人民币利率互换利差影响因子的实证分析.docVIP

人民币利率互换利差影响因子的实证分析 摘要：本文利用VAR模型、脉冲响应以及方差分解的方法对基于3个月SHIBOR的互换利差及其影响因子进行分析，模型拟合效果良好，表明由该VAR结果所反映出的变量间关系符合我们基于经济理论对变量影响效应的分析。 关键词：利率互换利差；影响因子；向量自回归模型；脉冲响应；方差分析 中图分类号：F832.5 文献标识码：A 文章编号：1001-828X（2015）004-00000-01 一、引言 随着我国利率互换市场的不断发展和完善，对于利率互换定价问题的研究也越发受到关注。在标准化的互换市场上，多采用利差报价的方式，互换利差是互换市场上的主要定价变量。无套利定价原理表明，互换利率应当等于相同期限的无风险平价证券的收益率，这就意味着互换利差应当为0。然而，不同期限的人民币互换利差在通常情况下都是异于零的，有的时候还达到较高水平。这是因为在非完全竞争的金融市场上，存在交易违约风险等因素，利率互换利差随着时间不断地变动，使得对于互换利差的动态驱动因子的研究显得十分重要[1]。 二、人民币互换利差影响因子 （一）影响因子及其代理变量 由于我国互换主体的信用评级一般是AAA级，交易方的违约风险可以忽略不计。除去违约风险，我们认为利率互换利差的主要影响因子包括：与国债市场的流动性差异、利率波动性、一般利率水平、利率斜率期限结构、成本差异因子以及证券市场因子。我们将影响因子及其代理变量定义如下：SS1代表3M SHIBOR为基准利率的1年期利率互换利差，通过计算1年期互换利率与1年期国债收益率之差得到；Default表示违约风险因子，通过计算金融债收益率与国债收益率（同期限的）之差可得；Cost表示成本差异因子，通过3M SHIBOR减去FR007的值可得；Liquidity代表流动性因子，为3M SHIBOR与3个月期的央票收益率之差；Volatility表示利率波动性因子，为3年期国债收益率日变化的平方；Stock代表证券市场影响因子，此处用上证指数日回报的平方表示；Level 代表一般利率水平，用半年期的国债收益率表示；Slope是利率期限结构斜率，用10年与2年期国债收益率之差表示。 （二）影响因子间的关系分析 本文选取了2009年3月至2011年12月份的交易数据，首先对各因子进行格兰杰因果关系检验。对所有平稳变量进行格兰杰因果检验结果表明，Stock这一因子不是SS1的格兰杰原因，但SS1却是Stock的格兰杰原因。对于3M SHIBOR的互换利差而言，期限结构斜率前期值的变化对互换利差的变化有十分显著的解释作用。这在很大程度上说明了基于3M SHIBOR的互换利差可反映宏观经济环境的变化，对宏观经济状况较为敏感，且对证券市场的变动起到一定的预期作用。虽然其它因子的前期值不能有效解释互换利差的变化，但应该也对互换利差产生一定影响效应，为了更好地解释互换利差的变动，下文将构建VAR模型，并进行脉冲响应和方差分解。 三、利率互换利差模型构建 首先是构建VAR模型，根据FPE、LR统计量及AIC、SC和HQ准则来联合判断最佳滞后项，结果表明，此处同样应采用一阶滞后来建立VAR模型。SS1的表达式如下： SS1 -0.0027*Cost（-1）-0.0684*DDefault（-1）+0.0599*DLevel（-1）+0.045287*DLiquidity（-1）+0.42586*DSlope（-1）+0.9617*SS1（-1）+25.3418*Stock（-1）-2.4051*Volatility（-1）+0.057777 通过对VAR模型的检验，AR根的倒数都在单位圆之内，表明该VAR模型是稳定的，进而可以进行脉冲响应和方差分解。广义脉冲响应结果如下： 图1 SS1的广义脉冲响应图 结果表明，Volatility在受到一个正冲击时，对互换利差有较大负效应，并在第二期达到最大后开始减少，逐渐趋于稳定。Dslope受到一个正冲击时，利差迅速作出反应，在第二期达到最大后趋于平稳，但整体水平较高。Ddefault对于互换利差的冲击强度仅次于Dslope的，只是它在短期内没有对SS1造成强烈冲击。Stock对3M SHIBOR互换利差有类似效应，但强度要小得多。此外，Cost对于SS1的冲击效应一直处在较低水平，甚至可忽略不计。Dlevel对SS1产生的都是负效应，持续时间较长，与Stock的强度类似，但方向相反。接下来是对SS1进行方差分解，结果表明当滞后期不断增加时，SS1自身影响的权重下降，由83%下降至74%。但下降速度从第7期开始十分缓慢，基本维持在74%左右，并仍占有绝大比重。另外，Ddefault和Dslope的权重都较大，基本超过10%的水平，而其余几个因子的贡献率都十分小，皆低于1%，且