中国债券市场价格效率研究 施一宁 李志冰 张海云 （对外经济贸易大学金融学院） 摘要：本文基于市场有效性假说，探究了中国债券市场的价格有效性。 借鉴 Hou and Moskowitz(2005)的方法，首次构建了衡量单个债券价 格有效性的指标。并通过此指标，比较了中国银行间债券交易市场， 上海及深圳债券交易所市场的市场有效性。研究发现上海交易所市场 有效性最高，信息传导最为有效，基本没有延迟；深圳交易所次之， 而银行间市场有效性最差，债券价格延迟严重。该发现与银行间市场 采用询价机制而交易所市场采用竞价机制有一定关系。 （一）引言 自改革开放以来，中国经济的快速发展也伴随了我国金融体系规 模不断扩大。目前，中国已拥有全世界最大的银行市场体系和第二大股 票市场。更令人瞩目的是，从上个世纪 80 年代财政部恢复国债发行开始， 经过短短 40 年的发展，中国债券市场已经成为全球第二大债券市场。从 最初的市场化机制设立到基础设施完善、从服务实体经济功能到如今的 助推市场利率化改革，从支持辅助宏观政策调控到引领对外市场开放， 我国债券市场取得了瞩目的成绩与发展1。仅 2019 年，我国债券市场的 发行规模已达 27.04 万亿元债券，且托管余额超过 93 万亿元，显著改善 我国融资结构。随着市场机制不断完善，产品创新不断丰富，债券市场 已成为我国经济发展及金融系统不可或缺且尤其重要的一部分，国际影 响力不断提升。 与此同时，中国债券市场也形成了银行间与交易所市场并行的特色 市场模式。有效成熟的债券市场通常为集中清算、托管及统一的信息披 露，而我国这种银行间与交易所并行的“市场分割”模式是否会影响我 国债券市场的有效发展及其价格的有效性，这个问题将直接关系到我国 债券市场未来的发展与建设监管建设（徐忠，2015）。另外一方面，2020 年 7 月 19 日，中国人民银行与证监会联合发布的《中国人民银行中国证 券监督管理委员会公告（【2020】第 7 号文）》中同意银行间与交易所 债券市场相关基础设施机构开展互联互通合作，也标志着我国两大债券 市场的逐渐统一整合的趋势2。可见，随着债券市场在社会融资、宏观政 策调节，经济结构调整等方面越来越重要的作用。因此，有效地检测及 1 https://www.financialnews.com.cn/sc/zq/201908/t20190822_166466.html 2 https://www.lexology.com/library/detail.aspx?g=5693d42c-ead5-406d-b75d-bdb2d4c0aa91 验证多交易所市场平行交易所带来的矛盾及机遇，同时探究各个债券市 场模式的有效性将会为我国债券市场改革与发展提供重要的实证发现与 政策建议。 本章节利用了 Hou and Moskowitz (2005)的方法探究及比较了我国 上海交易所、深圳交易所以及银行间市场三个债券交易市场的价格有效 性。本文发现三个市场中上海交易所市场最有效，对债券价格信息最敏 感，深圳交易所市场次之，而银行间交易所信息有效性最弱。另外，该 有效性与相关债券市场的流动性有关，即其所交易的体量。 （二）文献综述 由于中国债券市场的分割交易特性，另外对于债券市场价格有效应 的衡量变量缺乏统一标准，导致关于我国债券市场价格有效性的研究非 常有限。这也凸显本文研究的理论及实践意义。其中，徐荟竹、李文伟 （2018）从流动性及信息不对称的角度研究债券市场分割对价格有效性 的影响。该文使用同一债券在交易所市场和银行间市场的绝对价差度量 信息不对称程度，使用债券的成交量及成交频率来衡量债券的流动性， 研究发现前者会降低债券市场的信息有效性，而后者会提高债券市场的 信息有效性。 首先，我国债券市场的流动性远远低于国际上发达成熟的债券市场。 根据相关数据，截至 2019 年年底，我国国债的换手率为 2.1，远远低于 美国国债的换手率 8.98。流动性较好金融债换手率也仅为 5.73。可见我 国流动性仍有很高的提高空间。与此同时，多个市场的分割运营会损害 3 https://www.financialnews.com.cn/ll/xs/202008/t20200824_199052.html 市场的流动性，导致价格波动提高以，降低市场价格发现能力及信息的 有效性（Mendelson,1987）。 在信息披露方面，时文朝（2009）利用事件研究法发现市场透明度 时提高证券市场信息有效性的关键手段。一旦债券市场中的信息不对称 问题被解决，流动性也能相应提高，从而提高市场的有效性。而另一方 面，本文认为若市场有过高的信息披露要求，则会导致债券发行信息成 本过高，从而使得发行者选择信息成本较低的市场发行。这将会减少高 发行信息成本的市场的流动性的缺失，市场有效性降低。因此，我国不 同债券市场的透明度的不同也毕竟影响其各自市场的价格差异及发现。 王芳（2013）从债券发行披露文件数量及内容上比较了银行间市场 与交易所市场的不同。研究发现，银行间市场的披露文件均在 15 份左右， 且内容涵盖发行人过去三年的财务报告、信用评级报告、担保函、担保 人资信等完。而交易所市场发行披露平均文件数均值仅为 2 份，且强制 披露内容仅为上市交易公告书。这表明银行间市场的披露成本高于交易 所市场，若单纯从信息披露的角度，则银行间的信息效率会最高。但若 结合流动性及分割市场的角度，则高披露要求的银行间市场其流动性应 相对较弱（Cuny,2016）。 由于债券交易数据的难以获得，国外关于债券市场的信息有效性的 研究也非常有限，且主要集中在同一个公司的股票价格与债券价格的互 相传到与发现，同时研究影响其信息有效性的相关因素。如 Ronen and Zhou (2012)研究发现大量的机构投资者的参与会导致债券市场优于股 票市场对新的信息作出反应。同时，当股票市场的流动性不足时，该现 象更为显著。Hotchkiss and Ronen (2002)研究发现对于投机级别的债 券，其债券价格对公司层面信息的敏感度与其股票价格一致。可见债券 价格的市场信息有效性并不次于股票市场。 另一方面，国外文献也集中研究了卖空交易者及机制对债券市场有 效性的影响。如 Kecskes, Mansi and Zhang (2013)研究发现同一个公 司，若其股票卖空的数量越多，则该公司的债券信用评级被降级的可能 性更高，且其债券利差也更高。 （三）实证模型设计 1.样本及变量选取 本文的数字来自于 CSMAR 债券交易数据库。我们选取了数据库中的 所有债券数据。由于 CSMAR 从 2015 年才开始收录银行间市场的交易信息， 因此样本的时间跨度涵盖从 2015 年 1 月至 2020 年 12 月。然后通过债券 的代码与 CSMAR 债券基本层面数据整合，从而获得该债券的交易市场代 码，如相关债券是在上海证卷交易所，深圳证券交易所或银行间交易。 另外，为了保证样本时间序列的连续性，本文移除观测值低于 500 的债 券。 如公式（1）与（2）所示，我们分别对不同市场的债券价格指数， 包括了等权重指数与价值加权指数。其中，为上海证券交易所市场，为 深圳证券交易所市场，为银行间市场。公式（1）计算的为等权重指数， 等于该市场内当日所有债券的日收盘价的算术平均数。公式（2）为价值 加权指数为该市场场内当日所有债券的价值权重加权平均，其日价值权 重为该债券的日成交金额占当日所有债券日总成交金额的比重。 而相对应的市场指数收益率为当日指数价格与昨日指数价格之差比上 昨日价格指数，入公式（3）与（4） 所示。 在随后的回归分析中，我们还探究相关债券合约层面的信息对债券信 息的影响。其中变量 为该债券的实际发行量的对数，变量为该债券的持 有期年限的对数。另外，我们还考虑债券的评级，将相关的文字评级转化 为数字，如评级“AAA”的债券其相对的数字等级为 7， 评级为“AA+” 的债券期对应的数字等级为 6，依此类推，直至最低评级“BB”类的债券 相对应的数字等级为 1。最后，我们考虑了该债券是否含权，变量取值为 1 若该债券附有赎回权或者回售权或者两者均有，取值为 0 若该债券不含 权。所有债券层面数据也均来自于 CSMAR 债券数据库。 2.价格延迟衡量 Hou and Moskowitz (2005) 用相关市场的价格延迟来衡量市场信息 价格有效性。本文使用相同的方法来构建相关债券市场的价格延迟，从 来衡量该市场内的信息有效性，并进行横向及纵向的比较，从而研究有 效债券市场的相应特征。价格延迟的变量构建如下。首先，对于单个债 券，我们首先对其日度收益率进行回归，自变量为该债券相应市场指数 当日收益率，如公式（5）所示。随后，我们再次对单个债券的日度收益 进行回归，但是自变量包括了该债券相应市场指数当日及其滞后三天的 收益率，如公式（6）所示。 其中 为市场中的债券在时间的收益率； 为市场指数在时间的收益率， 包含了等权重指数收益率与价值加权指数的收益率。 如果债券价格对信息非常敏感，则当日指数收益率的系数会显著不 等于零，同时市场指数收益率滞后项的系数则会不显著。正好相反， 如果债券市场对信息不敏感，则单个债券价格会对信息反应有滞后， 则相对应的市场指数收益率滞后想的系数反而会显著不等于零。因此 公式（6）定义了对市场信息不敏感有延迟的相关债券。 根据公式（5）和（6），我们构建相应的价格延迟指标等于当前单 个债券收益率中由滞后市场指数收益率解释的部分，即由于信息延时 而引起的价格改变。我们称该指标为 D1 指标，其构建如下公式（7） 所示，即等于 1 减去公式（5）回归的减去公式（6）回归的。在公式 （5），我们限制了市场指数滞后项的系数，而公式(6)并无相关限制。 衡量了市场指数收益率滞后项解释能力相对于即日市场指数收益 率的解释能力。因此，值越大则表明由市场收益率滞后项解释的债券 收益越多，因此市场信息延迟性越显著。相反，若值越小，则表明市 场的信息质量越好，效率越高，延迟性越小。 （四）实证结果分析 1.描述性统计 表 1 展示了本文所用样本的相关信息。总样本包含了 7，095，161 个债券日度观测值，其中上海交易所的交易量占比 95.1%，深证交易 所占比 0.3%，银行间市场占比 4.6%。可见上海交易所债券交易活跃频 繁，频率高。 与此同时，从 2015 年至 2020 年年底，我国累计交易债 券 7602 支，其中上海交易所交易 7366 支，深圳交易所交易 31 支，而 银行间交易所交易 423 支。 表 1 的下半部分展示了三个市场的日度交易情况。三个市场平均日 度活跃交易债券 5320 支，其中上海交易所 5025 支，深圳交易所 16 支， 银行间市场 326 支。最小日度平均交易债券数为深圳交易所的 2 支债 券，而最大日交易债券数为上海交易所的 6284 支债券。总体可见上海 交易所市场是我国债券交易频率最高最活跃的市场，银行间市场次之， 而深圳交易所交易量最小。 表 1：债券样本描述 总样本 上海交易所 深圳交易所 银行间市场 观测值 7,095,161 6,747,309 20,880 326,972 总债券数量 7602 7148 31 423 日度债券交易数量 均值 5320 5025 16 326 最小值 1832 1813 2 4 最大值 6707 6284 27 412 标准差 1243 1137 5 111 表 2 展示了债券收益率、相关市场债券指数收益率及相关债券特征 的基本面信息描述，包含了相关观测值，均值,标准差，最小值,中间值, 以及最大值。其中，表 2 的第一个表格汇报的为全样本，第二个表格为 上海交易所，第三个表格为深圳交易所，而第四个表格为银行间市场。 汇报的变量包括单个债券的日度收益率，债券市场等权重指数收益率与 价值加权指数收益率，债券的交易金额，持有期，评级及其含权特征。 另外，为了去除极限值对数据的影响，所有变量小于第 1 个分数位以及 大于第 99 个分数位的相关变量值均已被剔除。 总体来看，单个债券的日度资本利得收益率基本为零。相反，债券 市场指数的收益率的均值在 1.70（等权重指数收益率）与 4.23（价值 加权指数收益率）。这说明债券市场的整体为上升趋势，但是持有单个 债券并不能给投资者带来足够收益。平均日总交易金额为 42 亿元，最 大交易额可达 2068 亿元。而持有期均值为 6.9 年.平均债券评级介于“AA” 至“AA+”。而 26%的债券为含权债券。比较三个市场发现，对于价值 加权的市场指数收益率，银行间市场大于深圳交易所，且该两者大于上 海交易所。且日度交易金额也呈现一样趋势，银行间市场交易体量最大， 深圳交易所次之，而上海交易所交易金额最小。另外，深圳交易所交易 含权债券交易量高达 60%，而银行间债券交易基本为不含权债券。 表 2：分市场样本描述 总样本 观测值 均值 标准差 最小值 中位数 最大值 债券收益率 7,087,559 0.00 0.00 -0.02 0.00 0.02 等权重指数收益率 7,087,559 1.69 6.40 -0.98 0.00 48.46 价值加权指数收益率 6,965,823 5.82 53.77 -1.00 -0.01 交易金额 7,094,558 44.61 106.23 0.20 15.00 持有期 7,000,973 6.80 3.96 0.25 7.00 债券评级 4,216,710 5.90 0.86 1.00 6.00 含权 7,095,161 0.24 0.43 0.00 0.00 2104.99 2068.00 50.00 7.00 1.00 上海交易所 观测值 均值 标准差 最小值 中位数 最大值 债券收益率 6,740,161 0.00 0.00 0.00 0.00 0.00 等权重指数收益率 6,740,161 1.70 6.45 -0.98 0.00 48.46 价值加权指数收益率 6,706,894 4.23 21.67 -1.00 -0.01 187.09 交易金额 6,746,706 41.91 104.41 0.20 14.10 2068.00 持有期 6,653,121 6.86 3.89 3.00 7.00 50.00 债券评级 4,200,574 5.90 0.86 1.00 6.00 7.00 含权 6,747,309 0.26 0.44 0.00 0.00 1.00 深圳交易所 观测值 均值 标准差 最小值 中位数 最大值 债券收益率 20,849 0.00 0.00 -0.02 0.00 0.02 等权重指数收益率 20,849 0.75 2.32 -0.93 0.00 13.19 价值加权指数收益率 20,849 36.24 228.09 -1.00 0.00 2030.30 交易金额 20,880 60.29 93.62 1.00 15.00 300.00 持有期 20,880 8.23 9.21 3.00 6.00 50.00 债券评级 16,136 5.64 0.78 5.00 5.00 7.00 含权 20,880 0.60 0.49 0.00 1.00 1.00 银行间市场 观测值 均值 标准差 最小值 中位数 最大值 债券收益率 326,549 0.00 0.00 0.00 0.00 0.00 等权重指数收益率 326,549 1.54 5.58 -0.98 0.00 40.25 价值加权指数收益率 238,080 48.02 254.73 -1.00 -0.04 2104.99 交易金额 326,972 99.43 127.25 0.23 52.60 900.00 持有期 326,972 5.56 4.62 0.25 5.00 50.00 债券评级 含权 326,972 0.00 0.06 0.00 0.00 1.00 2.市场指数实证检验 为了检验本文所构建的债券市场指数具有解释能力，本文 首先尝试了对公式（5）与公式（6）简单的面板回归，且包含了 卷层面的固定效应。 表 3：市场指数面板回归 上海交易所 (1) (2) (3) (4) 等权重指数收益率 t 0.025* 0.026* (0.014) (0.014) 等权重指数收益率 t-1 0.024 (0.017) 等权重指数收益率 t-2 0.010 等权重指数收益率 t-3 价值加权指数收益率 t 价值加权指数收益率 t-1 价值加权指数收益率 t-2 价值加权指数收益率 t-3 常数项 观测值 R2 等权重指数收益率 t 等权重指数收益率 t-1 等权重指数收益率 t-2 等权重指数收益率 t-3 (0.023) 0.026 (0.016) 0.000 0.000 (0.000) (0.000) 0.000 (0.000) -0.000 (0.000) 0.000 (0.000) -146*** -148*** -147*** -148*** (2.622) (2.603) (2.627) (2.617) 7,318,259 7,317,975 7,317,741 7,317,669 0.027 0.027 0.027 0.027 深圳交易所 (1) (2) (3) (4) 3.001 2.737 (3.176) (3.204) 0.200 (4.166) 5.400 (3.473) -1.822 价值加权指数收益率 t 价值加权指数收益率 t-1 价值加权指数收益率 t-2 价值加权指数收益率 t-3 常数项 观测值 R2 等权重指数收益率 t 等权重指数收益率 t-1 等权重指数收益率 t-2 等权重指数收益率 t-3 价值加权指数收益率 t (3.539) 0.000 0.000 (0.002) (0.002) -0.002 (0.002) 0.004 (0.003) -0.003 (0.002) 4.125 -5.906 8.081 2.980 (20.274) (22.090) (19.705) (19.554) 137,125 135,347 137,125 135,347 0.002 0.003 0.002 0.008 银行间市场 (1) (2) (3) (4) 0.047 0.046 (0.038) (0.038) -0.054** (0.022) 0.009 (0.031) 0.001 (0.027) -0.001 -0.001 (0.001) (0.001) 价值加权指数收益率 t-1 -0.001 (0.001) 价值加权指数收益率 t-2 0.001 (0.001) 价值加权指数收益率 t-3 -0.001 (0.001) 常数项 2.159 2.366 2.490 4.289 (1.910) (1.990) (2.517) (5.515) 观测值 361,743 360,806 361,348 163,488 R2 0.248 0.554 0.248 4.379 表 3 汇报了相关的回归结果。其中，对上海交易所，深证交易所以及 银行间市场的结果分别汇报在表格的上、中、下部分。另外，列（1）与 （3）为对公式（5）的回归结果， 即仅考虑当期指数收益对当期债券收 益率的影响，列（2）与（4）为公式（6）的回归结果，即同时考虑了当 期及滞后三期市场指数对当期债券收益率的影响。与此同时，列（1）与 （2）为等权重指数的回归结果，列（3）与（4）为价值加权指数的回归 结果 首先，上海交易所市场的等权重指数回归结果表明该市场是相对有效 的。比较列（1）与（2），我们观察到当期等权重指数的系数在 10%的层 面上显著，而相关指数的滞后项均不显著。这表明上海交易所市场能有效 并且快速的讲当期相关市场信息反映在相关的债券价格上，且没有相关滞 后反应。同时，上海交易所市场的不考虑滞后项与考虑滞后项的回归的 R2 值非常相近，滞后项并不能提高模型的解释能力，即价格的信息反应 并没有滞后。而对于深圳交易所，首先，不仅当期等权重市场指数收益率 对单个债券的收益率并没有显著的解释能力，其相关滞后的市场指数也无 显著解释能力。但比较列(1)与列(2)的 R2 值可以发现，列(2)的 R2 值为 0.003%，略大于列(1)的 R2 值。这表明，滞后市场指数收益率有更好的能 够提高模型总体的解释能力，即滞后的市场指数收益率对当期的单个债券 收益率有一定的影响，因此债券价格有所延迟。而对于银行间市场，这种 价格延迟更为明显。表（2）显示之后一项的市场收益率对当期债券收益 率有显著的预测能力，而且显著程度为 10%。于此同时，当期的市场指数 收益率对债券的收益率却无显著解释能力。另外，比较 R2 值可发现，包 含滞后项的模型的 R2 值为不包含滞后项模型的 R2 值的 2 倍，前者的模型 解释能力远高于后者，表明市场价格对信息的反应有显著延迟，从而导致 滞后的市场指数收益率能预测未来的债券价格变化。 表 3 列(3)与列(4)的结果表明在考虑个体债券的固定效应下，三个 市场的价值加权市场指数收益率对单个债券的收益率并无显著影响，而作 用大小基本为零。因该指数的构建同时涵盖了市场上的所有债券，因此价 值加权指数可能会涵盖较多的噪音，从而使其的解释能力减弱。 但通过比较列(3)与列(4)的 R2 值，我们发现了与等权重市场指数模 型一致的结果，即上海交易所市场的有效性最好，并没有明显的价格延迟， 包含滞后项与不包含滞后项的 R2 值均在 0.027%左右。而深圳交易所市场 价格反应有所延迟，即包含滞后项模型的 R2 值大于不包含滞后项模型 R2 值，即信息并没有等到充分快速的反应，价格有一定成都的延迟。而银行 间交易所的债券价格对信息质量的反应则最为迟钝，不包含滞后项模型的 R2 值为 0.248%，而包含滞后项模型 R2 值为 0.554%。即滞后的市场指数 能够显著地提高模型的解释能力，且显著程度在三个市场中最为胜之。 3.价格延迟实证结果分析 为了更好更直观地比较公式（5）与公式（6）对债券市场价格的解 释能力，基于表三面板回归的结果，本文计算了相关的价格延迟 D1 指标。 D1 指标的计算公式为公式(7)所示，即 1 减去不包含滞后项模型 R2 值（公 式（5））与包含滞后项模型（公式（5））R2 值之比。若市场信息质量 高且有效，则市场指数的滞后则并不会对债券收益率有显著的影响，因此 公式（5）与公式（6）的 R2 值相近，则其比值接近于 1，则 D1 指标值越 小。相反，若市场不有效，则价格对信息反应延迟，则表现为滞后的市场 指数对当期的价格有解释预测能力，导致包含滞后项的 R2 值会大于不包 含滞后项的 R2 值，则后者与前者比值越小，而 1 减去该比值的差越大， 即 D1 指标值越大，市场价格延迟越明显，市场信息质量越差。 表 4 汇报了基于表 3 面板回归的 D1 指标值。首先，不管是基于等权 重市场指数，还是价值加权市场指数，两者都揭示统一的结论，D1 指标 的值从小到大的排序依次为上海交易所市场，深圳交易所市场与银行间市 场。这表明三个市场中，上海交易所债券市场信息效率最高，深圳交易所 次之，而银行间市场债券价格反应最迟缓。 表 4 的结果是基于面板回归的一个粗略估算。为了更加精准有效捕捉 每一只债券的价格延迟及其相应市场的价格有效性，本文对样本中的 7318413 只债券，分别利用相应市场的债券指数进行公式(5)与公式(6)的 回归。基于相应回归结果的 R2 值，计算出每个债券的 D1 指标值。表 5 汇 报了相关的信息结果。 表 4：基于面板回归的 D1 指标 D1 指标 上海交易所 深圳交易所 银行间市场 等权重指数 价值加权指数 0.0186 0.0716 0.3145 0.7970 0.5521 0.9434 首先，不论是等权重市场指数还是价值加权指数作为自变量，我们 发现上海交易所市场的 D1 指标在三个指标中表现最优，这表明包含滞后 项反而会削弱模型的解释能力，导入噪音。上海交易所债券交易所市场 信息质量最优。而对于深圳交易所与银行间市场，D1 指标的均值为正， 且后者值大于前者。再次验证一致的结论，即深圳交易所与银行间市场 的债券市场价格对信息反应都均有延迟，且银行间市场劣于交易所市场。 根据相关数据，本文认为该发现与相关交易所的交易体量有很大的 关系。根据表 1 的基本面信息可知，我国债券市场的 90%的交易量都在 上海交易所市场中交易，这导致了上海交易所市场体量、深度和广度是 三个市场中最优的。而这充足的流动性也保证了该市场内交易债券的价 格能及时迅速的对信息做出反应，保证价格质量。 于此同时，信息成本也占有一定作用。理论上，银行间市场信息披 露最严格，市场透明度最好，因此其市场的有效性应高于交易所市场。 但根据实证研究发现，银行间市场的价格延迟次于交易所市场，这说明 信息透明度对市场有效性的影响还受其信息成本的影响。当发行及交易 的信息成本过高时，会导致其流动性的下降因为发行者会选择信息成本 低的市场进行投资，从而减少其流动性，而降低市场价格有效性。 表 5：基于单独回归的 D1 指标 上海交易所 观测值 均值 标准差 最小值 中位数 最大值 R2 等权重指数限制 R2 等权重指数无限制 D1 等权重指数 4,455 0.001 0.016 0.000 0.000 4,440 0.005 0.034 0.000 0.000 4,440 -3.433 34.976 -76.960 0.837 0.519 0.899 1.000 R2 价值加权指数限制 4,454 0.001 0.021 0.000 0.000 R2 价值加权指数无限制 4,434 0.005 0.043 0.000 0.000 D2 价值加权指数 4,434 0.726 1.190 -73.704 0.764 0.833 0.997 1.000 R2 等权重指数限制 R2 等权重指数无限制 D1 等权重指数 深圳交易所 观测值 均值 标准差 最小值 中位数 最大值 31 0.001 0.001 0.000 0.001 0.007 31 0.007 0.008 0.001 0.004 0.041 31 0.648 0.168 0.372 0.839 1.000 R2 价值加权指数限制 31 R2 价值加权指数无限制 31 D2 价值加权指数 31 0.002 0.006 0.000 0.000 0.006 0.009 0.000 0.002 0.795 0.326 0.060 0.771 0.033 0.041 0.998 R2 等权重指数限制 R2 等权重指数无限制 D1 等权重指数 银行间市场 观测值 均值 标准差 最小值 中位数 最大值 55 0.000 0.001 0.000 0.000 0.005 46 0.004 0.011 0.000 0.000 0.057 46 0.745 0.631 -2.978 0.938 1.000 R2 价值加权指数限制 49 R2 价值加权指数无限制 28 D2 价值加权指数 28 0.001 0.005 0.000 0.000 0.008 0.022 0.000 0.001 0.870 0.335 -0.774 0.952 0.034 0.093 1.000 （五）总结与政策建议 本章节利用债券交易数据及 Hou and Moskowitz (2005)的方法探究及 比较了我国上海交易所、深圳交易所以及银行间市场三个债券交易市场的价 格有效性。研究发现三个市场中上海交易所市场最有效，对债券价格信息最 敏感，深圳交易所市场次之，而银行间交易所信息有效性最弱。本文认为该 有效性与相关债券市场的流动性有关，即其所交易的体量。与此同时，信息 披露的成本也发挥一定影响作用。因此，为构建我国发展成熟的债券体系， 我国应一体化相应的债券交易市场，取消分割市场而带来的流动性的流失。 并且统一相关披露准则，保证市场信息透明度，降低信息披露的成本。 参考文献 [1] Hou, K., & Moskowitz, T. J. (2005). Market frictions, price delay, and the cross-section of expected returns. The Review of Financial Studies, 18(3), 981-1020. [2] 徐忠,2015，《中国债券市场发展中热点问题及其认识》，《金融研究》， 第 2 期，29-35。 [3]徐荟竹, & 李文伟. 2018. 《中国债券市场分割与信息有效性研究—— 基于跨市场债券的实证分析》，《投资研究》,第 5 期, 48-56. [4] Mendelson H.,1987,“Consolidation, Fragmentation, and Market Performance”, Journal of Financial and Quantitative Analysis, 22,pp. 189-207. [5]时文朝，2009，《增强透明度对我国银行间债券市场信息效率的影响— —以交易信息对流动性的影响为例》，《金融研究》， 第 12 期，99-108。 [6]王芳，2013，《我国债券市场信息披露的现状、问题与对策》，《证券 市场导报》，第 2 期，66-73。 [7] Cuny, C. (2016). Voluntary disclosure incentives: Evidence from the municipal bond market. Journal of Accounting and Economics, 62(1), 87-102. [8] Ronen, T., & Zhou, X. (2013). Trade and information in the corporate bond market. Journal of Financial Markets, 16(1), 61-103. [9] Hotchkiss, E. S., & Ronen, T. (2002). The informational efficiency of the corporate bond market: An intraday analysis. The Review of Financial Studies, 15(5), 1325-1354. [10] Kecskés, A., Mansi, S. A., & Zhang, A. J. (2013). Are short sellers informed? Evidence from the bond market. The Accounting Review, 88(2), 611-639.
关注微信
