Corporate Yield
Spread & Bond
Liquidity
CHEN, LESMOND and WEI (2007)
Zaskia Ayunda
Panji Lhoro Tegar
Rico Rinaldo
LATAR BELAKANG
Collin-Dufresne et al. (2001) dan Huang
and Huang (2003) mengindikasikan bahwa
level maupun perubahan dalam yield
spreads untuk corp. bonds terhadap
Treasury bonds tidak bisa dijelaskan
sepenuhnya oleh penentu tingkat resiko
credit(kecukupan modal, PDB, tingkat
pengangguran, tingkat inflasi, utang
pemerintah dan krisis keuangan) dalam
structural form model
Longstaff et al (2005) mengusulkan
bahwa tingkat illiquidity mungkin
merupakan penjelasan terhadap
kegagalan model-model tsb. dalam
menjelaskan variasi yield spread
11/16/2019
Penelitian-Penelitian Sebelumnya
Elton et al, 2001 berpendapat
spread nya dipengaruhi oleh : 1. loss
akibat expected default, 2. state and
local taxes hanya untuk corporate
bonds (tidak untuk gov. bond), 3.
Premium yang diminta untuk
menanggung systemic risk (pengaruh
likuiditas
Duffee (1999) mengasumsikan bahwa
hal-hal lain yang tidak bisa dijelaskan
(unexplained) yang mempengaruhi
yield spread adalah tingkat liquidity.
.
Penelitian ini menilai likuiditas dari bond secara specific melalui corporate investment grade
dan speculative grade bonds serta meneliti hubungan antara bond-specific liquidity
estimates dan corporate bond yield spreads.
2
LATAR BELAKANG
Penelitian-Penelitian Sebelumnya
Amihud and Mendelson (1986)
Lo, Mamaysky and Wang (2004)
Amihud menggagas bahwa investor
menginginkan liquidity premium untuk
illiquid securities .
.
Lo, Mamaysky, and Wang (2004) :
berargumen bahwa liquidity costs
mempengaruhi frequency of trading
Investor tidak dapat terus menhedge resikonya, karena itu, mereka menginginkan premium dengan
menurunkan security prices. Karena itulah pada cash flow yang sama, bond yang kurang liquid akan
lebih jarang diperdagangkan, harganya lebih rendah dan yield spreads yang lebih tinggi. Sehingga
liquidity diprediksi tercermin pada yield spreads.
Penelitian ini akan menggunakan 3 liquidity measures yaitu :
• the bid–ask spread
• the liquidity proxy of zero returns, dan
• liquidity estimator berbasis model variant dari Lesmond, Ogden, and Trzcinka (1999).
11/16/2019
3
LATAR BELAKANG
Longstaff et al. (2005) menghubungkan
corporate bond liquidity dengan yield
spreads. Namun, , Longstaff et al. (2005)
memfokuskan terhadap 68 issuers yang
memiliki data trading untuk default-Swap
sehingga generability dari penelitian tsb.
diragukan.
Penelitian-Penelitian Sebelumnya
Ericsson and Renault (2002)
mengembangkan theoretical model
yang menggunakan new issue dummy
sebagai empirical bond-specific
liquidity measure. Namun, hal tsb.
masih tidak dapat menjelaskan
corporate bond liquidity dengan yield
spreads
(Goodhart
and
O’Hara
(1997)
berpendapat kurangnya informasi yang
credible mengenai spread prices atau
bond quotes menjadi hambatan utama
dalam menganalisis likuiditas dan
dampak liquidity terhadapa yield
spreads.
11/16/2019
Penelitian ini memberikan penilaian yang lebih komprehensif pada hubungan antara liquidity
dan yield spreads karena menggunakan bond-specific liquidity measures yang luas untuk
lebih dari 4,000 corporate bonds, baik investment dan speculative grade categories selama
periode 9 tahun.
4
Latar Belakang
Diantara tiga pengukuran yang digunakan, bid–ask spread memang merupakan
pengukuran liquidity costs yang paling banyak digunakan. Namun, di waktu itu, banyak
terdapat peningkatan penggunaan percentage of zero returns sebagai proxy likuiditas
dalam kasus-kasus empiris. Hal lainnya adalah penggunaan persentase zero return
menimbukan noisy karena merupakan kombinasi zero return dan pergerakan simultan
dari faktor-faktor penentu bond price.
Karena itu
- Dalam penelitian ini digunakan model yang dikembangkan oleh Lesmond et al. (1999) (LOT) untuk
memperoleh alternated dari estimasi likuditas.
- Dasar dari LOT model :
True value dari sebuah bond dipengaruhi oleh banyak faktor-faktor stochastic, tetapi measured prices akan
menunjukkan new information hanya jika nilai informasi dari marginal trader melebihi total liquidity costs.
Hal ini mengartikan bahwa batas dari liquidity cost untuk tiap bond, akan serupa dengan nilai minimum
informasi untuk melakukan trade. Probability mengobservasi zero return akan lebih tinggi dalam liquidity
cost threshold (ambang) dibandingkan diluar liquidity cost threshold. Dalam penelitian ini digunakan
maximum likelihood method untuk mengestimasi risk factors terkait dengan market-wide information dan
upper and lower liquidity thresholds yang menunjukkan round-trip liquidity costs.
I. Liquidity Measures
Metode bid–ask spread banyak sekali
digunakan tetapi spreadnya tidak selalu
available. Contohnya ada pada kasus thinly
traded bonds (sedikit trade) atau more
mature bonds.
A. Discussion
Bekaert et al. (2003) : menunjukkan
bahwa zero returns sendiri adalah
reasonable liquidity proxy.
Lesmond et al. (1999): memberikan
alternative indirect method untuk estimasi
liquidity berdasarkan munculnya zero
returns. LOT measure adalah estimasi
likuiditas comprehensive yang
mengandung spread dan cost lain yang
mungkin menimpa pada informed trade
Hipothesis:
11/16/2019
• Marginal trader hanya akan melakukan trade jika value of the information melebihi marginal
costs.
• Lesmond et al. (1999): berpendapat jika trading costs cukup besar zero return days akan
muncul lebih sering
• LOT estimate adalah pengukuran underlying liquidity costs yang lebih akurat dibanding
percentage of zero returns
6
I. Liquidity Measures
A. Discussion
Kekurangan LOT Model
• Membutuhkan return generating
model untuk bonds yang belum
didefine
oleh
literature
sebelumnya
• Membutuhkan beberapa zero
returns untuk estimasi liquidity’s
effect pada price.
• Harganya kemungkinan tidak
memperlihatkan zero returns
pada kasus tertentu (bonds baru
diissued atau mid-year bonds)
sehingga sehingga estimasi invalid
Hal Lain tentang LOT Model
Zero return sebagai liquidity proxy dan
LOT liquidity measure diharapkan
berhubungan positive dengan bid–ask
spread
Karena strengths dan weaknesses masing-masing, maka digunakan ketiganya untuk meneliti
hubungan antara corporate bond yield spreads and liquidity. Ini tidak hanya meningkatkan robustness,
namun juga menunjukkan relative power untuk tiap liquidity measure.
11/16/2019
7
I. Liquidity Measures
B. The Bid-Ask Spread
• Data pada quarterly bid–ask quotes diambil dari Bloomberg
Terminals. Sebagian besar hanya available dari 2000 to 2003.
• Perhitungan Quarterly proportional bid–ask spread dihitung
dengan cara ask dikurangi bid dibagi harga rata-rata bid dan ask.
• Bond-year’s proportional bid–ask spread dihitung dari rata-rata
quarterly proportional spreads : dengan diambil minimum tiap
tahun ada 1 quarterly quote.
• Data untuk quarterly bid–ask quotes diambil dari Bloomberg
Generic Quote, yang menunjukkan consensus (kesepakatan)
quotes antara market participants.
11/16/2019
8
I. Liquidity Measures
C. The Percentage Zeros and the LOT Model
• LOT measures untuk informed trading hanya menggunakan return bond harian
untuk mengestimasi bond-level liquidity costs.
• Efek dari likuiditas dilihat dari terjadinya zero returns.
• Data harga diambil dari Datastream menggunakan Merrill Linch sebagai sumber
data untuk harga( harga dinyatakan sebagai harga rata-rata dari semua market
makers untuk bond).
• Jika probability menemukan zero return menurun seiring peningkatan jumlah
market makers, maka jumlah zero returns untuk tiap bond issue akan menjadi
terlalu rendah.
• Karena model yang digunakan mendasarkannya pada hari tanpa price changes,
maka estimasi bond-specific liquidity costs akan terlalu rendah, hal ini menjadi
bias terhadap liquidity hypothesisnya.
I. Liquidity Measures
C. The Percentage Zeros and the LOT Model
• Dipilih start date tahun 1995 karena daily pricesnya lebih sering available di
Datastream hanya setelah 1995 dan dilakukan selama 9-year period sampai 2003.
• Clean price tiap bond digunakan sebagai daily basis, Harga yang menyimpang lebih dari
50% from the harga hari sebelumnya dihapus.
• Data dibagi berdasarkan bond-years; menggunakan daily data tiap bond tiap tahun,
diestimasi gabungan antara bond’s return generating function dan liquidity costs pada
tahun tersebut. Prosedur ini dapat menunjukkan time-series variations pada bond
liquidity.
• Untuk menilai corporate bonds digunakan two factor model (Lesmond et al, 1999) 2
faktor tersebut adalah interest rate dan equity market return, merefleksikan fakta bahwa
corporate bond adalah hybrid antara risk free bond dan equity. Semua koefisien resiko
discale dengan durasi untuk memperoleh stable estimation coefficients (Jarrow, 1978).
R∗j,t = unobserved “true” bond return for bond j and day t that investors would bid given zero liquidity costs
ΔRft = daily change in the 10-year risk-free interest rate
ΔS&P Index = daily return on the Standard & Poor’s 500 index.
I. Liquidity Measures
C. The Percentage Zeros and the LOT Model
• Amihud and Mendelson (1986, 1987) mengembangkan kerangka dimana intrinsik value
berbeda dari observed valuenya. Perbedaan ini disebabkan oleh liquidity premium
dimana higher cost asset dihargai lebih rendah untuk mengkompensasi liquidity cost.
Menggunakan model mereka untuk fixed income securities maka Liquidity effects on
bond returns adalah:
• Rj,t = measured return, α2 j = effective buy-side cost, dan α1,j = effective sell-side cost for bond
• Efek liquidity pada bond prices dimodelkan dengan menggabungkan objective function dan
liquidity constraint, yaitu :
• di mana:
I. Liquidity Measures
C. The Percentage Zeros and the LOT Model
•
log-likelihood function dapat dispesifikasikan sbb :
• Φi,j = cumulative distribution function for each bond-year evaluated at (αi, j − βj1Duration j,t* ΔRf t −
βj2Duration j,t *ΔS&P Indext )/σj .
• Σ 1 (region 1) = negative nonzero measured returns, Σ 2 (region 2) = positive nonzero measured returns,
dan Σ 0 (region 0) = zero measured returns. Prosedur estimasi tersebut dijelaskan oleh Maddala (1983)
dan Lesmond et al. (1999).
• Untuk estimasi liquidity difokuskan pada α2,j and α1,j estimates. Perbedaan estimasi buy-side dan sell-side
cost, α2,j − α1,j, menunjukkan round-trip transaction costs.
I. Liquidity Measures
C. The Percentage Zeros and the LOT Model
• Diasumsikan bahwa harga akan merefleksikan costs of trade relatif terhadap
information value of the trade. Unanticipated public information, noise trades,
atau trades of an idiosyncratic nature tidak akan diperhitungkan dalam rational
asset pricing framework dan hanya masuk pada error term.
• Secara implisit model yang digunakan mengasumsikan informasi yang memotivasi
trade untuk bond dan informasi tersebut secara efisien tercermin pada bond
price. Asumsi ini didukung oleh studi Hotchkiss and Ronen (2002), yang
menyimpulkan bahwa efisiensi informational dari bond price sama dengan
underlying equity.
• Marginal trader diasumsikan menilai value dari informasi sebelum memutuskan
trade relatif terhadap expected liquidity cost. Marginal trader dengan net
difference tertinggi antara value dari informasi dan transaction cost akan dapat
mengendalikan pergerakan harga.
11/16/2019
13
I. Liquidity Measures
D. Yield Spreads and Corporate Information
Metode Pengambilan Data
• Penelitian dilakukan terhadap
lebih dari 4000 bonds. Yield
spreads dan bond
characteristics diambil dari
Datastream. Up-to-date credit
ratings untuk tiap bond diambil
dari Fixed Income Securities
Database, dan jika tidak ada
maka digunakan Standard and
Poor’s rating dari Datastream.
Hal lain ttg pengambilan Data
Bonds tanpa rating dari S&P
atau Fixed Income Securities
Database dihapus. Digunakan
Compustat Annual Industrial
Database untuk
mengumpulkan firm-level data
baik active dan inactive firms
untuk mengurangi survivorship
bias dalam liquidity
determinant dan yield spread
regressions.
Semua variabel diambil pada periode setahun sebelum yield spread measurement.
Equity volatility diestimasi dengan 252 daily returns (dari Center for Research in
Security Prices, atau CRSP file) untuk 1 tahun sebelum bond liquidity estimate. Bond
volatility diestimasi dengan bond prices.
11/16/2019
14
II. Preliminary Findings
A. Summary Statistics
Table I : summary statistics yang diklasifikasikan oleh maturity levels
dan credit ratings.
Tiap panel ada dua set :
1. Bond information untuk matching sample dari zero returns dan LOT
estimate,
2. Bond information untuk matching sample dari zero returns, LOT estimate,
dan bid–ask spread.
Pertama, Liquidity cost lebih tinggi untuk speculative grade bonds dibanding investment grade
bonds. Ada kenaikan signifikan pada zero returns dan ukuran estimasi LOT dari investment
menuju speculative grade bonds, sesuai dengan kenaikan bid–ask spread. Yield spreads juga
meningkat antar bond categories. Untuk matched sample dari 3 liquidity measures, trend untuk
tiap liquidity measure terlihat sesuai dengan underlying credit ratingnya.
Untuk investment grade bonds, ada peningkatan liquidity costs dari AA bonds ke BBB
bonds. Namun untuk speculative grade bonds, trend peningkatan liquidity costs seiring
penurunan credit worthiness hanya muncul pada LOT measure dan the bid–ask
spread. Dan persentase zero returns terlihat sebagai proxy yang lemah untuk liquidity.
11/16/2019
15
Table I
Corporate Bond
Summary Statitics
11/16/2019
16
Table I
Corporate Bond
Summary Statitics
11/16/2019
17
II. Preliminary Findings
A. Summary Statistics
Kedua, liquidity costs meningkat dari short menuju long-maturity bonds, konsisten
dengan investment horizon argument oleh Amihud and Mendelson (1991) atau return
volatility arguments oleh Chakravarty and Sarkar (1999).
Secara umum yield spreads meningkat (menurun) seiring maturity dari investment
(speculative) grade bonds. Merton (1974) menunjukan bahwa corporate yield spreads
dapat meningkat atau menurun seiring maturity, tergantung risk perusahaan.
Investment grade issuers menghadapi upward-sloping yield spreads sedangkan
speculative grade issuers menghadapi flat atau downward-sloping yield
spreads.
Helwege and Turner (1999) :menemukan bahwa pada speculative credit rating
category yang sama, safer firms cenderung mengeluarkan longer-term bonds,
yang menyebabkan average yield spread menurun seiring maturity.
11/16/2019
18
II. Preliminary Findings
B. Model Validation
• Walaupun proporsi zero returns dan LOT estimate keduanya bersumber dari pendapat
bahwa liquidity costs menghalangi trade, LOT estimate lebih sedkit menimbulkan noisy
karena menggabungkan covariation antara zero returns movement dari bond price
determinants.
• Untuk memverifikasi model ini, dilakukan model specification check dengan
menginvestigasi apakah LOT model membantu merecover intuitive beta
coefficients pada systematic risk factors. Lalu coefficients ini dibandingkan
dengan naive asset pricing model tanpa liquidity cost considerations. Jika
modelnya specified akan ada beberapa pola yang muncul yaitu 1. interest rate
coefficientnya negative. Namun hubungannya akan melemah dari high-grade ke
low-grade bonds (Schultz (2001)). 2. equity return coefficientnya positive untuk
lowgrade bonds (Cornell and Green (1991)).
• Positif equity return menunjukkan improvement dalam business operation
perusahaan, sehingga akan memiliki positive effect pada bond return.
• Namun, effect dari equity return pada high grade bonds tidak terlalu clear.
Table II
Liquidity Measure
Test
11/16/2019
20
Table II
Liquidity Measure
Test
11/16/2019
21
II. Preliminary Findings
B. Model Validation
• Hasil estimasi ada pada Panel A Table II. Perbandingan hasil LOT dengan naive
OLS model menunjukkan pengaruh zero returns pada hasil estimation. Estimasi
LOT model’s interest rate sebagian besar negative dan signifikan, sedangkan
pengaruh interest rate menurun seiring penurunan bond ratings, sesuai dengan
perkiraan.
• Kontrasnya naive OLS model memberikan interest rate estimates yang tidak
signifikan. Interest rate effect tidak memiliki trend dengan bond ratings,
berlawanan dengan common beliefs.
• Hilangnya pengaruh interest rate pada LOT model dioffset dengan peningkatan
pengaruh S&P 500 equity return, khususnya untuk speculative grade bonds.
• Koefisien untuk S&P 500 dari investment grade ke speculative grade bonds
terlihat berbeda tandanya. Menunjukkan bahwa terjadi signaling effects pada
speculative grade bonds dan substitution effects pada investment grade bonds.
Pola yang hampir sama juga terlihat pada naive OLS model’s.
II. Preliminary Findings
C. Bid-Ask Spread Tests
• Dilakukan untuk menguji konsistensi ketiga pengukuran liquidity tersebut. Yaitu dengan meregress
bid ask spread secara terpisah pada 2 liquidity measures dengan mengontrol liquidity determinants
yang lain :
• it = bond i and year t. liquidity = proportion of zero returns atau LOT estimate. Liquidity
determinants dipilih berdasarkan studi Garbade and Silber (1979), Sarig and Warga (1989),
Chakravarty and Sarkar (1999), Stoll (2000), Schultz (2001), dan Brandt and Kavajecz (2004). Bond
Rating = proxy untuk default risk. Untuk overall regressions, bond ratings menggunakan cardinal
scale dari 1 (AAA rated bonds) sampai 7 (CCC to D rated bonds). Hasil ada pada panel B Table II.
11/16/2019
23
II. Preliminary Findings
C. Bid-Ask Spread Tests
• Untuk investment grade bonds, LOT liquidity estimate dapat menjelaskan 6.39% dari variasi
cross-sectional pada bid–ask spread, zero returns = 6.82%.
• Sebagai perbandingan, Schultz (2001) memperoleh R2 = 3.43% untuk regresi semua
microstructure trading cost determinants pada investment grade bonds. Baik LOT estimate
dan percentage of zero returns tetap positif signifikan terhadap bid–ask spread saat
variabel lain dimasukkan.
• Hasil yang sama diperoleh pada speculative bonds, namun hanya untuk LOT model
estimate. Proporsi zero return hanya signifikan setelah memasukkan control variables.
• Persentase zero returns mengalami specification error bias lebih banyak dibandingkan LOT
measure. Alasannya karena LOT measure dapat mengekstrak lebih banyak informasi
dibandingkan zero returns.
11/16/2019
24
II. Preliminary Findings
D. Initial Yield Spread and Liquidity Test
• Menguji hubungan antara yield spread ketiga pengukuran liquidity. Untuk memberikan
perbandingan yang konsisten, bid–ask spread sample dipasangkan dengan ketiga
pengukuran liquidity.
• Panel C Table II : untuk investment grade bonds semuanya positif signifikan dengan yield
spread. LOT measure dan bid–ask spread memberikan power yang hampir sama dalam
menjelaskan cross-sectional variation dalam yield spread, dengan R2 = 7.3%. Sedangkan
persentase zero returns menjelaskan 6% dari cross-sectional variation dalam yield spread.
• Untuk speculative bonds, hanya bid–ask spread dan LOT measure berpengaruh signifikan
terhadap yield spread. LOT measure menjelaskan 7.39% dari cross-sectional variation
dalam yield spread. Sedangkan bid–ask spread hanya 0.86%.
11/16/2019
25
III. Liquidity Effects on Yield Spread Levels
• Many theoretical models predict that investors demand higher expected returns for less
liquid assets to compensate less liquidity risk
• For the same cash flow in the future, less liquid assets will have lower prices
• Bond yield is a promised yield given known cash flows, so lower prices of less liquid
bonds lead to higher bonds yields & higher yields spread
• Regression tests of liquidity estimates & other yield spread determinants
• Table III as the result
Significant at 1% for all liquidity variable
11/16/2019
26
Table III
11/16/2019
27
Table III
Cont.
11/16/2019
28
III. Liquidity Effects on Yield Spread Levels
• Issuer
fixed-effects regressions
– Issuer fixed effect regression to control for issuer
influences on yields ( domination of small set companies)
– The same consistent results using bid-ask spread or LOT
– Significant result at 1% if firm-level variables not included
– In overall: same result but zero returns slightly weaker
11/16/2019
29
Table IV
11/16/2019
30
Table IV
Cont.
11/16/2019
31
III. Liquidity Effects on Yield Spread Levels
• Simultaneous equation model tests
– Hypothesize that asymmetric information in its credit quality is the main reason for adverse selection
costs
– Estimated using two stage least square
– Table V shows the result
• LOT & bid-ask spread significant for investment grade bonds (1%) and speculative grade bonds (5%)
• Zero returns significant for investment grade bonds (5%) and insignificant for speculative grade bonds
• Negative coefficient indicates falls on credit quality
• Tax effects (coupon) & volatility are insignificant
• Equations for simultaneous model tests :
11/16/2019
32
Table V
11/16/2019
33
Table V
Cont.
11/16/2019
34
Table V
Cont.
11/16/2019
35
IV. Liquidity Effects on Yield Spread Changes
• Regression tests of changes in liquidity and yield spread determinants
• Cross section model
• The results for table VI
• Liquidity change variable is significant
• LOT & bid-ask spread consistent with table III
• Changes in bid-ask spread relatively lower explanatory power for both categories of bonds
• Equations for changes in liquidity
11/16/2019
36
Table VI
11/16/2019
37
IV. Liquidity Effects on Yield Spread Changes
• Simultaneous equation model tests
– Using two stage least square
• Table VII shows the result
– Bid-ask spread & LOT increase in liquidity costs (positively significant) for both investment grade
& speculative bonds
– Zero returns increase in liquidity costs (significant) for investment grade bonds, not for
speculative bonds
– Changes in liquidity robust to potential endogeneity bias
• Equation for simultaneous model tests :
11/16/2019
38
Table VII
11/16/2019
39
V. Conclusions
This paper examine the association between corporate bond liquidity & yield spread
• Adopt two model of liquidity measure (bid-ask & proportion of zero returns) and liquidity
estimates
• Strongly associated in liquidity measure, with Lesmond model
Liquidity is key determinant in yield spread
• Both of invesment grade & speculative grade bonds exhibit liquidity effects
Paper contributions
• The growing debate over liquidity’s influence on asset pricing & corporate finance decision
• The issue of a liquidity premium on returns
Further research
• The evidence of a liquidity effect on corporate yield spreads may shed light on
sovereign debt yield spread determinants
11/16/2019
40
THANK YOU
Zaskia Ayunda
Panji Lhoro Tegar
Rico Rinaldo