王軍生,史亦卿,蘇興洪

(西安財經(jīng)大學 經(jīng)濟學院,陜西 西安 710100)

一、引言及文獻綜述

2021年中國經(jīng)濟高質量轉型實現(xiàn)了新的突破,為“十四五”規(guī)劃打開了新的局面。但是在步入2022年以來,新冠病毒感染疫情的持續(xù)反復,百年變局的加速演進,外部環(huán)境形勢更加變幻莫測,中國經(jīng)濟面臨著需求收縮、供給沖擊和預期轉弱的三重壓力。在當前經(jīng)濟形勢下,貨幣政策的困境是刺激經(jīng)濟與推高通脹和資產(chǎn)泡沫的選擇兩難,貨幣政策框架要轉向利率型并加強傳導疏通。2022年中央經(jīng)濟工作會議強調,要采用穩(wěn)定的貨幣政策,靈活適度地保持流動性合理充裕。在經(jīng)濟下行壓力到來時,貨幣政策穩(wěn)增長的作用要體現(xiàn)出前瞻性,而經(jīng)濟企穩(wěn)后,貨幣政策則要向邊際收緊。貨幣政策要處理好穩(wěn)增長和防風險的關系,以結構性發(fā)力為主,需要避免短期政策效應過強但不利于經(jīng)濟長期平穩(wěn)發(fā)展的情況。債券是資本市場支持實體經(jīng)濟的主戰(zhàn)場,債券收益率曲線蘊含了豐富的宏觀經(jīng)濟和貨幣政策信息,如何發(fā)揮好債券市場傳導貨幣政策、推動經(jīng)濟增長的作用,需要對債券利差和經(jīng)濟增長間的動態(tài)關系進行量化分析。

債券利差主要包括期限利差和信用利差。期限利差與經(jīng)濟增長方面,國內(nèi)外學者關于國債期限利差與宏觀經(jīng)濟關系的研究主要集中于研究國債期限利差與經(jīng)濟增長、通貨膨脹、經(jīng)濟周期等變量的關系方面。付一婷和畢振豫通過建立TVP-VAR模型,證實國債期限利差可以通過增加商業(yè)銀行的盈利能力支持中國實體經(jīng)濟發(fā)展[1];而美國國債相關規(guī)律的研究則發(fā)現(xiàn)期限利差與通貨膨脹之間存在正相關關系[2]。朱世武通過比對中國國債期限利差與通貨膨脹之間的關系,以及中美國債期限利差的聯(lián)動效應,得出利率期限結構可以作為貨幣政策制定的依據(jù)影響經(jīng)濟增長,并利用利率均衡模型為銀行間市場浮動利率債券進行了定價[3]。經(jīng)濟增長的變化往往具有周期性特點,學者們進一步研究了期限利差與經(jīng)濟周期變換之間的關系,基于logit模型實證分析了不同期限利差對經(jīng)濟周期發(fā)生轉折是否有著明顯的研判作用[4-5];利用VAR-ATSM模型分析發(fā)現(xiàn)，較長期的利差可以在一定程度上預測經(jīng)濟增長與通貨膨脹的未來走勢,且通過中美國債期限利差的比對分析,發(fā)現(xiàn)美國國債期限利差更容易受到通貨膨脹預期、貨幣政策等宏觀經(jīng)濟指標的影響[6-7]。此外,國債期限利差在經(jīng)濟波動預測上得到了更多應用。閔荷露和廖昕基于向量誤差修正模型(VECM)以及熵權法構建了宏觀經(jīng)濟景氣指數(shù),研究發(fā)現(xiàn)國債期限利差是宏觀經(jīng)濟景氣指數(shù)的單向格蘭杰原因,且對宏觀經(jīng)濟景氣指數(shù)具有滯后和一定持續(xù)性的正向影響[8]。蘇梽芳等使用2018至2019年中國國債收益率曲線數(shù)據(jù),重構了7組長短國債期限利差的函數(shù)型數(shù)據(jù),發(fā)現(xiàn)在經(jīng)濟下行區(qū)間的外部環(huán)境下日度數(shù)據(jù)可以對經(jīng)濟下行趨勢做出較為準確的研判,而七年期與一年期利差數(shù)據(jù)的預測準確度最好[4]。相關研究表明,將期限利差與宏觀經(jīng)濟指標相結合,可以更好地詮釋經(jīng)濟波動,利用期限利差與經(jīng)濟增長之間的高相關性,可以對經(jīng)濟周期的轉折做出較為準確的監(jiān)測。

信用利差與經(jīng)濟增長方面,貨幣政策是影響債券信用利差的重要因素,貨幣政策通過債券市場的傳導途徑最終會作用于經(jīng)濟增長。債券自身的杠桿屬性會作用于債券的信用利差,進而對貨幣政策的債券市場傳導效應產(chǎn)生影響[9],而貨幣政策利率對債券信用利差的傳導過程則存在明顯的跨市場差異[10]。劉沖等使用中國債券市場交易數(shù)據(jù),分析了外部市場環(huán)境與政策環(huán)境的變化后,及其所導致的貨幣市場短期利率向債券利率傳導效率的變化[11]。溫湖煒等則發(fā)現(xiàn)貨幣政策調控對于企業(yè)債券信用利差的調節(jié)效應存在時變特征,價格型貨幣政策工具對企業(yè)信用利差的調節(jié)效應最為顯著,且其對中國企業(yè)債券的信用風險傳導作用也在逐漸提升[12]。于靜霞和周林研究發(fā)現(xiàn)信用利差具有逆經(jīng)濟周期的特征,且通貨膨脹以及經(jīng)濟加速增長預期會對低信用級別債券的信用利差具有正向影響[13]。王雷和聶常虹研究了中國債券利差對宏觀經(jīng)濟指標的預測能力,采用自下而上的方法構建了中國的民營企業(yè)信用利差指數(shù),發(fā)現(xiàn)債券市場沖擊會影響到企業(yè)融資成本以及固定資產(chǎn)投資,進而影響物價水平,最終會導致經(jīng)濟增速的放緩[14]。相關研究主要關注貨幣政策通過債券利差傳導的政策效應,而探討債券利差通過貨幣政策傳導反作用于經(jīng)濟增長的研究則相對不足。

綜上可見,現(xiàn)有研究主要關注信貸總量與經(jīng)濟增長的相關性,將信用利差對經(jīng)濟增長的影響聯(lián)系起來的研究相對較少,信用利差對經(jīng)濟增長的研判效果也沒有得到充分重視。因此,要理清貨幣政策與債券利差的相關性,債券利差與經(jīng)濟增長相關聯(lián)系的政策含義,有必要理解這些相關性在多大程度上是由貨幣政策本身產(chǎn)生的,或在多大程度上是由貨幣政策傳導的。本文的創(chuàng)新點為:第一,選取了宏觀經(jīng)濟、貨幣政策、分類貸款余額、信用利差等4大類描述性體系并細分為9個經(jīng)濟變量,構建一個融合這些變量的多方程模型,并在可能的情況下使用結構性VAR的研究方法來闡明數(shù)據(jù)中的反饋行為,從而達到研究這4類指標相互影響路徑的目的;第二,結合國債期限利差(TS)的相關研究,利用中國企業(yè)債券日交易數(shù)據(jù)構建了衡量中國企業(yè)債券融資情況的企業(yè)債券信用利差指數(shù)(GZ spread),以期限利差和信用利差作為債券市場風險的衡量指標,進而觀測其與貨幣政策和經(jīng)濟增長的相互影響,研究其是否能夠成為預測經(jīng)濟周期的領先性指標并有效研判經(jīng)濟波動,為后續(xù)相關研究提供一定參考。

二、實證模型與數(shù)據(jù)來源

(一)實證模型

在此借鑒Primiceri、Nakajima提出的包含隨機波動的時變參數(shù)向量自回歸模型(TVP-VAR)[15-16],利用該模型研究信用利差對信貸總量和國內(nèi)經(jīng)濟活力的結構性沖擊。此模型在SVAR模型的基礎上,要求各個參數(shù)隨時間變化并且服從隨機游走過程。首先,SVAR的模型公式如下:

Ayt=F1yt-1+F2yt-2+…+Fsyt-s+μt,t=s+1,s+2,…,s+n

(1)

其中,yt是k×1可觀測的變量矩陣,A,F1,F2,…,Fs為k×k系數(shù)矩陣,μt為結構性沖擊矩陣,μt～N(0,Σ);A為下三角矩陣,Σ為對角矩陣:

把式(1)左右兩邊同時左乘A-1,得到簡化的SVAR模型:

yt=B1yt-1+B2yt-2+…+Bsyt-s+A-1Σεt,εt～N(0,Ik)

(2)

yt=Xtβt+A-1Σεt

(3)

此時,式(3)中的參數(shù)為非時變參數(shù)。然后,將式(3)擴展為允許待估參數(shù)隨時間變化而變化的TVP-VAR模型:

yt=Xtβt+A-1Σtεt,t=s+1,s+2,…,s+n

(4)

(二)變量選取與數(shù)據(jù)來源

變量可分為經(jīng)濟增長、信貸規(guī)模、貨幣政策以及債券利差4個類別,具體包括9個細分指標(如表1所示)。

表1 變量說明

經(jīng)濟增長類變量?？紤]到高頻數(shù)據(jù)的模型預測精度較高,而GDP缺乏月度數(shù)據(jù)。在此借鑒Brunnermeier等的研究思路[17],采用月度工業(yè)增加值衡量經(jīng)濟實際增長,數(shù)據(jù)來源國家統(tǒng)計局(1)通過國家統(tǒng)計局發(fā)布的工業(yè)增加值同比增長和工業(yè)增加值累計增長計算得到。。與此同時,由于物價水平的變動會導致經(jīng)濟增速的變化[14],因而引入消費者價格指數(shù)(CPI)和大宗商品價格指數(shù)(BPI),分別用來衡量居民層面和企業(yè)層面的通貨膨脹,相關數(shù)據(jù)來源于GSMAR、Wind數(shù)據(jù)庫。

信貸規(guī)模類變量。本文從中國人民銀行官網(wǎng)收集整理住戶貸款(HHC)和非金融機構貸款(BSC)分別衡量中國住戶層面和企業(yè)層面的貸款規(guī)模。

貨幣政策類變量。借鑒劉赟和莫斌的研究結論,將貨幣政策分類為價格型貨幣政策和數(shù)量型貨幣政策[18]。上海同業(yè)拆借利率(Shibor),作為衡量價格型貨幣政策的主要指標,數(shù)據(jù)來源GSMAR數(shù)據(jù)庫。數(shù)量型貨幣政策采用中國人民銀行披露的廣義貨幣供應量月度數(shù)據(jù),記為M1。

債券利差類變量。本文借鑒Gilchrist和Zakrajsek的方法[19],選取國債期限利差(TS),并自行計算中國企業(yè)債券信用利差(GZ)。國債期限利差(TS)數(shù)據(jù)來源中國債券信息網(wǎng)中國債收益率曲線標準曲線信息,通過日交易信息,計算出10年期和3個月期國債收益率的月平均收益率,最后求差得到;企業(yè)債券信用利差(GZ)根據(jù)前文所述方法計算得到。

(三)信用利差指數(shù)構建

本研究采取“自下而上”的方法構建企業(yè)債券信用利差。從國泰安數(shù)據(jù)庫獲取企業(yè)債券相關數(shù)據(jù),收集2007年10月到2020年12月企業(yè)債券日交易數(shù)據(jù),根據(jù)國泰安數(shù)據(jù)庫提供的到期收益率算法,計算出債券i在任意時點t的未除息到期收益率yit,具體計算方法如下。

對于最后付息周期的固定利率債券、待償期在一年及以內(nèi)的零息債券以及到期一次還本付息的債券,到期收益率計算方法如下所示:

(5)

對于待償期在一年以上的零息債券和到期一次還本付息的債券,企業(yè)債券到期收益率計算公式如下:

(6)

對于不處于最后付息周期的固定利率債券,到期收益率按照復利計算,具體計算公式如下:

(7)

設0≤x1≤L≤xn≤T,已知(xi,yi),(xi+1,yi+1),i,j∈[1,n],則任意x(xi

y(x)=yiH1+yi+1H2+diH3+di+1H4

(8)

(9)

其中t∈m,Nm為m月所有交易日企業(yè)債券交易總量。最后計算出月度企業(yè)債券信用利差(GZ),描述性統(tǒng)計信息如表2所示。

表2 企業(yè)債券信用利差描述性統(tǒng)計

(四)數(shù)據(jù)平穩(wěn)性檢驗和模型參數(shù)檢驗

為預防偽回歸問題,使用Stata軟件對原始數(shù)據(jù)進行平穩(wěn)性檢驗。以2010年為基期,將月度工業(yè)增加值(IP)、住戶貸款(HHC)、非金融機構貸款(BSC)、貨幣供給(M1)換算成實際值。消費者價格指數(shù)(CPI)、上海同業(yè)拆借利率(Shibor)和GZ原始數(shù)據(jù)平穩(wěn),本研究不再對其進行處理。月度工業(yè)增加值(IP)、國債期限利差(TS)取對數(shù)后平穩(wěn)。住戶貸款(HHC)、非金融機構貸款(BSC)、貨幣供給(M1)和大宗商品價格指數(shù)(BPI)仍為不平穩(wěn)序列,對這四個變量數(shù)據(jù)進行差分處理后,其經(jīng)濟含義分別為住戶貸款月增速、非金融企業(yè)及機構貸款月增速、貨幣供給月增速和環(huán)比大宗商品價格指數(shù)。差分處理后的相關變量數(shù)據(jù)在1%顯著水平下平穩(wěn)。

具體模型參數(shù)估計結果如表3所示,其中包括后驗均值、后驗標準差、95%置信區(qū)間、收斂診斷值和非有效因子。后驗均值均在95%置信區(qū)間中,收斂診斷值都小于95%顯著水平下的臨界值1.96,說明數(shù)據(jù)均收斂于后驗分布。同時,非有效性因子最大值為50.94,遠小于抽樣次數(shù),在10 000次抽樣下能獲取196個不相關樣本,后驗推斷可信度高。

表3 TVP-VAR模型參數(shù)估計表

三、實證分析結果

由于債券利差對經(jīng)濟增長的影響效果主要依賴于貨幣政策傳導機制,且信貸規(guī)模在此過程中發(fā)揮著重要作用。因此,在貨幣政策沖擊的視角下,首先考察貨幣政策、信貸規(guī)模和債券利差的時變脈沖響應結果,在此基礎上進一步考察債券利差與經(jīng)濟增長的時變脈沖響應結果。本文利用Matlab軟件繪制出貨幣政策(M1、Shibor),信貸規(guī)模(HHC、BSC),債券利差(TS、GZ),經(jīng)濟增長(IP、BPI、CPI)受到1個外生單位沖擊后的時變脈沖響應圖。在不同滯后期的選取上,綜合考慮各變量的期限特征,分別選取提前3期、6期和12期(短期、中期和長期)條件下的結果。與此同時,在不同沖擊時點的選取上,為了保證所選樣本足夠全面,并結合中國經(jīng)濟增長受到重大沖擊的典型時段,借鑒古廣東和李慧的方法[20],本文在樣本序列的“前段”“中段”“末段”分別選取2008年8月的全球次貸危機、2015年6月的中國A股股災、2020年1月新冠病毒感染疫情引發(fā)的世界經(jīng)濟波動三個代表性時點。

(一)貨幣政策、信貸規(guī)模和債券利差

1.貨幣政策與信貸規(guī)模

貨幣政策變量(M1、shibor)一單位外生沖擊對住戶貸款(HHC)和非金融機構貸款(BSC)影響的時變脈沖響應曲線如圖1所示。圖1(a)和圖1(b)表示的是貨幣供給(M1)沖擊對住戶貸款(HHC)和非金融機構貸款(BSC)的時變脈沖響應曲線。由圖1(a)與圖1(b)可知,貨幣供給沖擊對住戶貸款和非金融機構貸款的影響恒為正,并且整個時間軸上脈沖響應曲線較為平穩(wěn)。具體來看,提前3期的響應曲線均為正值,提前6期和提前12期的響應曲線趨于零。這說明貨幣供給總量增加能夠在短期內(nèi)提高住戶貸款和非金融企業(yè)機構貸款規(guī)模,短期正向的貨幣政策增加了市場信貸規(guī)模,而這種影響隨著時間延長逐漸減弱趨于穩(wěn)定。同時,相比于非金融機構貸款(BSC),貨幣供應量對住戶貸款(HHC)的沖擊更加明顯。

圖1(c)和圖1(d)表示Shibor沖擊對住戶貸款(HHC)和非金融機構貸款(BSC)的時變脈沖響應曲線。由圖1(c)可知,短期Shibor沖擊對住戶貸款影響體現(xiàn)為負向影響,隨后在中長期脈沖響應趨于零,即中長期Shibor沖擊對住戶貸款幾乎沒有影響。由圖1(d)可知,提前3期、6期和12期的脈沖響應曲線走勢基本相同,非金融機構貸款(BSC)對Shibor的沖擊的響應最初體現(xiàn)為明顯的負向關系,隨后持續(xù)減弱,但是值得注意的是,這種沖擊影響到2016年左右由負轉正并達到峰值。同時提前3期的脈沖響應更為顯著,體現(xiàn)了明顯的短期沖擊特征。

圖1 貨幣政策對信貸規(guī)模不同提前期的脈沖響應函數(shù)

圖2(a～d)給出了貨幣政策對信貸規(guī)模在三個不同時點上的脈沖響應,由實證結果顯示,分類信貸總量對貨幣政策沖擊總體上均表現(xiàn)為短期迅速反應后趨于平穩(wěn)的特點。具體來看,圖2(a)、圖2(b)所示為一單位貨幣供給正向沖擊,對住戶貸款和非金融機構貸款的響應圖,可以看出三條曲線波動趨勢完全擬合,證明貨幣供給量的變動對于信貸總量的影響是穩(wěn)定的,不會由于不同時點的沖擊而產(chǎn)生極大差異,說明貨幣總量的變動對信貸總量的調控是長期有效的。但是反觀圖2(c)、圖2(d),Shibor變動在不同時點的沖擊表現(xiàn)時變差異較大。Shibor對于住戶貸款的沖擊,在初期的時間節(jié)點(2008.08)的沖擊中表現(xiàn)為負向影響,而在2015年6月和2020年1月兩個時間點則趨于平穩(wěn)。而Shibor對非金融機構貸款的沖擊在各個時點的表現(xiàn)基本一致,都在1期達到了負向的峰值,但是逐漸趨于平穩(wěn)。綜合以上分析結果可知,在2008年全球次貸危機期間,由于中國早在2007年底就為應對經(jīng)濟過熱而采取了緊縮的貨幣政策,并且伴隨著中國經(jīng)歷了地震等重大自然災害,這一切都使得居民信貸水平受到更加明顯的沖擊,體現(xiàn)為更為明顯的負向關系。而機構貸款在2015年表現(xiàn)出來的對抗利率變動,則主要由于國際貿(mào)易爭端,以及A股股災的持續(xù)影響,經(jīng)濟波動沖擊范圍只體現(xiàn)在金融市場方面,央行的幾次降準都伴隨著對高杠桿率和規(guī)范證券市場體制的指向性政策,由于監(jiān)管嚴查金融市場場外配資而導致的踩踏效應,降低了金融市場吸引力,導致了資金流向實體經(jīng)濟。

圖2 不同時點貨幣政策對信貸總量的脈沖響應

綜上所述,數(shù)量型貨幣供給M1與價格型貨幣政策Shibor對于貸款總量的傳導機制都是有效的,但是對于兩類分類貸款余額的沖擊體現(xiàn)了明顯的非對稱性,主要原因體現(xiàn)在以下幾個方面:

(1)信息技術限制所導致的信息不對稱性。相比于機構信貸,居民貸款的主要信息來源較為局限。線上民間借貸活躍時間要遠遠晚于機構線上信貸。而線下民間借貸作為主要居民貸款形式,其來源主要為血緣、職業(yè),以及其他“軟信息”。而信息技術的限制導致了居民貸款獲取渠道受限。相比之下,機構貸款擁有更加廣泛的信息渠道,因此更加方便快捷地獲得信貸匹配。

(2)貸款需求以及信用狀況不同導致彈性差異。居民貸款的主要投向是房地產(chǎn),而機構貸款則主要用于生產(chǎn)經(jīng)營以及商業(yè)活動。在面對銀根緊縮時,居民對房地產(chǎn)市場的消費需求會顯著降低,而機構由于日常經(jīng)營需要對現(xiàn)金流穩(wěn)定更加重視,因此面對貨幣政策調整,機構會通過更加積極地保持經(jīng)營現(xiàn)金流的充裕,相比之下,信貸需求彈性更低。此外,由于中國信用體系建設較為遲緩,居民的信用狀況相比企業(yè)不確定性更高,因此加劇了信貸獲得難度,表現(xiàn)為對貨幣政策變動彈性的增大。

2.貨幣政策與債券利差

如圖3所示,不同提前期貨幣供給(M1)沖擊下國債期限利差(TS)和企業(yè)債券信用利差(GZ)的脈沖響應圖(圖3(a)、(b))的方向相反。一單位貨幣供給沖擊對短中長期的國債期限利差(TS)體現(xiàn)為正向影響,隨后逐漸趨于零,而企業(yè)債券信用利差(GZ)體現(xiàn)為負向影響,且二者時效性較強。貨幣供給增加刺激的短期經(jīng)濟繁榮,長期國債的市場需求下降導致期限風險補償上升,國債期限利差(TS)上升;對于企業(yè)債券信用利差(GZ)來說,經(jīng)濟繁榮提高了企業(yè)的盈利能力,信用風險下降減小了信用溢價,同時企業(yè)能夠得到充足的銀行貸款,企業(yè)債券發(fā)行需求下降,共同作用企業(yè)債券信用利差降低。

圖3 貨幣政策對信用利差不同提前期的脈沖響應函數(shù)

如圖3(c)、圖3(d)所示,Shibor正向沖擊下國債期限利差(TS)和企業(yè)債券信用利差(GZ)的脈沖響應曲線和貨幣供給(M1)沖擊下的脈沖曲線趨勢相反,值得注意的是,Shibor對企業(yè)債券信用利差(GZ)沖擊影響在短期迅速下降,由正轉負,但是在2015年左右,短暫出現(xiàn)了由負轉正的異動。這是由于股災導致的對短期經(jīng)濟的擔憂,造成了短期利率上浮,同時迅速傳導到了企業(yè)債市場,導致企業(yè)債信用利差擴大,側面說明資本市場內(nèi)在聯(lián)系十分緊密。而在2016年后,這種沖擊影響表現(xiàn)為穩(wěn)定的負向影響。

圖4(a～d)所描述的不同時點貨幣政策對信用利差的脈沖響應產(chǎn)生了較大的差異。由圖4(a)、圖4(b)可知,貨幣總量(M1)的正向沖擊,雖然總體上呈現(xiàn)出收斂、趨于穩(wěn)定的形態(tài),但是貨幣總量增加會導致國債息差增大,而減小企業(yè)債息差。反觀圖4(c)、圖4(d),在不同時點下國債息差受Shibor沖擊表現(xiàn)為一致的負向關系,表明經(jīng)濟過熱時,緊縮的貨幣政策降低了國債投資需求,短期價格降低,收益率增高,國債息差收窄。而Shibor對企業(yè)債息差不同時點沖擊曲線逐漸分離,體現(xiàn)明顯的時變特征。2008年次貸危機期間,由于信用危機所帶來的經(jīng)濟崩潰波及范圍過廣,疊加中國緊縮的貨幣政策,Shibor正向沖擊導致企業(yè)債券信用利差擴大,投資人對企業(yè)的信用風險擔憂過度,恐慌效應導致企業(yè)債風險貼水迅速擴大而且時效長。而后段(2020年后)則體現(xiàn)了息差收窄的異?，F(xiàn)象,隨著中國應對經(jīng)濟危機更加成熟,而且實行了一系列積極的經(jīng)濟增長政策。雖然Shibor短期對經(jīng)濟波動影響明顯,但隨著中國貨幣政策的傳導機制不斷完善,債券市場的成熟與定價機制的合理化,最終能夠有效指導資本市場回歸理性。

圖4 不同時點貨幣政策對信用利差的脈沖響應

通過實證研究表明,貨幣政策與債券利差之間存在傳導機制。并且,衡量流動性風險以及期限風險的國債息差與衡量信用溢價的企業(yè)債息差在不同貨幣政策的影響下差異明顯。國債息差波動相較于企業(yè)債息差更小,并且穩(wěn)定。雖然二者都表現(xiàn)為時效較長的特點,但是值得注意的是,圖3(d)與圖4(d)所體現(xiàn)的異?，F(xiàn)象,均發(fā)生在2015年后。隨著中國經(jīng)濟體制改革深入,為了提高經(jīng)濟發(fā)展質量,中國實行了供給側結構性改革,以應對機構高債務高杠桿率的潛在系統(tǒng)性風險。此時,國債市場與企業(yè)債市場發(fā)展關系逐步從“替代性關系”轉變?yōu)榱恕盎パa性關系”,二者發(fā)展協(xié)調性更好,使得貨幣政策調控難度顯著降低。

(二)債券利差與經(jīng)濟增長

圖5呈現(xiàn)了國債期限利差(TS)沖擊下經(jīng)濟增長表現(xiàn)的脈沖響應。從工業(yè)增加值(IP)角度來看,圖5(a)顯示,不同提前期國債期限利差(TS)對工業(yè)增加值的脈沖響應曲線走勢基本一致,最開始對工業(yè)增加值的影響是負向的,但這種影響隨時間的推移越來越小,最后變?yōu)檎蛴绊?。圖5(b)和圖5(g)顯示短期國債期限利差(TS)沖擊下消費者價格指數(shù)(CPI)和大宗商品價格指數(shù)(BPI)的脈沖響應函數(shù),短期內(nèi)趨勢都體現(xiàn)為正向沖擊到負向沖擊的漸變過程,說明國債息差擴大一定程度上加劇了通貨膨脹。信用利差沖擊帶來的通貨膨脹效應在短期內(nèi)抑制了經(jīng)濟發(fā)展,并且短期的TS變動對經(jīng)濟波動的沖擊更加明顯。

圖5 國債期限利差(TS)沖擊脈沖響應函數(shù)

圖6(a)、(b)、(g)表示企業(yè)債券信用利差(GZ)沖擊下工業(yè)增加值(IP)、消費者價格指數(shù)(CPI)和大宗商品價格指數(shù)(BPI)的脈沖響應函數(shù)。企業(yè)債券信用利差對消費者價格指數(shù)和大宗商品價格指數(shù)的長期沖擊影響走勢基本相同,均表現(xiàn)為相對穩(wěn)定的特征,即信用風險上升并不會顯著引起通貨膨脹。從工業(yè)增加值角度來看,短期企業(yè)債息差對工業(yè)增加值有一定的正向沖擊作用,隨著時間的推移這種正向的作用不斷減弱而趨于穩(wěn)定。總的來說,企業(yè)債券信用利差(GZ)沖擊下和國債期限利差(TS)沖擊下工業(yè)增加值脈沖響應曲線趨勢基本相同,短期會促進工業(yè)增加值,長期這種促進作用逐漸減弱,最后由于社會全要素生產(chǎn)率或者生產(chǎn)資源總量的制約,這種影響都會逐漸趨于穩(wěn)定。

圖6 企業(yè)債券信用利差(GZ)沖擊脈沖響應函數(shù)

圖7(a～i)分別體現(xiàn)了一單位國債息差沖擊在不同時點對經(jīng)濟增長的脈沖響應。不同時點國債息差對工業(yè)增加值影響基本一致,前段影響為負向,而中后段體現(xiàn)為由正向沖擊到逐漸穩(wěn)定的特征。而反觀對價格指數(shù)的影響,TS對CPI在2008年與2015年的影響都呈現(xiàn)為正向波動最終趨于穩(wěn)定的特征,而在2020年后呈現(xiàn)為負向波動;而TS對BPI的影響差異體現(xiàn)在2008年為分割點,由正轉負但是最終趨于穩(wěn)定。因此對于國債息差的沖擊,工業(yè)增加值與大宗商品價格指數(shù)呈現(xiàn)出相似的特點,而對于消費者價格指數(shù)則有明顯差異,但是三者都在滯后5期趨于平穩(wěn),說明國債息差沖擊時效較短。而消費者價格指數(shù)異常表現(xiàn)為,疫情沖擊后,國債息差變動一定程度降低了通貨膨脹。

圖7 不同時點國債期限利差(TS)對各變量的脈沖響應

企業(yè)債券信用利差(GZ)在不同時點對工業(yè)沖擊的影響與國債息差相似(圖8),僅在2008年沖擊表現(xiàn)為明顯的正向影響,而在2015年后影響越來越弱。而對消費者價格指數(shù)的影響在任何時點上都呈現(xiàn)出基本穩(wěn)定的特點,而對大宗商品價格指數(shù)呈現(xiàn)明顯時點差異,在2015年呈現(xiàn)負向聯(lián)系。綜上說明國債息差與企業(yè)債息差似乎并沒有與消費者價格指數(shù)有明顯聯(lián)系,而對大宗商品價格指數(shù)的影響差異性要更加明顯。

圖8 不同時點企業(yè)債券信用利差(GZ)對各變量的脈沖響應

因此,總體來說,兩種信用利差(TS,GZ)都可以作為跟蹤甚至研判經(jīng)濟總量短期變動的重要指標。但是在對價格指數(shù)的跟蹤上,TS與GZ息差對消費者價格指數(shù)跟蹤效果較差,對大宗商品價格指數(shù)跟蹤效果較好。值得注意的是,不同時點國債息差對各經(jīng)濟變量的脈沖響應所體現(xiàn)的異常時變效應,主要產(chǎn)生在2008年次貸危機時期,世界金融市場的混亂,大型機構的做空,引起了資本市場的極度恐慌,中國經(jīng)濟也因此呈現(xiàn)了工業(yè)增加值降低,結構性通貨膨脹的“滯脹”危機。進一步結合兩種信用利差對shibor的影響可以發(fā)現(xiàn),信用利差對利率水平的影響更大,而傳導到價格指數(shù)時就會顯著減小,說明債券市場的風險經(jīng)過貨幣政策調節(jié)后,對價格的沖擊變小,證明了債券市場風險與價格指數(shù)間似乎存在著傳導機制。2021年10月10日,《國家標準化發(fā)展綱要》也明確了推動債券市場高質量發(fā)展,加強標準化工作建設,防范金融市場風險導致系統(tǒng)性風險。

(三)穩(wěn)健性檢驗

為了保證本文實證結果的準確性,本文選取重要變量IP、M1、GZ,并將信貸總量處理為住戶貸款與非金融機構貸款的總和,并記為CS,將這四個變量再次進行TVP-VAR模型時變分析,結果見圖9和圖10。

圖9 4變量不同滯后期脈沖響應圖

圖10 4變量不同時點脈沖響應圖

如圖9和圖10所示,僅考慮IP、M1、GZ與CS四個變量時,貨幣政策、信貸總量、信用利差對于工業(yè)增加值在不同滯后期和不同時點的脈沖響應與前文實證結果并無明顯差異,說明結果穩(wěn)健。

四、結論與政策建議

以往文獻研究中,信用利差所衡量的債券風險并未與經(jīng)濟波動有效聯(lián)系起來。因此,本文結合2007年10月到2020年12月國內(nèi)企業(yè)債券數(shù)據(jù)構建了企業(yè)債券信用利差指數(shù),并使用理論和實證相結合的方法,檢驗貨幣政策、債券市場風險之間的相互關系以及對經(jīng)濟增長的影響,探究可能的傳導路徑,主要研究結論如下。

首先,貨幣政策的變動,無論是宏觀貨幣總量或是基準利率的調整,對信貸總量的影響,都主要體現(xiàn)為短期沖擊,而且在2012年之后逐漸趨于平穩(wěn),說明隨著中國貨幣政策傳導機制逐漸完善,信貸規(guī)模能夠得到良好調控。但是由于信息不對稱,信用體系不完善等因素,機構貸款與居民貸款對于貨幣政策反應呈現(xiàn)“不對稱”特征;其次,通過實證研究表明,貨幣政策與信用利差之間存在著一條潛在的“傳導渠道”。國債息差波動相較于企業(yè)債息差更小,并且穩(wěn)定。雖然二者都表現(xiàn)出時效較長的特點,但是2015年后國債市場與企業(yè)債市場發(fā)展關系逐步從“替代性關系”轉變?yōu)榱恕盎パa性關系”,經(jīng)濟增長政策調控債券市場機制更加成熟;最后,兩種信用利差(TS,GZ)都可以作為跟蹤甚至研判經(jīng)濟總量短期變動的重要指標,但是只能在狹窄的“窗口”下作為短期觀測指標。在對價格指數(shù)的跟蹤上,TS與GZ息差對大宗商品價格指數(shù)跟蹤效果強于對消費者價格指數(shù)跟蹤效果,而這種差異性,主要由于信用利差首先影響利率水平,而傳導到價格指數(shù)時就會因為時滯性程度降低,證明了債券市場風險與價格指數(shù)間似乎存在著傳導機制。

根據(jù)以上研究結論,提出如下政策建議:

第一,充分運用信用利差等市場指標,提升貨幣政策經(jīng)濟調控的有效性。信用利差能夠有效跟蹤經(jīng)濟形勢與預期,經(jīng)濟擴張期低評級債券利差傾向于收窄,而經(jīng)濟下行期低評級債券利差傾向于擴張。相對于月度、季度和年度經(jīng)濟統(tǒng)計數(shù)據(jù)而言,債券市場信用利差具有可高頻觀測的優(yōu)點,能夠實時反映市場經(jīng)濟預期,增強貨幣政策微調、預調的可行性。建議挖掘債券市場信用利差的經(jīng)濟預期觀測功能,加強基于信用利差信號的貨幣政策日常操作,為經(jīng)濟增長提供更加穩(wěn)健連續(xù)的貨幣金融環(huán)境[21]。

第二,加快標準化債券市場體系建設,提升市場信息反映經(jīng)濟預期的準確性。為提升債券市場信息映射經(jīng)濟增長預期的精確度,仍需加快債券市場自身建設。如進一步健全債券發(fā)行機制,為準入不同信用風險等級主體,尤其是中小微企業(yè),建立多層次的債券發(fā)行板塊或子市場,使債券市場融資主體能夠進一步反映經(jīng)濟全貌。進一步健全債券市場做市制度,為市場主體提供連續(xù)報價,提高信用債券的流動性以及交易估值的準確性。債券市場的進一步健全完善,不僅將為各類融資主體提供直接融資支持,其市場信息對經(jīng)濟預期的跟蹤反饋也將更為精確,有助于宏觀調控政策的傳導,從而助推經(jīng)濟高質量發(fā)展。

第三,加快信用體系基礎設施建設,強化信用對經(jīng)濟發(fā)展的基礎作用。信用利差是企業(yè)信用風險溢價,然而對信用風險的評估則取決于企業(yè)基礎信息,如公司治理信息、經(jīng)營管理信息、財務信息等各類信息,對不同類型融資主體,尤其是中小微企業(yè),往往存在相關信息缺失或失真的情況,不僅對準入該類主體發(fā)行債券融資造成障礙[22],即便準入發(fā)行,也可能由于缺乏完備信息帶來信用風險定價不準確,進而造成市場收益率曲線的失真。因此,建議加強征信、擔保等信用體系基礎設施建設,為信用投融資推動經(jīng)濟發(fā)展提供更為基礎的支撐。