綠色債券行業(yè)市場(chǎng)分析報(bào)告

綠色債券行業(yè)市場(chǎng)分析報(bào)告2022年6月1.不同券種的綠色債券發(fā)行定價(jià)影響因子實(shí)證分析在2022年3月日發(fā)布的報(bào)告《綠色債券專題報(bào)告之二：從投融兩端探究“綠入分析，一方面確定年發(fā)行的綠色債券由于所發(fā)行債券的券種與期限結(jié)構(gòu)與普通為融資端提供一定利好。否參與發(fā)行的衡量標(biāo)準(zhǔn)。根據(jù)概念板塊綠色債券統(tǒng)計(jì)口徑，我們選擇2021年1月1日至2022年4月30債券類型進(jìn)行區(qū)1354652只，綠色公司債樣本券只和綠色中期票據(jù)樣本券210均具備的債券基礎(chǔ)特性以及預(yù)期對(duì)債券發(fā)行利率存在影響的指標(biāo)作為解釋變量（自變債項(xiàng)評(píng)級(jí)、發(fā)行當(dāng)日的中債國(guó)債到期收益率（%當(dāng)處理：1)發(fā)行規(guī)模變量進(jìn)行對(duì)數(shù)化處理；2)為主體4個(gè)離散型變量賦值。具體而言，主體債項(xiàng)評(píng)級(jí)方面，設(shè)AAA為AA+為AA為，AA-為A為A級(jí)以下為0；321他為；發(fā)行人省份方面，以北京為0，其余各省市分別設(shè)值1-28。至此，針對(duì)不同綠色債券種類，我們將被解釋變量與相關(guān)解釋變量進(jìn)行多元回歸，建立如下綠色債券發(fā)行定價(jià)基礎(chǔ)模型：4/23票面利率=?+?×[???（發(fā)行規(guī)模）]+?×發(fā)行期限+?×評(píng)級(jí)123+?×中債國(guó)債到期收益率+?×發(fā)行方式+?×發(fā)行人省份456+?×發(fā)行人企業(yè)性質(zhì)+?71.1.券種：綠色地方債1.1.1.發(fā)行定價(jià)影響因子7個(gè)解釋變量中，由于綠色地方債的發(fā)行人企業(yè)性質(zhì)均為地方政府，發(fā)行方式均為公募發(fā)行，主體評(píng)級(jí)均為AAA高等級(jí)，因此該3項(xiàng)解釋變量對(duì)于綠色地方債的發(fā)行定價(jià)不存在影響，故建立多元回歸模型時(shí)予以剔除。針對(duì)其余4據(jù)多元回歸模型結(jié)果，可以發(fā)現(xiàn)在（發(fā)行規(guī)模）外的其余3項(xiàng)解釋變量，即發(fā)行期限、發(fā)行當(dāng)日的中債國(guó)債到期收益率、發(fā)行人省份，對(duì)于綠R2約70%的變動(dòng)情況都得到了模型解釋，擬合程度較高。具體來(lái)看綠色地方債3項(xiàng)解釋變量的多元回歸模型結(jié)果，發(fā)行期限變量系數(shù)為0.0262，表明發(fā)行期限與綠色地方債票面利率存在正相關(guān)，即發(fā)行期限每增加1年，綠色地方債票面利率將增加2.62BP；發(fā)行當(dāng)日的中債1Y國(guó)債到期收益率變量系數(shù)為0.7441，表明國(guó)債收益率與綠色地方債票面利率存在正相關(guān)，即收益率每增加，綠色地方債票面利率將增加74.41BP；發(fā)行人省份變量系數(shù)為0.0043，表明不同地方政3項(xiàng)解釋變量與票面利率之間的正相關(guān)關(guān)系資者需承擔(dān)更高的信用風(fēng)險(xiǎn)，因此索求更高的票息作為風(fēng)險(xiǎn)補(bǔ)償以增強(qiáng)其投資信心。表1：綠色地方債發(fā)行定價(jià)解釋變量相關(guān)性系數(shù)矩陣Log1Y()發(fā)行人省份Log1.0000()0.16201.00001Y國(guó)債到期收0.1017-0.02431.0000發(fā)行人省份-0.34470.0738-0.24681.0000數(shù)據(jù)來(lái)源：，5/23表2：綠色地方債多元回歸模型結(jié)果自變量Coefficients標(biāo)準(zhǔn)誤差tStatP-valueIntercept1.23320.23405.27015.51E-07Log0.02380.02460.96850.334594()0.02620.001715.10832.11E-301Y國(guó)債到期收益率0.74410.09747.64194.15E-12發(fā)行人省份0.00430.00172.46350.015067數(shù)據(jù)來(lái)源：，1.1.2.票面利率線性模擬基于綠色地方債多元回歸模型結(jié)果，我們可以得出如下綠色地方債發(fā)行定價(jià)模型：綠色地方債票面利率=?.????+?.????×發(fā)行期限+?.????×中債??國(guó)債到期收益率+?.????×發(fā)行人省份，因此將發(fā)行期限最小值設(shè)為3Y，最大值設(shè)為；將發(fā)行人省份設(shè)為廣東?。会槍?duì)未來(lái)發(fā)行日中債國(guó)債到期收益率的變動(dòng)情況設(shè)置52022年5月62022年5月6日收益率增加2022年5月6日收益率增加2022年5月6日收益率減少5BP、基于2022年5月6日收益率減少10BP形下，假設(shè)廣東省發(fā)行綠色地方債，其所發(fā)行債券的票面利率將會(huì)如何變化。的1Y國(guó)債收益率差距將為綠色地方債票面利率帶來(lái)14.88BP27年的發(fā)行期限差距將為綠色地方債票面利率帶來(lái)70.85BP5行的綠色地方政府債，其最大票面利率與最小票面利率之間的差值理論上不應(yīng)超過(guò)85.73BP。6/23圖1：綠色地方債票面利率線性模擬（單位：）3.73.63.53.43.33.23.13.02.92.82.7情形1情形2情形3情形4情形5數(shù)據(jù)來(lái)源：，1.2.券種：綠色金融債1.2.1.發(fā)行定價(jià)影響因子7個(gè)解釋變量中，由于綠色金融債的發(fā)行方式均為公募發(fā)行，因此該項(xiàng)解釋變量對(duì)于綠色金融債的發(fā)行定價(jià)不存在影響，故建立多元回歸模型時(shí)予以剔除。針對(duì)其余6次根據(jù)多元回歸模型結(jié)果，可以發(fā)現(xiàn)在95%的置信區(qū)間內(nèi)，日的中債國(guó)債到期收益率和發(fā)行人省份3項(xiàng)解釋變量對(duì)于綠色金融債發(fā)行票面利率綠色金融債發(fā)行期限以居多，評(píng)級(jí)以高等級(jí)為主，發(fā)行人主要為央企和地方國(guó)企，3項(xiàng)解釋變量對(duì)于綠色金融債的發(fā)行定價(jià)影響甚微。此外，該模型R2達(dá)71%，表明被解釋變量71%的變動(dòng)情況都得到了模型解釋，擬合程度較高。具體來(lái)看綠色金融債3項(xiàng)解釋變量的多元回歸模型結(jié)果，（發(fā)行規(guī)模）變量系數(shù)為-0.2422，表明發(fā)行規(guī)模與綠色金融債票面利率存在負(fù)相關(guān)，即發(fā)行規(guī)模每增加10倍，綠色金融債票面利率將減少24.22BP；發(fā)行當(dāng)日的中債1Y國(guó)債到期收益率變量系數(shù)為0.9274，表明國(guó)債收益率與綠色金融債票面利率存在正相關(guān)，即收益率每增加1%92.74BP0.02623項(xiàng)解釋變量與綠色金融7/23向弱資質(zhì)省市變化時(shí)將引起綠色金融債發(fā)行成本的抬升。表3：綠色金融債發(fā)行定價(jià)解釋變量相關(guān)性系數(shù)矩陣Log/債1Y()到期收益率Log1.0000()0.03501.0000/級(jí)0.0109-0.42291.00001Y到期收益率-0.1237-0.33380.14401.0000發(fā)行人企業(yè)0.18600.2953-0.6243-0.18511.0000發(fā)行人省份-0.3796-0.30390.52710.2308-0.36321.0000數(shù)據(jù)來(lái)源：，表4：綠色金融債多元回歸模型結(jié)果自變量Coefficients標(biāo)準(zhǔn)誤差tStatP-valueIntercept1.26470.83351.51730.137245Log-0.24220.0885-2.73570.009319()-0.00070.0847-0.00840.993377/0.01730.03260.52990.5992111Y國(guó)債到期收益率0.92740.28063.30560.00204發(fā)行人企業(yè)性質(zhì)-0.11890.0763-1.55750.127431發(fā)行人省份0.02620.00703.75310.000568數(shù)據(jù)來(lái)源：，1.2.2.票面利率線性模擬基于綠色金融債多元回歸模型結(jié)果，我們可以得出如下綠色金融債發(fā)行定價(jià)模型：8/23綠色金融債票面利率=?.??????.????×[???（發(fā)行規(guī)模）]+?.????×中債??國(guó)債到期收益率+?.????×發(fā)行人省份0.5億元至300行人省份設(shè)為廣東?。会槍?duì)未來(lái)發(fā)行日中債國(guó)債到期收益率的變動(dòng)情況設(shè)置5個(gè)情形，分別為：情形、維持2022年5月6日收益率；情形、基于2022年5月6日收益率增加32022年5月6日收益率增加10BP2022年5月6日收益率減少；情形、基于2022年5月6日收益率減少10BP，進(jìn)一步模的票面利率將會(huì)如何變化。的1Y國(guó)債收益率差距將為綠色金融債票面利率帶來(lái)18.55BP300億的發(fā)行規(guī)模差距將為綠色金融債票面利率帶來(lái)67.29BP5過(guò)85.84BP。圖2：綠色金融債票面利率線性模擬（單位：）3.53.43.33.23.13.02.92.82.72.62.5情形1情形2情形3情形4情形5數(shù)據(jù)來(lái)源：，1.3.券種：綠色企業(yè)債1.3.1.發(fā)行定價(jià)影響因子7個(gè)解釋變量中，由于綠色企業(yè)債的發(fā)行人均為地方國(guó)有企業(yè)，因此該項(xiàng)解釋變量9/23對(duì)于綠色企業(yè)債的發(fā)行定價(jià)不存在影響，故建立多元回歸模型時(shí)予以剔除。針對(duì)其余6共線性問(wèn)題。其次根據(jù)多元回歸模型結(jié)果，可以發(fā)現(xiàn)在95%（發(fā)行國(guó)債到期收益率和主體債項(xiàng)評(píng)級(jí)3項(xiàng)解釋變量對(duì)于綠色企主要原因可能在于綠色企業(yè)債發(fā)行期限雖然跨度較大但以居多，整體較集中，發(fā)行3R2達(dá)71%，表明被解釋變量71%的變動(dòng)情況可以得到模型解釋，擬合程度較高。具體來(lái)看綠色企業(yè)債3項(xiàng)解釋變量的多元回歸模型結(jié)果，（發(fā)行規(guī)模）變量系數(shù)為-1.3086，表明發(fā)行規(guī)模與綠色企業(yè)債票面利率存在負(fù)相關(guān)，即發(fā)行規(guī)模每增加10130.86BP國(guó)債到期收益率變量系數(shù)為1.7781國(guó)債收益率與綠色企業(yè)債票面利率存在正相關(guān)，即收益率每增加1%177.81BP債項(xiàng)評(píng)級(jí)變量系數(shù)為-0.6186降61.86BP3項(xiàng)解釋變量與綠色企業(yè)債票面利率之間的相關(guān)性均符合經(jīng)濟(jì)意義，其行成本以確保收益與風(fēng)險(xiǎn)相匹配。表5：綠色企業(yè)債發(fā)行定價(jià)解釋變量相關(guān)性系數(shù)矩陣Log/債1Y()到期收益率式Log1.0000()0.05141.0000/0.6593-0.23741.00001Y到期收益率0.1423-0.00110.03751.0000-0.2511-0.1382-0.1912-0.26001.0000發(fā)行人省份0.1316-0.04800.0563-0.04940.04401.0000數(shù)據(jù)來(lái)源：，10/23表6：綠色企業(yè)債多元回歸模型結(jié)果自變量Coefficients標(biāo)準(zhǔn)誤差tStatP-valueIntercept4.18331.61772.58600.013018Log-1.30860.3756-3.48440.001111()0.06120.04581.33550.188424/-0.61860.1675-3.69260.000598中債1Y國(guó)債到期收益率1.77810.43994.04240.000204-0.12480.6817-0.18310.855578發(fā)行人省份-0.02520.0150-1.67860.100164數(shù)據(jù)來(lái)源：，1.3.2.票面利率線性模擬基于綠色企業(yè)債多元回歸模型結(jié)果，我們可以得出如下綠色企業(yè)債發(fā)行定價(jià)模型：綠色企業(yè)債票面利率=?.??????.????×[???(發(fā)行規(guī)模+?.????×中債??國(guó)債到期收益率??.????×評(píng)級(jí)圍為0.5億元至30億元，因此將發(fā)行規(guī)模最小值設(shè)為0.5億元，最大值設(shè)為億元；將發(fā)行人主體評(píng)級(jí)設(shè)為AA+債1Y國(guó)債到期收益率的變動(dòng)情況設(shè)置5個(gè)情形，分別為：情形1、維持2022年5月6日收益率；情形2、基于2022年5月6日收益率增加5BP；情形、基于年5月6日收益率增加10BP、基于2022年5月6日收益率減少5BP；情形5、基于2022年5月6日收益率減少10BP假設(shè)發(fā)行人為AA+高等評(píng)級(jí)，其所發(fā)行債券的票面利率將會(huì)如何變化。的1Y國(guó)債收益率差距將為綠色企業(yè)債票面利率帶來(lái)35.56BP的同向影響；同樣的國(guó)債收益率情形下，近30億的發(fā)行規(guī)模差距將為綠色企業(yè)債票面利率帶來(lái)232.69BP的反向影響；在設(shè)定的5個(gè)情形下，同一評(píng)級(jí)應(yīng)超過(guò)268.26BP。值得注意的是，與綠色地方債和綠色金融債的票面利率模擬曲線相3項(xiàng)具有顯著性的解釋變量的影響程度較綠色地方債和綠色金融債更高，因此投資人在衡量綠色企業(yè)債發(fā)行定價(jià)是否合理時(shí)需持更謹(jǐn)慎的態(tài)度。/23圖3：綠色企業(yè)債票面利率線性模擬（單位：）6.05.55.04.54.03.53.0情形1情形2情形3情形4情形5數(shù)據(jù)來(lái)源：，1.4.券種：綠色公司債1.4.1.發(fā)行定價(jià)影響因子針對(duì)全部7項(xiàng)解釋變量，我們首先進(jìn)行相關(guān)性分析，從相關(guān)性系數(shù)矩陣可以發(fā)現(xiàn)，限。其次根據(jù)多元回歸模型結(jié)果，可以發(fā)現(xiàn)在的置信區(qū)間內(nèi)，僅發(fā)行當(dāng)日的中債1Y國(guó)債到期收益率和發(fā)行方式2項(xiàng)解釋變量對(duì)于綠色公司債發(fā)行票面利率存在顯著影5項(xiàng)解釋變量的影響均不顯著，或主要系綠色公司債的發(fā)行主體多元化程度5項(xiàng)解釋變量均難以決定綠色公司債的票面利率變化。此外，該模型R2達(dá)61%，表明被解釋變量61%的變動(dòng)情況可以得到模型解釋，擬合程度較高。具體來(lái)看綠色公司債2項(xiàng)解釋變量的多元回歸模型結(jié)果，發(fā)行當(dāng)日的中債國(guó)債到期收益率變量系數(shù)為1.6380國(guó)債收益率與綠色公司債票面利率存在正相關(guān)，即收益率每增加163.80BP-1.2434，色公司債票面利率減少124.34BP2項(xiàng)解釋變量與綠色公司債票面利率之間的相關(guān)12/23本。表7：綠色公司債發(fā)行定價(jià)解釋變量相關(guān)性系數(shù)矩陣1YLog/債限()率式質(zhì)份Log1.0000發(fā)行期限(年)-0.00061.0000主體/債項(xiàng)1Y國(guó)0.53240.04061.0000債到期收益-0.00051.0000率0.4423-0.20140.7324-0.16321.0000發(fā)行人企業(yè)0.4381-0.19580.4655-0.13350.65741.0000發(fā)行人省份-0.2448-0.0216-0.1522-0.0102-0.1610-0.17551.0000數(shù)據(jù)來(lái)源：，表8：綠色公司債多元回歸模型結(jié)果自變量Coefficients標(biāo)準(zhǔn)誤差tStatP-valueIntercept1.95710.89482.18730.030358Log0.09960.24810.40130.688811()0.00950.02600.36520.715513/-0.17740.0952-1.86420.0643651Y國(guó)債到期收益率1.63800.33224.93132.25E-06-1.24340.2362-5.26425.1E-07發(fā)行人企業(yè)性質(zhì)-0.16950.1769-0.95850.339424發(fā)行人省份0.02120.01081.97230.050514數(shù)據(jù)來(lái)源：，1.4.2.票面利率線性模擬13/23基于綠色公司債多元回歸模型結(jié)果，我們可以得出如下綠色公司債發(fā)行定價(jià)模型：綠色公司債票面利率=?.????+?.????×中債??國(guó)債到期收益率??.????×發(fā)行方式2021年1月1日至2022年5月6日期間中債1Y國(guó)債到期收益率的波動(dòng)范圍在1.8%-2.8%之間，因此將收益率最小值設(shè)為1.8%，最大值設(shè)為2.8%；針對(duì)發(fā)行方式設(shè)置2個(gè)情形，分別為：情形1的綠色公司債的票面利率將會(huì)如何變化。模擬結(jié)果表明，同樣的發(fā)行方式下，100BP的國(guó)債收益率差距將為綠色公司債票面利率帶來(lái)163.80BP的同向影響；同樣的國(guó)債收益率情形下，發(fā)行方式的變化將為綠色公司債票面利率帶來(lái)124.34BP的反向影響。就綠色公司債而言，由于其具有顯著流穩(wěn)定性、綠色收益可靠性、資金回籠時(shí)長(zhǎng)等個(gè)體因素的評(píng)價(jià)權(quán)重。圖4：綠色公司債票面利率線性模擬（單位：）7.06.56.05.55.04.54.03.5情形1情形2數(shù)據(jù)來(lái)源：，1.5.券種：綠色短期融資券1.5.1.發(fā)行定價(jià)影響因子7個(gè)解釋變量中，由于綠色短融的發(fā)行方式均為公募發(fā)行，因此該項(xiàng)解釋變量對(duì)于14/23綠色短融的發(fā)行定價(jià)不存在影響，故建立多元回歸模型時(shí)予以剔除。針對(duì)其余6多元回歸模型結(jié)果，可以發(fā)現(xiàn)在的置信區(qū)間內(nèi)，發(fā)行期限、主體債項(xiàng)評(píng)級(jí)、發(fā)行當(dāng)日的中債1Y國(guó)債到期收益率和發(fā)行人企業(yè)性質(zhì)4項(xiàng)解釋變量對(duì)于綠色短融發(fā)行票面發(fā)行定價(jià)之間的相關(guān)性較弱。此外，該模型R2為56%，表明被解釋變量56%的變動(dòng)情況可得到模型解釋，擬合程度較高。具體來(lái)看綠色短融40.5065，1利率將增加50.65BP債項(xiàng)評(píng)級(jí)變量系數(shù)為-0.6503存在負(fù)相關(guān)，即評(píng)級(jí)每增加一級(jí)，綠色短融票面利率可下降65.03BP；發(fā)行當(dāng)日的中債1Y國(guó)債到期收益率變量系數(shù)為1.0603，表明國(guó)債收益率與綠色短融票面利率存在正相關(guān)，即收益率每增加1%，綠色短融票面利率將增加106.03BP；發(fā)行人企業(yè)性質(zhì)變量系數(shù)為-0.1989業(yè)性質(zhì)由民營(yíng)轉(zhuǎn)為國(guó)營(yíng)，綠色短融的發(fā)行成本相應(yīng)下降19.89BP4項(xiàng)解釋變量與綠步降低，故引起發(fā)行成本的逐步下行。表9：綠色短融發(fā)行定價(jià)解釋變量相關(guān)性系數(shù)矩陣Log/債1Y()到期收益率質(zhì)Log1.0000()0.00611.0000/0.5018-0.12591.0000中債1Y國(guó)債到0.2196-0.0882-0.05471.0000發(fā)行人企業(yè)性質(zhì)0.3803-0.43240.38440.12701.0000發(fā)行人省份-0.28850.1979-0.3995-0.1068-0.14371.0000數(shù)據(jù)來(lái)源：，15/23表10：綠色短融多元回歸模型結(jié)果自變量Coefficients標(biāo)準(zhǔn)誤差tStatP-valueIntercept3.38410.97903.45660.000869Log0.06030.14270.42270.673647()0.50650.24122.10000.038807/-0.65030.1243-5.23011.27E-061Y國(guó)債到期收益率1.06030.29803.55770.000625發(fā)行人企業(yè)性質(zhì)-0.19890.0908-2.18950.031402發(fā)行人省份0.01320.00901.46960.145499數(shù)據(jù)來(lái)源：，1.5.2.票面利率線性模擬基于綠色短融多元回歸模型結(jié)果，我們可以得出如下綠色短融發(fā)行定價(jià)模型：綠色短融票面利率=?.????+?.????×發(fā)行期限??.????×評(píng)級(jí)+?.????×中債??國(guó)債到期收益率??.????×發(fā)行人企業(yè)性質(zhì)1Y0.01Y1YAAA發(fā)行綠色短融最多的主體性質(zhì)；針對(duì)未來(lái)發(fā)行日中債國(guó)債到期收益率的變動(dòng)情況設(shè)置5個(gè)情形，分別為：情形、維持年5月6日收益率；情形、基于2022年5月6日收益率增加5BP；情形3、基于2022年5月6日收益率增加10BP4、基于2022年5月6日收益率減少5BP；情形、基于2022年5月6日收益率減少10BP，進(jìn)一步模擬不同發(fā)行期限下、不同基礎(chǔ)利率情形下，假設(shè)一主體評(píng)級(jí)為AAA級(jí)的央企發(fā)行人欲發(fā)行綠色短融，其所發(fā)行債券的票面利率將會(huì)如何變化。的1Y國(guó)債收益率差距將為綠色短融票面利率帶來(lái)21.21BP的同向影響；同樣的國(guó)債收益率情形下，1年的發(fā)行期限差距將為綠色短融票面利率帶來(lái)50.15BP5人發(fā)行的綠色短融，其最大票面利率與最小票面利率之間的差值理論上不應(yīng)超過(guò)71.35BP。16/23圖5：綠色短融票面利率線性模擬（單位：%）2.42.32.22.12.01.91.81.71.61.5情形1情形2情形3情形4情形5數(shù)據(jù)來(lái)源：，1.6.券種：綠色中期票據(jù)1.6.1.發(fā)行定價(jià)影響因子7個(gè)解釋變量中，由于綠色中票的發(fā)行方式均為公募發(fā)行，因此該項(xiàng)解釋變量對(duì)于綠色中票的發(fā)行定價(jià)不存在影響，故建立多元回歸模型時(shí)予以剔除。針對(duì)其余695%1Y國(guó)4項(xiàng)解釋變量對(duì)于綠色中票的發(fā)行票面利發(fā)行定價(jià)之間的相關(guān)性不明顯。此外，該模型R2為41%，表明被解釋變量41%的變動(dòng)情況可得到模型解釋，擬合程度尚可。具體來(lái)看綠色中票4項(xiàng)解釋變量的多元回歸模型結(jié)果，主體債項(xiàng)評(píng)級(jí)變量系數(shù)為-0.3923，表明評(píng)級(jí)與綠色中票票面利率存在負(fù)相關(guān)，即評(píng)級(jí)每增加一級(jí)，綠色中票票面利率可下降39.23BP國(guó)債到期收益率變量系數(shù)為國(guó)債收益率與綠色中票票面利率存在正相關(guān)，即收益率每增加，綠色中票票面利率將增加140.28BP-0.3025應(yīng)下降30.25BP；發(fā)行人省份變量系數(shù)為0.0213，表明不同區(qū)域發(fā)行人的綠色中票發(fā)行17/234項(xiàng)解釋變量與綠色中票票面利率之間的相關(guān)性均符合經(jīng)濟(jì)意義，其中主體需以更高的票面利率吸引投資者。表11：綠色中票發(fā)行定價(jià)解釋變量相關(guān)性系數(shù)矩陣1YLog/債項(xiàng)()質(zhì)Log1.0000()-0.06481.0000/級(jí)0.36370.02801.00001Y到期收益率-0.0350-0.08040.02651.0000發(fā)行人企業(yè)0.4074-0.24390.20710.03061.0000發(fā)行人省份-0.20620.1427-0.0551-0.0388-0.13901.0000數(shù)據(jù)來(lái)源：，表12：綠色中票多元回歸模型結(jié)果自變量Coefficients標(biāo)準(zhǔn)誤差tStatP-valueIntercept2.66050.58144.57638.24E-06Log-0.02080.1099-0.18940.84993()0.01210.04450.27140.786321/-0.39230.0704-5.57437.85E-081Y國(guó)債到期收益率1.40280.19467.20751.1E-11發(fā)行人企業(yè)性質(zhì)-0.30250.0727-4.16334.63E-05發(fā)行人省份0.02130.00563.81910.000178數(shù)據(jù)來(lái)源：，1.6.2.票面利率線性模擬基于綠色中票多元回歸模型結(jié)果，我們可以得出如下綠色中票發(fā)行定價(jià)模型：18/23綠色中票票面利率=?.??????.????×評(píng)級(jí)+?.????×中債??國(guó)債到期收益率??.????×發(fā)行人企業(yè)性質(zhì)+?.????×發(fā)行人省份2021年1月1日至2022年5月6日期間中債1Y國(guó)債到期收益率的波動(dòng)范圍在1.8%-2.8%之間，因此將收益率最小值設(shè)為1