《國(guó)債收益率影響因素研究的國(guó)內(nèi)外文獻(xiàn)綜述》5500字

國(guó)債收益率影響因素研究的國(guó)內(nèi)外文獻(xiàn)綜述在現(xiàn)有的文獻(xiàn)中，研究宏觀因素對(duì)國(guó)債收益率的影響都是立足于一段時(shí)期，或是具體的年份，即這些研究都是在債券市場(chǎng)發(fā)展的不同時(shí)期作出。本文則是首先對(duì)2002-2017年債券市場(chǎng)進(jìn)行相似性分析，然后分類對(duì)國(guó)債收益率的影響因素進(jìn)行研究分析。1.1關(guān)于面板聚類的文獻(xiàn)綜述由于面板數(shù)據(jù)復(fù)雜的數(shù)據(jù)結(jié)構(gòu)，對(duì)于面板數(shù)據(jù)聚類分析的研究早期停留在單個(gè)指標(biāo)面板數(shù)據(jù)上的較多。例如：Miche和Jeroen(2005)[1]運(yùn)用逐步回歸法對(duì)全省數(shù)據(jù)的單個(gè)指標(biāo)面板數(shù)據(jù)進(jìn)行了聚類分析研究。朱建平和陳民懇(2007)[2]在介紹了面板數(shù)據(jù)的均值函數(shù)、方差函數(shù)、協(xié)方差函數(shù)、聯(lián)合相關(guān)函數(shù)和交叉協(xié)方差函數(shù)這些描述性統(tǒng)計(jì)量之后，構(gòu)造了面板數(shù)據(jù)之間的相似性統(tǒng)計(jì)指標(biāo)，并在此基礎(chǔ)上提出了面板數(shù)據(jù)聚類分析的有效方法，通過實(shí)際應(yīng)用取得了良好的效果。鄭兵云(2008)[3]認(rèn)為這種單指標(biāo)面板數(shù)據(jù)的聚類分析在理論研究上是問題的簡(jiǎn)化，其聚類算法和聚類過程類似于截面數(shù)據(jù)的聚類分析，在實(shí)際應(yīng)用中會(huì)受到很大的限制。于是他分析了面板數(shù)據(jù)的數(shù)據(jù)格式和數(shù)字特征，根據(jù)聚類分析原理，重新構(gòu)造了多指標(biāo)面板數(shù)據(jù)的距離函數(shù)和離差平方和函數(shù)，在此基礎(chǔ)上說明了多指標(biāo)面板數(shù)據(jù)的聚類分析過程。在面板聚類的研究過程中，主要采用以下兩種方法。一種是利用主成分分析等方法對(duì)多指標(biāo)面板數(shù)據(jù)進(jìn)行降維，把面板數(shù)據(jù)的多維指標(biāo)變量轉(zhuǎn)化為由多個(gè)指標(biāo)變量線性組合而成的一維綜合指標(biāo)。例如，肖澤磊等(2009)[4]，借鑒多元統(tǒng)計(jì)學(xué)中的主成分分析方法對(duì)面板數(shù)據(jù)進(jìn)行降維處理，然后通過構(gòu)建綜合評(píng)價(jià)函數(shù)序列矩陣的相似性指標(biāo)對(duì)面板數(shù)據(jù)進(jìn)行聚類分析。王德青等(2012)[5]對(duì)經(jīng)典聚類分析和普通主成分聚類分析極端情形下的失效問題展開討論，通過定義客觀賦權(quán)的主成分距離為分類統(tǒng)計(jì)量，并以實(shí)證檢驗(yàn)取得的良好效果為依據(jù)，有效地解決了主成分聚類分析在極端情形下所不能揭示的問題。王德青等(2013)[6]在對(duì)經(jīng)典聚類模型和現(xiàn)有改進(jìn)聚類模型優(yōu)點(diǎn)與不足剖析的基礎(chǔ)上，通過定義客觀加權(quán)主成分距離為分類統(tǒng)計(jì)量，提出了一種自適應(yīng)賦權(quán)的主成分聚類模型。他們認(rèn)為與現(xiàn)有同類方法相比，新模型克服了指標(biāo)之間的高度共線性，能夠?qū)χ笜?biāo)重要性的客觀差異進(jìn)行自適應(yīng)賦權(quán)，然后應(yīng)用加權(quán)主成分聚類對(duì)中國(guó)區(qū)域創(chuàng)新能力進(jìn)行集團(tuán)劃分，分類結(jié)果的可解釋性明顯提高，統(tǒng)計(jì)檢驗(yàn)效果顯著。之后，王德青等(2015)[7]在離散數(shù)據(jù)函數(shù)化的基礎(chǔ)上提出了一種基于展開系數(shù)的加權(quán)聚類算法，他認(rèn)為盡管這種離散視角下的函數(shù)型自適應(yīng)權(quán)重聚類能夠彌補(bǔ)普通主成分聚類分析的局限性，但其有效性的前提是能夠主觀選擇最優(yōu)基函數(shù)進(jìn)行離散觀測(cè)值的函數(shù)化處理，實(shí)際應(yīng)用時(shí)缺乏統(tǒng)一準(zhǔn)則。劉云霞(2016)[8]認(rèn)為在面板數(shù)據(jù)的聚類方法上，存在以下幾個(gè)需要解決的問題：第一，如何確定面板數(shù)據(jù)中反映個(gè)體之間發(fā)展動(dòng)態(tài)水平差異以及時(shí)序波動(dòng)差異的具體指標(biāo)形式。第二，如何對(duì)反映個(gè)體之間不同方面差異的距離給予科學(xué)賦權(quán)。第三，面板數(shù)據(jù)中利用歐氏距離測(cè)度相似性無法真正反映時(shí)間序列趨勢(shì)的相似。第四，利用主成分分析進(jìn)行面板數(shù)據(jù)聚類時(shí)，主成分個(gè)數(shù)的合理選取問題。為此提出了一種基于動(dòng)態(tài)時(shí)間規(guī)整的面板數(shù)據(jù)聚類方法研究及應(yīng)用。首先分別對(duì)所有時(shí)間點(diǎn)進(jìn)行主成分分析，計(jì)算每個(gè)樣本在每個(gè)時(shí)間點(diǎn)的綜合得分，可以得到每個(gè)樣本的綜合得分時(shí)間序列，然后利用動(dòng)態(tài)時(shí)間規(guī)整方法測(cè)度樣本之間的綜合得分時(shí)間序列的相似性，形成初始距離陣。戴大洋等(2018)[9]和劉云霞采用的方法具有相似之處，都是首先提取了面板數(shù)據(jù)主成分降維后指標(biāo)的綜合得分序列，差異在于戴大洋利用小波變化提取綜合得分序列的“周期”特征、低頻部分的“均值”特征與“趨勢(shì)”特征、高頻部分的“波動(dòng)”特征，然后采用熵值法對(duì)這些特征進(jìn)行賦權(quán)并利用賦權(quán)后的特征數(shù)據(jù)和系統(tǒng)聚類法實(shí)現(xiàn)面板數(shù)據(jù)聚類。另一種方法是將橫截面?zhèn)€體間各指標(biāo)的距離求和作為橫截面?zhèn)€體間的聚類相似性指標(biāo)。例如，李因果等(2010)[10]基于面板數(shù)據(jù)的時(shí)序特征和截面特征，綜合考慮面板數(shù)據(jù)絕對(duì)指標(biāo)、增量指標(biāo)及其時(shí)序波動(dòng)特征，重新構(gòu)建了面板數(shù)據(jù)相似性距離函數(shù)，并以2003-2007年財(cái)政金融面板數(shù)據(jù)為例，對(duì)中國(guó)14個(gè)沿海開放城市進(jìn)行了聚類分析，結(jié)果顯示出良好的應(yīng)用性。任娟(2012)[11]在綜合考慮面板數(shù)據(jù)水平指標(biāo)、增量指標(biāo)、增量變化率指標(biāo)的時(shí)間序列特征及其非同步時(shí)間序列問題的基礎(chǔ)上，對(duì)其進(jìn)行一階差分和二階差分用來代表樣品指標(biāo)的水平值、增量和增量變化率時(shí)間序列，對(duì)三種距離進(jìn)行加權(quán)求和作為樣品間的距離。李因果等(2013)[12]提出了基于自適應(yīng)權(quán)重的面板數(shù)據(jù)聚類方法，將權(quán)重的確定采用主、客觀綜合賦權(quán)的方法。王雙英(2014)[13]認(rèn)為李因果在定義全時(shí)“綜合”距離中，對(duì)三種距離的權(quán)重存在人為賦權(quán)的因素，此外，數(shù)據(jù)同樣被均值化，對(duì)全時(shí)“綜合”距離的探討有待完善。其次，認(rèn)為李因果提出的“絕對(duì)零”距離、全時(shí)“增長(zhǎng)速度”距離和全時(shí)“變異系數(shù)”距離雖然較全面的考慮了數(shù)據(jù)特征的相似性，卻較少的考慮指標(biāo)數(shù)據(jù)的相關(guān)性。于是他綜合了考慮面板數(shù)據(jù)多指標(biāo)中因變量指標(biāo)特征及其與自變量指標(biāo)的相關(guān)關(guān)系，通過定義因變量自協(xié)方差及自變量與因變量協(xié)方差以構(gòu)建面板數(shù)據(jù)相似及相關(guān)性測(cè)度距離函數(shù)，并以我國(guó)1996-2008年44個(gè)行業(yè)煤炭、天然氣、電力消耗量及國(guó)際石油價(jià)格面板數(shù)據(jù)進(jìn)行實(shí)際應(yīng)用，驗(yàn)證了新方法聚類結(jié)果更為顯著的優(yōu)點(diǎn)。黨耀國(guó)等(2016)[14]提出了基于特征提取的多指標(biāo)面板數(shù)據(jù)聚類方法，該方法將能夠表征面板數(shù)據(jù)動(dòng)態(tài)變化的“絕對(duì)量”特征、“波動(dòng)”特征、“偏度”特征、“峰度”特征及“趨勢(shì)”特征引入動(dòng)態(tài)聚類算法中，他認(rèn)為采用這種方法可以避免以往采用歐式距離進(jìn)行聚類的局限性，還可以處理帶有缺失數(shù)據(jù)的面板數(shù)據(jù)，同時(shí)大大提高聚類效率，并最大限度地保證時(shí)間維度信息不受損失。張立軍等(2017)[15]基于面板數(shù)據(jù)兼具截面維度和時(shí)間維度的特征，提出了“加權(quán)距離函數(shù)”以及相應(yīng)的方差聚類方法。實(shí)證分析結(jié)果顯示,考慮指標(biāo)權(quán)重與時(shí)間權(quán)重的面板數(shù)據(jù)加權(quán)聚類分析方法具有更好的分辨能力，能提高樣本聚類的準(zhǔn)確性。1.2關(guān)于國(guó)債收益率影響因素的文獻(xiàn)綜述國(guó)外學(xué)者關(guān)于債券市場(chǎng)的影響因素主要包括貨幣政策與債券收益率、宏觀經(jīng)濟(jì)與債券收益率的關(guān)系以及收益率期限結(jié)構(gòu)特征等方面。例如，AngA，PiazzesiM(2003)[16]基于無套利約束限制建立了VAR-ATSM模型，方差分解表明，絕大部分債券收益率的波動(dòng)能夠通過宏觀因子來解釋，其中中端和短端收益率的解釋力度相對(duì)較好，其他不可觀測(cè)的因子可以用來解釋長(zhǎng)端收益率曲線的波動(dòng)。Neely(2010)[17]發(fā)現(xiàn)美國(guó)量化寬松貨幣政策大規(guī)模資產(chǎn)購(gòu)買通過資產(chǎn)組合的再平衡效應(yīng)總共使得10年期美國(guó)國(guó)債收益率降低了187個(gè)基點(diǎn)，大型資產(chǎn)購(gòu)買計(jì)劃同時(shí)具有國(guó)際效應(yīng)，不僅降低了美國(guó)長(zhǎng)期利率還降低了澳大利亞等國(guó)的長(zhǎng)期利率。Amico等(2013)[18]基于“局部供給”和債券久期的研究指出QE1使得長(zhǎng)期國(guó)債收益率下降了35個(gè)基點(diǎn)，QE2降低了長(zhǎng)期國(guó)債收益率45個(gè)基點(diǎn)。國(guó)內(nèi)關(guān)于國(guó)債收益率影響因素的研究主要集中在宏觀經(jīng)濟(jì)因素與債券收益率的聯(lián)系上。宏觀經(jīng)濟(jì)是影響債券市場(chǎng)的重要因素，宏觀經(jīng)濟(jì)走勢(shì)確實(shí)會(huì)影響債券收益率的波動(dòng)，因此國(guó)內(nèi)某些學(xué)者從該角度出發(fā)研究債券市場(chǎng)。王一鳴等(2005)[19]發(fā)現(xiàn)宏觀經(jīng)濟(jì)變量更多的是對(duì)整個(gè)債券市場(chǎng)的總的收益率有影響；消費(fèi)價(jià)格指數(shù)對(duì)不同待償期債券之間收益率關(guān)系的影響最大，期限結(jié)構(gòu)包括了有關(guān)未來消費(fèi)增長(zhǎng)的信息；股票市場(chǎng)指數(shù)則對(duì)總的收益率存在負(fù)效應(yīng)。陳曉鋒和楊宇俊(2009)[20]采用VAR建模方法，將國(guó)債指數(shù)收益率與5個(gè)經(jīng)濟(jì)變量作為一個(gè)動(dòng)態(tài)系統(tǒng)，通過脈沖響應(yīng)函數(shù)與方差分解考察銀行間國(guó)債財(cái)富指數(shù)波動(dòng)過程中來自經(jīng)濟(jì)變量的沖擊，分析了經(jīng)濟(jì)變量對(duì)國(guó)債指數(shù)收益率的影響程度以及相對(duì)重要性。結(jié)果表明經(jīng)濟(jì)變量因素對(duì)我國(guó)銀行間國(guó)債市場(chǎng)的影響較為明顯，市場(chǎng)上對(duì)于通貨膨脹風(fēng)險(xiǎn)的補(bǔ)償要求較高，從各變量影響國(guó)債市場(chǎng)波動(dòng)的相對(duì)重要性來看，股票收益率變量排在第一位。王拓等(2011)[21]同樣采用VAR建模方法，分析經(jīng)濟(jì)變量對(duì)不同待償期國(guó)債指數(shù)收益率的影響程度以及相對(duì)重要性。結(jié)果表明宏觀經(jīng)濟(jì)變量對(duì)1-3年期限與10年以上期限的國(guó)債指數(shù)的影響有相同之處，同時(shí)也表現(xiàn)出了不同之處；10年以上期限的國(guó)債指數(shù)受宏觀經(jīng)濟(jì)變量的影響明顯大于1-3年期限的國(guó)債指數(shù)；股市收益率是影響10年以上期限國(guó)債波動(dòng)的第一大因素，而對(duì)1-3年期國(guó)債而言，30天同業(yè)拆借利率成為影響其波動(dòng)的主要因素。董德志(2011)[22]定性地從宏觀經(jīng)濟(jì)基本面、政策面和資金面三個(gè)維度歸納了2002-2010年間我國(guó)宏觀經(jīng)濟(jì)與債券市場(chǎng)的動(dòng)態(tài)聯(lián)系，發(fā)現(xiàn)經(jīng)濟(jì)基本面的因素是最為領(lǐng)先的指標(biāo)。王安興等(2012)[23]研究了公司債與國(guó)債的利差及利差變化的影響因素。研究發(fā)現(xiàn)稅后利差在公司債市場(chǎng)初始階段和金融危機(jī)時(shí)期為負(fù)，時(shí)間序列回歸分析結(jié)果顯示：公司債利差與無風(fēng)險(xiǎn)利率水平、利率期限結(jié)構(gòu)斜率和公司杠桿比率的變化方向相反，而與股票收益波動(dòng)率變化方向相同。橫截面回歸分析結(jié)果表明:信用評(píng)級(jí)越高、利差越小；剩余期限越長(zhǎng)，利差也越小。黃海(2014)[24]運(yùn)用向量自回歸模型研究回購(gòu)利率對(duì)國(guó)債收益率的影響，結(jié)論顯示回購(gòu)利率對(duì)國(guó)債收益率的影響具有滯后性。劉瀾飚等(2014)[25]在動(dòng)態(tài)隨機(jī)一般均衡的框架下，從宏觀經(jīng)濟(jì)的視角分析我國(guó)國(guó)債利率期限結(jié)構(gòu)及其風(fēng)險(xiǎn)溢價(jià)。結(jié)果表明，短期國(guó)債收益率偏低的現(xiàn)象可部分歸因于我國(guó)居民風(fēng)險(xiǎn)厭惡程度較大。尚玉皇等(2015)[26]提出一種包含低頻宏觀因子的混頻Nelson-Siegel模型，研究結(jié)果表明：混頻模型可以改進(jìn)同頻模型擬合效果并較好刻畫出具有明確經(jīng)濟(jì)含義的期限結(jié)構(gòu)水平、斜率和曲度因子。陳浪和鄭衡亮(2015)利用因子模型進(jìn)行研究，結(jié)果表明收益率變動(dòng)受到水平因子和斜率因子的影響程度最大。徐九成等(2015)[27]基于國(guó)債市場(chǎng)2009年7月至2014年1月的55個(gè)月度數(shù)據(jù)，對(duì)債券分市場(chǎng)國(guó)債指數(shù)收益率就經(jīng)濟(jì)增長(zhǎng)、狹義貨幣供應(yīng)量、居民消費(fèi)價(jià)格指數(shù)、市場(chǎng)利率和股市收益率水平五個(gè)宏觀經(jīng)濟(jì)變量變動(dòng)的敏感性差異進(jìn)行實(shí)證分析。陳浪南等(2015)[28]首先采用因子模型分析了我國(guó)的利率期限結(jié)構(gòu)，并提取了水平因子和斜率因子，然后使用逐步回歸法和全局篩選法，分組對(duì)各類宏觀經(jīng)濟(jì)變量進(jìn)行分析，選取了一組對(duì)收益率曲線有顯著影響的宏觀經(jīng)濟(jì)變量。最后使用多變量誤差修正模型，分別分析了宏觀變量對(duì)收益率曲線兩個(gè)因子的影響。牛霖琳等(2016)[29]采用無套利Nelson-Siegel利率期限結(jié)構(gòu)擴(kuò)展模型，對(duì)2009-2014年國(guó)債收益率曲線和城投債利差的周數(shù)據(jù)聯(lián)合建模。實(shí)證結(jié)果表明，城投債風(fēng)險(xiǎn)通過“避風(fēng)港效應(yīng)”和“補(bǔ)償效應(yīng)”兩個(gè)渠道影響國(guó)債收益率。魏曉云(2017)[30]使用函數(shù)型數(shù)據(jù)分析方法，對(duì)我國(guó)貨幣政策沿國(guó)債收益率曲線向企業(yè)債及其利差曲線傳導(dǎo)的有效性進(jìn)行了實(shí)證研究。結(jié)果表明:貨幣政策向國(guó)債期限結(jié)構(gòu)的傳導(dǎo)效應(yīng)已經(jīng)較為顯著，但是存在信息損失；企業(yè)債收益率曲線在很大程度上受國(guó)債曲線的引導(dǎo)，信用等級(jí)越低，影響越大。劉成立等(2017)[31]利用主成分分析方法對(duì)國(guó)債收益率曲線進(jìn)行降維分析，研究國(guó)債收益率曲線水平、斜率和曲率因子在國(guó)債期貨上市不同階段的特征，并通過滾動(dòng)窗口的格蘭杰因果檢驗(yàn)探究國(guó)債期貨與國(guó)債市場(chǎng)的動(dòng)態(tài)關(guān)系。宏觀經(jīng)濟(jì)因素的確是影響債券收益率的重要方面，但是在實(shí)務(wù)中，資金面也是市場(chǎng)參與者考慮的重要因素之一。但當(dāng)前研究資金面對(duì)債券收益率影響的研究還很少。不少學(xué)者使用各種統(tǒng)計(jì)方法研究影響債券市場(chǎng)的因素，但使用的方法中涉及到SVAR模型的較少，而該模型又能捕捉模型系統(tǒng)內(nèi)各個(gè)變量之間的即時(shí)結(jié)構(gòu)性關(guān)系。參考文獻(xiàn)MichelM，JeroneV.K.Romouts.Clusteredpaneldatamodel:Aneffectapproachfornowcastingfrompoordata[J].InternationalJournalForecasting,2005(5):515-521.朱建平，陳民懇.面板數(shù)據(jù)的聚類分析及其應(yīng)用[J].統(tǒng)計(jì)研究，2007(4)：11-14.鄭兵云.多指標(biāo)面板數(shù)據(jù)的聚類分析及其應(yīng)用[J].數(shù)量統(tǒng)計(jì)與管理，2008(3)：265-270.肖澤磊，李幫義，劉思峰.基于多維面板數(shù)據(jù)的聚類方法探析及實(shí)證研究[J].數(shù)理統(tǒng)計(jì)與管理，2009(9)：831-838.王德青，朱建平，謝邦昌.主成分聚類分析有效性的思考[J].統(tǒng)計(jì)研究，2012(11)：84-87.王德青，朱建平，方匡南.中國(guó)區(qū)域創(chuàng)新能力的靜態(tài)分析——基于自適應(yīng)賦權(quán)主成分聚類模型[J].數(shù)理統(tǒng)計(jì)與管理，2013(9)：761-768.王德青，劉曉葳，朱建平.基于自適應(yīng)迭代更新的函數(shù)型數(shù)據(jù)聚類方法研究[J].統(tǒng)計(jì)研究，2015(4)：91-96.劉云霞.基于動(dòng)態(tài)時(shí)間規(guī)整的面板數(shù)據(jù)聚類方法研究及應(yīng)用[J].統(tǒng)計(jì)研究，2016(11)：93-101.戴大洋，鄧光明.基于小波特征提取的高頻面板數(shù)據(jù)聚類方法[J].統(tǒng)計(jì)與信息論壇，2018(2)：46-51.李因果，何曉群.面板數(shù)據(jù)聚類方法及應(yīng)用[J].統(tǒng)計(jì)研究，2010(9)：73-77.任娟.多指標(biāo)面板數(shù)據(jù)聚類方法及其應(yīng)用[J].統(tǒng)計(jì)與決策，2012(4)：92-95.李因果，戴翼，何曉群.基于自適應(yīng)權(quán)重的面板數(shù)據(jù)聚類方法[J].系統(tǒng)工程理論與實(shí)踐，2013(2)：388-395.王雙英，王群偉，曹澤.多指標(biāo)面板數(shù)據(jù)聚類方法及應(yīng)用——以行業(yè)一次能源消費(fèi)面板數(shù)據(jù)為例[J].數(shù)理統(tǒng)計(jì)與管理，2014(1)：42-49.黨耀國(guó)，侯荻青.基于特征提取的多指標(biāo)面板數(shù)據(jù)聚類方法[J].統(tǒng)計(jì)與決策，2016(19)：68-72.張立軍，彭浩.面板數(shù)據(jù)加權(quán)聚類分析方法研究[J].統(tǒng)計(jì)與信息論壇，2017(4)：21-26.AngA，PiazzesiM.Ano-arbitragevectorautoregressionoftermstructuredynamicswithmacroeconomicandlatentvariables[J].JournalofMonetaryeconomics，2003，50(4)：745-787.AmicoS，KingB.Flowandstockeffectsoflarge-scaletreasurypurchases:Evidenceontheimportanceoflocalsupply[J].JournalofFinancialEconomics，2013，108(2):425-448.NeelyCJ.Thelargescaleassetpurchaseshadlargeinternationaleffects[M].FederalReserveBankofSt.Louis，2010，45(3)：32-43.王一鳴，李劍峰.我國(guó)債券市場(chǎng)收益