货币政策冲击视角下债券利差对经济增长的影响研究

王军生,史亦卿,苏兴洪

(西安财经大学 经济学院,陕西 西安 710100)

一、引言及文献综述

2021年中国经济高质量转型实现了新的突破,为“十四五”规划打开了新的局面。但是在步入2022年以来,新冠病毒感染疫情的持续反复,百年变局的加速演进,外部环境形势更加变幻莫测,中国经济面临着需求收缩、供给冲击和预期转弱的三重压力。在当前经济形势下,货币政策的困境是刺激经济与推高通胀和资产泡沫的选择两难,货币政策框架要转向利率型并加强传导疏通。2022年中央经济工作会议强调,要采用稳定的货币政策,灵活适度地保持流动性合理充裕。在经济下行压力到来时,货币政策稳增长的作用要体现出前瞻性,而经济企稳后,货币政策则要向边际收紧。货币政策要处理好稳增长和防风险的关系,以结构性发力为主,需要避免短期政策效应过强但不利于经济长期平稳发展的情况。债券是资本市场支持实体经济的主战场,债券收益率曲线蕴含了丰富的宏观经济和货币政策信息,如何发挥好债券市场传导货币政策、推动经济增长的作用,需要对债券利差和经济增长间的动态关系进行量化分析。

债券利差主要包括期限利差和信用利差。期限利差与经济增长方面,国内外学者关于国债期限利差与宏观经济关系的研究主要集中于研究国债期限利差与经济增长、通货膨胀、经济周期等变量的关系方面。付一婷和毕振豫通过建立TVP-VAR模型,证实国债期限利差可以通过增加商业银行的盈利能力支持中国实体经济发展[1];而美国国债相关规律的研究则发现期限利差与通货膨胀之间存在正相关关系[2]。朱世武通过比对中国国债期限利差与通货膨胀之间的关系,以及中美国债期限利差的联动效应,得出利率期限结构可以作为货币政策制定的依据影响经济增长,并利用利率均衡模型为银行间市场浮动利率债券进行了定价[3]。经济增长的变化往往具有周期性特点,学者们进一步研究了期限利差与经济周期变换之间的关系,基于logit模型实证分析了不同期限利差对经济周期发生转折是否有着明显的研判作用[4-5];利用VAR-ATSM模型分析发现，较长期的利差可以在一定程度上预测经济增长与通货膨胀的未来走势,且通过中美国债期限利差的比对分析,发现美国国债期限利差更容易受到通货膨胀预期、货币政策等宏观经济指标的影响[6-7]。此外,国债期限利差在经济波动预测上得到了更多应用。闵荷露和廖昕基于向量误差修正模型(VECM)以及熵权法构建了宏观经济景气指数,研究发现国债期限利差是宏观经济景气指数的单向格兰杰原因,且对宏观经济景气指数具有滞后和一定持续性的正向影响[8]。苏梽芳等使用2018至2019年中国国债收益率曲线数据,重构了7组长短国债期限利差的函数型数据,发现在经济下行区间的外部环境下日度数据可以对经济下行趋势做出较为准确的研判,而七年期与一年期利差数据的预测准确度最好[4]。相关研究表明,将期限利差与宏观经济指标相结合,可以更好地诠释经济波动,利用期限利差与经济增长之间的高相关性,可以对经济周期的转折做出较为准确的监测。

信用利差与经济增长方面,货币政策是影响债券信用利差的重要因素,货币政策通过债券市场的传导途径最终会作用于经济增长。债券自身的杠杆属性会作用于债券的信用利差,进而对货币政策的债券市场传导效应产生影响[9],而货币政策利率对债券信用利差的传导过程则存在明显的跨市场差异[10]。刘冲等使用中国债券市场交易数据,分析了外部市场环境与政策环境的变化后,及其所导致的货币市场短期利率向债券利率传导效率的变化[11]。温湖炜等则发现货币政策调控对于企业债券信用利差的调节效应存在时变特征,价格型货币政策工具对企业信用利差的调节效应最为显著,且其对中国企业债券的信用风险传导作用也在逐渐提升[12]。于静霞和周林研究发现信用利差具有逆经济周期的特征,且通货膨胀以及经济加速增长预期会对低信用级别债券的信用利差具有正向影响[13]。王雷和聂常虹研究了中国债券利差对宏观经济指标的预测能力,采用自下而上的方法构建了中国的民营企业信用利差指数,发现债券市场冲击会影响到企业融资成本以及固定资产投资,进而影响物价水平,最终会导致经济增速的放缓[14]。相关研究主要关注货币政策通过债券利差传导的政策效应,而探讨债券利差通过货币政策传导反作用于经济增长的研究则相对不足。

综上可见,现有研究主要关注信贷总量与经济增长的相关性,将信用利差对经济增长的影响联系起来的研究相对较少,信用利差对经济增长的研判效果也没有得到充分重视。因此,要理清货币政策与债券利差的相关性,债券利差与经济增长相关联系的政策含义,有必要理解这些相关性在多大程度上是由货币政策本身产生的,或在多大程度上是由货币政策传导的。本文的创新点为:第一,选取了宏观经济、货币政策、分类贷款余额、信用利差等4大类描述性体系并细分为9个经济变量,构建一个融合这些变量的多方程模型,并在可能的情况下使用结构性VAR的研究方法来阐明数据中的反馈行为,从而达到研究这4类指标相互影响路径的目的;第二,结合国债期限利差(TS)的相关研究,利用中国企业债券日交易数据构建了衡量中国企业债券融资情况的企业债券信用利差指数(GZ spread),以期限利差和信用利差作为债券市场风险的衡量指标,进而观测其与货币政策和经济增长的相互影响,研究其是否能够成为预测经济周期的领先性指标并有效研判经济波动,为后续相关研究提供一定参考。

二、实证模型与数据来源

(一)实证模型

在此借鉴Primiceri、Nakajima提出的包含随机波动的时变参数向量自回归模型(TVP-VAR)[15-16],利用该模型研究信用利差对信贷总量和国内经济活力的结构性冲击。此模型在SVAR模型的基础上,要求各个参数随时间变化并且服从随机游走过程。首先,SVAR的模型公式如下:

Ayt=F1yt-1+F2yt-2+…+Fsyt-s+μt,t=s+1,s+2,…,s+n

(1)

其中,yt是k×1可观测的变量矩阵,A,F1,F2,…,Fs为k×k系数矩阵,μt为结构性冲击矩阵,μt～N(0,Σ);A为下三角矩阵,Σ为对角矩阵:

把式(1)左右两边同时左乘A-1,得到简化的SVAR模型:

yt=B1yt-1+B2yt-2+…+Bsyt-s+A-1Σεt,εt～N(0,Ik)

(2)

yt=Xtβt+A-1Σεt

(3)

此时,式(3)中的参数为非时变参数。然后,将式(3)扩展为允许待估参数随时间变化而变化的TVP-VAR模型:

yt=Xtβt+A-1Σtεt,t=s+1,s+2,…,s+n

(4)

(二)变量选取与数据来源

变量可分为经济增长、信贷规模、货币政策以及债券利差4个类别,具体包括9个细分指标(如表1所示)。

表1 变量说明

经济增长类变量。考虑到高频数据的模型预测精度较高,而GDP缺乏月度数据。在此借鉴Brunnermeier等的研究思路[17],采用月度工业增加值衡量经济实际增长,数据来源国家统计局(1)通过国家统计局发布的工业增加值同比增长和工业增加值累计增长计算得到。。与此同时,由于物价水平的变动会导致经济增速的变化[14],因而引入消费者价格指数(CPI)和大宗商品价格指数(BPI),分别用来衡量居民层面和企业层面的通货膨胀,相关数据来源于GSMAR、Wind数据库。

信贷规模类变量。本文从中国人民银行官网收集整理住户贷款(HHC)和非金融机构贷款(BSC)分别衡量中国住户层面和企业层面的贷款规模。

货币政策类变量。借鉴刘赟和莫斌的研究结论,将货币政策分类为价格型货币政策和数量型货币政策[18]。上海同业拆借利率(Shibor),作为衡量价格型货币政策的主要指标,数据来源GSMAR数据库。数量型货币政策采用中国人民银行披露的广义货币供应量月度数据,记为M1。

债券利差类变量。本文借鉴Gilchrist和Zakrajsek的方法[19],选取国债期限利差(TS),并自行计算中国企业债券信用利差(GZ)。国债期限利差(TS)数据来源中国债券信息网中国债收益率曲线标准曲线信息,通过日交易信息,计算出10年期和3个月期国债收益率的月平均收益率,最后求差得到;企业债券信用利差(GZ)根据前文所述方法计算得到。

(三)信用利差指数构建

本研究采取“自下而上”的方法构建企业债券信用利差。从国泰安数据库获取企业债券相关数据,收集2007年10月到2020年12月企业债券日交易数据,根据国泰安数据库提供的到期收益率算法,计算出债券i在任意时点t的未除息到期收益率yit,具体计算方法如下。

对于最后付息周期的固定利率债券、待偿期在一年及以内的零息债券以及到期一次还本付息的债券,到期收益率计算方法如下所示:

(5)

对于待偿期在一年以上的零息债券和到期一次还本付息的债券,企业债券到期收益率计算公式如下:

(6)

对于不处于最后付息周期的固定利率债券,到期收益率按照复利计算,具体计算公式如下:

(7)

设0≤x1≤L≤xn≤T,已知(xi,yi),(xi+1,yi+1),i,j∈[1,n],则任意x(xi

y(x)=yiH1+yi+1H2+diH3+di+1H4

(8)

(9)

其中t∈m,Nm为m月所有交易日企业债券交易总量。最后计算出月度企业债券信用利差(GZ),描述性统计信息如表2所示。

表2 企业债券信用利差描述性统计

(四)数据平稳性检验和模型参数检验

为预防伪回归问题,使用Stata软件对原始数据进行平稳性检验。以2010年为基期,将月度工业增加值(IP)、住户贷款(HHC)、非金融机构贷款(BSC)、货币供给(M1)换算成实际值。消费者价格指数(CPI)、上海同业拆借利率(Shibor)和GZ原始数据平稳,本研究不再对其进行处理。月度工业增加值(IP)、国债期限利差(TS)取对数后平稳。住户贷款(HHC)、非金融机构贷款(BSC)、货币供给(M1)和大宗商品价格指数(BPI)仍为不平稳序列,对这四个变量数据进行差分处理后,其经济含义分别为住户贷款月增速、非金融企业及机构贷款月增速、货币供给月增速和环比大宗商品价格指数。差分处理后的相关变量数据在1%显著水平下平稳。

具体模型参数估计结果如表3所示,其中包括后验均值、后验标准差、95%置信区间、收敛诊断值和非有效因子。后验均值均在95%置信区间中,收敛诊断值都小于95%显著水平下的临界值1.96,说明数据均收敛于后验分布。同时,非有效性因子最大值为50.94,远小于抽样次数,在10 000次抽样下能获取196个不相关样本,后验推断可信度高。

表3 TVP-VAR模型参数估计表

三、实证分析结果

由于债券利差对经济增长的影响效果主要依赖于货币政策传导机制,且信贷规模在此过程中发挥着重要作用。因此,在货币政策冲击的视角下,首先考察货币政策、信贷规模和债券利差的时变脉冲响应结果,在此基础上进一步考察债券利差与经济增长的时变脉冲响应结果。本文利用Matlab软件绘制出货币政策(M1、Shibor),信贷规模(HHC、BSC),债券利差(TS、GZ),经济增长(IP、BPI、CPI)受到1个外生单位冲击后的时变脉冲响应图。在不同滞后期的选取上,综合考虑各变量的期限特征,分别选取提前3期、6期和12期(短期、中期和长期)条件下的结果。与此同时,在不同冲击时点的选取上,为了保证所选样本足够全面,并结合中国经济增长受到重大冲击的典型时段,借鉴古广东和李慧的方法[20],本文在样本序列的“前段”“中段”“末段”分别选取2008年8月的全球次贷危机、2015年6月的中国A股股灾、2020年1月新冠病毒感染疫情引发的世界经济波动三个代表性时点。

(一)货币政策、信贷规模和债券利差

1.货币政策与信贷规模

货币政策变量(M1、shibor)一单位外生冲击对住户贷款(HHC)和非金融机构贷款(BSC)影响的时变脉冲响应曲线如图1所示。图1(a)和图1(b)表示的是货币供给(M1)冲击对住户贷款(HHC)和非金融机构贷款(BSC)的时变脉冲响应曲线。由图1(a)与图1(b)可知,货币供给冲击对住户贷款和非金融机构贷款的影响恒为正,并且整个时间轴上脉冲响应曲线较为平稳。具体来看,提前3期的响应曲线均为正值,提前6期和提前12期的响应曲线趋于零。这说明货币供给总量增加能够在短期内提高住户贷款和非金融企业机构贷款规模,短期正向的货币政策增加了市场信贷规模,而这种影响随着时间延长逐渐减弱趋于稳定。同时,相比于非金融机构贷款(BSC),货币供应量对住户贷款(HHC)的冲击更加明显。

图1(c)和图1(d)表示Shibor冲击对住户贷款(HHC)和非金融机构贷款(BSC)的时变脉冲响应曲线。由图1(c)可知,短期Shibor冲击对住户贷款影响体现为负向影响,随后在中长期脉冲响应趋于零,即中长期Shibor冲击对住户贷款几乎没有影响。由图1(d)可知,提前3期、6期和12期的脉冲响应曲线走势基本相同,非金融机构贷款(BSC)对Shibor的冲击的响应最初体现为明显的负向关系,随后持续减弱,但是值得注意的是,这种冲击影响到2016年左右由负转正并达到峰值。同时提前3期的脉冲响应更为显著,体现了明显的短期冲击特征。

图1 货币政策对信贷规模不同提前期的脉冲响应函数

图2(a～d)给出了货币政策对信贷规模在三个不同时点上的脉冲响应,由实证结果显示,分类信贷总量对货币政策冲击总体上均表现为短期迅速反应后趋于平稳的特点。具体来看,图2(a)、图2(b)所示为一单位货币供给正向冲击,对住户贷款和非金融机构贷款的响应图,可以看出三条曲线波动趋势完全拟合,证明货币供给量的变动对于信贷总量的影响是稳定的,不会由于不同时点的冲击而产生极大差异,说明货币总量的变动对信贷总量的调控是长期有效的。但是反观图2(c)、图2(d),Shibor变动在不同时点的冲击表现时变差异较大。Shibor对于住户贷款的冲击,在初期的时间节点(2008.08)的冲击中表现为负向影响,而在2015年6月和2020年1月两个时间点则趋于平稳。而Shibor对非金融机构贷款的冲击在各个时点的表现基本一致,都在1期达到了负向的峰值,但是逐渐趋于平稳。综合以上分析结果可知,在2008年全球次贷危机期间,由于中国早在2007年底就为应对经济过热而采取了紧缩的货币政策,并且伴随着中国经历了地震等重大自然灾害,这一切都使得居民信贷水平受到更加明显的冲击,体现为更为明显的负向关系。而机构贷款在2015年表现出来的对抗利率变动,则主要由于国际贸易争端,以及A股股灾的持续影响,经济波动冲击范围只体现在金融市场方面,央行的几次降准都伴随着对高杠杆率和规范证券市场体制的指向性政策,由于监管严查金融市场场外配资而导致的踩踏效应,降低了金融市场吸引力,导致了资金流向实体经济。

图2 不同时点货币政策对信贷总量的脉冲响应

综上所述,数量型货币供给M1与价格型货币政策Shibor对于贷款总量的传导机制都是有效的,但是对于两类分类贷款余额的冲击体现了明显的非对称性,主要原因体现在以下几个方面:

(1)信息技术限制所导致的信息不对称性。相比于机构信贷,居民贷款的主要信息来源较为局限。线上民间借贷活跃时间要远远晚于机构线上信贷。而线下民间借贷作为主要居民贷款形式,其来源主要为血缘、职业,以及其他“软信息”。而信息技术的限制导致了居民贷款获取渠道受限。相比之下,机构贷款拥有更加广泛的信息渠道,因此更加方便快捷地获得信贷匹配。

(2)贷款需求以及信用状况不同导致弹性差异。居民贷款的主要投向是房地产,而机构贷款则主要用于生产经营以及商业活动。在面对银根紧缩时,居民对房地产市场的消费需求会显著降低,而机构由于日常经营需要对现金流稳定更加重视,因此面对货币政策调整,机构会通过更加积极地保持经营现金流的充裕,相比之下,信贷需求弹性更低。此外,由于中国信用体系建设较为迟缓,居民的信用状况相比企业不确定性更高,因此加剧了信贷获得难度,表现为对货币政策变动弹性的增大。

2.货币政策与债券利差

如图3所示,不同提前期货币供给(M1)冲击下国债期限利差(TS)和企业债券信用利差(GZ)的脉冲响应图(图3(a)、(b))的方向相反。一单位货币供给冲击对短中长期的国债期限利差(TS)体现为正向影响,随后逐渐趋于零,而企业债券信用利差(GZ)体现为负向影响,且二者时效性较强。货币供给增加刺激的短期经济繁荣,长期国债的市场需求下降导致期限风险补偿上升,国债期限利差(TS)上升;对于企业债券信用利差(GZ)来说,经济繁荣提高了企业的盈利能力,信用风险下降减小了信用溢价,同时企业能够得到充足的银行贷款,企业债券发行需求下降,共同作用企业债券信用利差降低。

图3 货币政策对信用利差不同提前期的脉冲响应函数

如图3(c)、图3(d)所示,Shibor正向冲击下国债期限利差(TS)和企业债券信用利差(GZ)的脉冲响应曲线和货币供给(M1)冲击下的脉冲曲线趋势相反,值得注意的是,Shibor对企业债券信用利差(GZ)冲击影响在短期迅速下降,由正转负,但是在2015年左右,短暂出现了由负转正的异动。这是由于股灾导致的对短期经济的担忧,造成了短期利率上浮,同时迅速传导到了企业债市场,导致企业债信用利差扩大,侧面说明资本市场内在联系十分紧密。而在2016年后,这种冲击影响表现为稳定的负向影响。

图4(a～d)所描述的不同时点货币政策对信用利差的脉冲响应产生了较大的差异。由图4(a)、图4(b)可知,货币总量(M1)的正向冲击,虽然总体上呈现出收敛、趋于稳定的形态,但是货币总量增加会导致国债息差增大,而减小企业债息差。反观图4(c)、图4(d),在不同时点下国债息差受Shibor冲击表现为一致的负向关系,表明经济过热时,紧缩的货币政策降低了国债投资需求,短期价格降低,收益率增高,国债息差收窄。而Shibor对企业债息差不同时点冲击曲线逐渐分离,体现明显的时变特征。2008年次贷危机期间,由于信用危机所带来的经济崩溃波及范围过广,叠加中国紧缩的货币政策,Shibor正向冲击导致企业债券信用利差扩大,投资人对企业的信用风险担忧过度,恐慌效应导致企业债风险贴水迅速扩大而且时效长。而后段(2020年后)则体现了息差收窄的异常现象,随着中国应对经济危机更加成熟,而且实行了一系列积极的经济增长政策。虽然Shibor短期对经济波动影响明显,但随着中国货币政策的传导机制不断完善,债券市场的成熟与定价机制的合理化,最终能够有效指导资本市场回归理性。

图4 不同时点货币政策对信用利差的脉冲响应

通过实证研究表明,货币政策与债券利差之间存在传导机制。并且,衡量流动性风险以及期限风险的国债息差与衡量信用溢价的企业债息差在不同货币政策的影响下差异明显。国债息差波动相较于企业债息差更小,并且稳定。虽然二者都表现为时效较长的特点,但是值得注意的是,图3(d)与图4(d)所体现的异常现象,均发生在2015年后。随着中国经济体制改革深入,为了提高经济发展质量,中国实行了供给侧结构性改革,以应对机构高债务高杠杆率的潜在系统性风险。此时,国债市场与企业债市场发展关系逐步从“替代性关系”转变为了“互补性关系”,二者发展协调性更好,使得货币政策调控难度显著降低。

(二)债券利差与经济增长

图5呈现了国债期限利差(TS)冲击下经济增长表现的脉冲响应。从工业增加值(IP)角度来看,图5(a)显示,不同提前期国债期限利差(TS)对工业增加值的脉冲响应曲线走势基本一致,最开始对工业增加值的影响是负向的,但这种影响随时间的推移越来越小,最后变为正向影响。图5(b)和图5(g)显示短期国债期限利差(TS)冲击下消费者价格指数(CPI)和大宗商品价格指数(BPI)的脉冲响应函数,短期内趋势都体现为正向冲击到负向冲击的渐变过程,说明国债息差扩大一定程度上加剧了通货膨胀。信用利差冲击带来的通货膨胀效应在短期内抑制了经济发展,并且短期的TS变动对经济波动的冲击更加明显。

图5 国债期限利差(TS)冲击脉冲响应函数

图6(a)、(b)、(g)表示企业债券信用利差(GZ)冲击下工业增加值(IP)、消费者价格指数(CPI)和大宗商品价格指数(BPI)的脉冲响应函数。企业债券信用利差对消费者价格指数和大宗商品价格指数的长期冲击影响走势基本相同,均表现为相对稳定的特征,即信用风险上升并不会显著引起通货膨胀。从工业增加值角度来看,短期企业债息差对工业增加值有一定的正向冲击作用,随着时间的推移这种正向的作用不断减弱而趋于稳定。总的来说,企业债券信用利差(GZ)冲击下和国债期限利差(TS)冲击下工业增加值脉冲响应曲线趋势基本相同,短期会促进工业增加值,长期这种促进作用逐渐减弱,最后由于社会全要素生产率或者生产资源总量的制约,这种影响都会逐渐趋于稳定。

图6 企业债券信用利差(GZ)冲击脉冲响应函数

图7(a～i)分别体现了一单位国债息差冲击在不同时点对经济增长的脉冲响应。不同时点国债息差对工业增加值影响基本一致,前段影响为负向,而中后段体现为由正向冲击到逐渐稳定的特征。而反观对价格指数的影响,TS对CPI在2008年与2015年的影响都呈现为正向波动最终趋于稳定的特征,而在2020年后呈现为负向波动;而TS对BPI的影响差异体现在2008年为分割点,由正转负但是最终趋于稳定。因此对于国债息差的冲击,工业增加值与大宗商品价格指数呈现出相似的特点,而对于消费者价格指数则有明显差异,但是三者都在滞后5期趋于平稳,说明国债息差冲击时效较短。而消费者价格指数异常表现为,疫情冲击后,国债息差变动一定程度降低了通货膨胀。

图7 不同时点国债期限利差(TS)对各变量的脉冲响应

企业债券信用利差(GZ)在不同时点对工业冲击的影响与国债息差相似(图8),仅在2008年冲击表现为明显的正向影响,而在2015年后影响越来越弱。而对消费者价格指数的影响在任何时点上都呈现出基本稳定的特点,而对大宗商品价格指数呈现明显时点差异,在2015年呈现负向联系。综上说明国债息差与企业债息差似乎并没有与消费者价格指数有明显联系,而对大宗商品价格指数的影响差异性要更加明显。

图8 不同时点企业债券信用利差(GZ)对各变量的脉冲响应

因此,总体来说,两种信用利差(TS,GZ)都可以作为跟踪甚至研判经济总量短期变动的重要指标。但是在对价格指数的跟踪上,TS与GZ息差对消费者价格指数跟踪效果较差,对大宗商品价格指数跟踪效果较好。值得注意的是,不同时点国债息差对各经济变量的脉冲响应所体现的异常时变效应,主要产生在2008年次贷危机时期,世界金融市场的混乱,大型机构的做空,引起了资本市场的极度恐慌,中国经济也因此呈现了工业增加值降低,结构性通货膨胀的“滞胀”危机。进一步结合两种信用利差对shibor的影响可以发现,信用利差对利率水平的影响更大,而传导到价格指数时就会显著减小,说明债券市场的风险经过货币政策调节后,对价格的冲击变小,证明了债券市场风险与价格指数间似乎存在着传导机制。2021年10月10日,《国家标准化发展纲要》也明确了推动债券市场高质量发展,加强标准化工作建设,防范金融市场风险导致系统性风险。

(三)稳健性检验

为了保证本文实证结果的准确性,本文选取重要变量IP、M1、GZ,并将信贷总量处理为住户贷款与非金融机构贷款的总和,并记为CS,将这四个变量再次进行TVP-VAR模型时变分析,结果见图9和图10。

图9 4变量不同滞后期脉冲响应图

图10 4变量不同时点脉冲响应图

如图9和图10所示,仅考虑IP、M1、GZ与CS四个变量时,货币政策、信贷总量、信用利差对于工业增加值在不同滞后期和不同时点的脉冲响应与前文实证结果并无明显差异,说明结果稳健。

四、结论与政策建议

以往文献研究中,信用利差所衡量的债券风险并未与经济波动有效联系起来。因此,本文结合2007年10月到2020年12月国内企业债券数据构建了企业债券信用利差指数,并使用理论和实证相结合的方法,检验货币政策、债券市场风险之间的相互关系以及对经济增长的影响,探究可能的传导路径,主要研究结论如下。

首先,货币政策的变动,无论是宏观货币总量或是基准利率的调整,对信贷总量的影响,都主要体现为短期冲击,而且在2012年之后逐渐趋于平稳,说明随着中国货币政策传导机制逐渐完善,信贷规模能够得到良好调控。但是由于信息不对称,信用体系不完善等因素,机构贷款与居民贷款对于货币政策反应呈现“不对称”特征;其次,通过实证研究表明,货币政策与信用利差之间存在着一条潜在的“传导渠道”。国债息差波动相较于企业债息差更小,并且稳定。虽然二者都表现出时效较长的特点,但是2015年后国债市场与企业债市场发展关系逐步从“替代性关系”转变为了“互补性关系”,经济增长政策调控债券市场机制更加成熟;最后,两种信用利差(TS,GZ)都可以作为跟踪甚至研判经济总量短期变动的重要指标,但是只能在狭窄的“窗口”下作为短期观测指标。在对价格指数的跟踪上,TS与GZ息差对大宗商品价格指数跟踪效果强于对消费者价格指数跟踪效果,而这种差异性,主要由于信用利差首先影响利率水平,而传导到价格指数时就会因为时滞性程度降低,证明了债券市场风险与价格指数间似乎存在着传导机制。

根据以上研究结论,提出如下政策建议:

第一,充分运用信用利差等市场指标,提升货币政策经济调控的有效性。信用利差能够有效跟踪经济形势与预期,经济扩张期低评级债券利差倾向于收窄,而经济下行期低评级债券利差倾向于扩张。相对于月度、季度和年度经济统计数据而言,债券市场信用利差具有可高频观测的优点,能够实时反映市场经济预期,增强货币政策微调、预调的可行性。建议挖掘债券市场信用利差的经济预期观测功能,加强基于信用利差信号的货币政策日常操作,为经济增长提供更加稳健连续的货币金融环境[21]。

第二,加快标准化债券市场体系建设,提升市场信息反映经济预期的准确性。为提升债券市场信息映射经济增长预期的精确度,仍需加快债券市场自身建设。如进一步健全债券发行机制,为准入不同信用风险等级主体,尤其是中小微企业,建立多层次的债券发行板块或子市场,使债券市场融资主体能够进一步反映经济全貌。进一步健全债券市场做市制度,为市场主体提供连续报价,提高信用债券的流动性以及交易估值的准确性。债券市场的进一步健全完善,不仅将为各类融资主体提供直接融资支持,其市场信息对经济预期的跟踪反馈也将更为精确,有助于宏观调控政策的传导,从而助推经济高质量发展。

第三,加快信用体系基础设施建设,强化信用对经济发展的基础作用。信用利差是企业信用风险溢价,然而对信用风险的评估则取决于企业基础信息,如公司治理信息、经营管理信息、财务信息等各类信息,对不同类型融资主体,尤其是中小微企业,往往存在相关信息缺失或失真的情况,不仅对准入该类主体发行债券融资造成障碍[22],即便准入发行,也可能由于缺乏完备信息带来信用风险定价不准确,进而造成市场收益率曲线的失真。因此,建议加强征信、担保等信用体系基础设施建设,为信用投融资推动经济发展提供更为基础的支撑。