基于VAR模型中国债券市场信用价差预测探究.docVIP

基于VAR模型中国债券市场信用价差预测探究 　　摘要：针对我国债券市场，选取上海证券交易所2006年1月至2011年12月国债和企业债月度交易数据，利用SV模型和遗传算法求得国债和企业债的利率期限结构，进而得到企业债的信用价差。然后利用多元回归模型提取影响我国企业债信用价差的显著宏观经济因素，并将其作为内生变量加入VAR模型当中，最后运用VAR模型对我国债券市场信用价差进行预测，结果表明VAR模型能够很好地预测我国债券市场的信用价差，不同期限的信用价差的时间序列呈现不同的时间序列特征。 关键词：信用价差； SV模型； VAR模型； 预测 中图分类号：F224；F8325 文献标识码：A 文章编号：1001-8409（2013）11-0027-05 Predicting Credit Spreads of Chinese Bonds Market Based on VAR Model ZHOU Rongxi， WANG Xianliang， DU Sinan， WANG Yongchao （School of Economics and Management， Beijing University of Chemical Technology，Beijing 100029） Abstract： This paper selects some trading information of corporate bonds and treasury bonds on a monthly basis， after solving SV model of term structure of interest rates through genetic algorithm， the more accurate term structure of both types of bonds can be obtained， based on which the credit spreads between them generate. Using multiple regression equations to depict significant factors which affect the credit spreads， then it puts them join VAR model and obtain sample static forecast. Then it can be concluded that the VAR model can forecast Chinese bonds market credit spreads well， and credit spreads of different maturities present different time series characteristics. Key words： credit spreads； SV； VAR model； forecast 1 引言 信用风险作为债券风险中最主要的风险，给债券的投资者、发行者和商业银行都会带来影响，因而越来越受到国内外学者们的注意。信用价差（credit spreads）是衡量信用风险的重要指标，是指为了补偿违约风险，投资者要求债券提供高于到期日相同的国债收益的额外收益，反映了企业债券的信用风险溢价[1]。学者一般把剩余到期日和现金流结构相同的企业债券和国债的到期收益率之差称为信用价差。很多学者直接用相同剩余期限的国债和企业债的收益率之差作为信用价差，但这种方法常常会导致误差过大。本文认为采用利率期限结构模型获取信用价差虽然有一定的技术难度，但结果更客观可靠。朱世武的研究认为Svensson （SV）模型更适合于拟合我国利率期限结构[2]，因此本文选用SV模型并采用遗传算法求解得到较为精确的国债和企业债的利率期限结构，通过二者之间的差值得到信用价差。 国外关于信用价差预测的研究集中在对利率期限结构的预测上。Cochrane 和Piazzesi经过研究，得出现在的收益率曲线包含了对未来收益率有用的预测信息[3]。Diebold和Li通过对NS模型的3个参数的时间序列进行建模，可以很好地对利率期限结构进行预测[4]。Monch、Ludvigson和Ng发现了宏观经济变量对于未来的无风险利率期限结构具有很好的预测能力[5，6]。Krishnan等通过实证表明，信用价差历史数据可以用来预测未来信用价差期限结构 [7]。Yu等运用动态NS模型对国债和企业债利率期限结构进行了预测[8]。 国内学者关于信用价差预测的研究集中在基于信用价差的宏观经济变量预测。王媛等