2005年-世界发展银行全球_What_Determines_US_Swap_Spreads__60页_3mb
报告摘要
总结:What Determines U.S. Swap Spreads?
核心内容
本文探讨了1994年至2004年间美国利率互换利差(swap spreads)的决定因素,并基于理论和实证分析构建了一个误差修正模型(ECM)以解释这些利差的动态变化。研究重点在于识别长期关系和短期波动因素,从而更准确地预测和解释swap spreads的演变。
主要观点
- Swap Spreads的定义:Swap spreads是利率互换利率与相同期限国债收益率之间的差额,反映了信用风险和流动性溢价。
- 信用风险与流动性风险:Swap spreads由两个主要成分构成:信用成分(来自LIBOR的信用质量)和流动性成分(来自国债的流动性溢价)。
- 理论发展:早期理论认为swap spreads主要由信用风险决定,但随着市场成熟,更多研究强调流动性因素的重要性。
- 实证研究的挑战:过去的研究在实证方面面临技术困难,如非平稳性、制度变化和长期与短期决定因素的共存。
- 误差修正模型(ECM):作者采用基于协整理论的误差修正模型,将长期关系与短期波动整合,以更好地拟合swap spreads的观测数据。
关键信息
1. Swap市场的演变与特点
- Swap市场自1980年代初发展起来,已成为全球金融体系中的核心市场之一。
- Swap市场具有广泛的用途,包括资产负债管理、投资组合管理、套期保值、融资等。
- Swap市场的参与者包括银行、工业公司、机构投资者和主权债务管理者。
- Euro和美元swap曲线是发达市场的重要参考指标。
2. Swap Spreads的决定因素
- 信用风险:最初认为swap spreads由对手方违约风险决定,但后来研究发现其影响较小。
- 流动性风险:国债由于其流动性优势,可能包含流动性溢价,这在swap spreads中有所体现。
- 其他因素:包括AA利差、回购利率、新旧国债收益率差异、抵押品要求以及MBS的久期等。
3. 误差修正模型的构建与应用
- 作者基于协整理论构建了一个误差修正模型,该模型整合了长期关系与短期波动。
- 模型考虑了四个短期决定因素:AA利差、回购利率、新旧国债收益率差异、MBS久期。
- 模型能够很好地拟合swap spreads的观测数据,并可用于情景分析。
4. 实证结果与分析
- 长期关系:Swap spreads与美国国债发行量之间存在协整关系,表明国债供应是长期决定因素之一。
- 短期波动:模型显示,swap spreads对流动性和信用风险因素的反应存在差异,其中流动性因素的影响更为显著。
- 情景分析:模型可用于预测swap spreads在不同市场情景下的变化,为投资者和债务管理者提供决策支持。
5. 市场结构与制度因素
- 互换市场的制度特征(如抵押品管理、每日盯市)显著影响swap spreads。
- 抵押品要求和信用支持协议(Credit Support Annex)在降低对手方违约风险方面起到关键作用。
- 互换市场中的流动性管理机制对swap spreads的影响与传统信用和流动性因素同样重要。
结论
本文指出,swap spreads的决定因素不仅包括信用和流动性,还涉及市场结构和制度安排。通过构建误差修正模型,作者能够有效捕捉swap spreads的长期趋势与短期波动,并展示了模型在情景分析中的应用潜力。这一研究为理解swap市场的运作机制提供了新的视角,并强调了对市场结构和制度因素进行深入研究的必要性。
关键模型与理论
- 协整理论:用于识别swap spreads与国债供应之间的长期关系。
- 误差修正模型(ECM):整合长期趋势与短期波动,提高模型对swap spreads的拟合能力。
- 多因子模型:如Duffie和Singleton(1997)提出的模型,考虑信用和流动性因素,用于解释swap曲线的形状和变化。
- 凸性调整:在计算前向LIBOR利率时,考虑凸性调整以提高模型的准确性。
数据与方法
- 数据来源:涵盖1994年至2004年的swap spreads、国债收益率、回购利率、MBS久期等数据。
- 方法论:采用单位根检验(ADF)、协整分析、误差修正模型等方法,以确保模型的稳健性和准确性。
- 模型评估:通过情景分析和敏感性分析,检验模型的预测能力和稳健性。
参考文献
- Grinblatt, M. (1995)
- Duffie, D., Singleton, K. J. (1997)
- Liu, H., Longstaff, F. A., Mandell, M. B. (2001)
- He, H. (2000)
- Johannes, M., Sundaresan, S. M. (2003)
- Bomfim, A. (2002)
- Lang, L. H., Litzenberger, R. H., Liu, J. (1998)
情景与应用
- 模型可用于预测swap spreads在不同市场条件下的变化。
- 通过情景分析,可以评估市场波动、政策变化等对swap spreads的影响。
- 模型的应用有助于金融机构和政策制定者更好地理解和管理swap市场风险。
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载