CHEN, LESMOND and WEI (2007)

LATAR BELAKANG
Penelitian-Penelitian Sebelumnya 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
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 .
.
4/13/2020
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)
Amihud menggagas bahwa investor menginginkan liquidity premium untuk illiquid securities .
.
Lo, Mamaysky and Wang (2004)
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).
4/13/2020 3

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.
LATAR BELAKANG
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.
4/13/2020
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

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
A. Discussion
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.
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
4/13/2020
Hipothesis:
• 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

A. Discussion
Kekurangan LOT Model
• Membutuhkan return generating model untuk bonds yang belum didefine sebelumnya oleh literature
• 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.
4/13/2020 7

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.
4/13/2020 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
Δ Rft = daily change in the 10-year risk-free interest rate
Δ S&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, α 2 j = effective buy-side cost, dan α 1, 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 − βj 1Duration j , t* Δ Rf t −
βj 2Duration j , t * ΔS&P Index t ) /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 α 2, j and α 1, j estimates. Perbedaan estimasi buy-side dan sell-side cost, α 2, j − α 1, 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.
4/13/2020 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.
4/13/2020 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.
4/13/2020
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.
15

4/13/2020
T able I
Corporate Bond
Summary Statitics
16

4/13/2020
T able I
Corporate Bond
Summary Statitics
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.
4/13/2020
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.
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.

4/13/2020
T able II
Liquidity Measure
Test
20

4/13/2020
T able II
Liquidity Measure
Test
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.
4/13/2020 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 R 2 = 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.
4/13/2020 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 R 2 = 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%.
4/13/2020 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
4/13/2020 26

4/13/2020
T able III
27

4/13/2020
T able III
Cont.
28

III. Liquidity Effects on Yield Spread Levels
•
–
–
–
–
4/13/2020 29

4/13/2020
T able IV
30

4/13/2020
T able IV
Cont.
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 :
4/13/2020 32

4/13/2020
T able V
33

4/13/2020
T able V
Cont.
34

4/13/2020
T able V
Cont.
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
4/13/2020 36

4/13/2020
T able VI
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 :
4/13/2020 38

4/13/2020
T able VII
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
4/13/2020
Further research
• The evidence of a liquidity effect on corporate yield spreads may shed light on sovereign debt yield spread determinants
40