信用利差相关因素的分解探析
模型分析结果综述
为了保证所筛选出的显著性指标的可信度和准确性，我们在进行分析时任意选择了2012年的7月、9月和11月的三个交易日作为计算日期来排除时间变化对于自变量指标回归结果的影响。最终，三个不同交易日所得到的分析结论是相同的。
相关性显著指标
通过分析，我们发现交易所和银行间样本的显著性指标基本相似。在我们所考察的指标中，评级、所有制性质、发行规模、资产总额、营业总收入和行业壁垒指标在两个样本中均表现出与信用利差显著负相关的特征；而当期票面利率、发行规模/净资产和剩余期限指标则与信用利差显著正相关。
由于两个市场的割裂，仍有一些指标在交易所和银行间两个市场表现出了不同的特征。担保情况只在交易所市场中与信用利差显著相关，授信额度余额/带息债务指标只在银行间市场中与信用利差显著相关，我们认为这主要源于两个市场投资者群体不同的特征。而标准券折算率只在交易所市场有公开数据。
我们还针对显著相关的指标用银行间样本进行了分评级的分析，以排除评级因素的干扰。分析结果将在后文讨论。
相关性不显著指标
理论上财务指标和利差应该具有显著相关性，原因在于评价企业是否能按时偿还债券本息的风险，离不开对其财务指标的分析。然而根据实际的分析结果，并没有得到验证。绝大部分的财务指标如资产负债率、现金流等与信用利差都不存在显著相关性。此外，评级调整和交易所上市指标与信用利差的关系也不显著。
显著性不真实的指标
除了上述两类自变量指标外，还存在一类指标，虽然在一元回归分析中其与信用利差显著相关，但从逻辑上无法解释其回归系数的符号。
这类指标包括流动比率和1年换手率。我们认为，这一类指标的显著相关性结果仅仅是形式上的而并非真实可信的，我们将在下文对其进行深入剖析。
多元回归模型分析结果
利用以上显著相关的指标可以建立起描述信用利差的多元回归模型。我们采用了逐步回归的方法，在建模过程中筛除了资产总额和营业总收入这两个与其他指标高度相关的自变量。我们所得到的模型对于信用利差有着较高的解释度，交易所和银行间样本的修正判定系数均在0.7左右。此外，由于评级、当期票面利率等第三方指标并不是一项纯粹的客观指标，而且很多其他显著性指标都会在评级时被考虑到并在最终给定信用评级时有所体现。为了排除同其他自变量间的相关性影响，我们还考察了不包含第三方指标的多元回归模型，两个样本所得到的修正判定系数在0.4左右。
您现在的位置: 
