二级市场中企业债券和公司债券定价的比较研究_企业债论文

企业债与公司债二级市场定价比较研究，本文主要内容关键词为：二级市场论文,企业论文,公司论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

      一 引言

      企业债与公司债(下称“两债”)都是以企业或公司信用为基础的固定收益证券，是企业或公司直接向社会公众募集资金的重要渠道，也是社会公众可选择的一种风险较低、收益较高的投资品种与资产持有形式。在国外成熟的资本市场，公司债的发行量和持有量通常高于国债和股票，是最重要的基础性证券；而在我国，企业债自1993年起由发改委审批发行，是我国特有的债券种类，公司债自2007年起由证监会核准发行，两债市场因起步较晚尚未得到充分发展，其规模至今仍逊于国债与股票。

      然而上述情形在近年来发生了巨大变化。以资本市场的专业参与者——封闭式基金和开放式基金为例，笔者统计，自2002年起两类基金对债券资产的配置比重开始迅猛增长，截至2013年，其占比已与股票相当。债券资产取代存款资产是转折阶段的主要特点①，说明债券兼顾回报率与流动性的优点逐渐得到市场认可。对基金的债券投资组合做进一步分解后可以更直观地看到，2011年后，两债已成为最重要的债券投资品种。出现这一动向或许是由于两债的收益率相对较高，那么风险与收益的对应关系自然成为关注焦点。

      同其他金融资产一样，两债的核心问题在于定价。虽然从时间顺序来看，一级市场发行价格(下称“发行定价”)确定在先，二级市场流通价格(下称“市场定价”)发生在后，但发行定价却是以预估的市场定价为基础制定的②。决定市场定价的风险因素通常也影响着发行定价，而决定发行定价的一些制度性因素(如基准利率、票面利率、询价对象等)却对市场定价没有影响——即使发行定价偏离了市场定价，进入流通领域之后也会立即回归应有的市场价位(依据有效市场假说)。因此市场定价才是两债定价问题的本质。

      反观目前国内相关研究现状，针对两债发行定价已有比较深入的研究(何平和金梦，2010；方红星等，2013)，而关于两债市场定价的文献则只触及时间序列性质(冯宗宪等，2009)与信息有效性(高强和邹恒甫，2010)。从“风险与收益对等”的金融基本原则来看，上述文献无法回答两债的风险是什么，当然更无法触及风险因素如何决定市场定价的问题。其他一些探索性研究(如谭地军等，2008；赵静和方兆本，2011；王安兴等，2012；朱如飞，2013)因其研究设计有所不足(详见下文的讨论)，故其结论还有待商榷。

      研究中的另一个问题是，企业债作为我国特有的债券品种，其性质应属国债还是公司债，目前学界尚无法达成共识。何平和金梦(2010)与高强和邹恒甫(2010)在同一框架下研究过两债，认为两债同属信用债，可以把企业债看作公司债的一种形式。但王国刚(2007)与方红星等(2013)却主张企业债实际上是政府债券。尽管企业债与国债之间存在利差(冯宗宪等，2009)已为学界所知，但要判断企业债的性质，根本上还需要以企业债的价格(或收益率)是否会受企业的信用风险影响为依据。本文将通过比较研究提供这方面的经验证据。

      二、文献回顾

      决定企业债与公司债市场定价的因素众多，但总的来说，根据“风险与收益对等”的原则，债券所承风险越大，收益率(价格)就越高(低)。本节将对国内外两债风险定价文献做一全面梳理与分析。

      1.信用风险与结构模型

      公司债所承担的风险在早期被认为是信用风险，故其收益率高于无风险债券收益率的部分被称为信用利差(credit spread)。Merton(1974)最早提出了公司债定价的信用风险结构模型(structural model)并推导出：信用风险及信用利差取决于公司的杠杆率和资产市值的波动率。然而Merton模型在美国公司债市场上的实证并不成功(Jones et al.，1984)，这一现象被称为“信用利差之谜”。

      为解决“信用利差之谜”，后续研究将Merton模型朝各个方向扩展，衍生出一系列结构模型。如Black and Cox(1976)考虑了强制破产的债权人保护条款，使理论模型中的公司有可能外生地提前破产重组；Longstaff and Schwartz(1995)在Black-Cox模型的基础上允许无风险利率随机波动，从而为模型引入了利率风险；Collin-Dufresne and Goldstein(2001)在Longstaff-Schwatz模型基础上进一步允许公司杠杆率短期调整；Leland and Toft(1996)允许结构模型中的公司内生地选择违约破产时机；Fan and Sundaresan(2000)允许结构模型中的公司就债务问题与债权人重新谈判，从而内生地决定违约挽回比例(recovery rate)。

      尽管结构模型取得了纵深发展，但实证方面仍然不够成功。根据Eom et al.(2004)对5个代表性的结构模型的计算和比较，Merton模型固然存在定价过高(理论收益率过低)的问题，其衍生结构模型有的定价仍然过高，有的却过低，且预测误差普遍过大。Li and Wang(2008)改进了模型校准参数估计方法并验证了包括Merton模型在内的4个结构模型，发现预测误差的均值得到改善，Leland-Toft模型更适于短期债券，Longstaff-Schwartz模型则更适于中长期债券，但预测误差的标准差仍然过大。

      2.信用风险与简约模型

      为了避免结构模型的固有缺陷，Jarrow and Turnbull(1995)另辟蹊径提出了信用风险的简约模型(reduced-form model)。简约模型的思路是将公司债分解为无风险部分与违约风险部分，分别外生地指定随机过程，再用无套利的鞅定价方法为两部分分别定价，其乘积得到公司债价格。简约模型定价必须为随机过程的参数进行校准，而校准只需采用债券的历史价格数据，比结构模型的校准容易得多。由于所选择的参数最优地拟合了历史价格数据，因此简约模型的定价不会像结构模型那样出现系统性的偏差。Duffee(1999)最早对简约模型进行过实证评估，发现简约模型的样本内定价误差非常小。

      然而，简约模型也存在很大的不足：第一，参数估计不稳健，如在Duffee(1999)的研究中，债券的信用评级改变前后参数的估计值变化很大；第二，尽管样本内定价误差很小，但样本外的预测误差却与结构模型不相上下(Gündüz and Uhrig-Homburg，2014)。造成这些困难的根本原因在于简约模型绕过了违约发生的内在机制，外生假设了违约的随机过程，使模型失去了结构性参数。其缺陷与卢卡斯批评(Lucas Jr.，1976)的精神是一致的。尽管简约模型经过Madan and Unal(1998)、Lando(1998)、Duffie and Singleton(1999)等取得了进一步扩展，但其根本问题并未得到解决。

      3.流动性风险、其他风险与线性回归模型

      在结构模型和简约模型以外，大量文献开始实证地指出公司债定价的决定因素并不仅限于信用风险。早期的Jones et al.(1984)发现，对于Merton模型所未能解释的定价误差，总资产市值波动率、剩余期限、杠杆率等本身就包含在Merton模型中的变量在线性回归模型中仍然具有解释力，说明结构模型对信用风险的纠正不够充分。Elton et al.(2001)发现信用风险只能解释信用利差的25%，剩余75%的利差主要用于补偿税收和系统性风险。Collin-Dufresne et al.(2001)发现信用利差的变化除了受到信用风险变化的影响外，还受到流动性风险变化的影响。Longstaff et al.(2005)采用信用违约互换③的数据直接测量违约风险，发现信用利差主要由违约风险解释，其次是流动性风险。Land-schoot(2008)研究和比较了欧元公司债和美元公司债，发现信用利差除主要受信用风险和流动性风险影响外，还受到无风险利率期限结构的水平和斜率因子、股市回报率和波动率的影响。Bao et al.(2011)采用非流动性指标取代过去常用的测量流动性的买卖价差(bid-ask spread)指标，发现对公司债价格的解释力增强。

      4.国内实证文献与存在的问题

      谭地军等(2008)研究过企业债，却发现流动性风险未得到收益率补偿。赵静和方兆本(2011)研究过公司债，却发现杠杆率对收益率的影响与理论预期相反。王安兴等(2012)以公司债为样本，却发现杠杆率和剩余期限对收益率的影响与理论预期相反。朱如飞(2013)研究和比较过4种非流动性测度，发现只有Amihud(2002)非流动性测度有正确的风险补偿，但在其研究中仍然出现债券年龄和换手率的回归系数与理论预期相反的现象。

      估计系数的符号与理论预期的符号相反，通常是由于内生性问题造成了参数估计不一致。对于实证研究来说，系数估计最起码的要求是一致性(consistency)，如果不一致，那么估计出的系数就丧失了意义。正是由于这个原因，内生性问题是最困扰实证研究的问题，因为内生性会造成不一致。上述文献出现内生性问题的原因不外乎：第一，遗漏了某些重要的解释变量，未能合理地控制信用风险和流动性风险；第二，风险的测量方法或者代理变量的选择不够恰当；第三，回归模型的形式设定有误。本文在第三节研究设计中将竭力避免这三方面问题。

      三、研究设计

      本节将首先讨论选择定价模型的依据以及所选线性定价模型的形式，然后分别讨论影响定价的各个解释变量，最后讨论企业债与公司债的比较研究方案。

      1.线性定价模型的形式设定

      考虑到债券风险因素不仅限于信用风险，故本文研究不使用结构模型或简约模型，而是遵循Collin-Dufresne et al.(2001)、Landschoot(2008)和Bao et al.(2011)的方法使用线性回归模型。如此设定的优势在于：第一，线性模型可看作真实定价模型的一阶泰勒近似；第二，线性模型可以很方便地同时容纳信用风险、流动性风险和宏观系统性风险等定价因素；第三，线性模型的直观含义容易理解和解释；第四，近期国外文献与国内现有文献也采用的是线性定价模型，因此方便研究对比。

      因此，本文研究市场定价问题的模型形式设定为

      

      其中

代表债券i在交易日t的收益率，

代表交易日t中与债券i的剩余期限相对应的国债即期利率，

代表债券i的风险因子j在交易日t的测量值，

是债券对无风险利率的反应系数，

是债券对风险因子j的风险溢价，α是线性模型的截距项，

是债券i的非观测效应项，

是随机扰动项。

      等式(1)较之已有模型有两处重要改进：

      第一，非观测效应项

的加入允许定价模型中包含难以或无法观测到的解释变量，从而可以有效避免现有文献中常见的缺失变量问题④。

可以理解为债券i不随时间变化的固定利差。税率、交易费率、可赎回性条款、抵押担保条款、信息披露条件、发行制度等本身不随时间变化但有可能影响到债券定价的因素(也称为异质性因素)，其定价效应都隐含在u[，i]中。如果不加入非观测效应，要避免内生性问题就需要控制前述各种异质性因素，会给实证研究带来极大困难。这一设定对研究结果的改进将在第五节详述。

      第二处重要改进在于

系数的设定。以往研究中普遍采用信用利差的概念，相当于令

=1，其实是暗含的假定了无风险利率每上升或下降1个基点，债券回报率都会同时上升或下降1个基点。但我国企业债与公司债在无风险利率方面的信息有效性还不高这一经验事实(高强和邹恒甫，2010)说明上述假定并不成立。所以本文放松

=1的假定，允许

从数据中估计(并预期0＜

＜1)，将解放现有文献所受到的束缚，使研究更贴近我国现实。这一设定对研究结果的改进同样在第五节详述。

      2.风险因素的代理变量

      为介绍等式(1)中风险因子

的选择，从无风险利率、信用风险、流动性风险与宏观系统性风险四个方面分别进行阐述。

      (1)无风险利率。根据高强和邹恒甫(2010)，滞后期的无风险利率会影响债券的当期收益率，所以有必要将其控制起来。本文用每日交易所国债二级市场价格来拟合Nelson and Siegel(1987)提出的无风险利率期限结构模型⑤，得出每个交易日的即期利率曲线，再从曲线上提取与企业债/公司债的剩余期限相对应的即期利率作为无风险利率的估计值。这样做不仅比较精确，而且充分考虑了利率期限结构所包含的信息，不必再控制债券的剩余期限与收益率曲线的水平、斜率因子等期限结构代理变量。

      (2)信用风险。信用风险因素也就是与违约概率有关的各种因素。参考国内外文献的常见做法，本文选择债券的信用评级、产权性质、发债企业总资产的自然对数、杠杆比例以及股价波动率等作为代理变量。

      (3)流动性风险。流动性是指在不影响价格的前提下买入或卖出资产的能力。参考国内外文献的常见做法，本文选择Amihud(2002)非流动性指标、债券平均每日成交金额的自然对数、债券年龄等作为代理变量。Amihud(2002)非流动性指标是目前受认可度最高的流动性/非流动性测度指标⑥，反映了交易金额对价格回报的影响：单位成交金额引起的价格回报越大，资产流动性就越小，非流动性就越大。

      (4)宏观系统性风险。借鉴国内外文献的做法，本文选择沪深300指数回报率和年份虚拟变量作为宏观系统性风险的代理。年份虚拟变量用于粗略地控制其他宏观条件。

      

      3.企业债与公司债的比较研究方案

      作为在同一市场⑦上流通的信用债，尽管不同债券的风险因素和收益率通常不同，但从金融理论的角度来看，理应存在共同的定价公式或规律(何平和金梦，2010；高强和邹恒甫，2010)。但考虑到我国企业债与公司债存在诸多制度差异，也确有理由怀疑二者的定价公式或规律存在不同(王国刚，2007；方红星等，2013)。这一学术观点上的分歧应该由经验证据提供支持，因此我们提出下列两个研究假说，留待下文实证检验。

      假说1：市场在两种债券的风险上反应的溢价程度不同，即等式(1)中企业债的β向量与公司债的β向量在统计上不相等。

      假说2：市场对两种债券给予的基本利差不同，即等式(1)中企业债的α与公司债的α在统计上不相等。

      本节设计的定价模型等式(1)中所涉及的变量的符号、名称、单位、作用、回归系数预期符号和计算方法等信息汇总在表1中。

      四、数据描述

      本文的基础数据来源于国泰安数据服务中心(gtarsc.com)提供的中国债券市场研究数据库、CSMAR中国股票市场交易数据库、CSMAR中国上市公司财务报表数据库和色诺芬的CCER中国经济金融数据库。研究变量由以上数据库中查询出的基础数据经过整理和计算得出⑧。

      本文以2010-2012三年期间的证交所债券市场交易数据作为研究样本，研究对象限定为由上市公司发行的企业债和公司债。样本共包含21只企业债和278只公司债——企业债的数量偏小，是因为企业债的发债方大多数并未上市⑨。

      定价模型(1)涉及的各个变量的分位数和均值见表2，标准差分布见表3。

      

      

      从表2可以看出，本文的研究变量取值都在合理范围内分布。从表3可以看出，除无风险利率和指数回报率之外，各控制变量的组间标准差都与总体标准差相接近，个体变异占比都远大于时间变异占比，这说明变量的个体异质性非常大，做面板回归时需采用非观测效应模型。

      表4中按债券类型和信用评级分类，对各个分类子样本中的变量均值进行了描述。可以看出，在未控制其他因素不变的条件下，平均来讲，公司债较之企业债收益率较高(约125个基点)，总资产规模较小，杠杆率较大，股价波动率较高，Amihud(2002)非流动性指标较高，日均成交额较低，年龄较小。除年龄之外，公司债在解释变量各方面的风险特征都在一定程度上符合其收益率高于企业债的事实⑩。

      

      此外，从表4亦可看出，按信用评级划分产生的不同子样本中，与信用风险有关的各个变量的分布并未呈现出规律性：并非评级越低收益率就越高(见AA-和A+)、总资产越小评级就越低(见AA-)、杠杆比例越大评级就越低(见AA)、股价波动率越大评级就越低(见AA-)。这说明债券定价的决定因素有很多，不能仅看信用评级，更何况信用评级的划分与其他影响信用风险的因素并没有完全相关，因此在研究中应将这些影响信用风险的因素控制起来。

      Amihud(2002)非流动性指标、日均成交额、年龄等变量在不同信用评级中的分布也未呈现出规律性。这为这些变量与信用风险无关提供了一定的证据支持。这些变量影响到债券的流动性风险，且与债券类型具有相关性，在研究中亦应进行控制，否则必然会造成内生性问题。

      五、实证分析与检验

      本节报告的债券市场定价分析结果系基于研究设计中的等式(1)。本节首先对设计的模型和研究方法进行实证评估，并与同类文献进行对比；接下来解释研究结果的直观含义；最后对企业债与公司债的定价规律进行比较。

      1.模型评估与文献对比

      在使用非观测效应模型等式(1)之前，首先报告普通最小二乘法(OLS)的回归结果，结果见表5中的模型1。模型1相当于在等式(1)中限制了

=0，相当于不存在非观测效应。可以看到，illiqu和age变量的回归系数的符号与理论预期相反。通过BP检验(Breusch and Pagan，1980)考察是否存在非观测效应，得到的结果非常显著(

)，说明非观测效应存在，模型1的估计结果是不一致的。

      

      固定效应(fixed effects，FE)回归能够得到一致的估计量，结果见表5中的模型2。对比表5中模型1和模型2的结果可以看到，crdrate、soe、lnasset、levrate、illiqu、age等变量的回归系数发生了大幅度的改变，而模型2中的系数是一致的。值得注意的是，模型1中代表流动性风险的illiqu和age变量的回归系数与理论预期相反，而模型2中回归系数的符号几乎全部与理论预期一致，这说明过去文献中所报告的流动性风险未得到收益率补偿的现象(谭地军等，2008；朱如飞，2013)应该是由于未采用非观测效应模型而造成的内生性问题。

      模型2中spotrate的回归系数显著不等于1，说明研究设计时考虑到债券在无风险利率方面缺乏信息有效性(高强和邹恒甫，2010)从而不限制

=1是有事实依据的。表5中的模型3在模型2的基础上对spotrate变量进行了5期分布滞后(distributed lag)(11)，从而更完整地为信息有效性不足建模，但代价是失去了许多观测值(12)。对比表5中模型2和模型3的结果可以看到，除crdrate和age变量外，其他变量的回归系数改变幅度都不大。对于crdrate的系数，模型3比模型2的估计更加符合理论和直觉：信用评级越低，得到的收益率溢价越高。对于age变量，模型3估计的溢价效应与模型2大得多。总的来看，模型3更充分地考虑了信息有效性问题，得到的估计值比模型2更符合理论预期。

      为了提供更直接的研究对比，表5中的模型4改用信用利差(yldsprd)作为被解释变量并且在解释变量中去掉了无风险利率(spotrate)(这是现有文献的常见做法，相当于在等式(1)中令

=1)，其他解释变量和固定效应回归方法则与模型2完全相同。可以看到，与模型2或模型3相比，模型4的回归结果中有两处与理论不一致：第一，levrate的回归系数为负；第二，illiqu的回归系数为负。前一个问题在赵静和方兆本(2011)与王安兴等(2012)两项研究中都出现过，说明这其实是由于未考虑债券信息有效性不足而造成了内生性问题：杠杆率(levrate)与无风险利率(spotrate)负相关，而无风险利率与收益率(bndyld)正相关，若不控制无风险利率的信息有效性，则会使杠杆率系数的估计值出现下偏(downward bias)，由真实的正值变成带偏误的负值。

      综上，本文设计的定价模型在杠杆率、非流动性和债券年龄等方面均没有发现与理论不一致的现象，说明本文所估计的风险溢价系数β是一致的(consistent)(13)。

      在此基础上，需要注意，表5中模型2与模型3对soe虚拟变量估计的系数一正一负，既不统计显著(statistically significant)，也不经济显著(economically significant)，这说明二级市场对债券的定价并不会像一级市场那样考虑国有产权的隐性担保作用(方红星等，2013)。

      2.对研究结果的直观解释

      本节以表5中的模型3为准来解释所估计的风险溢价参数β的直观含义，对其他模型结果的解释与此处方法相似，不再赘述。

      首先解释信用风险方面的定价规律：

      第一，从crdrate的系数可以看出，与作为基准的AAA级债券相比，AA+级债券的收益率平均高6.57个基点(不显著)，AA级高35.97个基点，AA-级高56.97个基点，A+级高68.81个基点。信用评级越低的债券收益率越高。第二，从soe的系数可以看出，最终实际控制人为国企的企业的债券收益率平均高9.93个基点(不显著)。市场并没有为具有国企背景的企业降低收益率。第三，从lnasset的系数可以看出，总资产每提高1倍将使收益率降低93.27个基点。企业规模越大，其债券收益率越低。第四，从levrate的系数可以看出，杠杆比例每提高10个百分点，收益率将上升16.2个基点。杠杆率越高的企业其债券收益率越高。第五，从sigma的系数可以看出，发债企业的股票的每日回报率(亦即涨跌幅)的标准差每提高1个百分点，债券的收益率将上升7.83个基点。企业价值的波动越剧烈，其债券的收益率越高。

      接下来解释流动性方面的定价规律：

      第一，从illiqu的系数可以看出，Amihud(2002)非流动性指标每提高1个单位，债券的收益率就会上升1.81个基点。非流动性指标越大，债券收益率越高。第二，从lnval的系数可以看出，日均成交额每提高1倍，债券收益率就下降1.56个基点。成交越活跃的债券收益率越低。第三，从age的系数可以看出，债券年龄每增加1年，收益率将提高21.08个基点。越老的债券其收益率越高。从上述三个变量的风险溢价的大小来看，年龄是相对更有意义的流动性/非流动性测度。

      最后解释宏观系统性风险方面的定价规律：

      第一，从idxrtn的系数可以看出，股指每上升1个百分点，债券收益率将下降1.69个基点。股市上涨时企业债和公司债的收益率会降低。第二，从yrdmy的系数可以看出，2011年的债券收益率相比于2010年平均上升了30.54个基点，2012年相比于2011年平均下降了5.37个基点(30.54-25.17)。债券在不同的年份具有不同的收益率基数。

      3.企业债与公司债定价规律比较

      为对比两债的定价规律，我们将模型2分别运用于企业债子样本和公司债子样本(14)，结果见表6前两列。可以看出，两债的风险溢价规律与理论预期的方向基本一致，但有两处例外：第一，企业债lnval变量的系数与理论预期相反，意味着交易活跃的企业债的收益率反而更高；第二，公司债illiqu变量的系数与理论预期相反，意味着非流动性大的公司债其收益率反而更低。这两个事实说明二级市场对两债在流动性风险方面的理解不同——市场比较重视企业债的非流动性指标(illiqu)和年龄(age)，而对公司债则只重视日均成交额(lnval)。

      为检验研究设计中提出的假说1和假说2，我们在模型2中加入了基于债券类型(iscorp)的交互项(interaction effect)，从而允许两种债券的回归系数各不相同，结果见表6中的模型5(15)。模型5的最后一列反映的是公司债与企业债的风险溢价系数之差。可以看到，这些差值几乎全部统计显著，意味着：第一，假说1得到证据支持，即市场对企业债与公司债的风险上反应的溢价程度并不相同；第二，假说2得到证据支持，即市场对企业债与公司债给予的基本利差不同。具体而言，相比于企业债，公司债的收益率对无风险利率的反应较弱，对规模、杠杆率、股价波动率等信用风险指标的反应较强，对非流动性和年龄所代表的流动性风险没有反应，但对日均成交额所代表的流动性风险反应较强。在宏观系统性风险方面，两种债券对股指回报率的反应没有显著区别，但不同年份的基准收益率显著不同。

      值得注意的是，除风险溢价反应程度不同外，市场对公司债给予了更高的收益率(更低的价格)，此利差(或价差)还呈逐年增大的趋势，且此利差(或价差)与是否由国企控制无关，似乎完全是因债券类别不同所导致(16)。这一现象与“企业债实际上是政府债券”的学术观点(王国刚，2007；方红星等，2013)一致，即市场对企业债有额外的安全感，因此给予了更低的收益率(更高的价格)。但另一方面，从本节的对照结果可以看到，企业债对信用风险的代理变量普遍存在显著溢价(尽管没有公司债的程度大)，说明市场并非完全不顾企业债的信用风险。因此不可以将企业债与国债简单等同。

      

      六、稳健性分析

      前文已经在研究设计阶段尽量确保科学与严谨。通过实证分析阶段的文献对比与理论对比亦可看出本文研究结果与理论预期相符。此外，我们还尝试过改变变量(sigma、illiqu和lnval)计算的时间窗口、改变无风险利率的分布滞后期数、甚至换用更大范围的样本(17)来重做本文研究。但前文所报告的各方面结论都未发生实质性改变，说明本文的研究结论是稳健可靠的。

      本文以企业债与公司债的市场定价为研究对象，通过在线性风险定价模型中引入代表债券异质性的非观测效应项u[，i]和代表无风险利率信息有效性不足的反应系数

，有效地解决了之前研究中出现的内生性问题，使得研究结果在杠杆率、非流动性和债券年龄等方面与理论预期达成一致，夯实了理论的正确指导地位，亦反衬出研究结果的可信性。在此基础上，从信用风险、流动性风险、宏观系统性风险等方面归纳出企业债与公司债的定价规律，同时在比对中亦发现了二者各自特有的“性格”。通过分析把握定价规律，可以更进一步得出以下结论和建议：

      第一，企业债与公司债在证交所二级市场上的收益率能够较好地被其所承担的信用风险、流动性风险与宏观系统性风险以及其在无风险利率方面的信息有效性所解释。对收益率影响较大的风险因素代理变量有：信用评级、总资产、杠杆率和债券年龄；影响较小但足够显著的变量有：关联股价的波动率、债券的Amihud非流动性指标、债券日均成交额以及股指回报率。在预测债券未来的收益率变化或通过横向比较为债券进行定价时，评估上述代理变量将会带来很大帮助。

      第二，企业债与公司债在无风险利率方面的信息有效性不足这一事实(高强和邹恒甫，2010)在本文市场定价研究中再次得到实证。国债价格变化所导致的即期利率曲线(无风险利率)改变并不能在交易当天被完全反映到企业债与公司债的收益率之上。对这一事实的失察曾导致其他同类文献出现内生性问题。对债券投资者而言，这意味着套利机会，利用这一事实改进投资策略将能获得更高的回报率。

      第三，国企背景的产权性质在一级市场发行定价中能够显著降低信用利差这一事实(方红星、施继坤和张广宝，2013)在本文的二级市场流通定价研究中没能得到实证。这说明信用评级、总资产、杠杆率、股价波动率等信用风险代理变量已经充分体现了产权性质所代理的信息。如果说审批部门在债券发行定价时带着“有色眼镜”，那么本文的研究发现则表明二级市场定价是相对“公平”的，并没有纯粹因为国企背景而抬高债券价格。因此理性的债券投资者应该避免以发行价购买具有国企背景的企业债或公司债。

      第四，企业债与公司债对风险代理变量的反应显著不同。市场对企业债更重视流动性风险(以债券年龄为主)，对公司债则更重视信用风险(以总资产规模为主)。在风险因素相同的情况下，公司债的收益率(价格)显著高(低)于企业债，而且这一利差与债券是否具有国企背景无关。这一事实值得引起监管部门重视，说明公司债在二级市场上价格偏低，不利于企业融资；对于债券投资者而言，购买公司债则是更理性的选择。

      感谢匿名审稿人的宝贵意见，文责自负。

      ①开放式基金由于面临赎回压力，因此存款资产一直占据着一定比重。

      ②发行阶段的询价和路演正是为了探寻合理的市场价位；发行定价也经常参考相似或可比企业的市场定价。

      ③信用违约互换(credit default swap，CDS)是基于公司债的一种信用衍生品，目前国内还没有正式的信用违约互换证券产品及其二级流通市场。

      ④非观测效应模型(unobserved effects model)可以有效地解决由于缺失变量所引起的内生性问题，这也是使用面板数据做实证研究的主要动机(Wooldridge，2002，pp.247～251)。

      ⑤相比于其他期限结构模型，Nelson-Siegel模型具有形式简单、拟合效果好等优点。国内相关研究可参考余文龙和王安兴(2010)与朱世武和陈建恒(2003)。

      ⑥Goyenko et al.(2009)使用美国股票市场的数据比较过各种流动性/非流动性测度方法，发现Amihud(2002)是衡量非流动性较好的方法。朱如飞(2011)使用多种非流动性测度方法以我国的公司债为样本进行过研究，同样得出过Amihud(2002)非流动性指标较好的结论。

      ⑦本文所研究的市场是上海和深圳交易所市场。尽管企业债也有在银行间市场流通，但那不在本文的研究范围。

      ⑧研究变量的设计和计算方法可以参看表1。具体计算基于MySQL数据库和R语言实现。

      ⑨根据统计学与计量经济学理论，企业债数量偏小并不影响参数估计的一致性和有效性，只会增大企业债回归系数的标准误，使企业债方面的假设检验相对较难统计显著。

      ⑩可参考前文的研究设计和表1。

      (11)限于篇幅，spotrate变量的分布滞后项lag1～lag5的回归系数没有在文中报告，可向作者索取。

      (12)失去了一多半观测值。失去观测值主要是因为许多债券的交易时间短，而且交易时间不连续。

      (13)与固定效应回归相应，我们也做过随机效应(random effects，RE)回归。但Hausman检验(Hausman，1978)显示随机效应回归是不一致的，所以我们没有报告随机效应回归的结果。

      (14)从理论来讲用模型3可以更好地控制利率信息有效性，但实际使用后发现，由于交易数据不连续，会造成大量缺失值，所以本文只报告模型2的结果。

      (15)由于数据变异有限，使一些虚拟变量之间形成了完全共线性，所以这些虚拟变量的系数无法估计。

      (16)注意本文研究采用的是非观测效应模型，因此不同债券在税率、交易费率、可赎回性条款、抵押担保条款、信息披露条件、发行制度等方面存在的差异都已被异质性因素控制，都不会是造成利差(或价差)的原因。

      (17)由于计算变量sigma需要关联的股票数据，因此本文选择的企业债与公司债都是由上市公司发行(详见第四节数据描述)。如果放弃sigma变量，便可以使用更多的债券数据，但代价是可能造成一些内生性问题。

标签：企业债论文;  流动性风险论文;  信用风险论文;  杠杆率论文;  无风险利率论文;  债券收益率论文;  风险系数论文;  解释变量论文;  预期理论论文;  风险模型论文;  流动性资产论文;  价格发现论文;  流动性溢价论文;