王洪亮 張瑾 陳輝

摘要：近年來，我國的債務(wù)風(fēng)險問題引起社會的廣泛關(guān)注和擔(dān)憂，并對資產(chǎn)定價產(chǎn)生重要影響。綜合使用2004年第一季度至2017年第四季度上市公司財務(wù)數(shù)據(jù)和股票價格數(shù)據(jù)，參考Moody's KMV方法構(gòu)造違約概率指標(biāo)，研究違約風(fēng)險與股票收益的關(guān)系。實證分析顯示，在2014年之前，我國A股市場出現(xiàn)過“高違約風(fēng)險—低股票收益”的“違約異象”。但在2014年之后，隨著上市公司債務(wù)違約事件出現(xiàn)，違約風(fēng)險—股票收益的關(guān)系逐步扭轉(zhuǎn)，上述異象消失。研究還發(fā)現(xiàn)，上市公司是否為國企，會顯著影響股票收益對違約風(fēng)險的敏感性。具體而言，在2014年之后，非國企背景股票的收益率對違約風(fēng)險變化的敏感性要比國企背景股票高出1倍多。

關(guān)鍵詞：A股市場;違約風(fēng)險;股票收益;國企背景;公司債券;資產(chǎn)價格

中圖分類號：F830? ?文獻(xiàn)標(biāo)識碼：A? ?文章編號：1007-2101（2019）02-0037-10

一、引言

近年來，我國的債務(wù)風(fēng)險問題日趨凸顯，并引起社會的廣泛關(guān)注和擔(dān)憂。在資本市場上，債務(wù)問題的極端表現(xiàn)形式就是債務(wù)違約。自2014年出現(xiàn)第一起債券違約事件以來，我國開始逐步打破債券的“剛性兌付”慣例。2014—2017年，國內(nèi)分別有6只、23只、77只和40只債券出現(xiàn)違約，違約額度總計分別為13.4億元、126.1億元、385.44億元和356.5億元。資本市場上頻繁出現(xiàn)的違約事件打破了市場的“剛性兌付”預(yù)期，迫使投資者更加關(guān)注違約風(fēng)險對資產(chǎn)價格的影響。

2018年是我國供給側(cè)改革“去杠桿”最關(guān)鍵的一年。政策壓力和市場現(xiàn)狀決定了未來債券集中違約的可能性仍然較高，并可能對市場造成較大的負(fù)面影響。在此背景下，有必要結(jié)合我國實際情況，深入研究違約風(fēng)險與債券、股票、房地產(chǎn)等資產(chǎn)價格的關(guān)系，從而對投資者優(yōu)化資產(chǎn)組合形成參考。筆者在綜合考慮數(shù)據(jù)可得性、樣本規(guī)模、研究意義等因素后，以A股市場為研究對象，探討違約風(fēng)險與股票收益的關(guān)系。進(jìn)一步探討具有國企背景的公司在陷入財務(wù)困境時易于獲得地方政府或部分金融機(jī)構(gòu)的支持，而非國企背景的公司顯然很難有這方面的優(yōu)勢。由此可見，在面臨相同的違約風(fēng)險時，是否具備國企背景很可能會影響到未來的債務(wù)重組進(jìn)程和最終結(jié)果，并影響到股東實際承擔(dān)的風(fēng)險和收益。鑒于此，還將進(jìn)一步研究國企背景對違約風(fēng)險—股票收益關(guān)系的影響。

二、文獻(xiàn)綜述

違約風(fēng)險（defaul trisk）又稱為信用風(fēng)險，是指借款人在債務(wù)到期時無法還本付息的風(fēng)險。企業(yè)的違約風(fēng)險通常很難直接觀測，對企業(yè)違約風(fēng)險的度量需要整合一系列的因素或者借助金融產(chǎn)品計算得來，主流的度量方法包括Z值法、公司債利差法和Moodys KMV法。這三種方法的著重點各有不同。其中，Z值分析法是美國學(xué)者Altman（1968）[1]發(fā)明的一種衡量企業(yè)破產(chǎn)風(fēng)險的方法，在實踐中被人們廣泛應(yīng)用。

公司債利差（Yield Spread）又稱為“信用差價”（Credit Spread，CS），指投資者要求公司債提供高于到期日相同的國債收益的額外收益部分。Merton（1974）[2]最早對公司債利差的形成提出了理論性的解釋。他認(rèn)為公司債利差應(yīng)由公司的違約風(fēng)險程度、資產(chǎn)價格波動幅度以及債務(wù)期限等因素決定。在實證方面，F(xiàn)ama和French（1993）[3]、Longstaff等（2005）[4]等學(xué)者通過美國債券市場的數(shù)據(jù)，研究表明違約風(fēng)險和債券剩余期限解釋了公司債利差的主要部分。隨著我國債券市場的發(fā)展，馮宗憲、郭建偉、孫克（2009）[5]，王永欽、陳映輝、杜巨瀾（2016）[6]等學(xué)者嘗試過借助公司債或地方債利差變化來衡量違約風(fēng)險。

Moodys KMV法是另一廣為被人們運(yùn)用的度量違約風(fēng)險方法。國外學(xué)者運(yùn)用該方法時一般會直接使用Moody-KMV公司公布的上市公司期望違約概率指標(biāo)（Expected Default Frequency，簡寫為EDF。也有文獻(xiàn)將其稱為Probility of Default，簡寫為PD）度量違約風(fēng)險，例如Garlappi等（2008）[7]、Filipe等（2016）[8]等。但是，Moody-KMV公司沒有公布中國A股市場上市公司的EDF指標(biāo)，因此國內(nèi)學(xué)者在應(yīng)用該方法時都需要自行構(gòu)建EDF指標(biāo)。EDF指標(biāo)是基于Scholes和Black（1973）[9]、Merton（1974）[2]為期權(quán)定價的理論框架，經(jīng)由Kealhofer（2003a，2003b）[10] [11]改造后得到的Vasicek-Kealhofer模型計算所得。陳藝云（2016）[12]、楊世偉、李錦成（2015）[13]等學(xué)者基于類似方法研究中國上市公司股票或債券的違約風(fēng)險。

除了上述三種主流方法外，還有其他度量違約風(fēng)險的方法，多數(shù)是基于計量經(jīng)濟(jì)學(xué)的理論。多因素線性回歸分析（MCLP）是其中一種被認(rèn)為在信用評分領(lǐng)域有潛力可以超越現(xiàn)有方法的信用分析方法。這種方法在對銀行信用卡客戶的分析上取得不錯的成功，但在公司研究領(lǐng)域運(yùn)用還較少（Li，Yu和Liu，2013;陳瑩等，2015）[14][15]。

由于違約風(fēng)險會對資產(chǎn)價格產(chǎn)生影響，所以才引起人們的關(guān)注。也正是因此，國內(nèi)外學(xué)者在這方面的研究成果最為豐富。根據(jù)所研究的對象是債券還是股票，研究方法和結(jié)論又有差異。其中，早期研究違約風(fēng)險的文獻(xiàn)，絕大多數(shù)是將其與公司債券定價或信用評級相聯(lián)系。例如，Merton（1974）[2]、Longstaff 和Schwartz（1995）[4]、Duffie和Singleton（1999）[16]、Zhou（2001）[17]、Elton等（2001）[18]、林鴻熙、林建偉（2011）[19]、王安興等（2012）[20]等在不同時期、使用不同樣本、通過各具特色的計量或理論模型研究違約風(fēng)險對債券溢價的影響。近年來，研究違約風(fēng)險與股票收益的文獻(xiàn)有所增多。這些文獻(xiàn)都通過構(gòu)建違約概率指標(biāo)來度量違約風(fēng)險，具體方法有兩種：一是基于市場數(shù)據(jù)，在Merton（1974）結(jié)構(gòu)化模型的基礎(chǔ)上構(gòu)建違約概率指標(biāo)，二是使用財務(wù)數(shù)據(jù)來構(gòu)建指標(biāo)，例如Campbell等（2008）[21]。由于指標(biāo)構(gòu)建方法的差異，以及分析范式和研究樣本的區(qū)別，目前在違約風(fēng)險—股票收益關(guān)系方面尚未出現(xiàn)廣受認(rèn)同的一致結(jié)論。

部分研究認(rèn)為股票收益與違約風(fēng)險呈正相關(guān)關(guān)系。這種觀點是將違約風(fēng)險看成系統(tǒng)性風(fēng)險的一個類型。Denis（1995）[22]較早認(rèn)為違約風(fēng)險是由宏觀經(jīng)濟(jì)因素導(dǎo)致的，因而與經(jīng)濟(jì)周期密切相關(guān)屬于系統(tǒng)性風(fēng)險。因為系統(tǒng)性風(fēng)險無法通過分散投資的方式進(jìn)行消除，所以根據(jù)投資組合理論，在市場均衡時高違約風(fēng)險的股票必然對應(yīng)著高的股票收益率?；谶@一觀點，違約風(fēng)險常被用來解釋股票收益在橫截面數(shù)據(jù)中的差異性。Fama和French（1996）[23]在研究多因子模型時提出規(guī)模效應(yīng)、賬面市值比效應(yīng)與公司陷入財務(wù)困境的程度有關(guān)。在此基礎(chǔ)上，Vassalou和Xing（2004）[24]使用美國數(shù)據(jù)，通過二維分組方法研究發(fā)現(xiàn)，在違約風(fēng)險處于高位時，擁有較低市值、較高賬面市值比的公司能獲取更高的收益。因此，他們認(rèn)為違約風(fēng)險是系統(tǒng)性風(fēng)險，能夠通過影響規(guī)模效應(yīng)和價值效應(yīng)來改變股票收益。另外，Avramov等（2007）[25]的研究認(rèn)為，在信用評級較低從而違約風(fēng)險較高的樣本中，動量效應(yīng)具有顯著的影響。因而違約風(fēng)險是通過影響動量效應(yīng)才實現(xiàn)了與股票收益的正相關(guān)關(guān)系。Chava和Purnanandam（2010）[26]、Aretz等（2013）[27]的研究也支持違約風(fēng)險與股票收益的正相關(guān)關(guān)系。

另一部分學(xué)者的觀點則恰好相反，認(rèn)為股票收益與違約風(fēng)險之間存在著負(fù)相關(guān)關(guān)系。Dichev（1998）[28]利用O-score方法（Ohlson，1980）[29]與Z值法來度量違約風(fēng)險，發(fā)現(xiàn)股票收益與違約概率存在反向關(guān)系。Griffin和Lemmon（2002）得到類似的結(jié)論[30]。他們在低賬面市值比、高財務(wù)困境風(fēng)險、低公司收益的樣本中，發(fā)現(xiàn)了股票收益與違約風(fēng)險的反向變動關(guān)系。Campbell等（2008）在研究導(dǎo)致公司破產(chǎn)的決定性因素時，結(jié)合使用季度會計數(shù)據(jù)和日度行情數(shù)據(jù)，通過條件logistic回歸模型預(yù)測違約概率，發(fā)現(xiàn)高破產(chǎn)概率的公司傾向于獲得更低的平均收益?；诿绹袌鰯?shù)據(jù)得出類似結(jié)論的還有Avramov等（2013）[31]、Da和Gao（2010）[32]以及Conrad 等（2012）[33]等。Bauer和Agarwal（2014）[34]使用英國市場數(shù)據(jù)、Gao等（2012）[35]使用跨國數(shù)據(jù)的結(jié)論也認(rèn)為違約風(fēng)險與股票收益存在負(fù)相關(guān)關(guān)系。因為這一結(jié)果與“高風(fēng)險，高收益”的經(jīng)典理論不相符，被解釋為市場的定價偏誤，并稱之為“違約異象”（default anomaly）。也有一些學(xué)者從其他角度尋求解釋，例如Garlappi 等（2008）、Garlappi和Yan（2011）[36]提出股東優(yōu)勢理論，認(rèn)為更高的股東議價能力或公司清算成本會降低股東的剩余索取權(quán)風(fēng)險，從而降低了股票的必要報酬率;Avramov等（2011）提出長期風(fēng)險理論，認(rèn)為市場預(yù)期瀕臨違約的公司會因為破產(chǎn)而無法長久生存，反而處于較少的風(fēng)險暴露，導(dǎo)致其具有較低的收益;Filipe等（2016）則從違約風(fēng)險中分解出特質(zhì)性風(fēng)險部分，認(rèn)為這才是導(dǎo)致違約異象的根源。此外，還有學(xué)者從公司榮譽(yù)、投資者心理、定價信息相關(guān)性等方面對違約異象進(jìn)行解釋（Conrad等，2012;Gao等，2012;Bauer和Agarwal，2014）。

眾所周知，在中國A股市場IPO不僅難度大，而且程序繁瑣，加上公共利益、“殼資源”的稀缺性、政府社會責(zé)任和聲譽(yù)等因素的綜合作用，導(dǎo)致各方面的利益相關(guān)者在公司瀕臨破產(chǎn)時，仍然會極力選擇重組而非退市和清算（何旭強(qiáng)、周業(yè)安，2006）[37]。這就使得我國上市公司面臨的違約風(fēng)險與股票收益之間也存在異于一般認(rèn)知的關(guān)系。葉軍（2008）[38]選取A股上市公司1997年1月4日至2007年12月28日數(shù)據(jù)，實證研究結(jié)果表明中國股票市場存在明顯的違約異象。但是，李一帆（2012）[39]選取35家申請破產(chǎn)的公司數(shù)據(jù)進(jìn)行回歸分析卻發(fā)現(xiàn)破產(chǎn)風(fēng)險與股票收益正相關(guān)。以上兩項研究不僅結(jié)論存在沖突，而且二者的樣本都相對較小，數(shù)據(jù)也有些過時，難以對當(dāng)前的投資決策提供足夠的參考價值。筆者認(rèn)為，在2014年出現(xiàn)上市公司債券違約事件之后，投資者對于金融資產(chǎn)“剛性兌付”的預(yù)期被打破，這勢必會使以往的風(fēng)險—收益關(guān)系發(fā)生微妙變化。因此，從違約風(fēng)險角度來看，需要對2014年前后A股市場上違約風(fēng)險—股票收益關(guān)系是否出現(xiàn)變化，哪些因素會影響到違約風(fēng)險—股票收益的關(guān)系展開研究。

三、研究假設(shè)與研究設(shè)計

（一）研究假設(shè)

2014年，我國發(fā)生了第一起公司債違約事件。以此為分界線，中國市場對違約風(fēng)險的理解和處理方式發(fā)生了重要變化。這將會在違約風(fēng)險—股票收益的關(guān)系上體現(xiàn)出來。

在2014年之前，為了維護(hù)市場穩(wěn)定，不論是地方政府還是公司發(fā)行的債券，都不允許出現(xiàn)違約。長期以來，市場上也的確沒有發(fā)生過違約事件。在此背景下，投資者形成了國內(nèi)各類債券不會違約的預(yù)期。這種預(yù)期一旦形成，就會歪曲市場的投資邏輯并對資產(chǎn)定價造成扭曲。在股票投資中，上述“剛性兌付”的預(yù)期最終使得公司的違約風(fēng)險變化無法傳導(dǎo)到股票價格上，所以市場上并不會出現(xiàn)傳統(tǒng)金融理論所認(rèn)為的“高風(fēng)險—高收益”關(guān)系。相反，投資者甚至?xí)⒐臼艿诫[性擔(dān)保的能力、公司的違約風(fēng)險與公司的價值相掛鉤。這說明，如果公司敢于承擔(dān)的違約風(fēng)險越高，就意味著公司能夠得到的隱性擔(dān)保越強(qiáng)。因此對投資者而言，就算這類公司最終違約了，投資損失也可能更小，但如果公司的經(jīng)營取得成功，投資者卻能夠收益頗豐。在這種情況下，公司的違約風(fēng)險高，反而會成為安全性和收益性的集中體現(xiàn)?；诖耍袌錾媳阌辛艘环N怪異的投資邏輯：公司違約風(fēng)險高，意味著公司得到的隱性擔(dān)保程度高，意味著公司的實際投資風(fēng)險低和潛在收益高，于是投資者愿意接受更低的風(fēng)險溢價。這種“高違約風(fēng)險—低股票收益”的關(guān)系，就是“違約異象”。

然而，在2014年之后，隨著第一起公司債違約事件發(fā)生，長期以來形成的“剛性兌付”預(yù)期被打破，上述的投資邏輯無法繼續(xù)成立。投資者突然意識到中國的債券也有可能發(fā)生違約，而且也預(yù)期到未來還將有更多債券違約。這種預(yù)期一旦確立，違約風(fēng)險對資產(chǎn)價格的影響方式便發(fā)生了本質(zhì)變化。投資者將審慎考慮公司面臨的違約風(fēng)險以及遭受破產(chǎn)清算的可能性，并據(jù)此決定股票的交易價格。于是，違約風(fēng)險更高的股票，就需要有更高的風(fēng)險溢價對投資者進(jìn)行補(bǔ)償，亦即“違約異象”消失，而傳統(tǒng)金融學(xué)理論認(rèn)為的“高風(fēng)險—高收益”關(guān)系逐步顯現(xiàn)。根據(jù)以上分析，提出假設(shè)1。

假設(shè)1：在2014年之前，A股市場存在“違約異象”;在2014年之后，A股市場的“違約異象”消失。

正如前文所述，在“違約風(fēng)險高—隱性擔(dān)保高—實際風(fēng)險降低—股票收益率降低”的投資邏輯下，隱性擔(dān)保程度的高低成為決定股票價格的重要影響因素。而在所有能夠起到隱性擔(dān)保作用的因子中，國企背景顯然是其中最為突出的一個。如果上市公司具備國企背景，那么在相同的違約風(fēng)險下，投資者會愿意接受更低的風(fēng)險溢價，從而表現(xiàn)出更顯著的“違約異象”?；诖?，提出假設(shè)2。

假設(shè)2：在2014年之前，在相同的違約風(fēng)險下，相比非國企股票，國企股票中存在的“違約異象”更加明顯。

另外，在2014年之后，盡管市場的預(yù)期發(fā)生了扭轉(zhuǎn)，但上市公司的國企屬性顯然還會繼續(xù)發(fā)揮作用。因為相比于非國企，擁有國企背景的上市公司如果違約，背后仍有各級政府會負(fù)責(zé)公司的債務(wù)重組和償付安排，幾乎不可能進(jìn)入破產(chǎn)清算的階段。然而，非國企背景的上市公司一旦違約，則很難取得相同的政府支持。于是，投資者會更加重視違約風(fēng)險對非國企背景股票的影響，而相對輕視國企背景股票的違約風(fēng)險。基于此，提出假設(shè)3。

假設(shè)3：在2014年之后，在相同違約風(fēng)險下，相比非國企股票，國企股票對違約風(fēng)險的敏感性更低。

（二）變量與數(shù)據(jù)

本文涉及到的主要變量，包括個股季度收益率（RET）、市場季度收益率（RM）、個股季末的市凈率（PB）、個股季末流通市值的對數(shù)（lnSIZE）等。其中，市場季度收益率RM是使用本季度A股市場所有股票的季度收益率根據(jù)流通市值加權(quán)平均計算所得。筆者運(yùn)用Moodys KMV方法計算違約概率（probability of default）來衡量違約風(fēng)險，記作PD，具體計算過程參考Filipe等（2016）。此外，筆者以Dum_2014表示時間虛擬變量，即如果在2014年之前（含2014年），則Dum_2014=1，否則Dum_2014=0;以Dum_Sateowned表示國有背景虛擬變量，即如果公司為國有企業(yè)，則Dum_Sateowned=1，否則Dum_Sateowned=0。與此對應(yīng)，使用PD_2014和PD_Sateowned分別表示PD與Dum_2014和Dum_Sateowned的交互項。

本文的數(shù)據(jù)全部來自國泰安數(shù)據(jù)庫（CSMAR），時間跨度為2004年第一季度到2017年第四季度。為了排除次新股股價異常波動的影響，文中剔除上市未滿12個季度的股票，同時也剔除部分?jǐn)?shù)據(jù)異常的觀察值和全部金融類公司，最終剩余2 404只股票，合計包含46 926個觀察值。

為了驗證假設(shè)1，筆者以2014年為界限，將全樣本分割成兩部分，樣本1中包含2004年第一季度到2014年第四季度的數(shù)據(jù)，共包含41 447個觀察值;樣本2中包含2015年第一季度到2017年第四季度的數(shù)據(jù)，共包含5 479個觀察值。此處之所以將2014年歸入樣本1，是因為筆者認(rèn)為2014年剛剛出現(xiàn)違約事件，投資者可能還需要一段時間適應(yīng)這種變化，隨后才能調(diào)整對違約風(fēng)險溢價的要求。而在完全適應(yīng)之前，市場更可能仍舊沿用原來的投資思路對資產(chǎn)進(jìn)行定價。因此，將2014年的觀察值歸入樣本1中會更為合適。當(dāng)然，筆者也試過將2014年歸入樣本2中以及將2014年的觀察值刪除的做法，這些都沒有改變本文的基本結(jié)論，故不作詳細(xì)報告。

（三）實證模型

本文重點關(guān)注違約風(fēng)險與股票收益的關(guān)系，因此建立模型（1）作為基礎(chǔ)模型：

RETi，t=？琢+？茁0PDi，t-1+？著t（1）

其中，RETi，t表示第i只股票在第t個季度剔除了無風(fēng)險收益率之后的季度收益率;PDi，t-1表示第i只股票在第t-1個季度的違約概率;？著t是殘差項，假設(shè)服從白噪聲分布?；谀Ｐ停?）得到PDi，t-1的系數(shù)估計值？茁0，只能夠粗略描述RETi，t與PDi，t-1的相關(guān)性并不能說明太多問題。因此，筆者吸納單因子、三因子和四因子模型的思想（Fama和French，1993;Carhart，1997）[40]，在模型（1）的基礎(chǔ)上依次添加控制變量，得到模型（2）-（4）：

RETi，t=？琢+？茁0PDi，t-1+？茁1RMt+？著t（2）

RETi，t=？琢+？茁0PDi，t-1+？茁1RMt+？茁2PBi，t-1+？茁3lnSIZEi，t-1+？著t（3）

RETi，t=？琢+？茁0PDi，t-1+？茁1RMt+？茁2PBi，t-1+？茁3lnSIZEi，t-1PBi，t-1+

？茁4RETi，t-1+？著t（4）

其中，RMi，t表示在第t個季度的市場收益率;PBi，t-1表示第i只股票在第t-1個季度末的市凈率;lnSIZEi，t-1表示個股在第i只股票在第t-1個季度末的流通市值的對數(shù)。分別使用全樣本、樣本1和樣本2的數(shù)據(jù)對上述的模型（2）-（4）進(jìn)行回歸，并觀察PDi，t-1系數(shù)估計值？茁0的差異，筆者可以驗證假設(shè)1。

隨后，筆者將已有樣本進(jìn)一步劃分為國企組和非國企組，再使用上述的多因子模型進(jìn)行估計，最后通過比較PDi，t-1系數(shù)估計值的差異來驗證假設(shè)2和假設(shè)3。

為了確保結(jié)果穩(wěn)健，筆者在上述的多因子模型中依次添加年份虛擬變量Dum_2014、交互項PD_2014、虛擬變量Dum_Stateowned、交互項PD_Stateowned。如果以模型（3）為基礎(chǔ)，則最終完整的模型如下：

RETi，t=？琢+？茁0PDi，t-1+？茁1RMt+？茁2PBi，t-1+？茁3lnSIZEi，t-1+？茁5Dum_2014i，t+？茁6PD_2014i，t+？茁7Dum_Stateownedi，t+？茁8PD_Stateownedi，t+？著t（5）

考慮到行業(yè)因素可能造成的影響，筆者將在穩(wěn)健性檢驗部分進(jìn)一步根據(jù)交易所公布的上市公司行業(yè)分類結(jié)果對全樣本進(jìn)行分組，然后使用模型（5）進(jìn)行估計。

四、描述性統(tǒng)計、相關(guān)性分析和初步的實證檢驗

（一）相關(guān)性分析

圖1顯示了每個季度的平均違約概率與市場收益率的關(guān)系。其中，平均違約概率是每個季度樣本內(nèi)所有股票違約概率的算術(shù)平均值，市場收益率是每個季度全市場正在交易的所有股票根據(jù)流通市值加權(quán)的收益率。顯然，僅僅通過圖1很難發(fā)現(xiàn)平均違約概率與市場收益率之間是否存在穩(wěn)定的關(guān)系模式。

表1顯示了當(dāng)期的違約概率PDi，t及滯后一期的違約概率PDi，t-1與其他主要變量的相關(guān)系數(shù)。從全樣本來看，PDi，t與PDi，t-1之間存在正相關(guān)性，但相關(guān)系數(shù)不大，僅為9%。此外，二者與個股季度收益率RETi，t都存在正相關(guān)關(guān)系。這否認(rèn)了“違約異象”的存在。另外需要注意的是，PDi，t和PDi，t-1與個股季度收益率RETi，t的關(guān)系在兩個子樣本中存在重要差異。具體而言，樣本1的結(jié)果與全樣本沒有太大差別，即無論是PDi，t還是PDi，t-1，都與RETi，t正相關(guān)。但是在樣本2中，PDi，t與RETit負(fù)相關(guān)，但PDi，t-1與RETi，t正相關(guān)。這初步說明在2014年之后，違約風(fēng)險對股票收益率的影響可能更加顯著，而且違約風(fēng)險的上升會促使股價在當(dāng)期立刻就出現(xiàn)較大的下跌，導(dǎo)致股票當(dāng)季的收益率減小;同時，由于違約風(fēng)險上升，投資者要求更高的溢價補(bǔ)償，就使得股票未來的收益率增大。

（二）初步的實證檢驗

分別基于全樣本、樣本1和樣本2對模型（1）-（2）進(jìn)行估計（結(jié)果見表2），在表2的第（1）（3）和（5）列中，PDi，t-1的系數(shù)都顯著為正，驗證“高風(fēng)險—高收益”的傳統(tǒng)金融學(xué)觀點。但是，這三次回歸的adj-R2值都極小，所以并不具有太大的解釋意義。

進(jìn)一步觀察表2的第（2）（4）和（6）列中，由于控制了市場收益率的影響，所以不僅adj-R2明顯提高，而且PDi，t-1的系數(shù)在樣本1和樣本2中出現(xiàn)了明顯差異。具體而言，在表2第（4）列中可以看到PDi，t-1的系數(shù)顯著為負(fù)，值為-0.335;在表2第（6）列中可以看到PDi，t-1系數(shù)顯著為正，值為2.448?？梢姡?014年之前，在我國A股市場上的確出現(xiàn)了“違約異象”，但是在2014年之后，隨著“剛性兌付”被打破，投資者開始重視違約風(fēng)險在資產(chǎn)定價中的作用，A股市場上的“違約異象”消失。此后，個股如果面臨更高的違約風(fēng)險，便需要相應(yīng)的風(fēng)險溢價對投資者進(jìn)行補(bǔ)償。

五、進(jìn)一步的實證檢驗

（一）基于多因子模型的檢驗

表3顯示的是對模型（3）-（4）的估計結(jié)果。觀察發(fā)現(xiàn)，PDi，t-1的系數(shù)在表3第（3）列中顯著為負(fù)，在表（3）第（5）列中顯著為正。可見，基于三因子模型的估計結(jié)果再次說明在2014年之前A股市場存在“違約異象”，而在2014年之后，該異象消失。在表3第（4）和第（6）列中，基于四因子模型的估計結(jié)果也顯示，在2014年之后不再出現(xiàn)顯著的違約異象。然而，考慮到表1中PDi，t與RETi，t的相關(guān)系數(shù)較為顯著，因此PDi，t-1與RETi，t-1同樣會顯著相關(guān)。這種情況下，如果讓PDi，t-1與RETi，t-1同時出現(xiàn)在模型中，則會對估計結(jié)果造成干擾。因此，在進(jìn)一步的研究中，筆者主要依據(jù)模型（3）進(jìn)行估計。

（二）考慮公司屬性的影響

在每個季度根據(jù)公司是否為國企，將樣本進(jìn)一步分為國企和非國企兩組，繼而使用模型（3）進(jìn)行估計，結(jié)果顯示在表4中。觀察發(fā)現(xiàn)，在表4第（3）-（4）列中，PDi，t-1的系數(shù)都顯著為負(fù)，而在第（5）-（6）列中，PDi，t-1的系數(shù)都顯著為正。這一對比結(jié)果再次說明，“違約異象”主要出現(xiàn)在2014年之前。進(jìn)而分別關(guān)注樣本1和樣本2。在樣本1中，第（3）列非國企組PDi，t-1的系數(shù)估計值雖然為負(fù)但不顯著，而第（4）列國企組的PDi，t-1系數(shù)估計值顯著為負(fù)。這表明在2014年之前，“違約異象”集中出現(xiàn)在國企股票上，“違約異象”在非國企股票上表現(xiàn)并不明顯。由此證明了假設(shè)2。

在樣本2中，第（5）和第（6）列的PDi，t-1系數(shù)估計值雖然都顯著為正，但前者（4.986）遠(yuǎn)大于后者（2.142）。這表明在2014年之后，不僅“違約異象”消失，而且非國企的股票收益率對違約風(fēng)險變化的敏感性遠(yuǎn)超國企。即，在2014年之后，相比于國企，非國企股票的違約風(fēng)險溢價更高。由此證明了假設(shè)3。

六、穩(wěn)健性檢驗

（一）使用交互項

表5顯示了對模型（5）進(jìn)行估計的結(jié)果。其中，PDi，t-1的系數(shù)全部顯著為正，表明在模型中添加了虛擬變量和交互項之后，估計結(jié)果仍然表明越大的違約風(fēng)險，需要越高的股票收益率進(jìn)行補(bǔ)償。該結(jié)論極為穩(wěn)健。

虛擬變量Dum_2014i，t的系數(shù)全部顯著為負(fù)，意味著平均而言，在2014年之前的11年中，季度平均收益率低于之后三年的季度個股平均收益率。另外，交互項PD_2014i，t的系數(shù)也都顯著為負(fù)，并且絕對值上都略大于PDi，t-1的系數(shù)，再次說明在A股市場“違約異象”主要存在于2014年之前。在2014年之后，該異象不再顯著。這再次證明假設(shè)1。

進(jìn)一步分析可知，虛擬變量Dum_Stateownedi，t的系數(shù)在表5第（3）-（4）列中都不顯著。這意味著公司是否具有國企背景，本身并不會直接對股票收益造成穩(wěn)定的影響。但是在表5第（4）列中，交互項PD_Stateownedi，t的系數(shù)顯著為負(fù)。這表明在相同的違約風(fēng)險下，相比于非國有企業(yè)，國有企業(yè)的股票收益率對違約風(fēng)險變化的敏感性更低、風(fēng)險溢價更小、出現(xiàn)“違約異象”的可能性更大。由此再次驗證假設(shè)2和3。

（二）不同行業(yè)的情況

考慮到行業(yè)因素會對本文的結(jié)論帶來影響，因此本部分將全樣本按照行業(yè)屬性分為五個部分，分別為公用事業(yè)、房地產(chǎn)、綜合、工業(yè)和商業(yè)，然后再使用模型（5）進(jìn)行重新估計，結(jié)果見表6。從表6中可以看出，PDi，t-1的系數(shù)都顯著為正。這說明對于所有行業(yè)而言，“高風(fēng)險—高收益”的傳統(tǒng)理論觀點都成立。另外，交互項PD_2014i，t的系數(shù)也全部顯著為負(fù)?？梢娫谒行袠I(yè)中，“違約異象”主要是出現(xiàn)在2014年之前。同時還要注意到，交互項PD_Stateownedi，t的系數(shù)僅房地產(chǎn)和工業(yè)兩項顯著為負(fù)，其余行業(yè)并不顯著。這一方面是因為公用事業(yè)類公司多數(shù)為國企，而綜合類與商業(yè)類公司則多數(shù)為非國企，從而影響到了估計結(jié)果;另一方面也說明并不是對于每一個行業(yè)而言，國有企業(yè)的屬性都能夠顯著降低股票收益對違約風(fēng)險的敏感性。

七、結(jié)論與建議

本文通過實證分析得出以下結(jié)論：第一，A股市場在2014年之前確實存在較為明顯的“違約異象”，即股票的違約風(fēng)險越高，未來的收益率反而會越低。然而，在2014年之后，隨著債券違約事件頻繁出現(xiàn)，“剛性兌付”預(yù)期被打破，違約風(fēng)險與股票收益的關(guān)系發(fā)生了明顯變化。此后A股市場上違約風(fēng)險更大的股票需要對投資者承擔(dān)的風(fēng)險進(jìn)行相應(yīng)的溢價補(bǔ)償，其收益率也變得更高。第二，上市公司是否為國企，會顯著影響股票收益對違約風(fēng)險的敏感性。具體而言，在2014年之前，“違約異象”主要集中出現(xiàn)在國企背景的上市公司股票中，對于非國企背景的股票，“違約異象”并不顯著。在2014年之后，違約風(fēng)險與股票收益的關(guān)系表現(xiàn)為正常的“高風(fēng)險—高收益”關(guān)系，但是分組回歸的結(jié)果顯示，非國企背景股票的收益率對違約風(fēng)險變化的敏感性要比國企背景股票高出一倍多。換言之，國企屬性顯著降低了股票收益對違約風(fēng)險變化的敏感性，使違約風(fēng)險溢價減小。

基于本文的研究，筆者認(rèn)為國家自2014年起逐步打破我國金融產(chǎn)品“剛性兌付”的做法有利于市場的健康發(fā)展。打破“剛性兌付”預(yù)期，有助于市場回歸理性，審慎客觀地評估相關(guān)資產(chǎn)的違約風(fēng)險，并將違約風(fēng)險作為一個重要的影響因子納入到資產(chǎn)定價體系之中，從而進(jìn)一步發(fā)揮出市場價格發(fā)現(xiàn)的功能。為了繼續(xù)完善中國資本市場，未來還需要繼續(xù)堅持打破“剛性兌付”預(yù)期的政策。最后，由于公司是否擁有國企背景能夠顯著影響股票收益對違約風(fēng)險變化的敏感性，因此，在構(gòu)建資產(chǎn)組合的過程中，投資者需要將對違約風(fēng)險與國企屬性進(jìn)行綜合考慮，據(jù)此調(diào)整資產(chǎn)組合的構(gòu)成，以改善投資收益。

參考文獻(xiàn)：

[1]Altman E I. Financial Ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy[J]. Journal of Finance，1968，23（4）：589-609.

[2]Merton R C. On the Pricing of Corporate Debt：The Risk Structure of Interest Rates[J]. Journal of Finance，1974，29（2）：449-470.

[3]Fama E F，F(xiàn)rench K R. Common risk factors in the returns on stocks and bonds ☆[J]. Journal of Financial Economics，1993，33（1）：3-56.

[4]Longstaff F A，Schwartz E S. A Simple Approach to Valuing Risky Fixed and Floating Rate Debt[J]. Journal of Finance，1995，50（3）：789-819.

[5]馮宗憲，郭建偉，孫克.企業(yè)債的信用價差及其動態(tài)過程研究[J].金融研究，2009（3）：54-71.

[6]王永欽，陳映輝，杜巨瀾.軟預(yù)算約束與中國地方政府債務(wù)違約風(fēng)險：來自金融市場的證據(jù)[J].經(jīng)濟(jì)研究，2016，51（11）：96-109.

[7]Garlappi L，Shu T，Yan H. Default Risk，Shareholder Advantage，and Stock Returns[J]. Review of Financial Studies，2008，21（6）：2743-2778.

[8]Filipe S F，Grammatikos T，Michala D. Pricing Default Risk：The Good，The Bad，and The Anomaly ☆[J]. Journal of Financial Stability，2016，26：190-213.

[9]Scholes M S，Black F S. The Pricing of Options and Other Corporate Liabilities[J]. Journal of Political Economy，1973，81（3）：637-654.

[10]Kealhofer S. Quantifying Credit Risk I：Default Prediction[J]. Financial Analysts Journal，2003，59（1）：30-44.

[11]Kealhofer S. Quantifying Credit Risk II：Debt Valuation[J]. Social Science Electronic Publishing，2003，59（3）：78-92.

[12]陳藝云.中國公司債違約風(fēng)險度量的理論與實證研究[J].系統(tǒng)工程，2016（1）：26-33.

[13]楊世偉，李錦成.信用風(fēng)險度量、債券違約預(yù)測與結(jié)構(gòu)化模型擴(kuò)展[J].證券市場導(dǎo)報，2015（10）：41-48.

[14]Li A，Yu Y，Liu Z. Sensitivity Analysis of b in MCLP Model for Credit Card-Holders Classification[J]. Procedia Computer Science，2013（17）：1023-1031.

[15]陳瑩，等.基于MCLP模型的個人住房抵押貸款違約風(fēng)險研究[J].審計與經(jīng)濟(jì)研究，2015（1）：105-112.

[16]Duffie D，Singleton K J. Modeling Term Structures of Defaultable Bonds[J]. Review of Financial Studies，1999，12（4）：687-720.

[17]Zhou C. The term structure of credit spreads with jump risk[J]. Journal of Banking & Finance，2001，25（11）：2015-2040.

[18]Elton E J，Gruber M J，Agrawal D，et al. Explaining the Rate Spread on Corporate Bonds[J]. Journal of Finance，2001，56（1）：247-277.

[19]林鴻熙，林建偉.考慮對手方違約風(fēng)險首次違約互換合約的定價[J].系統(tǒng)工程學(xué)報，2011（6）：785-791.

[20]王安興，解文增，余文龍.中國公司債利差的構(gòu)成及影響因素實證分析[J].管理科學(xué)學(xué)報，2012（5）：32-41.

[21]Campbell J Y，Hilscher J，Szilagyi J. In Search of Distress Risk[J]. Journal of Finance，2008，63（6）：2899–2939.

[22]Denis D J，Denis D K. Causes of financial distress following leveraged recapitalizations ☆[J]. Journal of Financial Economics，1995，37（2）：129-157.

[23]Fama E F，F(xiàn)rench K R. Multifactor Explanations of Asset Pricing Anomalies[J]. Journal of Finance，1996，51（1）：55-84.

[24]Vassalou M，Xing Y. Default Risk in Equity Returns[J]. Journal of Finance，2004，59（2）：831-868.

[25]Avramov D，Chordia T，Jostova G，et al. Momentum and Credit Rating[J]. Journal of Finance，2007，62（5）：2503-2520.

[26]Chava S，Purnanandam A. Is Default Risk Negatively Related to Stock Returns？[J]. Review of Financial Studies，2010，23（6）：2523-2559.

[27]Aretz K，F(xiàn)lorackis C，Kostakis A. Do Stock Returns Really Decrease with Default Risk？New International Evidence[J]. Ssrn Electronic Journal，2013.

[28]Dichev I D. Is the Risk of Bankruptcy a Systematic Risk？[J]. Journal of Finance，1998，53（3）：1131-1147.

[29]Ohlson J A. Financial Ratios and the Probabilistic Prediction of Bankruptcy[J]. Journal of Accounting Research，1980，18（1）：109-131.

[30]Griffin J M，Lemmon M L. Book-to-Market Equity，Distress Risk，and Stock Returns[J]. Journal of Finance，2010，57（5）：2317-2336.

[31]Avramov D，Chordia T，Jostova G，et al. Anomalies and financial distress ☆[J]. Journal of Financial Economics，2013，108（1）：139-159.

[32]Da Z，Gao P. Clientele Change，Liquidity Shock，and the Return on Financially Distressed Stocks[J]. Journal of Financial & Quantitative Analysis，2010，45（1）：27-48.

[33]Conrad J S，Kapadia N，Xing Y. What Explains the Distress Risk Puzzle：Death or Glory？[J]. Ssrn Electronic Journal，2012.

[34]Bauer，Julian，Agarwal，Vineet，2014. Distress Risk and Stock Returns：The Neglected Profitability Effect. Working Paper.

[35]Gao P，Parsons C A，Shen J. The Global Relation between Financial Distress and Equity Returns[J]. Ssrn Electronic Journal，2012，41（4）：536-550.

[36]Garlappi L，Yan H. Financial Distress and the Cross-section of Equity Returns[J]. Journal of Finance，2011，66（3）：789-822.

[37]何旭強(qiáng)，周業(yè)安. 上市公司破產(chǎn)和重整的選擇機(jī)制、經(jīng)濟(jì)效率及法律基礎(chǔ)[J]. 管理世界，2006（7）：125-131.

[38]葉軍. 股票收益中的違約風(fēng)險[D].廈門：廈門大學(xué)，2008.

[39]李一帆. 破產(chǎn)風(fēng)險、股東優(yōu)勢與股票收益——來自中國市場的經(jīng)驗證據(jù)[D].上海：上海交通大學(xué)，2012.

[40]Carhart M. On persistence in mutual fund returns[J]. Journal of Finance，1997.

責(zé)任編輯：李金霞

Did the Default Anomaly Disappear in A-share Market？

Wang Hongliang1，Zhang Jin2，Chen Hui3

（1.College of Finance and Statistics，Hunan University，Changsha 100088，China;2.School of Economics，Peking University，Beijing 100871，China;3.School of Economics，Huazhong University of Science and Technology，Wuhan 430074，China）

Abstract： In recent years，Chinese debt risk has aroused widespread concern while exerting an important impact on asset pricing. By combining corporate accounting data and stock price data from the first quarter of 2004 to the fourth quarter of 2017，and referring to Moody 's KMV method to construct an indicator which measures probability of default，this paper studied the relationship between default risk and stock returns. Empirical analysis showed that before 2014，there had a "default anomaly" in Chinese A-share market，which means "high default risk with low stock return". But after 2014，with the occurrence of debt defaults，the relationship between default risk and stock returns gradually reversed，and the default anomaly disappeared. The research also finds that whether listed companies are state-owned or not will significantly affect the sensitivity of stock returns to the default risk. Specifically，the yields of non-state-owned background stocks are almost twice as sensitive to changes in default risk as those of state-owned background stocks.

Key words：A-stock market，default risk，stock returns，state-owned enterprise background，corporation bonds，asset price