下半年十年期国债走势的分析 ——基于VAR模型的分析

下半年十年期国债走势的分析 ——基于VAR模型的分析

引用

一财网

1.

https://www.yicai.com/news/102240185.html

本文基于VAR模型对下半年十年期国债走势进行分析。通过构建VAR模型并设定不同情形，预测了收益率的走势。研究发现，如果没有重大变化，十年期长债在目前的水平上将略有上升并保持稳定。

去年以来，受多种因素的影响，十年期国债出现快速下行的趋势。从3%左右的水平降至目前的2.2%左右的水平，也是2007年以来有相关统计数据以来的最低水平。在收益率降到这个水平的时候，很难说体现了对未来经济的预期。因此，简单的定性分析不足以推断未来收益率走势。为此，我们构建VRA模型，并设定不同情形之下，收益率的走势。

模型和变量选择

我们选择向量自回归模型（vector autoregression model,VAR）模型作为分析工具。该模型可以捕捉到变量之间的动态影响，‌是现代经济学中常用的分析工具之一。更重要的是，构建出的VAR模型可以在不设定情形的情况下，以变量自回归形式给出样本外预测。

根据前述分析，宏观经济走势、资产收益率和通胀预期是影响十年长债收益率的主要因素。此外，根据前面的经典的IS-LM，流动性对利率也有影响。在理论分析基础上，通过定量检验，分别选择GDP名义增速、万得全A（扣除金融石油石化）的净资产收益率、平减指数和M2-社融同比作为解释变量，分别作为增长、质量、价格和流动性四个方面的指标，被解释变量是十年期国债收益率。

在样本的选择上，2013年是我国利率市场化改革的起步之年，也是收益率曲线不断完善的开始。以2013年作为起点截至20244年6月作为分析的样本区间。

图表1：VAR模型解释变量说明 （%）

数据来源：ifind，恒泰证券研究所

我们以月度频率构建模型，对于原始频率较高的变量（如国债到期收益率等），对日频数据逐月取均值；对于原始频率较低的变量（如上市公司ROE等），采用插值法做季度填充。考虑到时间序列模型要求各变量通过平稳性检验，我们对调整后的月度变量进行一阶差分。

为更好地验证模型有效性，我们以2013年1月至2023年3月数据为训练集，保留最近12个月度数据为测试集；在2023年4月至2024年3月，通过滚动建模和预测，来验证拟合结果的有效性。

数据描述

理论上，经济增速、净资产收益率、价格平减指数和国债收益率之间存在正相关性。经济增长越高，经济过热，就要求更高的均衡利率水平；净资产收益率越高，增长质量更高，也可以匹配更高的收益率；价格平减指数则是通胀指标最直接的体现，通胀水平越高，那么相应的，收益率也越高。而M2-社融则代表了剩余资金供给，这数字越高，则说明剩余资金供给越充沛，那么收益率越低，换而言之，理论上，该指标应与收益率呈负相关性。

从实际数据看，与前述的理论分析一致，十年期国债收益率在走势上与增长、收益率和价格之间存在明显的正相关性，而M2-社融则与收益率之间存在明显的负相关性。对相关指标做进一步检验可以发现，被解释变量和解释变量之间存在协整性，可用VAR模型进行分析。

图表3：10年期国债到期收益率与宏观因子历史走势统计

数据来源：ifind，恒泰证券研究所

模型预测及样本外推结果

我们以最近12个月数据为测试集，在训练集基础上，利用VAR模型，逐个季度采用历史数据进行建模、并向后预测一个季度的国债到期收益率变量。考虑到数据的平稳性，将收益率差分之后作为被解释变量。在一阶差分条件下，样本内指标走势与实际指标基本一致，样本外预测的12个测试集样本中有10次符号相同。我们将一阶差分数据还原至长期利率变量后，模型样本外预测值与10年期国债到期收益率保持了较为一致的走势。

图表4：VAR（3）模型拟合值/预测值与实际数据对比

数据来源：ifind，恒泰证券研究所

VAR模型的特点是可以在不给定情景的情况下，利用模型，在现有数据向后滚动预测。基于模型的预测结果，我们得到从7月份开始到年底的数据。结果显示，7月份之后，十年期国债收益率将在目前的基础上有所反弹，回到2.35%左右的区间。这说明，如果没有重大变化，如类似永煤违约这样的风险性事件导致央行货币政策的短期重大调整，或者是大规模经济刺激计划出台带动收益率快速上行，十年期长债在目前的水平上将略有上升并保持稳定。值得注意的是，GDP名义增速在未来一段时期将出现较大幅度的下降。鉴于模型数据的内生性，我们认为，如果三季度没有中长期国债等财政政策的持续发力，不排除四季度名义增速下滑到4%以下。

图表5：模型三四季度数据预测结果

数据来源：模型计算、恒泰证券研究所

图表6：基于向量自回归逻辑的10年期国债到期收益率预测

数据来源：模型计算、恒泰证券研究所

不同假设情景下的收益率走势

我们基于已披露数据拟合VAR（3）模型参数，假设质量指标（A股ROE指标）符合分析师一致预期，在2024年末达到约8.55；假设资金面指标（M2-社融同比增速）维持不变；围绕对增长和价格指标的变化情况，对10年期国债到期收益率预测进行情景分析。

在2024下半年，我们对GDP季度同比增速给出4.5-6.0%的测试范围，对GDP平减指数同比变化给出-0.5-0%的测试范围，结果如下：

当GDP同比增长4.5%，GDP平减指数同比变化-0.5%，10年期国债到期收益率为2.235%；
当GDP同比增长6.0%，GDP平减指数同比变化0.0%，10年期国债到期收益率为2.233%；
当GDP同比增长4.5%，GDP平减指数同比变化0.0%，10年期国债到期收益率为2.229%；
当GDP同比增长6.0%，GDP平减指数同比变化-0.5%，10年期国债到期收益率为2.227%。

总体来看，名义增速和平减指数变化对收益率的影响并不大。按照6%、4.5%名义增速，0%和-0.5%平减指数，一共四种组合，收益率在2.22%和2.23之间波动。不同情景给出的答案都是，在未来两个季度，十年国债收益率在目前的基础上将有所反弹。

图表7：基于成长/价格指标的情景分析研究

模型计算、恒泰证券研究所

附录：模型计算结果

模型构建

1.1、变量稳健性检验与模型滞后阶数选择

如表所示，我们对模型中的被解释变量（10年期国债到期收益率）和解释变量（成长、质量、价格、资金面宏观因子）进行平稳性检验。经过差分处理后，各变量均通过95%显著水平的协整、单整检验，变量可以代入模型进行回归。

图表20：VAR模型核心变量平稳性检验

数据来源：模型计算、恒泰证券研究所

综合AIC、BIC、FPE、HQIC等指标判断，模型的最优滞后阶数为3阶，故选择VAR（3）模型对样本训练集进行分析。

图表21：模型滞后阶数选择

数据来源：模型计算、恒泰证券研究所

1.2、VAR（3）模型概览

基于训练集数据，我们拟合模型参数如图表5所示。从回归系数来看，长期利率与最近一期经济成长、发展质量正相关；与价格水平、资金面宽松程度负相关。

图表21：VAR（3）模型回归系数

数据来源：模型计算、恒泰证券研究所

综合我们以12个月为窗口期绘制10年期国债到期收益率对于各宏观变量的脉冲响应图，结果如图表6所示，国债利率对于质量（A股ROE）、资金面（M2-社融同比增速差）的响应较为明显，且通常会发生在3-6个月内（考虑到变量经过一阶差分，影响收敛说明变量边际变化收敛）。

图表22：VAR（3）模型回归系数

数据来源：模型计算、恒泰证券研究所

（本文数据和分析来自恒泰证券研究所）