吳慶念 錢一鶴

摘 要：從上市公司微觀角度，分析同一公司發(fā)行的公司債券和股票收益率之間的相關性。分析公司資產影響股票和債券價值的是其均值的變化，而非波動率；公司資產價值變化的信息并非同時傳遞給所有投資者，而是先融入股票，再傳遞給債券。結論顯示，影響公司債券收益率變化的最重要因素是市場無風險收益率，而公司資產的價值變化的影響相對要小很多。

關鍵詞：債券收益率；相關性；信息溢出

中圖分類號：F830 文獻標志碼：A 文章編號：1673-291X（2014）13-0148-06

引言

股票和債券是投資組合中最常見的品種，如何配置股票和債券的比例和種類對于投資基金的管理者如同家常便飯。因此，無論在實踐中還是理論研究，人們對兩者之間的關系投入了巨大的熱情。

傳統的做法是通過構造各種股票指數和債券指數，通過研究兩者指數之間的關系，間接地研究兩者之間的關系。大量的文獻積累了許多有意義的經驗，由于個別股票和債券與指數之間存在很大的相關關系，這種研究方法可以從宏觀上把握整體市場情況。但這種研究方法也存在應用上的不足：首先，指數代表大量的股票和債券，但指數并不等于單個證券。因此，要想通過指數來分散風險，必須按比例投資于所有成分股票或者債券。在實際投資中，只有大型投資基金可以模擬指數投資。其次，指數之間的相關關系僅體現了系統性的共性因素，而沒有體現公司個體因素。因此，對實踐的指導意義受到限制。另外，在指數構造中，樣本的選擇也存在一定的主觀性。

另一種研究方法是從微觀角度著手，研究同一個公司發(fā)行的股票和債券之間的關系。由于微觀數據同時包含了系統性因素和公司個體因素，這種研究方法的擬合結果從理論上會有更高的準確性——這對投資組合的風險量化評估意義重大。然而這種方法對數據的要求很高，一直很少被關注。

本文從交易者行為入手，試圖用后一種方法來研究中國股市和債市之間的信息傳遞和擴散機制，包括公司價值變化對股票和債券的影響形式，以及股票和債券價格之間的相互影響能力。

一、研究綜述

從現有的文獻可以看出，股市和債市兩者的關系自20世紀80年代開始受到重視。眾多文獻關注的重點主要集中在兩個方面：（1）兩個市場的相關性程度；（2）引起兩者相關的原因。

（一）對股市和債市相關性的研究

從兩市聯動性方面看，早期文獻主要在于從不同的角度驗證兩個市場之間的相關性程度。如Bossaerts（1988）在研究投資組合時發(fā)現兩者之間存在協整關系；Shiller & Beltratti （1992）用理性預期模型檢驗了股價變動和長期利率變動的關系，發(fā)現股票和債券收益率之間在理論上存在極小的正相關關系；等等。但是早期文獻的具體觀點比較雜亂，實證結論往往差別較大，甚至相互矛盾。究其原因，可能在于不同的研究者采用不同的樣本，或者使用不同時間和不同市場的數據。限于當時市場的成熟程度，不同的市場和不同的時期會有較大差別。另外，市場聯動性研究主要通過構造兩市的指標進行間接衡量，在指標的構造上包含了較多主觀因素。

近年來的文獻基本認同兩個市場相關系數時變的觀點，研究的重點轉向進一步分析相關系數的變化的原因。如Ilmanen（2003）研究美國股票和債券的相關系數后發(fā)現，相關系數不但是時變的，而且可能在不同時期是相反的。在20世紀大部分世紀是正的，但在20世紀30年代早期、50年代晚期、2003年左右是負的。Cappiello，Engle等（2006）發(fā)現市場結構的變化也會導致相關系數的變化，他們運用非對稱廣義動態(tài)條件相關模型（AG-DCC）發(fā)現，歐洲的幾個國家在歐盟成立之后股票和債券市場的相關性發(fā)生了明顯的結構變化。Andersson，Krylova等（2008）發(fā)現股票和債券價格的相關性隨經濟周期變化，在高通貨膨脹預期時期同方向運動，在低通貨膨脹預期時兩者收益率呈負相關。

另外，由于相關系數的可變性，說明相關系數也存在不確定性，因此也有學者對其進行了風險定價。如Driessen，Maenhout等（2009）的實證研究證明，在市場完全清償的條件下相關性風險是被定價的。當整個市場的相關系數高于預期的時候，由于多樣化分散投資條件惡化，需要一個超額收益作為保障，這個超額收益對相關性敏感。Buraschi，Porchia等（2010）則在研究投資組合時，對隨機波動性風險和相關性風險采取了不同的對沖措施。

（二）相關性的成因分析

對于兩個市場相關性的研究也可以分成兩個方向：基于基本經濟因素的影響的研究、基于兩個市場信息不對稱和信息擴散的研究。

前者如Keim & Stambaugh（1986）研究了一些基于資產價格水平的事先可觀測變量，證明可以預測紐約交易所普通股的事后風險溢價。并且發(fā)現小公司和低等級債券在一月份表現出更高的風險敏感性的季節(jié)現象，認為是跨年期間風險上升；Campbell & Ammer（1991）研究美國戰(zhàn)后數據時，用VAR模型將股票和債券收益變化分解為預期未來的股票紅利、通貨膨脹、短期實際利率、股票和債券的超額收益等因素。Shiller & Beltratti（1992）的研究也利用了相同的方法。

后者如Fleming，Kirby等（1998）研究了信息在市場之間聯系的波動性中所扮演的角色。他們把市場信息來源分成公共信息和來自跨市場套保交易，認為市場之間的相關性來自兩者之間的信息溢出過程。Kwan（1996）則從公司資產價值對股票和債券的收益率進行了系統分析，認為公司資產價值均值的變化在股票和債券的收益率變動中起主導作用。另外從投資者的信息不對稱角度著手，發(fā)現股票價格的變動對滯后期的債券收益率存在單向信息溢出。

對相關性系數的時變性，現有文獻的解釋基本都從投資者的風險回避角度進行解釋。如Barsky（1986）發(fā)現了投資者在危機時期表現出的“奔向安全性”（“flight-to-quality”）；Andersson，Krylova等（2008）在考慮“奔向安全性”現象后也發(fā)現，股票市場風險的增加是導致兩者相關性減弱的原因。而預期經濟增長率基本不會影響股票與債券的相關性。

由于中國債券市場發(fā)展較晚，國內相關研究還很少，且以定性研究為主，少數文獻進行了實證檢驗，基本方法是利用現有指標，或自行構建相關指標進行相關性檢驗，研究結果也類似。如曾志堅 、江洲（2007）的實證檢驗發(fā)現，中國股票市場和債券市場之間的收益率存在時序變化的月度相關性，以及股票市場和債券市場收益率的領先—之后關系。袁超、張兵等（2008）使用AG-DCC模型，研究了中國債券市場和股票市場的相關系數時變情況，發(fā)現股市和債市之間的聯合沖擊影響是不對稱的。鄭振龍、陳志英（2011）運用多維GARCH-DCC模型計算中國股市和債市的相關性，同時考慮宏觀和市場因素的影響，同樣得出了時變相關性的結論。

筆者認為，影響股票和債券價格的因素大體可以分成兩類，第一類是基本面因素，通過影響價值，再體現到價格的變化?；久嬉蛩乜梢苑趾暧^因素和微觀因素，前者包括經濟增長、通貨膨脹、市場利率水平、行業(yè)景氣程度等，后者是公司自身經營狀況的反映。第二類是投資者行為。投資者行為的影響指投資者對基本因素變化導致企業(yè)價值變化的期望的反應。第一類因素是影響公司股票和債券價格的基礎，第二類因素影響股票和債券價格變化的過程。

二、模型和數據

本文的實證研究主要驗證兩個方面：第一，驗證公司信息對證券價格的影響機制。確定中國證券市場中，公司資產價值的信息是通過均值變化還是波動率變化影響證券價格。第二，研究公司信息在市場中的擴散機制。確認股票和債券價格變化的領先或滯后關系。

（一）模型設定

我們借鑒Kwan（1996）的方法，同時檢驗同一個公司發(fā)行的股票和債券之間的同期相關性和跨期相關性。用同期相關性研究影響股票和債券價格的主導因素——公司資產價值變動的均值還是波動率。用跨期相關性研究股票和債券價格之間的動態(tài)影響——哪個領先，哪個滯后。模型中我們對所有變量都采用變化率?？紤]到宏觀經濟因素對市場收益率產生影響，而無風險收益率的變化能很好地代表市場整體收益率的變化，我們引入無風險收益率的變化量作為控制變量，來控制市場收益率變動的影響。

具體模型如下：

ΔBj，t=β0+β1Δrj，t+β2ΔSj，t-1+β3ΔSj，t+β4ΔSj，t+1+εj，t （1）

其中，ΔBj，t是債券j從t-1時期到t時期的到期收益率變化，Δrj，t是期限相似的無風險債券從t-1時期到t時期的收益率變化，ΔSj，t表示與債券j相同發(fā)行人的股票從t-1時期到t時期的收益，εj，t為隨機擾動項。余項類似。

β1代表債券收益率變化對無風險利率變化的敏感程度，如果無風險利率的變化對債券收益率變化存在影響，β1應該是正的。

由于公開信息的存在，股票和債券價格變化應該存在某種程度的同期相關，因此一般情況下β3≠0應該是合理的。如果β3>0，則說明股票和債券收益率之間存在負相關，引起證券收益率變化的是公司資產價值波動率變化的信息；如果β3<0，則說明股票和債券收益率正相關，引起證券收益率變化的是公司資產價值均值變化的信息。

如果兩個市場對知情交易者的機會均等，那么非公開信息同時融入股票和債券，表現為兩者收益率的變化僅在同期相關，體現在β3上，而β2=β4=0。如果β2≠0，那么說明債券收益率的變動和股票收益率的t-1變動相關，股票市場信息領先于債券市場。反之，如果β4≠0，說明債券市場信息領先于股票市場。

需要說明的是，β2，β3，β4的誤差均被納入到干擾項，一般情況下，這些系數會存在顯著的序列相關，從而導致誤差項存在異方差和序列相關。確切的誤差結構我們并不知道，然而我們可以用Newey & West（1987）的方法，獲得無偏和一致的統計推斷，即使用“異方差自相關穩(wěn)健性標準差”，只改變標準差的估計值，不需要改變回歸系數的估計值。

（二）數據說明

本文研究所用樣本為滬深兩市交易的上市公司發(fā)行的公司債券和該上市公司的股票。中國自2007年開始發(fā)行公司債券，考慮到公司債券市場發(fā)展早期的不穩(wěn)定性，為了減少干擾，我們采用從2010年初至2012年末的周度數據。股票采用周漲跌幅數據，債券采用每周周五的到期收益率進行差分，得到到期收益率的變化（數據來源為同花順iFinD）。

由于公司債券發(fā)行條件比較復雜，為此本研究對樣本進行了一定的篩選限制，以減少干擾。我們剔除了非上市公司發(fā)行的公司債券，剔除了所有非固定利率債券，剔除了所有含權以及特殊條款債券。另外，新發(fā)行（On-the-run）債券的交易和早期發(fā)行（Off-the-run）債券的市場表現明顯存在差異，因此，我們也剔除了交易時間少于5個月的新發(fā)行債券。最后，我們得到符合要求的78家公司發(fā)行的98只公司債券樣本，共8 971個樣本觀測值。這些債券到期日從2012年12月25日至2025年10月19日不等。發(fā)行人涵蓋GICS行業(yè)分類的9個行業(yè)，其中以原材料、工業(yè)、金融和公用事業(yè)為主。

對于無風險利率，我們采用相似期限的固定利率國債的到期收益率來近似，具體選用期限為3年、7年和10年國債，數據來源中國債券信息網。

樣本中所有債券的發(fā)行規(guī)模從2億元到130億不等，債券發(fā)行規(guī)模受公司規(guī)模，所處行業(yè)前景等多方面的影響，這些因素會影響到投資者對債券收益率的期望，因此我們對不同發(fā)行規(guī)模的債券進行分類分析。我們按發(fā)行規(guī)模從小到大分成四個部分相等的部分，區(qū)間分別為[2，8]、（8，20）、[20，35]和（35，130]（單位：億元）。

債券評級反映債券的風險程度，投資者對不同評級的債券要求不同的收益率。目前中國公司債券等級已經趨于多元化，樣本債券包括AAA、AA+，AA和AA-四個等級。我們也按債券等級進行分類分析。表1為樣本觀測值的混合截面統計信息摘要。

根據同花順iFinD數據統計分析，Panel A為全樣本統計信息，Panel B為按債券發(fā)行規(guī)模從小到大排列的子樣本統計信息，Panel C為按照債券評級分類的子樣本統計信息。

一般來說債券發(fā)行的公司實力越強，發(fā)行債券的規(guī)模越大，同時評級也越高，所以以上兩種分類方法所體現的信息應該是一樣的。從表格可以看出，債券的發(fā)行規(guī)模并非均勻分布，大部分債券發(fā)行規(guī)模小于35億元。這符合中國公司債券規(guī)模較小，沒有成為大型企業(yè)主要融資渠道的現實。樣本收益率均值為5.31%，中位數為5.17%。收益率隨著發(fā)行規(guī)模的增加而降低，隨著評級增加而降低，也符合債券收益率隨風險增加而增加的金融理論。

樣本也非正態(tài)分布，存在一定的偏度。從分類子樣本看，偏度隨著發(fā)行規(guī)模增加減小，隨著評級增加而減小。方差隨著發(fā)行規(guī)模的增加而減小，隨著評級增加而減小。例外的是AA-級別債券的波動性明顯偏小，標準差為0.4782，遠小于AA級債券，也小于AAA級債券，可能的原因是中國債券市場投資者對低等級債券不認同，交易稀少。

本文實證部分使用計量軟件為Stata12.0。

三、實證分析

為了穩(wěn)健起見，我們在實證檢驗中采用兩種方法：第一種方法是采用混合截面時間序列數據，用OLS對公式（1）進行回歸。在具體回歸過程中，我們采用3年、7年和10年三種國債的到期收益率變化作為控制變量，并對樣本按照公司進行聚類回歸。我們進一步對觀察數據按照發(fā)行規(guī)模和債券評級進行分類，以便在不同的債券屬性下研究同一公司債券和股票之間的關系。第二種方法是采用面板數據分析，從樣本統計可以看出這是一個長面板數據，因此必須考慮擾動項的具體形式，以提高估計效率。

（一）混合截面時間序列數據分析結果

其中，_cons為截距，dy3、dy7、dy10分別為3、7、10年期國債到期收益率的變化，Fs、s、Ls分別為股票收益率領先期、同期和滯后期收益率。[ ]內的數字代表P值，***代表1%顯著性，**代表5%顯著性，*代表10%顯著性。

從表2可以看出：首先，7年期國債到期收益率的變化對債券收益率變化影響最大，且統計顯著，說明公司債券到期收益率的變化主要受市場無風險收益率變化影響。其次，股票收益率的變化對債券收益率變化的影響系數相對較小，說明不是影響債券收益率的主要因素。再次，股票收益率的領先期對債券收益率影響顯著，且為負，說明公司資產價值變化的信息首先進入股票市場，再從股票市場向債券市場傳遞。這與股票市場更具流動性相符合。而負的系數說明影響股票和債券收益率變化的是公司資產價值的均值變化。這可能和中國公司債發(fā)行企業(yè)主要為原材料、工業(yè)等企業(yè)為主有關。

表3所列數據為按照債券發(fā)行規(guī)模分類之后的子樣本回歸結果。分類回歸結果和全樣本結果類似：顯示股票收益率的領先期對債券到期收益率的變化影響顯著（Quartile 2除外，顯著性剛剛超過10%），但是系數仍然很小。但是國債到期收益率的變化對不同發(fā)行規(guī)模的公司債收益率變化有所不同，發(fā)行量小的公司債受相對短期國債收益率影響，發(fā)行量大的公司債受相對長期國債的影響。Quartile 1受3年期國債收益率變化顯著，Quartile 2受7年、10年期國債影響顯著，Quartile 3受7年期國債影響顯著，而國債收益率的變化對Quartile 4部分公司債收益率的變化影響不顯著。發(fā)行量最大的公司債，其發(fā)行者為規(guī)模巨大，占有壟斷性資源的巨型國企，其安全性幾乎和國債相當，因此市場表現相對獨立。如樣本中最大發(fā)行量為130億的“12石化01”，由中國石化發(fā)行。

下頁表4所列數據為按照公司債評級分類后的子樣本回歸的結果。從Obs指標可以看出，中國公司債主體部分還是AAA級債券，占一半以上。AA+及以下評級較少，其中AA-評級公司債觀測值只有151個，Stata軟件忽略了對其統計顯著性的估值。

從回歸結果可以看出，按照評級分類的統計結果顯著性明顯下降，無論是國債收益率變化影響還是股票收益率影響，顯著程度都沒有達到1%水平的。一方面可能與中國公司債券以AAA級為主有關，中國公司債市場至今沒有出現過真正的違約事件，投資者對風險的敏感性不高。另一方面也可能與中國目前債券評級業(yè)發(fā)展程度低有關，評級結果對投資者的行為影響較小。

對比AAA級債券和AA級債券可以看出，AAA級債券受7年期國債收益率變化影響顯著，而AA級受3年期國債收益率影響顯著，說明風險高的債券受相對短期國債收益率的影響。股票收益率對債券收益率變化的影響與全樣本類似，同樣是受公司資產價值均值變動的影響。值得注意的是，AA級債券的收益率變化對公司股票收益率存在反饋，表現為股票收益率的滯后期與債券收益率變化相關系數顯著，同樣為負。

比較奇怪的是AA+評級的債券收益率與國債收益率變化和股票收益率的相互影響均不顯著。

（二）長面板數據分析結果

從表格可以看出，用長面板估計的系數除了顯著性大小略有區(qū)別，基本可以得出相同的結論。同樣，分類回歸結果也類似（結果忽略不報告）。

結論

從以上分析我們可以得出如下結論。首先，就我們的樣本而言，影響公司債券收益率變化的最主要因素是無風險收益率的變化，我們用國債收益率的變化來代替。而公司資產價值的變動影響相對要小很多。其次，公司資產價值的均值變動對債券和股票價值產生影響。且公司資產價值變動的信息先體現在股票市場，然后由股票市場向債券市場擴散?？赡艿脑蚴鞘袌錾洗嬖谛畔⒉粚ΨQ，而知情交易者利用信息優(yōu)勢，首先在更具流動性的股票市場進行交易。

本文的研究結果對投資者具有實際指導意義，投資者可以通過股票市場和債券市場的相關性彌補信息不足，尋找投資機會。尤其對于中國正在高速發(fā)展的機構投資者，本文的研究方法和結果可以為投資組合的構建和調整提供一定的指導。

值得提出的是，根據Andersson，Krylova等（2008）的發(fā)現，在高通貨膨脹預期時期，股票與債券價格同向運動；在低通貨膨脹預期時期，則負相關。但中國公司債券發(fā)展時間較短，而本文研究所用樣本為2010—2012年，這三年中，市場尚來不及體現出周期性。因此，本文的研究結果僅僅說明目前的經濟環(huán)境下的兩市相關情況，和經濟周期相關周期性變化的研究有待進一步數據積累。

參考文獻：

[1] Andersson M，Krylova E and Vahamaa S.Why does the correlation between stock and bond returns vary over time？ [J].Applied Financial Economics，2008（11）：139-151.

[2] Barsky R.Why Don't the Prices of Stocks and Bonds Move Together？[J].American Economic Review，1989（79）：1132-1145.

[3] Bossaerts P.Common nonstationary components of asset prices[J].Journal of Economic Dynamics and Control 1988（12）：347-364.

[4] Buraschi A，P.Porchia，and F.Trojant.Correlation risk and optimal portfolio choice[J].The Journal of Finance 2010（1）：393-420.

[5] Campbell，J.Y.and J.Ammer.What moves the stock and bond markets？ A variance decomposition for long-term asset returns [J]，Journal of Finance1993（48）：3-37.

[6] Cappiello，L.，R.F.Engle.Asymmetric dynamics in the correlations of global equity and bond returns [J].Journal of Financial econometrics2006（4）：537-572.

[7] Driessen，J.，P.J.Maenhout.The price of correlation risk：Evidence from options [J].The Journal of Finance 2009（3）：1377-1406.

[8] Fleming，J.，C.Kirby.Information and volatility linkages in the stock，bond，and money markets [J].Journal of Financial Economics 1998（1）：111-137.

[9] Ilmanen，A.Stock-bond correlations [J].The Journal of Fixed Income2003（2）：55-66.

[10] Keim，D.B.and R.F.Stambaugh.Predicting returns in the stock and bond markets[J].Journal of Financial Economics 1986（2）：357-390.

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

[12] Newey，W.K.and K.D.West.A Simple，Positive Semi-Definite，Heteroskedasticity and Autocorrelation Consistent Covariance Matrix [J].Econometrica 1987（3）：703-708.

[13] Shiller，R.J.and A.E.Beltratti.Stock prices and bond yields：Can their comovements be explained in terms of present value models？ [J].Journal of Monetary economics 1992（1）：25-46.

[14] Smith，C.W.Option pricing：A review [J].Journal of Financial Economics 1976（1）：3-51.

[15] 曾志堅，江洲.關于中國股票市場與債券市場收益率聯動性的實證研究[J].當代財經，2007，（9）：58-64.

[16] 袁超，張兵.債券市場與股票市場的動態(tài)相關性研究[J].金融研究，2008，（1）：63-73.

[17] 鄭振龍，陳志英.中國股票市場和債券市場收益率動態(tài)相關性分析[J].當代財經，2011，（2）：45-53.

[責任編輯 吳明宇]