我国国债市场的季节效应分析

　　文章以2007年—2021年的中债银行间国债全价指数为研究样本，对我国国债市场是否存在月份效应进行了实证分析。结果表明，我国国债银行间市场存在显著的月份效应，其中，6月和9月的回报率显著低于其他月份。文章从资金面、政策面及市场供需等多个角度分析了季节效应的成因，并提出相应建议。

　　在某一特定时段内，金融资产的平均收益或波动率显著不同于其他时间段，这种现象被称为季节效应。常见的季节效应包括周内效应、月份效应和节日效应。国外大量研究表明，季节效应不仅存在于股票市场，也存在于期货市场和债券市场。例如，Zaremba （2019） 研究了1980—2018年22个国家的政府债券回报率，发现各国债券市场普遍存在季节效应，但程度和表现形式有所差异。国内方面，我国学者对季节效应的研究集中于股票市场，对债券市场的研究相对缺乏。于鑫（2007）考察了国债市场的周内效应，结果表明银行间市场存在正回报率的“周五效应”。

　　2007年后鲜有学者关注国内债市的季节效应，且针对月份效应的研究非常少见。故本文以我国国债为研究对象考察是否存在月份效应，并尝试进行原因分析。

　　我国债券市场主要分为银行间市场（含柜台市场）和交易所市场两大类。国债主要在银行间市场发行交易，银行间债券市场的国债托管规模占比高达93%，故本文选取中债银行间国债全价指数作为研究样本。该指数成分券由银行间债券市场流通的记账式国债组成，可作为投资该类债券的业绩基准指数，基期为2001年12月31日，数据最早可回溯至2007年。本文选取的样本区间为2007年1月4日至2021年12月31日，数据来源于中债金融估值中心有限公司、万得（Wind）数据库。本文通过计算中债银行间国债全价指数每月的回报率来反映其变化特征，具体公式为：Rm=Pm/Pm-1－1。其中，Pm代表m月末的指数。

　　图1为2007年1月至2021年12月期间中债银行间国债全价指数月度回报率的主要统计特征。样本区间中，指数月度回报率的均值为0.04%，标准差为0.90%，偏度为0.85，峰度为7.74。其峰度值高于标准正态分布的3，显示出指数的月度回报率具有尖峰厚尾特征。Jarque-Bera检验结果为190.12，说明样本数据不服从标准正态分布，无法满足最小二乘法（OLS）中残差项需服从独立同分布、同方差的假设。

　　进一步按月份区分样本，初步判断异常回报率可能出现的月份。如表1和图2所示，在样本统计的15年间，国债银行间市场月度回报率最高值出现在10月（0.43%），最低值在6月（-0.38%），1月至5月的月度回报率均为正。从标准差可以看出，9月、10月、11月波动最为剧烈，1月、3月的波动性较小。从峰度和偏度来看，9月和10月与正态分布的偏离度较大。从描述性统计预判，1月、6月、9月和10月较有可能出现月份效应。

　　前文的描述性统计表明，根据中债银行间国债全价指数计算的回报率序列分布不满足正态分布，且残差具有明显的异方差特性，采用传统线性回归模型检验可能导致参数估计无效。Bollerslev和Wooldridge（1992）指出，在条件正态分布不成立时，只要均值方程和条件方程正确设立，GARCH类模型的极大似然估计值是一致的。由于金融资产价格或收益率时间序列波动多呈现时变性、聚集性特征，这一方法在金融市场季节效应的研究中被广泛运用。

　　故本文构建了基于t分布的含有虚拟变量的广义自回归条件异方差（GARCH-t）模型，模型GARCH（p,q）的具体形式为：

　　公式（1）为条件均值方程，公式（2）为条件方差方程。 R t 为月度回报率； c 为常数项，代表不具有异常报酬效应的所有月份的平均收益；Dumi, t 为第i月的虚拟变量，在第i月时取1，其余时期取0； β i 代表虚拟变量的系数，如果参数 β i 在统计上显著不为零，则表明存在月份效应，即第i月的回报率显著异于其他月份； ε t 为残差项，服从t分布；p是GARCH项的阶数，q是ARCH项的阶数。方差方程包含ARCH项 ε 2 t - i 和GARCH滞后一阶的 σ 2 t - j ，要求系数α和γ均大于0，且α+γ 1。

　　对中债银行间国债全价指数的月度回报率序列的单位根检验结果表明，在1%的显著性水平下，临界值-4.010大于ADF检验的t统计量-8.039，即月度回报率不存在单位根过程，是平稳的时间序列数据。

　　对含虚拟变量的GARCH（1,1）模型进行月份效应检验，结果显示，我国国债银行间市场存在显著的月份效应（见表2）。其中，6月、9月的月度回报率相对其他月份具有显著差异，在10%的置信水平下显著。6月和9月均表现为负效应，6月的月度回报率比其余月份的平均回报率低0.386%，9月的回报率比其余月份的平均回报率低0.400%。

　　当市场流动性充裕时，投资者倾向于通过债券回购融资提高杠杆率，赚取息差，对国债的需求上升，带动指数回报率上涨。反之，在季末、年末等考核时点，银行谨慎控制融出资金，资金面收紧拖累债市表现，指数回报率下降。

　　如图3所示，在样本统计的15年间，6月和9月的银行间质押式7天回购加权利率（R007）的月度均值在多数情况下高于全年均值，说明6月和9月的资金面相对紧张。2007—2021年间，R007在6月环比上升的概率为93%，R007在9月环比上升的概率为67%。在季节性因素影响下，资金利率阶段性走高，可能是导致6月和9月存在显著负效应的原因之一。

　　此外，以第一财经研究院发布的中国金融条件指数 1 衡量货币环境整体的松紧程度，可以发现，相对其他月份而言，6月和9月面临的金融环境相对偏紧。如图4所示，在2009—2021年间，6月的金融条件指数在多数情况下高于全年均值，且金融条件指数在6月环比上升的概率为62%，在9月环比上升的概率为69%。

　　我国重要会议通常在特定时点召开，会对市场预期产生一定影响。特别是三季度经济数据公布后，决策层依据全年经济目标评估前期政策效果，决定后续宏观政策调节方向，易引发市场预期变化。因此在重要会议召开前，部分投资者为规避风险可能适度减仓。

　　整体而言，二、三季度是利率债的全年发行高峰，一、四季度发行规模相对较小。利率债净供给增多可能抬升利率中枢，加之6月和9月为季末时点，市场流动性的季节性紧张将进一步加剧供给冲击的边际影响，可能是导致6月和9月存在显著负效应的原因之一。

　　基于本文对我国国债银行间市场进行的统计检验，发现中债银行间国债全价指数的月份效应较为显著。究其原因，是我国资金面、政策面及市场供需层面均存在一定的季节性变化规律，导致银行间国债市场存在显著为负的“6月效应”和“9月效应”，在一定程度上说明我国债券市场仍未达到“资本市场有效性假说”中的弱式有效市场。

　　市场投资者可以把握国债市场的季节性规律，调整自身投资决策。例如，可尝试在存在显著负效应的6月和9月使用债券借贷、远期协议、国债期货等工具做空，从而获取债券价格阶段性下跌带来的超额收益。但需要注意的是，市场机构的行为特征也会反过来影响债券市场的季节性特征，一旦针对某些月份的套利策略被大量采用，或导致相应的月份效应发生变化，原本的套利策略失效。建议投资者在进行投资决策时全面分析市场信息，理性客观地选择交易时机，避免盲目依赖季节性特征。

　　对监管部门而言，可通过一系列制度安排，加快构建高效、开放、统一的国债市场，全面增强国债市场的有效性，降低市场交易主体预期和行为的一致性。一是加快债券市场制度建设，完善国债衍生品市场与做空机制。拓展国债市场的深度与广度，形成覆盖整个国债收益率曲线的国债期货产品体系，加快建设国债期权等利率衍生品市场，更好地满足投资者的利率风险管理需求，促进现货市场的价格发现和流动性水平提升。二是加强信息披露与预期引导。在季末资金面波动加大、利率债供给放量、重大政策会议召开等特殊时点，加强对债券市场的运行监测，及时有效地传递政策意图，强化政策发布解读与信息主动公开，合理引导市场预期，避免信息不对称引致的羊群效应等市场非理性行为，以及由此引发的价格波动聚集效应。

　　作为我国金融市场定价基准的重要来源、资源配置的核心枢纽、宏观政策的调控着力点及海内外投资者的重要投资场所，国债市场在国民经济发展与金融市场运行中发挥着至关重要的作用。“十四五”规划和2035年远景目标纲要提出，要完善市场化债券发行机制，稳步扩大债券市场规模，丰富债券品种，发行长期国债和基础设施长期债券。展望未来，我国债券市场有望进入高质量发展的快车道，特别是对于市场规模大、交易活跃度高、流动性较好的国债而言，其市场有效性将得到明显提升，月份效应的市场“异象”有望相应减弱。（本文仅代表作者个人观点，不代表所在单位意见）

　　1. 中国金融条件指数系列是第一财经研究院为衡量中国融资条件、融资可得性，以及宏观金融综合松紧程度而创建的综合指标。指数通过主成分分析法以最大程度抓取中国银行间同业拆借市场、债券市场、股票市场以及银行信贷等融资渠道的变化信息。指数值为标准分数（z-score），高于零的数值代表相对紧缩的金融环境，低于零的数值代表相对宽松的金融环境。