01
—
我国信用债市场流动性概况
图表1：债券成交规模按场所统计
数据来源：WIND，首创资管整理
债券之所以采取场外协商交易方式，主要与以下两方面因素有关：（1）机构投资者为主、大额和个性化交易特征明显：不同于股票市场存在诸多个人投资者，债券市场可以称得上是机构间市场，银行、券商、公募基金和保险公司等是绝对主力，个人投资者占比极低。机构投资者更倾向于进行大宗交易，在集中竞价的模式下，极容易导致资产价格大幅波动，而做市商制度下的双边报价机制则能在很大程度上确保价格稳定。另外，债券的交易要素比股票丰富，在满足投资者个性化投资需求的同时，也对市场交易机制的灵活性提出了更高要求，因此更加适合于场外协商交易。（2）债券价格变动幅度小，自发性交易需求弱：股票价格主要与公司的业绩预期相关，债券价格变化更多由宏观因素主导，比如利率、经济增速等，这些变量很难在短时间内发生大幅变化。因此，相较股票，债券价格波动较小，投机价值较低。同时，债券投资往往以票息收入作为主要的收益来源，实际中投资者更倾向于长期持有债券到期而非靠频繁交易买卖获利，导致市场整体的自发性交易需求相对较弱，不具备集中竞价模式所需的高频交易特征。
数据来源：WIND，首创资管整理。信用债包括金融债（政金债除外）、企业债、公司债、中期票据和定向工具，不考虑2023年新发债券及年内到期债券。
图表3：不同成交天数区间对应的信用债数量（只）
数据来源：WIND，首创资管整理。信用债包括金融债（政金债除外）、企业债、公司债、中期票据和定向工具，不考虑2023年新发债券及年内到期债券。
1、发行规模
图表4：不同发行规模债券对应换手率和区间成交天数数据来源：WIND，首创资管整理。成交数据时间区间为2023年1月1日-2023年12月31日。
图表5：不同信用等级债券对应换手率和区间成交天数数据来源：WIND，首创资管整理。成交数据时间区间为2023年1月1日-2023年12月31日。债券信用等级优先取债项评级，无债项评级则取主体评级。
图表6：不同剩余期限债券对应换手率和区间成交天数
数据来源：WIND，首创资管整理。成交数据时间区间为2023年1月1日-2023年12月31日。
4、票面利率
图表7：不同票面利率债券对应换手率和区间成交天数
02
—
市场上对于信用债流动性的定义尚有分歧，衡量流动性的指标也不尽相同，但是Harris(1990)提出的“宽度、深度、即时性和弹性”四维度的度量体系相对全面且受市场认可度较高。其中，宽度指买卖价相对于市场中间价格的偏离程度，代表交易成本，通常用买卖价差衡量；深度指在不影响市场价格下的最大成交量，通常用交易金额、换手率衡量；即时性指成交速度，可以用一定时间内的交易笔数或者成交天数衡量；弹性是短时间内价格变化与相应交易规模的比率，通常用Amihud价格冲击衡量。过往文献中度量信用债流动性的常用指标如下表所示。
图表8：信用债流动性度量常用指标资料来源：首创资管整理
出于上述考虑，本篇报告尝试采用主成分分析法构建个券流动性度量指标。主成分分析是一种被广泛使用的数据降维方法，基本思路是对多个原始变量进行正交变换，将变量通过线性组合表示为新的变量，即主成分。每个主成分彼此之间独立且具有不同的重要程度，通常，前几个主成分具有较高的方差和解释能力，能较大程度上保留原始变量信息。
主成分分析法的步骤主要包括以下：（1）数据标准化处理：将原始数据按照不同变量的均值和标准差进行标准化，消除变量间量纲的影响；（2）模型适用性检验：主成分分析法要求变量间具有较高的相关性，因此需要对变量进行KMO和Bartlett检验，KMO值越大越适合于进行主成分分析， Bartlett检验的显著性则应该小于0.05；（3）计算特征值并选取主成分：特征值代表每个主成分所提取到的原始变量方差，特征值越大，说明主成分对原始变量的解释力度越强。实际中，通过对标准化后的数据进行协方差矩阵计算求取其特征值，并根据特征值大小选取主成分的数量，通常要求主成分的特征值超过1；（4）构建综合指标：将原始数据按照主成分公式进行线性组合，得到对应的各主成分，进一步以每个主成分的特征值占比作为权重，计算综合流动性指标，该指标得分越高，说明个券流动性表现越好。
本报告基于近期（2024年4月22日-2024年5月21日）的成交数据，运用主成分分析法对信用债个券流动性进行度量，并对结果进行有效性检验，具体过程如下。
1、样本范围及原始变量
（1）样本范围
数据来源：首创资管整理
（2）原始变量
成交金额：2024年4月22日-2024年5月21日期间个券累计成交金额，从绝对值角度考察个券在该时段内的交易深度。
换手率：2024年4月22日-2024年5月21日期间个券累计成交金额与期初期末个券平均余额的比值，从相对比率角度考察个券在该时段内的交易深度。
成交天数：2024年4月22日-2024年5月21日期间个券发生过成交的天数合计，考察个券在该时间区间内交易的及时性。
发行规模：债券特征指标，通常发行规模越大的债券流动性表现越好。
已发行时间：债券特征指标，即债券的“年龄”，市场上一般认为新券的流动性表现优于老券。
剩余期限：债券特征指标，通常认为剩余期限越短的债券，流动性越低。
2、主成分分析过程及结果
数据来源：首创资管整理
接下来，对所得到的3个主成分，以每个主成分的特征值占比作为权重，计算综合流动性指标并对个券进行排序。下表为综合流动性指标得分最高的20只个券，绝大多数为银行永续债和二级资本债。
数据来源：首创资管整理
3、主成分分析效果检验
注：流动性分档依据：得分最高的前20%划分为A档，20%-40%之间划分为B档，40%-60%之间划分为C档，60%-80%划分为D档，其余为E档。
数据来源：首创资管整理
数据来源：首创资管整理
03
—
科学准确地度量信用债流动性对于固收类产品的投资管理和风险防范具有重要意义。考虑到目前缺乏单一有效的流动性衡量指标，且不同评价维度下的指标具有高度相关性，难以通过简单加权构建综合指标。因此，本报告尝试采用主成分分析法构建流动性综合衡量指标。过程中，首先对成交金额等7个原始指标进行线性变换，消除变量间的冗余信息，生成彼此独立的主成分。进一步，根据特征值判断主成分对原始信息的贡献比例，选取特征值大于1的主成分构建综合指标，并对样本中的个券进行流动性打分划档。最后，根据月度间个券的流动性等级转移情况以及模型结果与中债流动性指标的相关性，判断认为模型能够较为稳定有效地度量信用债个券流动性表现。
不过囿于数据的可获得性，本报告中的主成分分析模型未将经纪商行情数据以及交易成本指标纳入原始变量，可能导致对部分债券的流动性评价有失公允。同时，由于模型的适用性限制，本报告未考虑诸如债券信用等级、是否含权等分类特征指标，可能使得模型对个券的流动性评价不够全面，以上是后续研究的改进方向。
