基于流动性溢价理论的国债收益率曲线动态形成机制研究

在金融市场当中，国债收益率曲线可反映经济周期与市场预期，是重要指标。对其动态形成机制开展研究，长久以来都是学术界和实务界关注重点。

流动性溢价理论是解释收益率曲线形态的核心理论之一。该理论表明，投资者持有长期债券时会要求额外收益补偿，因为长期资产存在流动性风险和价格波动风险。其基本假设为市场参与者一般更偏好流动性高的短期资产，所以发行方需要提高收益率来吸引投资者持有长期国债，最终会形成收益率曲线向上倾斜的典型特征。

期限结构模型能清楚体现流动性溢价理论的核心原理。此模型把国债收益率分成两部分，一部分是未来短期利率预期的平均值，另一部分是随期限增加的流动性溢价。而流动性溢价的大小会受到市场风险厌恶程度、交易成本、信息不对称性等多种因素的影响。在实际研究的时候，学者们常常借助计量经济模型来量化流动性溢价，例如把远期利率曲线和实际收益率曲线的差额当作代理变量，又或者使用卡尔曼滤波等状态空间模型来估计不可观测的流动性溢价。

分析基于流动性溢价理论的收益率曲线，要按照一定流程操作。具体操作的时候，首先要收集不同期限的国债交易数据，并且要保证数据完整且准确。然后通过构建时间序列模型，识别收益率曲线的动态特征，像水平因子、斜率因子、曲率因子这些共同驱动因素都需要考虑进去。之后要结合通货膨胀率、货币供应量等宏观经济变量，建立起流动性溢价和经济周期的关联模型。最后要通过实证检验来验证理论假设是否合理，同时要评估模型对未来收益率走势的预测能力。

这一理论在实际中有多方面应用。货币政策制定者可将收益率曲线里的市场预期信息当作政策调整的重要参考。金融机构投资者了解流动性溢价的动态变化，有助于优化自身的资产配置策略。企业在做融资决策时，若能准确预测长期利率走势，就能够降低发债成本，规避利率风险。特别是在当前全球经济不确定性不断增加的情况下，深入研究基于流动性溢价的收益率曲线形成机制，对于维护金融稳定、促进经济高质量发展有着重要的现实意义。

流动性溢价理论是解释国债收益率曲线形态和动态变化重要的理论框架，该理论发展反映出金融学界对市场流动性风险认识持续深入的情况。这一理论最早可追溯到费雪和希克斯所提出的流动性溢价假说，其核心逻辑为长期债券存在价格波动更大且变现更难的特点，所以需要给出额外收益作为补偿，以此来吸引投资者持有长期债券。该假说存在一个隐含假设，即市场中投资者大多是风险厌恶的，不同期限国债的流动性存在明显差别，长期国债的流动性风险溢价会随着期限的不断延长而逐渐增加。早期的流动性溢价理论为解释国债收益率曲线通常向上倾斜的现象奠定了基础，不过却无法充分说明市场里复杂的实际情况。

研究不断推进，范恩模型引入投资者异质性假设，对理论进行重要扩展。此模型不再将投资者视为同一类群体，而是区分出短期套利者和长期投资者，同时假设不同类型投资者对流动性的偏好和风险承受能力存在不同。这样的设定使流动性溢价的形成机制更加贴近实际市场状况。例如在长期投资者占主导的市场情形下，即使长期国债的流动性差一点，但由于需求稳定，其溢价也可能保持在较低水平。范恩模型的发展意味着流动性溢价理论从单一的风险补偿角度，转变为对市场微观结构进行分析，能够更加灵活地解释收益率曲线的短期波动情况。

进入现代金融理论阶段，包含市场摩擦的仿射模型把流动性因子明确加入到动态定价过程之中。这类模型引入流动性成本、交易冲击等状态变量，对流动性溢价对收益率曲线时变特征产生的影响进行量化分析。其核心假设除传统的风险厌恶和期限溢价递增规律之外，还强调流动性风险具有系统性，并且会随着市场条件（比如在危机时期）出现大幅变化的情况。在国债市场当中，这个假设的合理性表现得更为明显，原因在于国债虽被视作无信用风险资产，然而不同期限品种的市场深度和交易效率存在明显差别，就像新发行国债的流动性通常比存量旧券要好很多。通过明确建立流动性因子模型，现代理论能够更加准确地捕捉极端市场环境下收益率曲线动态调整的具体过程，为构建符合中国市场特点的动态形成机制模型奠定了坚实的理论基础。

在流动性溢价理论分析框架下构建国债收益率曲线的动态因子模型，目的是捕捉收益率曲线核心驱动因素以及它随时间演变的特征。研究选择affine因子模型作基础框架，原因是这个模型能有效分解收益率曲线水平、斜率、曲率等核心期限因子，并且通过灵活的载荷结构把流动性溢价的影响引入，从而同时满足理论假设和实证研究的要求。

构建模型时，首要步骤是用主成分分析（PCA）确定基础期限因子的数量。实证结果表明，前三个主成分通常能解释国债收益率变动的大部分方差。具体来说，第一个主成分对应水平因子，它反映长期利率的整体走向；第二个是斜率因子，体现短端与长端利率的期限利差；第三个为主成分是曲率因子，用来描述收益率曲线的凸性变化。通过这样的过程使模型的维度降低了，同时让各个因子有了清晰的经济含义。

之后要把流动性因子整合进模型体系。流动性因子有两种引入办法，一种是作为外生变量，直接参与到收益率方程的载荷结构里；另一种是作为内生变量，融入因子动态系统。假设流动性因子$L$t 已经通过第2.3节的方法识别出来，其动态过程可以设定为自回归形式，也就是$L$t = \rho L{t - 1} + \etat ，这里面的$\eta$t 是随机扰动项。基础期限因子$f$t 的动态过程一般用向量自回归模型（VAR(1)）来进行描述，即$f$t = \Phi f{t - 1} + \epsilont ，式子中的$\Phi$为参数矩阵，$\epsilon$t 是独立同分布的误差项。收益率$y_t(\tau)$的生成方程能够写成这样的形式：

这里的\( \beta_{\tau} \)是期限\( \tau \)对应的因子载荷向量，\( \gamma_{\tau} \)是流动性因子的载荷系数，\( \alpha_{\tau} \)为截距项，\( \varepsilon_t(\tau) \)是观测误差。这样设定之后，流动性溢价对收益率的影响就会呈现出期限依赖的特征。

模型估计会采用卡尔曼滤波和极大似然估计结合的方法。卡尔曼滤波会把状态空间模型分成观测方程和状态方程，然后利用递归算法对因子状态进行预测并且更新，通过这样的方式来计算似然函数值。极大似然估计使用优化算法来求解模型参数，从而让观测数据的条件概率密度达到最大。这种方法的好处是可以处理不可观测的潜在因子，并且能够充分运用时间序列的信息。最终构建的模型既符合流动性溢价理论中风险补偿的核心逻辑，又能够准确描述国债收益率曲线的动态特征，为后面的实证分析提供了可靠的支撑。

构建国债收益率曲线动态形成模型，准确度量与识别流动性因子是很关键的一步。这一步是否准确会直接影响到后续实证分析是否可靠。因为要考虑我国国债市场的实际情况，所以在度量流动性因子的时候要同时考虑市场微观结构以及交易的具体特点。

买卖价差是能最直观体现流动性的度量指标，它反映出交易的即时成本。其计算方法是，先算出最优卖价减去最优买价的差额，再用这个差额除以中间价。Amihud非流动性比率用于衡量单位成交金额所引发的价格变动幅度，以此来对价格冲击效应进行量化。它的计算公式是：

其中\(R_{i,d}\) 指的是第 \(i\) 只国债在第 \(d\) 日所获得的收益率，\(VOLD_{i,d}\) 是这一天的成交金额，\(D_{i,t}\) 代表的是第 \(t\) 月的交易天数。国债质押回购利差是用来衡量融资流动性的一个指标，它通过比较质押式回购利率和同期无风险利率之间的差额，来反映债券融资的便利程度究竟如何。成交量占比是从市场深度的角度去衡量相对交易活跃度的，具体来说，它指的是某只国债的成交额在同一时期国债总成交额里所占的比例。
为保证这些流动性因子能够有效代表市场的情况，需要使用主成分分析法对前面所提到的多个指标进行降维处理。具体的做法为，首先对指标矩阵开展标准化处理，接着计算协方差矩阵，然后提取特征值大于1的主成分，将其作为公共流动性因子。要通过两项检验来验证因子得分是否有效。第一项检验是计算因子得分和原始指标的相关系数，要求这个相关系数的绝对值不能低于0.7。第二项检验是进行KMO检验和Bartlett球形检验，以此来确认因子分析是否适用。在实际进行分析的时候，可以构建下面这样的回归模型，以此来检验流动性因子对期限利差的解释能力到底怎么样：

这里的 $Spread$t 代表的是10年期和1年期国债的收益率差，$LF$t 是流动性因子的得分值，$Controls_t$ 包含了宏观经济相关变量。根据2018年到2023年我国国债交易数据的实证结果能够知道，流动性因子的回归系数显著为负，这就说明当市场流动性提高的时候，期限利差会明显缩小，这也验证了流动性溢价理论在我国国债市场是有效的。这套度量和识别框架不仅能够对市场整体的流动性情况进行分析，而且还能够通过不同个券的因子得分差异，去识别流动性风险溢价的结构性特征。

对基于流动性溢价理论的国债收益率曲线动态形成机制进行研究，研究的结果表明，国债收益率曲线的形态不单单由市场对未来利率的预期来决定，流动性溢价同样会产生明显的影响。流动性溢价理论核心观点是，长期国债收益率包含两部分内容，一部分是未来短期利率预期的平均值，另一部分是持有长期资产需要承担额外风险所获得的补偿。这种补偿的来源是长期国债具有流动性较低、价格波动性更高的特点，由于存在这样的特点，投资者会要求获得更高的回报来作为风险补偿。在实际的市场当中，因为存在流动性溢价，所以收益率曲线通常是向上倾斜的，哪怕市场预期未来利率会保持不变。

构建动态模型能够进一步揭示流动性溢价在收益率曲线形成过程里的作用机制。构建这个模型需要先确定短期利率的随机波动路径，一般是使用Vasicek模型或者CIR模型等利率期限结构模型来对其进行描述。在确定短期利率随机波动路径之后要引入流动性溢价函数，通过这个函数来量化不同期限国债的风险补偿水平。这个函数常常和宏观经济变量、市场情绪以及央行政策等诸多因素紧密关联在一起。在进行参数估计的时候，需要利用国债市场交易数据，并且通过卡尔曼滤波等计量方法来校准模型参数，这么做是为了保证模型能够准确拟合实际收益率曲线的动态变化情况。通过开展模拟分析工作，既能够验证流动性溢价对不同期限收益率产生影响的大小，又能够对未来收益率曲线可能出现的走向作出预测。

这样的研究框架在实际应用方面有着重要的意义。对于央行而言，了解流动性溢价所起到的作用能够更加准确地解读收益率曲线传递出来的信号，在准确解读信号之后可以进一步优化货币政策传导机制。举个例子，当收益率曲线变得陡峭的时候，如果这种情况主要是由流动性溢价推动的，那么可能意味着市场风险偏好降低了，而并不是市场对未来经济持乐观态度。对于金融机构来说，这个模型可以运用在长期债券定价、利率风险管理以及投资组合策略构建等方面。投资者能够根据流动性溢价的变化情况动态地调整持仓结构，通过调整持仓结构来实现风险调整之后的收益最大化目标。除此之外，监管部门也可以运用这个模型来监测市场流动性的状况，在监测过程中能够及时对系统性风险发出预警。基于流动性溢价理论开展的收益率曲线研究，为金融市场的参与者提供了更加深入的分析工具，有了这样的工具，有助于提升市场定价效率以及风险管理水平。