城投债利差与国债收益率的风险传导机制研究——基于DNS-VAR模型

朱广印，张胜全，刁伟涛

（青岛理工大学商学院，山东青岛 266520）

一、引言

2015年新《预算法》实施后，投融资平台被剥离了作为地方政府融资渠道的功能，中央政府明确表示对其不再实施救助原则，城投债作为具有地方政府信用背书的时代不复存在。这虽然在一定程度上有利于推进城投债的市场化定价，遏制不断攀升的债务规模，但由于城投债的发行不再受地方政府偿债能力的限制，这就导致其所带来的风险变得相对隐蔽。自2017 年起，城投债潜在的违约风险开始慢慢被市场发掘，投资者有关打破城投债“刚性兑付”信仰的预期也初步形成。而城投债一旦发生实质性违约，首先会对地方金融系统产生较大冲击，引发金融体系的风险传染性；其次，由于债券市场流通的不仅是城投债，当其出现违约风险时，可能会触发资产配置机制，进一步引发再融资风险；最后，城投债务违约很有可能导致国际投资者担忧政府债务问题，从而使压力从地方政府上移至中央政府，影响国家主权评级与海外发债。

国债以国家财政为信用背书，通常被认为是无风险债券，其收益率也被认为是无风险收益率，作为一切金融产品的定价基础，国债收益率曲线的动态变化蕴含着丰富的经济信息。因此，将城投债信用利差与国债收益率结合研究，有利于识别城投债对中央财政的风险传导机制，同时对城投债风险防控和治理具有重要意义。基于此，本文试图探究以下两个问题：一是由地方融资平台发行的城投债如何影响国债收益率曲线的动态变化；二是不同信用级别的城投债所产生的风险对国债收益率曲线的影响机制是否存在差异。

二、文献综述

本文主要从三个方面对文献进行梳理：一是地方债务风险衡量的研究；二是政府对地方融资平台“隐性担保”的研究；三是宏观金融模型的研究。

目前多数学者使用债务额度或债券价格（收益率）来衡量债务风险。于海峰和崔迪（2010）[1]在分析地方政府债务风险形成原因时提出地方债务规模过大不但会影响地方财政正常运行，还会降低经济效率甚至触发金融和社会风险。缪小林和石若瑾（2020）[2]通过研究地方债务规模对债务风险影响效果及依赖条件发现，专项债务的管理比一般债务更具有特殊性，债务风险形成机制更为复杂，风险更高。郭敏和宋寒凝（2020）[3]使用熵值法，结合地方政府显性债务和隐性债务相关数据计算得到加权债务规模，对31个省份债务风险进行分析，发现样本期内地方政府债务负担逐年上升，然而随着地方债发行与交易方式的不断规范化和市场化，地方债利差逐渐成为反映地方债务风险的重要指标，与利用债务额衡量地方债务风险相比，收益率价差具有高频性和即时性的优点。王永钦等（2016）[4]在对城投债进行研究时，将城投债收益率价差分解为流动性风险价差和违约风险价差，通过建立双重差分模型发现地方政府债务存在普遍的软预算约束问题。牛霖琳等（2016）[5]首次将地方债利差作为反映地方债务风险的指标，建立无套利Nelson-Siegel利率期限结构模型研究我国国债收益率与城投债利差因子的动态联系，并将国债收益率分解为预期收益率和风险溢价两部分，发现国债在整个债券市场上仍然起到“避风港”的作用。

有学者对地方政府和地方融资平台之间是否仍然存在救助预期和隐性担保关系也进行了研究。邹瑾等（2020）[6]从城投债发行利差角度实证了在中央与地方的双重救助预期下，新《预算法》实施后，城投债发行利差与地方政府财政状况显著相关，虽然中央对地方政府隐性债务的救助预期被打破，但地方政府对其债务的隐性兜底仍然存在。闫晓东等（2019）[7]构建倍差法模型对2009—2016 年城投债数据进行实证分析，发现“43 号文”实施后有效削弱了城投债“隐性担保”预期，同时“刚性兑付”问题也有所弱化。同样对政策实施后隐性担保对城投债发行利差影响的研究中，沈晓萍等（2020）[8]将第三方担保作为控制变量引入回归模型中，发现在无担保时，隐性担保对城投债发行利差的影响更大，同时随着地方债务管理政策的落实推进，地方政府的隐性担保效应有所下降。但也有学者得出了不同结论，钟宁桦等（2021）[9]发现“43号文”颁布后，置换存量城投债与新增城投债的“隐性担保”预期呈现不同变化，新增城投债在“43号文”的约束下，其“隐性担保”预期有所下降，而置换存量城投债的“隐性担保”不降反升。

宏观金融模型常被用来分析国债收益率与宏观经济指标间的动态关系，通过构建Nelson-Siegel模型及其扩展形式将国债收益率分解为具有不同经济含义的三个因子，并与经济指标构建向量自回归模型，研究因子间的相互作用。Ang&Piazzesi（2003）[10]最早尝试将宏观经济指标融入国债收益率曲线的研究中，通过建立动态联合模型，识别两者间的传导机制。由于国债收益率的变动能够反映市场对央行加息或降息的预期，因此多数学者聚焦于研究国债收益率与货币政策调控间的传导机制。随着研究的进一步深入，部分学者开始通过宏观金融模型识别金融市场中的风险与隐忧。韩晓峰（2018）[11]发现经济产出和通货膨胀的正向冲击会导致期限风险溢价的同方向变动，而紧缩性的货币政策则会带来期限风险溢价的下降。帅昭文等（2021）[12]通过构建宏观金融模型识别市场中潜在的风险偏好，并发现我国在利率市场化的进程中存在金融供需错位问题，从而导致金融市场出现异常波动。

基于以往研究，本文使用城投债利差代表城投债风险，更具即时性和高频性的优点。另外借鉴宏观金融模型，使用城投债利差代替宏观经济指标，有利于识别同为债券市场中的国债与城投债间的风险传导机制，为中央财政与地方融资平台关系的研究提供新视角。

三、数据与模型

（一）数据描述

由于城投债的持有者多数为商业银行等金融机构，且AA 及以下评级的城投债在交易所市场流通性很差，因此本文选取银行间债券市场，以固定利率国债和城投债在2015 年1 月到2020 年12 月每周最后一个交易日的数据为研究对象。在对国债收益率曲线进行拟合时，设定13 个固定期限：1、2、3、6、9、12、36、60、84、108、120、180、360 个月。另外，由于城投债发行主要以1 年内和5 年期为主，两者的发行占比接近城投债发行总量的70%，因此选择5年期城投债利差数据表示城投债风险。数据均来源于Wind数据库。

表1为各信用级别5年期城投债利差数据，由于城投债同时具有信用级别和剩余期限两个维度，因此在固定城投债期限维度时，由表1中数据可知，城投债收益率的均值随信用级别的下降而上升，这主要是由于信用评级越低的企业，其违约风险越高，投资者会要求更高的风险溢价，从而导致低信用级别的城投债价格下降、收益率上升；同时，城投债收益率的标准差随信用级别的下降也呈现上升的趋势，说明低信用级别的城投债收益率波动更大。

表1 各信用级别5年期城投债利差

（二）模型构建

利率期限结构具有丰富的经济信息，各国央行在估算利率期限结构时所采用的方法主要包括Hermite插值法、B 样条函数法、Nelson-Siegel 模型等，其中Nelson-Siegel 和Nelson-Siegel-Svensson 模型因其结构简单、易于估计成为使用最为广泛的两种方法。Diebold&Li（2006）[13]为了刻画利率期限结构的动态变化机制，从而对未来收益率曲线进行更为有效的预测，提出了动态的Nelson-Siegel模型，用两步法估计收益率曲线，其形式为：

四、实证分析

（一）数据处理

目前有关衰减因子λ的确定方法主要是取曲率因子达到最大时对应的λ ，该方法由Diebold&Li（2006）[13]在拟合美国国债收益率曲线时提出，但考虑到目前我国债券市场间存在分割性，且尚不成熟，因此选择使用卡尔曼滤波法估计DNS模型，估算结果得到的λ =17.98。在确定衰减因子的取值后，使用Matlab对方程（1）进行非线性拟合，拟合结果见表2。

表2 DNS模型的三因子分解结果

针对拟合效果的检验，使用经验方法进行测评，即取r（120）为水平值，r（120）-r（3）为斜率值，2*r（36）-r（3）-r（120）为曲率值。该方法的直观解释是：水平因子约为10年期国债收益率，表示收益率曲线的长端；斜率因子为收益率曲线的长短端之差，表示曲线的倾斜程度，用10年期国债收益率和3月期国债收益率之差表示；曲率因子表示收益率曲线的二阶导数，反映曲线的弯曲程度。

图1 水平因子与经验值

图2 斜率因子与经验值

图3 曲率因子与经验值

变量进行向量自回归时，为避免伪回归的出现，导致回归方程的估计结果没有意义，因此要求所有时间序列均为平稳时间序列。本文选用ADF单位根检验方法，对各变量进行平稳性检验，结果见表3。

表3 三因子与利差因子的ADF单位根检验

若原时间序列平稳，则在回归方程中使用原序列，若原序列非平稳，则取其差分后的序列。经上述处理后，除斜率因子在5%的置信水平条件下平稳，其余时间序列均在1%的置信水平条件下平稳。

最后，将国债三因子与不同信用级别的城投债利差因子分别构建向量自回归模型，模型的滞后阶数由AIC准则确定。其中，AAA、AA+和AA信用级别的城投债利差因子与国债三因子组成的三个回归方程的滞后阶数为3阶，剩余两个回归方程的滞后阶数为2阶。

（二）脉冲响应分析

为更加直观地观测城投债风险变化如何影响国债收益率曲线变动，本文使用脉冲响应图识别两者间的动态关系。由于水平因子和斜率因子能够解释国债收益率曲线的大部分波动，且曲率因子的经济含义相较于水平和斜率因子不够明确，因此，只汇报水平因子、斜率因子和城投债利差因子间的脉冲响应图。

图4和图5分别为水平因子和斜率对不同信用级别城投债利差因子冲击的脉冲响应图。图像显示，国债收益率因子对不同信用级别城投债利差因子冲击的响应方向基本一致，但响应的持续时间和大小有所不同。首先，1单位城投债利差因子的正向冲击会导致水平因子的同方向变动，说明城投债风险增大会导致长期国债收益率上升，表现为国债收益率曲线长端上移，引起这种结果的原因可能是城投债风险的上升带来了系统性风险，投资者识别到这种潜在的风险后，趋向于持有风险更小的短期国债，从而导致长期国债价格下降，收益率上升。其次，1单位城投债利差因子的正向冲击会导致斜率因子的反方向变动，由于斜率因子的经济含义为长短期利差，且为负值，因此城投债风险增大会导致国债收益率的长短期利差进一步扩大，表现为国债收益率曲线趋于陡峭。另外，由于斜率因子对利差因子冲击的响应高于水平因子对利差因子冲击的响应，因此在长期国债收益率上升的同时，短期国债收益率也在下降，从而使得收益率曲线斜率的变化幅度大于收益率曲线长端的变化。最后，水平和斜率因子对不同信用级别城投债利差因子冲击的响应时间和大小也不同。国债收益率对低信用级别城投债（AA-和A）冲击的响应时间快，但持续时间短，对高信用级别城投债（AAA、AA+和AA）冲击的响应时间慢，但持续时间长，这主要是由于市场对不同信用级别城投债利差变动的敏感程度不同导致的。

图4 水平因子对城投债利差因子冲击的响应

图5 斜率因子对城投债利差因子冲击的响应

（三）方差分解

方差分解可以识别每个因子冲击对内生变量变化的贡献度，通常使用方差进行度量，以评价不同因子冲击的重要性。

表4为各信用级别城投债利差因子的方差分解结果，可以看出，各信用级别城投债利差因子的波动主要来自于自身的冲击，且对自身的解释程度均高于90%。另外，斜率因子相较于水平和曲率因子对城投债利差波动的解释程度更高，且随着向后预测时间的增大，解释程度进一步提高。方差分解的结果表示国债收益率曲线的长端和短端能够解释城投债利差的部分波动。

表4 各信用级别城投债利差因子的方差分解单位：%

五、结论与建议

本文通过脉冲响应函数和方差分解识别国债收益率与不同信用级别城投债利差间的动态关系，进一步得到国债收益率曲线与城投债风险间的相关关系：首先，城投债风险变动对长短期国债收益率的影响渠道不同。其次，不同信用级别的城投债风险变化对国债收益率的影响时间也不相同。国债收益率对低信用级别城投债（AA-和A）冲击的响应时间快，但持续时间短；对高信用级别城投债（AAA、AA+和AA）冲击的响应时间慢，但持续时间长。最后，国债收益率曲线长端和短端的差值能解释城投债利差的部分波动。

第一，推进地方融资平台债务公开化与市场化。提高城投债发行信息披露效率，规范地方融资平台发债行为，逐步解决软预算约束问题，减少对地方政府依赖程度。另外，进一步扩大投资主体类型，丰富债券发行数量和种类，适时调整城投非标发行比例，缓解不同经济时期面临的负面冲击。第二，健全反映市场供求关系的国债利率期限结构。国债收益率作为无风险基础，应充分发挥对其他以利率为核心的金融产品的定价作用。充分考虑中长期国债收益率曲线建设，逐步完善以10年期为主、5年期等关键有效点为辅的国债利率期限结构。加强对公众的引导，减小利率波动程度，提高利率期限结构应对经济负面冲击的稳定性。