我国债券市场时变财富效应研究——基于TVP-SV-VAR模型的一个经验分析*

周德才，张 慧，江 云，何宜庆

(南昌大学 经济管理学院，江西 南昌300031)

一、引言和文献综述

自从1997年我国建立银行间债券市场以来，我国债券市场开始进入迅速增长和全面发展的阶段[1]。根据中国人民银行网站公布的最新数据显示，截至2014年12月底，我国全年债券发行量累计达10.98万亿元，债券余额高达35.32万元，与同期我国股市总市值37.25万亿元基本相当。这说明我国债券市场经过10多年的发展，已经发展到可以与股票市场相匹敌的地位，在证券市场中占据重要地位，成为我国居民进行金融资产投资的重要对象。因此，对金融市场财富效应的研究，不能主要集中于股市的研究，债市也应该成为重点研究对象。

自美国经济学家Modigliani(1954)最早于20世纪50年代提出金融市场财富效应问题后，国内外学者对此进行了大量的研究，产生了大量的理论和实证文献。但债券市场财富效应研究文献不多，从已有文献的研究方法来看，研究可分为静态和动态财富效应实证分析两个方面，学者们的主要研究结论总体上可分为债券市场具有正向、负向和不具财富效应。

第一，国内外债券市场的静态财富效应理论和实证研究。早期国内外学者们主要使用OLS、VAR模型等固定系数模型对一些主要国家债券市场的静态财富效应进行了实证分析，目前仍然是主要的研究方法，但结论存在一些差异。很多国内外学者通过实证分析发现，债券市场对一个国家的居民家庭消费、国民经济增长等宏观经济变量具有显著的促进作用。一些学者研究发现，国债、可转债等债券市场对居民消费具有显著的静态财富效应[2-9]；也有一些学者分析发现，债券对经济增长具有显著的促进作用[10-12]。但也有少量学者持不同观点，认为债券市场财富效应不显著或者为负[13-16]。

第二，国内外债券市场的动态财富效应理论和实证分析。近年来，在动态财富效应方面，只有少量学者对此进行了研究，已有文献也基本上是采用状态空间模型。一些学者通过实证分析发现，债券市场具有积极动态财富效应[17-22]，但也有极个别学者持相反观点[23]。

总之，从已有文献来看，国内外学者主要把焦点集中于股市、房市等财富效应的研究，而债券市场的研究则相对较少。就债券市场财富效应研究来看，国内外学者主要集中于国债、可转债等单个债券品种财富效应的研究，还缺少对我国整个债券市场的财富效应的分析；在研究方法上，国内外学者主要使用了协整、VAR等常系数模型分析债券市场的静态财富效应，而较少使用时变系数模型分析其时变财富效应。鉴于此，本文在现有研究的基础上作了一些推进：第一，采用了TVP-SVVAR模型，将目前对我国债券市场财富效应分析从静态分析或者简单动态分析向前推进到立体时变分析，以便反映我国债券市场和居民消费在进入“新常态”过程中呈现的多动态结构变化特征。第二，选择了能够反映我国包括交易所和银行间债券市场在内的全部债券市场的样本指标，实证分析我国债券市场的财富效应。现有文献对我国债券市场财富的研究一般局限于单个债券品种，如国债等，较缺乏研究我国整个债券市场财富效应的文献。第三，使用了月度的样本数据，使得样本信息含量更丰富。目前几乎所有的关于我国债券市场财富效应的文献选择的都是季度和年度数据，样本量较少，分析的精准度有待提高。

二、TVP-SV-VAR模型简介

为了解决Cogley[24]3-7等人提出的TVP-VAR模型及Sims等[25]人提出的SV-VAR模型各自的局限性，Primicerri在前人研究的基础上提出了著名的TVP-SV-VAR模型，同时实现了VAR系列模型的固定系数的时变性以及不变协方差的随机性[26]4-7。模型简单介绍如下：

（一）TVP-SV-VAR模型的量测方程

其中，yt是n×1的向量，n是被解释变量的个数；Xt是由解释变量组成的维度为n×k矩阵，包含所有被解释变量的滞后值以及截距项，其总共的数目为k。Bt是k×1的无法观察的状态向量，表示VAR模型的时变系数；εt是相互独立的随机变量，而且服从正态分布N（0,H），并假定其中,At是所有主对角线上的元素全部为1的三角矩阵,∑t是对主角线上的全部元素表示为σi,t的对角矩阵，σi,t是参数Bt的标准差。

（二）TVP-SV-VAR模型的状态方程

设At中的全部非限定的元素按照行的顺序组成一个列向量αt，设hi,t=ln(σi,t)。则TVP-SVVAR模型的状态方程设定如下：

其中，第一方程是估计不可观察向量Bt的状态方程，即VAR模型的系数项，其中νt是干扰项，且νt～N(0,Qt)；第二个方程是估计不可观察向量αt的状态方程，即VAR模型的同期关系项，其中ςt是干扰项，且ςt～N(0,St)；第三个方程是估计不可观察向量ht的状态方程，即VAR模型的对数波动项，其中ξ是干扰项，且ξ～N(0,Wt)；εt、νt、ςt、ξt都是相互独立的随机变量，且都服从正态分布的误差项①在这里需要运用基于MCMC方法的Bayesian估计算法对模型进行参数估计，由于篇幅限制，此处不再具体叙述，详细内容参考罗毅丹(2010)[27]。。

三、数据处理及模型设定

（一）数据说明

本文在经全面考虑权衡的基础上，选择以下三个金融和经济指标作为向量自回归模型(VAR)的内生变量，分别是全国城镇居民家庭人均消费(以下简称居民消费，简记为C)、城镇居民家庭人均可支配收入(以下简称居民收入，简记为Y)和中证全债指数（以下简称债券指数，简记为B）；我们选择中证全债指数来表征债券市场，是因为它是中证指数公司编制的综合反映沪深交易所和银行间债券市场的两个市场的债券指数。在国内外的现有相关文献中，大多采用季度或年度数据，但是由于目前我国可得的季度数据样本较短，使用季度数据将使得样本数据不能较好满足具有高维度的状态空间模型的参数估计，因此本文采用月度数据。本文所有数据来自中经网数据库和中国债券网，样本区间选定为2003年1月至2014年9月。由于2003年1月至2006年12月我国才有居民收入(Y)、居民消费(C)的月度数据，其余时间均为季度数据，因此本文以我国人均社会消费品零售总额为权重，将其中的季度数据分解成月度数据；由于所采集的数据为现值，本文用定基比消费者价格指数来进行调整以剔除物价因素；居民消费和居民收入呈现明显的季节性，采用X12方法进行季节调整；由于样本数据的自然对数变换不改变原来的函数关系，并使其趋势能够线性化，消除时间序列中存在的异方差现象，我们对变量进行对数化处理；本文将经过上述数据处理后的居民消费、居民收入和债券指数分别简记为LC、LY和LB[28-30]。

（二）平稳性检验

在对TVP-SV-VAR模型的参数进行估计之前，VAR模型要求对各个指标的时间序列是平稳的，因此需要对各个样本数据进行平稳性检验。我们采用ADF检验和PP检验两种单位根的检验方法对样本数据时间序列的平稳性进行比较检验，检验结果见表1。从表1可知，居民消费(LC)和居民收入(LY)的ADF和PP检验都在1%的水平上拒绝原假设，这说明它们都在1%的显著水平上是平稳的；债券指数(LB)在ADF检验上在5%的显著水平上拒绝原假设，在PP检验上接受原假设，因此，说明债券指数(LB)基本上是平稳的。

表1 单位根检验

（三）确定TVP-SV-VAR模型的最优滞后阶数

本文基于VAR模型，使用Eviews 8.0软件的Lag Order Selection Criteria进行检验，来确定TVPSV-VAR模型最优滞后阶数。从检验的具体结果来看，按照AIC判断标准，TVP-SV-VAR模型的最优滞后阶数是4阶，按照SC判断标准，TVP-SVVAR模型的最优滞后阶数是2阶。考虑到滞后阶数太多会导致模型过度的参数化，因此本文以SC信息准则为准，将TVP-SV-VAR模型滞后阶数确定为2阶。

表2 最优滞后阶数的检验

（四）先验概率的选择

基于MCMC方法进行Bayesian估计时，我们首先需要根据自己的先验经验对估计参数选择一些先验概率，选择TVP-SV-VAR模型的先验概率，体现了各个学者根据自己的实际经验对需要估计的模型参数分布的主观的概率判断；我们对时变系数、随机方差和协方差的先验概率设定，基本上参照Primiceri的做法进行[26]8，待估计的参数的初始状态是相互独立的；超级参数Q、S和W也一样假定都相互独立，且都服从逆威沙特概率分布(Inverse-Wishart)；时变参数B、A和∑的初始值概率p(B0)、p(A0)和p(logσ0)都服从正态分布[31]。这样,由于TVP-SV-VAR模型的状态方程全部是线性结构的,可知对于任意时期的B、A和logσ,Q、S和W的条件先验概率也都服从正态分布。参照Cogley以及Primiceri[24]10,[26]13的研究,本文利用训练样本（Training Sample）来估计先验概率的均值和方差。这样，本文采用的先验概率的基本设定，总体上具体总结如下：

四、实证分析及结果分析

根据样本数据的平稳性检验结果，居民消费(LC)、居民收入(LY)和债券指数(LB)及居民消费变动(DLC)、居民收入变动(DLY)和债券指数变动(DLB)都是平稳数据。因此，本文首先使用最小二乘法对样本数据实证分析债券市场的长期财富效应，接着使用TVP-SV-VAR模型对样本数据的一阶差分数据实证分析了债券市场的短期财富效应。

(一)债券市场的长期财富效应实证测度和实证分析

本文使用Eviews 8.0软件，对2003年1月至2014年9月的样本数据，使用最小二乘法，对我国债券市场的长期财富效应进行实证测度和实证分析。由公式5可见，从长期看，我国居民收入(LY)是显著影响居民消费(LC)的主要因素，边际消费倾向达到0.7747；同时，债券指数(LB)对居民消费(LC)有显著的正向财富效应，影响系数高达0.1342。

其中，括号中的数字是T统计量，*表示在1%的显著水平上显著。

(二)债券市场的短期立体时变财富效应实证测度和实证分析

1.样本数据抽样说明

样本数据的一阶差分数据的时间范围是2003年2月至2014年9月，共140个样本点，但是在模型的运算过程中，需要用9个月的数据作为训练样本，以此计算出相关的先验信息，再由于滞后阶数2阶是上文确定的TVP-SV-VAR模型最优滞后阶数，失去2个自由度。因而实际上模型的最后分析样本为2004年1月至2014年9月，共129个样本。

2.收敛性诊断

为了确保抽样样本能够准确地反映事后概率分布,首先要确定抽样过程已经达到了稳定的概率分布。因此，对抽样的收敛性进行检验是在使用抽样样本进行估计和推断的前提条件和必需的步骤。对于TVP-SV-VAR模型，抽样样本收敛性检验主要通过抽样样本的统计量进行检验，这些统计量包括抽样样本自相关系数、抽样路径、后验分布、CD统计量和IF统计量等。在已有文献的实践中，收敛性检验主要从以下两个方面展开：

一是抽样收敛性的图形检验。这种检验是通过将抽样样本自相关系数、抽样路径、后验分布等统计量画成图形来判断抽样样本是否收敛。抽样样本自相关系数图形检验是通过将自相关系数画成图，考虑其是否随着抽样间隔次数的增加而趋于零；抽样路径图形检验则是通过将每次抽样结果画出图形来判断是否围绕抽样样本均值波动；后验分布图形检验则是通过抽样样本计算的概率分布图来判别抽样样本是否收敛与后验分布。抽样收敛性通过图形检验的所有结果具体可见图1所示。

图1 第1行是自回归系数，第2行是样本路径，第3行是后验分布密度

从图1可以看出，TVP-SV-VAR模型的抽样样本自相关系数图表明自相关系数稳定下降，最后都趋于0，说明抽样样本自相关不明显；抽样样本路径图表明抽样数据围绕抽样样本均值附近稳定波动，说明抽样样本没有明显的趋势；抽样样本分布(见图1的第3行的抽样样本的后验分布密度图)显示收敛于后验分布，说明本文在实证分析过程中得到的抽样样本是收敛性。总之，抽样样本的收敛性三种图形检验结果都表明通过预设参数，基于MCMC的Bayesian抽样样本是收敛的，获得了不相关的有效样本。

二是抽样稳定性检验。抽样稳定性的实证检验的基本做法就是通过一些统计量来检验抽样结果是否收敛于后验分布。一般来说，TVP-SVVAR模型抽样稳定性主要通过抽样样本的均值、标准差、置信区间来测算和检验CD、IF等统计量。Geweke收敛诊断值(Convergence Diagnostics)，简称CD统计量，是主要用来检测后验分布是否就是预模拟得到的马尔科夫链的收敛结果。因此，判断的标准就是CD统计量的值是否落入抽样结果的置信区间内，落入就是收敛，否则就是发散。IF统计量是无效影响因子(Inefficiency Factors)，是后验样本均值的方差和不相关序列样本均值的方差的比率，表示为得到不相关样本所需要抽样的次数，因此判断的标准就是IF值越小表明样本越有效，二者均为判断MCMC链模拟效果的重要依据。本文把抽样稳定性检验的具体结果放在表3中①模型中的协方差矩阵Q、S和W分别为21阶、3阶和3阶矩阵，为节省篇幅，表3中只列出了各矩阵前2个对角线元素的后验估计结果，其余元素的估计结果也均达到了统计上的诊断要求。，根据表3，收敛诊断值(Geweke)，即CD统计量的值均未超过5%的临界值1.96，表明收敛于后验分布的零假设不能被拒绝；无效因子，即IF统计量的值均小于100，其中最大的为93.15，这表明我们至少可以得到7000/100≈75个不相关样本，表明用上述7 000次抽样得到的样本对于TVP-SVVAR模型的后验推断是足够的；因此，抽样稳定性诊断表明TVP-SV-VAR模型的估计是有效的，可以用于对变量之间影响动态进行进一步的考察和分析[32]。

表3 参数估计结果及检验

3.参数估计

根据前文描述的模型结构和数据样本，本文使用MATLAB 2010,基于MCMC方法的Bayesian估计算法对债券市场短期财富效应模型（由居民消费变动、居民收入变动、债券指数变动所组成的三变量TVP-SV-VAR模型）进行估计；根据前文的结论，最优的滞后阶数由TVP-SV-VAR模型确定为2阶。由于运算量特别大，本文把有效的重复抽样次数设为7 000次，需要舍去的预烧抽样次数为有效的重复抽样次数的40%，即为2 800次。由于篇幅限制，这类没有列出所有方程的参数估计结果，本文只展示了居民消费变动(DLC)方程的时变系统图，对其他两个方程估计结果感兴趣，可以邮件索取，具体结果见过图2(其中CON是常数项)。从图2可以看出来，居民消费变动(DLC)与居民可支配收入变动(DLY)、债券指数变动(DLB)都存在短期时变关系。

图2 TVP-SV-VAR模型估计的居民消费变动方程的时变系数图

(1)居民消费变动滞后项对其自身影响效应的实证测度和实证分析。1阶滞后的居民消费变动的影响系数在[-0.0385,0.03629]的区间波动，平均值为-0.0179；2阶滞后的影响系数在[-0.2869,-0.2227]的区间波动，平均值为-0.2504；1阶和2阶滞后的合计影响系数在[-0.3174,-0.2243]的区间波动，合计平均值为-0.2683。因此，我们可以得出结论，在短期内我国居民消费变动滞后项对其自身的影响是时变的，且总体上是负向的。这说明我国居民消费变动会在短期内根据消费惯性效应，进行一些动态反向调整，以保持短期消费基本不变。

(2)居民消费变动对来自居民收入变动滞后项的影响效应的实证测度和实证分析。1阶滞后的居民收入变动对居民消费变动的影响系数在[-0.0839,0.0834]的区间波动，平均值为-0.0179；2阶滞后的影响系数在[0.0372,0.1965]的区间波动，平均值为0.1367；1阶和2阶滞后的合计影响系数在[-0.0040,-0.2666]的区间波动，合计平均值为0.1187。因此，可以得出结论，在短期内我国居民收入变动滞后项对居民消费变动的影响是时变的，且总体上是正向的。这说明我国在短期内居民消费会根据居民收入情况进行动态调整，即具有正向的时变收入效应。

(3)债券指数变动滞后项对居民消费变动影响的实证结果分析。1阶滞后的债券指数变动对居民消费变动的影响系数在[0.0975,0.2229]的区间波动，平均值为0.1460；2阶滞后的影响系数在[-0.0148,0.0393]的区间波动，平均值为0.0171；1阶和2阶滞后的合计影响系数在[0.0967,02353]的区间波动，合计平均值为0.1631。因此，可以得出结论，在短期内我国债券指数变动滞后项对居民消费变动的影响是时变的，而且总体上是正向的。这说明我国在短期内居民消费会根据债券市场收入情况进行动态调整，即具有正向的时变财富效应。

4.基于TVP-SV-VAR模型实证测度和分析立体时变脉冲响应函数

基于上文介绍的TVP-SV-VAR模型，使用MCMC和贝叶斯方法，估计出来了居民消费变动(DLC)对来自其自身、居民收入变动(DLY)和债券指数变动(DLB)的标准冲击的立体时变脉冲响应函数值。考虑到计算时间和成本，本文只分析24个月内的居民消费变动(DLC)在短期内对来自自身，以及居民收入变动(DLC)、债券指数变动(DLB)一个标准差的信息冲击对居民消费变动(DLC)的具体影响，具体结果见图3～图5。

(1)居民消费变动对来自自身的标准冲击的立体时变因子增广脉冲响应分析。从图3可以得出以下结论：首先，从不同的脉冲响应期数来看，我国居民消费变动(DLC)对其来自自身的冲击响应其演进方式呈现以较大振幅震荡，但无衰减的变化特征。这表现为在所有样本点上，每个样本点的所有期数的脉冲响应函数值有正有负，基本上是两头较大中间略小，总体上都比较高，这说明我国居民消费变动(DLC)对来自自身的冲击响应呈现立体变化特征。其次，从不同的样本期数看，我国居民消费变动(DLC)对来自自身的冲击响应的演进方式是时变的。这表现为在所有脉冲响应期数上，每期对应的几乎所有样本月份的脉冲响应函数值都是不一样的，总体呈现“U”字型，时变性特征很明显。总之，从整体来看，本文得到我国居民消费变动(DLC)对来自自身的冲击响应具有立体时变特征，说明在短期内我国居民消费变动对其自身的消费惯性效应是存在的，显著的，而且是立体时变的。

图3 DLC对来自DLC的脉冲响应函数图

(2)居民收入变动施加给居民消费变动的一个标准差的信息冲击的立体时变因子增广脉冲响应分析。从图4可以得出以下结论：首先，从不同的脉冲响应期数来看，我国居民消费变动(DLC)对其居民收入(DLY)的冲击响应的演进方式呈现断崖式的变化特征。这表现为在所有样本点上，每个样本点的所有期数的脉冲响应函数值都是在前3期比较大，自第4期开始以微小振幅逐渐震荡衰减为0，这说明我国居民消费变动(DLC)对来自居民收入(DLY)的冲击响应呈现立体变化特征。其次，从不同的样本期数看，我国居民消费变动(DLC)对自居民收入(DLY)的冲击响应的演进方式是时变的。这表现为在所有脉冲响应期数上，每期对应的几乎所有样本月份的脉冲响应函数值都是不一样的，时变性特征很明显。总之，从整体来看，本文得到我国居民消费变动(DLC)对来自居民收入(DLY)的冲击响应具有立体时变特征，说明在短期内我国居民收入变动对居民消费的财富效应是存在的，显著的，而且是立体时变的。

图4 DLC对来自DLY的脉冲响应函数图

(3)债券指数变动施加给居民消费变动的一个标准差信息冲击的立体时变因子增广脉冲响应分析。

图5 DLC对来自DLB的脉冲响应函数图

从图5可以得出以下结论：首先，从不同的脉冲响应期数来看，我国居民消费变动(DLC)对其来自债券指数(DLB)的冲击响应的演进方式呈现震荡递减的变化特征。这表现为在所有样本点上，每个样本点的所有期数的脉冲响应函数值都是有正有负，其绝对值随着脉冲响应期数的增加而逐步以较高的振幅震荡递减，最终基本趋于0，这说明我国居民消费变动(DLC)对来自债券指数(DLB)的冲击响应呈现立体变化特征。其次，从不同的样本期数看，我国居民消费变动(DLC)对来自债券指数(DLB)的冲击响应的演进方式是时变的。这表现在在所有脉冲响应期数上，每期对应的几乎所有样本月份的脉冲响应函数值都是不一样的，时变性特征很明显。总之，从整体来看，本文得到我国居民消费变动(DLC)对来自债券指数(DLB)的冲击响应具有立体时变特征,说明在短期内我国债券市场财富变动对居民消费的财富效应是存在的，显著的，而且是立体时变的。

五、基本结论和政策建议

（一）结论

本文选择能够反映我国整个债券市场的债券指数，以及城镇居民家庭人均消费支出和人均可支配收入之比，选取2003年1月至2014年9月的140个月度样本数据，首先使用最小二乘方分析了我国债券市场的长期静态财富效应，接着使用TVP-SV-VAR模型，分析了其短期时变财富效应，并使用了脉冲响应函数其立体变化特征，得出以下结论：

第一，从长期来看，我国债券市场静态财富效应是存在的、正向的、以及现在的。本文使用最小二乘方法实证分析了我国居民收入(LY)、债券指数(LB)对居民消费(LC)的长期静态影响效应。实证结果发现，从长期来看，我国居民收入(LY)对居民消费(LC)具有显著影响，且是最大影响因素，边际消费倾向达到了0.7835；同时我国债券指数(LB)对居民消费(LC)具有显著影响，且是重要影响因素，边际消费倾向高达0.1196。这些研究结论进一步说明，我国城镇居民家庭人均消费支出具有来自我国城镇居民家庭人均可支配收入和债券市场财富的显著的收入效应和财富效应。

第二，从短期来看，我国债券市场时变财富效应是存在的、正向的、以及显著的。本文采用TVP-SV-VAR模型系统分析了我国居民消费变动(DLC)、居民收入变动(DLY)、债券指数变动(DLB)的三个滞后项都对居民消费(DLC)的短期时变影响效应，得到以下结论：首先，从短期来看，我国居民消费变动(DLC)滞后项对其自身的影响是时变的，且总体上是负向的，这说明我国居民消费会在短期内具有时变惯性效应；其次，从短期来看，我国居民收入变动(DLY)的滞后项对居民消费变动(DLC)的影响是时变的，且总体上是正向的，这说明我国在短期内居民消费具有正向的时变收入效应；最后，在短期内我国债券指数变动(DLB)的滞后项对居民消费变动(DLC)的影响是时变的，且总体上是正向的，这说明我国在短期内居民消费会具有正向的时变财富效应。

第三，从脉冲的立体时变函数值来看，我国债券市场财富效应具有立体、时变的特征。本文分析了基于TVP-SV-VAR模型测算的立体时变脉冲响应函数值，结果发现居民消费变动(DLC)对其自身的惯性效应具有立体时变特征，同时居民收入(DLY)和债市指数(DLB)对居民消费变动(DLC)的收入效应和财富效应也都具有立体时变特征。

（二）政策建议

基于前文的实证分析，我们发现了我国债券市场，无论是长期的静态的财富效应，还是短期的动态的财富效应，都是存在的，正向的，以及显著的；同时，考虑到我国债券市场被分割成银行间债券市场和交易所债券市场两个大市场，成为制约我国债券市场进一步全面深入发展的重要的因素。因此，我们从自己的研究结论出发，建议中国政府基于互联网金融和大数据背景大力推动债券市场规模、结构和效率的发展，并推进债券市场高度融合和统一，以便债券市场财富效应得到更大程度的发挥。

第一，全面加强银行间和交易所债券市场基于互联网金融背景的深度融合，实现两个市场财富效应的逐步趋于一致。互联网金融要求统一大市场、各个行业的深度融合，这也要求在两个债券市场逐步深入融合的基础上，进一步加强债券产品跨市场创新，扩大跨市场的债券交易品种，统一政府部门的监管，并在有效的监管下允许两个市场的资金进出渠道完全畅通，加速两市场之间的融合，逐步消除两市场之间的严重分割，提高两市场一体化，最终实现两个市场财富效应完全一致。

第二，大力完善债券市场现有的做市商机制，使债券市场各类债券价格能够得到比较合理的定价。虽然目前我国债券市场已经建立起来较完善的做市商机制，但在市场活跃程度、买卖差价、合作机制等方面，与欧、美、日等发达国家的做市商，还存在较大的差距，需要大量完善，进一步提高我国债券市场的定价效率。

第三，努力打造基于大数据发展背景的债券市场统一高效的托管结算体系，提高其财富效应水平。由于我国债券市场分割成多个市场，因而导致债券的托管和结算由多个不同的机构进行，比较分散，增加投资和交易成本，从而减低了财富效应水平，这显然与当前的大数据发展的多维统一要求不相符。因此需要加强我国债券市场统一的托管结算体系，改善现有的债券托管和结算机制，打造统一托管结算下相关联的债券市场，减少债券市场之间的套利行为，最终建立统一大数据、统一大市场的债券业体系。

第四，给力促进我国债券业体系的全面稳定发展。与欧、美、日等发达国家的债券业规模相比，我国债券业的规模占国民经济(GDP)的比值较小，需要给力扩大我国债券业现有的规模，争取尽快提高债券规模与国民经济的占比，以便与我国国民经济在世界经济中的地位相匹配。目前我国国债占比过大，而企业债则显得明显的不足，我国债券市场结构显得不甚完善，我国政府金融监管部门以及行业组织和公司，需要大力丰富债券市场各类债券，特别是企业债的品种，完善我国债券市场结构。