2020(05):57-69+14.

摘要：期限利差收窄导致收益率曲线倒挂引发经济衰退的预判，其究竟是“噪音”还是“信号”是当前美债利率曲线形态的热点研究问题。本文选择2年期和10年期美国国债期限利差作为冲击变量，对市场恐慌情绪（VIX）、金融周期变量（股指）和经济周期变量（工业增加值）采用TVP-VAR和RD模型的研究方法进行实证验证，结论和建议：（1）各变量的时变冲击效应否定了期限利差的经济预测力，不能作为衰退“信号”；（2）弱化利差收窄与“衰退”因果关系有助于稳定市场预期，剔除“噪音”有助于消除恐慌产生的负面影响。

关键词：期限利差;衰退信号;时变效应

引言

在经济和金融全球化背景下，美联储的货币政策方向改变与美国经济周期密切相关，政策方向改变将影响投资者预期，悲观情绪引发金融资产价格的波动，存在经济衰退甚至萧条的恐慌。基于以往美债收益率曲线对经济危机的预判认知，期限利差收窄甚至倒挂一般出现于美联储加息后期，随后将引发美股暴跌，最终形成美国乃至全球的经济衰退。当前国内市场普遍预测持续收窄的利差将导致美债收益率曲线倒挂，部分市场机构和学者提出了“经济衰退恐慌论”。本文聚焦美债期限利差收窄对经济进入衰退期预判的信号作用，判断其内在的联系，以期发现经济衰退的预测方法，消除市场恐慌情绪，为规避风险冲击做好预案。

具体的研究思路如下:首先我们确定美债期限利差对经济衰退触发危机预判“信号”命题为研究靶区；然后基于时间脉冲效应为度量标准，选择美债期限利差（10年期和2年期）为冲击变量,通过实证方法检验由于经济周期预期容易引发波动的金融周期变量（股指）和市场恐慌情绪指标（VIX指数）的冲击传导效应；最后根据效应结论对研究命题进行正伪判断，总结研究结论和提出启示性的政策建议。

一、文献研究

本文参考的研究文献包括美债期限利差的经济预测力、国债期限利差的国别比较两个方面。

（一）期限利差经济预测性研究

Stock和Watson(1989)、Friedman和Kuttner(1989)对美债期限利差与经济增长的关系进行研究，提出美债期限利差具有比较好的预测性。Bernanke(1990)在此基础进行研究，部分赞同美债期限利差对宏观经济的预测作用，但是对其显著和有效性提出质疑：①根据实证检验结论，认为商业票据的期限利差的预测性显著强于美国国债；②美债期限利差指标受美联储货币政策影响很大，一旦政策操作改变将使得以往形成惯例的指标预测判断的可信度大打折扣。Estrella（2005）以美联储纽约分行工作报告形式，通过构架动态理性预期模型，得出美债期限利差与宏观经济的关系结论。认为在其模型框架内，美债收益率的期限利差与预期经济产出呈正相关，但是该关系具有非结构性特征且受货币政策机制影响，即当货币政策对经济产出越不敏感，正向关系越强；反之，较弱或不存在。

（二）期限利差经济预测性国别比较

历史文献将美债期限利差预测力与货币政策挂钩，纵向政策差异体现在不同时期政策的差异性。横向以国别为比较截面进行判定的前提为各国货币政策存在差异，根据Mishkin(1998)对货币政策机制差异的国际经验介绍，当前各国从货币机制上存在四种典型机制，即汇率目标、货币目标、通胀目标和货币政策隐形的锚，美国与欧洲等其他主要经济在货币政策上存在差异。Wheelock和Wohar（2009）得出结论，认为期限利差对经济周期（增长和衰退）的预测只是要提前1年以上，但是预测有用性与国别和期限存在一定差异性。根据其研究结论，各国期限利差对经济增长的预测能力已经在衰减并逐步消失，但是期限利差仍然是经济危机可以信赖的先验指标。Kucko和Chinn(2009)对美国和部分欧洲国家进行实证检验，认为随着时期变化，期限利差（收益率曲线斜率）对经济的预测能力在消退，但是数据分析表明欧洲国家模型在预测能力上相对美国（非欧洲）模型好。Pierangelo(2013)时变模型和时间序列数据对期限利差的先验属性进行比较研究，与Kucko和Chinn(2009)结论相近，先验属性在国别和期限上显著性都不强，构建的简单增长回归模型欧洲国家的预测效果好于美国。

上述研究文献，在时效性、变量频率匹配和模型选择上存在不足。本文的主要创新与贡献：一是修正期限利差选择。选择2年期美债利率作为短端利率，剔除了1年期以下利差包含复杂信息干扰的影响，对比实证分析结果，更具有市场投资实际价值，修正学术研究与实际市场的脱节。二是完善衰退研究范畴。将恐慌情绪、金融周期和经济周期三方面变量纳入研究范畴，实证比对期限利差对应的衰退冲击效应，弥补以往学术文献只针对经济周期单一变量分析的缺陷，深度剖析货币政策引发的期限利差收窄对金融资产定价和市场恐慌心理影响效应。

二、历史回溯与特征命题

（一）历史回溯

观测指标如图1：一是期限利差指标，我们选择10年美国国债收益率与2年美国国债收益的期限利差作为观测对象，其中，2年期美国国债反映当期货币政策对利率的影响变化,体现美联储的货币政策；10年期反映当期货币政策对长期宏观基本面的影响或者投资者预期长期货币政策的影响，体现宏观经济增长。二是周期判断指标，由于实际的经济增长指标缺乏高频数据，我们选择与经济周期密切相关的金融周期指标进行研究，美国股市被认为美国经济的晴雨表，我们选择美国标准普尔500指数（SP500Index）。

图1：期限利率倒挂与美国经济衰退

期限利差得出的特征结论为：一是金融周期大概率与经济周期趋同，在经济危机前期和期间出现大幅的下跌，甚至引发股市崩盘。二是在经济衰退发生前期，出现了美债期限利差持续收窄，甚至在衰退导致经济危机前均出现了持续时长的期限利差倒挂。如图，最近的两次利差倒挂与标准普尔500指数的周期性波峰出现了重合，后期均出现了股市的暴跌。

（二）命题假说

根据历史回溯，存在衰退“信号”判断命题：期限利差收窄导致收益率曲线呈现向下倾斜（downward-sloping），预示经济周期进入衰退，未来将爆发危机。命题可以分解为3个推论假说：一是（假说1）期限利差收窄将直接引发股市恶化，股指下行；二是（假说2）期限利差收窄将使得投资者预期资产价格下跌，引发恐慌情绪；三是（假说3）期限利差收窄引发衰退具有滞后特征。

图2：本文分析方法和分析思路

三、时变模型和断点回归

(一）TVP-VAR模型

TVP-VAR模型即时变参数结构向量自回归模型，近年被国内外研究广泛应用，其主要优势在于允许参数估计值随时间变化而变化，从而可以深入的分析经济变量之间关系的结构性转变，尤其适用于捕捉金融对各变量的影响。

（二）断点回归模型

就美债期限利差构建单变量的AR模型(autoregressionmodel)进行预测,文本构建断点回归模型。在本文研究中我们根据模型参数或信息方差（独立的随机冲击变量）未知时点的结构断点预测。对断点进行检测的经典方法基于Bai(1997)，Bai和Perron（1998）,Hansen（2000）以及Qu和Perron（2007）等文献研究。本文基于软件，使用最小二乘法平差（leastsquaresmethod）方法对期限利差模型进行结构断点检测。

四、数据整理与参数估计

（一）数据选择

表1：TVP-VAR模型的单位根检验结果

（二）参数估计

参照Nakajima（2011）的赋值方法，参数估计结果如图3和表2所示，判断结论：样本路径平稳且样本的自相关系数呈现稳定的下降趋势，表明我们样本方法有效的生成了低自相关性的研究样本，对美债期限利差冲击变量、美国股市和恐慌情绪反应变量的TVP-VAR模型MCMC模拟估计结果诊断满足应用时变脉冲响应函数进行计算分析的条件。

表2：TVP-VAR模型的MCMC模拟估计结果及诊断

图3：TVP-VAR模型选择指标的MCMC预测结果图

五、变量特征与实证检验

（一）变量特征

1.波动率时变特征

图4：各变量随机波动率的时变特征

图4显示了冲击变量和反应变量的随机波动的时变特征：①美国国债10年期和2年期期限利差的随机波动率在上世纪90年代波动率较大，在1995年以后经济繁荣波动率贴近0轴线，随着互联网泡沫的破灭引发经济危机2001年迅速达到次高点，随后在2005年波动率衰减到极低水平，在随后的次贷危机也没有发生较高的波动频率，未与经济周期存在规律性的波动特性。这与大部分研究文献的结论存在共识，Pierangelo(2011)实证认为期限利差随着先验属性的消失其随机冲击波动方差不断下降。②美国股市反应变量（标准普尔500指数）的随机波动图形呈现在危机前后走高的特征，如2001年经济危机前后波动频度加大直到2004年衰减到较低水平，随后2007年后持续走高在2008年下半年达到峰值，随后频度出现震荡但为超过2009年高点，两个次高点发生2011年下半年欧债危机和2016年美国大选年，其中2016年的震荡为次高点，主要原因归结为年度内多项影响股市的因素交织造成，包括美国大选爆冷、美联储加息、油价大跌、恐怖主义事件升级、英国脱欧等事件，2017年美国股市受税改等刺激政策拉动高涨，但是2018年下半年到现在波动率频度急速上涨类似于2007-2009年危机期的走势，其波动率达到7039（2019年1月值）逼近最高值7475（2008年7月）。③恐慌情绪反应变量（VIX恐慌指数）波动率与股市反应变量呈现基本同步的波动特征，对应股市反应变量高波动时期呈现较大的频度。但是2018年下半年到2019年1月出现了分歧，此阶段股市反应变量波动率走高但是恐慌指数波动率维持低位，反应市场投资者仍对股市成乐观共识，市场情绪仍处于繁荣期。

2.结构断点特征

图5显示了断点检定结果，在95%置信水平上美债期限利差在样本期间内共检验出呈现5个断点，分别发生在1994年11月（断点1）、2000年10月（断点2）、2005年2月（短点）、2009年6月（断点4）和2014年10月（断点5）。5个断点将样本区间美债期限利差分割成了6个时间段，根据期限利差数值高低分成3个高区和3个低区。

图5：期限利差结构断点示意图

针对冲击变量对反应变量的影响分析，本文采用基于TVP-VAR模型提供的两种类型的脉冲响应函数：等间隔脉冲响应函数和时点脉冲响应函数。其中，等间隔脉冲函数对应时间的脉冲响应分析，时间脉冲响应函数用于分析不同时间点的脉冲效应。

（二）不等间隔的时间脉冲响应分析

图6呈现了美债期限利差冲击变量的不等间隔脉冲响应图，分别设定滞后1、3、6期的脉冲响应曲线。

图6：TVP-VAR模型等间隔脉冲响应函数图

主要特征如下：

1.美债期限利差自身的冲击效应。根据图6（美债期限利差），美债期限利差自身冲击效应具有明显时滞衰减性，即1期存在较强冲击效应，3期和6期后冲击效应迅速衰减取向于0。滞后1期的冲击影响显著，存在抑制和惯性两种效应产生:一是抑制效应（小概率事件），在1992年4月到1995年3月样本期间内，美债期限利差自身冲击作用表现为抑制作用，一个标准差的正冲击，美债期限利差会形成的反向效应，即上一期利差走阔下一期有收窄的趋势；反之，上一期利差收窄下一期产生走阔的趋势。二是惯性效应（大概率事件），在样本期限内多数处于同向冲击效应，一个标准差的正冲击，美债期限利差形成的同向（正）效应，即上一期利差走阔下一期走阔趋势会延续；反之，负冲击将形成利差收窄趋势延续。虽然同向冲击效应存在波动特征，但是长期的波动中枢呈现上升的趋势，当前处于同向效应的样本期间历史高点区域，未来如期限利差收窄或倒挂，在幅度上将形成下一期收窄或倒挂趋势加大，在期限上可能出现延长的特征。

2.股市反应变量的冲击效应。从图6的美国股市来看，美国股市冲击反应效应时滞特征呈现倒V型，具体为1-3期时间段内效应增强，3-6期时间段内效应衰减，6期后收敛到0。2010年以后倒V特征减弱，1-3期内效应强度具有一定持续性，呈现不标准的倒L型。滞后3期（即期限利差收窄后3个月时点）的冲击影响显著，表现为对股市的反向作用，即美债期限利差收窄（负冲击），美国股市会形成逐渐增强的反向（正）效应，这说明，在美债收益率曲线平坦化趋势下，债券短端利率上行趋势较强，反映债市流动性收紧，债市资金向股市转移对股市走高形成拉动作用（俗称“股债跷跷板”）。因此在样本期间内，期限利差收窄和期限利差倒挂（出现负值）并未造成股市走弱甚至出现危机期的崩盘情形。但是我们注意到在1991年1月至1993年3月出现了1期冲击效应正向偶发情形，此时处于期限利差倒挂的末期，利差走阔为大趋势，股市上行同向并未出现利差收窄导致股市暴跌的情况发生。因此，从股市反应变量的冲击效应来看，将期限利差收窄，极端出现倒挂作为经济进入危机期先验判断的推论假说1为伪命题。

3.恐慌情绪反应变量的冲击效应。图6的恐慌情绪来看，恐慌情绪冲击反应效应时滞特征呈现较强的衰减特征，具体表现为1期效应最强，3期后效应衰减收敛到0附近。滞后1期的冲击效应表现为对同向冲击作用且周期性特征不明显，即美债期限利差收窄（负冲击），恐慌情绪形成同向效应，这说明，在美债期限利差收窄或出现倒挂现象对市场的投资者恐慌情绪产生抑制作用，短期会产生“债市利空，股市利多”情绪，同股市反应变量的特征形成因果关系。但与股市冲击效应的持续性不同，随着时间的滞后如无其他利好消息发生，该积极因素将迅速衰减收敛为0。2000年-2010年处于情绪反应相对强烈的阶段，当前水平（0.3923,2019年1月）相当于1998年7月水平（该时点距最近的2001年8月爆发的股市危机在4年作用），并非反应敏感阶段。因此，从恐慌情绪反应变量的冲击效应来看，量化结论支持股市反应变量冲击效应特征结论，期限利差收窄，极端出现倒挂不能判定经济进入危机期（证明推论假说2为伪命题）。根据历史同期水平比较，当前恐慌指数水平下，出现期限倒挂后未来1-2年美国股市（或经济）进入危机的概率较小。

基于期限利差特征结论，原命题假设中，期限利差收窄（或倒挂）与危机存在滞后期延长现象。本文研究中将滞后期拉长到9期（9个月）、12期（12个月）和15期（15个月）进行实证检验，冲击效应如下图：

图7：TVP-VAR模型（延长滞后期）等间隔脉冲响应函数图

图7反映的滞后冲击特征证明推论假说3为伪命题：一是冲击效应影响微小，除了9期后出现不规则的冲击波动外，其他更长期限几乎收敛到0的位置；二是自身冲击影响时变特征无规律，出现了类似噪音的波动线性；三是虽然在2007-2009年经济危机期，股指出现了正向效应，恐慌指数出现了负向效应但是由于强度不大不能说明对股市（或美国经济）产生了实质性扰动。

（三）不同时点的脉冲响应分析

根据结构断点检验和典型事实，本文采用时点脉冲响应函数对期限利差和危机的关联性进行动态识别，由于倒挂多发生在结构断点低区，典型事实的时间调整在低区内。选择的3个具有典型事件的时点期，包括：①时点1（2000年4月，繁荣期，结构断点低区）期限利差收窄出现倒挂，经济仍处于繁荣期，股市受互联网经济拉动处于高涨期；②时点2（2008年10月，危机期，结构断点低区）期限利差收窄倒挂结束，当月出现走阔，当期进入次贷危机，股市震荡下行；③时点3（2018年12月，调整期，结构断点低区）美联储进入加息通道，中美贸易摩擦等事件引发对经济增长预期调降,美股大幅的震荡，走势预期出现分歧，美债收益率曲线平坦化趋势加剧。

图8：TVP-VAR模型不同时点脉冲响应函数图

主要特征如下：

1.美债期限利差自身的冲击效应。从图8的美债期限利差来看，3个时点的初始的脉冲冲击效应相当，一个标准差的正向冲击，美债期限利差形成大约0.04个单位的正向效应，其中时点1和时点2收敛速度略快于时点3的收敛速度，这说明在调整期美债期限利差出现收窄后将形成更大的惯性延续该趋势，危机期与繁荣期冲击效应程度略低且基本一致，支持对期限利差收窄，甚至倒挂是危机判别标准的伪命题的判断。

2.股市反应变量的冲击效应。从图8的美国股市来看，3个时点的初始的脉冲冲击效应相当，一个标准差的正向冲击，美债期限利差形成大约0.03个单位的负向效应，其中时点1和时点2累计冲击效应大于时点3的收敛速度，这说明在调整期美债期限利差出现收窄后，股债跷跷板效应将对股指有拉升效应，调整期效应强度小于危机期与繁荣期，这与危机判别命题相悖，支持推论假说1和3命题为伪。

3.恐慌情绪反应变量的冲击效应。从图8的美债期限利差来看，3个时点的初始的脉冲冲击效应相当，一个标准差的正向冲击，美债期限利差形成大约0.07个单位的正向效应，3个时点的收敛速度几乎一致，这说明危机期、繁荣期和调整期美债期限利差对恐慌情绪的影响效应类似，危机期并未表现出反映经济周期的特殊特征，支持对期限利差收窄，甚至倒挂是危机判别标准的伪命题的判断（证明推论假说2和3为伪命题）。

（四）稳健性检验

在实证研究后进行稳健性检验，选择10年和3个月的期限利差（替代期限利差）和美国工业增加值环比（实际经济变量）变量进行模型的实证检验。除了引入3个月利率作为短端造成了期限利差包含信息增加对冲击分析效果的干扰外，稳健性分析的结论与原模型时变分析结论一致，其中实际经济变量的稳健性检验结论是对衰退噪音判定的强化。

六、结论与建议

本文通过构建时变VAR模型，就美国国债期限利差对美国股市和恐慌情绪冲击影响进行量化分析。在此基础上，得出期限利差的时变冲击效应理论，论证期限利率倒挂（期限利差收窄的极端状态）与危机关联性的命题真伪。主要结论如下：

第一，美债期限利差收窄引起的收益率曲线形态（平坦化或利差倒挂）变化，不能作为判定经济衰退或未来出现危机的“信号”。一是虽然在历史的一些时期（上世纪80年代），作为期限利差收窄的一种极端状态美债利率倒挂领先与经济危机（股市崩盘）发生，但是当前一段时期以来（1990年-2019年）美债期限利差收窄与股指走势呈现负向关系不支持“信号”假设命题。二是由于金融资产定价受恐慌情绪的影响较大，美债期限利差与恐慌指数的同向关系，说明在样本研究期内期限利差收窄趋势（出现倒挂）并不能引发短期市场恐慌情绪，相反出现了抑制作用。上述判断与近期美联储官员的观点相近，Andolfatto（2018）认为期限利差收窄出现美债收益率倒挂不能预测经济衰退，从对危机的警示角度来看，倒挂可能更多预测到引发衰退的条件变化。

第三，根据量化对命题证伪的结论，将有助于我们分辨市场误导因素。2019年年初美债收益率曲线平坦化加剧，未来大概率出现期限利率倒挂，但不能认为美国经济将进入危机期。股市的稳定性是影响经济周期变化的关键，投资者情绪是股市危机的重要触发因素。美联储加息等政策影响如果触及股市等将审慎考虑，该观点已经被市场共识。当前美国股市虽然震荡加剧，但是投资者情绪波动在控制范围内（参见冲击变量波动率时变特征），这说明美国货币政策调控仍有余地，对于美联储加息频率仍存在变数，但如果市场形成恐慌股市进入高位回调，将预示大概率加息进入尾声（频率锐减）。

我国债市规模已列全球前三，利率债（国债和政金债）期限利差特征目前呈现出历史美国国债类似的特征变化。期限利差短端变化充分体现一国货币政策的调控目标和效率，美国根据数据信息调控货币政策进行相机决策的策略可以应用到我国货币政策安排中。基于美债期限利差的研究结论对我国的利率债市场发展和风险防范具有理论和政策启示。

第一，美债期限利差包含美国货币政策变化和全球经济发展长期预期等信息内容。中美政治经济关系密切，美债期限利差变化将在债券市场产生政策外溢效应，王中和郭栋（2017和2019）研究发现美国政策溢出效应对中国债券市场的影响主要通过利率传导渠道，强于汇率传导渠道。正确判断期限利差变化的意义（信号或噪音），为央行与美联储政策协同调整提供参考，有利于债市据此提供应对预案弱化负面冲击效应。

第二，美债期限利差在不同时期的时变特征研究，有助于研究美联储货币政策调整的利率传导效率。我国的债券市场仍属于发展过程中，借鉴美债经验，对提高债市市场效率和利率价格传导效率具有重要意义。当前人民币国际化，债市对外开放和跨境发展使得央行和市场投资者会遇到更多新的问题和外部冲击，美债存在的问题和特征是我们做好的分析和比较参照，取长补短，避重就轻，完善基础设施和市场体制建设，确保债券市场的稳健发展。

第三，我国债券市场建设发展的策略建议：一是应不断丰富利率债品种和创新模式，避免不同的利率债产品之间经常出现期限上的间断和流动性差异导致的价格机制失效；二是通过完善市场机制和基础设施的建设、激励做市商机制、加速银行间和交易所市场的统一和推进跨境市场发展等手段，提高我国利率债市场效率。

参考文献

[1]Stock,(1989).“NewIndexesofCoincidentandLeadingEconomicIndicators”,NBERMacroeconomicsAnnual,;351-394.

[2]BernankeB.(1990)“Onthepredictivepowerofinterestratesandinterestratespreads”[R],NationalBureauofEconomicResearch,12(5).

[3]Estrella,Arturo(2005).“WhyDoestheYieldCurvePredictOutputandInflation?”,EconomicJournal,RoyalEconomicSociety,;722-744.

[4]Wheelock,(2009).“CantheTermSpreadPredictOutputGrowthandRecessions?ASurveyoftheLiterature”,,,Part1;419-440.

[5]Kucko,(2009)."ThePredictivePoweroftheYieldCurveacrossCountriesandTime"，manuscript.

[6]PierangeloDePace(2013)“GDPGrowthPredictionsthroughtheYieldSpreadTime-VariationandStructuralBreaks”,InternationalJournalofFinanceEconomics,,

[7]Sims,,(1980),“MacroeconomicsandReality”[J],Econometrics,48(1),1-48.

[8]．(2005).“Timevaryingstructuralvectorautoregressionsandmonetarypolicy”,ReviewofEconomicStudies，2005,72(3):821-852.

[9]Nakajima,J.(2011).Time-varyingparameterVARmodelwithstochasticvolatility:，2011，29,107-142.

[10]Nakajima,(2011).“BayesianAnalysisofLatentThresholdDynamicModels”,2011SeminaronBayesianInferenceinEconometricsandStatistics(SBIES).

[11]GarrattA.,Lee,(2006).“GlobalandNationalMacroeconometricModelling:ALong-RunStructuralApproach”[M],OxfordUniversityPress.

[12](1998).“InternationalExperienceswithDifferentMonetaryPolicyRegimes”,ConferenceonMonetaryPolicyRulesStockholm12-13June.

[13]DavidAndolfattoandAndrewSpewak(2018).”DoestheYieldCurveReallyForecastRecession?”,EconomicSynopses,2018.11.30

[14]Hahn,ToddvanderKlaauw(2001),"Identificationandestimationoftreatmenteffectswitharegressiondiscontinuitydesign",Econometrics69(1):201-209.

[15]Lee,Lemieuxa(2010),"Reressiondiscontinuitydesignsineconomics",JournalofEconomicLiterature48(2):281-355.

[16]Hansen,BruceE.(2000)."TestingforStructuralChangeinConditionalModels",JournalofEconometrics,;93-115.

[17]Qu,ZhongjunandPierrePerron(2007)."EstimatingandTestingStructuralChangesinMultivariateRegressions",Econometric,;459-502.