票据利率期限结构信息分析及应用

作者： 中国货币市场 | 05-16

内容提要

文章在已有债券利率研究范式和票据利率研究成果的基础上，运用动态Nelson-Siegel模型分析票据利率期限结构，并将拟合利率和实际利率的差值作为票据市场情绪指标，构建月度票据利率预测模型。经检验，模型具有较好的预测效果，验证了票据利率期限结构作为一项机构交易行为数据，对票据市场利率研究具有重要意义。

一、引言

近年来，上海票据交易所（以下简称“票交所”）逐步完成新一代票据系统上线，并将贴现通、供应链票据等纳入“线上贴现”功能模块，不仅提升了票据的标准化程度和市场规范性，而且进一步打破了票据直转贴市场的利率壁垒，金融机构通过票据产品服务实体经济的市场定位和功能架构日趋完善。票据不仅是银行间交易的资产工具，也是涵养广大中小企业的金融毛细血管，更逐步发展成为我国企业发展状况的晴雨表和货币政策传导的重要途径。金融机构对票据利率进行研究，不仅有助于理解和落实国家宏观政策，也是为中小企业提供公平公正、专业合规的金融咨询和经纪服务，履行社会责任的切实体现。

二、市场情绪信息在票据利率研究中的应用

票据作为银行信贷调节工具，既受货币政策和资金利率等金融市场宏观因素间接影响，又受到机构内部信贷投放进度、市场从众心理等潜在因素直接影响。后者难以通过公开信息渠道获取和分析，但是反映在机构交易行为中的市场情绪可以被捕捉，进而运用于利率预测。杨炳（2020）通过搜集票据交易员微信群的买入和卖出广告数，运用KNN模型预判下一日利率变动方向，获得较好的预测效果。目前也有不少第三方数据服务机构将票据交易市场的收票和出票广告数纳入其票据市场基础数据库，但这个方法对于机构的数据搜集技术要求较高，并且市场信息更新较快，准确性较难把握，难以进行中长期预判。

三、票据利率期限结构反映市场情绪

票交所自2018年12月6日开始每日公布票据利率曲线，提供了一个数据规范性和易得性更好的市场情绪指标——票据利率期限结构。利率期限结构又称利率曲线，是指不同期限与其利率之间的对应关系，一直是债券研究的重要工具。在不同市场情绪和机构策略下，利率曲线会呈现不同的形态，例如降准后每日票据利率曲线形态会出现明显变化（图1）。已有不少票据从业人员对此进行研究，例如罗丹阳（2018）选用Hermite插值法对票据利率进行拟合，形成票据利率曲线；又如黄家驹（2021）用主成分分析法分析票据利率期限结构，发现票据利率也存在水平、斜率、曲线三因子。

图1 降准后票据利率期限结构变化（y=0为降准当日）

注：数据来源于票交所“票信宝”。

本文拟着重分析票据利率期限结构中蕴含的市场情绪，并探索其在利率预测方面的作用。运用动态Nelson-Siegel模型拟合票据各期限利率，并计算拟合利率和实际利率的差值（以下简称拟合差值）。由于票据不同于资金和债券产品，大部分金融机构每月末需要通过票据交易调剂信贷规模，所以某些期限的拟合差值代表了市场整体机构对该期限票据的交易偏好和后市的利率预判，即为市场情绪指标。

四、运用票据利率期限结构信息构建预测模型

（一）数据准备

选取2018年12月6日至2024年3月31日票交所公布的国股转贴现利率曲线中的12个期限（1至12M）利率点进行拟合。从2023年开始票据期限缩短至6个月，实际采集的期限利率点相应减少，因此统计上采用每月平均利率拟合的方式。

（二）票据利率拟合

本文使用Python的Nelson-Siegel模型库进行利率拟合。动态Nelson-Siegel模型拟合的过程，即是将某一个观测时点各个期限的票据利率拟合成以三因子和λ构成的曲线，模型公式如下：

以票据转贴利率为例，t代表某个时点，为票据剩余期限，函数包含四个参数：、、和，这四个参数是动态变化的。体现了对票据长期利率的影响因素，为水平因子；体现了对票据短期利率的影响因素，为斜率因子；体现了对票据中期利率的影响因素，为曲线因子；是控制利率曲线衰减速率的参数，越小衰减越慢，能更好地拟合长期利率；反之则能更好地拟合短期利率。

为了使模型具有较好的解释意义，一般采用固定λ的方式进行拟合，按照Diebold（2008）确定λ的方法，选择在重点拟合期限下使曲度因子达到最大的λ。本文比较了4个重点拟合期限的不同λ的拟合效果，分别为0.89（重点拟合期限2M）、0.60（重点拟合期限3M）、0.30（重点拟合期限6M）和0.18（重点拟合期限10M）。当λ=0.89时，斜率和曲线因子的标准差均最小，意味着模型对短期利率的拟合稳定性最好，因此将λ设置为0.89并且采用每月平均利率拟合的方式。

（三）使用拟合差值建立预测模型

在确定三因子和λ值之后，可以根据模型公式计算出任意期限的拟合利率和拟合差值。本文计算了机构重点交易期限3M和6M的拟合差值，分析拟合差值与下一月利率变动的相关性，发现3M和6M的拟合差值与下一月各期限的利率变动有明显相关性，具有预测功能。其中，3M拟合差值的预测性更强，相关性在0.6以上（表1）。

表1 拟合差值与下一月利率变动的相关性（λ=0.89）

注：将拟合利率与实际利率差值定义为拟合差值。

根据表1结果，本文选取相关性更大的3M拟合差值作为市场情绪指标，预判下一月6M票据利率变动。选择2019年1月至2022年12月的数据作为初始训练集开展建模，进行ADF平稳性检验，3M拟合差值的p值为0.94，下一月6M利率变动的p值为0.32，两个序列不平稳，但是一阶差分序列平稳（p值都为0.00），并且两个序列存在协整关系（p值为0.00），所以本文以每月3M拟合差值和下一月6M利率变动建立一元线性回归模型，进行利率预判。为了提高样本数据的使用率，此后随着月份递增，将每月新增数据纳入训练集重新训练模型，预测下一月利率变动，直至2024年2月。预测结果如表2，本模型具有较高的预测准确性，涨跌方向预判准确度为86%，利率预测的均方根误差为0.45。

表2 利率模型的预测准确性

五、讨论和展望

（一）基于预判及策略执行因素，短期限利率拟合差值预判较优

代表市场情绪的3M拟合差值明显强于6M，可能有两个原因：一是3个月内，机构对自身信贷规模以及跨季、跨年的市场供求信息更容易预判，适宜主动开展3M库存票据的调剂，所以3M票据的拟合差值能更清晰地代表机构对后续市场的预判态度。二是机构更易执行3M票据的交易策略，因为6M票据更多是从贴现市场贴入，每月的贴现利率和交易量相对稳定，机构对其更偏向于采用跟随市场的定价策略，按照既定利率去票据市场选择买入（贴现）或者不买（不贴现），较少主动大幅调整利率后买入（降低贴现价格）或卖出（拉高贴现价格）。相比之下，3M票据大部分已在银行库存中，更多在银行间市场流转，机构便于使用这个期限的库存吸收整体损失或者获取超额收益，执行机构交易策略。

（二）基于Nelson-Siegel模型三因子分析框架，解析票据利率驱动力

借鉴Nelson-Siegel模型的三因子分析框架，本文将票据利率波动的驱动力分为两种。一是整体水平波动，简称水平动力，是指市场上某些期限的利率涨跌所带来的各期限利率的整体涨跌。二是特殊节点的结构性利率波动，简称结构动力。因为票据在大部分时间被动成为信贷规模的调节池，各期限的票据利率波动可能不一致，在特殊节点，可能会出现短涨长跌或者短跌长涨的现象。例如，当市场上较多机构预判3个月之后整体利率下行，这些机构会提前调整库存，卖出3M和买入其他期限的票据。以此避免届时因3M票据集中到期，同时又为了保持信贷规模而不得不低利率买入票据，造成隐性亏损。于是当期的3M票据利率必然上涨，反映在本模型上，3M的拟合利率必然低于实际利率。到下个月，换成2M票据利率上涨，3M票据利率可能受2M票据上涨情绪带动而继续上涨（水平动力），也可能因为到期时间越过关键时点而下降（结构动力）。

（三）应用展望：扩充利率分析框架，强化数字化系统建设，助力票据市场深入服务实体经济

本文基于对市场交易行为的观察，建立以票据利率期限结构为市场情绪指标的利率预判模型，旨在借助模型逐月复盘，帮助金融机构、用票企业等在交易实操及票据使用中快速搭建自身的利率分析框架。一是在建模思路上，结合市场情绪和金融市场宏观因素，构建兼具实用性和解释意义的中长期票据利率模型。使用者可以通过观察机构操作和复盘宏观数据，加深对市场利率的理解，完善利率分析框架。二是在建模实施上，利用个性化算法，改造或整合多个模型，动态调整模型参数，获得更好的预测效果。例如本文多次调整动态Nelson-Siegel模型的λ参数，滚动递增训练期数。同时，将数据系统建设和模型研究相结合，建立数据集成工具，为广大用票企业、金融机构及时进行利率研判和制定交易策略提供数据支持，帮助用票企业降低融资成本，推动金融机构更好地服务实体经济。