基于直接预测债券风险溢价的积极投资策略研究

《基于直接预测债券风险溢价的积极投资策略研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

万方数据目录摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．2Abstract．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3第l章引言⋯⋯．．．⋯⋯⋯⋯．⋯⋯⋯⋯⋯．⋯．⋯．．⋯⋯．⋯41．1研究背景介绍⋯．．⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．41．2研究目的及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．61．3研究创新及本文结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．7第2章国内外研究成果综述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．92．1国外关于债券收益预测的文献综述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．92．2国内关于债券收益预测的文献综述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯112．3国内外关于投资策略研究的文献综述⋯⋯⋯⋯⋯⋯⋯⋯⋯．15第3章理论基础和研究方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯183．1债券投资的基础知识⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯183．2预测未来债券超额收益的理论模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯213．3构建积极投资策略的方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．23第4章实证研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．264．1样本的选择和处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．264．2模型拟合和回归分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯304．3基于远期利率预测结果构建积极投资策略的实证分析⋯⋯⋯⋯．．354．4与传统主成分因子模型预测结果及构建策略对比分析⋯⋯⋯⋯．．394．4．1与传统主成分因子模型预测结果对比分析⋯⋯⋯⋯⋯⋯394．4．2与传统主成分因子模型构建策略对比分析⋯⋯⋯⋯⋯⋯42第5章结论和建议⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．46参考文献⋯⋯⋯⋯⋯⋯⋯⋯．．⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．．48致谢⋯．⋯．⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．⋯．．52 万方数据摘要伴随着我国债券市场的发展壮大和利率市场化改革的不断推进，市场对于预测债券未来风险溢价提出了越来越高的要求。本文采用国外成熟的远期利率模型来预测债券未来的超额收益，并在预测结果的基础上构建积极的债券投资策略，最后将远期利率模型的预测能力和投资效果与传统的收益率曲线主成分因子模型进行对比分析，取得了较好的实证结果。首先，本文在梳理国内外相关文献的基础上，提出将国外成熟的远期利率模型应用于我国银行问国债市场。本文采用国内最新的债券市场数据进行拟合回归，发现在中国国债市场上远期利率对于债券超额收益确实具有显著的预测能力，而且这种预测能力随着债券到期时间的增加而增强。其次，本文将远期利率模型的预测结果用于构建债券积极投资策略，以此来验证预测结果是否具有实践价值。我们的实证结果显示，无论采用雷曼权重法还是两翼组合法，无论预测跨度为1周还是4周，本文模型构造的投资组合都具有显著的投资收益。最后，本文比较了远期利率模型和主成分因子模型的预测能力和投资效果。从模型的预测能力来看，无论在1周预测跨度条件下还是在4周预测跨度条件下，本文提出的远期利率模型所具有的预测能力要普遍高于传统的主成分因子模型。从模型构造策略的投资效果来看，在1周预测跨度下，远期利率模型预测结果构建的投资组合在投资业绩和投资成本方面均优于基于收益率曲线主成分因子预测结果构建的投资组合。在4周预测跨度下，两种模型在投资业绩和投资成本方面各有优势。关键词：债券j风险溢价；远期利率模型；积极投资策略中图分类号：F830．91 万方数据AbstractAlongwiththedevelopmentofthebondmarketandadvancementofinterestrateliberalizationref-on：Ilinourcountry,demandsforpredictingbondriskpremmmmthefuturearegrowinghigherandhigheLThisarticleusestheforeignmatureforwardratemodeltopredictexcessreturnofbondsinthefuture，andthentobuildpositivebondinvestmentstrategyonthebasisofthepredictionresults．Finally,theauthorcomparethepredictionabilityandtheinvestmenteffectofforwardratemodelwiththoseofthetraditionalprincipalcomponentfactorofyieldcurvemodel，andgoodemplrlcalresultshavebeenachieved．FirStofa11．onthebasisofcombingrelatedliteratureathomeandabroad，thispaperputsforwardtheapplicationoftheforwardratemodeltotheinter-bankbondmatketinourcountry．Inthispaper,weusethelatestdomesticbondmarketdatatomakere野essions，andfindthatforwardrateshavesignificantpredictiveabilityforbondeXcessret啪sintheChineseTreasurybondmarket，andtheabilitylncreaseswiththematuritvofbondsextending．Secondly,thisarticleappliesresultspredictedbvf．on)l，ardratemodeltoconstructtheactivebondinvestmentstrategyinordertOv嘶fywhethertheresultshavepracticalvalue．OurempiricalresultsshowthatwhetherusingLelllnannWeightingMethodorWingPortfolioMethod，whetherforecasthorizonof1weekor4weeks，theportfolioconstructedbasedontheresultSoffonⅣardratemodelhasasignificantinvestmentreturn．Finally,thispapercomparesthepredictionabilityandtheinvestmentperformanceofforwardratemodelwiththoseoftheprincipalcomponentNcmrmodel．FromtheperspectiveofthepredictlVepowerofmodels，whetllerforecasthorizonof1weekor4weeks，theforwardratemodelhasgreaterpredictivepowerthanthetraditionalprincipalcomponentfactormodel．FromtheperspectiveoftheinvestmentperformanceandinvestmentcostotmodeIs．under1weekforecasthorizon，theforwardratemodelaremuchbetterthanthep血cipalcomponentfactormodel．Under4weeksforecasthorizon，eachmodelhasitsstrongpoint．KeyWords：Bond；Riskpremium；Forwardratemodel；ActiveinVes锰nentstrategYCLC：F830．913 万方数据1．1研究背景介绍第1章引言按照教科书上的定义，债券是指一种按照事先约定的利率以及借款期限承诺到期还本付息的有价证券。我国的国债发行历史并不长，在新中国成立以后可以分为三个阶段：第一阶段是1950年至1953年，这～阶段的债券发行是为了配合解放初期的三大革命运动；第二阶段是1954年至1958年，这个阶段发行债券的目的是为了配合社会主义经济建设；第三阶段是1981年以后至今，在这一阶段，伴随着改革开放的推进，我国政府开始利用发债筹措经济建设资金，同时包括金融机构、企业在内资金需求主体也开始不断加入到发债的行列当中。在此后发展过程中，债券发行规模越来越大，债券品种越来越丰富，债券市场参与主体越来越多样化。发展到今天，我国债券市场己经成为一个集国债、央票、金融债、公司债等品种为一体的多元化投融资市场，参与主体扩展到央行、银行、基金、券商、保险、企业等政府部门和法人机构。截止2013年底，我国债券市场总体债券存量已经达到7236只，债券托管余额为29．9万亿元人民币。在我国债券市场上，国债和金融债托管余额占比最大，分别为29．06％和34．36％。我国债券市场为政府、金融机构和企业的资金融通做出了巨大的贡献，已经成为我国经济建设过程中一支不可或缺的力量。图表1．1截止2013年底我国债券存量余额结构图我国债券市场分为场内交易市场和场外交易市场。场内交易市场又称为证券交易所市场，它一般具有固定的交易场所和交易时间，交易形式规范化，交易监 万方数据管严格化。我国上海证券交易所和深圳证券交易所是我国债券交易的重要场内市场。场外交易市场又称为柜台交易市场，这种交易市场没有固定的交易场所，交易数量和交易金额都比较灵活，所受管制比场内交易市场少。我国银行问债券市场是我国债券交易的最重要的场外交易市场。按照金额来看，我国债券交易绝大部分在银行间市场进行，截止2013年底，我国银行间市场的债券托管余额占所有债券托管余额的93．7％。图表1．2截止2013年底我国债券余额在各市场的托管量谈及债券投融资，与之相关最重要的要素就是利率。利率是指一定借贷期限内持有债券所获得的收益与本金的比值。利率是债券市场乃至国家经济体系中一个非常重要的指标，利率的高低标志着资金借入者的融资成本和资金拆出者的投资收益，标志着整个社会经济运行资金成本的高低，较低的利率水平对刺激经济增长有重大作用。按照市场经济的内在逻辑，利率的高低应该由资金供需面决定。在市场经济高度发达的西方资本主义国家，其利率水平一般是由市场决定的，政府影响利率往往是在公开市场上通过增加或者减少货币的供给来实现的。但是在中国等发展中国家，利率水平受政府操控严重，其大小并不是由市场资金的供需决定的。僵化的利率体系会带来一系列严重后果，利率水平的高低不能完全反映市场资金面的宽松程度从而带来市场信息的失真，更为严重的是利率的管制会大大降低资金的使用效率，致使社会资源严重错配。为了加强利率的市场导向作用，我国从1996年实质上开启了利率市场化的进程。1996年，我国放开了银行间同业拆借利率；1997年，中国人民银行宣布放开银行间债券回购和现券交易利率；1998年，央行放开了贴现利率并扩大了贷款利率的浮动范围；2004年，我国贷款利率上限放开、下限管制，同时放开 万方数据存款利率下限：2013年，我国全面放开了贷款利率。中国的利率体系改革发展到今天已经相当程度上实现了市场化，下一步将是利率市场化过程中最为关键的也是最重要的一步一一全面放开存款利率。尽管利率市场化有助于提高经济运行的效率，但是伴随着我国利率市场化的推进，我国的利率波动日趋频繁。2013年6月，我国上海银行间市场隔夜拆借利率出现大幅飙升，一度达到13．83％的高点，到了同年7月份又降至3％左右的正常水平，而到了年底的时候隔夜拆借利率又回升到了5％的高点。利率水平的剧烈波动给各类金融机构带来了极大的困扰和危机，金融机构急需加强对利率的监测和预测能力。对于银行等金融机构而言，其常年维持着大量债券头寸。为了提高债券投资的收益率，银行等金融机构也需要加强对债券积极投资策略的研究。％．誊j◇≯≯爹誊j≯≯≯梦梦梦--20107譬2011年一．i一。2012年一2013LT：图表1．3近四年来Shibor隔夜利率走势1．2研究目的及意义首先，本文拟借用国外发展较为成熟的模型，使用一系列中国银行间国债远期利率拟合未来银行间国债的超额收益，验证远期利率是否拥有对未来国债超额收益的预测能力。其次，利用远期利率的预测结果，我们拟采用某些投资策略构建积极的投资组合，并验证投资组合是否具有显著的收益特征。最后，我们将本文提出的预测方法构建的投资组合业绩与采用传统预测方法构建的投资组合的业绩进行对比，验证远期利率模型相比传统模型是否表现出更好的投资业绩，以此为国内机构投资者进行债券投资提供参考。本文的研究工作具有较强的理论意义和实践意义。在理论研究中，有不少学者做过债券超额收益预测以及构建积极投资策略方642O8642l1 万方数据面的研究。国外的学者特别是欧美发达国家的学者在对本国债券市场投资策略进行研究时拥有完善的市场和完备的数据，他们往往走在学术研究的前沿。我国债券市场由于市场化程度不高，债券数据不够丰富，许多较长周期的研究都难以进行。目前国内对于债券积极投资策略研究主要集中在通过收益率曲线的拟合及预测来构建投资组合方面，而通过直接预测债券风险溢价并构建债券积极投资策略的研究较少。另一方面，由于数据的缺乏，国内学者在进行债券研究时往往选择交易所市场的数据。但是通过前面的背景介绍我们知道，银行间市场才是中国债券交易的主要市场，基于交易所市场数据的研究结果缺乏可靠性和可信度。我们的研究在理论上将补充国内的研究多偏重收益率曲线的研究而忽略直接预测债券风险溢价研究的短板，开创性地引进国外的成熟模型，在国内银行间债券市场上验证国外模型的可行性和实证效果。另一方面，近几年我国债券市场发展十分迅速，2013年底我国债券市场债券托管总量达到近30万亿元人民币，比十年前增长了六倍之多。同时，我国的利率市场化程度逐年提高，利率市场有效性逐步体现。在此情况下，依托中国银行间债券市场近两年的最新数据，使用远期数据来预测未来债券的超额收益在理论上有了可行性。本文的研究不仅在理论上具有开创性，我们的研究工作在实践中也能够为机构投资者带来实际的利益。在背景介绍部分我们己经谈到，随着我国利率市场化的不断推进，我国债券市场上的机构投资者对于利率的预测具有十分迫切的需求。目前，在债券市场上的投资者以银行、基金、保险等机构投资者为主，他们配置国债的主要目的是为了在承受较低的风险前提下获取尽可能高的收益。在国外债券市场的投资实践中，机构投资者通过对收益率曲线和债券超额收益的预测，采取恰当的积极投资策略，长期获取稳定的超额收益已经屡见不鲜。国内机构投资者也有开始通过研判收益率曲线的变动并预测未来收益率曲线变动从而获得稳定投资收益的例子。但是，在利用远期利率预测未来债券超额收益方面，我国机构投资者在实践中运用得不多。相比于股票市场，我国债券市场规模仍然不算庞大，利率的传导机制也不够通畅，在我国进行利率的预测比起发达国家更加困难。笔者希望通过本文的分析讨论，我国机构投资者能够认识并重视直接预测债券风险溢价并构建积极投资策略这种方法，如果本文介绍的方法能够为他们带来一丝启发甚至指导他们获取超额收益，那本文的写作目的就已经达到了。1．3研究创新及本文结构本文借鉴Kessler和ScheI’er(2009)的文献中的方法，将Cochrane和Piazzesi(2005)构建的分析框架拓展到中国市场，采用我国银行间国债市场 万方数据2012年1月1日到2013年12月31日两年间的数据，分别以l周和4周为预测的时间跨度，使用一系列远期利率预测滞后一期的国债的超额收益，验证远期利率对国债的超额收益是否具有预测能力。如果这种预测结果是显著的，我们依据预测结果来构建积极投资策略，并且将投资策略的业绩与传统的预测模型构建投资策略的业绩作对比分析。本文创新之处体现在如下几个方面：第一，本文基于直接预测债券风险溢价的研究模式开创了国内利用远期利率直接预测债券超额收益的先河。在本文之前，国内的研究重点聚焦在收益率曲线的拟合及预测方面，很少有学者采用直接预测的方法来拟合国债超额收益。本文借鉴国外的成熟模型，将这一方法开创性地应用到国内债券预测领域。第二，本文不仅对远期利率模型的预测能力进行了实证研究，而且将这种预测能力用来构建具有实践意义的积极投资策略，并与传统的积极投资策略对比分析，具有较强的现实指导意义。第三，本文采用我国银行间国债市场2012年1月1日到2013年12月31日两年间的数据，在数据的时效性和丰富性上优于传统的研究，同时采用银行间市场数据比交易所市场数据更能够反映我国债券市场的实际情况。本文后面部分的章节将围绕着构建积极的债券投资策略逐步展开。第2章我们将介绍国内外关于债券超额收益预测以及债券积极投资策略的研究成果。第3章我们将梳理本文运用到的预测模型和投资策略的理论知识。第4章我们将运用中国银行间的数据拟合远期利率预测模型，构建积极的债券投资策略，分析实证结果并与传统的预测模型构建投资策略的业绩进行对比。第5章我们将对全文进行总结，并为国内债券投资给出些许建议。 万方数据第2章国内外研究成果综述2．1国外关于债券收益预测的文献综述在债券投资领域，对未来债券收益的预测是否准确影响着投资策略构建的成败。在英美等金融业发达国家，学者们对预测债券未来收益的研究比较早，早在上世纪七八十年代，业界就结合对利率未来走势的预测进行债券积极投资管理。预测债券未来收益主要有两种方法：间接预测法和直接预测法。间接预测法首先需要拟合收益率曲线，再通过某种方法预测未来时刻的收益率曲线，然后将债券的未来现金流折现到那一时刻，以此来预测那一时刻的债券价格，从而得到债券的未来收益率。这种方法的核心问题被归结为利率期限结构的拟合和预测。有多种方法可以进行利率期限结构的拟合，例如靴襻法(b00tstrappingmethod)、三次多项式样条法、即期利率函数法，其中特别值得一提的是即期利率函数法。大多数即期利率函数法使用的利率函数都是由利率期限结构的动态模型推导得来的，例如Nelson和Siegel(NS)及其拓展模型、Cox，IngersollandRoss(CIR)模型和LongstaffandSchwarts模型等，其中Nelson和Siegel(NS)及其拓展模型由于参数的经济含义明确、曲线平滑性好等原因，成为很多机构和学者的首选模型。Dolan(1999)利用Nelson和Siegel模型构建的收益率曲线来预测远期收益率曲线的曲率，作者发现在多个全球固定收益市场上这些曲率存在均值回归现象，研究显示Nelson—Siegel模型中的曲度因子与即期曲率存在显著相关‘t#-。AngandPiazzesi(2003)使用向量自回归模型描述了债券收益率曲线与宏观经济变量之间的联动作用。作者使用包含通胀率、经济增长率因子以及潜变量的期限结构模型，研究了宏观经济变量影响债券价格和收益率曲线变动的方式。研究发现，宏观经济变量因子主要解释了收益率曲线的短端和中端的变动，而收益率曲线长端的变动由一些未知因子决定。Reisman和Zohar(2004)对美国国库券收益率曲线采取主成分分析法，并对其中两个主成分采用自回归移动平均方法进行模型化，发现国库券收益曲线具有较大的短期冲量。利用这种预测能力，投资者可以通过频繁地调整债券的权重来获得更多的收益。Fabozzi、Martellini和Priau]et(2005)基于多因子贝叶斯混合方法使用加强递归模型证实了美国利率期限结构的可预测性。作者发现违约利差、股权波动性和短期远期利率可以用来预测收益率曲线的斜率和曲度的变化。利用这种预测能力采用蝶式互换等策略可以获得统计意义上和经济意义上均显著的收益。DieboldandLi(2006)使用Nelson和Siegel模型逐期拟合利率期限结构，得到三维参数的动态演变，同时 万方数据发现这三个参数分别对应债券水平、斜率和凸度三因子。其结果显示，该模型在短期和长期尺度上都有较好的预测能力，尤其对长期债券收益率曲线的预测效果非常显著。Diebold等(2008)进一步将DieboldandLi(2006)的模型拓展，研究当同时考虑全球因素以及本国特定因素冲击时，收益率曲线的变动情况。通过对德国、日本、英国和美国等国利率曲线结构的分析，作者发现全球性的影响因素确实存在，并且实证结果在经济意义上是显著的，这基本上解释了各国收益率曲线的动态变化过程。另外一种预测债券未来收益的方法是直接预测法。这种方法并不采用迂回地预测收益率曲线的方法，而是通过将债券收益对一系列滞后的经济变量进行回归，再利用估计出来的参数进行预测，其中一类学者通过对一系列宏观经济变量进行回归，成功预测了债券风险溢价的变动。FamaandFrench(1989)研究发现股票和长期债券的预期收益与经济周期具有协同效应，他们使用诸如期限溢价和违约溢价等金融市场变量作为自变量。该文将具有经济周期特征的宏观经济变量与债券和股票的超额收益同时联系起来进行研究。Ilmanen(1995)研究了全球六个国家较长到期时间债券收益的可预测性，发现使用几个全球宏观经济变量可以预测债券超额收益变动的4％“12％，这些预测在统计意义和经济意义上都是显著的。作者还发现不同国家之间债券超额收益的变动有显著的相关性，使用全球债券超额收益因子和不同的B值构建一个模型，可以解释全球债券超额收益的变动。Kim和Moon(2005)研究了宏观经济变量对债券收益的影响，发现包含通胀率、实际经济活动和货币因素的宏观经济指标可以预测到期时间为1“5年债券的超额收益，其拟合优度R‘2可以达到37％。通过详细的分析，作者认为宏观经济变量能够解释剩余到期时间较长债券所包含的信息，从而能够对债券收益进行预测。Ludvigson和Ng(2009)使用动态因子分析的方法研究债券超额收益与宏观经济变量之间的实证联系，作者发现“实际的”和“通胀的”因子对美国政府债券未来超额收益具有很强的预测能力，超过了远期利率和收益率利差所具有的预测能力。还有另外一类学者则使用远期利率曲线来预测债券未来收益。Fama和B1iss(1987)研究远期利率曲线中所包含的信息，作者研究发现，1年期的远期利率能够提前2’4年预测1年期的利率水平，而且预测能力随着预测期间的增大而提高。作者把这种预测能力归因为1年期利率水平具有均值回归趋势。Cochrane和Piazzesi(2005)研究了美国政府债券的风险溢价，他们用债券一年的超额收益对滞后一期的五个远期利率进行回归，其可决系数达到44％，预测结果是统计显著的，而且他们发现模型参数在坐标轴上呈现出“帐篷”形状。作者还发现一个单独的因子，即远期利率的线性组合，对债券的超额收益具有很强的 万方数据解释力，其可决系数达到3070～3570。Kess]er和$cherer(2009)将Cochrane和Piazzesi(2005)的方法推广到国际债券市场，他们利用1997年至2007年的美国、英国、日本、加拿大等7国零息债券的数据，在每个市场上应用远期利率曲线来预测债券未来收益。他们的研究表明，不受限模型对未来债券收益的预测效果较好，而受限模型在国际市场上的表现不尽如人意。同时，他们将预测模型应用到债券投资策略中。研究结果显示，该模型能够显著提高投资的信息比率并且比其他模型表现更优异，贝叶斯模型平均法的引入可以显著提高交易策略的绩效。Sekkel(2011)同样在国际债券市场上使用Cochrane和Piazzesi(2005)模型，他使用来自10个拥有独立货币政策国家最新的债券数据检验Cochrane和Piazzesi(2005)模型的稳健性。他发现对于样本中绝大多数国家，模型对于债券超额收益的预测能力不如Cochrane和Piazzesi(2005)发现的对于美国债券的预测能力。但是Cochrane和Piazzesi(2005)的单因子模型在国际数据中仍然表现出较好的预测性，而且预测模型的参数同样呈现出“帐篷”形态。比起收益率或者远期利率模型而言，单因子模型在不同国家的表现具有特异性。总而言之，国外理论界对于债券预测的研究己经形成了较为成熟的方法和体系，国外的学者们通过间接预测法或者直接预测法大多能够比较准确地预测债券价格的未来走势，他们在经典的预测方法框架下不断加深不断扩展，在债券预测理论研究方面走在了前列。2．2国内关于债券收益预测的文献综述随着我国债券市场的发展壮大以及对债券投资需求的提升，国内的机构和学者们对于预测未来债券收益越来越感兴趣。国内研究者们绝大部分的关注点集中在债券收益率曲线的研究，他们往往通过构建并预测债券收益率曲线来判断未来利率变动方向，并以此来指导债券的积极投资策略。通过对相关文献的梳理，我们可以发现国内对债券收益率曲线的研究走过了以下几个阶段：初期实证研究阶段、静态拟合回归阶段、动态建模扩展阶段、关注政策含义阶段和构建投资策略阶段。首先，国内对于债券收益率曲线的研究是从利率期限结构的实证分析起步的。杨大楷、杨勇(1997)利用当时中国债券市场上上市流通的7个国债品种的数据，分别计算其收益率并描出三条国债收益率曲线，同时对曲线的形态、趋势等进行了比较分析。姚长辉、梁跃军(1998)利用我国上海证券交易所上市的国债数据，根据国债定价模型计算出1996年到1997年两年中6个时点的国债收益率，进而在坐标轴上描绘出六条不同的收益率曲线，同时结合当时的经济和债券市场情况进行相应的分析解读。总之，早期的研究局限于描绘出利率期限结构，并对其形 万方数据态进行简单的分析。其后，有不少学者不满足于仅仅描绘出收益率曲线，开始利用国外经典的方法对国内债券收益率曲线进行静态拟合。利率期限结构的拟合方法有许多种，例如靴襻法、贴现函数法、即期利率函数法等等，其中即期利率函数法设定的模型参数有比较明确的经济含义，在理论研究中应用广泛。宋淮松(1997)早期运用一元线性回归方程对我国的零息国债进行回归拟合。陈雯、陈浪南(2000)结合国外经典模型和国内债券市场的特点，提出了以复利方式建立我国国债利率期限结构模型并进行拟合。他们的研究发现复利方式建立的利率期限结构模型比单利模式建立的模型在理论和实践上表现更出色。郑振龙、林海(2003)以2001年8月至2002年9月一年多的数据作为研究对象，分别采用息票剥离法和样条估计法拟合中国上海交易所的债券数据，并且对拟合结果进行了静态描述和动态分析，对我国债券收益率曲线的研究提供了一些有益的启示。朱世武、陈健恒(2003)使用上海证券交易所国债数据，借用国外模型多项式样条法模型和NelsenSiegelSvensson(NSS)扩展模型对我国利率期限结构分别进行拟合，比较发现NelsenSiegelSvensson(NSS)扩展模型取得了更高的拟合优度和更小的拟合误差。作者还应用主成分分析法对拟合结果进行了分析，发现我国国债利率期限结构的变动形式较为复杂，在实践中需要使用多种策略进行债券风险管理。肖巍巍、徐海峰(2006)使用上海证券交易所2002年到2005年4年内的12只国债交易数据，采用多种拟合函数对债券收益率曲线拟合，得到了一条向下凸的递减的收益率曲线。根据作者的实证结果，我国国债利率曲线目前还不能当作基准利率使用。卜壮志(2008)选取2007年的银行间债券市场数据，分别使用Svensson模型和三次样条函数拟合收益率曲线，作者比较分析发现相比三次样条函数而言Svensson模型具有更好的曲线平滑性和更高的拟合精度。周子康、王宁等(2008)结合我国的实际情况，在改进国外成熟模型NelsenSiegel(NS)模型的基础上提出具有创新意义的新型模型一一NelsenSiegelModified(NSM)模型。作者们利用上海证交所2005年至2007年的国债交易数据分别拟合NS模型、NSS模型和NSM模型，结果显示NSM模型在平滑性、拟合精度、参数稳定性等方面相比NS模型和NSS模型更胜一筹。总体而言，这一阶段我国的研究者大多是将国外比较成熟的静态模型结合我国的交易所或者银行间市场数据进行拟合分析，部分学者在引进的基础上同时能够结合我国实际情况对模型进行创新。随着我国债券数量和品种的增加，我国债券市场的流动性也大大加强，利率期限结构的研究逐步从静态拟合回归阶段进入到动态建模扩展阶段。操君、吴吉林等(2009)利用上海证券交易所的数据，采用二次方形式的离散时间动态利率期限结构模型(DTQTSM模型)，运用拟极大似然估计法和卡尔曼滤波法进行拟合 万方数据回归，他们发现DTQTSM模型基本能够解释收益率曲线在样本期间内的变动特征。作者还对比了二次方型、常数型和放射型模型的拟合效果，发现对于不同期限的利率，不同的模型拟合效果并不一致，其中对于短期的1年利率而言二次方型模型的拟合效果最优。沈根祥(2010)运用卡尔曼滤波法，使用中国银行间债券市场2005年至2009年的数据拟合动态NelsonSiegel模型，以实证结果来验证预期模型在中国银行间市场的有效性。其研究结果显示到期时间为1年至20年间的多条收益率曲线都违背了预期模型，作者分析我国银行间市场的流动性不强、市场效率过低等原因导致了预期收益模型的无效。陈蔚、马骏驰、赵耀文(2011)选取上海证券交易所三个交易日的数据，先对其进行静态回归拟合，接着对拟合曲线进行动态研究分析。其静态实证结果表明：利率期限结构的形态对未来经济状况具有一定的预测能力。而其动态实证结果显示：第一，波动率与债券期限成反比；第二，基准利率会影响各种期限利率的变动；第三，主成分分析得到的水平因子和斜率因子在很大程度上决定着利率期限结构的变动情况。利率期限结构作为资本市场一个非常重要的指标体系，其中包含许多经济含义，它不仅能够很好地反映各个期限的利率水平，而且能够卓有成效地反映和预测实体经济的运行情况。陈晖、谢赤(2006)在反思我国货币政策一直以来以货币供应量作为中间变量的基础上，详细论证了利率期限结构在反映货币政策、预测GDP和通货膨胀方面的突出作用，最后提出考虑将国债收益率曲线的期限利差作为货币政策实施的中间变量。徐小华、何佳(2007)从理论上论证了货币政策与收益率曲线之间的相互影响、相互决定的关系，作者详细分析了央行货币政策实施对利率期限结构的传导作用，解读了利率期限结构当中暗含的货币政策动向，最后建议我国货币当局重视利率期限结构，并及时掌握利率期限结构的信息公开权。郭涛、宋德勇(2008)选取上海证券交易所2004年至2006年三年的债券交易数据，采用NelsonSiegel模型(NS模型)拟合中国交易所债券收益率曲线，依据拟合结果，作者分别论证了收益率曲线对未来短期利率、未来通胀水平的预测作用，分析了央行货币政策对收益率曲线的影响，最后提出我国货币当局应当关注利率期限结构的重要性，并不断推进利率市场化改革。杜金岷、郭红兵(2009)利用2001年至2007年间的中国银行间债券市场数据，采用NelsenSiegelSvensson(NSS)扩展模型拟合收益率曲线，并使用米什金模型检验利率期限结构中是否包含未来通胀信息。作者发现不同期限的收益率曲线包含的通胀信息程度不一，总体而言，基准利率期限结构可以作为未来通胀情况的重要参考。杨云峰(2011)选取2005年至2009年我国银行间国债数据，采用协整分析的方法来研究利率期限结构长短期利率的协整关系，以此来研究我国货币政策的传导效率。作者研究发现，货币政策在债券市场的长短期利率之间的传导效率很低。作者分 万方数据析原因可能是我国利率市场化程度不高、债券市场品种不够丰富，正是这些因素导致货币政策在银行间债市传导受阻。最后，随着对利率期限结构研究的深入和完善，国内的学者们开始尝试将利率期限结构的理论运用到构建投资策略的实践当中。唐革榕、朱峰(2003)采用样条差值法FisherNychkaZervos模型拟合上海证券交易所从2001年8月至2002年12月的数据，然后采用主成分分析法对得到的收益率曲线进行实证分析，作者发现水平因子的解释能力为42％，斜率因子的解释能力为32％，弯曲因子的解释能力为17％，前三大主成分因子的总体解释能力达到91％左右，基本能够解释利率期限结构的变动。作者最后提出采取相应的策略可以对冲投资组合的利率风险从而获得最大的投资收益。朱世武、陈建恒(2006)以我国上海证券交易所2004年3月至2005年3月的国债数据为研究对象，采用NelsonSiegel模型(NS模型)拟合相应期间内数据，得到国债收益率曲线。作者发现通过对NS模型各项参数的估计和预测，投资者可以有效地获取稳定的超额收益。祝威、魏先华、吴国富(2009)分别采用光滑样条法和NelsonSiegel模型(NS模型)拟合了我国上海证券交易所2005年1月至2006年3月之间的数据，得到了三条收益率或即期利率曲线。作者们随后采用骑乘策略(子弹式策略、哑铃式策略和梯子式策略)来构建投资组合，并与直接运用这些策略得到的结果进行比较，发现使用拟合利率期限结构的方法再构建投资策略获得的投资效果要优于直接运用骑乘策略的投资效果。胡晓琼、朱昀(2009)利用上海证券交易所2008年5月9日的数据，通过编写相关程序来静态拟合国债收益率曲线，并将拟合得到的收益率曲线与当日真实利率曲线进行特征对比分析。在拟合的基础上，作者针对性地提出了构建积极投资策略的组合方法，发现可以使用骑乘策略、债券调换和水平分析法来获得更好的投资效果。总体而言，经过10几年的研究探索，我国学者在研究收益率曲线方面取得了一定的成果。随着我国债券市场容量的扩大，我国的利率期限结构研究工作在一步步丰富和发展，从最初的简单描述发展到使用模型拟合，从单纯的理论研究发展到解决实际问题。与此同时，在使用直接方法预测债券超额收益方面，部分学者也取得了一定的研究成果。张雪莹(2008)使用2002年至2006年上海证券交易所的国债数据，同时选择交易所1月回购利率作为无风险利率，来对利率期限结构主成分分析的三大因子(即平行因子、斜率因子和弯曲因子)和风险溢价变量直接进行拟合回归。结果显示可决系数介于0．23至0．44之间，其中斜率因子的系数显著不为零，弯曲因子和风险溢价变量的系数部分显著，水平因子系数都不显著，总体而言主成分因子对债券超额收益具有一定的预测能力。翁锡赞、王艺霖(2011)借用股价经14 万方数据典波动模型的思想对债券进行建模，作者分别在中国、美国、英国、日本等四个国家的债券市场上应用这一模型并通过极大似然法进行估计，实证结果表明作者提出的模型在四个主要债券市场上都有很好的表现。不足之处是作者并未考虑交易成本和流动性风险等因素。综上所述，我国的学者在预测债券超额收益方面明显偏向于间接预测方法，即先估计利率期限结构，再分析利率期限结构的变动和走势，最后再依据这些分析来预测未来债券价格。而在使用宏观经济指标或者远期利率预测债券超额收益方面，国内基本上很少有学者进行这方面的研究。2．3国内外关于投资策略研究的文献综述投资策略问题是我们所要研究的另一重大问题。债券投资策略一般分为保守的投资策略(消极的投资策略)、积极的投资策略和对冲的投资策略，由于本文主要讨论积极投资策略，因此我们重点总结积极投资策略的相关文献。债券积极投资策略之所以行得通原因是由于债券市场非完全有效，据此这些投资策略大体分为两类：方向性的投资策略和均值回归的投资策略。顾名思义，方向性的投资策略是指投资者自认为掌握了利率变动的方向性并构造相应的债券组合。而均值回归策略的投资者们认为当前的利率期限结构存在错误定价的情况，他们利用“错误定价的债券终将回归实际价值”的规律来构造债券组合。国外的研究者们在研究债券投资策略方面走在了前面。Jones，F．J．(1991)讨论了收益率曲线变动的三种形式：水平移动、扭曲运动和曲率变动，阐述了在收益率曲线发生各种变动时应该采取的最佳久期策略，作者结合债券投资实证对比了分别通过子弹策略和杠铃策略达到特定久期的方法，最后结合实际数据解释了收益率曲线的变动和相关策略的运用。Litterman和Scheinkman(1991)采用美国债券市场1986年和1988年的债券市场数据构建收益率曲线，实证发现主成分分析的水平因子、斜率因子和弯曲因子可以解释样本债券价格变动的94％以上(平均在97％左右)，作者认为影响债券收益的因素来源于这三大因子，投资者可以使用久期对冲策略来获得最大化收益。Bieri和Chincarini(2005)深入研究了三个国家(美国、英国、德国)采用不同投资策略的历史收益情况，给出了一些可以增加投资收益的统计的和宏观的交易原则。尽管基于泰勒规则的骑乘策略似乎在更长的跨度内效果更好，但是实证表明在使用联邦基准远期利率所包含的预期时，只有在短期跨度下才有更高的超额收益。此外，作者还证明了久期中性的策略比标准的风险调整的骑乘策略具有更好的投资业绩。总而言之，本文的结论与纯预期假说完全相反，说明了债券市场持续存在可供利用的风险溢价。Chua等(2006)基于收益率曲线均值回归的思想研究了 万方数据一系列收益率曲线的交易策略，这些交易策略利用了收益率曲线水平、斜率和弯曲因子与历史值的偏差。作者的研究结果显示其中少部分收益率曲线交易策略能够产生很高的利润。值得一提的是，基于收益率利差均值回归的投资策略在投资业绩上明显超过常用的雷曼兄弟美国政府即期债券指数和标准普尔指数。此外，作者还研究了这些均值回归策略的时变效应，发现随着时间迁移债券超额收益的幅度越来越窄，而组合的绝对收益并没有受到影响。国内学者对于债券积极投资策略的研究是从介绍引进国外的成熟投资策略开始的。姚长辉(1993)是早期为国内研究者系统介绍国外策略的学者之一。该文主要介绍了主动债券投资策略的构建方法。在主动债券投资策略中，作者首先介绍了调整债券期限的策略，包括配对策略、阶梯策略和杠铃策略三种类型。接着作者又详细解释了基于对利率预测的债券积极投资预测，在这一部分作者还结合利率期限结构利率和实际案例进行了充分的说明。文章接下来还介绍了基于市场无效率的策略。最后作者结合我国的实际情况对各种积极投资策略进行了评价。朱世武、陈健恒(2006)在总结国外债券投资策略基础上，利用我国央行票据市场2003年至2005年的历史数据对骑乘收益率曲线策略和买入持有策略进行对比分析。作者实证研究表明：在期限利差较大的时候，驾驭收益率曲线策略的投资效果明显优于买入持有策略。同时，投资者若能够增加对投资时机的把握能力，驾驭收益率曲线策略的有效性更强。刘琪雯(2008)选取上海证券交易所2000年1月至2007年12月的债券交易数据，采用三次多项式样条法拟合债券收益率曲线，并对拟合结果分别运用驾驭收益率曲线策略、蝶式策略以及相对价值策略构建债券投资组合。作者研究显示：在我国债券市场上采用驾驭收益率曲线策略能够获得显著的超额收益，且这种超额收益随着债券期限的延长而增加；蝶式策略在不同的利率环境下有不同的表现，总体而言在采取了权重配比的前提下能够取得满意的回报：相对价值策略在寻找到正确的参考价值前提下能够获得显著的收益，且中等期限债券更加适合采用这种策略。许邦贤(2012)则采用银行间债券市场2006年12月至2009年6月的数据拟合经典的NelsonSiegel模型(NS模型)，对拟合的参数因子的绝对数值和相对关系进行了比较分析，并结合分析结果采用不同的投资组合策略。作者研究表明收益率曲线保持不变时，采取驾驭收益率曲线策略是较好的选择，且中短期的投资效果比长期投资效果要好。在收益率曲线发生变动时，需要根据参数的具体变化情况采取子弹策略、杠铃策略或者蝶式策略等。从以上综述可以看出，我国学界在积极投资策略方面的研究还是处于比较初级的水平，主要以介绍引进国外的投资策略并结合中国债券市场进行简单分析为主。不过无论国内的文献还是国外的文献都表明，债券市场远没有达到强有效市 万方数据场的程度，经过一定的预测分析并采取适当的积极投资策略是可以获得稳定的超额收益的。 万方数据第3章理论基础和研究方法3．1债券投资的基础知识我们在引言章节对债券的定义、历史以及债券市场有过简单的介绍，在此我们重点介绍债券投资的基础知识和基本概念。(1)利率。利率是指一段时间内利息额与本金的比值，通常情况下利率都是按年计算的，一般都使用百分比表示。利率是资本市场一个非常重要的概念，是债券投融资活动需要关注的核心变量，利率用公式表示如下：利率：．塑塑×100％本金x时间(2)债券收益率。债券收益率是指投资者投资债券一定期间所获得的债券收益与初始投资成本的比值。债券收益率按照不同的计算方法可以分为当前收益率(currentyield)、到期收益率(yieldtomaturity)和总收益率(totalretul‘n)，其中最重要最常用的是到期收益率(yieldtomaturity)。到期收益率是指使未来期间内的现金流的贴现值等于当前投资成本的收益率，其计算公式如下所示：v(to)=cleY(钿，h)×(。o-ta)+C2eY(。o，。n)×(‘o-tz)+⋯+Cney(。o，h)×(。o-tn)其中，v(to)为当前(to时刻)的投资成本，ci(i=1，2，⋯，n)为未来各期的现金流，y(to，cn)即为该笔投资所内含的到期收益率。(3)久期。久期是债券投资中一个非常重要的概念，它是反映债券价值利率敏感性的重要指标，要了解久期，我们首先将债券价值对收益率函数做泰勒展开：嵩=南筹(dy+孤‰皋(d2dy)ay)2+．．叶孤‰券(ay)n+．一而2而万(+丽i万(2+“叶丽i万(n+”‘久期是指债券价格变动百分比与收益率变动绝对值的一阶导数，可以用如下公式表示：旦nV(t)u一一百其中，D为久期大小，V(t)为债券价格，y为债券到期收益率。由于债券价格与债券的到期收益率是相反的?所以算式前面的负号意味着久期为正。久期概念当中有一个非常著名的名词叫做麦考利久期(MacaulayDuration)，它可以由普通复利公式推导而来，其公式如下： 万方数据肚瓦dV丽12毒媾尚T刳肚瓦丽2两I刍才盖茴丽Jm＼11I1一i■一J／其中，大括号中的部分就称为麦考利久期。麦考利久期具有非常直观的经济c=。2dy2V(t)"凸性并没有久期那样直观的经济学含义，但是在以收益率为横轴、债券价值的利率。无风险利率只存在于理论环境下，在实际经济活动中不存在没有任何风 1一j⋯～t～t⋯⋯——⋯～—n一—-⋯～⋯⋯⋯——一一⋯⋯～一⋯⋯一——⋯⋯——⋯一一O}⋯T一1一?rT—r一一⋯：jr、：⋯nyr：f—f—u．{”r⋯=}1弋1欲’义姣1妖1弋嗷嗷1N、技，妖、N、投散心、长§葶§§窖梦≯≯≯爹≯≯≯≯≯爹一2013-12—31⋯一2013-11—29—一2013—10—3】—2013一07．31一2013．09—30一2013一08—30图表3．1截止2013年底六个月内月底中国固定利率国债收益率曲线(8)即期利率与远期利率。即期利率是指从获得资产开始算起到一定时期所获得的收益与初始投资的比值，它表示投资期间无现金流的收益率。远期利率表示以将来某一时刻为起点的一段时期内投资收益与起点时的投资成本的比值。根据无风险套利原理，理论上远期利率可以通过利率期限结构当中一系列不同期限的即期利率计算得到。远期利率和即期利率存在如下平价关系：zkq20160222AeR(t·r)x(r—c)×eR(t，丁，_r+)x(7’+一7')=AeR(t，_r+)×(了’+一c)因此，R(¨TTt)：坠堕尘毒∑掣型其中，A为初始投资金额，R(t，丁)为t时刻到T时刻的即期利率水平，n(t，T，T4)为t时刻时，T时刻到丁+时刻的远期利率。(9)债券投资策略。债券投资策略是指在某种投资思想的指导下采用一定的债券组合方式达到预期投资目标的策略方法。市场上的债券投资者大体可以分为两种类型：积极型债券投资者和消极型债券投资者。积极型债券投资者以券商、基金等金融机构为主体，他们持有债券的目的是为了获得超越市场的投资收益，他们采取的投资策略称为积极型投资策略，具体的投资策略主要包括驾驭收益率曲线策略(ridingtheyieldcurve)、简单择时策略(naivetimingstrategy)、子弹策略(bul]etstrategy)和蝶式策略(butterflystrategy)等等。消极型债券投资者以商业银行为主，他们持有债券的目的主要是为了在风险最小的前提下提高闲置资金的收益率，他们采取的债券投资策略称为消极型投资策略，消极投资策略使用最常见的方法是指数复制技术。万方数据 图表3．2债券投资策略框架3．2预测未来债券超额收益的理论模型作为投资者而言，要想获取债券的超额收益，也就是风险溢价，必须首先能够准确地预测债券未来的超额收益。根据上文可知，债券投资者分为积极型债券投资者和消极型债券投资者，谋取债券投资超额收益的投资者都是积极型投资者。zkq20160222债券市场超额收益的存在来自于市场的不完全有效，这主要体现在两个方面：第一，债券市场存在信息不对称，不同债券投资主体对债券价格的预测和判断不一致，彼此掌握的信息存在不完全和不对称的情况；第二，债券市场可能存在错误定价的情况，被定价错误的债券价格最终要回归到其真实水平。正是由于债券市场没有达到完全有效的程度，积极债券投资者才能依据他们对债券走势的判断获得超额收益。在文献综述部分我们大体介绍了预测未来债券收益有两种方法，即间接预测法和直接预测法。间接预测法首先需要通过某种方法预测未来某一时刻的收益率曲线，再将债券的未来现金流折现到那一时刻，以此来预测那一时刻的债券价格，从而得到债券的未来收益率。这种方法的核心问题被归结为利率期限结构的拟合和预测。拟合利率期限结构有许多种方法，大体可以分为直接法和间接法。直接法又可以分为Carleton和Cooper估计法、靴襻法等等。间接法则可以分为贴现函数法和即期利率函数法，其中即期利率函数法使用的即期利率函数大多是从动态利率期限结构理论推导得来的，其理论基础更为深厚，同时在拟合曲线的平滑性和精确性上即期利率函数法也要高于靴襻法等直接拟合法。因此在实际理论实践研究中使用得最为广泛。下面我们简单介绍即期利率函数法中使用最广泛的Nelson和Siegel模型(NS模型)。NS模型是NelSOil和siegel(1987)从动态万方数据 利率期限结构模型中推导而来的。他们首先推导出了瞬时远期利率模型：f(o，s)=po+B1e一而+B2■e-示其中，f(o，s)是指此时0时刻下，未来S时刻的瞬时远期利率，卢o、卢”卢2、m为待估参数。因此有：R(0JS)=孙叽冲娟柏害怕[等-e-未】上述函数即为Ns模型的基本函数。Ns函数之所以运用这么广泛主要原因是该函数的三个参数卢0、尾、卢2都有具体的经济学含义：风被称为水平因子，代表着利率期限结构中的长期利率水平；岛称为斜率因子，代表着利率期限结构的长短期利率差；卢2称为弯曲因子，代表着利率期限结构的弯曲程度。我们通过主成分分析法研究收益率曲线的波动可以发现，收益率曲线的波动绝大部分可以用三种运动来解释，即水平运动、旋转运动、弯曲运动。一般来说，利率期限结构的前三个分别代表水平因子、斜率因子和弯曲因子的主成分可以解释利率期限结构变动的8596以上。因此，通过分析和预测三个主成分因子的变动，我们基本上就可以掌握利率期限结构的变化规律，从而预测未来的利率期限结构。预测债券超额收益的另外一种有效方法就是直接预测法。这种方法并不采用zkq20160222迂回地预测收益率曲线这种方法，这种方法往往通过将债券收益对一系列滞后的经济变量进行回归，再利用估计出来的参数进行预测。其中一类学者通过对一系列宏观经济变量(例如通货膨胀率、货币供给量等等)进行回归，成功预测了固定收益证券的收益变动。另外还有一类学者则使用远期利率曲线来预测债券未来收益。由于本文主要采用一系列远期利率的方法来预测债券超额收益，下面我们重点介绍这种方法。我们以踏表示还有u个月到期的零息债券在t时刻的价格，持有该债券一个月的收益为：Ru=In(掣)一In(喘1)t时刻t+i-12到t+i期间借款的远期利率则可以表示为：F：i-12)⋯=In(群一12)一In(群)对于i=12而言，上述方程变为一年期的即期利率。用C，表示无风险利率，债券的风险溢价收益则可以表示为：Rx≯=尺}一cc这样我们可以将债券的风险溢价对一系列滞后一期的远期利率做线性回归：R)(*1=Yo+∑翟：1YnFt‘12¨2h12n+Et+l=Yo+yTft+￡t+1万方数据 其中：R=【FP。12，Ft0112，⋯，F}8‘60]T。除此之外，也有学者利用利率期限结构主成分分析的前三个主成分因子对债券的超额收益进行拟合回归。由于主成分分析的三个因子分别为水平因子、斜率因子和弯曲因子，在研究时间中，我们可以使用不同期限的利率的组合来代表这三个主成分，我们可以将收益率曲线的三个主成分作如下定义：levelt=计2slopet=y120一y}2兰兰Q二!兰1curvaturet=Yt2一言研20—y}2)厶其中，"是t时刻期限为u的中国银行间固定利率国债收益率。我们在本文中采用如下模型来预测未来债券超额收益：RxtU+1．J=130+1311evelt+132slopet+133curvaturet+Et+1，j采用风险溢价对利率期限结构主成分因子回归的方法虽然属于直接预测法，但是实际上它也利用TN率期限结构的某些特征，属于直接预测法和间接预测法的结合。3．3构建积极投资策略的方法zkq20160222在估计出模型参数之后，我们可以得到未来的债券风险溢价愈u+，，可以以此来构建各种积极的债券投资策略。前面曾经介绍，投资策略分为积极型投资策略和消极型投资策略，在本文中我们着重介绍的是积极型投资策略。积极型投资策略其实是与选取的预测方法是密切相关的，由于多数研究者在研究债券风险溢价预测问题时采取的是间接预测法，即通过预测利率期限结构来预测债券的超额收益，那么与之对应的传统的投资交易策略大多是与收益率曲线的运动特征相对应的投资策略。传统的基于收益率曲线的积极投资策略主要包括驾驭收益率曲线策略(ridingtheyieldcurve)、简单择时策略(naivetimingstrategy)、子弹策略(bulletstrategy)、杠铃策略(barbellstrategy)和梯式策略(1adderstrategy)等等，以下我们对这些策略作简单介绍。驾驭收益率曲线策略(ridingtheyieldcurve)适用于收益率曲线较为稳定的时期。采用这种方法的投资者在选择投资标的时，会选择到期时间比投资期长的债券，也就是说，当投资者的投资周期结束时，其持有的债券还没有到期。从理论上讲，债券标的的到期时间越长，投资者获得的投资收益越高。这种投资方法在收益率曲线不变时获得的收益要高于买入持有到期策略(buyandholdstrategy)。简单择时策略(naivetimingstrategy)适用于收益率曲线发生水平移动万方数据 而斜率和曲度不变的情形。这种策略是指当我们预期未来收益率曲线将发生水平移动时，我们可以相应地调整债券组合的久期大小，从而使我们的组合收益最大化。具体而言，当我们预计收益率曲线将整体上移的时候，为了减小损失，我们应该将组合的久期调到最小；当我们预计收益率曲线将整体下移的时候，我们应该将组合久期尽可能延长。子弹策略(bulletstrategy)、杠铃策略(barbellstrategy)和梯式策略(1a．dderstrategy)是在投资者预期未来收益率曲线不仅发生平行移动，而且其斜率和曲度都将发生改变时采取的策略。子弹策略(bulletstrategy)是指将所有资金投资于某一特定期限的债券，这种投资策略对应的是投资者预计未来某一特定期限的利率将发生重大变动。杠铃策略(barbellstrategy)意味着投资者将绝大部分资金投资于期限较长和期限较短的债券，而对于期限适中的债券则不加配置。梯式策略(1adderstrategy)是指投资者将所有资金均匀地投资于各个期限的债券当中。由于不同投资策略具有不同的久期和凸性特征，投资者们往往将它们重组成久期中性的组合。以上介绍的债券投资策略都是以利率期限结构特征为基础的组合策略，但是在直接预测法条件下，这些组合策略都难以使用。下面我们还要介绍另外一类积极投资策略，它们是以直接预测法为基础的投资组合策略。zkq20160222第一种债券投资策略框架是Lehmann(1990)搭建的，我们称之为雷曼权重法(LehmannWeighting)，即将债券的未来风险溢价作为债券在组合中的权重。我们对债券风险溢价作去均值化处理，因此对第j(j=l，2，⋯，C)种债券赋予的权重为：C1t_1w皆hm锄n=H·(愈各1，j一{：}>．愈各1，j)u●■●■一j=l其中，C代表全部可投资债券种类，Ⅵ因子的设置是为了将t时刻的组合风险都调整到可比较的目标水平。由于我们在此要比较不同债券组合的有效性，我们必须将他们调整到相同的风险水平。为了计算Ⅵ因子的大小，我们可以通过如下步骤。我们将初始的Ⅵ因子大小设为1，通过之前预测的愈啬1A11=【愈各101'愈备1，2，⋯，RxAtu+1,C】，我们可以计算出权重向量w{，这样我们可以得到组合事前的波动率水平o。(w})，其大小为：l__________________________________________________________________——Os(w{)=，／365／7·w}’ntw{V其中，Q。每周债券收益的协方差矩阵。在给定风险水平为每年1％的条件下，我们可以得到t时刻Ⅵ因子的计算公式如下所示：万方数据 H。2而百丽100·o。(w})第二种方法被称为两翼组合法(wingportfolio)，这种方法是通过对高收益债券和低收益债券等量赋值来构建投资组合的。具体方法是，首先将预测的未来债券收益按照从低到高的顺序排列愈*，A11=【愈&，加愈告，≯⋯，愈u+1,C】，接着我们给每种债券从收益低的到收益率高的编号为1，2，⋯⋯，C。那么，第j只债券的权重为Wt,jwing--At院戮苗w其中，p(愈*，，j)是第j中债券的编号，At为风险调整因子，其计算方法与上文中的Ⅵ因子计算方法类似。为了评价投资效果，我们计算出投资组合中风险溢价的均值¨和标准差o，从而可以计算出风险溢价的t值：t值=旦行其中：T代表样本中总的期数。为了对策略的效果进行风险调整，我们为年度投资效果定义一个新的指标，即信息比例IR(informationratio)：zkqIR=芸厕20160222为了衡量债券头寸的调整幅度，我们计算不同策略的平均调整量(turnoverfigures)。平均调整量越小意味着交易成本越低，策略有效性更高。调整量的计算公式如下：TO=w一肌c∑口匕卜1那么，平均调整量的大小为而={∑圣。TO,t。万方数据 万方数据4．1样本的选择和处理第4章实证研究我国债券市场自二十世纪九十年代成立以来，不断发展壮大。截至2013年底，我国债券市场债券托管总量达到近30万亿元人民币，比十年前增长了六倍多，其中国债托管余额为8．7万亿，占所有债券托管余额的29％。我国债券交易市场分为场内交易市场和场外交易市场。场内交易市场是指在证券交易所内进行债券买卖的市场，例如我国的上海证券交易所市场和深圳证券交易所市场，场内交易形式较为规范，交易过程较为透明。场外交易市场是指在证券交易所以外进行债券买卖的场所，相比于场内交易，场外交易自主性和灵活性更强。我国债券流通市场由沪深证券交易所市场、银行间交易市场和证券经营机构柜台交易市场。在中国债券交易市场上，银行间交易市场所占份额最大，流动性最强。截止2013年12月，我国债券托管余额中银行间债券托管余额达到93．7％，远高于交易所市场债券托管余额3．4％和柜台市场债券托管余额1．9％。所以，我们选择银行间市场的国债交易数据进行研究。我国银行间国债市场上的国债按照付息方式主要有贴现国债、到期一次还本付息国债和附息国债三种。由于贴现国债和到期一次还本付息国债数量偏少、期限较短，不能满足实证研究的需要，我们选取附息国债作为研究对象。考虑到数据的时效性和丰富性，我们从最近两个完整年度(即从2012年1月1日到2013年12月31日)中选择市场流动性最强的五只国债作为研究对象。我们以成交量大小来衡量流动性的强弱。从2012年1月1日到2013年12月31日成交量的角度考虑，我们在符合要求的债券中挑选了如下五只债券，国债详细信息如下表所示：图表4．12012。2013年度国债成交量排名前五数据来源：中国债券信息网，Wind资讯：Ic注：此处剩余年限是指截至2013年12月31日的剩余年限。 万方数据从预测的精准度和可操作性出发，我们考虑以每周作为一个周期进行取样，即我们选取从2012年1月6日至2013年12月27日共计101个样本点的数据。尽管我们所选取的数据流动性相对较高，但是也不能保证每个样本选取日都有交易数据，因此我们选取的债券价格以市场认可度高的中债估值的结果为准。由于我们的样本债券全部是附息债券，我们需要对债券在付息日进行折算处理，折算方法我们参照股票分红派息时的除权折算方法处理。根据回归模型可知，我们需要验证远期利率对国债超额收益的预测能力，我们需要选取合适的无风险利率来计算超额收益。教科书上对于无风险利率的定义是一一无风险利率是指将资金投资于某一项没有任何风险的投资对象而能得到的利息率。对于银行等金融机构投资国债而言，相应期限的银行间质押式回购利率可以作为无风险利率使用。例如，我们以一周为一个投资周期，那么我们可以选择银行间七天质押式回购利率作为无风险利率。以下图表是通过计算得到的国债投资1周的收益率与超额收益率情况(投资跨度为其他时间的处理方法一致，投资收益我们不再列出)。090004一lB超额收益一09ⅨⅪ4．IB(左轴)图表4．2090004．IB投资i周的收益率和超额收益率110025{B超额}披盏一110025．1B(左轴j图表4．3110025．IB投资1周的收益率和超额收益率 万方数据l●土t盎Ui．。^▲№鹇j蝓辅，签j0j嘲痨赫￡’^’礴≮譬W+口W℃≮℃f。F110022．}B超额收益lll0022．tB(左轴)图表4．4110022．IB投资1周的收益率和超额收益率衄，Il?-．▲iI茂A溉鲑匿&iAA姒成l。蠡．1一髟_0默孵V．：’-0N艇毽。刚∥’：∥_歹：茹；1∥_∥_∥y∥_s骶t湖’一6◇秽◇拶◇◇拳◇|分◇’110003．《B超额收益--110C03．1B(左轴)图表4．5110003．IB投资1周的收益率和超额收益率8=。6040200—20—40一60—80806040200—20一40—60—80鹦^』糕!翻翘Ⅻ一～’r紫i∞019}B超额收益1100019；B(左轴)图表4．6100019．IB投资1周的收益率和超额收益率28 万方数据由于无法直接得到远期利率，我们可以通过中国银行问固定利率国债即期收益率来计算远期利率。考虑到我们的预测周期比较短，我们选取一个季度为跨度的即期利率数据。以下是2012年1月6日至2013年12月31日两年内国债即期收益率和远期收益率数据所描绘而成的三维立体图。％图表4．72012年1月6日至2013年12月31日国债即期收益率曲线图表4．82012年1月6日至2013年12月31日国债远期收益率曲线最后，对于使用传统的通过收益率曲线主成分因子的预测方法而言，我们需要得到通过主成分分析法得到的三个主成分的数据。一般而言，收益率曲线的前545352孓m32 万方数据三个主成分分别为水平因子、斜率因子和弯曲因子，它们都具有很强的经济学含义。水平因子可以用短期利率来代替，斜率因子可以用长期利率与短期利率之差代替，而弯曲因子可以使用收益率曲线的曲度代替。4．2模型拟合和回归分析Cochrane和Piazzesi(2005)将美国债券超额收益对一个月滞后的远期利率做线性回归，使用的模型为：Rxu+1=Yo+∑是1YnFr‘12n一12’_÷12n+Et+1=yo+yTft+￡t+1其中：ft=[Fo。12，F{2‘24，⋯，F}8460】T。本文借用这一模型进行回归，我们将预测周期定为1周和1月，远期利率为季度远期利率。我们将模型修改如下：Rx磐1=Yo+∑＆1YnFt‘o筋卜。筋’姐25n+gt+l=yo+yTft+￡t+1其中：ft=[Fo枷25，F025枷～，⋯，砰叭卫5】T，t为l周或者4周。本文利用Matlab软件处理数据，通过编写程序读入样本数据，拟合得到参数估计和相关统计量。我们运用这一模型，使用银行间市场国债1’5季的远期利率数据拟合未来I周的超额收益，其结果如表所示。图表4．9使用1’5季的远期利率数据拟合l周超额收益拟合结果注：()内为相应参数的t统计量。黑体为通过了5％置信度下的t检验，下同。 万方数据对于一周预测结果，我们发现模型总体的F统计量的P值都小于O．05，也就是说，模型设定在总体上是显著的，远期利率对债券投资超额收益具有解释能力。五只债券的可决系数R2在0．11到0．24之间，基本上随着债券到期时间的延长而增大，这意味着离债券到期时间越长，远期利率对债券超额收益的预测能力越强。Cochrane和Piazzesi(2005)使用美国远期债券收益率数据来预测12个月的债券超额收益，其可决系数R2达到0．35左右。Kessler和Scherer(2009)运用Cochrane和Piazzesi(2005)的模型，在全球主要发达国家(澳大利亚、加拿大、德国、日本、瑞典、英国、美国)债券市场上进行回归预测，其使用1、5年的远期利率数据拟合1个月的债券超额收益，可决系数R2在0．07(德国)至0．16(美国)之间。除了到期时间不足一年的债券110025．IB之外，卵枷2s的系数Y】总体上都显著大于零，这说明短期利率越高，长期债券的超额投资收益越高。这一点与Kessler和Scherer(2009)的实证结果恰好相反，其研究结果显示除了日本以外，澳大利亚、加拿大、德国、瑞典、英国和美国的短期利率系数Y，均显著小于零。同样，除了到期时间不足一年的债券110025．IB之外，FP卫扣n5的系数Y2总体上呈现出显著小于零的特征(事实上，在可信度水平在10％的条件下，债券110025．IB的系数y2同样满足显著小于零的特征)。Kessler和Scherer(2009)的实证结果显示系数y：的符号在不同国家有不同的表现，加拿大、日本和美国的系数符合为负，且只有美国显著为负。胖5枷75的系数y3的结果与系数Y2类似，基本上呈现出显著小于零的现象，但是Kessler和Scherer(2009)的文献显示在国外这一参数并没有呈现出明显的规律。卵7弘1的系数y4在国内债券市场上并没有呈现显著特征，这与国外的情况类似。对于到期时间较长的债券(110022．IB、110003．IB和100019．IB)而言，雕川25的系数骶在10％的显著性水平上显著为正，这与澳大利亚、加拿大、日本、瑞典和英国的实证结果一致。另外，对于截距项，债券到期时间越长，参数越显著地大于零。总体而言，远期利率对债券投资超额收益具有预测能力，而且这种预测能力与其到期时间密切相关，到期时间越长，预测能力越强。对于超额收益与远期利率的相关关系，远期利率参数的符号在近期和远期为正，在中间段为负，在以远期利率系数为横轴、以系数值为纵轴的坐标图上呈现出一个类似“倒帐篷”的图形，如图所示。 4200一万方数据＼‰20～{。一。。一x瀛oI●烹夏!!!銎螭图表4．10使用1、5季的远期利率数据拟合1周债券超额收益参数图Cochrane和Piazzesi(2005)用美国的数据估计出来的参数呈现出一个类似“帐篷”的形状。在使用远期利率来预测债券超额收益时，Bansal等(2004)使用1964到2001年美国的债券数据证实了“帐篷”形状的图形存在。Stambaugh(1988)也发现了相类似的规律。但是Kessler和Scherer(2009)使用全球七个发达国家的债券数据表明，这一规律并不具有全球普遍性。他们的研究结果显示在使用1’5年的远期利率来预测12个月的债券超额收益时，几乎没有任何一个国家的债券参数显现出“帐篷”形态，因此他们认为估计参数的“帐篷”形态并不能推广至其他国家，“帐篷”形态并不具有全球普遍性。而根据我们的分析，Cochrane和Piazzesi(2005)关于估计参数的“帐篷”形态理论也不适用于中国，我国的估计参数恰恰呈现出一个“倒帐篷”的形态。尽管我们不存在类似“帐篷”的参数形态，但是可决系数R2和F统计量都表明远期利率对债券超额收益具有较强的预测能力，特别是对于到期时间越长的债券，其预测能力越强。我们分析“帐篷”形态的消失可能与不同期限的远期利率之间的相关性有关。如下表所示，不同期限的远期利率之间的相关系数都在0．8以上，部分远期利率之间的相关性甚至达到了0．9以上。因此远期利率之间的多重共线性影响了估计参数的相对大小，从而导致了“帐篷”形态的消失。 万方数据图表4．1l不同期限的远期利率之问的相关系数相关系数F010‘25F?卫5_÷0‘5Fo。5-÷o‘75FoJ5。1F}-÷1。25我们接下来使用银行间市场国债1’5季的远期利率数据拟合未来4周的超额收益，其结果如表所示。图表4．12使用1’5季的远期利率数据拟合4周超额收益拟合结果参数090004．IB110025．IBl10022．IB110003．IB100019．IBSignificanceF0．8030．4520．2040．0093．58E一06R20．020．050．080．150．30Yo一0．26—2．324．7414．7727．95(-0．08)(一0．55)(0．70)(2．054)(3．86)Y11．080．52—0．03—0．805—2．83(0．57)一3．63(一1．19)一0．90(一0．35)1．30(0．59)1．36(0．44)(0．22)一5．56(-1．43)一2．34(一0．01)一11．38(一1．84)一2．54(一0．20)(一0．70)一12．56(一1．90)一6．00(一0．71)(一0．49)(-1．08)2．55(0．91)4．30(1．09)一0．66(一0．15)10．73(1．72)一4．54(一0．96)16．2l(2．43)一17．23(-2．59)一5．74(一1．03)一5．51(一1．16)18．50(2．76)对于4周国债投资超额收益的预测，1、5季远期利率的预测能力有所下降。090004．IB、110025．IB和110022．IB三只债券(距债券到期时间分别为0．25年、0．94年和2．81年)的可决系数尺2均小于0．1，F统计量的P值也大于o．5。110003．IB和100019．IB(距离债券到期时间分别为4．08年和6．48年)两只债券的可决系数尺2分别为0．15和0．3，F统计量统计显著。也就是说，对于到期时间较短的债券，远期利率的预测能力显著下降甚至不具有预测能力。但是对于33 万方数据到期时问较长的债券而言，远期利率对债券超额收益仍然具有较强的预测能力。值得注意的是，对于100019．IB而言，其可决系数甚至达到0．30，高于预测1周国债超额收益时的0．24。Kessler和Scherer(2009)的实证结果与我们的结论相反，七个国家的数据显示l~5年远期利率对于12个月国债超额收益的预测能力(可绝系数尺2在0．38’0．69之间)要远高于对于1个月国债超额收益的预测能力(可绝系数尺2在0．07’0．16之间)。原因可能是我们选取的债券离到期日相对较短，而远期利率对于距离到期日较短的债券的预测能力较差。对于离到期日较长的100019．IB，较长跨度投资期限的预测能力要强于较短跨度投资期限的预测能力，这与Kessler和Scherer(2009)的分析结果一致。同样，我们将l’5季远期利率对4周国债投资超额收益的估计参数作图，其同样呈现出“倒帐篷”的形状(对于到期时间较短的三只债券形态特征不是很明显)。原因可能同样是由于远期利率之间的多重共线性影响了估计参数的相对大小，从而导致了“帐篷”形态的消失。◆———’2’v0——●一090004．1B110025．IB110022．JB—$《一110003．IB100019．|B图表4．13使用1-5季的远期利率数据拟合4周债券超额收益参数图综上所述，远期利率对于债券超额收益具有显著的预测能力，这种预测能力随着债券到期时间的增加而增强。在债券到期时间较短时，远期利率仅能够预测较短投资跨度的超额收益，随着投资跨度的拉长，远期利率的预测能力下降。对于距离到期时间较长的债券而言，远期利率的预测能力显著增强，而且预测较长投资跨度的能力要比预测较短投资跨度的能力更强。各个期限远期利率的参数呈现出一定规律性，较近端的远期利率和较远端的远期利率与债券超额收益呈现正相关，中间段的远期利率与债券超额收益呈现负相关，远期利率系数在坐标轴上321．一●乏 万方数据呈现出“倒帐篷”的形状，这一规律与远期利率之间的相关性密切相关。我们利用上述预测结果，通过一定的方法构建积极的债券投资策略来检验预测结果的有效性。4．3基于远期利率预测结果构建积极投资策略的实证分析根据t时刻的一系列远期利率数据，我们可以通过上述直接预测债券风险溢价的方法估计出t+l时刻的债券超额收益愈u+，。有多种方法可以构建债券投资策略，我们主要选择以下两种策略。第一种债券投资策略框架是Lehmann(1990)搭建的，我们称之为雷曼权重法(LehmannWeighting)，即将债券的未来风险溢价作为债券在组合中的权重。我们对债券风险溢价作去均值化处理，因此对第j(3=1，2，⋯，C)种债券赋予的权重为：w圩№⋯=H·(愈乩j一丢∑愈㈠其中，C代表全部可投资债券种类，毗因子的设置是为了将t时刻的组合风险都调整到可比较的目标水平。由于我们在此要比较不同债券组合的有效性，我们必须将他们调整到相同的风险水平。为了计算V￡因子的大小，我们可以通过如下步骤。我们将初始的％因子大小设为1，通过之前预测的愈并1A¨=【愈&1,1P愈耸。J2J⋯，积备1,C】，我们可以计算出权重向量w{，这样我们可以得到组合事前的波动率水平％(w})，其大小为：o。(w})=．136s／7-叫7Qtw}其中，n。每周债券收益的协方差矩阵。在给定风险水平为每年1％的条件下，我们可以得到t时刻毗因子的计算公式如下所示：Ⅵ2而i丽第二种方法被称为两翼组合法(wingportfolio)，这种方法是通过对高收益债券和低收益债券等量赋值来构建投资组合的。具体方法是，首先将预测的未来债券收益按照从低到高的顺序排列愈等1Au=[愈肄，J1J愈磐，p⋯，愈备1,C】，接着我们给每种债券从收益低的到收益率高的编号为1，2，⋯⋯，C。那么，第j只债券的权重为Ⅵtt,jTM--At院戮譬w 万方数据其中，p(愈备，．i)是第j中债券的编号，At为风险调整因子，其计算方法与上文中的峨因子计算方法类似。为了评价投资效果，我们计算出投资组合中风险溢价的均值}J和标准差o，从而可以计算出风险溢价的t值：t值=旦锕其中：T代表样本中总的期数。为了对策略的效果进行风险调整，我们为年度投资效果定义一个新的指标，即信息比例工R(informationratio)：IR=芸厕为了衡量债券头寸的调整幅度，我们计算不同策略的平均调整量(turnoverfigures)。平均调整量越小意味着交易成本越低，策略有效性更高。调整量的计算公式如下：CTOt2艺1wt’j—Wt，j-1Ij-1那么，平均调整量的大小为而=；I厶tT：1TOt。为了比较不同情形下各种策略的有效性，我们向以下两个维度展开我们的讨论：预测跨度的变化和组合策略的变化。我们在上文给出了1周和4周的预测结果，我们将分别讨论这两种预测跨度下积极投资策略的有效性。另一方面，我们将分别采用雷曼权重法(LehmannWeighting)和两翼组合法(wingportfolio)来构建投资组合。首先，我们采用雷曼权重法(LehmannWeighting)，分别计算1周和4周预测跨度下投资组合的信息比例IR(informationratio)和平均调整量而，其结果如下表所示。图表4．14雷曼权重法下1周和4周预测跨度远期利率模型投资组合的投资效果 万方数据从以上结果可知，无论对于1周的预测跨度还是对于4周的预测跨度，t统计量的数值都远远大于2，这意味着远期利率确实对未来债券超额收益拥有预测能力，采用这种投资策略确实可以产生稳定的超额收益。Kessler和Scherer(2009)的实证结果显示除日本以外的六个国家债券构建的投资组合也拥有显著的稳定收益，与我们的结论是一致的。Ilmanen(1997)和Cochrane和Piazzesi(2005)认为随着预测跨度的增加远期利率的对债券超额收益的预测能力逐步上升。Kessler和Scherer(2009)通过将预测跨度从1个月逐步增加至18个月发现，尽管模型的可决系数尺2在逐渐上升，但是信息比例IR却存在逐步下降的趋势。也就是说，1个月的预测跨度下信息比例IR最高。比较l周预测跨度和4周预测跨度的投资效果，我们可以发现1周预测跨度的信息比例IR达到7．85，高于4周预测跨度的信息比例6．18。这意味着在中国银行间债券市场上，短期预测跨度构建的投资策略的投资效果好于长期预测跨度的投资组合的投资效果。从平均调整量的大小来看，1周预测跨度的而要大于4周预测跨度的而，这意味着尽管短期预测跨度下投资效果要好于长期预{贝0跨度，但是维持组合的交易成本可能更高。这一结果与Kessler和Scherer(2009)的结果是一致的，其研究结果显示，随着预测跨度从1个月增长到18个月，其而从0．50下降到O．10。通过以上分析可知，采用雷曼权重法(LehmannWeighting)，基于直接预测风险溢价的模型利用中国银行间债券市场的数据所构建的组合具有现实的可操作性和指导意义，其t值大小显著大于2。随着预测跨度的增加，组合投资效益下降，但是维持组合的投资交易成本也相应下降，我们的实证结果总体与Kessler和Scherer(2009)的实证结果是一致的。接下来，我们再采用两翼组合法(wingportfolio)，分别计算1周和4周预测跨度下投资组合的信息比例IR(informationratio)和平均调整量丽，其结果如下表所示。图表4．15两翼组合法下1周和4周预测跨度远期利率模型投资组合的投资效果 万方数据从以上结果可以得知，运用两翼组合法构建的投资组合同样具有非常好的投资效果。从t统计量来看，1周预测跨度和4周预测跨度下的t值都远远大于2，这说明运用两翼组合法同样可以构建出有效的投资组合。从信息比例IR来看，1周预测跨度下的信息比例是10．41，高于4周预测跨度下的信息比例8．33，同时高于运用雷曼权重法下的1周预测跨度下的信息比例7．85。由此可以发现两点规律：第一，短期预测跨度下的信息比例要高于长期预测跨度下的信息比例，这一点与雷曼权重法下的实证结果是一致的；第二，采用两翼组合法构建的投资组合的投资效果要比采用雷曼权重法构建的投资组合表现优秀。这一结论与Kessler和Scherer(2009)的实证结果相一致，其运用澳大利亚、加拿大、德国、瑞典、英国、美国等国家的债券数据构建的投资组合显示不含日本的两翼组合的信息比例达到最高。另外，与雷曼权重法的结果类似，1周预测跨度下的平均调整量(而=0．020)要高于4周预测跨度下的平均调整量(而=0．018)。但是两翼组合法下，l周预测跨度的平均调整量仅仅比4周预测跨度下高出了11％，而在雷曼权重法下，l周预测跨度的平均调整量比4周预测跨度下高出了53％。也就是说，从1周预测跨度上升到4周预测跨度，两翼组合法的交易成本的增加幅度要小于雷曼权重法的交易成本增加幅度。通过以上分析可知，采用两翼组合法(LehmannWeighting)，基于直接预测风险溢价的模型利用中国银行问债券市场的数据所构建的组合同样具有现实的可操作性和指导意义，其t值大小显著大于2。随着预测跨度的增加，组合投资效益下降，但是维持组合的投资交易成本也相应下降。同时，无论是1周预测跨度还是4周预测跨度，两翼组合法下投资组合的信息比例均高于雷曼权重法下投资组合的信息比例。在预测跨度从1周增加到4周时，两翼组合法下交易成本的增加幅度要小于雷曼权重法下交易成本的增加幅度。总而言之，无论采用雷曼权重法还是两翼组合法，无论预测跨度为1周还是4周，Cochrane和Piazzesi(2005)提出的模型在中国银行间债券市场同样具有较强的实践指导作用。比较而言，采用两翼组合法下1周预测跨度的数据构建的投资组合具有较好的投资业绩(较高的信息比例IR)和较小的投资交易成本(较小的平均调整量而)，可以用于指导机构投资者构建债券投资组合。 万方数据4．4与传统主成分因子模型预测结果及构建策略对比分析4．4．1与传统主成分因子模型预测结果对比分析为了比较基于直接预测债券风险溢价的积极投资策略与传统收益率曲线预测方法的投资结果，我们用相同的原始数据来建模并构建投资策略。考虑到我们预测的跨度较短，我们将收益率曲线的三个主成分作如下定义：levelc=yO-25slope户井一yP。2s2-0一．2—51curvaturet=Yt2一言(y{一yto’25)厶其中，y}是t时刻期限为u的中国银行问固定利率国债收益率。我们采用如下模型来预测未来债券超额收益：Rx磐1．f=卢o+flllevelt+f12slopet+i臼scurvaturet+￡H1，j我们运用这一模型，使用银行间市场国债收益率曲线的三个主成分数据拟合未来1周的超额收益，其结果如表所示。图表4．16使用国债收益率曲线的三个主成分数据拟合1周超额收益预测结果一方面，就回归结果本身而言，我们发现如下规律：第一，随着预测债券到期时间的增加，主成分因子对于债券超额收益的解释能力不断增强。从090004．IB到100019．IB，债券的到期时间由0．25年递增到6．48年，回归可决系数由0．07上升到0．22。(110025．IB的可决系数要小于090004．IB，这是由于模型对两者的解释能力都很弱，模型的F统计量不显著， 万方数据实证结果出现噪声。)第二，就回归系数而言，债券到期时间较长的三只债券的回归系数卢o、卢。和风均通过了显著性检验，110003．IB和100019．IB两只债券的回归系数皮至少通过了10％的置信水平下的显著性检验。这就说明，债券超额收益确实与收益率曲线的三个主成分因子密切相关。从回归系数的符号来看，风的符号大于零，p1、卢：和风的符号小于零，这意味着债券超额收益与水平、斜率和弯曲三个主成分因子反向相关，即主成分因子越小，债券超额收益越大。另一方面，将使用主成分因子进行预测的结果与使用一系列远期利率进行预测的结果进行对比可知：第一，使用一系列远期利率进行预测的效果比使用主成分因子进行预测的效果好。从090004．IB到100019．IB，使用一系列远期利率进行预测的可决系数分别为0．11、0．16、0．24、0．23和0．24，而使用主成分因子进行预测的可决系数分别为0．07、0．04、0．16、0．18和0．22。而且对于到期时间较短的090004．IB和110025．IB而言，远期利率模型通过了F统计量检验，主成分因子模型并没有通过F统计量检验，远期利率模型对较短到期时间的债券的超额收益的解释能力要比主成分因子模型强。第二，从回归系数对比上看，远期利率模型的回归系数在坐标图上呈现出“倒帐篷”的形状，主成分因子模型的回归系数并无这一特征，其呈现出“截距参数显著为正，因子参数显著为负”的特征。总之，在预测跨度为1周的前提下，国债收益率曲线的三个主成分水平、斜率和弯曲因子对债券的超额收益同样具有预测作用，这种预测能力随着债券到期时间的增加而上升，这与运用一系列远期利率预测超额收益时发现的规律是一致的。但是相比较而言，主成分因子模型的预测能力不如远期利率模型的预测能力强，其可决系数均低于远期利率模型。主成分因子模型的回归参数呈现出“截距参数显著为正，因子参数显著为负”的特征，而远期利率模型的回归系数在坐标图上呈现出“倒帐篷”的形状。我们同样运用主成分因子模型，使用银行间市场国债收益率曲线的三个主成分数据拟合未来4周的超额收益，其结果如表所示。 万方数据图表4．17使用国债收益率曲线的三个主成分数据拟合4周超额收益预测结果参数090004．IB110025．IB110022．IB110003．IB100019．IB首先，就回归结果本身而言，我们发现如下规律：第一，与l周预测结果类似，随着预测债券到期时间的增加，主成分因子对于债券超额收益的解释能力不断增强。从090004．IB到100019．IB，债券的到期时间由0．25年递增到6．48年，回归可决系数由0．01上升到0．28。第二，到期时间较长的110003．IB和100019．IB的系数大多通过了显著性检验，而且参数同样呈现出“截距参数显著为正，因子参数显著为负”的特征。但是斜率因子参数卢2没能通过5％显著性水平下的检验。其次，将回归结果与1周回归结果对比分析可知：对于到期时间较短的债券(090004．IB、110025．IB、110022．IB和110003．IB)而言，较长预测跨度的预测能力(可决系数分别为0．01、0．02、0．06和0．14)不如较短预测跨度的预测能力(可决系数分别为0．07、0．04、0．16和0．18)；对于到期时间较长的债券(100019．IB)而言，较长预测跨度的预测能力(可决系数为0．28)比较短预测跨度的预测能力(可决系数为0．22)要强大。这一点与远期利率模型的实证结论是一致的。最后，将回归结果与远期利率模型回归结果对比，我们发现：第一，使用一系列远期利率进行预测的效果比使用主成分因子进行预测的效果好。从090004．IB到100019．IB，使用一系列远期利率进行预测的可决系数分别为0．02，0．05，0．08，0．15和0．30，而使用主成分因子进行预测的可决系数分别为0．01，0．02，0．06，0．14和0．28。这一结论与在1周预测跨度下的结论一致。第二，从回归系数对比上看，远期利率模型的回归系数在坐标图上同样呈现 万方数据出“倒帐篷”的形状，主成分因子模型的回归系数并无这一特征，其大体呈现出“截距参数显著为正，因子参数显著为负”的特征。总之，在4周预测跨度条件下，国债收益率曲线的三个主成分水平、斜率和弯曲因子对债券的超额收益依旧具有预测作用，这种预测能力随着债券到期时间的增加而提高。相比较而言，主成分因子模型的预测能力不如远期利率模型的预测能力强，其可决系数均低于远期利率模型。主成分因子模型的回归参数大体呈现出“截距参数显著为正，因子参数显著为负”的特征，而远期利率模型的回归系数在坐标图上呈现出“倒帐篷”的形状。我们将四种情况下的可决系数总结如下表所示。图表4．18远期利率模型和主成分因子模型拟合所得可决系数对比综上所述，无论在1周预测跨度条件下还是在4周预测跨度条件下，我们都有如下结论：第一，主成分因子模型对于债券的超额收益具有显著的预测作用，这种预测能力随着债券的到期时间延长而提高；第二，从可决系数角度看，本文提出的基于直接预测债券风险溢价的远期利率模型所具有的预测能力要普遍高于传统的主成分因子模型；第三，基于直接预测债券风险溢价的远期利率模型的参数在坐标轴上呈现出“倒帐篷”形状，而主成分因子模型的因子参数显著为负。4．4．2与传统主成分因子模型构建策略对比分析基于传统收益率曲线主成分因子模型我们同样可以构建出相应的债券积极投资策略。我们在以下两个维度展开我们的比较：预测跨度的变化和组合策略的变化。一方面我们分别比较1周和4周预测跨度下积极投资策略的有效性。另一方面，我们分别采用雷曼权重法(LehmannWeighting)和两翼组合法(wingportfoli0)来构建投资组合。我们首先采用雷曼权重法(LehmannWeighting)，分别计算了1周和4周预测跨度下投资组合的信息比例IR(informationratio)和平均调整量而，其结果如下表所示。 万方数据图表4．19雷曼权重法下l周和4周预测跨度主成分因子模型投资组合的投资效果一方面，从投资组合投资效果本身来看，我们有如下结论：第一，无论在l周预测跨度下还是在4周预测跨度下，主成分因子模型构建的投资组合的投资结果都非常显著，两种情形下的t统计量都远远大于2。第二，从信息比例的对比看，1周预测跨度的信息比例为7．04，要高于4周预测跨度的信息比例6．19，这说明1周预测跨度下投资组合的投资效果要好于4周预测跨度下投资组合的投资效果。第三，尽管1周预测跨度下的投资组合信息比例较高，但是其债券权重的平均调整量而要高于4周预测跨度，也就是说其交易成本要比4周预测跨度下的投资组合高。另一方面，我们将主成分因子模型的投资效果与远期利率模型的投资效果对比分析，可以得出如下结论：第一，在雷曼权重法下，无论1周预测跨度还是4周预测跨度，远期利率模型和主成分因子模型所构建的投资组合都能产生显著的超额收益，其t统计量都非常显著。第二，在1周预测跨度下，本文提出的远期利率模型构建的投资组合投资业绩要优于传统的主成分因子模型构建的投资组合投资业绩。远期利率模型投资组合的信息比例IR为7．85，高于主成分因子模型投资组合的信息比例7．04，而远期利率模型投资组合的平均调整量(而=0．023)也低于主成分因子模型投资组合的平均调整量(而=0．024)。这意味着无论从投资收益还是投资成本角度考虑，远期利率模型构建的投资组合都要优于主成分因子模型。第三，在4周预测跨度下，远期利率模型构建的投资组合与主成分因子模型构建的投资组合投资业绩相当。远期利率模型构建的投资组合的信息比例和平均调整量分别为6．18和0．015，而主成分因子模型构建的投资组合的信息比例和平均调整量分别为6．19和0．017。接下来，我们再采用两翼组合法(wingportfolio)，分别计算l周和4周43 万方数据预测跨度下投资组合的信息比例IR(informationratio)和平均调整量而，其结果如下表所示。图表4．20两翼组合法下1周和4周预测跨度主成分因子模型投资组合的投资效果首先，从投资结果本身来看，我们可以发现如下规律：第一，两翼组合法下，使用主成分因子模型构建的投资策略在l周预测跨度和4周预测跨度下均统计显著，其统计量t也远大于2。第二，1周预测跨度下的投资组合的信息比例和平均调整量均高于4周预测跨度下的投资组合，这一规律与雷曼权重法下的规律一致。其次，将两翼组合法与雷曼权重法对比来看，我们发现两翼组合法下1周预测跨度和4周预测跨度构建的投资组合的信息比例和平均调整量均高于雷曼权重法下的对应指标。最后，我们比较分析两翼组合法下远期利率模型和主成分因子模型构建组合的投资效果：第一，在两翼组合法下，无论1周预测跨度还是4周预测跨度，远期利率模型和主成分因子模型所构建的投资组合都能产生显著的超额收益，其t统计量都非常显著。第二，1周预测跨度下，远期利率模型构建组合的信息比例(IR=IO．41)要高于主成分因子模型构建组合的信息比例(IR=8．54)，远期利率模型构建组合的平均调整量(一TO=0．020)要略低于主成分因子模型构建组合的平均调整量(而=0．021)，这说明远期利率模型构建的投资组合在投资收益和投资成本方面都要优于主成分因子模型。第三，4周预测跨度下，远期利率模型构建投资组合的信息比例(IR=8．33)要高于主成分因子模型构建组合的信息比例(IR=7．62)，但是其构建组合的交易成本(而=0．018)略高于主成分因子模型构建组合的交易成本(而=0．017)。为了便于比较，我们将两种预测方法构建的投资策略组合的投资业绩和投资 万方数据成本等指标列表如下。图表4．21不同组合策略和预测跨度下两个模型所构建投资组合的投资效果对比组合策略雷曼权重法两翼组合法预测跨度1周预测跨度4周预测跨度1周预测跨度4周预测跨度综上所述，在1周预测跨度下，无论采用雷曼权重法还是采用两翼组合法，基于一系列远期利率预测结果构建的投资组合在投资业绩和投资成本方面均优于基于收益率曲线主成分因子预测结果构建的投资组合。在4周预测跨度下，采用雷曼权重法时，两种组合的投资业绩和投资成本各有优劣且相差不大；采用两翼组合法时，远期利率模型构建组合的投资业绩要高于主成分因子模型的投资业绩。45 万方数据第5章结论和建议本文在整理回顾国内外预测债券风险溢价方法和积极投资策略方法的基础上，将国外经典的直接利用远期利率预测债券风险溢价的方法应用于国内债券市场，利用中国银行间债券市场2012年1月1日至2013年12月31日两年的远期利率数据拟合其间具有代表性的五只国债的超额收益，并在预测结果的基础上通过雷曼权重法和两翼组合法构造债券积极投资策略，取得了较好的预测效果和投资业绩。最后，本文还将提出的远期利率模型的预测和投资效果与传统的收益率曲线主成分因子模型进行对比分析，实证显示从预测能力来看，远期利率模型显著优于主成分因子模型。从投资效果来看，在1周预测跨度下，无论采取雷曼权重法还是两翼组合法，远期利率模型的投资效果均优于主成分因子模型；在4周预测跨度下，远期利率模型和主成分因子模型各有千秋。总体而言，本文提出的远期利率模型与传统的主成分因子模型相比在预测能力和投资效果上有较大改善。首先，我们采用提出的远期利率模型对我国银行间债券市场的数据进行拟合。我们选用的模型是Cochrane和Piazzesi(2005)提出的，他们利用该模型在美国债券市场取得了较好的实证效果。之后，Kessler、Scherer(2009)以及Sekkel(2011)将该模型推广到了国际市场，运用其他发达国家的数据进行实证分析，并取得了较好的投资实证效果。随着我国债券市场规模越来越大、市场化程度越来越高，在我国银行间债券市场应用这一模型开始有了较好的基础。我们利用两年的债券市场数据进行拟合回归，发现远期利率对于债券超额收益确实具有显著的预测能力，这种预测能力随着债券到期时间的增加而增强。在债券到期时间较短时，远期利率仅能够预测较短投资跨度的超额收益，随着投资跨度的拉长，远期利率的预测能力下降。对于距离到期时间较长的债券而言，远期利率的预测能力显著增强，而且预测较长投资跨度的能力要比预测较短投资跨度的能力更强。另一方面，各个期限远期利率的参数呈现出一定规律性，较近端的远期利率和较远端的远期利率与债券超额收益呈现正相关．中间段的远期利率与债券超额收益呈现负相关，远期利率系数在坐标轴上呈现出“倒帐篷”的形状，这一规律与远期利率之间的相关性密切相关。其次，我们利用远期利率模型的预测结果采用一定的策略构造债券投资组合。在得到了回归结果之后，我们没有止步于利用模型得到预测结果，而是采用适当的投资策略来验证模型的投资效果。我们采用的组合构造策略是国外比较常用的雷曼权重法和两翼组合法。我们的实证结果显示，无论采用雷曼权重法还是两翼组合法，无论预测跨度为1周还是4周，Cochrane和Piazzesi(2005)提出的模 万方数据型在中国银行间债券市场同样具有较强的实践指导作用。比较而言，采用两翼组合法下1周预测跨度的数据构建的投资组合具有较好的投资业绩(较高的信息比例IR)和较小的投资交易成本(较小的平均调整量而)，可以用于指导机构投资者构建债券投资组合。最后，我们将远期利率模型的预测结果和投资效果与传统的主成分因子模型进行对比分析。为了更加鲜明地验证我们的远期利率模型的预测结果和投资效果，我们将远期利率模型和传统主成分因子模型利用相同的数据样本进行比较分析。从模型的预测能力来看，无论在1周预测跨度条件下还是在4周预测跨度条件下，我们都有如下结论：本文提出的基于直接预测债券风险溢价的远期利率模型所具有的预测能力要普遍高于传统的主成分因子模型。从模型构造策略的投资效果来看，在1周预测跨度下，无论采用雷曼权重法还是采用两翼组合法，基于一系列远期利率预测结果构建的投资组合在投资业绩和投资成本方面均优于基于收益率曲线主成分因子预测结果构建的投资组合。在4周预测跨度下，采用雷曼权重法时，两种组合的投资业绩和投资成本各有优劣且相差不大；采用两翼组合法时，远期利率模型构建组合的投资业绩要高于主成分因子模型的投资业绩。通过本文的研究分析，我们发现远期利率模型能够有效地预测债券的风险溢价，并指导投资者获得稳定的超额收益，同时我们也证明了本文提出的模型的预测能力和投资效果优于传统的主成分因子模型。当然，随着我国债券市场的进一步发展，我们有更好的模型和更好的数据来研究我国的债券市场。尽管本文作者希望尽量完善本次研究工作，但是仍然存在着样本数据不够丰富、预测跨度数目不够多等一系列问题和不足，笔者希望在未来的研究工作中进一步完善。47 万方数据参考文献[1]杨大楷，杨勇．关于我国国债收益率曲线的研究[J]．财经研究，1997(7)：14-19．[2]姚长辉，梁跃军．我国国债收益率曲线的实证研究[J]．金融研究，1998(8)：12—18．[3]宋淮松．我国零息国债收益率曲线初探．中国证券报．1997(2)．[4]陈雯、陈浪南．国债利率期限结构：建模与实证．世界经济，2000(8)：24—28[5]郑振龙、林海．中国市场利率期限结构的静态估计．武汉金融，2003(3)：33—36．[6]朱世武，陈健恒．交易所国债利率期限结构实证研究[J]．金融研究，2003，(10)：63—73．[7]肖巍巍，徐海峰．沪市国债收益率曲线的拟合分析[J]．中南财经政法大学研究生学报，2006(4)：45—49．[8]卜壮志．银行间债券市场利率期限结构实证研究[J]．统计与决策，2008(20)：145-148．[9]周子康，王宁，杨衡．中国国债利率期限结构模型研究与实证分析[J]．金融研究，2008(3)：1J9．1—150．[10]操君，吴吉林，江百灵．基于多因子DTQTSM模型的动态利率期限结构研究[J]．统计与决策，2009(12)：122—124．[11]沈根祥．基于动态Nelson—Siegel模型的利率期限结构预期理论检验[J]．上海经济研究，2010(4)：39—44．[12]陈蔚、马骏驰、赵耀文．我国国债收益率曲线的实证研究[J]．山东经济，2011(5)：118-123．[13]徐小华、何佳．利率期限结构中的货币政策信息．上海金融，2007(1)：32-38．[14]陈晖、谢赤．国债收益率凸线在货币政策制定与实施中的作用．求索，2006(6)：i0—13，[15]郭涛、宋德勇．中国利率期限结构的货币政策含义[J]．经济研究，2008(3)：39—47．[16]杜金岷，郭红兵．我国货币政策对基准收益率曲线影响的实证研究[J]．理论月刊，2008(9)：5一11．[17]杨云峰．基于利率期限结构理论的我国货币政策传导机制研究[J]．统计与决策，2011(3)：145—147．[18]唐革榕，朱峰．我国国债收益率曲线变动模式及组合投资策略研究[J]．金 万方数据融研究，2003(11)：64—72．[19]朱世武，陈健恒．基于利率期限结构分析的积极债券投资策略实证研究[J]．统计研究，2006(3)．[20]祝威、魏先华、吴国富．基于收益曲线变化的债券投资策略实证研究．管理评论，2007(6)：3-8[21]胡晓琼，朱昀．运用利率期限结构分析中国债券组合管理策略[J]．经济研究导刊，2009(9)：89—90．[22]张雪莹．国债风险溢价预测模型在债券投资中的应用．证券市场导报，2008(2)．[23]翁锡赞，王艺霖．经典波动模型下的最优债券投资组合[J]．中国货币市场，2011(5)：38-42．[24]姚长辉．债券投资的策略分析．当代经济科学，1993(4)：64—69．[25]朱世武，陈健恒．基于预测利率期限结构变动的债券投资策略实证研究[J]．金融利率与实践，2006(10)：7—9．[26]刘琪雯．积极型债券投资策略在中国国债市场的实证研究[D]．复旦大学，2008年．[27]许邦贤．基于预测中国市场收益率曲线变动的债券积极投资策略研究[D]．复旦大学，2012年．[28]Ang，A．，Piazzesi，M．，2003．Ano—arbitragevectorautoregressionoftermstructuredynamicswithmacroeconomicandlatentvariables．JournalofMonetaryEconomics50，745—787．[29]Bieri，D．，Chincarini，L．，2005．Ridingtheyieldcurve：Avarietyofstrategies．JournalofFixedIncome17497．6—35．[30]Chua，C．，Koh，W．，Ramaswamy，K．，2006．Profitingfrommean—revertingyieldcurvetradingstrategies．JournalofFixedIncome21804，20—33．[31]Cochrane，J．H．，Piazzesi，M．，2005．Bondriskpremia．AmericanEconemicReview95，138—160．132]DuffeeG．TermPremiaandInterestRateForecastsinAffineModels[J]．JournalofFinance，2002，LVII：405-443[33]Diebold，F．，Li，C．，Yue，V．，2007．GlobalyieldcurvedynamiCSandinteractions：AdynamicNelson—Siege]approach．WorkingPaper，PennInstituteforEconomiCResearch．[34]Diebold，F．，Li，C．，2006．Forecastingthetermstructureof49 万方数据governmentbondyields．JournalofEconometrics130．337—364．【35]Dolan，C．ForecastingtheYieldCurveShape：evidencefron隆globalmarkets，JournalofFixedIncome，199，6，92—99．[36]Duarte，J．，Longstaff，F．，Yu，F．，2005．Riskandreturninfixedincomearbitrage：NickelSinfrontofasteamroller?WorkingPaper．[37]F．A．Longstaff＆E．S．Schwartz．InterestRateVolatilityandtheTermStructure：ATwo—FactorGeneralEquilibriumModel[J]．JournalofFinance，1992，41(5)：10ll一1029．[38]Fabozzi，F．J．，Martellini，L．，Priaulet，P．，2005．PredictabilityintheShapeoftheTermStructureofInterestRates．TheJournalofFixedIncome，V01．15，No．1：pp．40—53．[39]Fama，E．，B1iss，R．，1987．Theinformationinlong—maturityforwardrates．AmericanEconomicReview77．680—692．[40]Fama，E．F．，andK．R．French．1989．BusinessConditionsandExpectedReturnsonStocksandBonds．JournalofFinancialEconomics25：23—49．[41]FisherM，NychkaD，ZervosD．RateswithSmoothingSplinesEconomiCSDiSCUSSionSeries[42]Grinold，R．，Kahn，R．，FittingtheTermStructureofInterest[R]．FederalReserveBoard，FinanceandWorkingPaper95—1．2000．ActivePortfolioManagement．McGraw-Hi11，NewYork．[433HealthD．，JarrowR．，MortonA．BondPricingandtheTermStructureofInterestRates：ANewMethodologyforContingentClaimValuation[J]．MathematicalFinance，1997，7：127-155．[44]Ilmanen，A．，1995．Time—varyingexpectedreturnsininternationalbondmarkets．JournalofFinance50，481—506．[45]Ilmanen，A．，Sayood，R．，2002．Ouantitativeforecastingmodelsandactivediversificationforinternationalbonds．JournalofFixedIncome8220．40—51．146]J．HullandA．White．PricingInterest—Rate-DerivativeSecurities[J]．ReviewofFinancialStudies，1990。3：573—592．[47]Kim，H．，Moon，J．，2005．DomacroeconomiCvariablesforecastbondreturns?WorkingPaper．148JKessler，S．，Scherer，B．，2009．Varyingriskpremiaininternational50 万方数据bondmarkets．JournalofBankingandFinance54，1361一1375．[49]Ludvigson，S．C．，andS．Ng．2009．MacroFactorsinBondRiskPremia．ReviewofFinancialStudies，22(12)：5027—5067．[50]Nelson，C．R．，Siegel，A．F．，1987．Parsimoniousmodelingofyieldcurves．JournalofBusiness60，473—489．[5I]Reisman，H．，Zohar，G．，2004．Short—TermPredictabilityoftheTermStructure．TheJournalofFixedIncome，V01．14，No．3：PP．7—14．[52]Scherer，B．，Martin，D．，2005．IntroductiontoModernPortfolio0ptimization．Springer，NewYork．[53]Sekkel，R．，2011．Internationalevidenceonriskpremia．JournalofBanking＆Finance35．174—181．[54]Svensson，LarsE．0．EstimatingandInterpretingForwardInterestRates：Sweden1992—1994[R]．NationalBureauofEconomicResearch，Cambridge，MA．NBERWorkingPaperSeries4871，1994．[55]T．Ho．S．Lee，TermStructureMovementsandPricingInterestRateContingentClaims．JournalofFinance，1986，4：1011—1030．51 万方数据致谢弹指一挥问，研究生三年时光匆匆而过，我的校园生活也即将画上句号。这一刻，没有想象中的激动和放纵，心中弥漫的更多的是不舍和感恩。三年前的春天，我第一次踏上曦园的土地，对这座名烁古今的学校充满了仰慕，也对我未来的研究生生涯充满了期待。三年以来，我感受着校园的一草一木，目睹了校园的春华秋实，不知不觉中自己身上也融进了这座校园的气息。也许这座学校并不完美，但至少在那最美好的青春时光，我在这里学习到了知识道理，在这里结识到了同学朋友，在这里感受到了作为复旦人的骄傲和自豪。复旦，我想对您说一声，谢谢!在这短暂的三年里，有那么一位老师，平凡而伟大，在我迷惑的时候给我指点迷津，在我迷茫的时候替我指引方向，他便是我的导师张瀛老师。在我的印象中，张老师总是那么勤勤恳恳、诲人不倦。对待自己的学生，张老师既像一位父亲又如同一个朋友，既关心你的学业又给予你足够的自由。我能在研究生期间遇见这么一位好导师，是我一生的荣幸。张老师，我想对您说一声，谢谢l在复旦的学习的岁月里，我还遇到了一群聪明又友善的室友和同学，认识他们是我的荣幸，从他们身上我收获了谦虚、友爱、宽容和自信，与这些朋友的点点滴滴我将珍藏一生。我的父母不辞辛苦抚养我至成年，而后又竭尽全力支持我读本科和研究生，这一切我都铭记在心，只盼望他们幸福健康!最后，我还要感谢我的女朋友，不管我怎么选择，她都毫无保留的支持我，衷心感谢她给予我的鼓励和陪伴。告别复旦，我即将迎来真正的起航，怀揣着这份不舍和感恩，我缓步踏入社会的海洋，祝我的老,)ffJ,I朋友们前程似锦，也愿我的明天更加辉煌!江巍2014年4月于复旦大学 万方数据论文独创性声明本论文是我个人在导师指导下进行的研究工作及取得的研究成果。论文中除了特别加以标注和致谢的地方外，不包含其他人或其它机构已经发表或撰写过的研究成果。其他同志对本研究的启发和所做的贡献均已在论文中作了明确的声明并表示了谢意。作者签名：圭，耋勉日期：邕!缝笸目生翰、幻，论文使用授权声明本人完全了解复旦大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其它复制手段保存论文。保密的论文在解密后遵守此规定。作者签名：三兰趋导师签名：：丝主氨EII蓼I：星监臼奎蚴作者签名：主三丝导师签名：缕主醢：星』蛭臼奎蚴