中美贸易战对于中国国债市场的影响

陆海洋

【摘 要】2018年3月23日凌晨，中美贸易战爆发，股市大幅下跌。文章通过结合分位数回归与时间序列的方法，对国债市场收盘价的月标准差系数进行建模，对比中美贸易战爆发前后的中国国债市场波动程度进行分析，并给出预测结果。

【关键词】分位数回归；时间序列；ARIMA模型；国债市场；中美贸易战

1.引言

国债是金融市场中重要的金融工具。国债是以国家信誉为担保所发行的债券，具有风险低、收益稳定的特点。在当今社会，老龄化现象日益严重，老年人的风险承受能力较低，国债市场在未来将会得到更多的关注。国债市场风险的预测也将具有重大意义。

2018年3月23日凌晨，特朗普正式签署了对华贸易备忘录。内容包括对源自中国进口的600亿美元产品加征关税，中国企业对美投资并购被严重限制。除此之外，美国总统特朗普还宣布美国对中国航空航天、信息通讯技术等产品加收25%的关税。中美贸易战正式打响。

中美贸易战对中国股市影响巨大。2018年3月23日，A股滬深两市遭到严重打击，三大股指暴跌均超过了3%，造成超过3000支股票下跌。由于股市遭到重创，中美贸易战也将对国债市场造成一定的影响。文章通过分位数时间序列模型对国债市场指数的波动进行刻画和预测。

2.时间序列

文章选取2003年3月1日至2018年7月31日的上证国债指数每个交易日的收盘价，以月为单位计算出每个交易日的上证国债指数收盘价的标准差系数，通过国债市场每个月收盘价的标准差系数来刻画国债市场中的风险。以时间为横轴，标准差系数为纵轴，将所得模型数据绘制时间序列图：

在Rstudio中使用forecast包中的auto.arima公式可以将原始数据自动定阶拟合ARIMA模型，根据输出结果，将数据拟合ARIMA（1，0，0）模型：

3.分位数回归

估计ARIMA模型参数的传统方法是最小二乘法，最小二乘法被广泛运用的主要原因是因为该回归方法相对简单、易于操作并且符合人们的直观想象。但是在实际生活中，最小二乘法严格的限制条件往往很难得到满足。研究数据经常会出现包括尖峰、厚尾等特征，无法满足最小二乘法中正态分布的假设前提。而分位数回归方法的限制条件非常宽松，对异常值的敏感程度也并不高，可以有效分析和拟合实际数据。

分位数回归方法的估计公式为：

上述公式推导可以根据Rstudio软件中的quantreg包完成，分别取tau=0.25，tau=0.5，tau=0.75，得到结果如下：

首先，通过所得公式观察中美贸易战前国债市场的风险波动情况。取2017年第四季度的三个月，得到如下结果：

结果表明，2017年第四季度的三个月的波动程度均接近tau=0.25分位数。在中美贸易战前，中国国债市场风险波动程度较低并且相对稳定。

其次，通过所得公式观察中美贸易战爆发后国债市场的风险波动情况。取2018年4、5、6、7月份，得到如下结果：

结果表明，2018年4月、6月、7月，中国债市场的波动程度均接近tau=0.75分位数，波动程度较大。而2018年5月的波动程度接近tau=0.5分位数，波动程度中等，这可能与中国证券市场的特点有关。中国股市投资者常常会因为利空消息产生过度反应，导致资金大量流出，加剧消息对于股市波动的影响，而后又逐渐恢复。也就是说，当3月23日爆发中美贸易战后，新闻发布利空消息，大量资金流出，4月份国债市场产生大幅波动，波动程度超过tau=0.75分位数，即上文所述的过度反应。随着时间推移，股市有所恢复，致使5月分的国债市场的波动程度有所降低。6月份和7月份的波动情况又再度接近tau=0.75分位数。

综上所述，中美贸易战引发了国债市场的大幅波动，将国债市场波动程度从年前的tau=0.25附近提高到了tau=0.75附近，如果中美贸易战继续，国债市场的波动程度可以使用tau=0.75的参数对2018年8月、9月、10月进行预测，预测结果如下：

【参考文献】

[1]刘晓倩，周勇.加权复合分位数回归方法在动态VaR风险度量中的应用[J].中国管理科学，2015，6（23）：1-8.

[2]史建波.复合分位数回归及其在时间序列上的应用[D].鲁东大学，2015.

[3]盛选义.时间序列分位数回归模型的实证分析[D].天津大学，2012.

[4]王琪锋.复合分位数回归在线性时间序列下的应用[D].大连理工大学，2015.

[5]彭良玉.分位数回归在时间序列中的应用[D].天津大学，2010.

[6]盛选义，彭良玉.分位数回归在时间序列中的应用[J].太原师范学院学报（自然科学版），2011，10（03）：25-29.