经销商能力和美国国债市场功能

不适用。1 0 7 0A U G U S T 2 0 2 3 Darrell Duffie | Michael Fleming | Frank Keane | Claire Nelson |Or Shachar | Peter Van Tassel 经销商能力和美国国债市场功能 达雷尔·杜菲、迈克尔·弗莱明、弗兰克·基恩、克莱尔·纳尔逊、或沙沙尔和彼得·范·塔索纽约联邦储备银行工作人员报告，第1070号2023年8月https: / / doi. org / 10.59576 / sr.1070 Abstract 我们在美国表现出重大损失S.当需要大量使用交易商资产负债表来中介债券市场时，国债市场功能就像2020年3月一样。尽管收益率波动解释了国债市场流动性随时间的大部分变化，但当交易商资产负债表利用率达到足够高的水平时，流动性比收益率波动预测的要差得多。这与债券市场中介能力偶尔存在约束性约束是一致的。 JEL分类: G01, G1, G12, G18, E58关键词：国债市场，流动性，波动性，交易商中介，风险价值 本文介绍了初步的发现，并分发给经济学家和其他感兴趣的读者，以激发讨论并引起评论。本文表达的观点是作者的观点，不一定反映纽约联邦储备银行或联邦储备系统的立场。任何错误或遗漏都是作者的责任，不一定反映国家科学基金会的观点。 要查看作者的披露声明，请访问https: / / www. newyorkfed. org / research / staff _ reports / sr107. html。 1Introduction 我们发现，当需要像2020年3月那样，在中间债券市场中大量使用交易商资产负债表时，美国国债市场功能会出现重大损失。尽管收益率波动解释了国债市场流动性随时间的大部分变化，但当交易商资产负债表利用率达到足够高的水平时，流动性比收益率波动预测的要差得多。这与债券市场中介能力偶尔存在约束性约束是一致的。 美国国债市场被广泛视为世界上最深、流动性最强的证券市场。然而，几乎所有投资者购买和销售国债都是由交易商处理的，这意味着对交易商在资产负债表上分配空间以中介这一市场的边际能力或意愿的限制可能会导致市场功能的丧失。许多人认为，这发生在2020年3月，促使美联储主动购买资产以支持市场运作。1这也导致了广泛的研究以及正在进行的关于如何提高国债市场弹性的讨论，以及各种政策举措，以促进更具弹性的市场。2 我们估计了一系列非流动性指标，有些新颖，适用于美国国债市场的交易商对客户（D2C）和交易商间细分市场。我们证明，波动性始终是流动性不足的关键驱动因素。但我们也表明，随着交易商资产负债表利用率达到适度高水平，资产负债表利用率指标开始显着增加解释流动性不足。这与人们经常提出的债券市场的概念是一致的。 流动性不足的部分原因是交易商中介能力有限，尤其是相对于现在规模大得多的美国国债市场而言。3 我们从交易商间市场纳入的非流动性指标 国债是价格影响、深度和买卖价差。作为D2C市场的额外指标，我们研究了非运行和运行中国债之间的收益率差，非运行交易价格的证券内分散以及新的H，Pa和Wag（2013）的收益率曲线均方根误差（RMSE）度量，也称为“噪声”度量。我们的经销商间数据来自BroerTec，我们的D2C数据来自TRACE。图1显示了我们2017年7月至2022年12月的主要样本期的这六个非流动性指标。六个时间序列中的每一个都是2年、5年和10年到期行业的相应z分数的平均值。还显示了由此产生的18种流动性不足指标的第一个主要组成部分。 我们使用以下方法构建固定收益交易商资产负债表产能利用率的衡量标准 交易商级每周FR2004报告一级交易商在美国国债证券、机构抵押贷款支持证券(MBS)和公司债券的净头寸和总头寸。中介强度的额外措施是基于过去三个交易日从客户那里获得的交易商级别的购买，从TRACE获得，用于国债、机构MBS和相关债券。这些D2C流量数据为经销商资产负债表利用率提供了不同的视角。首先，它们以更高的频率被观察到。其次，来自客户的新资产流动给经销商资产负债表带来了不同的压力，因为这些流动暂时存储在经销商资产负债表上，预计会在经销商间市场或与其他客户一起裁员。我们所有的头寸和交易流量措施都是根据每种证券的价格对收益率敏感性（DV01或基点的美元价值）以及一个月的市场隐含收益率波动率来调整风险的。期限匹配的利率掉期期权。 我们还根据最大的银行控股公司（BHC）的固定收益部门的风险价值（VaR）度量来估算交易商的产能利用率。WeicldeVaRdatareportedbythedealerdivisitsofreportigBHCadweestimateVaRfromqatleregressiosofdailydealerprofitsadlosses(PLs).相对于我们的头寸和交易流量数据，VaR估计的优势在于它们更全面地反映了交易商的头寸，包括衍生品对冲的影响。Wealsoicorporateofcapacificatiobasedotheoverallholdig-compayVaRmeasres,bothasreportedadasestimatedbysfromdailyholdig-compayPL. 交易商向债券市场提供流动性的实际能力难以直接衡量，因为提供的流动性数量受到交易商承担经济风险意愿的限制，由于其服务台经理和交易员基于机构的关注，以及监管和经济资本在内部分配给公司部门和交易部门的复杂流程。我们采取揭示偏好的方法。在任何一天t，给定交易商i利用其能力进行头寸水平或交易的程度。 流量由比率U代理it=Xit/Xi∗当前的X级it这种中介 测量到其相应的最大值Xi∗=max{Xi1,....,XiT}在T天sample.Forthesetofobserveddealers,theoveralllevelofcapacityutilizationisestimatedasthecapacity-weightedaverageofthecapacityutilizationsoftheindividualdealers,whichisΣiwiUit,wherewi=. 即使在固定环境中，在有限样本的情况下，Xi∗是对最大头寸、交易流量或VaR的向下偏差估计，交易商可以通过无限数量的观察来实现。此外，由于随着时间的推移结构变化，例如市场结构和交易商资本化的变化，实际数据不是从固定分布中产生的。 图2显示了根据头寸和流量数据对经销商产能利用率的估计。基于VaR的相应估计见第8节。支持本文的概念和我们引用的先前评论中的假设，交易商产能利用率在2020年3月达到峰值，就在图1所示的财政部非流动性指标也达到峰值的时候。例如，2020年3月12日，世界卫生组织宣布COVID-19是全球大流行。当天，财政部流动性不足的第一个主要组成部分达到了高于其平均值的5.4个标准差，而按风险调整后的固定收益总头寸衡量的交易商资产负债表利用率达到了96%的样本记录高位。4 图3揭示了国债市场非流动性的大部分变化是由收益率波动来解释的。图4显示了近乎线性的同期关系。5预计流动性不足和利率波动之间存在高度相关性：较高的波动可能会导致在任何给定的交易成本下对中介服务的需求增加，以及在任何给定的交易商补偿水平下中介服务的供应减少，从而推高中介的均衡成本。理论上， 4见附录表D.10，该表显示了经销商产能利用率的横截面变化-在高峰时段和整个样本中。 5三个成熟度部门的结果相似，并在附录表D.5中报告。 由此产生的中介均衡数量，例如贸易量，可能会随着利率波动而上升或下降。 关于中介的供应，交易商在向市场提供流动性时，会进行一般的风险收益权衡。交易商还考虑了收益率波动率和与收益率变化相关的非对称交易对手信息相关的逆向选择成本之间的关联。至于对中介服务的需求，当波动性上升时，交易商和非交易商投资者都可能要求交易商提供更多的流动性，因为这对某些投资者而言，增加了降低风险的动机。此外，较高的波动性与较高的宏观货币不确定性相关，这也对贸易提出了更高的要求。在任何给定的交易商补偿水平下，对流动性的需求增加和交易商提供流动性的动机减少的综合影响意味着波动性和流动性不足之间存在正相关关系，如图3所示。 图4还显示了2020年3月这种关系的明显异常值。这些异常值部分解释为当时达到的经销商产能利用率的峰值水平。确实，图5显示，在剔除了由波动性预测的非流动性成分之后，非流动性的剩余成分与交易商资产负债表利用率有关，但只有当非流动性和资产负债表利用率都处于高水平时。这从理论上是可以预期的，如附录A所示。当经销商有足够的“空间”来容纳更多的头寸和贸易流量时，经销商资产负债表利用率的边际变化不应影响做市行为。但是，随着他们的资产负债表被密集使用，交易商在向市场提供流动性方面变得更加谨慎。除了在产能利用率足够高时减少中介服务的供应外，还应该增加需求。 −中介服务经销商来自其他交易商。所有投资者对债券中介服务的需求也可能因交易商中介能力越来越可能耗尽而加速。 从图5可以看出，当交易商的产能利用率估计在20%左右时，产能利用率增加对国债市场流动性不足的边际影响估计不大。However,whedealercapacitytilizatiorisesfrom40%to80%,Treasryilliqidityisestimatedtoicreasedbyroghlythreestadarddeviatiosbeforethelevelofilliqiditypredictedbyvolatility.尽管这种关系很嘈杂，但它具有很高的统计和经济意义。散点图揭示了两者之间惊人的非线性关系。 图5.美国国债市场流动性不足与收益率波动性和平均交易商产能利用率之间的关系。在控制了平均掉期-隐含波动率（与图4中的拟合关系相关的残差）和平均交易商产能利用率之后，剩余的剩余非流动性的散点图。平均产能利用率是基于经销商总头寸、经销商净头寸、经销商对客户总量和经销商对客户净交易量的经销商产能利用率度量的平均值。2017年7月10日至2022年12月31日绘制的普通最小二乘拟合是二阶多项式。y=.363.048x+.0013x2,与R2.6%.所有三个系数估计都有p-使用Newey-West标准误差小于1%的值。 资产负债表利用率和市场流动性。 均衡波动率可能会被交易商资产负债表利用的内生放大，特别是当利用接近其极限时，产生反馈效应，在控制波动率之后，相对于其对流动性的预测边际影响，可能会提升资产负债表利用的重要性。然而，在本文中，我们无法解开这些平衡效应。因此，我们对交易商资产负债表限制对国债市场流动性的影响的估计很可能被低估了。 我们使用分位数回归模型来更详细地探讨在非流动性的尾部水平上，Trea-sury市场非流动性的分布如何变化，而收益率 波动性和经销商产能利用率。与我们基于普通最小二乘法（OLS）的证据一致，在中位数水平上，非流动性显示没有经济上重要的依赖于交易商的产能利用率。然而，在流动性不足的分位数足够高的情况下，交易商的产能利用率成为流动性不足的越来越重要的预测指标。例如，对于交易商产能利用率每增加一个标准差，综合财政部非流动性条件分布的第99个百分位数估计会上升0.40个标准差，无论是通过风险调整后的交易商从客户购买的总量还是净价格来衡量，即使在针对波动率的影响进行了调整之后。甚至更大的影响被预测为基于总或净风险调整后的交易商头寸，或基于我们对来自交易商PL数据的VaR的估计的波动率剩余的交易商产能利用率措施。 我们的结果支持这样一种观点，即在像美国国债市场这样的完全由交易商中介的市场中，市场参与者获得即时性的成本-包括由于缺乏市场深度而导致的延迟成本-可以被视为具有两个组成部分。第一部分是从交易对手吸收的每单位资产给经销商的直接成本，包括通过债务超支影响的融资成本、对经销商贸易商承担风险的代理