能源类企业债信用价差影响因素探究.docVIP

能源类企业债信用价差影响因素探究 　　摘要：本文根据国家能源局对能源行业的分类，对上海证券交易所债券市场流通的企业债及公司债进行统计分类，对电力、石油天然气和煤炭三大传统能源行业的债券信用价差结构及宏观影响因素进行实证研究。使用Nelson-Siegel扩展模型拟合无风险利率曲线并计算信用价差，拟合效果较好。在此基础上，建立时间序列多元回归模型，对三个行业的企业债信用价差宏观影响因素进行比较分析，发现不同行业之间其信用价差宏观影响因素具有明显的行业差异。 关键词：能源产业 企业债券 信用价差 影响因素 一、引言 能源行业主要有传统能源和新能源两大类，我国长期以来采取依靠能源资源投入支撑经济增长的粗放型发展方式，传统能源行业是市场需求的主要方面。2008年金融危机以来，世界经济形势不断下行，国内宏观形势紧张，生产成本加大，对我国能源类企业的投产、新开工及在建规模产生较大影响。国家现阶段鼓励能源企业进行技术升级和改造，鼓励企业之间横向、纵向的联合、兼并、重组，打造能源行业的优势品牌。这一系列的举措，无不需要巨额的优质资金。总体而言，煤炭等能源行业资产形式以固定资产为主，经营收入稳定、投资周期长；相对于股票融资和银行贷款，债券融资除具有自身优势之外，目前在我国更有政策上的支持和保障。因此，我国现阶段的多个能源行业企业更适合发行债券来筹集资金。从发债情况来看，电力、石油和煤炭的发债量具有一定的发展潜力和战略性。2000年，我国仅有3只电力企业债券发行，2011年全年发行63只能源类企业债券；2012年1月到10月能源行业企业债券的发行数量83只，逐年攀升，因能源类企业结构和公司发展特点，其发行规模相对较大。 在发行企业债券时确定合理的初始票面利率，既能降低融资成本又能使融资更顺利。在理论上，信用价差是企业债定价的关键因素。Duffie等（1999）用简约模型对可违约债券利率期限结构进行研究，并就信用价差期权的定价模型做了实证研究。Elton等（2004）通过对穆迪及标准普尔的企业债券评级研究后发现，违约风险、流动性、应纳税金、回收率、债券发行时间等因素对债券价格波动及债券定价有重要影响。Tian L.等（2008）针对即期利率、国债收益率、公司债指数等因素对债券的广义信用利差进行分析发现，这些因素对债券的广义信用利差的解释率低于50%。 国内对企业债券信用价差以及其影响因素的实证研究较少。刘国光等（2005）选取上交所2004年6月30日的6只公司债券，研究信用利差和国债收益率序列之间短期和长期的均衡关系，但对实证结果的解释存在显著性水平不一致的问题，直接影响到结论的可靠性。杨文瀚等（2005）采用灰色系统理论建立GM（1，1）模型，首次对我国企业债信用价差进行了精度较高的预测，结果理想。孙克（2009，2010）采用虚拟变量回归方法，发现我国高信用级别的企业债信用价差线呈现驼峰型。在后续的研究中，应用GARCH族模型研究发现短期利率、国债收益曲线的斜率、通货膨胀率、国债收益曲线的曲率以及汇率因素对企业债信用价差变化和波动具有至关重要的作用，并因企业债期限的不同而有差异。冯宗宪等（2009）为企业债信用价差序列建立了动态时间序列模型，发现短期企业债信用价差序列表现出了自回归和移动平均特征，中期和长期企业债信用价差序列则仅表现出自回归特征。 国内外学者对企业债信用价差宏观的经济环境、微观的个体因素以及市场流动性因素研究已经相当成熟，但具体到行业的研究则几乎没有。本文以融资需求较大的能源产业为着眼点，加入行业影响因子进行分析，以期能结合行业特征建立能源类各行业企业债券信用价差的影响因素回归模型，并为后续其他行业的研究提供参考。 二、实证模型分析 （一）利率期限结构 1.无风险利率期限结构。在计算企业债信用价差的期限结构之前，需要推导出无风险利率期限结构。静态利率期限结构模型理论一般事先设定收益率曲线的函数形式，然后通过选取债券的某一横截面数据来估计函数中的参数，从而对收益率曲线进行拟合和估计。在国内外市场中，Nelson Siegel Svensson扩展模型已较为成熟，该模型对到期期限较长的数据不是很敏感，修正后的目标函数使模型不会出现对远期数据过度拟合的情况，比较符合期限结构理论。鉴于我国国债的品种数量较少、债券市场发展不完善，本文对利率期限结构的研究将以静态利率期限结构模型为基础。 （1）数据选取。本文选取2012年6月7日上海证券交易所16只附息国债收盘价作为无风险收益曲线拟合的价格数据（所用数据来源于上海证券交易所），样本债券期限1-20年不等，剩余期限0.05-13.12年不等。 （2）拟合过程。利用SAS程序对16只国债进行现金流分解，求得每只国债每期产生利息