能源類企業(yè)債信用價(jià)差影響因素研究

1、<p>　　能源類企業(yè)債信用價(jià)差影響因素研究</p><p>　　摘要：本文根據(jù)國(guó)家能源局對(duì)能源行業(yè)的分類，對(duì)上海證券交易所債券市場(chǎng)流通的企業(yè)債及公司債進(jìn)行統(tǒng)計(jì)分類，對(duì)電力、石油天然氣和煤炭三大傳統(tǒng)能源行業(yè)的債券信用價(jià)差結(jié)構(gòu)及宏觀影響因素進(jìn)行實(shí)證研究。使用Nelson-Siegel擴(kuò)展模型擬合無(wú)風(fēng)險(xiǎn)利率曲線并計(jì)算信用價(jià)差，擬合效果較好。在此基礎(chǔ)上，建立時(shí)間序列多元回歸模型，對(duì)三個(gè)行業(yè)的企業(yè)債信用價(jià)差宏觀

2、影響因素進(jìn)行比較分析，發(fā)現(xiàn)不同行業(yè)之間其信用價(jià)差宏觀影響因素具有明顯的行業(yè)差異。 </p><p>　　關(guān)鍵詞：能源產(chǎn)業(yè) 企業(yè)債券 信用價(jià)差 影響因素 </p><p><b>　　一、引言 </b></p><p>　　能源行業(yè)主要有傳統(tǒng)能源和新能源兩大類，我國(guó)長(zhǎng)期以來(lái)采取依靠能源資源投入支撐經(jīng)濟(jì)增長(zhǎng)的粗放型發(fā)展方式，傳統(tǒng)能源行業(yè)是市場(chǎng)需求的

3、主要方面。2008年金融危機(jī)以來(lái)，世界經(jīng)濟(jì)形勢(shì)不斷下行，國(guó)內(nèi)宏觀形勢(shì)緊張，生產(chǎn)成本加大，對(duì)我國(guó)能源類企業(yè)的投產(chǎn)、新開(kāi)工及在建規(guī)模產(chǎn)生較大影響。國(guó)家現(xiàn)階段鼓勵(lì)能源企業(yè)進(jìn)行技術(shù)升級(jí)和改造，鼓勵(lì)企業(yè)之間橫向、縱向的聯(lián)合、兼并、重組，打造能源行業(yè)的優(yōu)勢(shì)品牌。這一系列的舉措，無(wú)不需要巨額的優(yōu)質(zhì)資金?？傮w而言，煤炭等能源行業(yè)資產(chǎn)形式以固定資產(chǎn)為主，經(jīng)營(yíng)收入穩(wěn)定、投資周期長(zhǎng)；相對(duì)于股票融資和銀行貸款，債券融資除具有自身優(yōu)勢(shì)之外，目前在我國(guó)更有政策上的

4、支持和保障。因此，我國(guó)現(xiàn)階段的多個(gè)能源行業(yè)企業(yè)更適合發(fā)行債券來(lái)籌集資金。從發(fā)債情況來(lái)看，電力、石油和煤炭的發(fā)債量具有一定的發(fā)展?jié)摿蛻?zhàn)略性。2000年，我國(guó)僅有3只電力企業(yè)債券發(fā)行，2011年全年發(fā)行63只能源類企業(yè)債券；2012年1月到10月能源行業(yè)企業(yè)債券的發(fā)行數(shù)量83只，逐年攀升，因能源類企業(yè)結(jié)構(gòu)和公司發(fā)展特點(diǎn)，其發(fā)行規(guī)模相對(duì)較大。 </p><p>　　在發(fā)行企業(yè)債券時(shí)確定合理的初始票面利率，既能降低融資

5、成本又能使融資更順利。在理論上，信用價(jià)差是企業(yè)債定價(jià)的關(guān)鍵因素。Duffie等（1999）用簡(jiǎn)約模型對(duì)可違約債券利率期限結(jié)構(gòu)進(jìn)行研究，并就信用價(jià)差期權(quán)的定價(jià)模型做了實(shí)證研究。Elton等（2004）通過(guò)對(duì)穆迪及標(biāo)準(zhǔn)普爾的企業(yè)債券評(píng)級(jí)研究后發(fā)現(xiàn)，違約風(fēng)險(xiǎn)、流動(dòng)性、應(yīng)納稅金、回收率、債券發(fā)行時(shí)間等因素對(duì)債券價(jià)格波動(dòng)及債券定價(jià)有重要影響。Tian L.等（2008）針對(duì)即期利率、國(guó)債收益率、公司債指數(shù)等因素對(duì)債券的廣義信用利差進(jìn)行分析發(fā)現(xiàn)，這

6、些因素對(duì)債券的廣義信用利差的解釋率低于50%。 </p><p>　　國(guó)內(nèi)對(duì)企業(yè)債券信用價(jià)差以及其影響因素的實(shí)證研究較少。劉國(guó)光等（2005）選取上交所2004年6月30日的6只公司債券，研究信用利差和國(guó)債收益率序列之間短期和長(zhǎng)期的均衡關(guān)系，但對(duì)實(shí)證結(jié)果的解釋存在顯著性水平不一致的問(wèn)題，直接影響到結(jié)論的可靠性。楊文瀚等（2005）采用灰色系統(tǒng)理論建立GM（1，1）模型，首次對(duì)我國(guó)企業(yè)債信用價(jià)差進(jìn)行了精度較高的預(yù)測(cè)

7、，結(jié)果理想。孫克（2009，2010）采用虛擬變量回歸方法，發(fā)現(xiàn)我國(guó)高信用級(jí)別的企業(yè)債信用價(jià)差線呈現(xiàn)駝峰型。在后續(xù)的研究中，應(yīng)用GARCH族模型研究發(fā)現(xiàn)短期利率、國(guó)債收益曲線的斜率、通貨膨脹率、國(guó)債收益曲線的曲率以及匯率因素對(duì)企業(yè)債信用價(jià)差變化和波動(dòng)具有至關(guān)重要的作用，并因企業(yè)債期限的不同而有差異。馮宗憲等（2009）為企業(yè)債信用價(jià)差序列建立了動(dòng)態(tài)時(shí)間序列模型，發(fā)現(xiàn)短期企業(yè)債信用價(jià)差序列表現(xiàn)出了自回歸和移動(dòng)平均特征，中期和長(zhǎng)期企業(yè)債信用

8、價(jià)差序列則僅表現(xiàn)出自回歸特征。 </p><p>　　國(guó)內(nèi)外學(xué)者對(duì)企業(yè)債信用價(jià)差宏觀的經(jīng)濟(jì)環(huán)境、微觀的個(gè)體因素以及市場(chǎng)流動(dòng)性因素研究已經(jīng)相當(dāng)成熟，但具體到行業(yè)的研究則幾乎沒(méi)有。本文以融資需求較大的能源產(chǎn)業(yè)為著眼點(diǎn)，加入行業(yè)影響因子進(jìn)行分析，以期能結(jié)合行業(yè)特征建立能源類各行業(yè)企業(yè)債券信用價(jià)差的影響因素回歸模型，并為后續(xù)其他行業(yè)的研究提供參考。 </p><p><b>　　二、實(shí)證

9、模型分析 </b></p><p>　?。ㄒ唬├势谙藿Y(jié)構(gòu) </p><p>　　1.無(wú)風(fēng)險(xiǎn)利率期限結(jié)構(gòu)。在計(jì)算企業(yè)債信用價(jià)差的期限結(jié)構(gòu)之前，需要推導(dǎo)出無(wú)風(fēng)險(xiǎn)利率期限結(jié)構(gòu)。靜態(tài)利率期限結(jié)構(gòu)模型理論一般事先設(shè)定收益率曲線的函數(shù)形式，然后通過(guò)選取債券的某一橫截面數(shù)據(jù)來(lái)估計(jì)函數(shù)中的參數(shù)，從而對(duì)收益率曲線進(jìn)行擬合和估計(jì)。在國(guó)內(nèi)外市場(chǎng)中，Nelson Siegel Svensson擴(kuò)展模

10、型已較為成熟，該模型對(duì)到期期限較長(zhǎng)的數(shù)據(jù)不是很敏感，修正后的目標(biāo)函數(shù)使模型不會(huì)出現(xiàn)對(duì)遠(yuǎn)期數(shù)據(jù)過(guò)度擬合的情況，比較符合期限結(jié)構(gòu)理論。鑒于我國(guó)國(guó)債的品種數(shù)量較少、債券市場(chǎng)發(fā)展不完善，本文對(duì)利率期限結(jié)構(gòu)的研究將以靜態(tài)利率期限結(jié)構(gòu)模型為基礎(chǔ)。 </p><p>　?。?）數(shù)據(jù)選取。本文選取2012年6月7日上海證券交易所16只附息國(guó)債收盤價(jià)作為無(wú)風(fēng)險(xiǎn)收益曲線擬合的價(jià)格數(shù)據(jù)（所用數(shù)據(jù)來(lái)源于上海證券交易所），樣本債券期限1-

11、20年不等，剩余期限0.05-13.12年不等。 </p><p>　?。?）擬合過(guò)程。利用SAS程序?qū)?6只國(guó)債進(jìn)行現(xiàn)金流分解，求得每只國(guó)債每期產(chǎn)生利息現(xiàn)金流的時(shí)間點(diǎn)和額度，見(jiàn)表1。對(duì)各期現(xiàn)金流賦予權(quán)重（債券期限的倒數(shù)），用數(shù)據(jù)搜索算法，通過(guò)循環(huán)計(jì)算得到NSS擴(kuò)展模型的參數(shù)集。根據(jù)該數(shù)據(jù)集的結(jié)果排序，得到最小的目標(biāo)函數(shù)，即為NSS擴(kuò)展模型的最優(yōu)參數(shù)。 </p><p>　　計(jì)算可知，最優(yōu)

12、參數(shù)取值為β0=0.094，β1=-0.076，β2=-0.098，β3=0.054，τ1=9，τ2=3.4。根據(jù)NSS擴(kuò)展模型作無(wú)風(fēng)險(xiǎn)收益曲線擬合，得到圖1所示曲線。 </p><p>　　2.企業(yè)債信用價(jià)差的利率期限結(jié)構(gòu)建立。對(duì)企業(yè)債發(fā)行公司的信用利差進(jìn)行擬合計(jì)算，理論依據(jù)是Nelson-Siegel擴(kuò)展模型。在擬合過(guò)程中采用同一交易日石化、煤炭和電力三個(gè)行業(yè)的上證交易所債券數(shù)據(jù)分別進(jìn)行聯(lián)合估計(jì)。首先對(duì)當(dāng)日的

13、無(wú)風(fēng)險(xiǎn)收益率曲線進(jìn)行擬合，其次利用樣本企業(yè)債券數(shù)據(jù)得到企業(yè)債券收益率的散點(diǎn)圖，與無(wú)風(fēng)險(xiǎn)收益聯(lián)合做出信用價(jià)差模型。得出結(jié)論，三個(gè)行業(yè)的信用價(jià)差變化趨勢(shì)大致相同，越接近到期日，信用價(jià)差越小。石化行業(yè)企業(yè)債信用價(jià)差較煤炭和電力行業(yè)較小。 </p><p>　　（二）能源類企業(yè)債券信用價(jià)差描述性統(tǒng)計(jì)檢驗(yàn) 　　1.描述性統(tǒng)計(jì)。本文主要選取以下宏觀因素作為解釋變量：（1）無(wú)風(fēng)險(xiǎn)收益率。樣本為上海證券交易所正在流通的到期期限

14、為10年的國(guó)債，收益率取2010年8月至2011年12月每月最后一個(gè)交易日的所有10年期國(guó)債收盤收益率的均值，數(shù)據(jù)來(lái)源于銳思數(shù)據(jù)庫(kù)。（2）原油價(jià)格。取2010年8月至2011年11月間國(guó)內(nèi)中石化勝利原油的月度現(xiàn)貨價(jià)格。（3）匯率。取自中國(guó)銀行公布的美元對(duì)人民幣匯率，時(shí)間跨度為2010年8月至2011年12月，每月最后一個(gè)工作日數(shù)據(jù)，共17個(gè)觀測(cè)值。（4）CPI指數(shù)。選用《中國(guó)統(tǒng)計(jì)年鑒》2010年8月至2011年12月各月CPI指數(shù)。（5

15、）上證股指波動(dòng)率。為2010年8月到2011年12月每月最后一個(gè)交易日“上證綜合指數(shù)”的標(biāo)準(zhǔn)差。（6）上海銀行間同業(yè)拆放利率。來(lái)自上海銀行間同業(yè)拆放利率網(wǎng)站（www.shibor.org），七天同業(yè)拆放利率。（7）發(fā)電量、發(fā)電量增長(zhǎng)率以及火力發(fā)電量。選用《中國(guó)統(tǒng)計(jì)年鑒》中2010年8月至2011年12月工業(yè)主要產(chǎn)品產(chǎn)量及增長(zhǎng)速度統(tǒng)計(jì)表。（8）石油天然氣開(kāi)采量、電力熱力生產(chǎn)和供應(yīng)業(yè)產(chǎn)量、天然原油產(chǎn)</p><p>

16、　　為了初步了解數(shù)據(jù)的基本情況，首先進(jìn)行單變量分析。本模型利用2010年8月至2011年12月每月最后一個(gè)交易日煤炭、石化和電力三個(gè)行業(yè)的企業(yè)債券利差的平均值?？紤]到樣本的一致性、連續(xù)性以及樣本數(shù)據(jù)的有效性，本文從已發(fā)行的三類企業(yè)債券中，根據(jù)交易活躍和發(fā)行期限時(shí)間等條件在各行業(yè)分別選擇3只債券進(jìn)行處理。所有數(shù)據(jù)來(lái)自銳思數(shù)據(jù)庫(kù)和國(guó)家統(tǒng)計(jì)局統(tǒng)計(jì)數(shù)據(jù)。 </p><p>　　2.相關(guān)性檢驗(yàn)。通過(guò)對(duì)各變量之間的相關(guān)性進(jìn)行

17、計(jì)算可見(jiàn)，價(jià)差與大多數(shù)宏觀指標(biāo)之間的相關(guān)性并不顯著，可以確定價(jià)差和各指標(biāo)數(shù)據(jù)的合理性。煤炭行業(yè)信用價(jià)差與發(fā)電量等行業(yè)指標(biāo)之間相關(guān)性較強(qiáng)，說(shuō)明它們反映的信息有所重疊。石化和電力兩個(gè)行業(yè)信用價(jià)差則與其大部分行業(yè)指標(biāo)無(wú)明顯相關(guān)性。 </p><p>　?。ㄈ┠茉搭惼髽I(yè)債券信用價(jià)差宏觀影響因素分析 </p><p>　　1.模型建立。在對(duì)信用價(jià)差及其宏觀影響因素進(jìn)行時(shí)間序列回歸分析前，需要對(duì)各變

18、量進(jìn)行檢驗(yàn)，判斷其是否具有平穩(wěn)性及其單整階數(shù)。本文利用Eviews5.1軟件對(duì)主要變量水平值和一階差分進(jìn)行ADF檢驗(yàn)。單位根檢驗(yàn)結(jié)果說(shuō)明，各變量均為平穩(wěn)時(shí)間序列，可以采用多元回歸方程估計(jì)價(jià)差宏觀影響因素。用最小二乘法估計(jì)石化企業(yè)價(jià)差宏觀影響因素，經(jīng)過(guò)計(jì)算，模型中的DW值大于2，說(shuō)明模型殘差序列存在著一定的負(fù)相關(guān)。為消除這一負(fù)關(guān)系，本文對(duì)殘差序列做自相關(guān)和偏自相關(guān)分析，結(jié)果可知，該序列自相關(guān)系數(shù)拖尾，偏相關(guān)系數(shù)截尾。因此，在上述模型的基礎(chǔ)

19、上選用自回歸模型（Auto-regressive，AR）。經(jīng)過(guò)ARMA擬合，得到了較好的回歸效果，R2=0.9665，D.W.=2.128381，F(xiàn)值=28.85461，P值=0.000041。 </p><p>　　采用與上述相同的方法對(duì)煤炭、電力企業(yè)債券信用價(jià)差的宏觀影響因素分別進(jìn)行分析，用最小二乘法估計(jì)企業(yè)價(jià)差宏觀影響因素模型。 </p><p>　　2.向量自回歸（VAR）模型和脈

20、沖響應(yīng)分析。多元回歸分析存在一定的滯后性，因此對(duì)三個(gè)行業(yè)的企業(yè)債信用價(jià)差進(jìn)行宏觀影響因素分析之后，本文通過(guò)建立向量自回歸（VAR）模型，分析變量之間的動(dòng)態(tài)聯(lián)系。首先利用VAR模型對(duì)石化行業(yè)企業(yè)債券信用價(jià)差（crsp2）、國(guó)際原油價(jià)格（x2）和天然原油產(chǎn)量（x14）三個(gè)變量之間的關(guān)系進(jìn)行估計(jì)性質(zhì)的實(shí)證分析，從而得出向量自回歸方程中某一變量一個(gè)標(biāo)準(zhǔn)差大小的沖擊對(duì)內(nèi)生變量當(dāng)前值和未來(lái)值的影響。國(guó)際原油價(jià)格和天然原油產(chǎn)量對(duì)石化企業(yè)信用價(jià)差產(chǎn)生的

21、沖擊較為相似，在第二期產(chǎn)生負(fù)沖擊，隨后又產(chǎn)生了正向的沖擊。但原油產(chǎn)量在一定程度上對(duì)價(jià)差的沖擊更加顯著，原油產(chǎn)量增加一個(gè)百分點(diǎn)，對(duì)信用價(jià)差有一個(gè)負(fù)的影響，原油產(chǎn)量的增加使得石化企業(yè)債信用價(jià)差降低。 </p><p>　　分別對(duì)煤炭行業(yè)企業(yè)債券信用價(jià)差（crsp1）、火力發(fā)電量（x9），煤炭開(kāi)采增加值增長(zhǎng)率（x11），電力行業(yè)企業(yè)債券信用價(jià)差（crsp3）、發(fā)電量（x8），電力熱力生產(chǎn)和供應(yīng)量（x13）建立VAR模型

22、并進(jìn)行平穩(wěn)性檢驗(yàn)后，進(jìn)行脈沖響應(yīng)分析。對(duì)于煤炭企業(yè)，信用價(jià)差、火力發(fā)電量的一個(gè)標(biāo)準(zhǔn)差的變動(dòng)，對(duì)其在第二期產(chǎn)生了一個(gè)正沖擊，隨后趨近于0；煤炭開(kāi)采增加值增長(zhǎng)率則在前3期內(nèi)對(duì)信用價(jià)差產(chǎn)生方向沖擊，隨后趨近于0并圍繞其上下波動(dòng)。發(fā)電量對(duì)電力企業(yè)信用價(jià)差的沖擊在前三期為負(fù)，隨后轉(zhuǎn)變?yōu)檎驔_擊，并在接近12期時(shí)趨于0。電力熱力生產(chǎn)和供應(yīng)量對(duì)電力企業(yè)債信用價(jià)差同樣是負(fù)面沖擊。 </p><p><b>　　三、小結(jié)

23、 </b></p><p>　　首先，由宏觀回歸結(jié)果可知，能源產(chǎn)業(yè)下三個(gè)行業(yè)的企業(yè)債信用價(jià)差的影響因素有著明顯的行業(yè)區(qū)別。多元回歸模型顯示長(zhǎng)期利率與企業(yè)債券利差呈顯著負(fù)相關(guān)，CPI指數(shù)、股票指數(shù)波動(dòng)性與企業(yè)債券利差正相關(guān)。但可以明顯發(fā)現(xiàn)，CPI對(duì)石化行業(yè)的影響顯著，而與電力和煤炭行業(yè)的信用價(jià)差之間相關(guān)性很弱。我國(guó)現(xiàn)已成為世界上石油消耗第二大國(guó)，工業(yè)消費(fèi)和交通運(yùn)輸在石油總消費(fèi)中長(zhǎng)期占有近8成的比重。石油

24、消費(fèi)增多對(duì)石化企業(yè)的生產(chǎn)要求和產(chǎn)業(yè)規(guī)模有著一定的影響，加之我國(guó)石油資源緊缺現(xiàn)狀，使投資者傾向于選擇更加保守的投資策略，對(duì)相同程度的風(fēng)險(xiǎn)會(huì)要求更高的溢價(jià)來(lái)補(bǔ)償，導(dǎo)致信用價(jià)差的增大。 </p><p>　　其次，國(guó)內(nèi)原油價(jià)格與石化行業(yè)企業(yè)債券利差呈負(fù)相關(guān)，這可能是因?yàn)槲覈?guó)企業(yè)債券市場(chǎng)和原油市場(chǎng)長(zhǎng)期受計(jì)劃經(jīng)濟(jì)調(diào)控，且我國(guó)企業(yè)債券市場(chǎng)發(fā)展程度較低、金融市場(chǎng)不夠開(kāi)放。石化行業(yè)企業(yè)價(jià)差與原油產(chǎn)量之間的負(fù)相關(guān)性說(shuō)明，產(chǎn)量增加意

25、味著企業(yè)經(jīng)營(yíng)和發(fā)展較好，其債券體現(xiàn)出企業(yè)自身的風(fēng)險(xiǎn)性小，因而價(jià)差變小。在煤炭行業(yè)企業(yè)債券價(jià)差模型中，信用價(jià)差與火力發(fā)電量、煤炭開(kāi)采增加值增長(zhǎng)率等行業(yè)指標(biāo)呈負(fù)相關(guān)。在我國(guó)，煤炭的使用有1/3用于發(fā)電，火力發(fā)電量作為行業(yè)指標(biāo)對(duì)信用價(jià)差有一定影響。行業(yè)指標(biāo)的上升使得投資者對(duì)未來(lái)預(yù)期更加確定，風(fēng)險(xiǎn)溢價(jià)變小，從而電力行業(yè)信用價(jià)差變小。 </p><p>　?。ㄗⅲ罕疚南抵醒敫咝；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目“基于風(fēng)險(xiǎn)控制的

26、我國(guó)債券市場(chǎng)統(tǒng)一互聯(lián)問(wèn)題研究”；項(xiàng)目編號(hào)：2011YYL055） </p><p><b>　　參考文獻(xiàn)： </b></p><p>　　1.Elton E.J.，M.J. Gruber，et al. Factors affecting the valuation of corporate bonds[J]. Journal of Banking & Fina

27、nce，2004，28，（11）：2747-2767. </p><p>　　2.Tian L.， T.Y. Luo，and F. Zuo. The pricing of catastrophe bond by Monte Carlo simulation[J]. Proceedings of International Conference on Risk Management and Engineering

28、Management，2008. </p><p>　　3.劉國(guó)光，王慧敏.公司債券信用價(jià)差和國(guó)債收益率動(dòng)態(tài)關(guān)系研究[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2005，7，（5）：117-222. </p><p>　　4.楊文瀚，劉思峰，王燕.中國(guó)企業(yè)債信用價(jià)差的灰色預(yù)測(cè)及實(shí)證研究[J].中國(guó)管理科學(xué)，2005，（10）：169-171. </p><p>　　5.孫克.企業(yè)債信