论文部分内容阅读
摘要：发行信用债是企业重要的融资手段。本文根据2009 年至2019 年10 月信用债发行数据，在剔除季节性因素后建立向量自回归（VAR）模型，研究了影响信用债发行规模的因素。结果表明，市场环境、信息披露要求等对信用债发行规模有明显影响。相比之下，企业经营情况对信用债发行规模的影响不明显。
关键词：信用债 发行规模 季节性 VAR 模型
文献综述和研究意义
信用债1 是政府之外的主体进行直接融资的重要渠道，也是资本市场不可或缺的重要组成部分。信用债发行情况往往被当作判断企业经营情况的重要依据。但目前学界对于这一指标的指示效果尚存在争议。具体而言，城投、房地产和工业是目前信用债存量占比最高的三大行业。由于《中华人民共和国预算法》的修订，自2015 年起，城投平台逐渐不再承担政府融资功能，地方政府通过发行地方债（被划分为利率债范畴）为基础设施建设融资。此后，城投平台发行的信用债已不能完全体现所在地基建的情况。而在2015 年之前，部分城投平台又存在过度举债的现象（罗云开，2019）。对于房地产行业，有观点认为房企受非理性因素影响而存在非效率投资决策问题（陈文强等，2019），使得举债不能完全反映房企经营情况。由于财务管理能力不健全，类似的“融资过剩”或“融资不足”情况也存在于部分工业企业中（李文嘉，2019）。
信用债发行情况往往还反映政府对市场的调整思路（郑鸬捷，2019），可对投资者制定投资策略、判断合理入市时点起到指导作用。此外，承销商行为对发行人融资成本有显著影响，研究信用债发行规模影响因素可以从供求角度为承销机构安排发行计划提供借鉴。在发行计划允许范围内，承销机构避开供给高峰、选择合理的发行时点有助于提高发行成功的概率，帮助发行人以更合理的成本实现融资。
根据前人研究结论并结合实践经验，信用债发行规模的影响因素可以归纳为内生和外生两个方面。
内生因素即发行人存在融资的刚性需求，发行债券是基于企业自身发展的需要。当企业利润提高、投资力度加大、扩大再生产时，债券发行规模相应扩大;反之，债券发行则呈现低迷的现象。
外生因素即外部环境对融资的影响，可进一步细分为不确定性和确定性因素。有利的市场环境对债券发行具有潜在的促进作用，如长期宽松的资金面有助于企业以较低成本融资。监管政策尤其是信息披露要求对企业融资也有影响。作为标准化的融资工具，债券发行需要按照规定披露企业的最新经营情况，这有可能延缓企业的发行计划。
可以看出，良性发展的企业应以内生需求为制订债券发行计划的主要考虑因素，兼顾市场环境的变化。
基于上述重要意义和学术争议，本文拟对信用债发行规模的影响因素进行研究、论证。从目前国内外相关文献看，时间序列常被用于债券发行影响因素分解。此外，向量自回归（VAR）模型能够合理描述变量之间相互影响的关系，并较好地预测随机扰动对变量的影响。因此，本文也采用时间序列和VAR 模型进行因素分解和实证检验。
信用债发行规模的确定性因素分解
确定性因素是指序列存在的明显趋势或周期等季节性规律特征的因素。其中，季节性是指在一年或者更短的时期内重复和可预测的变动，并不局限于“季节”本身。研究季节性规律最直观的方式是观察时间序列图。图1 列出了2017 年至2019 年10 月以周为单位计量的信用债发行规模时间序列。可以发现，信用债发行规模确实存在明显以年为周期的规律，但不存在明显的趋势性规律。
（一）季节性因素的剔除过程
在影响债券发行规模的因素中，除确定性因素外，其余因素多数包含在规律性不明显的长期趋势、循环及随机波动等不确定性因素中。依据季节性因子施加影响的方式（ 陈强，2014），尝试构建如下模型：
其中，Vol 代表信用债发行规模;T 和C 分别代表内外生因素影响下规律不明显的长期趋势（Trend）和循环（Cycle），由于两者不冲突且无法完全相互独立，因此将两者以乘积表示;S 代表由时间序列图观察得出的季節性变化（Season），这一特征相对独立于其他影响因素;I 表示其他不能被上述因素解释、难以预测的随机波动（Irregular）。在进一步建立模型之前，本文利用季节性因子调整发行规模数据，剔除季节性因素的影响，得到季节性调整序列。
发行规模数据可以日度、周度、月度乃至季度为单位，但并非频率越高越好。如日度数据，在建模过程中容易出现噪声过大、不易发现周期性的问题;周度数据存在“春节效应”，且一个完整周期（年）包含的周数也不稳定，给研究带来困难。综合考虑，本文采用2009 年1 月至2019年10 月的月度信用债发行规模数据进行季节性分析，并作为后续实证研究的因变量。作为佐证，本文采取以周为单位的数据对结论的现实意义进行补充解读。
本文根据不同债券品种绘制了季节性因子曲线，如图2 所示。可以看出，债务融资工具发行规模的季节性走势与总发行规模走势拟合度最高。
图3 展示了剔除季节性因素后的发行规模走势。可以发现，在剔除季节性因素后，信用债发行规模不再呈现明显的规律。对于其他因素的影响效果，还需要进一步建立实证模型加以研究。
（二）发行规模季节性特征的现实体现
1. 信息披露规则的时点冲击效应
根据《银行间债券市场非金融企业债务融资工具信息披露规则》（中国银行间市场交易商协会公告〔2017〕32 号附件）第八条，债务融资工具的信息披露要求包括：每年4 月30 日以前，披露上一年度的年度报告和审计报告;每年8 月31日以前，披露本年度上半年的资产负债表、利润表和现金流量表;每年4 月30 日和10 月31 日以前，披露本年度第一季度和第三季度的资产负债表、利润表和现金流量表。
企业债的信息披露要求同样体现出规律性。根据国家发展改革委《企业债券发行信息披露指引》（发改办财金〔2015〕3127 号附件2），发行企业债需提供过往3 年的财务报表。在实际操作中，年报发布是一个重要的时点，每年4 月30日后企业债审核需纳入最新一期年报。未经审计的第三季度报表也是审核发行材料中被关注的材料之一。 从影响效果来看，在信息披露要求时点附近的信用债发行规模几乎都存在“前高后低”的现象。这是由于主承销商有规避更新募集材料而赶在上述时点前发行债券的动机，因此在时点前信用债发行规模上升明显;由于监管要求具有强制性，更新募集材料需要时间，因此在时点后信用债发行低迷会持续一段时间。
2. 市场参与主体行为的影响
节假日因素通过影响市场参与主体行为而影响信用债发行规模。经统计发现，正常的周末双休日不影响信用债发行规模的整体走势，但当休假时间达到3 天或以上时，会对市场供给产生较大影响。
通过观察周度发行情况可以发现，节假日越长，信用债供给恢复所需的时间越长。通常，在节假日前后市场交投都不活跃，存在申购数量不足的风险，因而一级市场低迷。
总体来看，监管因素和市场参与主体行为对信用债发行规律都有明显影响。
VAR 模型的实证过程
在剔除季节性因素后，本文继续研究其他因素对信用债发行规模的影响。除用信用债月度发行规模作为VAR 模型的因变量之外，在自变量选取方面考虑引入两类指标：第一类是代表资金面松紧的指标，包括银行间市场7 天回购利率（R007）和中国人民银行公开市场净投放量（OMO）;第二类是代表债券市场环境的中债10 年期国债收益率（TB10）、中债中短期票据曲线（AAA）3 年期收益率（YAAA，3）。此外，为体现发行人自身经营情况，即内生因素对信用债发行规模的影响，自变量还纳入代表产出的规模以上工业增加值同比增长率（IAV）、代表投资的固定资产投资规模（IIFA），以及工业品出厂价格指数（PPI）。上述变量的描述性统计见表1。
在上述数据中，有对1 月和2 月合并统计的，本文根据工作日占比将合计数拆分，对日度高频数据统一变频至月度数据进行处理。在建模之前，均剔除了上述自变量的季节性因素影响。
根据上述变量分步建模的情况，OMO、R007、TB10、IIFA 和IAV 等指标本身或差分后在回归过程中均存在不显著等问题。这一问题可从数据处理方式和变量实际意义两方面进行考虑。对于经过变频处理的数据而言，由高频数据转为相对低频数据仍然有意义的前提是，数据应当具有一定的连贯性，如经取平均数的信用债月度收益率可以反映当月信用债的价格水平。但由于OMO、R007 等数据波动较大、离散程度较高，简单求和或求均值变频后代表性变差。而从变量实际意义来看，表示资金面松紧和企业经营情况的指标不显著，说明发行人对市场信息利用不充分，或存在举债与经营匹配度不高的问题。
除此之外，滞后三阶的一阶差分后的YAAA，3 和一阶差分后的PPI 建模效果较好，下面就此进行详细分析。
首先经处理后的各项数据符合单位根平稳的特征，详见表2。
根据信息准则，本文采用多重检验原则来确定模型变量的阶数，结果如表3 所示。在避免损失过多样本容量且保证扰动项为白噪声的前提下，模型选取的阶数应当符合尽量多的检验原则。据此，本文选定变量滞后阶数为3。
接下来，检验模型建立后残差是否为白噪声，即残差是否存在自相关，并检验此VAR 模型是否稳定。当残差为白噪声时，说明解释变量及滞后项纳入较为充分，模型的解释能力较好。从结果可知，可以接受“残差为白噪声”这一原假设。同时根据图4，所有特征值均在圆内，说明该模型稳定。
为了研究变量之间的因果关系，继而判断预测能力，本文对模型进行了格兰杰因果检验。根据表4 的结果，可以判断各自变量均为因变量的格兰杰因，但并非格兰杰果，同时两个自变量之间不存在格兰杰因果，符合统计学的因果关系逻辑。因此，可判定模型不存在伪回归现象。
经过上述验证过程，基本可以确认模型具有显著性和稳定性。由于VAR 模型估计量较多，变量系数的解释意义并不大，此处不再赘述。接下来，通过观察模型的脉冲响应函数并进行方差分解，来分析各变量对发行规模的影响效果。
圖5 分别展示了Vol、YAAA，3 一阶差分、PPI一阶差分作为脉冲变量对其余变量的动态效应。根据脉冲响应函数的结果，可以判断YAAA，3 一阶差分上行（表示市场加速走熊）对债券发行规模有短期的负面冲击，但冲击很快恢复，甚至会出现反弹（曲线高过横轴）。这一现象符合经验结论：当市场融资成本上升时，企业暂缓发债行为，但由于融资计划存在刚性，可能在随后出现集中发行的情况。从幅度上看，这种冲击的影响十分有限。
PPI 一阶差分对债券发行规模有更为明显的负面冲击，且持续性很强。这一情况不符合企业利润改善后有扩大再生产动力的一般结论。但值得注意的是，PPI 等宏观数据往往带有“两面性”，即既是反映实体企业经营的指标，也是影响资本市场情绪的重要信号。当PPI 加速上行时，债市承压，对企业发行信用债进行融资的成本可能会造成一定影响。除此之外，企业融资渠道多种多样，信用债发行可能并不是其扩大再生产需要融资时的首要选择。
图6 方差分解展示了每个扰动因素对VAR 模型内各个变量的相对影响程度。根据结果可以大致判断：信用债发行规模的波动基本是由其自身变化所引起的，PPI 的一阶差分也起到了重要作用。相比之下，表征债市牛熊的YAAA，3 一阶差分对信用债发行规模波动的影响很小。
结论
本文通过剔除季节性因素影响建立VAR 模型，研究信用债发行规模的影响因素。根据检验，印证了季节性因素存在且是影响信用债发行规模最重要的因素之一。具体而言，信息披露要求和市场参与主体行为都会影响信用债发行规模，并容易引发关键时点之前的“抢发行”现象。相比之下，季末时点对信用债发行规模影响稍弱。上述因素在各个信用债品种中均有所体现，债务融资工具表现尤甚。
在剔除季节性因素影响之后，近年信用债发行规模整体呈现不规则的上升趋势。利用VAR 模型引入多种自变量后的研究表明，债市的牛熊对信用债发行规模有一定影响。在宏观经济指标中，PPI 一阶差分对信用债发行规模有所影响，但更可能是影响债市情绪的因素，而非体现企业经营情况。 本文的研究过程与结论可以為不同市场参与主体从多角度提供有益参考。
首先，确定因素影响下的信用债发行规模季节性规律明显，说明我国企业监管效率还有改善空间，可进一步简化报送、审核流程，避免出现人为、可预期的断崖式发行规模下降现象。
其次，企业应积极根据经营需要合理安排发行计划。因为实证结果表明，企业经营相关指标和信用债发行进度匹配度不高，可能存在融资效率低下乃至过度举债或举债不足的情况。
最后，对于投资者和承销机构而言，可以根据本文对信用债发行规律的总结合理安排投融资进度，避免对发行规模的规律性下跌、上涨理解错误而制订不合理的投资计划，或因市场需求不足而发行失败。
依照本文的研究思路，还可以进一步对单一信用债品种的发行规律进行研究，以提供更为精准的投资、发行建议。（本文仅代表作者个人观点，与所在机构无关）
作者单位：中信建投证券资产管理部
责任编辑：徐传平 刘颖
参考文献
[1] 陈强. 高级计量经济学及Stata 应用（ 第二版） [M]. 北京：高等教育出版社，2014.
[2] 陈文强，陆嘉玮. 市场情绪、债务融资与房地产企业过度投资[J]. 财经论丛，2019（10）.
[3] 李文嘉. 工业企业融资问题浅析[J]. 财经界（学术版），2019（15）.
[4] 栾惠德， 张晓峒. 季节调整中的春节模型[J]. 经济学（季刊），2007， 6（2）：707-722.
[5] 罗云开. 地方政府过度举债问题研究[J]. 金融与经济，2016（3）：32-36.
[6] 马一丹，程宗毛，倪珊等. 时间序列分析在债券交易价格波动中的应用[J]. 中国证券期货，2013（7）：65-67.
[7] 王超群. 信用债市场价格形成机制与收益率曲线构建[J]. 债券，2014（6）：15-17.
[8] 赵华，王杰. 基于混频数据的实体经济与金融市场时变溢出效应研究[J]. 统计研究，2018，322（7）：51-63.
[9] 郑鸬捷. 供求关系对债券市场的影响分析[J]. 债券，2019（7）：65-69.
关键词：信用债 发行规模 季节性 VAR 模型
文献综述和研究意义
信用债1 是政府之外的主体进行直接融资的重要渠道，也是资本市场不可或缺的重要组成部分。信用债发行情况往往被当作判断企业经营情况的重要依据。但目前学界对于这一指标的指示效果尚存在争议。具体而言，城投、房地产和工业是目前信用债存量占比最高的三大行业。由于《中华人民共和国预算法》的修订，自2015 年起，城投平台逐渐不再承担政府融资功能，地方政府通过发行地方债（被划分为利率债范畴）为基础设施建设融资。此后，城投平台发行的信用债已不能完全体现所在地基建的情况。而在2015 年之前，部分城投平台又存在过度举债的现象（罗云开，2019）。对于房地产行业，有观点认为房企受非理性因素影响而存在非效率投资决策问题（陈文强等，2019），使得举债不能完全反映房企经营情况。由于财务管理能力不健全，类似的“融资过剩”或“融资不足”情况也存在于部分工业企业中（李文嘉，2019）。
信用债发行情况往往还反映政府对市场的调整思路（郑鸬捷，2019），可对投资者制定投资策略、判断合理入市时点起到指导作用。此外，承销商行为对发行人融资成本有显著影响，研究信用债发行规模影响因素可以从供求角度为承销机构安排发行计划提供借鉴。在发行计划允许范围内，承销机构避开供给高峰、选择合理的发行时点有助于提高发行成功的概率，帮助发行人以更合理的成本实现融资。
根据前人研究结论并结合实践经验，信用债发行规模的影响因素可以归纳为内生和外生两个方面。
内生因素即发行人存在融资的刚性需求，发行债券是基于企业自身发展的需要。当企业利润提高、投资力度加大、扩大再生产时，债券发行规模相应扩大;反之，债券发行则呈现低迷的现象。
外生因素即外部环境对融资的影响，可进一步细分为不确定性和确定性因素。有利的市场环境对债券发行具有潜在的促进作用，如长期宽松的资金面有助于企业以较低成本融资。监管政策尤其是信息披露要求对企业融资也有影响。作为标准化的融资工具，债券发行需要按照规定披露企业的最新经营情况，这有可能延缓企业的发行计划。
可以看出，良性发展的企业应以内生需求为制订债券发行计划的主要考虑因素，兼顾市场环境的变化。
基于上述重要意义和学术争议，本文拟对信用债发行规模的影响因素进行研究、论证。从目前国内外相关文献看，时间序列常被用于债券发行影响因素分解。此外，向量自回归（VAR）模型能够合理描述变量之间相互影响的关系，并较好地预测随机扰动对变量的影响。因此，本文也采用时间序列和VAR 模型进行因素分解和实证检验。
信用债发行规模的确定性因素分解
确定性因素是指序列存在的明显趋势或周期等季节性规律特征的因素。其中，季节性是指在一年或者更短的时期内重复和可预测的变动，并不局限于“季节”本身。研究季节性规律最直观的方式是观察时间序列图。图1 列出了2017 年至2019 年10 月以周为单位计量的信用债发行规模时间序列。可以发现，信用债发行规模确实存在明显以年为周期的规律，但不存在明显的趋势性规律。
（一）季节性因素的剔除过程
在影响债券发行规模的因素中，除确定性因素外，其余因素多数包含在规律性不明显的长期趋势、循环及随机波动等不确定性因素中。依据季节性因子施加影响的方式（ 陈强，2014），尝试构建如下模型：
其中，Vol 代表信用债发行规模;T 和C 分别代表内外生因素影响下规律不明显的长期趋势（Trend）和循环（Cycle），由于两者不冲突且无法完全相互独立，因此将两者以乘积表示;S 代表由时间序列图观察得出的季節性变化（Season），这一特征相对独立于其他影响因素;I 表示其他不能被上述因素解释、难以预测的随机波动（Irregular）。在进一步建立模型之前，本文利用季节性因子调整发行规模数据，剔除季节性因素的影响，得到季节性调整序列。
发行规模数据可以日度、周度、月度乃至季度为单位，但并非频率越高越好。如日度数据，在建模过程中容易出现噪声过大、不易发现周期性的问题;周度数据存在“春节效应”，且一个完整周期（年）包含的周数也不稳定，给研究带来困难。综合考虑，本文采用2009 年1 月至2019年10 月的月度信用债发行规模数据进行季节性分析，并作为后续实证研究的因变量。作为佐证，本文采取以周为单位的数据对结论的现实意义进行补充解读。
本文根据不同债券品种绘制了季节性因子曲线，如图2 所示。可以看出，债务融资工具发行规模的季节性走势与总发行规模走势拟合度最高。
图3 展示了剔除季节性因素后的发行规模走势。可以发现，在剔除季节性因素后，信用债发行规模不再呈现明显的规律。对于其他因素的影响效果，还需要进一步建立实证模型加以研究。
（二）发行规模季节性特征的现实体现
1. 信息披露规则的时点冲击效应
根据《银行间债券市场非金融企业债务融资工具信息披露规则》（中国银行间市场交易商协会公告〔2017〕32 号附件）第八条，债务融资工具的信息披露要求包括：每年4 月30 日以前，披露上一年度的年度报告和审计报告;每年8 月31日以前，披露本年度上半年的资产负债表、利润表和现金流量表;每年4 月30 日和10 月31 日以前，披露本年度第一季度和第三季度的资产负债表、利润表和现金流量表。
企业债的信息披露要求同样体现出规律性。根据国家发展改革委《企业债券发行信息披露指引》（发改办财金〔2015〕3127 号附件2），发行企业债需提供过往3 年的财务报表。在实际操作中，年报发布是一个重要的时点，每年4 月30日后企业债审核需纳入最新一期年报。未经审计的第三季度报表也是审核发行材料中被关注的材料之一。 从影响效果来看，在信息披露要求时点附近的信用债发行规模几乎都存在“前高后低”的现象。这是由于主承销商有规避更新募集材料而赶在上述时点前发行债券的动机，因此在时点前信用债发行规模上升明显;由于监管要求具有强制性，更新募集材料需要时间，因此在时点后信用债发行低迷会持续一段时间。
2. 市场参与主体行为的影响
节假日因素通过影响市场参与主体行为而影响信用债发行规模。经统计发现，正常的周末双休日不影响信用债发行规模的整体走势，但当休假时间达到3 天或以上时，会对市场供给产生较大影响。
通过观察周度发行情况可以发现，节假日越长，信用债供给恢复所需的时间越长。通常，在节假日前后市场交投都不活跃，存在申购数量不足的风险，因而一级市场低迷。
总体来看，监管因素和市场参与主体行为对信用债发行规律都有明显影响。
VAR 模型的实证过程
在剔除季节性因素后，本文继续研究其他因素对信用债发行规模的影响。除用信用债月度发行规模作为VAR 模型的因变量之外，在自变量选取方面考虑引入两类指标：第一类是代表资金面松紧的指标，包括银行间市场7 天回购利率（R007）和中国人民银行公开市场净投放量（OMO）;第二类是代表债券市场环境的中债10 年期国债收益率（TB10）、中债中短期票据曲线（AAA）3 年期收益率（YAAA，3）。此外，为体现发行人自身经营情况，即内生因素对信用债发行规模的影响，自变量还纳入代表产出的规模以上工业增加值同比增长率（IAV）、代表投资的固定资产投资规模（IIFA），以及工业品出厂价格指数（PPI）。上述变量的描述性统计见表1。
在上述数据中，有对1 月和2 月合并统计的，本文根据工作日占比将合计数拆分，对日度高频数据统一变频至月度数据进行处理。在建模之前，均剔除了上述自变量的季节性因素影响。
根据上述变量分步建模的情况，OMO、R007、TB10、IIFA 和IAV 等指标本身或差分后在回归过程中均存在不显著等问题。这一问题可从数据处理方式和变量实际意义两方面进行考虑。对于经过变频处理的数据而言，由高频数据转为相对低频数据仍然有意义的前提是，数据应当具有一定的连贯性，如经取平均数的信用债月度收益率可以反映当月信用债的价格水平。但由于OMO、R007 等数据波动较大、离散程度较高，简单求和或求均值变频后代表性变差。而从变量实际意义来看，表示资金面松紧和企业经营情况的指标不显著，说明发行人对市场信息利用不充分，或存在举债与经营匹配度不高的问题。
除此之外，滞后三阶的一阶差分后的YAAA，3 和一阶差分后的PPI 建模效果较好，下面就此进行详细分析。
首先经处理后的各项数据符合单位根平稳的特征，详见表2。
根据信息准则，本文采用多重检验原则来确定模型变量的阶数，结果如表3 所示。在避免损失过多样本容量且保证扰动项为白噪声的前提下，模型选取的阶数应当符合尽量多的检验原则。据此，本文选定变量滞后阶数为3。
接下来，检验模型建立后残差是否为白噪声，即残差是否存在自相关，并检验此VAR 模型是否稳定。当残差为白噪声时，说明解释变量及滞后项纳入较为充分，模型的解释能力较好。从结果可知，可以接受“残差为白噪声”这一原假设。同时根据图4，所有特征值均在圆内，说明该模型稳定。
为了研究变量之间的因果关系，继而判断预测能力，本文对模型进行了格兰杰因果检验。根据表4 的结果，可以判断各自变量均为因变量的格兰杰因，但并非格兰杰果，同时两个自变量之间不存在格兰杰因果，符合统计学的因果关系逻辑。因此，可判定模型不存在伪回归现象。
经过上述验证过程，基本可以确认模型具有显著性和稳定性。由于VAR 模型估计量较多，变量系数的解释意义并不大，此处不再赘述。接下来，通过观察模型的脉冲响应函数并进行方差分解，来分析各变量对发行规模的影响效果。
圖5 分别展示了Vol、YAAA，3 一阶差分、PPI一阶差分作为脉冲变量对其余变量的动态效应。根据脉冲响应函数的结果，可以判断YAAA，3 一阶差分上行（表示市场加速走熊）对债券发行规模有短期的负面冲击，但冲击很快恢复，甚至会出现反弹（曲线高过横轴）。这一现象符合经验结论：当市场融资成本上升时，企业暂缓发债行为，但由于融资计划存在刚性，可能在随后出现集中发行的情况。从幅度上看，这种冲击的影响十分有限。
PPI 一阶差分对债券发行规模有更为明显的负面冲击，且持续性很强。这一情况不符合企业利润改善后有扩大再生产动力的一般结论。但值得注意的是，PPI 等宏观数据往往带有“两面性”，即既是反映实体企业经营的指标，也是影响资本市场情绪的重要信号。当PPI 加速上行时，债市承压，对企业发行信用债进行融资的成本可能会造成一定影响。除此之外，企业融资渠道多种多样，信用债发行可能并不是其扩大再生产需要融资时的首要选择。
图6 方差分解展示了每个扰动因素对VAR 模型内各个变量的相对影响程度。根据结果可以大致判断：信用债发行规模的波动基本是由其自身变化所引起的，PPI 的一阶差分也起到了重要作用。相比之下，表征债市牛熊的YAAA，3 一阶差分对信用债发行规模波动的影响很小。
结论
本文通过剔除季节性因素影响建立VAR 模型，研究信用债发行规模的影响因素。根据检验，印证了季节性因素存在且是影响信用债发行规模最重要的因素之一。具体而言，信息披露要求和市场参与主体行为都会影响信用债发行规模，并容易引发关键时点之前的“抢发行”现象。相比之下，季末时点对信用债发行规模影响稍弱。上述因素在各个信用债品种中均有所体现，债务融资工具表现尤甚。
在剔除季节性因素影响之后，近年信用债发行规模整体呈现不规则的上升趋势。利用VAR 模型引入多种自变量后的研究表明，债市的牛熊对信用债发行规模有一定影响。在宏观经济指标中，PPI 一阶差分对信用债发行规模有所影响，但更可能是影响债市情绪的因素，而非体现企业经营情况。 本文的研究过程与结论可以為不同市场参与主体从多角度提供有益参考。
首先，确定因素影响下的信用债发行规模季节性规律明显，说明我国企业监管效率还有改善空间，可进一步简化报送、审核流程，避免出现人为、可预期的断崖式发行规模下降现象。
其次，企业应积极根据经营需要合理安排发行计划。因为实证结果表明，企业经营相关指标和信用债发行进度匹配度不高，可能存在融资效率低下乃至过度举债或举债不足的情况。
最后，对于投资者和承销机构而言，可以根据本文对信用债发行规律的总结合理安排投融资进度，避免对发行规模的规律性下跌、上涨理解错误而制订不合理的投资计划，或因市场需求不足而发行失败。
依照本文的研究思路，还可以进一步对单一信用债品种的发行规律进行研究，以提供更为精准的投资、发行建议。（本文仅代表作者个人观点，与所在机构无关）
作者单位：中信建投证券资产管理部
责任编辑：徐传平 刘颖
参考文献
[1] 陈强. 高级计量经济学及Stata 应用（ 第二版） [M]. 北京：高等教育出版社，2014.
[2] 陈文强，陆嘉玮. 市场情绪、债务融资与房地产企业过度投资[J]. 财经论丛，2019（10）.
[3] 李文嘉. 工业企业融资问题浅析[J]. 财经界（学术版），2019（15）.
[4] 栾惠德， 张晓峒. 季节调整中的春节模型[J]. 经济学（季刊），2007， 6（2）：707-722.
[5] 罗云开. 地方政府过度举债问题研究[J]. 金融与经济，2016（3）：32-36.
[6] 马一丹，程宗毛，倪珊等. 时间序列分析在债券交易价格波动中的应用[J]. 中国证券期货，2013（7）：65-67.
[7] 王超群. 信用债市场价格形成机制与收益率曲线构建[J]. 债券，2014（6）：15-17.
[8] 赵华，王杰. 基于混频数据的实体经济与金融市场时变溢出效应研究[J]. 统计研究，2018，322（7）：51-63.
[9] 郑鸬捷. 供求关系对债券市场的影响分析[J]. 债券，2019（7）：65-69.