APP下载

公司债市场是新常态下证券市场的风险信号标吗

2020-02-16曾志坚张欣怡黄珊

财经理论与实践 2020年1期
关键词:股票市场新常态

曾志坚 张欣怡 黄珊

摘 要:以发行债券的上市公司为样本,分别编制公司债指数与股票指数,据此运用Copula-CoVaR模型测度公司债与股票市场间风险溢出的方向与强度。结果发现:股票市场的风险大于公司债市场;公司债与股票市场间存在双向不对称的正向风险溢出,公司债市场对股票市场的风险溢出强度显著强于股票市场对公司债市场的风险溢出强度。经济新常态下,公司债市场成为证券市场的风险指示标,具有较强的风险信号作用。

关键词: 新常态;公司债市场;股票市场;风险溢出

中图分类号:F830.91 文献标识码: A文章编号:1003-7217(2020)01-0041-07

一、引 言

自2015年中国经济发展步入新常态,证券市场呈现出多元化的发展趋势,但伴随着经济增长速度换挡、结构调整阵痛和前期刺激政策消化的“三期叠加”,证券市场各子市场的风险逐步显性化。2015年A股出现大幅震荡,暴涨急跌,甚至出现10个交易日内市场指数连续下跌超过20%的情况。2018年股市运行面临更为复杂和严峻的形势,尤其是6月19日,1019只股票跌停,12月29日深证成指以7239.79点收盘,全年下跌34.42%,股票市场风险不断增大。2015年证监会颁布实施《公司债券发行与交易管理办法》,公司债券发行全面提速,但持续扩容使公司债市场囊括了一些信用水平参差不齐的发行人和债券,蕴含潜在风险。2018年公司债市场违约事件频发,风险加速积聚和爆发。新常态下的中国经济呈现出不同以往的新特征,作为证券市场的重要组成部分的公司债与股票市场,其风险溢出状态如何、哪个市场在风险传递过程中发挥主导作用,这些问题的解决对促进证券市场高效稳定运行,推动经济平稳发展具有重要意义。

目前,对证券市场风险溢出的研究大多集中在股票市场间或债券市场间。Xu和Gao(2019)基于非线性Granger因果检验,发现2008年次贷危机时期,发达国家股市单方面影响中国股市,而2015年中国股市剧烈动荡时期,中国股市与发达国家股市间存在风险溢出[1]。为准确捕捉证券市场的收益方差特征,引入GARCH族模型,通过测量条件方差是否相关检验不同市场间是否存在风险溢出效应[2]。Santiago等(2019)基于DCC-GARCH模型构建中国、美国等股市间的波动溢出指数,证实发达股票市场为风险传染源[3]。GARCH族模型可以在一定程度上提高测度结果的有效性,但未能准确刻画金融时间序列的尖峰厚尾特征。为克服GARCH族模型的不足,随机波动(SV)模型引入了随机过程来刻画方差的时变波动[4]。刘海云和吕龙(2018)基于因子多元SV模型研究了全球40个国家股市间的风险溢出特征,发现发达国家的风险溢出程度大于发展中国家[5]。但SV模型仅能判断市场间风险溢出的方向,不能有效测度风险溢出强度。为了更好地刻画市场间的风险溢出关系,对变量间相关性具有良好描述能力的Copula方法被广泛使用[6]。Reboredo(2018)基于Copula方法研究发现,绿色债券市场与国债市场之间存在溢出关系[7]。

随着对证券市场风险溢出研究的深入,学者们对股票市场与债券市场间的风险溢出效应也进行了研究。Tian和Hamori(2016)利用随机波动的时变结构向量自回归模型研究了美国股票、国债间的跨市场金融冲击传导机制,发现两市场间的波动溢出具有时变性,且两市场对极端事件的反应不同[8]。陈学彬和曾裕峰(2016)基于多元分位数模型研究了沪深300指数与中国总债券指数间的风险溢出,发现早期股债市场间的尾部溢出效应不明显,但随着金融改革进程的推进,风险传染不断增强[9]。张岩和胡迪(2017)运用溢出指数研究了中国股票市场与国债市场间的风险溢出关系,发现在金融危机时期股债市场间的风险溢出更强烈[10]。Liow等(2018)考察了G7国家股票市场与整体债券市场间的波动溢出关系,发现政策不确定性溢出会导致证券市场间的波动溢出[11]。刘超等(2019)采用溢出指数方法对沪深300指数和中债指数进行实证分析,发现危机期间股票市场对债券市场的风险溢出最强[12]。

通过对现有文献的梳理,發现有关证券市场风险溢出的研究主要集中在股票市场间、债券市场间或股票与国债市场间,对于公司债与股票市场间的风险溢出研究较少。然而,经济新常态下,证券市场的不确定因素增加,同一家公司发行的债券与股票,彼此收益、风险等因素相互交织,其风险的外溢性与传导性更加强烈,公司债与股票市场间的风险溢出呈现出新的特征。因此,本文对公司债与股票市场间的风险溢出进行研究,进而探寻新常态下证券市场的风险信号标。

二、公司债与股票市场行情简析

参照中证指数有限公司公布的企业债指数编制方法和沪深300指数编制方法,以发行债券的上市公司为样本,分别编制2015-2018年的公司债指数与股票指数,进而分析其在此期间的走势。

(一)指数编制

以2014年12月31日为公司债与股票指数的编制基期,基期指数分别为100点和1000点。

1. 公司债指数编制。

(1) 计算公式。

采用派许加权综合价格指数公式计算,即:

Y=P+RA0×100P=∑(K×Q) (1)

其中,Y表示公司债券报告期指数,P代表报告期样本公司债券的总市值,R代表报告期公司债利息及再投资收益,A0代表基期总市值,K和Q分别为样本公司债券全价及发行量。

(2) 指数修正与调整。

当样本公司债券的市值出现非交易因素的变动时,通过“除数修正法”对原除数进行修正,进而使指数具有连续性,即:

P0A0=P1A1P1=P0+ΔP (2)

其中,P0和P1分别代表修正前和修正后的公司债券市值,SymbolDA@

P代表新增(减)的市值,A1代表新除数(新基期)总市值。

根据式(2)得到新除数,再进行后续指数计算。当出现下列情况时,则需要对指数进行相应的调整: 新上市合格的公司债券自第二个交易日起计入指数;对暂停交易的公司债券不作调整,以其暂停交易前一交易日的收盘价对指数进行修正;

在样本公司债券发行量发生变动前对指数进行修正;

在每月的最后一个交易日把样本公司债券当月的利息及再投资收益从指数中去除。

2. 股票指数编制。

(1) 计算公式。

采用派许加权综合价格指数公式计算,即:

Y′=P′A′0×1000(3)

其中,Y′表示股票报告期指数,P′、A′0分别代表报告期样本股总市值与基期总市值。

(2) 指数修正与调整。

当样本股的市值出现非交易因素变动时,通过“除数修正法”对原除数进行修正,进而使指数具有连续性,即:

P′0A′0=P′1A′1P′1=P′0+ΔP′ (4)

其中,P′0和P′1分别代表修正前和修正后的股票总市值,SymbolDA@

P′代表新增(减)的市值,A′1表示新除数(新基期)总市值。

根据式(4)得出新除数,再进行后续指数计算。当出现下列情况时,则需要对指数进行相应的调整:凡有样本股发生送股、配股、拆股或缩股时,在样本股除权基准日前修正指数,并按照新的股本与价格调整样本股市值;由其他公司事件(如增发、债转股、期权行权等)引起的样本股股本变动累计达到或超过5%时,对其进行临时调整;由其他公司事件引起的样本股股本变动累计不超过5%时,对其进行定期调整;样本股临时调整或定期调整生效日前对指数进行修正。

(二)公司债与股票指数的走势分析

根据所编制的公司债指数,绘制其2015-2018年的走势图(如图1)。2015年公司债市场新规落地后,公司债指数不断上升,市场形势大好。2016年受松绑政策的持续影响,公司债券规模在年初继续增长,公司债指数持续上扬,但4月受债券市场信用风险爆发影响,指数出现回落;6月到11月平稳回升;12月由于流动性大幅收紧和“黑天鹅”事件频出,公司债市场风险加剧,指数价格急剧下跌。2017年由于之前主营业务陷入困顿而大肆定增和扩张并购的公司面临较大的信用危机,致使公司债市场风险进一步恶化,公司债指数持续下跌。2018年国务院常务会议提出要“稳步扩大金融业开放”,鼓励债市定向扩容,推动公司债券产品创新,促使公司债市场迸发出新的活力;此外,由于中性偏松的货币政策,流动性较为充裕,市场利率整体呈下行走势,公司债券发行成本下降,发行规模增加,因此,公司债指数呈现出回升趋势。

根据所编制的股票指数,绘制2015-2018年的走势图(如图2)。2015年上半年市场配资规模迅速膨胀,高杠杆推动股市快速上涨,股票指数持续上扬,但相对宽松的监管环境以及监管独立性的缺失,使市场价格泡沫化,市场结构极其脆弱;6月泡沫破裂,股票指数进入第一轮暴跌;8月进入第二轮暴跌,但随着暂停实施指数熔断机制、设立国务院金融稳定发展委员会、加强全面从严监管等一系列救市措施的实施,股市逐渐恢复常态。经历了2015年的暴涨急跌,2016-2017年股市一直处于熊市行情,股票指数相对较低。2018年受去杠杆政策下监管趋严的影响,股市再次出现暴跌;同时,中美贸易冲突加剧,损害了资本市场预期的稳定,而股市本就处于熊市之中,市场情绪脆弱;加之外围市场不断下跌、人民币贬值等负面因素的影响,市场悲观情绪蔓延,股票指数持续下跌。

三、基于Copula-CoVaR模型的公司债与股票市场间风险溢出测度

Adrian和Brunnermeier(2008)所提出的CoVaR方法,能够度量证券市场间的尾部风险溢出,测度风险溢出方向与强度,并有效刻画风险溢出的非對称性等特征[13]。CoVaR需要刻画证券市场间的尾部相依结构,Copula函数能够根据不同市场的边缘分布估计其联合分布,从而能够准确描述市场间的相依性。基于此,本文通过构建Copula-CoVaR模型测度经济新常态下公司债与股票市场间的风险溢出。

(一)收益率统计分析

首先根据所编制的指数计算其对数收益率。Rt代表公司债指数或股票指数在第t日的指数收益率,Pt和Pt-1分别表示第t日和第t-1日的指数值,数学表达式为:

Rt=100×ln (pt/pt-1) (5)

根据表1中公司债指数与股票指数序列的偏度、峰度等描述性统计量可以看出,在1%的显著性水平下两收益率序列均不服从正态分布。

根据图3的QQ图可以发现,公司债与股票指数收益率序列都具有厚尾特征,因此,可以选择对尾部数据具有较好拟合效果的广义帕累托分布(GPD)对序列进行边缘分布拟合。

(a) 公司债指数收益率序列QQ图

(b) 股票指数收益率序列QQ图

(二)基于GPD分布的边缘分布建模

极值理论中的POT(Peaks Over Threshold)方法能够较好地解决金融时间序列的厚尾问题,更好地刻画GDP分布。POT方法选定一个阈值μ,然后将样本数据中所有亏损幅度超过阈值的数据保留下来,作为拟合尾部分布的数据基础,超过μ的超额数y的超阈值分布Fμ(y)为:

Fμ(y)=P(X-μ≤y|X>μ)=

F(y+μ)1-F(μ)(6)

其中,y>0。当超过阈值的数据足够大时,Fμ(y)接近GPD分布,即:

Gξ,β(μ)(y)=1-1+ξyβ(μ)-1ξξ≠01-exp (-yβ(μ))ξ=0(7)

其中,β(μ)为尺度参数,ξ∈R表示分布的形状参数。令x=μ+y,结合式(6)和(7),得到序列的边缘分布为:

F(x)=NμLN(1-ξx-μβ(μ))x<μLEcdf(x)μL≤x≤μR1-NμRN(1+ξx-μβ(μ))x>μR(8)

其中,Nμ为样本中小于阈值的数量;μL表示下尾阈值;μR表示上尾阈值;区间μL≤x≤μR上的数据利用经验分布拟合,即Ecdf(x)。此外,根据常用的Du Mouchel原则进行上下尾阈值的选择,即设定约有10%的数据超过阈值。利用β(μ)与ξ做出两指数收益率序列GPD分布拟合图诊断图。

限于篇幅,本文仅列示股票指数收益率序列的GPD分布拟合图诊断图(上下尾),见图4。从中可以看出,样本数据点都集中在对应曲线附近,表明数据拟合效果较好。GPD分布对公司债指数收益率序列同样具有较好的拟合效果。

(三)拟合最优Copula函数

令F(-1)1,…,F(-1)N为各边缘分布函数的反函数,那么,任意N维空间(μ1,…,μN)有唯一的Copula函数C:[0,1]N→[0,1],使得:

C(μ1,…,μN)=F(F(-1)1(x1),…,F(-1)N(xN)) (9)

联合分布函数F的密度函数为:

f(x1,…,xN)=c(F1(x1),…,

FN(xN))ΠNn=1fn(xn) (10)

Copula函数的形式较多,本文选择较为常见的Normal Copula、Gumbel Copula、BB1 Copula、Galambos Copula等形式进行拟合,再从中寻找拟合效果最优的Copula函数。拟合结果如表2所示。根据AIC准则、BIC准则和HQIC准则,发现BB1 Copula函数最优。

选取BB1 Copula函数对公司债指数与股票指数收益率序列进行拟合,结果如表3所示。下尾相关系数为0.4375,意味着公司债市场与股票市场间的风险溢出方向为正,两市场间具有正向的风险溢出效应,即当股票市场(或公司债市场)处于某一风险状态时,公司债市场(或股票市场)的风险水平也会相应增大。

(四)CoVaR求解与分析

结合Copula函数拟合结果,进一步计算5%显著性水平下两市场间的CoVaR,测度公司债与股票市场间风险溢出的方向与强度。

CoVaRj|iτ为条件概率分布的τ分位数,表示公司债市场(股票市场)i遭受风险时,股票市场(公司债市场)j的风险水平,数学表达式为:

Pr (Xj≤CoVaRj|iτ|Xi=VaRiτ)=τ(11)

ΔCoVaR是以i市场风险为条件的j市场总风险(CoVaR)与其无条件风险(VaR)之间的差值,衡量公司债市场(股票市场)i对股票市场(公司债市场)j的风险溢出强度,数学表达式为:

ΔCoVaRjiτ=CoVaRj|iτ-VaRjτ(12)

进一步标准化处理得:

%CoVaRi|jτ=(ΔCoVaRi|jτ/VaRiτ)×100% (13)

式(13)消除了ΔCoVaR中的量纲,表示风险溢出的相对幅度,能够更加准确地反映不同市场间风险溢出的程度。

结合式(10),得到CoVaR求解所需相关变量的条件密度函数:

fi|j(xi|xj)=f(xi,x,j)fj(xj)=c(Fi(xi),

Fj(xj))fi(xi) (14)

其中,c为选取的最优Copula函数,fi为Fi的导数。

根据式(11),得出:

CoVaRi|jτ=F(-1)i|j(τ|VaRjτ) (15)

公司债与股票市场间的风险溢出结果如表4所示。在5%的显著性水平下,公司债与股票市场CoVaR的绝对值均大于其自身VaR的绝对值,说明CoVaR模型克服了传统VaR模型可能造成的风险低估问题,能够更全面地度量公司债和股票市场的风险。公司债市场的CoVaR值为-2.32,股票市场的CoVaR值为-3.82,股票市场风险大于公司债市场风险。公司债市场对股票市场的%ΔCoVaR为51.96%,而股票市场对公司债市场的%ΔCoVaR为25.36%,说明公司债与股票市场间存在双向不对称的风险溢出,且公司债市场对股票市场的风险溢出更强。

公司债券与股票均为上市公司绩效与风险的综合反映,具有较高的同质性,应该具有相似的风险水平。但公司债市场与股票市场的投资者具有不同的投资目的与方式,很大程度上会造成两市场的风险及其溢出程度存在差异,根据溢出程度可以判断风险传递中的主导市场,从而为有效风险防范提供依据。公司债券作为固定收益债券,其价格波动主要受利率的影响,市场投资者多是以保值為目的的低风险偏好者,具有较高的成熟度,所以,公司债市场所反映的风险更具客观性。但股票市场投资者大多为散户,以增值获利为目的,具有明显的投机心理和羊群行为,容易放大股票市场的风险。公司债券与股票作为同一公司发行的有价证券,其价格波动会相互影响,当一个市场发生波动时,揭示风险的价格信息会在两市场间传播,导致风险从一个市场传递到另一个市场。当公司债市场出现波动时,股票市场的大量非理性行为导致其对外界信息反应过度,引发市场交易过于频繁,股票市场更容易受公司债市场风险溢出的影响。而公司债市场投资者大多长期持有债券,面对股票市场波动时,其反应更为客观,受股票市场影响较小。因此,公司债市场风险水平更具有代表性,可以作为一个风险信号标。

四、結论与启示

本文基于所编制的公司债指数与股票指数,通过构建Copula-CoVaR模型对公司债与股票市场间的风险溢出进行了研究。研究发现,虽然股票市场风险大于公司债市场,但公司债市场风险水平更具有代表性;公司债与股票市场间存在双向不对称的风险溢出,公司债市场对股票市场的风险溢出更强。由于公司债市场的风险值更能反映市场风险水平,这意味着公司债市场可以作为证券市场的风险信号标,当公司债市场的风险值增大时,预示着股票市场的风险也会进一步加大,且随着公司债市场在证券市场地位的不断提升,其风险信号标的作用日益凸显。

经济新常态下,证券市场面临的不确定因素增多。监管部门需要继续深化改革,充分利用公司债市场风险信号标的作用,优化监管体系,健全监管制度,丰富监管工具,加强监管协调,为防范化解证券市场风险提供有力支撑,平衡好稳增长和防风险的关系,发挥证券市场服务实体经济的作用。

上市公司质量是证券市场健康发展的支柱,上市公司应全面提高公司质量与内控水平,建立健全债权人监督机制,可以有效降低公司经营风险。同时,根据公司债与股票市场间的风险传递信号,制定安全高效的融资决策,改善资本结构,促进企业可持续发展。

对投资者而言,一方面,要树立理性投资理念,提高风险意识与风险处理能力;另一方面,根据公司债券释放的风险信号,优化债券与股票投资组合,提高投资效率。

参考文献:

[1] Xu G X, Gao W F. Financial risk contagion in stock markets:causality and measurement aspects [J]. Sustainability, 2019, 11(5): 1402-1422.

[2] Khalfaoui R, Sarwar S, Tiwari AK. Analysing volatility spillover between the oil market and the stock market in oil-importing and oil-exporting countries: implications on portfolio management[J]. Resources Policy, 2019, 62: 22-32.

[3] Santiago G S, Jose E G, Jorge L H, et al. Volatility spillovers among global stock markets: measuring total and directional effects[J]. Empirical Economics, 2019, 56(5): 1581-1599.

[4] 陈九生, 周孝华. 基于单因子MSV-CoVaR模型的金融市场风险溢出度量研究[J]. 中国管理科学, 2017, 25(1): 21-26.

[5] 刘海云, 吕龙. 全球股票市场系统性风险溢出研究——基于ΔCoVaR和社会网络方法的分析[J]. 国际金融研究, 2018, 374(6): 22-33.

[6] 潘凌遥, 蒋晓泉, 费紫微. 中国系统重要性银行附加资本计提机制研究——基于Copula-CoVaR模型[J]. 财经理论与实践, 2015, 36(3): 23-28.

[7] Reboredo J C. Green bond and financial markets: co-movement, diversification and price spillover effects[J]. Energy Economics, 2018, 74: 38-50.

[8] Tian S, Hamori S. Time-varying price shock transmission and volatility spillover in foreign exchange, bond, equity, and commodity markets:evidence from the united states[J]. The North American Journal of Economics and Finance, 2016, 38: 163-171.

[9] 陈学彬, 曾裕峰. 中美股票市场和债券市场联动效应的比较研究——基于尾部风险溢出的视角[J]. 经济管理, 2016, 38(7): 1-13.

[10]张岩, 胡迪. 中国金融市场风险交互溢出效应分析——来自股灾期间的新证据[J]. 金融论坛, 2017, 22(11): 41-55.

[11]Liow K H, Liao W C, Huang Y T. Dynamics of international spillovers and interaction: evidence from financial market stress and economic policy uncertainty[J]. Economic Modelling, 2018(68):96-116.

[12]刘超, 徐君慧, 周文文. 中国金融市场的风险溢出效应研究——基于溢出指数和复杂网络方法[J]. 系统工程理论与实践, 2017, 37(4): 831-842.

[13]Adrian T, Brunnermeier M K. CoVaR[J].Staff Report, 2008, 106(7): 1705-1741.

(责任编辑:钟 瑶)

Is the Corporate Bond Market the Risk Signal of the Securities

Market under the New Normal of Economy?

——Research on Risk Spillover between Corporate Bond and Stock Market

ZENG Zhijian1,ZHANG Xinyi1,HUANG Shan2

(1. Business School, Hunan University, Changsha, Hunan 410082, China;

2.College of Mathematics and finance, Hunan University of Humanities

Science and Technology, Loudi, Hunan 417000, China)

Abstract:Taking the listed companies issuing bonds as samples to compile a corporate bond index and a stock index respectively, this paper uses the Copula-CoVaR model to measure the direction and intensity of risk spillover between corporate bond and stock market. It is found that the stock market is more risky than the corporate bond market. There is a two-way asymmetric positive risk spillover between corporate bond market and stock market, and the risk spillover intensity of corporate bond market to stock market is significantly stronger than that of stock market to corporate bond market. Under the new normal of economy, corporate bond market has become the risk indicator of securities market, which serves as  strong  risk signal.

Key words:the new normal of economy; corporate bonds market; stock market; risk overflow

收稿日期: 2019-08-23

基金項目:  国家社会科学基金项目(19BTJ018)、湖南省自然科学基金项目(2018JJ2068)

作者简介: 曾志坚(1980—),女,湖南邵阳人,博士,湖南大学工商管理学院副教授,研究方向:金融工程与风险管理。

猜你喜欢

股票市场新常态
中国股票市场对外开放进入下半场
货币政策与股票市场流动性的互相关关系研究
货币政策与股票市场流动性的互相关关系研究
我国股票市场的有效性研究
我国股票市场的有效性研究
基于协整的统计套利在中国股票市场的实证研究
基于协整的统计套利在中国股票市场的实证研究
国际投机资本对股票市场与房地产市场的影响
独立成分分析与主成分分析在股票市场上的运用