

Correlation between Chinese Credit Spreads and Business

Cycle Based on Markov-switching Model

JIANG hong1，2， LIANG Zhaohui1， ZHAO hong2

（1.School of Economics and Management， Tianjin Polytechnic University， Tianjin 300387， China;

2.School of Textile Science and Engineering， Tianjin Polytechnic University， Tianjin 300387， China）

Abstract：This paper investigates the characteristics of Chinese credit spreads since the first actual default in 2014， using a Markov-switching model. Our analyses provide clear evidence that two regimes exist， one of a newly regime demonstrates both bigger credit spreads and larger volatility in the first half of 2014 and after 2016. Our results of correlation between credit spreads and interest rate， stock index etc. indicate that credit spread is closely related with business cycle fluctuation， and credit risk premium can be reflected gradually in Chinese bond market.

Key words：Markov; regime switching;credit spreads;business cycle

收稿日期： 2019-08-08

基金項目：? 國家自然科學基金資助項目（71371136）

作者簡介： 姜 弘（1976—），女，天津市人，天津工業大學經濟與管理學院副教授，天津工業大學紡織科學與工程學院博士研究生，研究領域：金融統計。