滬深交易所市場信用債因子投資策略有效性探究

摘要：本文基于2012—2022年滬深交易所市場3497只信用債的相關數據，構造了剝離利率影響后的風險中性超額收益，從固定收益信用策略角度出發，利用債市五因子模型并結合因子投資組合的收益-風險評估結果，檢驗了滬深交易所市場因子投資策略的有效性。

關鍵詞：滬深交易所市場 信用債 風格因子 信用策略

引言

由于債券市場的風險因子和收益結構穩定，投資者和研究者可通過多因子模型挖掘長期有效的定價因子并尋找資產超額收益率的來源（李勇等，2022）。以往對我國信用債市場超額收益的定義多從債券市場整體水平的到期收益率與無風險利率軋差出發，該測度方法本質上是對債市信用利差指標的測度（劉桂梅和楊晨，2010；紀志宏和曹媛媛，2017）。對單只信用債而言，構造利率（久期）風險中性組合既能捕捉大量個債有價值的信息，又能分離利率影響而更專注債券信用策略中風格因子的選擇。

本文主要借鑒Brooks等（2018）債市因子組合構建方法，從固定收益市場信用策略角度出發，自主構造以個債為基礎的債券分析指標，解構滬深交易所信用債（包括公司債、企業債、金融債）市場風險中性超額收益，考察利差、防御性、價值、動量和非流動性因子對滬深交易所信用債市場風險中性超額收益的解釋力，并結合各風格因子構造理論投資組合，評估各因子的組合策略表現，以完善我國信用債基于因子模型的定價理論，并為債券量化因子投資提供參考。

本文核心內容包括：第一，在構造理論風險中性超額收益的基礎上，通過Fama-MacBeth（1973）回歸，檢驗5個因子對本文所構造的風險中性超額收益的影響及解釋力；第二，基于收益-風險角度，考察債券風格因子生成的不同多頭組合風險調整回報分布，確定各風格因子是否符合理論投資邏輯；第三，對理論債券因子組合即風格因子多空投資策略組合的歷史累計風險中性超額收益進行分析。

本文對2012—2022年滬深交易所信用債市場數據進行實證分析并發現，基于動量特征的因子投資策略在滬深交易所信用債市場中最具潛力；與Brooks等（2018）相比，利差因子和價值因子的投資邏輯并不一定有效，其表現出“逆經驗”的結果；票息效應明顯，票息特征可作為構造持有收益（Carry）因子組合的另一種選擇；自主構造的利率中性組合對久期風險形成免疫。

理論模型

本文基于Brooks等（2018）提出的債市四因子組合和Bao等（2011）提出的非流動性因子構造滬深交易所信用債市場的五因子模型，利用Fama-MacBeth（1973）回歸方法，研究五因子對債券市場收益的解釋力。

Ri，t=αi，t+β1，tCARRYi，t+β2，tDEFi，t+β3，tMOMi，t

+β4，tVALUEi，t+β5，tILLIQi，t+γ'i Zi+?i，t

在以上模型中，β1，t至β5，t分別為利差特征、防御性特征、動量特征、價值特征、非流動性特征的回歸系數。Zi為5×1矩陣，包含5個控制變量，分別為債券類別（公司債、企業債、金融債）、年付息次數、發行方式（私募、公募）、票息、發行時債項評級，γi為控制變量系數矩陣，維度為1×5（見表1）。

債券篩選、指標度量與組合構造

（一）債券篩選

1.信用債數據的篩選

本文在萬得（Wind）提取截至2022年9月16日所有滬深交易所市場未摘牌、已摘牌未到期和已到期的5019只不含權、非次級且無增發的固定利率公司債、企業債和金融債數據。其中，基本債券靜態數據包括證券代碼、Wind債券一級分類、發行人中文名稱、Wind行業一級和二級分類、票面利率、票息品種、債券期限、起息日、到期日、年付息次數、債項評級等，動態數據主要為債券收盤全價、凈價月度數據。因篇幅所限，具體債券相關數據處理原因與篩選細節此處省略。

Fama-MacBeth（1973）回歸所涉及的研究時間為2012年1月至2022年8月，風格投資組合表現統計時間為2012年8月至2022年8月，保留發行期限為2～30年的3497只普通附息式固定利率信用債。

2.國債數據篩選

為構造信用債久期中性超額收益，根據Wind數據，截至2022年9月20日，在滬深交易所市場未摘牌和已到期的1994只固定利率國債中，采用與信用債相似的方法進行債券靜態和動態數據的預處理與基礎指標構建。最終研究樣本覆蓋交易期為2012年7月至2022年8月發行期限為2～50年整數期限的債券624只。

同時，為估計個券信用利差，在Wind提取研究期內3個月到30年期（間隔3個月）的中債國債即期收益率曲線數據。

（二）基本分析指標構建

1.到期收益率

不含權附息式固定利率債券到期收益率計算公式如下（因篇幅所限，公式具體構建細節省略，下同）：

式中P為債券結算日收盤全價，C為票息金額，f為年付息頻次，n為剩余付息次數，M為面值。

2.久期

不含權附息式固定利率債券麥考利久期（MacD）計算公式如下：

年化修正久期（ModD）表示利率每變動1個單位債券價格變動百分比，公式如下：

3.信用利差

本文借鑒牛霖琳等（2021）考慮個券現金流的信用利差估計方法，將Z-spread作為不含權普通附息式固定利率債券的信用利差測度指標。其估計公式如下：

其中，z為信用利差Z-spread的估計值，國債即期收益率y（τ）是月度期限τ的函數（利用Nelson-Siegel三因子模型擬合），C、M、f、P、d、TS、n分別為票息、面值、年付息頻次、結算日債券收盤全價、結算日到下一付息日實際天數、付息周期實際天數、剩余付息次數。

4.非流動性因子

Bao等（2011）構建公司債流動性指標γ并發現該指標對高評級公司債信用利差月度變化具有顯著影響。本文參考其流動性因子構造方法，假設債項凈價對數化后數據生成過程由兩部分

組成：

log（Pt ）=pt =ft +μt

其中，第一部分ft為當市場無摩擦時的對數凈價（基本面價值），服從隨機游走；第二部分μt則為非流動性所產生的暫時影響，其與基本面價值不相關。

Bao等（2011）設定對數凈價收益率Δpt =pt -pt-1 一階自協方差相反數γ，刻畫債券“暫時價格狀態”影響因素——非流動性。本文債券對應流動性風險（以6個月為窗口期進行滾動估計）為：

γt=-cov（Δpt， Δpt+1）

5.持有期收益率

債券持有期收益率測度參考Gebhardt等（2005）月度收益計算方法，包含債券資本利得和當期收益率兩部分，公式如下：

其中，TRt、Pt和Ct分別為債券在t期的持有期總收益率、收盤全價和票息金額。

6.歷史波動率與累計收益率

本文估計t期債券總收益的波動率（volt）和債券累計收益率（cumRt）的公式如下：

7.久期中性超額收益

Haesen等（2012）將公司債超額收益分解為匹配公司債久期的國債超額收益和公司債與匹配公司債久期的國債之間的超額收益，本文則參考Haesen等（2012）的方法，估計信用債久期（利率風險）中性超額收益（以下簡稱“超額收益”）ERt的公式如下：

ERt=CTRt-GTRt

其中，CTRt為信用債總收益，GTRt為同信用債久期相等的國債組合（以下簡稱“等久期國債組合”）總收益（基于組合久期公式推導國債個券權重后估計的加權平均收益）。

（三）組合構建

本文從兩個角度分析風格組合。一方面，構造不同特征的分位數組合（除流動性風格外，其他風格分別構造5個組合），不同分位數組合回報為等權重平均值，以考察不同分位數上實際收益-風險表現；另一方面，構建多空策略風格組合，從歷史累計回報角度考察因子投資在滬深交易所信用債市場的有效性。

本文結合Brooks等（2018）對風格投資邏輯進行說明。

首先，Brooks等（2018）將利差風格作為持有收益（Carry）策略的構建基礎，指出其存在高收益率資產表現會優于低收益率資產表現的趨勢（在市場結構未發生變化的情況下），因此本文基于利差風格的多空投資策略即做多高信用利差組合，并做空低信用利差組合。

其次，防御性風格投資方面，存在低風險資產相對高風險資產具有更高風險調整收益的趨勢。因此，本文基于防御性風格的多空投資策略即做多低久期組合，并做空高久期組合。

再次，動量風格投資方面，存在高累計收益資產表現將會優于低累計收益資產表現的趨勢。因此，本文動量風格的多空投資策略即做多6個月累計收益最高的組合，并做空6個月累計收益最低的組合。

另外，價值風格投資方面，存在相對便宜的資產表現具有優于相對較貴資產的趨勢。本文價值風格的多空投資策略即做多高相對價值回歸殘差組合，并做空低相對價值回歸殘組合（見表1）。

最后，由于本文的非流動性因子是基于月頻對數凈價收益率自協方差構造的，無法通過特征排序構造5個多頭流動性風格組合，因此，本文基于一定的假設，利用中位數劃分流動性較差和流動性較好的兩個組合，進而構造多空組合。該假設為投資者僅面臨市場流動性風險中無法以公允價值立即在市場拋售債券的風險，流動性較差資產的表現存在差于流動性較好資產的表現的趨勢。

因子投資策略有效性檢驗

本文基于2012年1月至2022年8月滬深交易所的相關數據，從因子模型與風格組合表現描述統計兩個角度，檢驗滬深交易所信用債市場因子投資的有效性。

（一）信用債因子模型的實證結果

表2展示了基于Fama-MacBeth（1973）回歸方法得出的債市五因子模型估計結果。與Israel等（2018）的回歸結果相比，動量特征符號和顯著性完全一致，即動量特征對超額收益具有顯著正向影響。盡管本文將票息作為控制變量，仍可以看出其對超額收益存在顯著正向影響，這與李勇等（2022）高票息組合票息對超額收益影響為正的結論相似。由表2第（2）和（6）列可知，在其他條件不變的情況下，動量特征每增加1個單位，超額收益增加超過0.06個單位。另外，票息因子（Coupon）作為每組回歸控制變量，每增加1個單位，超額收益增加0～0.002個單位。

除了動量因子和票息因子外，利差特征和價值特征同樣對超額收益具有顯著解釋力，但符號為負，這與Israel等（2018）基于t+1期超額收益得出符號為正的結論并不一致。第（1）和第（6）列反映了債券價格與利差反向變化的基本事實。在第（5）和第（6）列中，價值因子對超額收益的影響顯著為負，即市場價值相對基本面價值較高的債券，更可能有較高的超額收益。

最后，防御性因子和非流動性因子對風險中性超額收益的解釋力很弱。本文防御性因子以修正久期特征為基礎，在第（3）和第（6）列中，因變量為風險中性超額收益，其本身已通過等久期國債組合對沖了久期風險，因此，防御性因子系數估計接受原假設，表明久期中性組合確實有效剔除了利率微小變動所帶來的影響。另外，第（4）和（6）列的非流動性因子對風險中性超額收益存在不顯著的負向影響。

（二）信用債因子投資風險與收益

本文從因子投資策略多頭組合的收益-風險描述性統計角度出發，進一步驗證滬深交易所信用債市場因子投資策略的有效性。圖1展示了2012年8月至2022年8月基于各種風格特征升序排序后，所構造的風格組合年化收益-風險統計數據和夏普比率分布情況。整體上看，基于各特征排序構造的組合表現與五因子模型回歸結果基本一致，基于防御性特征所構造的組合相對其他特征所構造的組合而言，風險調整收益變化幅度較小，呈現先下降后上升的態勢。另外，除動量因子與Brooks等（2018）所構造的風格組合特征結果一致外，利差特征、價值特征更體現出低利差、相對較貴的債券組合表現更好的趨勢。盡管流動性特征表現出超額收益差異并不大的特征，流動性較好的債券組合仍更具吸引力。

（三）信用債多空風格投資歷史表現

本文進一步參考股市因子投資基本策略——多空組合策略，分析滬深交易所信用債市場各風格因子是否存在理論上應有的投資效果。圖2描述了其多空風格組合的歷史累計收益，其中，動量特征多空投資組合的歷史累計超額收益顯著高于其他因子投資策略，其歷史平均每1%的年化風險水平可獲得4.95%的年化超額收益；防御性因子投資組合歷史平均每1%的年化風險水平僅獲得0.33%的年化超額收益；其他3個特征的投資組合累計超額回報整體為負值。理論上，基于后3個特征反向構建多空組合，可能會有更好的表現，但其結果并不一定優于動量組合策略。

結論

本文利用2012—2022年Wind分類的滬深交易所市場3497只附息式固定利率信用債動態與靜態數據，在構造與信用債等久期國債組合的基礎上，測度單只信用債月度風險中性超額收益，并從債市因子回歸模型與特征組合的收益-風險描述性統計兩個方面，檢驗基于利差因子、動量因子、價值因子、防御性因子和非流動性因子的投資策略在滬深交易所信用債市場中的有效性。

本文的主要研究結論包括：

第一，在滬深交易所信用債市場中，從回歸結果與動量特征多空投資組合表現來看，基于動量特征的投資更可能具有明顯的有效性，這與過往研究結論相一致。此外，在滬深交易所市場中，信用債存在較強的票息效應。

第二，本文簡化防御性特征篩選條件，僅基于修正久期進行防御性因子組合構建。在回歸結果中，該因子并不具備對久期中性超額收益的顯著解釋力，說明本文中等久期國債組合的構建是有效的。另外，基于防御性特征所構建的組合存在風險相對較低、組合表現更好的趨勢，不過其歷史累計超額回報遠低于動量因子。

第三，利差因子、價值因子并未體現出利差相對較高、價格相對便宜的債券組合表現可能更好的情況。相反，本文認為滬深交易所信用債市場體現出信用利差越低、價格越高的債券組合表現越好的趨勢。因此，與Brooks等（2018）描述利差因子和價值因子的文獻結果相比，在滬深交易所信用債市場進行反向投資可能更具有效性，但回報不及動量因子組合策略。（本文獲“第二屆中債估值杯——固收量化專題”征文二等獎）

參考文獻

[1]紀志宏，曹媛媛. 信用風險溢價還是市場流動性溢價：基于中國信用債定價的實證研究[J]. 金融研究，2017（2）.

[2]李勇，張銘志，張鈺. 中國公司債超額收益的影響因素研究——基于多因子模型的實證分析[J]. 經濟學（季刊），2022，22（3）.

[3]劉桂梅，楊晨. 金融危機下Fama-French多因子模型在中國債券市場的應用[J]. 浙江大學學報（理學版），2010，37（4）.

[4]牛霖琳，夏紅玉，許秀. 中國地方債務的省級風險度量和網絡外溢風險[J]. 經濟學（季刊），2021，21（3）.

[5] Bai J， Bali T G， Wen Q. Common risk factors in the cross-section of corporate bond returns[J]. Journal of Financial Economics， 2019， 131（3）.

[6] Bao J， Pan J， Wang J. The illiquidity of corporate bonds[J]. The Journal of Finance， 2011， 66（3）.

[7] Brooks J， Palhares D， Richardson S. Style investing in fixed income[J]. The Journal of Portfolio Management， 2018， 44（4）.

[8] Fama E F， MacBeth J D. Risk， return， and equilibrium： Empirical tests[J]. Journal of political economy， 1973， 81（3）.

[9] Gebhardt W R， Hvidkjaer S， Swaminathan B. The cross-section of expected corporate bond returns： Betas or characteristics？[J]. Journal of financial economics， 2005， 75（1）.

[10] Haesen D， Houweling P. On the nature and predictability of corporate bond returns[EB/OL]. （2012-05-16）[2022-09-24]. https：//papers.ssrn.com/sol3/papers.cfm？abstract_id=1914680.

[11] Israel R， Palhares D， Richardson S A. Common factors in corporate bond returns[J]. Journal of Investment Management， 2018， 16（2）.