后疫情時(shí)代，債券投資的思考

摘 要：近幾年，在銀行間債券市場(chǎng)中，包商銀行事件，天齊鋰業(yè)、清華紫光、永煤違約主體不斷爆出，債券違約事件頻發(fā)和金融機(jī)構(gòu)負(fù)面輿情增多背景下，國(guó)債以收益性、安全性和流動(dòng)性受到越來(lái)越多的投資者選擇。本文基于ARMA模型對(duì)國(guó)債收益率進(jìn)行預(yù)測(cè)，幫助投資者依據(jù)預(yù)測(cè)結(jié)果制定、調(diào)整相應(yīng)的國(guó)債交易策略，不斷提高規(guī)避債券風(fēng)險(xiǎn)能力和提高債券收益率。

關(guān)鍵字： ARMA模型;國(guó)債;收益曲線(xiàn)

本文索引：蘇蓉.<變量 2>[J].中國(guó)商論，2021（23）：-086.

中圖分類(lèi)號(hào)：F812.5 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-0298（2021）12（a）--04

近幾年，在銀行間債券市場(chǎng)中，包商銀行事件，天齊鋰業(yè)、清華紫光、永煤等違約主體不斷爆出，債券違約事件頻發(fā)和金融機(jī)構(gòu)負(fù)面輿情增多背景下，國(guó)債以收益性、安全性和流動(dòng)性受到越來(lái)越多的投資者選擇。收益率變動(dòng)是所有投資者時(shí)刻關(guān)注的重要交易信息，收益率曲線(xiàn)是一段時(shí)間內(nèi)收益率變動(dòng)的可視化展示，具有一定的趨勢(shì)性，是投資決策的重要依據(jù)。只要獲取未來(lái)某一時(shí)段某一期限的收益曲線(xiàn)，則各交易期限所對(duì)應(yīng)的收益率就可以獲取，并且整體的國(guó)債收益率走勢(shì)一目了然。投資者可以運(yùn)用國(guó)債收益率曲線(xiàn)，判斷未來(lái)一段時(shí)間內(nèi)國(guó)債收益率走勢(shì)，預(yù)先制定相應(yīng)的債券交易策略，配置持倉(cāng)國(guó)債結(jié)構(gòu)，減少因國(guó)債交易的不確定性而造成的損失，避免交易風(fēng)險(xiǎn)，增加債券操作空間，進(jìn)一步提高債券收益。

后疫情時(shí)代，2021年以來(lái)，國(guó)內(nèi)經(jīng)濟(jì)持續(xù)向好，穩(wěn)步復(fù)蘇，但海外疫情依然嚴(yán)峻，國(guó)內(nèi)局部疫情偶發(fā)，對(duì)經(jīng)濟(jì)恢復(fù)造成干擾，疊加美元流動(dòng)性泛濫推升大宗商品價(jià)格大幅走高，市場(chǎng)通脹預(yù)期升溫，對(duì)貨幣政策的進(jìn)一步寬松形成掣肘。央行強(qiáng)調(diào)保持貨幣政策的連續(xù)性、穩(wěn)定性和可持續(xù)性，保持對(duì)經(jīng)濟(jì)必要的支持力度，在合理充裕的流動(dòng)性貨幣政策環(huán)境下，如何全面準(zhǔn)確預(yù)測(cè)收益率曲線(xiàn)一直是投資者研究的熱門(mén)話(huà)題。本文基于ARMA模型對(duì)國(guó)債收益率進(jìn)行預(yù)測(cè)，幫助投資者依據(jù)預(yù)測(cè)結(jié)果制定、調(diào)整相應(yīng)的國(guó)債交易策略，不斷提高規(guī)避債券風(fēng)險(xiǎn)能力和提高債券收益率。

1 數(shù)據(jù)及模型介紹

1.1 ARMA模型

ARMA （p，q）模型，即自回歸移動(dòng)平均模型，是研究時(shí)間序列模型的重要方法，利用歷史數(shù)據(jù)預(yù)測(cè)未來(lái)一段時(shí)間的走勢(shì)，將自回歸模型（簡(jiǎn)稱(chēng)AR模型）與移動(dòng)平均模型（簡(jiǎn)稱(chēng)MA模型）為基礎(chǔ)，“混合”結(jié)合在一起的時(shí)間序列模型。

一般ARMA（p，q）模型可以表示為：

其中，?t是白噪聲序列，p和q是非負(fù)整數(shù)，AR和MA模型是ARMA模型的特殊情況，當(dāng)p=0時(shí)，ARMA模型為MA（q），當(dāng)q=0時(shí)，ARMA模型為AR（p）。

1.2 數(shù)據(jù)來(lái)源

目前，國(guó)內(nèi)債券市場(chǎng)主要由銀行間市場(chǎng)、交易所市場(chǎng)和商業(yè)銀行柜臺(tái)市場(chǎng)構(gòu)成。其中，銀行間債券市場(chǎng)具有債券交易量大、參與交易機(jī)構(gòu)多、國(guó)債品種豐富、交易活躍程度高、債券期限分布密集等優(yōu)點(diǎn)。10年期國(guó)債收益率是國(guó)家信用擔(dān)保的長(zhǎng)期債券，通常被作為無(wú)風(fēng)險(xiǎn)收益率，是股票市場(chǎng)，包括期貨市場(chǎng)、房地產(chǎn)市場(chǎng)的資產(chǎn)價(jià)格均取決于10年期國(guó)債收益率。在國(guó)內(nèi)債券市場(chǎng)中，10年期國(guó)債收益率是人民幣資產(chǎn)定價(jià)的基礎(chǔ)，債券活躍度較高。因此，本文使用銀行間債券市場(chǎng)中1年期國(guó)債到期收益和10年期國(guó)債到期收益數(shù)據(jù)為研究對(duì)象，選取2021年1月1日—2021年8月31日共計(jì)166數(shù)據(jù)作為訓(xùn)練集， 對(duì)國(guó)債收益率曲線(xiàn)進(jìn)行估計(jì)，用來(lái)進(jìn)行國(guó)債收益率曲線(xiàn)的預(yù)測(cè)。

2 實(shí)證分析及預(yù)測(cè)

2.1 原始數(shù)據(jù)處理

2021年1月1日—2021年8月31日，1年期和10年期國(guó)債收益率數(shù)據(jù)走勢(shì)如圖1所示。

從圖1可以看出，1年期國(guó)債收益率曲線(xiàn)在2021年1—2月，國(guó)債收益率曲線(xiàn)波動(dòng)較大，3—6月波動(dòng)較緩，7月收益率曲線(xiàn)快速下滑至2021年最低點(diǎn)2.07%。10年期國(guó)債收益率曲線(xiàn)在2月震蕩上行至3.22%后，至8月末，除6月中旬小幅震蕩外，總體處于下行階段，8月2日收益率至全年收益率最低點(diǎn)2.82%。

整體來(lái)看，1年期和10年期國(guó)債交易日數(shù)據(jù)曲線(xiàn)波動(dòng)存在一定的關(guān)聯(lián)性，整體曲線(xiàn)走勢(shì)大致相同，1年期國(guó)債收益率曲線(xiàn)震動(dòng)波幅明顯，反應(yīng)更加靈敏，10年期國(guó)債收益率曲線(xiàn)走勢(shì)相對(duì)平緩。2021年，國(guó)債收益率曲線(xiàn)在2月底3月初小幅震蕩上行，但總體收益率曲線(xiàn)呈下行趨勢(shì)。

本文運(yùn)用SPSS軟件，建立ARMA 模型進(jìn)行分析。從圖2可以看出，1、10年期國(guó)債收益率序列的自相關(guān)圖（ACF）和偏自相關(guān)圖（PACF）自相關(guān)衰減緩慢，都是拖尾的，說(shuō)明序列是非平穩(wěn)的。ARMA模型需要平穩(wěn)序列數(shù)據(jù)，對(duì)1、10年期國(guó)債數(shù)據(jù)進(jìn)行一階差分，觀察序列是否平穩(wěn)。

2.2 模型構(gòu)建

2.2.1 1年期國(guó)債收益模型

從圖3可以看出，1年期國(guó)債收益率自相關(guān)和偏自相關(guān)一階不在置信區(qū)間內(nèi)，從二階開(kāi)始全部落入置信區(qū)間內(nèi)，故1年期國(guó)債收益率ARMA 模型可以考慮p，q取值，p∈[1，2]，q∈[1]。

1年期國(guó)債ARMA（1，1，1）和ARMA（2，1，1）模型R2均為0.994，調(diào)整R2均為0.83;ARMA（1，1，1）系數(shù)顯著性和t值均優(yōu)于ARMA（2，1，1）。

從圖4可以看出，ARMA（1，1，1）殘差序列樣本自相關(guān)系數(shù)都落入隨機(jī)區(qū)間內(nèi)，因此，該模型能夠有效擬合序列的走勢(shì)。

模型表達(dá)式為：

2.2.2 10年期國(guó)債收益模型

從圖5可以看出，10年期國(guó)債收益率自相關(guān)系數(shù)和偏自相關(guān)系數(shù)一階全部落入置信區(qū)間內(nèi)，因此選取了ARMA（1，1，1）。

10年期國(guó)債ARMA（1，1，1）模型R2均為0.983，調(diào)整R2均為0.983。從圖6可以看出，ARMA（1，1，1）殘差序列樣本自相關(guān)系數(shù)都落入隨機(jī)區(qū)間內(nèi)，建立的模型隨機(jī)誤差項(xiàng)是一個(gè)白噪聲序列，因此該模型能夠有效擬合序列的走勢(shì)。

圖4 1年期國(guó)債殘差序列圖

模型表達(dá)式為：

3 結(jié)語(yǔ)

本文基于國(guó)債收益率曲線(xiàn)的估計(jì)與預(yù)測(cè)，由于債券的收益率曲線(xiàn)受風(fēng)險(xiǎn)評(píng)估、債券供求關(guān)系、債券相對(duì)收益、通脹預(yù)期、短期長(zhǎng)期利率與通脹預(yù)期、債市現(xiàn)金流與利率時(shí)機(jī)、貨幣政策、財(cái)政政策等因素影響，依據(jù)不同的到期國(guó)債收益率曲線(xiàn)預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)收益率曲線(xiàn)為投資者提供一定的數(shù)據(jù)參考，以達(dá)到獲取超額利潤(rùn)的目標(biāo)。

圖6 10年期一階差分國(guó)債收益率殘差圖

一是本文構(gòu)建ARMA模型，通過(guò)對(duì)2021年1—8月國(guó)債收益率曲線(xiàn)參數(shù)估計(jì)，預(yù)測(cè)9月部分國(guó)債收益率曲線(xiàn)走勢(shì)和收益率，1、10年期國(guó)債收益率曲線(xiàn)在一階差分全部落入?yún)^(qū)間內(nèi)，且擬合程度較好。

二是后疫情時(shí)代，從國(guó)債收益率曲線(xiàn)波動(dòng)來(lái)看，短期國(guó)債收益率曲線(xiàn)波動(dòng)幅度高于長(zhǎng)期，在ARMA模型中，參數(shù)估計(jì)曲線(xiàn)預(yù)測(cè)效果與實(shí)際相差較大，且不理想。

三是在后疫情時(shí)代，收益率曲線(xiàn)是投資決策的重要依據(jù)，傳統(tǒng)國(guó)債分析方法主要依靠麥考利久期和凸度進(jìn)行債券投資組合分析，但必須要求收益率曲線(xiàn)平行移動(dòng)，對(duì)非平行移動(dòng)的債券分析不適用。

四是在制定國(guó)債交易策略方面，本文利用ARMA模型預(yù)測(cè)國(guó)債收益率曲線(xiàn)，根據(jù)“低買(mǎi)高賣(mài)”選取交易策略，不斷改進(jìn)交易標(biāo)的，實(shí)現(xiàn)超額收益。

參考文獻(xiàn)

王志強(qiáng)，康書(shū)隆.Nelson-Siegel久期配比免疫模型的改進(jìn)與完善[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2010（12）：133-147.

陳蔚，馬駿馳，趙耀文.我國(guó)國(guó)債收益率曲線(xiàn)的實(shí)證研究[J].經(jīng)濟(jì)與管理評(píng)論，2011（3）：118-123.

周子康，王寧，楊衡.中國(guó)國(guó)債利率期限結(jié)構(gòu)模型研究與實(shí)證分析[J].金融研究，2008（3）：131-150.

胡澤俊，馬偉力.我國(guó)國(guó)債收益率曲線(xiàn)構(gòu)造實(shí)證研究[J].統(tǒng)計(jì)與決策，2013（10）：170-172.

Reflection on Bond Investment in the Post-pandemic Era

—— Based on Analysis of ARMA

Rural Credit Cooperatives in Gansu ?SU Rong

Abstract： In recent years， in the inter-bank bond market， incidents of the Baoshang Bank Limited， private enterprises such as Tianqi Lithium， Tsinghua Unigroup and other state-owned enterprises such as Yongmei， have continuously appeared one by one because of their noncompliance， with frequent occurrence of bond default incidents and increase of negative public opinion from financial institutions. Government bonds are more and more chosen by investors for their profitability， safety and liquidity. This article is based on the ARMA model to predict the yield of government bonds， to help investors formulate and adjust corresponding trading strategies of government bonds based on the forecasting results， and continuously improve the ability to avoid bond risks and increase bond yields.

Keywords： ARMA model; government bonds; yield curve