能源类企业债信用价差影响因素探究

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现金流的时间点和额度， 见表1。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0 00. 094, B1。0.076, B 2-0.098, 8 30.054, t 19, t 23. 4。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日石化、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正在流通的到 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。4CPI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日 “上证综合指数”的标准差o6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