張宗新周聰

(1.復(fù)旦大學(xué)金融研究院，上海 200433；2.復(fù)旦大學(xué)經(jīng)濟(jì)學(xué)院，上海 200433)

一、引言

資產(chǎn)回報(bào)率的可預(yù)測性是金融經(jīng)濟(jì)學(xué)領(lǐng)域的重要問題。目前學(xué)術(shù)界已挖掘出大量能預(yù)測股票回報(bào)率的因子，但對信用債回報(bào)率的研究則相對不足。與股票市場相比，信用債市場是更重要的金融資源配置場所。隨著2007年公司債和中期票據(jù)的相繼推出，信用債存量余額從8600億元快速增長68倍至2022年底的58.4萬億元。相比之下，股票市值僅增長了不到7倍。同時(shí)，信用債市場與實(shí)體經(jīng)濟(jì)的聯(lián)系比股票市場更緊密，且直接關(guān)系到金融市場服務(wù)實(shí)體經(jīng)濟(jì)的效率。2022年信用債市場的融資額已達(dá)到38.6萬億元，遠(yuǎn)高于股票市場的1.4萬億元。隨著信用債市場在資源配置中的重要性越發(fā)凸顯，信用債定價(jià)的有效性和合理性變得越發(fā)重要。深入研究信用債回報(bào)率的形成邏輯，不僅有利于優(yōu)化金融資源配置，而且有助于推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展。

現(xiàn)有研究信用債回報(bào)率可預(yù)測性的文獻(xiàn)，較多參照股票的研究思路，并構(gòu)建類似的預(yù)測變量，如股市溢價(jià)因子、市值因子、賬面市值比因子、流動(dòng)性因子、動(dòng)量因子和反轉(zhuǎn)因子等(Fama and French，1993；Lin et al.，2011；Jostova et al.，2013；Bali et al.，2021)。此外，也有少部分文獻(xiàn)基于信用債市場的特征構(gòu)建新的回報(bào)率預(yù)測變量，如債市溢價(jià)因子、違約因子、期限因子和下側(cè)風(fēng)險(xiǎn)因子等(Fama and French，1993；Elton et al.，1995；Bai et al.，2019)。但是，較少文獻(xiàn)從信用債市場情緒的角度研究市場回報(bào)率的可預(yù)測性。在2020年底，“永煤債”等高等級國企信用債的違約，直接沖擊了投資者的“國企信仰”，進(jìn)而引發(fā)信用債的集體暴跌和取消發(fā)行。2021年以來，以“恒大債”為代表的房地產(chǎn)債的接連違約，同樣引發(fā)了投資者的集中拋售，并導(dǎo)致整個(gè)信用債市場產(chǎn)生負(fù)面的連鎖反應(yīng)。針對房地產(chǎn)債違約可能引發(fā)的系統(tǒng)性金融風(fēng)險(xiǎn)，監(jiān)管部門通過集體發(fā)聲穩(wěn)定市場的負(fù)面情緒，以避免信用債市場的潛在風(fēng)險(xiǎn)向外溢出。違約事件的發(fā)生導(dǎo)致了信用債市場的下跌，而投資者跟風(fēng)拋售基本面健康的債券則印證了市場的非理性，且該類行為難以通過基本面因素進(jìn)行解釋。由此，從投資者的行為偏差角度考察情緒是否在信用債市場的非理性繁榮和恐慌式下跌中起到了推波助瀾的作用，具有重要的學(xué)術(shù)意義和現(xiàn)實(shí)意義。

投資者情緒是指與投機(jī)相關(guān)的、導(dǎo)致證券價(jià)格偏離基本面價(jià)值的信念(Zhou，2018)。關(guān)于股市的文獻(xiàn)已充分研究了投資者情緒與回報(bào)率的關(guān)系。在橫截面維度上，情緒的上升會降低股票的回報(bào)率，且該效應(yīng)對估值難度高或套利限制強(qiáng)的股票更明顯，投機(jī)傾向和套利限制是情緒解釋股票回報(bào)率差異的微觀機(jī)制(Baker and Wurgler，2006)。而在時(shí)間序列維度上，情緒是股市回報(bào)率的負(fù)向預(yù)測變量，市場投機(jī)傾向的上升源自投資者對股票現(xiàn)金流的樂觀估計(jì)(Huang et al.，2015)。但是，與股票市場相比，信用債市場的資產(chǎn)特征、交易機(jī)制和投資者行為皆存在明顯差異，且兩個(gè)市場并非統(tǒng)一的整體，股市情緒的定價(jià)邏輯是否適用于信用債市場尚未可知(Bai et al.，2019)。

盡管近期學(xué)術(shù)界比較關(guān)注信用債回報(bào)率的可預(yù)測性問題，但仍未從行為偏差角度構(gòu)建有效的信用債市場情緒指數(shù)，并分析情緒對市場回報(bào)率的預(yù)測能力和預(yù)測機(jī)制。為此，本文主要解決以下三個(gè)問題：有效的信用債市場情緒指數(shù)如何構(gòu)建？信用債市場情緒能否預(yù)測市場回報(bào)率？若能預(yù)測，其中的預(yù)測機(jī)制是什么？基于上述研究目標(biāo)，本文將以信用債市場情緒為主線，研究市場回報(bào)率的可預(yù)測性，主要的研究貢獻(xiàn)如下：(1)創(chuàng)新性地構(gòu)建了有效的信用債市場情緒指數(shù)，為信用債市場的研究提供了新方向；(2)詳細(xì)分析了信用債市場情緒對回報(bào)率的預(yù)測能力和預(yù)測機(jī)制，彌補(bǔ)了現(xiàn)有文獻(xiàn)缺乏從情緒角度分析信用債回報(bào)率可預(yù)測性的不足；(3)針對國內(nèi)研究信用債定價(jià)的文獻(xiàn)集中于解釋當(dāng)期信用利差的不足，本文從預(yù)測未來回報(bào)率的角度進(jìn)行分析，豐富了已有國內(nèi)文獻(xiàn)的研究框架。

二、文獻(xiàn)綜述

(一)信用債回報(bào)率的可預(yù)測性

無論是橫截面還是時(shí)間序列維度，學(xué)術(shù)界對股票回報(bào)率預(yù)測的研究較為完善，而對信用債市場的關(guān)注較少?，F(xiàn)有預(yù)測信用債回報(bào)率的文獻(xiàn)較多參照股票的分析思路。一方面，考慮到股票和信用債同為公司資產(chǎn)的或有索取權(quán)，現(xiàn)有研究假設(shè)股票市場和信用債市場是統(tǒng)一的整體，并直接使用股票預(yù)測變量預(yù)測信用債的回報(bào)率。Fama and French(1993)發(fā)現(xiàn)股市溢價(jià)因子、規(guī)模因子和賬面市值比因子具有預(yù)測能力。Chordia et al.(2017)研究股票預(yù)測變量對信用債回報(bào)率的預(yù)測能力，結(jié)論表明，應(yīng)收項(xiàng)目、非預(yù)期盈利和特質(zhì)波動(dòng)率等因素缺乏信息含量，而利潤率和資產(chǎn)增長率的增加則會降低信用債的未來回報(bào)率。Choi and Kim(2018)發(fā)現(xiàn)，相同變量的風(fēng)險(xiǎn)溢價(jià)在股票市場和信用債市場的差異較大，而股市的噪聲交易和賣空約束是導(dǎo)致這一現(xiàn)象的原因。Chen(2021)考察股市情緒對信用債回報(bào)率的影響機(jī)理，發(fā)現(xiàn)股市情緒高漲會導(dǎo)致企業(yè)過度投資和資金流出債市，進(jìn)而降低當(dāng)期信用債的回報(bào)率，而資金回流則會增加信用債的未來回報(bào)率。另一方面，現(xiàn)有研究參照股票回報(bào)率預(yù)測變量的構(gòu)建方法和預(yù)測邏輯，并利用信用債數(shù)據(jù)構(gòu)建類似的變量進(jìn)行分析。Elton et al.(1995)發(fā)現(xiàn)市場風(fēng)險(xiǎn)溢價(jià)對信用債回報(bào)率具有較強(qiáng)的解釋力。Lin et al.(2011)發(fā)現(xiàn)對市場流動(dòng)性敏感度高的信用債回報(bào)率更高。與此同時(shí)，現(xiàn)有文獻(xiàn)也在信用債市場發(fā)現(xiàn)了動(dòng)量效應(yīng)和反轉(zhuǎn)效應(yīng)(Jostova et al.，2013；Bali et al.，2021)。而直接利用信用債特征構(gòu)建預(yù)測變量的文獻(xiàn)相對較少。Fama and French(1993)發(fā)現(xiàn)期限因子和違約因子對信用債回報(bào)率具有較強(qiáng)的預(yù)測能力。而遠(yuǎn)期利率期限結(jié)構(gòu)則是另一預(yù)測變量(Lin et al.，2014)。Greenwood and Hanson(2013)研究信用周期對信用債市場回報(bào)率的影響，發(fā)現(xiàn)信用周期的繁榮會導(dǎo)致新發(fā)行債券的信用質(zhì)量下降，并進(jìn)一步降低信用債市場的回報(bào)率。Bai et al.(2019)從信用債的特征出發(fā)，構(gòu)建了信用風(fēng)險(xiǎn)因子、下側(cè)風(fēng)險(xiǎn)因子、流動(dòng)性因子和市場風(fēng)險(xiǎn)溢價(jià)因子的四因子模型，并發(fā)現(xiàn)該模型對信用債回報(bào)率的橫截面差異具有較強(qiáng)的解釋力。李勇等(2022)則基于中國數(shù)據(jù)檢驗(yàn)上述四因子模型，發(fā)現(xiàn)流動(dòng)性因子增加回報(bào)率的作用最大，其次是信用風(fēng)險(xiǎn)因子，而下側(cè)風(fēng)險(xiǎn)因子降低回報(bào)率的結(jié)果則與美國市場不同，這可能由中國市場機(jī)構(gòu)更一致的避險(xiǎn)行為和配置行為決定的。

(二)投資者情緒與資產(chǎn)定價(jià)

投資者情緒是資產(chǎn)定價(jià)領(lǐng)域關(guān)注的重要問題，而情緒的實(shí)證分析難點(diǎn)在于其無法被直接觀察。Baker and Wurgler(2006)通過使用主成分分析法(PCA)從六個(gè)股市情緒代理變量中提取共同信息，并構(gòu)建市場層面的情緒指數(shù)，避免了以往文獻(xiàn)僅采用單一情緒代理變量的主觀任意性。研究結(jié)果表明，高漲的情緒會導(dǎo)致估值難度大或套利限制強(qiáng)的股票回報(bào)率下降。Stambaugh et al.(2012)根據(jù)11個(gè)異象策略構(gòu)建多空組合，發(fā)現(xiàn)情緒會降低策略空頭組合的回報(bào)率，但其無法預(yù)測多頭組合的回報(bào)率。因而，在賣空約束下，情緒更多與股票價(jià)格的高估相關(guān)聯(lián)。Baker et al.(2012)利用六個(gè)主要股票市場的數(shù)據(jù)，通過構(gòu)建全球情緒指數(shù)和地區(qū)情緒指數(shù)，進(jìn)一步提供了情緒能預(yù)測股票回報(bào)率的國際經(jīng)驗(yàn)證據(jù)。Huang et al.(2015)使用偏最小二乘法(PLS)構(gòu)建情緒指數(shù)，并突破了PCA法未利用回報(bào)率信息的缺陷，發(fā)現(xiàn)情緒不僅在橫截面維度有解釋力，且在時(shí)間序列維度也具有預(yù)測能力，而該能力來自投資者對股票現(xiàn)金流的過度樂觀。國內(nèi)學(xué)者蔣玉梅和王明照(2010)使用PCA方法從五個(gè)情緒代理變量中提取情緒指數(shù)，并發(fā)現(xiàn)中國股市與美國股市的結(jié)論不一致，情緒會提高股票當(dāng)月和未來1個(gè)月的回報(bào)率，且預(yù)測方向需要更長時(shí)間才會反向，而情緒對不同估值難度或套利限制的股票組合的橫截面影響也相互矛盾。劉維奇和劉新新(2014)比較了個(gè)人情緒和機(jī)構(gòu)情緒對股市的預(yù)測能力，結(jié)果表明，機(jī)構(gòu)情緒會引導(dǎo)個(gè)人情緒，且僅有機(jī)構(gòu)情緒可預(yù)測股票的回報(bào)率。

現(xiàn)有關(guān)于投資者情緒的研究集中于股票市場，關(guān)注信用債市場的研究相對較少(Zhou，2018)。僅有部分文獻(xiàn)考察了信用債市場情緒對宏觀經(jīng)濟(jì)周期的預(yù)測能力。Gilchrist and Zakraj?ek(2012)將信用利差分解為預(yù)期違約部分和超額溢價(jià)部分，發(fā)現(xiàn)超額溢價(jià)反映了投資者情緒，并對消費(fèi)、投資、貨幣和產(chǎn)出等宏觀變量有較強(qiáng)的預(yù)測能力。Greenwood et al.(2016)認(rèn)為投資者會通過推斷過去的違約率而形成未來的投資信念，情緒取決于歷史違約率。López-Salido et al.(2017)將信用利差、投機(jī)級債券發(fā)行占比和期限利差合成信用債市場情緒，發(fā)現(xiàn)情緒高漲會導(dǎo)致未來信用收縮并引起經(jīng)濟(jì)衰退。

綜上所述，現(xiàn)有文獻(xiàn)較多從股票市場尋找信用債回報(bào)率的預(yù)測變量，包括直接使用已有的股票預(yù)測變量，或者間接參考股票變量的構(gòu)建方式，而較少基于信用債市場特征構(gòu)建新的預(yù)測變量。然而與股票市場不同，信用債市場具有特殊性：首先，信用債的存續(xù)期有限，發(fā)行人須在固定時(shí)點(diǎn)還本付息；其次，信用債市場以場外交易為主，交易成本高且流動(dòng)性較差；再者，信用債投資者以機(jī)構(gòu)為主，風(fēng)險(xiǎn)管理和投資策略與個(gè)人投資者差異較大；最后，股市和債市的聯(lián)動(dòng)性較弱，且兩者并不是統(tǒng)一的整體，股市定價(jià)邏輯較難有效應(yīng)用到信用債市場(Bai et al.，2019)。由此，突破現(xiàn)有文獻(xiàn)的路徑依賴，從信用債市場的特征出發(fā)，分析信用債市場回報(bào)率的可預(yù)測性十分重要。與此同時(shí)，現(xiàn)有研究投資者情緒的文獻(xiàn)較多以股市為研究對象，而少量涉及信用債市場情緒的文獻(xiàn)則集中于分析宏觀經(jīng)濟(jì)。但是，情緒反映了投資者的非理性信念，可能直接引發(fā)了債券的定價(jià)誤差，與債券回報(bào)率可預(yù)測性的關(guān)系更加緊密。

為此，本文以信用債市場情緒為研究對象，從時(shí)間序列角度分析市場回報(bào)率的可預(yù)測性。具體的研究思路(如圖1所示)包括構(gòu)建情緒指數(shù)，進(jìn)而分析情緒對回報(bào)率的預(yù)測能力和預(yù)測機(jī)制。第一，本文歸納學(xué)術(shù)界和實(shí)務(wù)界所采用的情緒代理變量，參考Baker and Wurgler(2006)的PCA法提取情緒代理變量的共同信息，并構(gòu)建有效的情緒指數(shù)。第二，采用情緒指數(shù)對市場回報(bào)率進(jìn)行樣本內(nèi)預(yù)測，包括與情緒代理變量對比，以分析情緒指數(shù)信息提取的有效性，并與其他預(yù)測變量對比，以考察情緒指數(shù)的信息含量。同時(shí)，采用情緒指數(shù)對市場回報(bào)率進(jìn)行樣本外預(yù)測，即分析情緒預(yù)測能力的持續(xù)性和時(shí)變性，以模擬真實(shí)的投資決策環(huán)境并保證分析的穩(wěn)健性。第三，揭示預(yù)測機(jī)制。先從基金流量層面和債券組合層面分析情緒對投資者行為的驅(qū)動(dòng)作用，隨后從投機(jī)傾向和套利限制出發(fā)，研究情緒指數(shù)預(yù)測回報(bào)率的經(jīng)濟(jì)解釋。

圖1 研究思路

三、數(shù)據(jù)來源、模型設(shè)定與變量構(gòu)建

(一)數(shù)據(jù)來源

本文的研究數(shù)據(jù)來源于國泰安CSMAR和同花順iFind數(shù)據(jù)庫，并主要使用三類數(shù)據(jù)進(jìn)行分析。首先，選取2014年1月至2020年9月的月度時(shí)間序列數(shù)據(jù)，構(gòu)建信用債市場情緒指數(shù)和預(yù)測市場回報(bào)率。1其次，將月度情緒指數(shù)和半年度基金流量進(jìn)行匹配，得到841個(gè)基金-半年度樣本，并以此分析信用債市場情緒對債券基金流量的引導(dǎo)作用。最后，在匹配月度情緒指數(shù)和月度債券交易數(shù)據(jù)的基礎(chǔ)上，參照Bai et al.(2019)剔除剩余年限小于1年或月交易量小于1萬手(10張)的樣本后2，得到了23171個(gè)債券-月度樣本。本文使用該類數(shù)據(jù)從橫截面角度出發(fā)，分析情緒對不同信息不對稱程度的債券組合回報(bào)率的影響。3

(二)模型設(shè)定

本文主要的研究模型如式(1)～(3)所示。式(1)用于檢驗(yàn)信用債市場情緒對市場回報(bào)率的樣本內(nèi)預(yù)測能力：

為檢驗(yàn)信用債市場情緒對市場回報(bào)率的樣本外預(yù)測能力，本文把觀測值劃分為初始訓(xùn)練期和預(yù)測評估期，兩者包含的觀測值分別為p個(gè)和q個(gè)。而劃分初始訓(xùn)練期和預(yù)測評估期需要保證初始參數(shù)估計(jì)的觀測值充足，同時(shí)保留相對較長的樣本外的估計(jì)期。為此，本文將初始訓(xùn)練期和預(yù)測評估期按約2比4進(jìn)行劃分(Huang et al.，2015)，即使用2014年1月至2015年12月共24個(gè)月的樣本進(jìn)行訓(xùn)練，使用2016年1月至2020年9月共57個(gè)月的樣本進(jìn)行預(yù)測評估。在初始訓(xùn)練期內(nèi)，根據(jù)式(1)可獲得第一個(gè)樣本外的信用債回報(bào)率預(yù)測值：

DM-t檢驗(yàn)用于檢驗(yàn)情緒模型和均值模型的均方預(yù)測誤差在統(tǒng)計(jì)上的差異。若拒絕原假設(shè)且檢驗(yàn)值為負(fù)，則說明情緒模型的預(yù)測能力更強(qiáng)，反之則反是。

(三)變量構(gòu)建

1.信用債市場情緒

首先，本文根據(jù)學(xué)術(shù)界和實(shí)務(wù)界的分析，選擇情緒代理變量，具體包括信用利差、期限利差、投機(jī)級債券發(fā)行占比、違約率、換手率、回購交易占比、取消發(fā)行占比、中標(biāo)利率與上限間隔和認(rèn)購倍數(shù)等。其中，信用利差是信用債到期收益率與期限匹配的國債到期收益率之差。信用利差反映了投資者的風(fēng)險(xiǎn)承擔(dān)能力，信用利差越低則情緒越高漲(Gilchrist and Zakraj?ek，2012)。期限利差是10年國債到期收益率與3個(gè)月國債到期收益率的差，López-Salido et al.(2017)認(rèn)為投資策略的切換會導(dǎo)致期限利差與信用利差呈現(xiàn)負(fù)相關(guān)關(guān)系。期限利差包含情緒的信息。投機(jī)級債券發(fā)行占比定義為，信用評級AA及以下的信用債發(fā)行規(guī)模占所有信用債發(fā)行規(guī)模的比重。6投機(jī)級債券的發(fā)行占比反映了信用周期。當(dāng)市場情緒高漲時(shí)，低信用評級公司能以較低的融資成本發(fā)行債券，進(jìn)而提高了投機(jī)級債券的占比(Greenwood and Hanson，2013)。違約率是違約規(guī)模占信用債存量規(guī)模的比重，Greenwood et al.(2016)認(rèn)為投資信念取決于歷史違約率，而違約率會降低情緒。換手率是信用債的交易額除以存量規(guī)模，Baker and Stein(2004)發(fā)現(xiàn)換手率是情緒的代理變量。在存在賣空約束的市場中，噪聲交易者僅在樂觀時(shí)參與交易，故換手率增加體現(xiàn)了情緒上升。

回購交易占比、取消發(fā)行占比、中標(biāo)利率與上限間隔和認(rèn)購倍數(shù)等四個(gè)指標(biāo)是實(shí)務(wù)界觀測投資者情緒的常用指標(biāo)?；刭徑灰渍急仁歉粢官|(zhì)押式回購成交規(guī)模在總成交規(guī)模中的占比，該變量反映了市場的杠桿率。當(dāng)情緒高漲時(shí)，投資者會質(zhì)押債券借入隔夜資金，并進(jìn)一步購買債券和提高杠桿率。取消發(fā)行占比是信用債的取消發(fā)行規(guī)模與存量規(guī)模之比。當(dāng)情緒低迷時(shí)，投資者配置傾向下降且信用債發(fā)行難度提高，部分發(fā)行人會取消發(fā)行并等待更好的發(fā)行時(shí)機(jī)。中標(biāo)利率與上限間隔是一級市場投標(biāo)的中標(biāo)利率與區(qū)間上限利率之差。中標(biāo)利率與上限間隔越小，表明情緒越低迷。此時(shí)，發(fā)行人需付出較高的融資成本才能吸引投資者。類似的，認(rèn)購倍數(shù)也包含了情緒信息。在一級市場投標(biāo)中，認(rèn)購倍數(shù)越高，則情緒越高漲。

其次，本文參考Baker and Wurgler(2006)，通過PCA方法提取情緒代理變量的共同信息，并合成信用債投資者情緒指數(shù)進(jìn)行分析。具體程序如下：(1)將情緒代理變量標(biāo)準(zhǔn)化后進(jìn)行PCA分析，并根據(jù)結(jié)果剔除相關(guān)性弱的變量。(2)將剩余情緒代理變量對宏觀變量增長率回歸并取殘差，以排除宏觀因素的影響。參照周建和況明(2015)，宏觀變量包括：GDP、CPI、PPI、PMI、M2、社會消費(fèi)品零售總額、固定資產(chǎn)投資、貸款余額和宏觀經(jīng)濟(jì)景氣先行指數(shù)。(3)將標(biāo)準(zhǔn)化后的殘差變量的當(dāng)期值和滯后一期值進(jìn)行PCA分析，并根據(jù)結(jié)果剔除相關(guān)性弱的期數(shù)。最后得到的變量為信用利差Cst、投機(jī)級債券發(fā)行占比Junkt、違約率Deft、換手率滯后一期Turnt-1、中標(biāo)利率與上限間隔Ubidt和認(rèn)購倍數(shù)滯后一期Subt-1等六個(gè)變量。(4)提取剩余變量的主成分，并構(gòu)建信用債市場情緒指數(shù)，具體如式(5)所示：

第一主成分解釋了46%的樣本方差，該結(jié)果與Baker and Wurgler(2006)的49%較為接近，故其能有效地提取情緒代理變量的共同信息。同時(shí)，情緒代理變量的系數(shù)與預(yù)期相符合，表明第一主成分的提取較為合理。因此，本文采用第一主成分作為信用債市場情緒指數(shù)。當(dāng)情緒越高漲時(shí)，投資者對信用債市場越樂觀，進(jìn)而會在當(dāng)期更多地購買債券，將價(jià)格推高至超過基本面價(jià)值并提升當(dāng)期回報(bào)率，但情緒會隨著時(shí)間流逝而減弱，引領(lǐng)價(jià)格回歸基本面價(jià)值并導(dǎo)致未來回報(bào)率下降；在有限套利的環(huán)境下，這一影響會更明顯(Baker and Wurgler，2006；Zhou，2018)。

本文將信用債市場情緒指數(shù)和信用債市場價(jià)格指數(shù)繪制于圖2。情緒變化與市場價(jià)格變化趨勢比較一致，但情緒的波動(dòng)幅度更大且信息含量更豐富。另外，時(shí)差相關(guān)分析表明，先行一至五期的信用債市場情緒與市場回報(bào)率的相關(guān)系數(shù)的絕對值大部分超過0.3，表明本文構(gòu)建的情緒指數(shù)領(lǐng)先于市場回報(bào)率，具備預(yù)測信用債市場回報(bào)率的潛力。

圖2 信用債市場情緒和市場價(jià)格指數(shù)比較

2.其他預(yù)測變量

本文控制宏觀變量與市場變量進(jìn)行“賽馬”分析，進(jìn)而比較信用債市場情緒和其他變量的預(yù)測能力強(qiáng)弱。7參照周建和況明(2015)，宏觀變量包括CPI、PPI、PMI、M2、貸款余額、社會消費(fèi)品零售總額、固定資產(chǎn)投資和宏觀經(jīng)濟(jì)景氣先行指數(shù)等變量的環(huán)比增長率。市場變量包括股市情緒、下側(cè)損失、非流動(dòng)性、短期動(dòng)量、長期動(dòng)量、短期反轉(zhuǎn)、長期反轉(zhuǎn)、波動(dòng)率、偏度、峰度和期限利差等。其中，股市情緒是易志高和茅寧(2009)所構(gòu)建的CICSI股市情緒指數(shù)。下側(cè)損失和非流動(dòng)性的構(gòu)建方式參考Bai et al.(2019)。下側(cè)損失為5%VaR，即過去36個(gè)月的次低月的回報(bào)率，而非流動(dòng)性則是過去1個(gè)月內(nèi)日回報(bào)率序列一階自協(xié)方差的負(fù)值。短期動(dòng)量和長期動(dòng)量分別是過去半年(t-7至t-2)和過去一年(t-12至t-2)的累積回報(bào)率(Jostova et al.，2013)。短期反轉(zhuǎn)和長期反轉(zhuǎn)分別為過去1個(gè)月和過去36個(gè)月(t-48至t-13)的累積回報(bào)率(Bali et al.，2021)。波動(dòng)率、偏度和峰度則分別根據(jù)過去36個(gè)月的回報(bào)率進(jìn)行計(jì)算。期限利差則為10年國債到期收益率與3個(gè)月國債到期收益率之差。

變量的描述性統(tǒng)計(jì)結(jié)果如表1所示。

四、實(shí)證結(jié)果與分析

(一)信用債市場情緒對市場回報(bào)率的預(yù)測能力

本文分析信用債市場情緒對市場回報(bào)率預(yù)測能力的思路如下：首先，使用情緒指數(shù)對市場回報(bào)率進(jìn)行樣本內(nèi)預(yù)測，并與情緒代理變量的預(yù)測結(jié)果相比較，考察PCA分析對情緒代理變量信息提取的有效性。通過“賽馬”方式，比較情緒指數(shù)的預(yù)測能力與其他預(yù)測變量的差異，考察情緒是否具有超額信息含量。其次，采用樣本外的預(yù)測方法模擬真實(shí)投資環(huán)境，在分析情緒預(yù)測能力持續(xù)性的基礎(chǔ)上，從累積均方預(yù)測誤差角度，比較情緒模型與歷史均值模型的優(yōu)劣；從累積回報(bào)率角度，比較情緒策略和購買并持有策略的優(yōu)劣。

1.信用債市場情緒的信息提取有效性

參考Huang et al.(2015)的做法，本文在表2列(1)～(3)中進(jìn)行了樣本內(nèi)的預(yù)測分析。結(jié)果表明，信用債市場情緒能預(yù)測市場回報(bào)率。經(jīng)濟(jì)顯著性方面，情緒上升一個(gè)標(biāo)準(zhǔn)差，未來1個(gè)月的市場回報(bào)率會下降0.156%。由于樣本內(nèi)信用債市場的回報(bào)率均值僅為0.004%，可見情緒變化引起的市場回報(bào)率變化遠(yuǎn)高于回報(bào)率的平均水平，情緒的回歸系數(shù)具有較高的經(jīng)濟(jì)顯著性。統(tǒng)計(jì)顯著性方面，在標(biāo)準(zhǔn)誤經(jīng)Newey-West調(diào)整后8，情緒的回歸系數(shù)通過了1%的顯著水平檢驗(yàn)。模型R2為0.084，表明情緒對回報(bào)率具有較強(qiáng)的樣本內(nèi)預(yù)測能力。研究結(jié)果與股市情緒的結(jié)果存在較大差異，蔣玉梅和王明照(2010)、劉維奇和劉新新(2014)發(fā)現(xiàn)股市情緒會持續(xù)性地增加股市回報(bào)率，且預(yù)測方向在6個(gè)月后才會反轉(zhuǎn)(陸靜和周媛，2015)。相比之下，信用債市場情緒會顯著降低未來1個(gè)月的回報(bào)率，即預(yù)測方向的反轉(zhuǎn)較快。相比于股市，信用債市場的機(jī)構(gòu)投資者行為更一致。當(dāng)投資者發(fā)現(xiàn)價(jià)格高估時(shí)，會及時(shí)出售或做空高估的信用債，促使其價(jià)格回歸基本面價(jià)值。與此同時(shí)，由R2可看出，信用債市場情緒的預(yù)測能力強(qiáng)于現(xiàn)有文獻(xiàn)得到的股市情緒的預(yù)測能力。9

表2 信用債市場情緒的信息提取有效性

本文進(jìn)一步對比情緒指數(shù)和情緒代理變量的預(yù)測能力。結(jié)果表明，除了信用利差外，其他情緒代理變量的R2較低。10信用債市場具備較高的信息效率，市場價(jià)格的信息含量高于其他變量。而情緒代理變量的預(yù)測能力大幅弱于情緒指數(shù)，則體現(xiàn)了PCA分析的信息提取有效性，情緒指數(shù)比單一情緒代理變量具有更豐富的信息含量(Baker and Wurgler，2006)。11

在不同的經(jīng)濟(jì)周期中，信用債市場回報(bào)率的形成邏輯會發(fā)生較大的變化。本文參考Rapach et al.(2010)，分別計(jì)算經(jīng)濟(jì)擴(kuò)張時(shí)期的和收縮時(shí)期的，分析經(jīng)濟(jì)周期對信用債市場情緒預(yù)測能力的影響。擬合優(yōu)度的計(jì)算方法如式(6)所示：

為探討信用債市場情緒預(yù)測能力的來源，本文將情緒劃分為高漲狀態(tài)和低迷狀態(tài)。參考Stambaugh et al.(2012)，若情緒高于樣本中位數(shù)，賦值為1，否則為0，反之賦值為1，否則為0。擬合優(yōu)度的計(jì)算方法如式(6)所示。結(jié)果如表2列(6)(7)所示，情緒指數(shù)的和分別為0.091和0.071。當(dāng)情緒高漲時(shí)，樂觀態(tài)度更容易驅(qū)使投資者“跟風(fēng)”購買債券，但由于受到賣空約束限制，理性的套利者無法及時(shí)進(jìn)行套利和引導(dǎo)價(jià)格回歸基本面價(jià)值，從而導(dǎo)致情緒對回報(bào)率的預(yù)測能力增加。但不同于股市情緒的預(yù)測能力在情緒低迷情況下會消失(Huang et al.，2015)，信用債市場情緒在該時(shí)期也具有預(yù)測能力。這是由于信用債市場的流動(dòng)性較差，當(dāng)情緒低迷時(shí)，投資者無法及時(shí)購買債券，信用債的價(jià)格低估需要較長時(shí)間進(jìn)行修正，進(jìn)而形成了情緒的預(yù)測能力。

2.信用債市場情緒的信息含量

本文探討宏觀變量和市場變量等其他預(yù)測變量對市場回報(bào)率的預(yù)測能力，模型如式(7)所示：

其中，Zt為宏觀變量或市場變量。表3結(jié)果A中列(1)～(4)報(bào)告了式(7)的分析結(jié)果。12在宏觀變量中，僅有PPI、PMI、M2、社會消費(fèi)品零售總額和宏觀經(jīng)濟(jì)景氣先行指數(shù)的回歸系數(shù)顯著，而系數(shù)方向?yàn)樨?fù)則表明當(dāng)前較快的經(jīng)濟(jì)增長能預(yù)測未來較低的市場回報(bào)率。在宏觀變量中，宏觀經(jīng)濟(jì)景氣先行指數(shù)的R2最高，該變量能綜合反映宏觀經(jīng)濟(jì)狀況并具有最豐富的信息含量。在市場變量中，股市情緒、非流動(dòng)性、長期反轉(zhuǎn)和偏度的回歸系數(shù)顯著。其中，當(dāng)前高漲的股市情緒能預(yù)測未來較低的市場回報(bào)率，可見股市和債市會發(fā)生聯(lián)動(dòng)(Chen，2021)。非流動(dòng)性的回歸系數(shù)顯著為正，表明對于持有流動(dòng)性較差的債券，投資者需要更高的回報(bào)率補(bǔ)償。信用債市場存在長期反轉(zhuǎn)效應(yīng)(Bali et al.，2021)，但不存在動(dòng)量和短期反轉(zhuǎn)效應(yīng)，該結(jié)論與美國市場不一致(Jostova et al.，2013)。偏度會增加信用債市場的未來回報(bào)率，且R2在市場變量中最高，反映出信用債投資者對市場極端事件的關(guān)注，金融機(jī)構(gòu)嚴(yán)格地執(zhí)行“止盈”和“止損”的風(fēng)險(xiǎn)管理策略，導(dǎo)致了偏度較強(qiáng)的預(yù)測能力。而下側(cè)損失的回歸系數(shù)為負(fù)，這不同于美國市場(Bai et al.，2019)，中國市場機(jī)構(gòu)投資者一致性的避險(xiǎn)行為和配置行為導(dǎo)致了這一結(jié)果(李勇等，2022)。

表3 信用債市場情緒的信息含量

在驗(yàn)證宏觀變量和市場變量等其他預(yù)測變量對回報(bào)率具有預(yù)測能力的基礎(chǔ)上，參考Huang et al.(2015)的做法，本文進(jìn)行“賽馬”分析。在逐一控制宏觀變量或市場變量后，分析信用債市場情緒指數(shù)是否仍保持顯著，進(jìn)而考察情緒是否提供了超過宏觀經(jīng)濟(jì)基本面和市場風(fēng)險(xiǎn)偏好的增量預(yù)測信息。13使用式(8)進(jìn)行研究：

結(jié)果如表3結(jié)果B中列(5)～(9)所示。從整體上看，與表2列(1)中情緒對回報(bào)率的回歸系數(shù)-0.156相比，在控制宏觀變量和市場變量后，情緒的回歸系數(shù)仍然顯著且變化較小。同時(shí)，結(jié)果B列(9)的調(diào)整R2大于結(jié)果A列(4)的調(diào)整R2，表明在加入情緒指數(shù)后，雙變量的預(yù)測能力超過了宏觀變量和市場變量本身，因而情緒提供了增量的預(yù)測信息。

3.信用債市場情緒的樣本外預(yù)測能力的持續(xù)性

考慮到樣本外的預(yù)測方法能模擬真實(shí)的投資環(huán)境，本文繼續(xù)分析信用債市場情緒對回報(bào)率的樣本外預(yù)測能力，并比較樣本內(nèi)和樣本外的預(yù)測結(jié)果在不同預(yù)測期的差異。14雖然本文側(cè)重于預(yù)測未來1個(gè)月的市場回報(bào)率，但由于投機(jī)傾向是持續(xù)的，且套利限制使投資者無法在短期內(nèi)消除情緒帶來的錯(cuò)誤定價(jià)，情緒對市場可能會產(chǎn)生長期影響。結(jié)果如表4所示，其中列(1)～(3)為樣本內(nèi)的預(yù)測結(jié)果，信用債市場情緒對回報(bào)率的預(yù)測在未來第15個(gè)月時(shí)失效。而相比于未來1個(gè)月，情緒對未來第3個(gè)月的預(yù)測能力更強(qiáng)，這是由于信用債市場的交易頻率較低，價(jià)格回歸基本面的速度較慢所致。列(4)～(5)是樣本外的預(yù)測結(jié)果，當(dāng)情緒預(yù)測未來1個(gè)月的回報(bào)率時(shí)，DM檢驗(yàn)值為-2.849，表明在1%顯著性水平下，情緒模型的均方預(yù)測誤差比歷史均值模型更低。同時(shí)，樣本外擬合優(yōu)度高達(dá)0.112并高于0.005，情緒預(yù)測變量具有較高的經(jīng)濟(jì)顯著性。15然而，與樣本內(nèi)的分析不同，信用債市場情緒的預(yù)測僅在未來3個(gè)月內(nèi)有效，而股市情緒的樣本外預(yù)測能力則長達(dá)12個(gè)月(Huang et al.，2015)。因此，信用債市場情緒預(yù)測能力的持續(xù)性較弱。情緒會隨著時(shí)間推移而快速消退，進(jìn)而驅(qū)使債券價(jià)格回歸基本面價(jià)值。

表4 信用債市場情緒的樣本外預(yù)測能力的持續(xù)性

4.信用債市場情緒的樣本外預(yù)測能力的時(shí)變性

上文分析表明，信用債市場情緒總體能打敗歷史均值模型，并對回報(bào)率具有較強(qiáng)的預(yù)測能力。然而，總體分析不能細(xì)致地識別出情緒產(chǎn)生預(yù)測能力的過程，此時(shí)從時(shí)變視角補(bǔ)充分析則較為必要。本文在圖3中繪制了歷史均值模型的累積均方預(yù)測誤差與情緒模型的累積均方預(yù)測誤差的時(shí)間序列差值。若差值增加，即曲線上升，則表明情緒模型在該時(shí)點(diǎn)的均方預(yù)測誤差更小，其預(yù)測表現(xiàn)超過歷史均值模型，反之則反是。結(jié)果表明，無論是樣本內(nèi)預(yù)測還是樣本外預(yù)測，大部分時(shí)期內(nèi)情緒模型的表現(xiàn)超過了均值模型。在2016年6月至10月期間，情緒模型的預(yù)測表現(xiàn)較差。這是因?yàn)?016年下半年，在去杠桿和防風(fēng)險(xiǎn)等一系列政策出臺的背景下，信用債市場的投資者分歧較大、未形成一致預(yù)期，進(jìn)而情緒信號較弱并導(dǎo)致其預(yù)測能力下滑。

圖3 歷史均值模型的累積均方預(yù)測誤差與情緒模型的差值

購買并持有策略是信用債市場投資者的核心策略。本文進(jìn)一步對比了情緒策略的累積回報(bào)率和購買并持有策略的累積回報(bào)率。其中，情緒策略是指當(dāng)信用債市場情緒預(yù)測回報(bào)率為正時(shí)，購買市場指數(shù)；而當(dāng)信用債市場情緒預(yù)測回報(bào)率為負(fù)時(shí)，賣出市場指數(shù)并購買無風(fēng)險(xiǎn)資產(chǎn)?？紤]到投資者的實(shí)際回報(bào)率不僅包含資本利得，還包括利息，市場指數(shù)采用中債信用債總財(cái)富指數(shù)；無風(fēng)險(xiǎn)資產(chǎn)回報(bào)率則采用1個(gè)月Shibor利率。購買并持有策略的累積回報(bào)率則為市場累積回報(bào)率。從圖4可見，2016年1月至2020年9月情緒策略的累積回報(bào)率和購買并持有策略的累積回報(bào)率分別為62%和19%，情緒策略遠(yuǎn)優(yōu)于購買并持有策略。值得注意的是，2016年6月至2017年2月情緒策略的累積回報(bào)率曲線相對陡峭，可見即使在該期間內(nèi)情緒模型無法打敗均值模型，但仍較好地指示了交易機(jī)會。

圖4 情緒策略和購買并持有策略的累積回報(bào)率

(二)信用債市場情緒對市場回報(bào)率的預(yù)測機(jī)制

在驗(yàn)證信用債市場情緒對市場回報(bào)率具有較強(qiáng)的預(yù)測能力后，本文進(jìn)一步分析情緒預(yù)測的經(jīng)濟(jì)解釋。在此之前，先從債券基金與債券組合兩個(gè)層面，分析情緒如何驅(qū)動(dòng)投資者進(jìn)行交易。

1.信用債市場情緒對基金凈流入量的影響

基金流量的變化反映了投資者的交易行為。若信用債市場情緒增加了債券基金的凈流入量，同時(shí)對高風(fēng)險(xiǎn)基金的影響更明顯，則說明情緒會驅(qū)動(dòng)交易，并在樂觀的投資者群體中更有效。本文參照陸蓉等(2007)的方法構(gòu)建基金凈流入量：

其中，Inflowi,t、TNAi,t和Returni,t分別為基金凈流入量、基金凈資產(chǎn)值和考慮紅利再投資的基金復(fù)權(quán)回報(bào)率。本文通過加入情緒高漲組與不同風(fēng)險(xiǎn)類型債券基金的交互項(xiàng)進(jìn)行研究。其中，當(dāng)情緒高于樣本的中位數(shù)時(shí)，情緒高漲組賦值為1，否則為0。基金類型包括指數(shù)型、收益型、穩(wěn)健成長型和增值型，四種類型基金的風(fēng)險(xiǎn)依次上升，并以指數(shù)型基金為參照組。實(shí)證結(jié)果如表5所示，在列(1)中，情緒高漲的回歸系數(shù)顯著為正，表明情緒上升會促使投資者購買基金。在列(2)中，情緒高漲與增值型基金的交互項(xiàng)系數(shù)顯著為正?？梢娤鄬τ谥笖?shù)型基金，情緒會增加高風(fēng)險(xiǎn)增值型基金的凈流入量?？紤]到潛在的遺漏變量問題，本文在列(3)中控制了上一期的基金凈流入量、時(shí)間固定效應(yīng)和基金固定效應(yīng)，結(jié)果仍然保持一致。這些結(jié)論表明，情緒會引導(dǎo)基金流量變化，高漲的情緒會促使投資者購買債券基金，且對高風(fēng)險(xiǎn)基金凈流量的影響更明顯?？梢?，情緒會驅(qū)動(dòng)投資交易，并在樂觀的投資者群體中更有效。

表5 信用債市場情緒對基金凈流入量的影響

2.信用債市場情緒對不同信息不對稱程度債券組合回報(bào)率的影響

現(xiàn)有文獻(xiàn)發(fā)現(xiàn)，投資者情緒的上升會降低股票的未來回報(bào)率，且對估值難度大或套利限制強(qiáng)等信息不對稱程度高的股票組合更明顯(Baker and Wurgler，2006；Zhang，2006)。由此，本文將從橫截面維度，檢驗(yàn)信用債市場情緒能否對不同信息不對稱程度債券組合的回報(bào)率產(chǎn)生異質(zhì)性影響。具體而言，參考Jostova et al.(2013)和Bai et al.(2019)的研究方法，根據(jù)信息不對稱程度將信用債從小到大分為1到5組，若情緒對第5組(信息不對稱程度最高)債券組合的回報(bào)率的負(fù)向預(yù)測作用顯著強(qiáng)于第1組(信息不對稱程度最低)，且情緒對第5組到第1組的債券組合回報(bào)率的負(fù)向預(yù)測作用呈現(xiàn)近乎遞減的趨勢，則可說明情緒會驅(qū)動(dòng)投資者購買信息不對稱程度高的債券?？紤]到風(fēng)險(xiǎn)越高的債券組合的信息不對稱程度更高，而信用風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn)對信用債投資者比較重要(Bai et al.，2019)，本文采用上述兩類風(fēng)險(xiǎn)作為信息不對稱程度的代理變量16，并采用信用評級和非流動(dòng)性分別刻畫信用風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn)。其中，信用評級是債項(xiàng)評級17，非流動(dòng)性是過去1個(gè)月內(nèi)日回報(bào)率序列一階自協(xié)方差的負(fù)值。除此之外，考慮到信用債對應(yīng)股票的年齡和市值等指標(biāo)能反映信息不對稱(Zhang，2006)，即股票的年齡越小或市值越低，則信息不對稱越嚴(yán)重，故本文也采用相應(yīng)股票變量作為信息不對稱程度的代理變量。18除信用風(fēng)險(xiǎn)外，其余變量依據(jù)分位數(shù)分為5組，組1到組5重新排序使其反映的信息不對稱程度依次增加。

研究結(jié)論如表6所示，總體而言，情緒對第5組債券組合回報(bào)率的負(fù)向預(yù)測作用顯著強(qiáng)于第1組，且情緒對第5組到第1組的債券組合回報(bào)率的負(fù)向預(yù)測作用呈現(xiàn)近乎遞減的趨勢?？梢姡庞脗袌銮榫w會驅(qū)使投資者購買估值難度大或套利限制強(qiáng)等信息不對稱程度更高的債券，進(jìn)而推高信息不對稱程度高的債券組合的當(dāng)期回報(bào)率并降低其未來回報(bào)率。

表6 信用債市場情緒對不同信息不對稱程度債券組合回報(bào)率的影響

此外，Zhou(2018)指出有效的投資者情緒指數(shù)需要滿足以下四個(gè)特征：第一，情緒的上升或下降需要與證券市場的繁榮和蕭條相匹配；第二，情緒需驅(qū)動(dòng)投資者的交易行為；第三，投機(jī)性強(qiáng)或套利限制強(qiáng)的證券回報(bào)率對情緒的反應(yīng)更敏感；第四，情緒對回報(bào)率的影響會隨時(shí)間逐步減弱，且證券價(jià)格會回歸基本面。結(jié)合前文的分析可見，本文提取的信用債市場情緒指數(shù)反映了上述四個(gè)特征，因而情緒的提取較為有效。

3.信用債市場情緒預(yù)測的投機(jī)傾向機(jī)制

在驗(yàn)證信用債市場情緒會在微觀層面驅(qū)動(dòng)交易后，本文進(jìn)一步分析預(yù)測的經(jīng)濟(jì)解釋。情緒會通過投機(jī)傾向和套利限制影響回報(bào)率(Baker and Wurgler，2006)。一方面，當(dāng)投機(jī)傾向較高時(shí)，投資者認(rèn)為信息不對稱程度較高的債券存在大幅上漲空間，并增加購買該類高風(fēng)險(xiǎn)債券，進(jìn)而導(dǎo)致其當(dāng)期回報(bào)率上升。在情緒隨時(shí)間消退后，投資者會逐步出售該類債券，并導(dǎo)致情緒成為債券未來回報(bào)率的負(fù)向預(yù)測變量。另一方面，當(dāng)債券當(dāng)期價(jià)格上升時(shí)，理性投資者難以及時(shí)對套利限制強(qiáng)的債券進(jìn)行套利，使債券價(jià)格需要較長時(shí)間才能回歸基本面價(jià)值，由此形成了情緒對債券未來回報(bào)率的負(fù)向預(yù)測作用。而投機(jī)傾向機(jī)制則可能是投資者高估現(xiàn)金流或折現(xiàn)率導(dǎo)致的(Huang et al.，2015)?；诖?，本文檢驗(yàn)信用債市場情緒能否通過投機(jī)傾向機(jī)制和套利限制機(jī)制預(yù)測回報(bào)率。針對投機(jī)傾向機(jī)制，本文會進(jìn)一步分析投機(jī)傾向是源自投資者對現(xiàn)金流的樂觀還是對折現(xiàn)率的樂觀。

信用利差包含違約率和超額溢價(jià)各自決定的部分(Gilchrist and Zakraj?ek，2012)。其中，違約率會影響信用債的現(xiàn)金流，違約率越高則現(xiàn)金流的不確定性越大。而超額溢價(jià)則反映投資者的風(fēng)險(xiǎn)承擔(dān)能力，超額溢價(jià)越高則投資者的風(fēng)險(xiǎn)承擔(dān)能力越弱，其所要求的風(fēng)險(xiǎn)補(bǔ)償較高，進(jìn)而折現(xiàn)率的不確定性越大。因此，對于投機(jī)傾向機(jī)制，本文參照Gilchrist and Zakraj?ek(2012)，將信用利差分解為違約率和超額溢價(jià)。19當(dāng)違約率或超額溢價(jià)超過對應(yīng)的樣本中位數(shù)時(shí)，分別認(rèn)為樣本屬于高違約率組或高超額溢價(jià)組。若情緒與高違約率的交互項(xiàng)系數(shù)顯著為負(fù)，表明當(dāng)違約率較高(即現(xiàn)金流的不確定性較大)時(shí)，投資者仍增加對信用債的投資，導(dǎo)致情緒對回報(bào)率的預(yù)測作用增強(qiáng)，進(jìn)而反映出投資者對現(xiàn)金流的樂觀態(tài)度。若情緒與高超額溢價(jià)的交互項(xiàng)系數(shù)顯著為負(fù)，則說明當(dāng)超額溢價(jià)較高(即折現(xiàn)率的不確定性較大)時(shí)，投資者仍增加對信用債的投資，導(dǎo)致情緒對回報(bào)率的預(yù)測作用增強(qiáng)，進(jìn)而反映投資者對折現(xiàn)率的樂觀態(tài)度。

實(shí)證結(jié)果如表7列(1)(2)所示。情緒與高違約率的交互項(xiàng)系數(shù)并不顯著，而情緒與高超額溢價(jià)的交互項(xiàng)系數(shù)為-0.230，且通過了1%水平的顯著性檢驗(yàn)。這表明，信用債市場情緒反映了投資者的投機(jī)傾向，而投機(jī)傾向的上升來源于投資者對折現(xiàn)率的樂觀，并不是對現(xiàn)金流的樂觀。在破除剛性兌付信念的過程中，信用債機(jī)構(gòu)投資者對違約事件比較厭惡，進(jìn)而違約率的提高難以使投機(jī)傾向上升。

表7 信用債市場情緒預(yù)測的投機(jī)傾向機(jī)制

4.信用債市場情緒預(yù)測的套利限制機(jī)制

賣空約束和非流動(dòng)性是債市套利限制的重要表現(xiàn)形式(朱紅兵和張兵，2020)?？紤]到債市的做空方式包括買斷式回購、債券借貸和國債期貨等三種類型，本文使用月度平均買斷式回購隔夜利率、月度平均債券借貸隔夜利率作為賣空約束的代理變量。當(dāng)買斷式回購成本和債券借貸成本超過對應(yīng)中位數(shù)時(shí)，分別定義為高買斷式回購成本組和高債券借貸成本組。另外，由于國債期貨的保證金變化較少，而監(jiān)管部門分別在2013年9月、2015年3月和2018年8月推出了TF、T和TS三類國債期貨工具，本文采用當(dāng)月可用的國債期貨工具數(shù)量作為賣空約束的代理變量。實(shí)證結(jié)果如表8列(1)～(3)所示，信用債市場情緒和高買斷式回購成本、高債券借貸成本的交互項(xiàng)系數(shù)顯著為負(fù)，與國債期貨工具數(shù)量的交互項(xiàng)系數(shù)顯著為正，表明賣空約束越強(qiáng)，情緒對回報(bào)率的預(yù)測作用越強(qiáng)。

表8 信用債市場情緒預(yù)測的套利限制機(jī)制

由于非流動(dòng)性是套利限制的另一重要組成部分，本文也采用非流動(dòng)性進(jìn)行交互分析。當(dāng)非流動(dòng)性超過樣本的中位數(shù)時(shí)，定義為高非流動(dòng)性組。實(shí)證結(jié)果如表8列(4)所示，信用債市場情緒與高非流動(dòng)性的交互項(xiàng)系數(shù)顯著為負(fù)，表明非流動(dòng)性強(qiáng)化了情緒對回報(bào)率的預(yù)測作用。在股票市場中，套利者在情緒低迷的情況下，會迅速購買股票并推動(dòng)價(jià)格回歸基本面價(jià)值，此時(shí)情緒并沒有預(yù)測作用(Stambaugh et al.，2012，Huang et al.，2015)。但在信用債市場中，由于流動(dòng)性較差，套利者在情緒低迷的情況下無法及時(shí)購買債券，因而導(dǎo)致情緒產(chǎn)生預(yù)測作用。

綜上所述，本文發(fā)現(xiàn)在市場投機(jī)傾向較高或套利限制較強(qiáng)的情形下，信用債市場情緒對市場回報(bào)率的預(yù)測作用更強(qiáng)，故投機(jī)傾向和套利限制皆是情緒的預(yù)測機(jī)制。同時(shí)，在投機(jī)傾向機(jī)制中，投資者對折現(xiàn)率的樂觀態(tài)度導(dǎo)致了投機(jī)傾向上升。

五、結(jié)論與啟示

本文采用2014年1月至2020年9月的月度數(shù)據(jù)，構(gòu)建信用債市場情緒指數(shù)，分析其對市場回報(bào)率的預(yù)測能力和預(yù)測機(jī)制，考察信用債市場回報(bào)率的可預(yù)測性。主要結(jié)論如下：(1)當(dāng)前較高的信用債市場情緒能顯著預(yù)測次月較低的市場回報(bào)率。情緒指數(shù)的預(yù)測能力超過了情緒代理變量，進(jìn)而情緒指數(shù)的信息提取較為有效。情緒指數(shù)的預(yù)測能力高于宏觀變量和市場變量等其他預(yù)測變量，即情緒指數(shù)提供了增量的預(yù)測信息。情緒指數(shù)預(yù)測能力的持續(xù)性較短，并僅能預(yù)測未來3個(gè)月內(nèi)的回報(bào)率。情緒模型比歷史均值模型更優(yōu)越，且情緒策略的累積回報(bào)率遠(yuǎn)高于購買并持有策略。(2)信用債市場情緒會驅(qū)動(dòng)投資者進(jìn)行交易，并吸引投資者購買風(fēng)險(xiǎn)高的基金和信息不對稱程度較高的債券組合。(3)投機(jī)傾向和套利限制是情緒指數(shù)預(yù)測回報(bào)率的機(jī)制。隨著投機(jī)傾向和套利限制的增加，情緒對回報(bào)率的預(yù)測作用會強(qiáng)化。投機(jī)傾向的上升源自投資者對折現(xiàn)率的樂觀態(tài)度，而非流動(dòng)性則是除賣空約束外的重要套利限制。

基于上述結(jié)論，本文有如下啟示：考慮到信用債市場是企業(yè)融資的重要渠道，而二級市場的價(jià)格會引導(dǎo)一級市場的融資成本，合理的定價(jià)不僅有利于優(yōu)化金融資源配置，還有助于推動(dòng)經(jīng)濟(jì)的高質(zhì)量發(fā)展。監(jiān)管部門應(yīng)審慎出臺政策，引導(dǎo)市場的預(yù)期和加強(qiáng)投資者教育，以避免投資者情緒波動(dòng)導(dǎo)致的信用債定價(jià)非理性。另外，投資者也可根據(jù)市場情緒構(gòu)建投資策略。 ■

注釋

1.用于構(gòu)建情緒指數(shù)的情緒代理變量都是時(shí)間序列數(shù)據(jù)，若原始數(shù)據(jù)屬于其他類型，則采用統(tǒng)計(jì)方法將其轉(zhuǎn)化為時(shí)間序列數(shù)據(jù)再進(jìn)行分析。

2.剩余期限少于1年的債券受短期流動(dòng)性的影響較大，交易量較少的債券容易受到異常交易的影響，包含該類樣本可能會引起回歸系數(shù)偏誤。

3.考慮到公司債有較好的代表性，且交易數(shù)據(jù)較容易獲得，此處參考李勇等(2022)采用公司債樣本。

4.本文主要研究超額回報(bào)率，即回報(bào)率扣除無風(fēng)險(xiǎn)利率。無風(fēng)險(xiǎn)利率采用銀行間市場的7天質(zhì)押回購利率。為方便行文，本文將超額回報(bào)率簡稱為回報(bào)率。若未特指，后文的回報(bào)率皆指未來一個(gè)月的超額回報(bào)率。

5.該指數(shù)剔除利息影響，從而更能反映信用債市場的真實(shí)行情。

6.中國信用債的評級集中于AAA、AA+和AA三個(gè)級別，且AA+是較多機(jī)構(gòu)投資信用債的門檻(張宗新和周聰，2022)。

7.為了避免對識別信用債市場情緒的預(yù)測能力產(chǎn)生干擾，本文僅在“賽馬”分析部分加入其他預(yù)測變量。

8.滯后期采用Newey and West(1994)的最優(yōu)滯后期標(biāo)準(zhǔn)進(jìn)行選擇，后續(xù)時(shí)間序列分析皆采用這一方法。

9.股市情緒對股市回報(bào)率的預(yù)測能力為0.03(蔣玉梅和王明照，2010)、0.042(劉維奇和劉新新，2014)和0.017(Huang et al.，2015)。

11.為保證穩(wěn)健性，本文也在控制已有情緒代理變量的基礎(chǔ)上，分析信用債市場情緒指數(shù)能否顯著影響市場回報(bào)率和提高擬合優(yōu)度，進(jìn)而考察情緒指數(shù)是否提供了情緒代理變量之外的增量預(yù)測信息。結(jié)果表明，當(dāng)加入全部控制變量時(shí)，情緒指數(shù)是市場回報(bào)率的顯著負(fù)向預(yù)測變量，且調(diào)整R2大于僅加入控制變量的結(jié)果。由此，情緒指數(shù)比情緒代理變量的信息含量更豐富，本文的研究結(jié)果較為穩(wěn)健。

12.為展示和行文方便，將表中的貸款余額、社會消費(fèi)品零售總額、固定資產(chǎn)投資和宏觀經(jīng)濟(jì)景氣先行指數(shù)簡稱為貸款、消費(fèi)、投資和景氣程度。

13.為保證穩(wěn)健性，本文也在控制所有其他預(yù)測變量的基礎(chǔ)上，分析信用債市場情緒指數(shù)能否顯著影響市場回報(bào)率和提高擬合優(yōu)度，進(jìn)而考察情緒指數(shù)是否提供了其他預(yù)測變量之外的增量預(yù)測信息。結(jié)果表明，當(dāng)加入全部控制變量時(shí)，信用債市場情緒指數(shù)是市場回報(bào)率的顯著負(fù)向預(yù)測變量，且調(diào)整R2大于僅加入控制變量的結(jié)果。由此，情緒指數(shù)提供了其他預(yù)測變量之外的增量預(yù)測信息，本文的研究結(jié)果較為穩(wěn)健。

14.情緒代理變量中除了具備投資者情緒的信息，還包括其他與回報(bào)率無關(guān)的誤差項(xiàng)，而基于PCA法構(gòu)建的指數(shù)并不能分離代理變量共同的誤差。為保證穩(wěn)健性，本文采用Huang et al.(2015)提出的PLS法，當(dāng)提取共同信息構(gòu)建情緒指數(shù)時(shí)，通過考慮情緒代理變量與回報(bào)率的關(guān)系剝離代理變量的共同誤差。結(jié)果表明，PLS構(gòu)建的情緒對次月市場回報(bào)率的預(yù)測能力僅略強(qiáng)于PCA方法。同時(shí)，PLS和PCA得出的預(yù)測持續(xù)性的結(jié)論比較一致。因此，本文基于PCA構(gòu)建的情緒指數(shù)較為穩(wěn)健。

15.Campbell and Thompson(2008)認(rèn)為月度市場回報(bào)率中存在較多不可預(yù)測的成分。若預(yù)測的超過0.005，則說明預(yù)測變量具有較高的經(jīng)濟(jì)顯著性。

16.Bai et al.(2019)發(fā)現(xiàn)信用風(fēng)險(xiǎn)、下側(cè)風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn)是重要的定價(jià)因子。但由于機(jī)構(gòu)一致性的避險(xiǎn)行為和配置行為，下側(cè)風(fēng)險(xiǎn)對中國信用債的定價(jià)作用與美國市場不一致(李勇等，2022)，故本文不采用下側(cè)風(fēng)險(xiǎn)刻畫信息不對稱。

17.考慮到評級AA-以下的信用債樣本較少，本文不考慮該類樣本。故關(guān)于信用評級的分組只有4組，分別對應(yīng)AAA、AA+、AA和AA-。

18.Zhang(2006)認(rèn)為股票年齡、市值、波動(dòng)率和分析師關(guān)注皆能反映信息不對稱?？紤]到股票波動(dòng)率是市場交易的結(jié)果，包含信息不對稱外的其他交易信息，而散戶的噪聲交易使股票波動(dòng)率難以被債市機(jī)構(gòu)投資者所應(yīng)用(周聰和張宗新，2021)。同時(shí)，股票分析師關(guān)注的數(shù)據(jù)過于聚集導(dǎo)致無法均勻地按分位數(shù)劃分樣本。因此，本文不采用股票波動(dòng)率和分析師關(guān)注刻畫信息不對稱。

19.利用信用利差對違約率進(jìn)行回歸，并提取殘差作為超額溢價(jià)。