中国债券市场质量指数构建、动态分析与高质量发展建议

摘要：党的二十大报告提出，加快建设金融强国，全面加强金融监管，完善金融体制，优化金融服务，防范化解风险，坚定不移走中国特色金融发展之路，推动我国金融高质量发展，为以中国式现代化全面推进强国建设、民族复兴伟业提供有力支撑。债券市场作为我国金融市场的重要组成部分，为政府、金融机构和非金融企业提供了重要融资手段，也是政府实施财政政策、货币政策重要的平台，也为金融市场投资者实现流动性、盈利性和安全性的统一发挥重要作用。中央金融工作会议明确提出要促进债券市场高质量发展。改革开放以来，我国债券市场飞速发展，规模已经跃居世界第二，品种、交易制度创新不断涌现，市场主体日趋多元，市场活跃度稳步提升，对外开放稳步推进，制度框架也逐步完善。但距离高质量债券市场还有一定差距。以往对高质量债券市场的定义和衡量要么侧重于某个维度，要么偏重于定性。本文基于中国债券市场深度、广度、流动性、稳定性、投资者保护度、有效性、实体经济支持度和对外开放度8个维度，构建债券市场质量指数的定量指标。本文首先回顾了我国债券市场市场从2010年1月到2024年3月上述八个维度的发展变化和影响因素。然后基于数据可得性和以上八个维度，通过主成分分析和因子分析分别构建了我国债券市场质量总指标，发现因子模型的结果更贴合实际情况。进一步使用熵值法验证上述分析结果。基于总指标结果，我国债券市场的质量在2014年显著改善后逐步提升。党的二十大报告中指出，要健全具有高度适应性、竞争力的现代金融体系，更好满足人民群众多样化的金融需求，为我国金融市场的发展勾画了新的蓝图。立足建设金融强国新发展阶段，债券市场应深入贯彻落实习近平总书记一系列重要讲话和中央金融工作会议精神，加快构建新发展格局，推动社会综合融资成本稳中有降、把金融服务实体经济作为根本宗旨，推动经济提质增效方面发挥积极作用。推动债券市场实现更加稳健、信息更加透明、更高质量的发展。鉴于此，加强市场建设、推动债券市场由规模数量增长转向质量发展是经济进入高质量发展阶段的必然选择，具有较强的现实必要性和迫切性。科学合理地推动这项事业要求我们对高质量债券市场有清晰正确的认识，对市场各阶段的运行质量进行准确的观察判断并能提2出针对性的改进措施及建议。金融市场的主要功能包括价格发现（资源配置或解决信息不对称）、提供流动性、管理风险与降低交易成本。这就要求金融市场规模充分，金融工具种类多样且流动性充足，资产价格有效且相对稳定，信息披露及时准确（Bain，1981；Tobin，1984；Madhavan，2000；周小川，2010；刘鹤，2019）。此外，金融市场是促进我国“双循环”新发展格局的重要领地，既要充分发挥支持国内实体经济的功能，还要深化高水平对外开放，与全球市场有序联通。作为多层次金融市场的重要组成部分，近年来，我国债券市场发展成绩斐然，但在市场流动性、有效性、投资者权益保护和对外开放等方面都还有较大提升空间。为科学化促进债券市场高质量发展，本课题将尝试系统性地搭建中国债券市场质量评价体系框架，构建债券市场质量指数并进行动态分析，最后为债券市场高质量发展提出建议。由于市场质量是一个定性的概念，对其高低程度的变化很难判断。所以本文将重点考察关于我国债券市场质量的几个具体指标，通过对这些指标变化的情况的分析，来对我国债券市场质量进行全面客观评价。高质量的债券市场应具备如下特征：高效的资源配置能力，以支持实体经济的融资需求；良好的流动性，确保市场稳定运行与风险有效分散；深厚的市场容量，为不同类型的投资者提供多样化投资机会；以及强大的风险管理体系，保护投资者利益并维护市场诚信。基于这些原则，我们初步构建了包含八个关键指标的评价体系，每个指标均紧密关联于债券市场的特定职能。市场广度指标包括了债券种类多样性与发行人结构，衡量了市场产品创新与满足多元融资需求的能力以及市场参与主体的多样性。市场深度指标涵盖了债券市场规模与交易活跃度，用于评估市场流动性和资本吸纳能力。流动性是指交易者能即时地交易且价格不会出现剧烈波动，衡量了资产可以按照接近市场价水平快速售出的能力。投资者保护指标涉及违约率与信用评级可靠性，以分析市场风险管理和信用评估的有效性。实体经济支持度指标包括了不同类别债券发行规模和发行增速的变化，以评估市场对实体经济融资支持的效率、便捷性和力度。有效性是指债券市场价格能够准确、充分和即时地反映市场信息。波动性是指资产价格在市场交易中的波动程度，用于揭示金融资产价格的不确定性和交易者面临的风险程度。对外开放程度指标反映境外投资者参与度和外币债券发行情况，以及中国在境外市场的参与度。当前，关于债券市场的实证分析与实际应用大多聚焦于流动性的优化、市场波动性管理及价格发现效率等领域，而对于其他维度的关注则相对有限。在本研究中，相较于2021年我们团队及中债登先前发布的相关研究报告，进一步丰富了评价指标，在研究范围与应用实践上实现了重要突破。首先，鉴于债券市场特有的低周转交易特性，尤其是其满足长期持有至到期需求的特点，我们不仅要关注市场的运作效率，还应当从债券投融资的核心功能出发，全方位且深入地审视市场的广度、深度、对实体经济融资的支持，以及投资者权益保护机制的有效性。与2021年报告相比，本次研究通过引入一系列新指标，特别是那些衡量市场深度、广度、实体经济融资效率及投资者保护的关键性指标，具体如不同券种托管规模的集中度、发行净融资额、现券成交额、债券违约率、降级及展望负面债券占比等指标，同时进一步完善了债券市场交易透明度指标的数据可得性，从而在评价债券市场总体质量时实现了更深层次的洞察。此外，本研究在牛玉锐等人（2022）报告的基础上，不仅新增了市场有效性和对外开放水平两个核心维度，还对已有的评价维度进行了深化，结合并扩展了2021年我们团队采用的指标体系，补充了诸如境外机构持有国债占比、中美利差、中资海外债净融资额同比、中资海外债发行量、交易前透明度、短期债券占比等指标。这一系列的扩充与深化，确保了构建的债券市场质量指数能够更加全面且精确地映射出我国债券市场的现实状况，不仅在广度上涵盖了更多相关因素，也在深度上与当前市场发展趋势紧密贴合，为政策制定者、市场参与者及研究人员提供了更为可靠和全面的市场质量评估工具。此外，本研究紧密结合当前经济金融政策环境，特别是在后疫情时代全球经济复苏、金融开放加深的背景下，探讨了债券市场如何更好地服务于实体经济、防范系统性金融风险等问题。我们不仅分析现状，还提出了针对性的改进建议和政策启示，旨在为监管机构、市场参与者及政策制定者提供可操作的策略建议。综上所述，本研究在继承前人工作的基础上，通过指标体系的创新以及更加贴近现实的应用导向，为全面、深入理解并提升中国债券市场质量提供了新的视角和工具，具有重要的理论与实践价值。本课题拟构建基于中国债券市场深度、广度、流动性、稳定性、投资者保护度、有效性、实体经济支持度和对外开放度8个维度，构建债券市场质量指标。基于历史时间序列数据，刻画债券市场质量的结构性动态变化，并针对性的提出高质量发展建议。本部分详细说明债券市场质量的评价指标体系及计算方法，整个指标体系从八个维度考察债券市场质量：广度、深度、投资者保护状况、流动性、波动性、有效性、实体经济支持度以及对外开放。指标体系框架详见表1。表1债券市场质量评价指标体系4维度计算指标市场深度发行净融资额（+）发行债券只数（+）现券成交额（+）月托管量（+）市场广度不同券种托管规模的集中度（-）交易前透明度（+）投资者保护状况债券发行信用等级集中度（-）降级及展望负面债券占比（-）债券违约率（-）评级公司债项评级基尼系数（+）换手率（+）短期债券占比（+）流动性10年国开债和国债利差（-）债券发行量月度同比增速（+）交易量当月同比增速（+）R007环比和波动率（-）波动性债券收益率波动率和偏度（-）中债新综合净价指数收益率标准差（-）有效性企业会计透明度（-）债券价格同步性（-）支持实体经济力度国债一阶序列相关系数（-）不同类型发行人加权发行规模（+）对外开放中美利差（+）中资海外债净融资额同比（+）中资海外债发行量（+）市场深度一般是指市场在承受大额交易时证券价格不出现大幅波动的能力。具有“深度”的市场或具体证券便于大笔交易顺利执行，而不会导致证券价格的大幅波动，原因在于卖出和买入双方资金量匹配。通常那些流动性较强的大盘股的市场深度最好，大资金可以自由进出。但是市场深度并不是完全以流动性、交易量或流通股规模来衡量。Bessembinder和Seguin（1993）通过发行与成交量、价格波动等指标研究了不同金融市场的深度。本文参考牛玉锐等人（2022）对于债券市场深度指标的选取，通过一级市场的净融资金额及发行债券只数、二级市场达成的成交额与交易量当月同比增速来衡量债券市场深度。本文采用“（现券成交量+回购成交量）同比增速”表示交易量同比增速，采用2010年1月至2024年3月月末数据，数据来源于中国债券信息网（Wind数据库）。图1交易量同比增速数据来源：中国债券信息网（Wind数据库）金融市场的广度是指市场参与者的类型复杂程度。一个有广度的金融市场，主要特征就是同时有多个不同类型的参与者人：如机构投资者、长期投资者、投机者等。在金融市场中，6参与者的类型和数量越多，则市场被某部分人所操纵的可能性就越小，从而市场价格就越能充分地反映供求情况和对未来的预期。多元化的市场既有助于拓宽融资者的融资渠道，又能满足不同偏好投资者的投资诉求，是反映债券市场质量优劣的重要指标。Boermans和Vermeulen（2016）构建Herfindahl-HirschmanIndex（HHI）对欧元区的债券市场投资者的多元状况进行量化，以此分析债券市场结构或广度，指出债券持有集中度（市场广度对立面）对市场稳定与效率有重要影响。我们参考牛玉锐等人（2022）构建的集中度指标，对债券市场广度进行衡量：Cratiot表示t时的集中度指标，指N个不同类型债券在t时期的托管规模总量，或N个不同类型投资者t时期的持有规模总量。集中度指标为负向指标，数值越大代表债券市场多元化程度越低，市场广度越受限。从债券市场投资功能出发，投资者保护状况旨在考察债券市场是否有可靠的信用评级和信息披露从而提高了市场透明度和投资者的风险识别能力，是否有健全的机制切实保障了投资者利益。银行是债券市场的主要风险承担者和资金来源，虽然目前银行理财产品仍具有“刚兑兑付”属性，2015年前没有出现一起违约事件，但随着交易规模的扩大，外部管理机构兜底违约的能力有限，债券违约的可能性会增加，目前已经出现不少债券违约事件（如12东飞01等而债券一旦违约，会给银行带来巨大经营的压力，尤其是一些风险偏好高的小银行。若考虑商业银行表内信贷资产不良率与债券违约的相关性，债券信用风险事件对于其资产负债表的损伤程度将显著扩大。银行作为债券市场的重要经营主体，其经营压力的大幅上升，违约风险的增加，必会恶化债券市场稳定性。此外，宏观经济进入“新常态”，造成债券违约的原因大多是宏观经济背景下，公司经营不善、现金流紧张、亏损甚至破产。债券违约的出现，影响投资者信心，也会引发持有人较大的抛售压力，影响债市稳定。由于国债、政府债等具有政府背书的债券违约率为零，因此为更好地反映违约率，本文将利率债剔除，仅考虑信用债违约的数量和数目（只）占比。本文用“当月发生违约的债券数量/（当月月末总债券存量-当月月末利率债存量）”表示债券违约率，采用2010年1月至2024年3月月度当月值，数据来源于中国债券信息网（Wind数据库）。图2债券违约率数据来源：中国债券信息网（Wind数据库）（2）评级公司债项评级基尼系数考虑到2014年债券市场才开始打破刚兑，出现债券违约的情况，仅凭违约率难以有效衡量违约事件发生前债券市场质量，故补充评级公司债项评级基尼系数以更好衡量债券评级识别信用风险的能力。如果评级没有预测违约的能力，则违约率和评级将不会相关。例如，假设一年内1000个评级中有30个发生违约（违约率为3%）。对于随来说，预计会有三家已经违约，因为样本中预计发生的违约数量应与所选公司的数量成比例。这用随机曲线表示，它是一条对角线直线。另一方面，如果评级能够完美预测违约，在上述例子中，最低的30个评级应该能捕捉到所有的违约情况。这用理想曲线表示。由于没有任何评级系统是完美的，实际的评级预测力介于这两个极端之间。累积曲线（洛伦兹曲线）代表实际情况。累积曲线越接近理想曲线，评级的预测力就越好。这是通过测量累积曲线和随机曲线之间的面积相对于理想曲线和随机曲线之间的面积来量化的。二者之间的比率，称为基尼系数或准确性比值，如果评级具有完美的预测能力，其值为1，因为累积8曲线将与理想曲线重合。另一方面，如果评级的预测力较差，其值将接近零，因为在这种情况中，累积曲线几乎与随机曲线重合。因此，较高的基尼系数表明任何评级系统的优越预测能力。洛伦兹曲线是一种按类别绘制的累计违约比例（年初有评级并在年底违约的发行人以该类别的总发行人的比例为基准。随机曲线是以累计违约者的比例为基础，绘制发行人的累计比例，假定违约在整个评级类别中均匀分布。因此，该图将是一条对角线直线，而评级将没有预测价值。理想曲线是在评级完全排序的情况下，绘制发行人的累计比例与违约者的累计比例，使得所有违约仅发生在评级最低的企业中。参考牛玉锐等人（2022）的做法，本文构建基尼系数来衡量债券市场信用评级准确性，具体步骤如下：首先计算各等级债券累积违约位置，将所有债券N按评级由低到高排列，nt为i等级债券的数目，则i评级累积违约位置为：然后计算各等级违约债券的累积比例，设违约债券共计M只，mi为i等级违约债券的数目，则i评级违约债券累积占比为：qi=/M最后，将各个等级的累积违约位置和违约累积占比构成二维坐标点（pi，qi在二维X-Y坐标系画图并连接得到洛伦兹曲线，分别计算洛伦兹曲线与对角线、理想曲线与对角线围成的面积，两个面积的比值即为基尼系数。指标具体计算中采用了评级公司债项评级作为考察对象。（3）降级及展望负面债券占比债项评级下调，主要是因为发行方所属行业基本面恶化，债券抵押品价值下降，发行方盈利能力减弱，业绩下滑，债券违约概率、违约损失上升。市场对于负面信息较敏感，较大规模的评级下调或负面展望可能引起市场负面情绪加重，加大市场整体信用风险，导致抛售，影响市场稳定性。而债券违约后对市场的影响见上文论述。因此，该指标可反映债市稳定性。同样由于利率债信用评级基本为AAA级，因此剔除利率债，用“当月主体评级降级和负面展望的债券数目（只）/（当月月末总债券数目—当月月末国债数目只）”表示降级及展望负面债券占比，采用2010年1月至2024年3月每月月末债券外部评级数据，数据来源于Wind数据库。图3降级及展望负面债券占比数据来源：Wind数据库（3）交易前透明度在金融市场中，交易前的透明度定义为交易发生时可公开获得的有关报价和订单量的信息。就股票市场而言，交易前透明度的改变是建立在买卖行情实时公开制度从公开三档价量扩大到五档价位，再进一步扩大到十档价位的变化基础上。交易所增加限价指令簿公开档位，买卖报价公开揭露制度由公开三档价位变成公开五档价位以及level2行情升为公开十档价位后，交易前透明度增加。从我国的债券市场的交易机制来看，我国的银行间债券市场采取询价机制，交易所债券市场则采取集中竞价撮合。从交易机制来看，上交所开盘集中竞价，盘中连续竞价交易。深交所开盘和收盘集合竞价，盘中连续竞价交易。我国的银行间债券市场存在做市商和本身不参与交易的经纪商。我国债券市场交易机制总结而言可以分为：场内集中竞价交易、银行柜台交易、做市商交易、经纪商交易、一对一询价交易。不同交易机制的信息展示量会有所不同。场内交易实时提供匿名的五档最优报价信息和匿名过往成交信息。做市商交易提供实名的双边报价，经纪商交易提供匿名的最优报价和匿名的无交易量的成交信息，一对一交易没有公开信息展示。我国交易所市场也存在场外市场交易，包括深交所的综合协议平台、上交所的固收平台，这些交易所场外交易信息在第二天提供。我国的做市商交易报价可成交价格，场内交易市场汇总交易者下达市价或限价指令由竞价系统自动匹配成交。我国经纪商交易中，参与者将限价指令或市价指令提交给经纪商，做市商和经纪商报价信息由信息服务商整合成统一的报价指令簿。一般而言，场内交易中，交易者能够通过向指令簿系统提交指令，系统向所有交易者发布报价信息和成交信息，包括最优报价和报价量。传统做市商交易中，客户通过做市商获得报价信息，相比场内交易透明度较低，各做市商之间信息是割裂的。综上所述，可以通过观察市场的交易机制来评价交易前的信息提供程度：一般而言，透明度排序为：场内集中交易、做市商交易、经纪商交易、场外询价交易和柜台交易。对于交易前债券透明度指标，我们将场内集中交易赋分机制为2、做市商交易和经纪商交易机制赋分为1、一对一询价交易和柜台交易赋分为0。交易前透明度=（交易所市场规模*2+银行间债券市场规模*1）/（交易所市场规模+银行间债券市场规模数据来自Wind数据库。图4交易前透明度数据来源：Wind数据库随着资本市场的发展、股票市场机制逐步完善，我国债券市场的发展越来越受重视，利率市场化的深入又将把我国债券市场发展推向一个新的阶段。在这样的背景下，对我国债券市场流动性进行研究具有较强的理论意义和现实意义。Demsetz（1968）发表的《TheCostofTransacting》一文奠定了证券市场微观结构理论的基础。大量文献和案例表明，流动性是市场的核心，一个市场只有具有良好的流动性，才能称为是有效率有竞争力的市场。一个流动性好的市场能够增强参与者的信心，并且能够抗御外部冲击，降低系统风险，投资者想从证券市场得到的只有流动性。众多衡量流动性方法主要可以分为两大类，一类是利用高频交易数据（证券价格的逐笔交易数据）的买卖价差衡量流动性，有效买卖价差越小，流动性越大，例如Goyenko（2009）利用高频数据估计有效买卖价差为EffectiveSpreadi,k=2⋅|ln(Pi,k)−ln(Mi,k)|；一类是利用低频交易数据（比如日收盘价格数据）来衡量流动性，这一类流动性测度主要从伴随订单流的价格变化这一维度进行考虑，例如Bao等（2011）用价格变化序列协方差的的负数衡量公司债流动性；Amihud（2002）用单位成交金额的绝对回报衡量股票流动性，在此基础上，国内的刘海龙等（2003）利用换手率与价格波动幅度之比衡量了中国股票市场的流动性，余立凡（2008）利用单位换手率带来的价格波动幅度研究了上证A股的流动性。国内研究方面，对债券市场流动性的研究主要集中在交易所债券市场，通过对流动性指标的统计研究（包括交易量、交易金额、发行量等发现我国交易所债券市场的流动性在逐年提高（李新，2001；郭泓和杨之曙，2007）。银行间债券市场研究方面，袁东（2004）使用换手率作为度量债券流动性的指标，对比分析了上海证券交易所市场和银行间市场的国债流动性差异，认为两个市场分割所导致的波动性较大。张瀛（2007）以2003－2004年银行间债券市场数据为研究样本，运用日交易数据分析了做市商制度、风险波动等因素对债券流动性的影响。姚秦（2007）运用2006年之前的报价数据对银行间债券市场的流动性和稳定性进行了实证研究，认为做市商的双边报价具有显著的引导作用，能在一定程度上提高银行间债券市场的流动性。（1）发行量同比增速当市场利率处于高位、资金紧缺时，发行成本提高，债券发行量会随之减少；反之，当市场利率较低，流动性充足时，债券发行方承担的成本降低，发行量也会提高。所以，本文选取债券发行量作为衡量市场流动性的指标之一。当发行量出现显著下行时，市场便有出现流动性风险的可能，如2013年，稽查风暴和钱荒突袭给市场流动性带来了猛烈的冲击，债券市场的整体趋势由牛转熊，导致一级市场发行量急剧下跌。考虑到月度债券发行量具有比较明显的季节性特征，所以本文将月度发行量取同比增速，数据区间自2010年1月至2024年3月，来源于中国债券信息网（Wind数据库）。图5发行量同比增速数据来源：中国债券信息网（Wind数据库）市场流动性越高，交易成本越低，市场参与者投资积极性越高，有助于提高债券市场运作的效率，反之市场流动性不足，将增加发行者成本负担，使债券购买者，特别是持有量巨大的金融机构面临较大的流动性风险，一旦金融机构面临大量现金需求，可能因无法以合理价格变现持有债券，而遭受损失。换手率是度量成交深度和流动性的有效指标，表示在一定时间内市场债券转手买卖的频率，可反映市场交投活跃程度，换手率高，说明债券交易活跃，投资者需求较高，债券市场流动性好。我国银行间债券市场虽成立以来，现券市场、质押式回购和买断式回购的换手率都逐渐增加，但仍然存在市场交易主体结构单一，以商业银行为主；商业银行资产结构调整，以持有到期获取利息为目的；债券双边报价机制不合理等问题，市场整体换手率不高。本文采用“（现券成交额+回购成交额）/当月月末总债券存量”，数据来源于中国债券信息网（Wind数据库区间自2010年1月至2024年3月。图6换手率数据来源：中国债券信息网（Wind数据库）（3）短期债券占比期限错配另一个需要考虑的是债券本身的期限长短。如果短期债券（每月月末剩余到期期限1年期及以下的债券）占比较高，则整个债券市场的不稳定性和风险也较高，如果出台相关货币政策，或资本突然流失，或短期利率激增，短期债务负担增加，系统脆弱性增大。现实中债券确实是以短期债券为主，1年期以下的比重最大，有必要将短期债券占比作为衡量稳定性的一个指标。每月选择的债券是当月剩余到期期限1年及以下的，包含短期融资券（发行期限在1年及以下的债券选择剩余到期期限，而不是发行期限，更能反映出债券市场实时的情况。本文采用“当月月末剩余到期期限1年及以下债券金额/当月月末总债券存量”和“当月月末剩余到期期限1年及以下债券数目（只）/当月月末总债券数目（只）”表示短期债券占比，数据来源于中国债券信息网（Wind数据库区间从2010年1月至2024年3月。图7短期债券占比数据来源：中国债券信息网（Wind数据库）（4）10年国债和国开债利差国开债与国债在所得税和增值税的税收政策上存在差异，该差异是造成二者利差的基本原因，但是其利差也受到投资者结构、交易性需求、流动性溢价等多方面因素的影响，并显示出“牛市收窄，熊市走扩”的特征。国债由于票息免税、不占用风险资本、不产生坏账等因素，具有更好的流动性。相比之下，国开债的交易量更易受到债市牛熊周期的影响，使得二者利差随债市周期波动。在债券牛市时，国开债的交易量和换手率均会呈现明显的上涨趋势，产生流动性溢价降低收益率，从而降低利差；在债券熊市时，国开债被抛售的现象会更加明显，国开债则因流动性溢价的丧失推动收益率上行，从而提高利差。债市牛市时国开债收益率下降的幅度相较于国债更大，两者利差会收窄，反之在熊市时两者利差会走阔。所以，当二者利差明显上行之时，市场则出现了流动性风险的大幅提高。基于上述分析，我们选择十年期国债作为研究指标。首先，十年期国债利率不仅是市场公认的基准利率，还反映了投资者对未来宏观经济走势、通胀预期的综合判断。此外，十年期国债收益率作为无风险利率的代表，是各类金融资产定价的基础。银行和其他金融机构在计算其资金成本时，通常会参考十年期国债的收益率水平，这直接影响了贷款利率以及其他信贷产品的定价。综上，十年期国债收益率是金融体系中反映资金价格和风险状况的关键指标，其变化对整个经济都有深远的影响。在此，本文选择关键期限10年期的国开债和国债利差作为衡量指标之一，数据来源于中国债券信息网（Wind数据库）。图8国债-国开债利差数据来源：Wind数据库对债券市场波动性的研究，国外的研究文献较为丰富。Bollerslev（1992）研究得出美国国债风险收益的波动性具有明显的自相关性，而且波动的持续性较强，随时间的衰减程度缓慢。Najand（1993）研究表明美国国债期货市场上周收益率的波动聚类性与杠杆效应明显。Jones（1998）研究认为美国国债波动过程符合单变量GARCH过程。目前国内研究文献对债券市场波动性的研究主要集中在证券市场上，如任彪、李双成（2004）利用三种GARCH-M模型对中国股票市场不同发展阶段波动的非对称性特征做了实证分析。蔡定洪等（2014）以银行间债券市场7天质押式回购利率（R007）作为指标刻画银行间债券市场波动性特征。正如前述文献结论所指出的，有效的市场价格发现功能与市场的低波动是相联系的，流动性强且信息传播有效的市场的波动性要低于流动性差且信息传播无效的市场。高波动往往意味着定价效率较低，投资收益难以保障，对市场质量的影响偏负面。Hasbrouck（1993）采用价格标准差来刻画市场稳定性，杜玉林（2016）同样借助标准差衡量债券市场价格波动。（1）中债新综合净价指数收益率标准差参考牛玉锐等人（2022）的做法，本文构建中债新综合净价指数的收益率标准差来反映债券市场波动性（VolatilityIndex，VIVIt=std(-)其中，pt和pt-1分别代表时间总区间内t时刻和t-1时刻的指数价格。波动率为负向指标，数值越小代表债券市场价格越稳定。图9中债新综合净价指数收益率波动率数据来源：Wind数据库（2）债券收益率波动率和偏度债券到期收益率是衡量债券价格的有效指标，收益率曲线的短端主要受资金面的影响，收益率的长端主要受经济基本面的影响，本文使用10年期国债收益率作为基准。债券的收益率与债券价格呈负相关、债券收益率与票面利率不等时，债券价格必然与债券面值不等，到期期限越长，两者差距越大。如果债券的息票利率越高，其收益率变化引起的债券价格变化的百分比越小。本文根据10年期国债收益率日度数据，求标准差和偏度，以此表示债券收益率波动率和偏度。图10债券收益率波动率数据来源：Wind数据库（3）DR007环比及波动率（月度）债券价格的涨跌与市场基准利率的升降呈反向关系。利率上升，债券价格便下滑，尤其是在升息的环境中，债券可能会出现负回报。原因是投资者的预期收益由两部分构成，一部分是无风险收益，另一部分是风险溢价。基准利率的升高直接提高了无风险收益，不考虑其他影响，投资者的预期收益率也会相应提高。所以投资者对债券的投资价值评估就会调低。相反利率下调，债券价格便上升，债券收益也会增加。债券整体价值与利率的波动率也呈反向关系。利率波动越大，债券整体价值越低。基准利率一般满足以下特点1）指标简单明确，易于投资者理解和债券定价。（2）真实反映市场波动，由市场力量决定，而不是由政府控制。（3）报价和成交活跃。基准利率由多家机构真实报出，而且合同成交量大，不易受到操纵。（4）具有连续性。本文中若考虑短期基准利率，银行间7天回购利率（DR007）和7天SHIBOR（SHIBOR007）最有可能。DR007和SHIBOR007具有较高的相关性，两者的变化曲线几乎吻合，数据相关性高达98%。范立夫等人（2015）也使用VAR模型，证明7天银行间质押式债券回购利率与7天SHIBOR之间存在联动效应，7天回购利率对SHIBOR有较大影响。但从交易量、参与主体、市场敏感性和易变性来看，目前影响债券市场的主要利率是DR007，而且DR007相较于SHIBOR007可得到的数据也更完整。图11DR007波动率数据来源：Wind数据库在探讨债券市场对实体经济的促进作用时，其融资效能被视为评估市场成熟度与整体健康的核心要素。债券市场已经成为重要的直接融资渠道之一，我国已成为世界第二大、亚洲第一大债券市场。中国人民银行早于2013年的专项研究强调了债券融资对于加速经济增长及改善经济结构的积极作用。去年召开的中央金融工作会议提出：“做好科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章”。金融“五篇大文章”和中国经济高质量发展密切相关。科技金融专注于促进科技创新，解决自主创新和“卡脖子”工程等方面的问题；绿色金融解决绿色发展问题；普惠金融解决发展的均衡性，扩大金融服务范围的问题；养老金融解决社会保障问题；数字金融推动数字经济发展和经济的转型升级。实现“五篇大文章”的目标需要充足的资金支持。除了银行信贷融资外，还需要通过增加直接融资比例来为这些领域提供资金。债券融资作为重要的直接融资渠道，一方面不会增加贷款的规模，且非银资金购买债券既不会形成信用派生、也不会生成M2货币（张旭、危玮肖，2024）。立足于这一优势，债券市场助力做好“五篇大文章”具有重要的现实意义。近年来，金融部门在科技金融、绿色金融、普惠金融、养老金融、数字金融这五大领域积累了丰富的实践经验，并取得了明显的成效。我国信用债市场从规模迅速扩容到推进高质量发展，已成为有效支持实体经济直接融资的中坚力量。近年来，各类科创主题债券推陈出新，包括双创孵化专项债券、双创专项债务融资工具、创新创业公司债券，以及高成长型企业债务融资工具、科技创新公司债券、科创票据等。2015—2023年，全市场发行科创主题债券1305只，规模总计12281.7亿元。整体而言，多数债券的发行利率较个券上市日估值具有优势，在一定程度上为发行人降低了融资成本（陈路晗、付建婷，2024）。与此同时，债券市场创设了多样化的绿色债券品种，助力我国绿色低碳转型。基于中国绿色低碳转型债券数据库统计，我国绿色债券发行规模已连续两年位列世界第一，发行成本优势逐渐凸显。截至2024年9月末，银行间市场共存续1009只绿色债券，存量共计1.65万亿元。此外，中国人民银行还创新性地推出了针对农业、小微企业等领域的专项金融债券，增加了金融机构低成本资金的来源，引导其在普惠金融领域发挥更大作用。本研究参考牛玉锐等人（2021）对于支持实体经济力度指标的构建，不仅重视融资的总体规模，也充分考虑了融资资源在不同市场主体间的分配均衡性。具体而言，通过构建各期各类发行人加权的债券发行规模及其增速来精准量化债券市场对实体经济融资的支撑强度。我们选择存续债券规模占总规模比重的倒数作为调整因子来对各期不同类别发行人债券发行规模以及增速进行加权。这意味着，对于那些在市场中存续债券相对较少、可能融资渠道较为受限的发行主体，我们相应提高了其发行规模的权重；反之，对存续债券较多、融资渠道更为畅通的主体，则适度下调权重。每期的加权发行规模据此计算得出，不仅体现了某一时间点上债券市场融资活动的广度与深度，还深刻反映了市场资源配置向实体经济传导的有效性与合理性。αpt为融资主体p在第t期的权重系数，xpt为主体p在第t期的债券发行规模。融资主体细分为中央政府、地方政府、金融机构、非金融国有企业、非金融民营企业、非金融其他企业等6类。在融资规模绝对量基础上，本文进一步构建了不同类型发行人加权发行增速指标，纳入相对量增速变化，更加全面地衡量债券市场融资支持力度。市场有效性是对市场信息效率的描述，具有信息效率的市场被称为有效市场。Fama（1970）提出，如果市场的价格完全反映了所有可得的信息，那么就称这样的市场为有效市场。在这样的市场中，市场的价格已经充分反映所有的相关信息，只有在新的信息到达后价格才会发生变动。根据价格对信息反映程度的不同，有效市场可以分为弱势有效市场、半强式有效市场和强式有效市场。现有的关于市场有效性的研究大多是对于股票市场有效性的研究，而国内外最早的关于市场有效性的研究也都是针对股票市场的。即通过检验某一特定时间公布前后投资者是否可以根据相关信息获取超额收益来检验市场的有效性。Kendall研究发现：市场价格已经完全反映了过去的信息，股票价格的变动没有规律，不能根据过去的信息来预测未来的股票价格。Roll（1969）通过研究证明股票价格符合随机游走，从而表明美国市场达到了弱有效的状态，并在此基础上对股价收购和股票价格的关系进行进一步研究，发现当时的美国市场并没有达到半强式有效。French（1986）主要研究的是纽约交易所股票的收益率，发现短期内的自相关系数非常接近0，而3至5年的收益率序列相关系数则在[-0.4,-0.25]的区间内，呈现出较为显著的负相关特性，得出结论是股市在长期内还未处于弱式有效的情况。Coronel-Brizio（2007）等学者通过探讨将墨西哥股市指数和道琼斯工业平均指数数据相结合作为研究样本，观察到墨西哥的股市效率相比于过去有一定的提高。国外的市场有效性研究主要是针对股票市场，虽然研究的结论不尽相同，但对于在短期内股票市场应该是满足弱势有效的结论是一致的，是否满足半强式有效还有待进一步商榷；而长期内股票市场是否满足弱势有效还没有一致的定论。总的来说一些较发达的国家其证券市场几乎全部处于弱式有效阶段，少部分国家甚至已达到半强式有效阶段。除了对股票市场有效性的相关研究，国外学者对于债券市场的研究也同样是是深刻而全面的。Martin（1974）通过研究1960-1971年的美国债券市场，发现历史价格对债券的到期收益率不具有预测力和解释力，表明美国债券市场已经达到了弱势有效。Katz（1974）则研究了信用评级的变化对债券价格变化的影响，发现评级改变之前债券的价格没有表现出任何预期，而评级改变之后需要经过6-10个周价格才能调整到新的合理水平，表明当时的美国债券市场还没有达到半强型有效。此外，SchneeweisandWoolridge（1979）和JordanandJordan（1991）均发现了日历效应的存在，包括一月效应、年末效应和月内周效应等，这些日历效应的存在表明美国债券市场的信息有效性水平有效，并没有达到真正意义上的弱式有效市场。国外学者的研究不仅包括单独的债券市场，还包括跨市场（债券、股票、衍生品）的价格联动性，并进一步研究了公司债券在无风险利率（国债）、宏观经济（股票指数）、公司基本面（关联股票）等方面的信息有效性。CornellandGreen（1991）与Blumeetal.（1991）首次研究了美国的低信用级别公司债券，发现其回报率与国债和股市的回报率均为正相关关系。Alexanderetal.（2000）对高收益债券进行研究，发现了关联股票可以预测债券回报率的现象。Downingetal.（2009）通过研究发现美国低信用公司债券的信息有效性要低于关联股票的有效性。就国内研究而言，陈军泽和杨柳勇（2000）运用事件研究法考察了国债市场对央行降息事件的反应，发现降息公告发布之前国债的价格就会上涨，而公告发布之后没有显著的异常回报率，说明我国的国债市场的信息有效性很高，李贤平等（2000）则进一步发现我国国债市场的有效性是不断提高的。汤亮（2005）利用在上海证券交易所交易的国债日数据,发现仅在交易所交易的债券对CPI的公布存在提前反应,而同时在交易所和银行间市场交易的债券不存在提前反应。国内对于公司债和企业债市场有效性的研究较少，研究的内容主要集中于强制担保（李丽，2006）、品种创新（杨晔，2006）和信用利差方面（冯宗宪，2009）。时文朝（2009）发现增加债券市场的透明度会降低债券市场交易价格、交易量等相关因素的方差进而提高信息效率。高强等（2010）通过研究发现公司债券的有效性高于企业债券，整体来看，历史价格和无风险利率的有效性较低，公司基本面方面的有效性较高。王茵田等（2012）等从信息传递的角度研究了跨市场的协整和波动溢出效应。张雪莹（2017）则通过研究债券担保对利差的影响得到担保与信息不对称的关系。本部分把理论和实证相结合，采用单位根检验、相关序列和游程检验等计量模型来检验我国债券市场的有效性，并对银行间债券市场和交易所债券市场的有效性强弱加以比较，根据实证结果，结合我国债券市场的实际发展情况提出相应的解决政策，来促进我国债券市场的高质量发展。（1）利率债有效性指标本文选取的数据是2010-2024年3月中债银行间国债指数和中债交易所国债指数来分别研究银行间国债市场的有效性和交易所国债市场的有效性，数据来源为Wind数据库。本文将构建自回归模型，采用单位根检验（ADF检验）和序列相关检验（自相关系数）来分别检验银行间债券市场和交易所债券市场的有效性。检验债券价格独立性从统计学意义上是检验数据间自相关性，对债券指数的时间序列构建m阶自回归模型：其中，参数θ1，θ2……θm表示指数变化的滞后影响。如果参数显著为零，则债券指数之间没有序列相关性，债券市场满足弱型有效，若参数不为零，则债券指数之间有序列相关性，债券市场不满足弱型有效。使用该模型时，需要满足时间序列数据平稳，如果原时间序列是不平稳的，具体操作方法是采用一阶差分的方法并对模型（1）做如下变换：表示的是指数增长带来的滞后影响。通过国债指数一阶自回归系数，我们检验了历史信息的有效性，衡量了债券市场的弱有效性。对于弱有效市场，所有过去的公开信息（特别是价格信息）都已被市场消化，市场价格总是及时调整以反映所有过去的交易信息，因此投资者无法通过分析历史价格图表或交易模式来持续获得超额收益。上述有效性指标从市场以及指数层面对债券市场有效性进行了衡量。进一步，我们从个券层面入手，通过验证个券价格反映公共信息的能力，来衡量市场的半强有效性。在半强有效市场中，一旦有关某公司的任何公开信息（如财务报告、公告、经济政策变化等）被发布，该信息会立即被市场吸收并迅速反映到证券价格中，使得投资者无法通过分析这些公开信息来持续获得超额收益。（2）企业会计透明度企业会计透明度，表示财务报表对债券价格的揭示程度。会计信息披露是企业财务信息的第一来源，也是基础价值最为核心的信息载体。如果企业会计透明度高，则表明财务报表真实揭露了企业的经营状况，投资者可以据此对债券未来价格做出更加清晰的展望。相反，如果企业会计透明度低，投资者对未来的预测精度相对也会降低。基于McNichols（2002）修正的现金流模型度量了企业财务报表呈现的会计透明度，该指标是目前应用最为广泛的会计透明度衡量方法之一。具体而言，我们先分年度－行业方程按照方程（3）对企业财务变量进行回归，以回归残差作为企业操控性应计的度量。其中，ΔPit为债券i在t年度的价格变动，CFik分别为该企业在k年度的经营性现金流，ΔSALESit为企业i在t年度的销售增长，PPEit为t时期固定资产净值，所有数据均来自CSMAR数据库，变量均经过期初资产调整。ΔPit=a+βi1CFit一1+βi2CFit+βi3CFit+1+βi4ΔSALESit+βi5PPEit+εit（3）操控性应计越高代表企业会计质量越差，财务透明度越低。进一步参考Huttonetal.（2009）、戴泽伟和潘松剑（2018）等研究，采用过去三年操控性应计绝对值之和的相反数作为了企业会计透明度的度量，该指标越大代表企业会计透明度越高。企业会计透明度越高，债券价格中就包含了越多的公开信息，市场就更接近半强有效。为了能够更有效的衡量价格有效性，除了考虑债券价格对公共信息的反应，还应该考虑其对异质性信息的解释力度。（3）债券价格同步性债券价格同步性分离出了债券价格变动中的系统性波动部分和特质波动部分的比重，相关研究的核心逻辑是同步性代表了债券价格随系统性（非特质）风险变化的部分。已有研究大部分采用了基于CAPM模型测算的股价同步性。具体而言，这些研究先分年度以股票日度或者月度回报率对市场组合日或者月回报率（一些研究还包含了行业回报率）回归，再对回归R2进行对数单调变换以避免R2的取值范围限制。但是，资产定价相关经验研究早已发现市场组合远非系统性波动的唯一代理，CAPM模型也不能很好刻画股票的截面回报。采用CAPM会遗漏市场组合之外的其他系统性风险，低估股票价格随系统性风险因子变化而变化的部分。Roll（1988）提出发掘超越CAPM的新模型解释剩余的股票价格波动，后续资产定价研究不断发掘出更能刻画股票价格截面收益的定价模型。Dasguptaetal.（2010）秉承这一思路，采用了Fama－French三因子模型回归R2对数单调变换作为股价同步性的度量。本文利用债券交易数据，参考Dasguptaetal.（2010）的思路，但基于更新的五因子定价模型回归R2对数单调变化构造了债券价格同步性指标synch，其构造过程如下:先采用 Fama-French五因子模型（见公式（4分年度对个券日回报率进行时间序列回归得到拟合优度R2，再按照公式（5）对回归R2进行单调变换得到个券i在年度t的债券同步性指标synchit。Rit=alphai+β0rfratet+β1MKTt+β2SMBt+β3HMLt+β4RMWt+β5CMAt+其中alpha为常数项，ε为随机扰动;计算过程采用的无风险利率rfrate、市场组合因子MKT、规模因子SMB、账面市值比因子HML、投资模式因子CMA和盈利能力因子RMW均来自CSMAR因子数据库。近年来，随着市场自身的发展完善以及金融开放政策的推动，我国债券市场的开放也在稳步推进，开放度水平不断提高，市场外资参与度和参与主体多元化等有了显著的进展。研究如何在金融市场开放的大背景下推动债券市场的开放具有迫切性和重要性，如何进一步提高债券市场的开放水平、完善市场相关制度的建设、防范和化解市场开放带来的相关问题，受到了广泛的关注。我国债券市场的开放历程，大致分为三个阶段：第一阶段（2005~2009年）是债券市场开放的萌芽阶段，境外机构开始通过QFII进入中国交易所债券市场，并开始熊猫债发行试点。第二阶段（2010~2014年）是债券市场开放的加速阶段，外资进入中国债券市场的渠道更加丰富，境外机构的持债量快速增加，离岸人民币市场迅速发展，银行间债券市场成为债券市场开放的主渠道。第三阶段（2015至今）是债市开放的深化阶段，开放措施更加综合化、立体化，合格境外机构范围不断扩大，参与交易类型和准入条件也在逐步放宽（宗军，近年来，中国债券市场对外开放持续扩大，从要素流动型开放向规则等制度型开放转变的程度逐步加深。2019年4月，中国债券被纳入彭博巴克莱全球综合指数；2020年2月，又被纳入摩根大通全球新兴市场政府债券指数。全球三大债券指数供应机构之一的富时罗素日前宣布，从2021年10月起将中国国债纳入富时世界国债指数。富时罗素表示，自2018年列入富时世界国债指数观察名单以来，中国固定收益市场显著完善，积极扩大国际投资者准入，措施包括提高二级市场债券流动性、优化外汇市场结构以及发展全球结算和托管服务本文基于2021年课题构建的对外开放指标，考虑到境外机构持有国开债占比数据的区间的有限性，从境外机构持有国债占比、中美利差、中资海外债净融资额同比、中资海外债发行量四个角度衡量我国债券市场对外开放程度。（1）境外投资者持债规模截止2024年3月，债券市场托管存量达106.68万亿元，其中境外投资者持债规模约为3.13万亿元，占比为2.93%；中国国债的存量规模为19.44万亿，境外机构持有规模为2.98万亿，占比15.33%。从整体的持债规模来看，境外投资者投资中国债券市场的广度不断提高，但还有很多大的上升空间。（2）境外投资者持债结构截止2024年3月末，境外机构投资者持有的国内债券中，国债占比为72.07%，主要是因为国债有中国政府的信用支持，信用等级很高，安全性较好，是境外投资者进行资产组合配置的首选。其次是政策性银行债，在境外投资者的持债结构中个占比为26.21%，政策性银行债虽然不是直接以政府的名义发行，但有政府的背书，所以信用等级也非常高。可以看出，境外投资者在参与国内债券市场的时候，主要以信用等级较高的国债和政策性银行债为主，投资态度和风格还是非常谨慎的。如下图所示，境外机构持债占各券种总规模的比例中，国债最高，其次是政策性银行债。商业银行债、企业债、地方政府债以及资产支持证券外资持有的占比均不超过1%。图12截止2024年3月境外机构持债结构情况数据来源：Wind（3）取消QFII和RQFII投资限额我国在2011年开始实行QFII和RQFII，使得合格境外投资者可以进入中国市场，投资的限额也在不断提高。2019年9月，国家外汇管理局宣布取消合格境外机构投资者（QFII）和人民币合格境外机构投资者（RQFII）投资额度限制，包含三方面：一是取消QFII和RQFII投资总额度，二是取消单家境外机构投资者额度备案和审批，三是取消RQFII试点国家和地区限制。此次全面取消合格境外机构投资者额度限制，进一步扫除了外资进入障碍，提升了人民币资本项目可兑换程度，我国金融市场对外开放更进一步。一方面，这极大地便利了境外机构投资者投资境内金融市场，与近期外资流入趋势相叠加，进一步放大了我国股票和债券纳入MSCI、富时罗素、标普道琼斯等国际主流指数的积极效应，有利于促进我国金融市场健康发展并融入全球体系。另一方面，这展现了我国金融改革开放的决心与信心。中美国债利差=中国10年期国债收益率-美国10年期国债收益率。邹子昂和熊启跃（2022）指出，利差是影响跨境资本流动的关键变量，其作用机制主要通过以下三个途径体现。首先，利差的变化会引发市场主体进行套息交易，促使资金从低利率地区流向高利率地区。其次，利差的变动会增加高利率货币的升值预期，从而推动市场中的套汇活动，使资金流向预期更强的货币。最后，利差的变化还会调整市场的避险情绪，导致资本向被认为风险较低的地区转移。按照资金的性质，跨境资本流动主要分为直接投资、证券投资、其他投资、金融衍生品以及储备资产等类别。不同类型的资本因其自身的特性和运作逻辑不同，在面对中美利差变化时的表现也各有差异。特别是债券市场投资者对利率变动非常敏感，当中美利差缩小时，所产生的套利和套汇效应主要在债券市场上体现出来。鉴于我国对证券投资中的对外资产存在一定的管制，因此中美利差变动的影响更多地体现在对外负债方面，即境外投资者在我国的证券市场活动。这类投资通常表现为短期资金，对中美利差的变化尤为敏感。根据国际货币基金组织的数据，进入中国股市的外资主要由非银行金融机构构成，这些被称为“聪明钱”的资金往往热衷于利用杠杆和从事投机交易，因此对市场动态的变化极其敏感。长期收益率反映一国景气环境变化、货币政策变化，因此中美利差可以反映中国与美国两大经济体的景气强弱、央行货币政策差异，而利差的大小会影响外企流入意愿。当中美利差向上，表示中国与美国经济差距扩大，有利人民币升值。反之，当中美利差向下，表示中国与美国经济差距缩小，不利人民币升值。中美利差长期处于低位甚至倒挂，会使我国产生资本外流压力，进而影响股市、债市和汇市的稳定。数据来源：中国债券信息网（Wind数据库）主成分分析（PrincipalComponentAnalysis，PCA）是利用数学上降低维度的思想，将实际问题中的多个变量重新组合成一组新的少数几个综合指标来代替原来变量的方法。这样在分析多变量的过程中，就可以只考虑少数几个主成份，同时也不会损失太多的信息，主成份分析过程中主成份所包含的信息是用该主成份的方差来衡量的。在研究问题时，主成份分析法既能减少变量的个数又能获得主要的信息，因此越来越为人们广泛应用。在统计学中，主成分分析是一种简化数据集的技术。它是一个线性变换。这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标（称为第一主成分）上，第二大方差在第二个坐标（第二主成分）上，依次类推。主成分分析经常用于减少数据集的维数，同时保持数据集对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但是，这也不是一定的，要视具体应用而定。一个研究对象，往往是多要素的复杂系统。变量太多无疑会增加分析问题的难度和复杂性，利用原变量之间的相关关系，用较少的新变量代替原来较多的变量，并使这些少数变量尽可能多的保留原来较多的变量所反应的信息，这样问题就简单化了。主成份分析以最少的信息丢失为前提，将众多的原有变量综合成较少几个综合指标，通常综合指标有以下几个特点：（1）主成份个数远远少于原有变量的个数。原有变量综合成少数几个因子之后，因子将可以替代原有变量参与数据建模，这将大大减少分析过程中的计算工作量。（2）主成份能够反映原有变量的绝大部分信息。因子并不是原有变量的简单取舍，而是原有变量重组后的结果，因此不会造成原有变量信息的大量丢失，并能够代表原有变量的绝大部分信息。（3）主成份之间互不相关。通过主成份分析得出的新的综合指标之间互不相关，因子参与数据建模能够有效地解决变量信息重叠、多重共线性等给分析应用带来的诸多问题。（4）主成份具有命名解释性。通过主成份分析法得到的新的因子往往具有实际含义，具有命名解释性。总之，主成份分析法是研究如何以最少的信息丢失将众多原有变量浓缩成少数几个因子，如何使因子具有一定的命名解释性的多元统计分析方法。优缺点：（1）可消除评价指标之间的相关影响。因为主成分分析在对原指标变量进行变换后形成了彼此相互独立的主成分，而且实践证明指标之间相关程度越高，主成分分析效果越好。（2）可减少指标选择的工作量。对于其它评价方法，由于难以消除评价指标间的相关影响，所以选择指标时要花费不少精力，而主成分分析由于可以消除这种相关影响，所以在指标选择上相对容易些。（3）当评级指标较多时还可以在保留绝大部分信息的情况下用少数几个综合指标代替原指标进行分析。主成分分析中各主成分是按方差大小依次排列顺序的，在分析问题时，可以舍弃一部分主成分，只取前后方差较大的几个主成分来代表原变量，从而减少了计算工作量。（4）在综合评价函数中，各主成分的权数为其贡献率，它反映了该主成分包含原始数据的信息量占全部信息量的比重，这样确定权数是客观的、合理的，它克服了某些评价方法中认为确定权数的缺陷。（5）这种方法的计算比较规范，便于在计算机上实现，还可以利用专门的软件。（1）在主成分分析中，本文首先应保证所提取的前几个主成分的累计贡献率达到一个较高的水平（即变量降维后的信息量须保持在一个较高水平上其次对这些被提取的主成分必须都能够给出符合实际背景和意义的解释（否则主成分将空有信息量而无实际含义）。（2）主成分的解释其含义一般多少带有点模糊性，不像原始变量的含义那么清楚、确切，这是变量降维过程中不得不付出的代价。因此，提取的主成分个数m通常应明显小于原始变量个数p（除非p本身较小否则维数降低的“利”可能抵不过主成分含义不如原始变量清楚的“弊”。（3）当主成分的因子负荷的符号有正有负时，综合评价函数意义就不明确。主成分分析是一个压缩和解释数据的过程，常被用来寻找判断某种事物或现象的综合指标，并且给综合指标所包含的信息以适当的解释。主成分分析是利用降维（线性变换）的思想，在损失很少信息的前提下把多个指标转化为几个不相关的综合指标（主成分即每个主成分都是原始变量的线性组合。鉴于主成分分析现实含义的解释缺陷，统计学斯皮尔曼又对主成分分析进行扩展。因子分析在提取公因子时，不仅注意变量之间是否相关，而且考虑相关关系的强弱，使得提取出来的公因子不仅起到降维的作用，而且能够被很好的解释。主成分分析和因子分析的关系是包含与扩展。当因子分析提取公因子的方法是主成分（矩阵线性组合）时，因子分析结论的前半部分内容就是主成分分析的内容，而因子旋转是因子分析的专属（扩展主成分分析是因子分析（提取公因子方法为主成分）的中间步骤。从应用范围和功能上讲，因子分析法完全能够替代主成分分析，并且解决了主成分分析不利于含义解释的问题，功能更为强大。熵值法是在计算加权指标时的一种赋权方法。根据各指标数值变化对整体的影响，计算指标的熵值，进而确定权重。在信息论中，熵指系统的混乱程度或无序程度，指标的熵值越大，说明指标中的信息混乱程度越高，导致该指标不确定性越大，则该指标所包含的信息量就越小，指标信息综合评价能力越弱，最终给该指标所加的权重也就越小。首先，对评分指标进行标准化处理。评分指标分为正向指标和负向指标。正向指标是指该数据分值越高，对最后的评分结果影响越正面；负向指标是指该数据分值越高，对最后的评分结果影响越负面。因为评分数据有正向和负向之分，所以评分计算的第一步是将各个评分要素进行标准化处理，确保各指标标准化后均为正数。处理公式如下所示：对于正向指标：Ixij—min(x1j,x2j,...,xnj)xij=max(x1j,x2j,...,xnj)—min(x1j,x2j,...,xij=对于负向指标：接下来，进一步求每个数值在评分列中的数值占比（数值比例公式为：下一步求数值占比与自身对数的积。熵值法要求对数的原因在于对数函数能够有效地衡量数据的不确定性，并确保信息的可加性。xi=piLog(pi)最后，计算每个评分要素的熵值。熵值的计算公式如下：ej=—kΣ=1pijlog(pij)其中K值的定义为：K=1/log(N)，N为参与评分的指标数量。得到了每个评分要素的熵值后，基于熵值我们可以求得每个平分要素的权重值——这里的权重值可以理解为每个评分要素的熵值在整个熵值体系中的占比，其公式为：其中分母为所有要素熵值的累加，分子为当前要素的熵值。有了每个评分要素的权重值，以及每个评分栏目标准化值，就可以进行每个指标的评分得分基数的计算公式为：后续可以在得分基数的基础上，将基准评分转换为10分制、100分制或者某种最终使用的分数。根据指标体系和数据可得性，我们采用深度、广度、投资者保护、流动性、波动性、有效性、对外开放度以及实体经济支持度指标进行总指数构建。同时，我们采用主成分分析、因子分析以及熵值法三种方式构建指标，并进行比对。①主成分分析用八个维度选取的相应指标进行总指数构建。首先对因子进行相关性检验，巴特利球形检验结果P=0.0000，拒绝相关系数矩阵为单位阵的原假设，变量之间存在公因子；KMO=0.815，因子间有较强的相关性，支持进行主成分分析。表2构建债券市场质量总指数的指标体系中债新综合净价指数收益波性不同类别债券托管降级及展望负面债债券发行信用等级发行量同比增速评级公司债项评级同向各融资主体加权发国债一阶序列相关根据主成分分析结果，选取特征值大于1的前六个因子作为主成分，第6个因子累计贡献率达到71.67%，进一步得到主成分因子载荷。表3总指数主成分分析结果序序号指标名称第一主成分系数第二主成分系数第三主成分系数第四主成分系数第五主成分系数第六主成分系数1发行净融0.21360.27190.1875-0.10250.06010.01492发行债券0.31540.00330.1846-0.0781-0.05350.00983交易量月-0.03600.5065-0.24500.18370.03750.051440.3282-0.11170.02810.02950.10930.00375现券成交额0.3159-0.0547-0.05340.06840.0592-0.00066不同类别债券托管规模的集0.2629-0.2069-0.20070.13820.2971-0.03287降级及展望负面债-0.11950.15100.0538-0.04170.6273-0.08728债券发行信用等级0.2873-0.0090-0.0596-0.02140.09480.03869评级公司债项评级0.25330.12650.2095-0.0729-0.0447-0.0280交易前透0.2367-0.16200.05040.12170.4029-0.0105各融资主体加权发0.1733-0.02650.3463-0.1854-0.10070.0719国债一阶序列相关0.0108-0.04820.00150.1979-0.2019-0.7866-0.1429-0.33540.07050.04810.12060.1089收益率波-0.11350.01980.29100.5211-0.0696-0.0188收益率偏度0.0455-0.09820.03840.4078-0.17260.3504中债新综合净价指数收益波-0.07870.08620.41110.50120.1271-0.07110.23760.32310.05370.04570.06890.0650国债国开-0.2408-0.05140.3038-0.21260.06800.0386短期债券0.2392-0.0050-0.10750.0132-0.4205-0.006120发行量同-0.02070.5130-0.17800.03910.0389-0.075621-0.17250.16620.4229-0.2626-0.0266-0.019322-0.08830.0879-0.05760.1396-0.08560.4570230.28040.08650.2706-0.0147-0.09820.0356指数构建中六个主成分占比分别为36.85%、10.13%、7.87%、6.93%、5.43%和4.47%。第1主成分中发行只数、月托管量、现券成交额，第2主成分中的交易量月增速、发行量月增速、DR007月度波动率，第3主成分中的中债新综合指数波动率、中美利差、各融资主体加权发行规模，第4主成分中的10年期国债收益率偏度、10年期国债收益率波动率，第5主成分中的交易前透明度、短期债券占比、降级及展望负面债券占比以及第六主成分中的国债一阶序列相关系数、中资海外债净融资额同比，共16个指标是权重影响比较大的指标。通过主成分分析法得到的债券市场质量指数表达式如下：fscore=0.3685×f1+0.1013×f2+0.0787×f3+0.0693×f4+0.0543×f5+0.0447×f6图142010-2024债券市场质量指数（基于主成分分析）②因子分析通过因子分析法实现了指标降维从23个指标组降到4个公因子，累计贡献率为89.15%。表4总指数因子分析结果序号指标名称公因子F1上公因子F2上公因子F3上公因子F4上10.59880.38350.2045-0.055520.92370.03060.2896-0.08413-0.10290.7108-0.38520.166840.9656-0.18040.04530.063750.9255-0.0840-0.08380.07016不同类别债券托管0.7678-0.35370.04530.03017降级及展望负面债-0.32260.16060.02870.08438债券发行信用等级0.8203-0.0150-0.0768-0.04319评级公司债项评级0.71400.19800.2489-0.04220.6875-0.26750.04400.2852各融资主体加权发0.4788-0.00870.3964-0.1178国债一阶序列相关0.0288-0.0486-0.01500.1048-0.3833-0.40460.08120.0787-0.31420.03560.20440.59010.1215-0.09820.00740.2597中债新综合净价指-0.21730.12880.32790.63510.68630.50860.03120.0824-0.6907-0.06650.4426-0.13220.68430.0094-0.1306-0.149620-0.05930.6768-0.24730.009021-0.49310.26600.5670-0.167722-0.23360.0907-0.06400.0745230.81180.16740.36820.0177公因子组成：公因子F1中载荷较大的指标有发行只数、月托管量、现券成交额、净融资额、中资海外债发行量、债券发行信用等级集中度、不同类别债券托管集中度、评级公司债项评级基尼系数、国债国开债利差、短期债券占比、交易前透明度，公因子F2中载荷较大的指标有换手率、交易量月增速、发行量月增速，公因子F3中载荷较大的指标有国债国开债利差、中美利差、各融资主体加权发行规模，公因子F4中载荷较大的指标有10年期国债收益率波动率、中债新综合指数波动率。较主成分分析的权重指标增加了发行净融资额、不同类别债券托管规模的集中度、债券发行信用等级集中度、评级公司债项评级基尼系数、各融资主体加权发行规模、换手率、国债国开利差、短期债券占比、中资海外债发行量等指标，减少了降级及展望负面债券占比、国债一阶序列相关系数、收益率偏度、中资海外债净融资额同比等指标，通过因子分析法得到的债券市场质量指数表达式如下：图152010-2024债券市场质量指数（基于因子分析）③熵值法为了进一步验证主成分分析和因子分析的结果，我们使用熵值法计算债券市场质量指数并观察质量指数随时间的变化。图162010-2024债券市场质量指数（基于熵值法）观察债券市场质量指标在2010年到2024年之间的变化可以发现，2014年之前，债市处于一个质量水平相对较低的状态。自2014年以来，我国债券市场的质量出现明显改善，市场总体质量整体呈现出上升趋势。2014年全年国内经济基本面较为疲弱，宏观经济下行压力加大。央行出于稳增长和防控潜在的系统性金融风险的目的不断对货币政策进行预调微调，在保持流动性总量适度充裕的同时引导市场利率下行。2014年4月央行降准靴子落地，以此为起点，货币政策取向正式由紧转松，市场逐步适应“定向宽松”的货币政策新思路，银行间市场流动性宽松。随着交易的活跃和债市体量的发展，债券市场复杂程度大大提高，债券市场不稳定性现象值得关注。2014年违约事件的爆发是整个债券市场稳定性变化的转折时间点，从2015年6月开始进入了债券市场的长熊市阶段。这和当年的宏观经济发展状况和货币政策也紧密相连，在2015年底和2016年“债灾”发生前，本文的指数来到了历史最高位。2016年债券市场运行情况可以分为两个大阶段，分别是于1-10月的牛市狂欢，和11-12月的大幅调整阶段。1-10月，我国实体经济仍旧偏弱，下行压力大，这一阶段的货币政策为“平稳偏宽”的。在充沛的流动性支撑下，两年前的“资金荒”已变为“资产荒”，2016年初股市连续熔断，充沛的资金进入债券市场，而不断（下行的收益率）上涨的债券价格则进一步强化了资金流入的预期，直到演变为一个银行主动上升负债，不断加通过加杠杆强化收益率最终横扫一切利差的疯狂情绪。高杠杆，低超储，期限错配造成的金融风险不断上升。2016年11-12月，国内外环境皆有所变化。首先是2016年全国楼市的回暖，全国各地房价都不断升高。楼市的回暖一方面从客观上促进了经济的回暖和通胀的上行压力，另一方面加大了汇率的贬值压力，同时也使中央的思路从“稳增长”向“防风险”转变。从国内来看，经济的企稳复苏，商品价格的上行推升通胀预期，债市风险的积累带动央行货币政策的掉头，随着央行不断的锁长放短，短期资金利率的抬升使得之前加杠杆套利的行为慢慢地无以为继。同时，11月国际环境的变化，尤其是特朗普上台后预期将实行扩大基建和实施财政刺激，美国经济的复苏带来美联储加息预期的增强，带动美债收益率上行，中美利差的缩窄也成为空头发力的支撑。最后，债券在多重因素共振下引来的第一波调整，使得“代持”等事件暴露，引发了第二轮的大幅冲击。最终，第二轮冲击将一年多来债市的涨幅完全磨平。本文的质量指标也从历史高位大幅下跌。随着代持事件得到妥善处理，央行与银保监释放政策暖意，债市迎来一波修复性行情，伴随着2017年4月到6月的严监管政策密集落地，监管方面表达了对于“去杠杆”的观点，其中“去杠杆不是消灭杠杆”、“没有杠杆就没有金融”的论调大大缓解了市场对严监管的恐慌，债市暴跌后迎来短