信用利差相关因素的分解探析

信用利差相关因素的分解探析

信用利差通常指同期限的信用债与国债收益率之间的差值。早期的研究把信用利差单纯地解释为信用债违约风险的补偿,并通过信用利差的变化推断企业违约概率的大小。不过后来的研究发现,信用利差实际上大大高于违约损失,并由此衍生出一系列对于信用利差的解释方式。从市场的实际情况也可以看出,有些财务状况更好的企业反而需要承受更高的信用利差,而即使是相同评级的债券,信用利差的差距也可能相当之大。由于中国信用债市场缺乏违约率的数据,难以直接建立违约率或预期损失与信用利差之间关系的模型。因此我们的研究从债券市场数据入手,针对信用利差本身进行实证分析,寻找出与信用利差相关的因素,并试图解析这些因素所表达的内在逻辑。

  信用利差:不仅仅是预期损失

  评级机构公布的信用评级是一套基于违约预期损失(=违约率×违约损失率)的体系,表达了其对发债人完全与及时履行财务责任的能力及意愿的意见。评级公司提供的是评估对象贯穿经济周期的能力,而如果对象基本面不发生重大变化,评级本身将是稳定的,并不会随着经济周期的波动造成的影响而改变。

  在完美市场假设下,人们把信用利差作为企业信用风险的衡量。然而后来的研究发现,公司债的信用利差要比预期违约损失包含的价差大很多,这种现象被称为“信用价差之谜”。针对美国公司债的研究中,Amato和Renolona(2003)指出,公司债券的期限越长,信用评级越低,两者之间的差距就越大。Jing-zhiHuang和MingHuang(2003)发现,信用风险只解释了信用价差的很小一部分,对于期限更短的企业债的解释比例更小,而对于垃圾债,解释比例则大为提高。

  “信用价差之谜”的最新代表性解释包括信用价差分解理论和信用风险分散困境理论等。信用价差分解理论试图将利差分解为若干可分析因素,根据不同的研究成果,分解因素大致包括税收、风险溢价、流动性溢价等等。还有研究认为,信用价差主要受宏观经济因素影响而非企业层面的特有信息。

  信用风险分散困境理论则认为,债券风险包括系统风险和可分散风险。根据Moody's数据,公司债券各年份的违约率及若干年的平均违约率均不为零,因此债券收益具有系统性风险,与宏观经济表现相关。同时,公司债券存在违约风险意味着存在很小但是很显著的大量损失的概率,却没有机会得到相对大量的收益,因此所谓的可分散风险实际上难以分散。例如,包含40只股票的投资组合即可充分分散风险,而现实中不存在达到同样效果的公司债券组合。该理论通过这两方面的风险来衡量信用利差。

  因此,从理论上说,代表违约损失率的信用评级并不能完全反映出信用利差所包含的全部信息。我们更倾向于直接针对信用利差本身进行研究,找出与其相关度较高的因素,并分析其中所包含的逻辑。量化分析模型的建立

  我们通过对信用利差与各类指标进行回归分析来探寻与当前债券市场信用债利差存在显著关系的因素。整个研究过程分为四个步骤:1、信用利差分离:利用国债即期收益率计算出样本中各信用债对应的信用利差;2、样本筛选:从交易市场类型、债券种类以及成交活跃程度等方面,对市场上的存量信用债进行归纳和筛选;3、自变量指标划分:从第三方评估、资质、财务、流动性以及债项等角度归纳出不同类别的指标;4、模型建立:通过对信用利差与各类指标进行回归分析,筛选出与信用利差显著相关的指标,并据此建立信用利差的多元回归模型。

  信用利差分离

  简单的名义利差的计算方法是用信用债的到期收益率减去具有相同剩余期限的国债的到期收益率。不过这种方法没有考虑到利率期限结构,不同期限的现金流均用相同的无风险利率进行贴现。

  在我们的分析方法中,使用国债的即期收益率yi作为各现金流期限的无风险利率,并使用信用债的真实现金流进行贴现,由此得到理论上的无风险价格Prf。再由Prf反推出具有与此信用债相同期限和现金流的国债的到期收益率y'。

  最后,将信用利差(creditspread,CS)定义为信用债到期收益率y与公式求得的无风险收益率y'之间的差值,即CS=y-y'。

  值得注意的是,很多信用债都包含了特殊条款的设计,比如大多数公司债都包含调整票面利率和回售条款,而企业债则多有提前偿还条款。

  由于调整票面利率绝大多数仅限于上调,因此回售条款通常在债券票面利率低于市场收益率时被触发,而我们的统计结果显示模型计算期满足这一条件的债券占比很低。交易所票面利率低于模型计算期市场利率的债券占全样本比例为5.8%,银行间占比为2.7%。同时,交易所和银行间含回售条款债券票面利率平均高于市场利率113BP和79BP,表明整体上发行人上调票面利率和遭遇回售的压力不大。因此,我们的处理方法是,对于上调票面利率和回售条款,以发行票息和持有到期作为计算基础。而对于提前偿还条款,则根据提前偿还的约定产生的真实现金流进行计算。

  例如12明牌债,票面利率为7.2%,发行人在第三个计息年度有权选择是否上调票面利率,之后投资者可选择回售或持有到期。在计算日剩余期限为4.33年,对此我们分解的现金流为0.33-3.33年各支付7.2元,4.33年支付107.2元。

  又如12沪地产债,票面利率为6.12%,发行人在存续期的第3、4、5年末分布按照发行额的30%、30%和40%偿还本金。在计算日剩余期限为4.48年,对此我们分解的现金流为0.48-1.48年各支付6.12元,2.48年支付36.12元,3.48年支付34.28元,4.48年支付42.45元。

  样本筛选

  为了保证分析结果的可靠性和准确度,在进行回归分析之前,我们分别从交易场所、债券种类和成交活跃程度这几个方面来对样本进行归类和筛选。

  首先将样本按照交易场所类型划分为银行间和交易所两个样本,因为这两个市场无论是在信用债种类结构还是交易特征方面均存在着明显差异。

  此外对信用债品种进行了如下筛选:

  1、剔除了短期融资券、城投债、私募债、定向融资工具、集合票据和集合企业债等;

  2、剔除了在计算期最近90日内无成交量的信用债样本。

  这主要是基于以下考虑:

  1、中低评级短融利差向高评级趋近。

  短融的信用利差特征与非短融之间存在较大差异,考察银行间各评级短融和非短融信用债的利差,发现非短融的利差中位数与对应的评级之间表现出了较明显的线性关系;而对于短融,中高评级(AAA、AA 、AA)的信用利差则相对更为接近。这可能是由于短融的期限较短,投资者对较低评级更为乐观所致。短融和非短融之间存在的这种差异将会干扰整个样本的分析结果。

  2、城投债等品种发行主体或对象较为特殊。

  城投债发行主体的性质和财务特征同一般信用债的发行主体存在巨大差异。一般来说,城投企业在运营上同政府之间存在着千丝万缕的联系,其现金流、资产结构和利润构成等的逻辑均与普通企业有着本质的区别,这也意味着城投债的信用利差的影响因素独特而复杂。我们认为,将城投债和一般产业债融入同一个体系进行分析是缺乏合理性的,因此我们将在之后的研究中针对城投债进行单独建模,以分析影响城投债信用利差的因素。

  此外,由于集合票据和集合企业债在发行主体上,私募债、定向融资工具在发行对象上都具有特殊性,我们也将其排除在了分析样本之外。

  3、无成交量的样本估值存在误差。

  由于长期无成交的个券在估值上可能会存在较大的误差,我们排除了在计算期最近90日内无成交量的信用债样本。

  自变量指标分类

  在完善样本之后,我们归纳出可能与信用利差存在相关关系的各类指标,以这些指标为自变量,通过一元回归来研究其与信用利差之间的统计相关关系。我们将所有的自变量指标划分为五大类,包括第三方指标、资质指标、财务指标、流动性指标和债项指标。我们把评级公司公布的信用评级,上交所、深交所和中国证券登记结算公司联合发布的标准券折算率以及一级市场投资者定出的票面利率均作为第三方指标看待。而对于财务指标,我们又进一步细分为了资产规模结构指标、偿债能力指标、盈利能力指标、营运能力指标和现金流量指标。

  另外,由于国债是免税的而公司债券需要缴税,因此信用利差的一部分被解释为税收因素。不过由于法规的复杂性,这一因素比较难以进行量化分析。以美国为例,各州的公司债券税率不尽相同,Elton等(2001)采用4.875%的基准税率,发现对于不同信用级别和期限的公司债券,税收大致可以解释28%-73%的利差。Driessen(2003)采用不同的样本和方法得出的结论则是34%-57%。不过这些理论仍然存在争议。

  在中国债券市场,对于个人投资者来说,仅对利息收入征收20%的个人所得税,对资本利得部分不征税;因此票息越高的债券缴税越多,税收因素对于低评级的债券影响更大。对于机构投资者,则不区分利息收入和资本利得,而是以利润总额为基准缴纳25%的企业所得税。这就使得税额与企业经营状况和债券市场的行情息息相关,难以将利差部分的税收因素剥离。因此我们在模型中并没有将其单独列为指标进行分析。模型分析结果综述

  为了保证所筛选出的显著性指标的可信度和准确性,我们在进行分析时任意选择了2012年的7月、9月和11月的三个交易日作为计算日期来排除时间变化对于自变量指标回归结果的影响。最终,三个不同交易日所得到的分析结论是相同的。

  相关性显著指标

  通过分析,我们发现交易所和银行间样本的显著性指标基本相似。在我们所考察的指标中,评级、所有制性质、发行规模、资产总额、营业总收入和行业壁垒指标在两个样本中均表现出与信用利差显著负相关的特征;而当期票面利率、发行规模/净资产和剩余期限指标则与信用利差显著正相关。

  由于两个市场的割裂,仍有一些指标在交易所和银行间两个市场表现出了不同的特征。担保情况只在交易所市场中与信用利差显著相关,授信额度余额/带息债务指标只在银行间市场中与信用利差显著相关,我们认为这主要源于两个市场投资者群体不同的特征。而标准券折算率只在交易所市场有公开数据。

  我们还针对显著相关的指标用银行间样本进行了分评级的分析,以排除评级因素的干扰。分析结果将在后文讨论。

  相关性不显著指标

  理论上财务指标和利差应该具有显著相关性,原因在于评价企业是否能按时偿还债券本息的风险,离不开对其财务指标的分析。然而根据实际的分析结果,并没有得到验证。绝大部分的财务指标如资产负债率、现金流等与信用利差都不存在显著相关性。此外,评级调整和交易所上市指标与信用利差的关系也不显著。

  显著性不真实的指标

  除了上述两类自变量指标外,还存在一类指标,虽然在一元回归分析中其与信用利差显著相关,但从逻辑上无法解释其回归系数的符号。

  这类指标包括流动比率和1年换手率。我们认为,这一类指标的显著相关性结果仅仅是形式上的而并非真实可信的,我们将在下文对其进行深入剖析。

  多元回归模型分析结果

  利用以上显著相关的指标可以建立起描述信用利差的多元回归模型。我们采用了逐步回归的方法,在建模过程中筛除了资产总额和营业总收入这两个与其他指标高度相关的自变量。我们所得到的模型对于信用利差有着较高的解释度,交易所和银行间样本的修正判定系数均在0.7左右。此外,由于评级、当期票面利率等第三方指标并不是一项纯粹的客观指标,而且很多其他显著性指标都会在评级时被考虑到并在最终给定信用评级时有所体现。为了排除同其他自变量间的相关性影响,我们还考察了不包含第三方指标的多元回归模型,两个样本所得到的修正判定系数在0.4左右。


来源:未知