周榮喜，熊亞輝，楊 嬙

(對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)金融學(xué)院，北京 100029)

一、引 言

隨著我國(guó)信用債發(fā)行規(guī)模不斷擴(kuò)大，債券市場(chǎng)風(fēng)險(xiǎn)不斷累積，債券違約事件頻發(fā)。2014年3月，信用債剛性兌付首次被打破，隨后債券違約事件呈加速增長(zhǎng)態(tài)勢(shì)。截至2019年3月底，共有284只債券發(fā)生違約，涉及違約的債券余額規(guī)模達(dá)2 335.34億元。其中，2018年更是爆發(fā)債券違約潮，違約債券只數(shù)達(dá)到125只，違約全額為1 209.61億元，2019年違約勢(shì)頭仍然不減，第一季度已產(chǎn)生43只違約債券，違約只數(shù)遠(yuǎn)高于往年同期水平①數(shù)據(jù)來(lái)源于Wind數(shù)據(jù)庫(kù)。。債券市場(chǎng)作為金融市場(chǎng)的主體之一，債券違約事件的大規(guī)模出現(xiàn)一定程度上加大了系統(tǒng)性金融風(fēng)險(xiǎn)爆發(fā)的可能性，這與黨中央提出的“堅(jiān)決守住不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)的底線”的要求相悖。因此，債券市場(chǎng)的風(fēng)險(xiǎn)成為我國(guó)金融風(fēng)險(xiǎn)關(guān)注的重點(diǎn)領(lǐng)域之一。而信用風(fēng)險(xiǎn)是債券市場(chǎng)的主要風(fēng)險(xiǎn)，通常采用債券信用利差來(lái)刻畫(huà)，是指為了補(bǔ)償信用風(fēng)險(xiǎn)，投資者要求信用債券提供的高于到期日相同的無(wú)風(fēng)險(xiǎn)債券(國(guó)債)收益的額外收益。理論上講，公司債券的信用利差與其預(yù)期違約損失在數(shù)值上應(yīng)該近似相等。而實(shí)際上，公司債券的實(shí)際信用利差一般要遠(yuǎn)遠(yuǎn)大于其預(yù)期違約損失，公司債券的實(shí)際信利差與其預(yù)期違約損失之間存在著一個(gè)“寬缺口”，它是傳統(tǒng)的信用風(fēng)險(xiǎn)定價(jià)理論所不能解釋的，這就是所謂的“信用利差之謎”[1]。這一現(xiàn)象普遍存在于全球債券市場(chǎng)[2-4]。

國(guó)外學(xué)者對(duì)債券信用利差與預(yù)期違約損失之間的巨大差異進(jìn)行了分析，主要包括對(duì)預(yù)期違約損失評(píng)估模型的改進(jìn)和對(duì)剩余利差的來(lái)源進(jìn)行探索，然而解釋力度有限。本文認(rèn)為可能是由不同文獻(xiàn)在信用利差獲取方式和模型建立等方面存在的差異所造成的。本文的創(chuàng)新點(diǎn)在于應(yīng)用同一組數(shù)據(jù)采取兩種不同的方法擬合國(guó)債的到期收益率，計(jì)算信用利差并用于模型擬合效果的實(shí)證比較，以探究“信用利差之謎”，發(fā)現(xiàn)通過(guò)NS模型擬合國(guó)債收益率計(jì)算出的信用利差能更好地刻畫(huà)無(wú)風(fēng)險(xiǎn)利率的結(jié)構(gòu)特點(diǎn)和信用利差的特征，從而使我們更好地理解信用利差，管理債券風(fēng)險(xiǎn)。

為了解釋“信用利差之謎”中剩余利差的來(lái)源，國(guó)內(nèi)外關(guān)于信用利差的獲取方式和影響因素進(jìn)行了大量研究。

不同的信用利差獲取方式得到的結(jié)果也不盡相同，究竟哪種方式更科學(xué)，目前尚無(wú)定論。Houweling等[5]提出一種聯(lián)合估計(jì)無(wú)風(fēng)險(xiǎn)期限結(jié)構(gòu)和信用利差曲線的多曲線方法。這種方法能得到更真實(shí)和更平滑的信用利差曲線。但是，很難判斷信用利差曲線看似不規(guī)則的形狀是由數(shù)據(jù)造成，還是由估計(jì)模型函數(shù)形式設(shè)定的誤差引起，同時(shí)模型也缺乏有效的評(píng)估基準(zhǔn)。Jankowitsch和Pichler[6]曾對(duì)此進(jìn)行改進(jìn)，分別建立單曲線和多曲線樣條模型，以平滑度和平均絕對(duì)定價(jià)誤差為標(biāo)準(zhǔn)來(lái)評(píng)價(jià)模型，據(jù)此計(jì)算信用利差，結(jié)果表明，聯(lián)合估計(jì)無(wú)風(fēng)險(xiǎn)期限結(jié)構(gòu)和信用利差曲線的模型優(yōu)于傳統(tǒng)的從風(fēng)險(xiǎn)期限結(jié)構(gòu)中減去無(wú)風(fēng)險(xiǎn)利率的模型。此外，趙志明和李莎莎[7]、周宏等[8]采用線性插值法，劉善存等[9]采用SV模型，王安興等[10]、高強(qiáng)和鄒恒甫[11]采用NS模型擬合國(guó)債的到期收益率，進(jìn)而計(jì)算信用利差。本文采用NS模型和線性插值法獲取信用利差進(jìn)行實(shí)證比較。

信用利差的影響因素可歸納為宏觀因素和微觀因素。宏觀方面，李世軍和王磊[12]、Bhar和Handzic[13]研究發(fā)現(xiàn)信用利差的大部分系統(tǒng)變化都與宏觀經(jīng)濟(jì)變量有關(guān)。周榮喜和牛偉寧[14]從靜態(tài)和動(dòng)態(tài)兩個(gè)方面對(duì)我國(guó)企業(yè)債券信用利差宏觀經(jīng)濟(jì)影響因子進(jìn)行了定性和定量研究，發(fā)現(xiàn)影響我國(guó)企業(yè)債信用利差的經(jīng)濟(jì)因子有貨幣購(gòu)買(mǎi)力水平、國(guó)內(nèi)生產(chǎn)總值、短期與長(zhǎng)期無(wú)風(fēng)險(xiǎn)利率和股票市場(chǎng)收益率及其波動(dòng)率等，這與Giesecke等[15]利用美國(guó)市場(chǎng)數(shù)據(jù)、Thakur等[3]利用印度市場(chǎng)數(shù)據(jù)得到的研究結(jié)論都是一致的。賀達(dá)[16]、Clark和Kassimatis[17]實(shí)證分析發(fā)現(xiàn)匯率也是影響信用利差的顯著因素。微觀方面，Tang和Yan[18]、張良貴和孫久文[19]分別以美國(guó)和中國(guó)公司債數(shù)據(jù)進(jìn)行研究，均發(fā)現(xiàn)信用利差與企業(yè)杠桿間的關(guān)系緊密，可見(jiàn)公司杠桿率是影響信用利差的一個(gè)重要因素。此外，鄭佳銘和范龍振[20]發(fā)現(xiàn)除財(cái)務(wù)杠桿比率外，公司其他財(cái)務(wù)指標(biāo)如營(yíng)運(yùn)能力、盈利能力以及現(xiàn)金流量指標(biāo)同樣對(duì)公司債的信用利差存在影響。

從現(xiàn)有文獻(xiàn)資料可以看出，學(xué)者們對(duì)信用利差的獲取方式仍在不斷探索，以得到與實(shí)際信用利差最接近的理論信用利差，以使研究結(jié)論更有意義。而目前信用利差獲取方式的差異對(duì)研究結(jié)論可能產(chǎn)生的影響在研究中并未得到重視，為了方便或知識(shí)所限，絕大多數(shù)文獻(xiàn)仍簡(jiǎn)單采用線性插值獲取信用利差進(jìn)行相關(guān)研究，忽略了不同方式獲取的信用利差可能對(duì)結(jié)果造成的差異性影響。本文對(duì)現(xiàn)有文獻(xiàn)的貢獻(xiàn)是通過(guò)兩種不同的方式擬合信用債的到期收益率，計(jì)算信用利差，并分別利用兩種信用利差對(duì)其影響因素進(jìn)行實(shí)證研究，以證明不同的信用利差獲取方式可能得到不一致的研究結(jié)論，以引起后續(xù)學(xué)者在選擇信用利差獲取方法上的重視。

二、信用利差宏微觀影響因素模型實(shí)證比較

(一)信用利差影響因素選取

為了更好地研究利率求取方式、回歸模型的使用對(duì)信用利差影響因素分析的影響，本文最終結(jié)合結(jié)構(gòu)化模型，選取了國(guó)內(nèi)外相關(guān)文獻(xiàn)中使用頻率相對(duì)較高、對(duì)信用利差解釋能力較好的企業(yè)自身因素、微觀因素以及宏觀因素作為主要影響因素進(jìn)行研究。

1.公司財(cái)務(wù)指標(biāo)

依據(jù)Merton結(jié)構(gòu)化模型可以推出杠桿率與信用利差在理論上成反比。另外，鄭佳銘和范龍振[20]發(fā)現(xiàn)除財(cái)務(wù)杠桿比率外，公司其他財(cái)務(wù)指標(biāo)如營(yíng)運(yùn)能力、盈利能力以及現(xiàn)金流量指標(biāo)同樣對(duì)公司債的信用利差存在影響。因此，本文最終選取杠桿比率、經(jīng)營(yíng)活動(dòng)現(xiàn)金流比、銷售凈利率、凈資產(chǎn)收益率、應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率、已獲利息倍數(shù)作為信用利差影響因素進(jìn)行分析。

2.公司資產(chǎn)價(jià)值波動(dòng)率

依照BS公式，看漲期權(quán)價(jià)值與資產(chǎn)價(jià)值的波動(dòng)率正相關(guān)，因此公司資產(chǎn)價(jià)值波動(dòng)率與公司股票價(jià)值正相關(guān)，與公司負(fù)債負(fù)相關(guān)，與公司債券收益率正相關(guān)，進(jìn)而推斷公司價(jià)值波動(dòng)率與信用利差成正相關(guān)關(guān)系。由于我國(guó)期權(quán)市場(chǎng)還處于初級(jí)階段，難以找到以個(gè)股為標(biāo)的資產(chǎn)的期權(quán)產(chǎn)品，因此本文采用公司股票價(jià)格波動(dòng)率代替公司資產(chǎn)價(jià)值波動(dòng)率。

3.國(guó)債即期利率水平與斜率

無(wú)風(fēng)險(xiǎn)利率作為結(jié)構(gòu)化模型的輸入變量，是信用利差十分重要的影響因素之一。除個(gè)別文獻(xiàn)用SHIBOR替代無(wú)風(fēng)險(xiǎn)利率，各類文獻(xiàn)大多選用國(guó)債收益率。國(guó)債即期利率的斜率包含無(wú)風(fēng)險(xiǎn)利率的一些信息。當(dāng)斜率上升時(shí)，投資者預(yù)期未來(lái)利率水平會(huì)上升，會(huì)導(dǎo)致公司債與國(guó)債的稅收差別減小。因此，公司債的價(jià)格更接近國(guó)債價(jià)格，利差減小。

4.流動(dòng)性風(fēng)險(xiǎn)

信用利差的存在本質(zhì)上是由于相較于無(wú)風(fēng)險(xiǎn)債券，公司債券存在流動(dòng)性風(fēng)險(xiǎn)和違約風(fēng)險(xiǎn)，消費(fèi)者需要獲得更高的收益以彌補(bǔ)其面臨的更高的風(fēng)險(xiǎn)[21]，所以理論上信用利差的大小與流動(dòng)性風(fēng)險(xiǎn)息息相關(guān)。

5.宏觀因素

影響信用利差的因素不僅有體現(xiàn)于結(jié)構(gòu)化模型之中的微觀因素，同時(shí)還有宏觀因素。尤其在處于發(fā)展階段的我國(guó)債券市場(chǎng)中，在許多微觀數(shù)據(jù)缺少的條件下，引入宏觀因素有助于彌補(bǔ)上述不足。再者，不同于資本主義經(jīng)濟(jì)體制，我國(guó)屬于政府對(duì)經(jīng)濟(jì)發(fā)展掌握更多話語(yǔ)權(quán)的社會(huì)主義市場(chǎng)經(jīng)濟(jì)。因此，將宏觀因素納入影響因素，有助于更好地刻畫(huà)中國(guó)債券市場(chǎng)信用利差的運(yùn)行特征。若通貨膨脹加劇，投資者面臨的消費(fèi)支出壓力會(huì)增大，驅(qū)使投資者減少投資，這意味著對(duì)企業(yè)債券的需求下降，市場(chǎng)價(jià)格下跌，到期收益率升高，信用價(jià)差擴(kuò)大；反之亦然。人民幣匯率對(duì)債券信用價(jià)差有負(fù)向影響。匯率上升推動(dòng)出口與經(jīng)濟(jì)發(fā)展，良好的宏觀經(jīng)濟(jì)形勢(shì)會(huì)對(duì)債券市場(chǎng)產(chǎn)生顯著影響，投資者風(fēng)險(xiǎn)偏好會(huì)上升，所要求風(fēng)險(xiǎn)補(bǔ)償下降，使得債券價(jià)差縮小，好的經(jīng)濟(jì)形勢(shì)也有利于企業(yè)未來(lái)發(fā)展，這樣融資企業(yè)的違約風(fēng)險(xiǎn)會(huì)降低，相應(yīng)的收益率價(jià)差也會(huì)下降。綜上所述，本文擬將CPI(居民消費(fèi)價(jià)格指數(shù))、RPI(零售物價(jià)指數(shù))、股指收益率以及匯率納入宏觀因素進(jìn)行深入研究。

(二)微觀影響因素模型實(shí)證比較

1.研究數(shù)據(jù)選取

為了研究微觀因素對(duì)信用利差的影響方式，本文從Wind數(shù)據(jù)庫(kù)選取2017年4月28日的相關(guān)截面數(shù)據(jù)進(jìn)行研究。

(1)債券數(shù)據(jù)

本文篩選了256只A股上市公司發(fā)行的年付息一次的公司債，債券剩余期限涵蓋了4個(gè)月到9年不等，信用評(píng)級(jí)涉及A+至AAA所有評(píng)級(jí)。國(guó)債方面，選取了19只剩余期限多于半年、年付息一次的國(guó)債進(jìn)行研究。針對(duì)債券本身，本文提取了公司債、企業(yè)債的剩余期限(mur)、最新評(píng)級(jí)(cr)、月度交易量(vol)以及收盤(pán)到期收益率(var)，提取了國(guó)債的收盤(pán)到期收益率和剩余期限。對(duì)于債券評(píng)級(jí)，公司債存在A+至AAA評(píng)級(jí)的債券，將最低評(píng)級(jí)賦值為1，評(píng)級(jí)每增加一級(jí)，賦值也隨之加1。

(2)財(cái)務(wù)數(shù)據(jù)

對(duì)于各個(gè)發(fā)債企業(yè)的財(cái)務(wù)狀況，本文選取公司2017年第一季度的資產(chǎn)負(fù)債率(dta)、經(jīng)營(yíng)活動(dòng)現(xiàn)金流量比(jy)、銷售凈利率(xs)、資產(chǎn)收益率(jzc)、應(yīng)收賬款周轉(zhuǎn)率(ysk)、存貨周轉(zhuǎn)率(ch)、總資產(chǎn)周轉(zhuǎn)率(zzc)、凈資產(chǎn)收益率(jzc)以及已獲利息倍數(shù)(yhl)來(lái)代表各個(gè)發(fā)債主體的財(cái)務(wù)狀況。

(3)行業(yè)分類

發(fā)債主體行業(yè)分為五類：工業(yè)(g)、公用事業(yè)(s)、綜合(z)、房地產(chǎn)(f)以及制造業(yè)(zh)。對(duì)于不同行業(yè)，采取引入(0，1)變量的方式對(duì)其影響方式進(jìn)行分析。

(4)股票價(jià)格波動(dòng)率

選取的發(fā)債主體均為A股上市公司，因此將主體4月股票價(jià)格月度波動(dòng)率納入影響因素。由于債券月度數(shù)據(jù)的數(shù)量級(jí)較大，因此本文對(duì)月度成交量求取自然對(duì)數(shù)(lnvol)，以此使得數(shù)據(jù)之間的數(shù)量級(jí)相對(duì)統(tǒng)一。

2.簡(jiǎn)單線性回歸模型分析

(1)變量描述性分析

表1為變量的描述性統(tǒng)計(jì)結(jié)果，對(duì)連續(xù)變量進(jìn)行了上下1%水平的winsorize處理以避免極端值的影響。

表1 各變量描述性統(tǒng)計(jì)結(jié)果

由表1可以看出，運(yùn)用線性插值法獲得的信用利差(cs1)與NS模型獲得的信用利差(cs2)求取的信用利差數(shù)據(jù)統(tǒng)計(jì)特征相似性極高，除最小值出現(xiàn)較大差異外，其余描述性統(tǒng)計(jì)量基本相同。

(2)截面數(shù)據(jù)簡(jiǎn)單線性回歸分析

分別以通過(guò)線性插值法獲得的公司債信用利差(cs1)以及以NS模型獲得的信用利差(cs2)為被解釋變量，以上述進(jìn)行描述性統(tǒng)計(jì)的變量作為解釋變量，采用逐步多元線性回歸分析獲得估計(jì)結(jié)果如表2所示。

從表2可以看出，兩個(gè)模型中，線性插值獲得的信用利差的擬合優(yōu)度為25%，NS信用利差最終擬合優(yōu)度為53%，兩者差距懸殊。

在所有財(cái)務(wù)指標(biāo)中，凈資產(chǎn)收益率(jzc)的變動(dòng)對(duì)信用利差的影響最大，對(duì)公司債信用利差的影響是負(fù)向的。這是因?yàn)楸疚倪x取債券的發(fā)債主體均為上市公司，在信息披露方面更加規(guī)范、全面，公司表現(xiàn)更加平穩(wěn)，因此較高的凈資產(chǎn)收益率表示公司的盈利能力較強(qiáng)，未來(lái)風(fēng)險(xiǎn)較低，信用利差也隨之降低。

資產(chǎn)負(fù)債率(dta)在公司債信用利差中被逐步回歸分析納入了線性插值的信用利差的回歸模型(Ⅰ)之中，卻未出現(xiàn)在NS信用利差之中，并且dta參數(shù)由負(fù)向變?yōu)檎?，與結(jié)構(gòu)化模型預(yù)期資產(chǎn)負(fù)債率與信用利差負(fù)相關(guān)恰恰相反。這可能說(shuō)明，線性插值法在提取信用利差的結(jié)構(gòu)特點(diǎn)方面依然存在偏差。

行業(yè)分類方面，債券發(fā)債主體所處行業(yè)與公司債信用利差顯著相關(guān)。本文認(rèn)為這是由于公司債存在較少的政府擔(dān)保，其行業(yè)風(fēng)險(xiǎn)對(duì)其總體風(fēng)險(xiǎn)存在顯著影響。房地產(chǎn)行業(yè)發(fā)行的債券存在最高的信用利差，這與近幾年房地產(chǎn)行業(yè)的萎靡息息相關(guān)。設(shè)施管理業(yè)的信用利差最小，可能是由于大多數(shù)設(shè)施管理業(yè)企業(yè)一般都與政府投資行為相關(guān)，風(fēng)險(xiǎn)也相對(duì)較小。

表2 公司債信用利差逐步回歸OLS結(jié)果

綜上所述，不同方式獲取的公司債信用利差，最終的回歸結(jié)果在擬合優(yōu)度方面存在較大差異，NS信用利差的擬合優(yōu)度更高。從變量的回歸系數(shù)符號(hào)而言，相比線性插值法，NS信用利差更符合理論預(yù)期，也在一定程度上表明NS模型能很好地提取信用利差的結(jié)構(gòu)特點(diǎn)。

(三)宏觀影響因素模型實(shí)證比較

1.研究數(shù)據(jù)選取

為了研究宏觀因素對(duì)信用利差的影響方式，本文從萬(wàn)德數(shù)據(jù)庫(kù)中選取2010年11月至2017年3月的月末數(shù)據(jù)進(jìn)行研究。

(1)債券數(shù)據(jù)選取

本文篩選了共計(jì)642只上市公司發(fā)行的公司債，國(guó)債方面總計(jì)篩選170只債券。

(2)宏觀數(shù)據(jù)選取

本文篩選出cpi、美元兌人民幣匯率(er)、商品零售價(jià)格指數(shù)(rpi)、國(guó)內(nèi)生產(chǎn)總值(gdp)、三個(gè)月無(wú)風(fēng)險(xiǎn)利率(rf)、十個(gè)月無(wú)風(fēng)險(xiǎn)利率以及上證收盤(pán)指數(shù)(index)。受gdp數(shù)據(jù)頻率的影響，本文應(yīng)用線性插值法將季度數(shù)據(jù)轉(zhuǎn)化為月度數(shù)據(jù)。并且為了保證數(shù)據(jù)在數(shù)量級(jí)上的統(tǒng)一，對(duì)處理后的月度數(shù)據(jù)提取了自然對(duì)數(shù)。同時(shí)采取十個(gè)月無(wú)風(fēng)險(xiǎn)利率與三個(gè)月無(wú)風(fēng)險(xiǎn)利率的差值作為無(wú)風(fēng)險(xiǎn)利率的斜率(slope)。由于各類債券數(shù)量龐大，為方便分析，本文對(duì)各類債券的信用利差求取了平均值。

2.VAR模型分析及脈沖響應(yīng)分析

(1)變量描述性分析

表3 各變量描述性統(tǒng)計(jì)結(jié)果

表3中cs1、cs2分別為公司債的線性插值信用利差以及NS信用利差。與之前的截面數(shù)據(jù)類似，不同方式獲取的信用利差描述性統(tǒng)計(jì)方面不存在明顯的差異。

(2)信用利差VAR模型分析及脈沖響應(yīng)分析

為了探究各個(gè)宏觀因素對(duì)信用利差的動(dòng)態(tài)影響，建立VAR模型并進(jìn)行脈沖響應(yīng)分析。進(jìn)行VAR分析前，須對(duì)信用利差序列進(jìn)行平穩(wěn)性檢驗(yàn)，利用ADF法對(duì)企業(yè)債、公司債市場(chǎng)數(shù)據(jù)獲得的信用利差序列分別檢驗(yàn)后，得到兩種信用利差序列均為平穩(wěn)序列，可以直接進(jìn)行VAR分析。綜合VAR模型滯后階數(shù)的檢驗(yàn)結(jié)果以及自由度的損失，得出企業(yè)債、公司債的兩種信用利差VAR模型的滯后階數(shù)均設(shè)為1階最為合理。為檢驗(yàn)VAR模型是否穩(wěn)定，能否進(jìn)行后續(xù)的脈沖響應(yīng)分析，對(duì)VAR模型進(jìn)行了單位根檢驗(yàn)，得出滿足脈沖響應(yīng)分析條件，見(jiàn)圖1和圖2。

圖1 線性插值信用利差的VAR模型單位根檢驗(yàn)

圖2 NS信用利差的VAR模型單位根檢驗(yàn)

脈沖響應(yīng)分析常用于衡量一個(gè)變量對(duì)另一個(gè)變量的影響效果，為了了解信用利差各影響因素對(duì)信用利差影響的持續(xù)效果，可以通過(guò)信用利差對(duì)各因素的脈沖響應(yīng)圖進(jìn)行分析，見(jiàn)圖3和圖4。

從圖3和圖4中可以看出，與對(duì)線性插值NS信用利差的沖擊相比，對(duì)于影響持續(xù)期較長(zhǎng)的無(wú)風(fēng)險(xiǎn)利率(rf)以及無(wú)風(fēng)險(xiǎn)利率斜率(slope)這類反映無(wú)風(fēng)險(xiǎn)利率的因素對(duì)公司債NS信用利差的影響持續(xù)期顯著縮短，這在一定程度上反映出通過(guò)NS模型求取信用利差的方式能夠更好地刻畫(huà)信用利差的特征。

圖3 線性插值信用利差對(duì)各因素的脈沖響應(yīng)

圖4 NS信用利差對(duì)各因素的脈沖響應(yīng)

三、結(jié)論與建議

本文運(yùn)用線性插值法以及Nelson-Siegel(NS)利率期限結(jié)構(gòu)模型兩種方式擬合無(wú)風(fēng)險(xiǎn)債券到期收益率獲取信用利差，分別基于橫截面數(shù)據(jù)和時(shí)間序列數(shù)據(jù)建立微觀影響因素的多元線性回歸模型和宏觀影響因素的VAR模型對(duì)兩類信用利差進(jìn)行了實(shí)證比較，綜合上述實(shí)證結(jié)果得出：

第一，微觀影響因素方面，公司債線性插值信用利差的擬合優(yōu)度為25%，而NS信用利差的擬合優(yōu)度為53%，差距十分懸殊，這在一定程度上表明，微觀影響因素對(duì)基于NS模型獲取的信用利差的解釋遠(yuǎn)大于基于線性插值法獲取的信用利差。

第二，宏觀影響因素方面，無(wú)風(fēng)險(xiǎn)利率的水平及斜率對(duì)NS信用利差的影響最大，意味著NS模型相較于簡(jiǎn)單的線性插值更加貼合無(wú)風(fēng)險(xiǎn)利率的真實(shí)期限結(jié)構(gòu)。

第三，不同的信用利差獲取方式對(duì)研究結(jié)論產(chǎn)生了差異性影響，基于NS模型獲取的信用利差在研究信用利差影響因素時(shí)更加符合理論預(yù)期。

基于本文結(jié)論，提出以下建議：

第一，研究者應(yīng)重視不同信用利差獲取方式對(duì)實(shí)證結(jié)果的影響。NS等多參數(shù)擬合連續(xù)曲線方法獲取信用利差更能刻畫(huà)利率期限結(jié)構(gòu)的特點(diǎn)。

第二，政府應(yīng)盡早考慮解決債券市場(chǎng)長(zhǎng)期分割的不利局面。統(tǒng)一債券發(fā)行條件、監(jiān)管規(guī)則以及托管結(jié)算，有利于場(chǎng)內(nèi)資金的自由流動(dòng)，充分發(fā)揮債券市場(chǎng)的價(jià)格發(fā)現(xiàn)功能，更準(zhǔn)確地反映宏觀經(jīng)濟(jì)指標(biāo)對(duì)信用價(jià)差的影響。

第三，繼續(xù)推動(dòng)利率市場(chǎng)化改革，實(shí)現(xiàn)利率“雙軌合一”。形成真正市場(chǎng)化的利率體系，進(jìn)一步發(fā)揮利率機(jī)制的金融資源配置功能，有利于更清晰反映利率期限結(jié)構(gòu)對(duì)債券信用價(jià)差的影響。