能源类企业债信用价差影响因素研究.doc

能源类企业债信用价差影响因素研究摘要：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索进行比较分析，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索一、引言能源行业主要有传统能源和新能源两大类，我国长期以來采取依靠能 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 主要方血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，具发行规模相对较人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、公司债指数等因索对债券的广义信 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Z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)采用虚拟变量冋归方法, 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 表现出自冋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來估计函数 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，修止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皋 础1）数据选取本文选取2012年6月7 H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（所用数据來源于上海 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现金流的时间点和额度，见表lo对各期现金流赋予 权重（债券期限的倒数），用数据搜索算法，通过循环计算得到NSS扩展 模型的参数集根据该数据集的结果排序，得到最小的目标函数，即为NSS 扩展模型的最优参数计算可知，最优参数取值为3 0=0. 094, B1二-0.076, B 2二-0.098,B 3二0.054, t 1=9, t2=3.4o根据NSS扩展模型作无风险收益曲线拟合, 得到图1所示曲线。

2. 企业债信用价差的利率期限结构建立对企业债发行公司的信用利 差进行拟合计算，理论依据是Nelson-Siegel扩展模型在拟合过程中采 用同一交易口石化、煤炭和电力三个行业的上证交易所债券数据分别进行 联合估计首先对当日的无风险收益率曲线进行拟合，其次利用样本企业 债券数据得到企业债券收益率的散点图，与无风险收益联合做出信用价差 模型得出结论，三个行业的信用价差变化趋势大致相同，越接近到期日， 信用价差越小石化行业企业债信用价差较煤炭和电力行业较小二）能源类企业债券信用价差描述性统计检验 1.描述性统计本文主要选取以下宏观因素作为解释变量：（1）无风险收益率样本为上 海证券交易所止在流通的到期期限为10年的国债，收益率取2010年8月 至2011年12月每月最后一个交易日的所有10年期国债收盘收益率的均 值，数据来源于锐思数据库2）原油价格取2010年8月至2011年11 月间国内中石化胜利原油的月度现货价格3）汇率取自中国银行公布 的美元对人民币汇率，时间跨度为2010年8月至2011年12月，每月最 后一个工作日数据，共17个观测值4）CPT指数选用《中国统计年鉴》 2010年8月至2011年12月各月CPI指数。

5）上证股指波动率为2010 年8月到2011年12月每月最后一个交易口 “上证综合指数”的标准差6）上海银行间同业拆放利率来自上海银行间同业拆放利率网站 （www.shibor.org）,七天同业拆放利率7）发电量、发电量增长率以 及火力发电量选用《中国统计年鉴》中2010年8月至2011年12月工 业主要产品产量及增长速度统计表8）石油天然气开采量、电力热力生 产和供应业产量、天然原油产量以及天然原油累计增长率选用《中国统 计年鉴》中2010年8月至2011年12月工业分大类行业增加值增长速度 统计表为了初步了解数据的基本情况，首先进行单变量分析本模型利用 2010年8月至2011年12月每月最后一个交易日煤炭、石化和电力三个行 业的企业债券利差的平均值考虑到样本的一致性、连续性以及样本数据 的有效性，本文从己发行的三类企业债券中，根据交易活跃和发行期限时 间等条件在各行业分别选择3只债券进行处理所有数据来自锐思数据库 和国家统计局统计数据2•相关性检验通过对各变量之I'可的相关性进行计算可见，价差与大 多数宏观指标之间的相关性并不显著，可以确定价差和各指标数据的合理 性煤炭行业信用价差与发电量等行业指标之间相关性较强，说明它们反 映的信息有所重叠。

石化和电力两个行业信用价差则与其大部分行业指标 无明显相关性三）能源类企业债券信用价差宏观影响因素分析1. 模型建立在对信用价差及其宏观影响因素进行时间序列回归分析前，需要对各变量进行检验，判断其是否具有平稳性及其单整阶数本文 利用EviewsS. 1软件对主要变量水平值和一阶差分进行ADF检验单位根 检验结果说明，各变量均为平稳时间序列，可以采用多元回归方程估计价 差宏观影响因素用最小二乘法估计石化企业价差宏观影响因素，经过计 算，模型中的DW值大于2,说明模型残差序列存在着一定的负相关为消 除这一负关系，本文对残差序列做自相关和偏自相关分析，结果可知，该 序列自相关系数拖尾，偏相关系数截尾因此，在上述模型的基础上选用 自回归模型（Auto-regressive, AR）经过ARMA拟合，得到了较好的回 归效果,R2=0. 9665, D・W.=2・ 128381, F 值=28. 85461, P 值二0.000041采用与上述相同的方法对煤炭、电力企业债券信用价差的宏观影响因 素分别进行分析，用最小二乘法估计企业价差宏观影响因素模型2•向量自冋归（VAR）模型和脉冲响应分析多元I口I归分析存在一定 的滞后性，因此对三个行业的企业债信用价差进行宏观影响因素分析之 后，本文通过建立向量自回归（VAR）模型，分析变量Z间的动态联系。

首先利用VAR模型对石化行业企业债券信用价差（crsp2）.国际原油价格 （x2）和天然原油产量（X14）三个变量之间的关系进行估计性质的实证 分析，从而得出向量自冋归方程中某一变量一个标准差大小的冲击对内生 变量当前值和未来值的影响国际原油价格和天然原油产量对石化企业信 用价差产生的冲击较为相似，在第二期产生负冲击，随后又产生了正向的 冲击但原油产量在一定程度上对价差的冲击更加显著，原油产量增加一 个百分点，对信用价差有一个负的影响，原油产量的增加使得石化企业债 信用价差降低分别对煤炭行业企业债券信用价差(crspl).火力发电量(x9),煤 炭开采增加值增长率(xll),电力行业企业债券信用价差(crsp3).发电 量(x8),电力热力生产和供应量(xl3)建立VAR模型并进行平稳性检验 后，进行脉冲响应分析对于煤炭企业，信用价差、火力发电量的一个标 准差的变动，对其在第二期产生了一个止冲击，随后趋近于0；煤炭开采 增加值增长率则在前3期内对信用价差产生方向冲击，随后趋近于0并围 绕其上下波动发电量对电力企业信用价差的冲击在前三期为负，随后转 变为正向冲击，并在接近12期时趋于0。

电力热力生产和供应量对电力企 业债信用价差同样是负面冲击三、小结首先，由宏观回归结果可知，能源产业下三个行业的企业债信用价差 的影响因索有着明显的行业区别多元冋归模型显示长期利率与企业债券 利差呈显著负相关，CPT指数、股票指数波动性与企业债券利差正相关 但可以明显发现，CPI对石化行业的影响显著，而与电力和煤炭行业的信 用价差之间相关性很弱我国现已成为世界上石油消耗第二大国，工业消 费和交通运输在石油总消费中长期占有近8成的比重石油消费增多对石 化企业的生产要求和产业规模有着一定的影响，加之我国石油资源紧缺现 状，使投资者倾向于选择更加保守的投资策略，对相同程度的风险会耍求 更高的溢价来补偿，导致信用价差的增大其次，国内原油价格与石化行业企业债券利差呈负相关，这可能是因为我国企业债券市场和原油市场长期受计划经济调控，且我国企业债券市 场发展程度较低、金融市场不够开放石化行业企业价差与原油产量之间 的负相关性说明，产量增加意味着企业经营和发展较好，其债券体现出企 业自身的风险性小，因而价差变小在煤炭行业企业债券价差模型中，信 用价差与火力发电量、煤炭开采增加值增长率等行业指标呈负相关在我 国，煤炭的使用有1/3用于发电，火力发电量作为行业指标对信用价差有。