陶雄華，鄭肇晨，曹松威

(1.中南財經(jīng)政法大學 金融學院，湖北 武漢 430073；2國信證券 博士后工作站，廣東 深圳 518001)

一、引 言

我國經(jīng)濟正處于高速增長階段向高質(zhì)量發(fā)展階段轉(zhuǎn)變，在淘汰落后產(chǎn)能培育經(jīng)濟新動能時期出現(xiàn)經(jīng)濟增速有所放緩、企業(yè)盈利增速下滑的現(xiàn)象。很多企業(yè)在“去杠桿”的宏觀政策背景下債務壓力上升、流動性趨緊而導致近幾年信用債市場上的違約風險集中暴露。我國債券市場的信用風險暴露經(jīng)歷了一系列結(jié)構(gòu)性的變化，同時也是政府隱性擔保預期逐漸被打破的過程。2011年至2014年間政府隱性擔保對債券定價影響顯著[1-2]，使信用違約風險未能有效反映到債券價格當中。2014年“11超日債”的違約標志著我國信用債市場的“剛兌”預期被打破，債券違約走向常態(tài)化[3-4]。2018年共120支債券違約，接近前4年的總和122支；2018年違約金額1176億遠遠超過前4年的總和860億元[5]。加快完善債券違約處置機制已是當務之急。雖然信用風險定價機制在逐步完善，但目前違約因素在多大程度上反映到債券價格當中，這個問題國內(nèi)已有研究還缺少定量分析。

對于近年來我國信用風險多大程度上解釋了信用利差的動態(tài)變動這一問題，本文在Nozawa[6]信用利差的方差分解方法基礎上，利用2014Q1～2019Q1我國信用債面板交易數(shù)據(jù)，在控制住債券評級因素后，分析了這兩部分對信用利差波動的貢獻率及它們與不同評級債券之間的動態(tài)非線性關系。本文的主要創(chuàng)新在于兩方面：一方面，本文定量分析了近年來我國信用損失對債券信用利差波動的貢獻度；另一方面，本文在Nozawa[6]的基礎上結(jié)合Duffee[7]對方差分解方法的改進，提高了各因素貢獻比率度量的精確度。

二、文獻回顧與研究假設

1.文獻綜述

從研究方法來看，由于債券違約和收益的預期在事前不可觀測，以往研究通常借助債務的“結(jié)構(gòu)模型”[8-15]或“簡化模型”[16-18]，以及利用衍生品定價模型[19-21]來量化信用利差中的信用風險。但傳統(tǒng)模型只關注企業(yè)違約風險，導致在校準歷史數(shù)據(jù)后模型的結(jié)果顯著小于高評級債券的真實信用利差，此現(xiàn)象被稱為“信用利差之謎”[15]39。因此，研究早期關注債券信用利差中信用風險無法解釋的部分。

早期研究除發(fā)現(xiàn)補償投資者的預期信用損失之外，利差中往往還存在一部分很可觀的風險溢價[22]。此溢價部分主要是債券的流動性風險和宏觀市場流動性主導的[19]2246。越來越多研究表明，模型和數(shù)據(jù)上流動性風險對信用利差的影響顯著[23-24]，甚至是主導因素[25]941?？紤]到企業(yè)違約概率會隨經(jīng)濟周期波動，從美國150年的長期數(shù)據(jù)來看，違約風險的溢價部分總體略高于違約損失[26]243。另外，利差中違約部分和非違約部分并非完全正交，也有相互影響的部分[20]886，[23]2231。

國內(nèi)以往研究由于缺少債券違約數(shù)據(jù)，往往回避信用風險而直接考察其他單因素對信用利差的影響。如市場層面的流動性因素[27-30]、投資者情緒[31]、交易機制[32]；公司層面因素的研究有代理問題[33]、公司信用評級[34]、公司盈余管理[35]。綜合來看，已有研究未得出一致性結(jié)論。國內(nèi)文獻對信用風險的度量上通常依賴債券評級或莫頓違約概率等替代變量。如此設定變量難免失真，且模型往往依賴對公司債券結(jié)構(gòu)和公司違約選擇的假設。在近年我國逐步“打破剛兌”情況下，需要補充完善信用風險對信用利差影響的研究基礎。

2.假設提出

將信用利差分解為違約和流動性兩部分是實證研究中通常做法。Longstaff 等人將企業(yè)債券利差分成違約部分(信用違約互換溢價)和非違約部分，各評級債券結(jié)果表明違約風險解釋了半數(shù)以上的利差[19]2218。Dick-Nielsen等人從利差中分解出流動性風險部分，剩余利差歸為信用風險部分，這種方法更直接地考察了流動性風險在各評級債券中的非線性影響[36]473。Gilchrist和Zakrajsek從經(jīng)濟周期波動的角度將信用利差分解為順經(jīng)濟周期的債券超額收益和逆周期的公司違約風險[37]1701。Schwert綜合比較了不同的分解方法[18]2218，[35]473，發(fā)現(xiàn)美國城投債違約風險溢價占信用利差的74%～84%[38]。Nowaza認為，對公司債券投資者而言，因債券票息率是固定的，對其未來現(xiàn)金流的沖擊預期就來源于兌付其持有債券的違約風險和交易債券得到的風險溢價水平變化，而其方差分解結(jié)果表明，信用風險和風險溢價對信用利差動態(tài)波動的貢獻度相近[6]2050。

相比于西方國家，我國債券市場建設起步較晚，投資者風險意識、評級制度等市場機制還不夠健全[39]，政府隱性擔保也長期存在并影響著債券市場的定價[1]162，這可能會削弱公司信用風險在債券利差中的反應。同時從2015年開始，中國股票市場發(fā)生了大幅度波動，寬松貨幣政策的調(diào)整等因素促進了債券市場的發(fā)展，投資者對債券市場的收益也進一步增加。據(jù)此，本文提出第一個假設：

H1：相較于信用風險，債券期望收益主導了我國債券信用利差的波動。

與內(nèi)生于市場機制的信用評級行業(yè)不同，我國的信用評級行業(yè)是內(nèi)生于制度設計和監(jiān)管需求的[40]，發(fā)債企業(yè)和評級機構(gòu)出現(xiàn)“合謀”的概率更大，企業(yè)所獲得的評級的區(qū)分度也更低[41]，這導致了我國債券信用評級的膨脹[42]。隨著2014年債券違約的不斷出現(xiàn)，信用評級的動態(tài)調(diào)整不斷增多，且相比于債券發(fā)行時的信用評級，信用評級的調(diào)整會帶來顯著的市場反應，同時上調(diào)和下調(diào)所帶來的市場反應程度也不同[43]。據(jù)此，本文提出第二個研究假設：

H2：債券信用評級會影響信用損失預期和超額收益預期對信用利差的邊際貢獻。

三、研究設計

本文先建立滯后一期的向量自回歸來分析不同評級之間的動態(tài)變化，然后估計債券信用損失和超額收益在此VAR模型條件下的長期回歸系數(shù)，最后估計各因素在長期回歸中擬合值的標準差來確定其對信用利差波動的貢獻權重。

1.樣本選取及數(shù)據(jù)來源

針對公司債違約事件發(fā)生頻率小且不連續(xù)以及目前國內(nèi)違約樣本太少而導致信用風險難以測度的問題，本文選取債券發(fā)行人屬于A股上市公司的債券樣本，使用已有研究[37]1701，[6]2053均采用的KMV方法來估計債券發(fā)行主體的違約概率。2014年1月至2019年1月期間，450個上市公司發(fā)行了公司債共1621支(銀行間交易所上市637支，上證、深證交易所上市984支)，其中在2017年后上市交易居多。樣本區(qū)間內(nèi)，篩選出有成交量的交易日在每個月取平均價格，最后得到有評級分類的債券月度截面交易數(shù)據(jù)共19 974筆。其中違約債券數(shù)據(jù)占176筆。本文數(shù)據(jù)來自國泰安和wind。

2.研究變量的選擇

(1)樣本時間段。2014年后公司債違約才開始常態(tài)化，所以，本文樣本時間段設定為2014年1月至2019年1月共5年，債券距離到期時間Ti=[1,5]，從2014年開始設定為5，逐年遞減。

(2)評級劃分。國外研究以評級BBB為界將債券分為投資級(IG)和高收益(風險)級(HY)。但此劃分并不適合我國實際情況，根據(jù)中國證券登記結(jié)算有限公司要求主體評級為AA 級(含) 以上債券才具備質(zhì)押融資資格的規(guī)定，本文按發(fā)行主體評級將公司債分為兩組：投資級債券組(AAA，AA+，AA)和高收益?zhèn)M(AA-，A+，A，BB+，C)。評級標準按照2019年1月最新主體評級為準。

(4)違約樣本。本文選取的債券違約類型包括：未按時兌付本金、利息、本息，擔保違約，觸發(fā)交叉違約及技術性違約。在規(guī)定時間段內(nèi)去除短期融資券、中期票據(jù)及無交易日樣本后，wind統(tǒng)計共有27支信用債違約，違約債券發(fā)行人除凱迪生態(tài)環(huán)境科技股份有限公司為公眾企業(yè)外均為民營企業(yè)。

3.研究模型

(1)信用風險測度

由于我國存在債券評級虛高的問題，使用債券評級作為債券信用風險替代變量并不合理。本文參考Nowaza[6]2048對債券收益率的對數(shù)線性近似：

(1)

(2)

(2)各影響因素貢獻比率

將(1)不斷向前迭代至債券i的到期日Ti并取時間t的條件期望，得到信用利差的動態(tài)分解會計恒等式：

(3)

(4)

式(4)等號右邊三部分分別與左邊的比例就是各自對信用利差的波動相對貢獻率。參照文獻[44-45]中方差分解通常使用的VAR模型作為計算方差分解中條件期望的基礎。假設單個債券i，服從滯后一期VAR模型：

Xi,t+1=A·Xi,t+Wi,t

(5)

其中因子向量：

(6)

dummyi是信用評級的虛擬變量，dummyi=(1,dAA+,dAA,d(AA-,A+,A,BB+,C))，本文將發(fā)行人主體評級AAA的債券作為參照組，對比其他3組不同評級。ti,tPDi,t是債券剩余期限與其發(fā)行主體的Merton模型預期違約概率乘積，研究一般在模型中加入此項來提高模型擬合度。模型假定Wi,t各期之間獨立。

(7)

其中，ei是第i個元素，是1的m維單位列向量；ρ是接近于1常數(shù)。定義eL=-ρe2+e2A-1-e1，G(Ti)=A(1-ρA)-1(I-(ρA)Ti-t)。

(8)

(9)

四、實證結(jié)果分析

1.變量的描述性統(tǒng)計

表1 各變量定義

表1 變量描述性統(tǒng)計分析

2.變量之間的相關性分析

以A股上市企業(yè)2014～2019年發(fā)行的債券月度交易數(shù)據(jù)為對象進行變量之間的Pearson相關性分析(表2)。由表2可知，債券超額收益與各評級債券信用利差顯著負相關；債券超額收益、各評級信用利差、違約概率均與信用損失預期及超額收益預期顯著相關。這為一階VAR的相關關系提供了初步證據(jù)，月度債券超額收益與各評級債券信用利差顯著負相關，因為利差擴大的原因是債券價格下跌，而下跌的債券會導致持有人當月產(chǎn)生負的資本利得，此關系反映到投資者的長期超額收益上也是如此。此外，大部分控制變量與超額收益預期和信用損失預期之間存在相關關系，說明本文選取了有效的控制變量債券評級，體現(xiàn)不同評級債券對信用損失預期及超額收益預期的非線性影響，可看到相關性隨評級惡化不斷增強。由KMV方法計算出的違約概率PDi,t和各評級債券信用利差總體顯著正相關，從數(shù)據(jù)上來看，違約概率并不能較好反映出市場風險定價。

表2 Pearson相關性分析

3.VAR滯后一期回歸結(jié)果分析

參照方差分解方法通常的設定[5]2052，[45]1259，模型假定不同債券在各期之間表現(xiàn)都一致，即VAR的系數(shù)矩陣A是恒定的，且債券間無個體效應。雖然系數(shù)矩陣A在各期恒定是個很強的假設，但恒定的系數(shù)矩陣條件為條件期望(3)向前迭代至債券到期日提供了便利，這也是VAR模型中去掉截距項的原因。另外，通過引入評級虛擬變量與利差交乘項后，可以在長期回歸中體現(xiàn)出不同因素對各個評級的利差的非線性影響。

由于不存在債券之間的個體效應，使用混合最小二乘法來估計VAR模型(5)的系數(shù)矩陣A的各行。將4組評級債券放在一起查看信用評級從高到低對各因素影響的動態(tài)變化，如表3所示。

表3 一階VAR系數(shù)估計

表3展示了VAR模型對各因子滯后一期的系數(shù)矩陣A的估計結(jié)果。此一階VAR在方差分解方法中的作用更多是為了計算信用損失和超額收益的條件期望，并非為嚴格考察滯后一期向量自回歸的系數(shù)的精確解釋。具體而言，表格第一列估計結(jié)果說明在其他因素不變情況下，當期超額收益越小，信用利差越大，下期超額收益就會越高。

4.VAR長期回歸結(jié)果分析

在回歸模型中設定債券信用評級與其信用利差的交乘形式(si,t·di)是為了體現(xiàn)出各評級債券對預期信用損失和預期超額收益表的非線性影響。從表4的結(jié)果來看，在其他條件不變情況下，預期信用損失隨評級債券下降對信用利差的邊際貢獻系數(shù)不斷上升：基準組AAA債券是0.064個單位，AA+債券是0.50(0.064+0.434)個單位，AA債券是0.77(0.064+0.705)個單位，高收益?zhèn)M(AA-，A+，A，BB+，C)平均來看是0.80(0.064+0.740)個單位。而預期超額收益對信用利差的貢獻則是邊際遞減。

表4 各因素的長期回歸

圖1 各評級債券的信用風險和超額收益對信用利差的邊際貢獻注:圖中橫軸是信用利差，評級區(qū)間曲線斜率對應各評級債券的信用利差在長期回歸中的回歸系數(shù)；虛線是正/負標準差邊界。

從表5結(jié)果來看，投資者的信用損失風險預期只貢獻了27%的信用利差變動，而預期風險溢價貢獻了48%的信用利差變動，所以，橫截面信用利差波動主要是由債券期望收益因素推動而非信用損失預期。這一結(jié)論與國外等研究結(jié)果一致[15]，[22]273，[25]941，[26]243，[46]。

表5 方差分解結(jié)果及貢獻權重

投資者預期信用損失因素占比偏小對于我國有特定的原因。一是信用風險并未完全反映到公司債定價中。正如紀志宏[29]提到的我國債券市場現(xiàn)狀：由于存在政府的“剛性兌付”，投資者并未承擔其信用風險，于是利用質(zhì)押回購交易對信用債不斷加杠桿。這也使得我們信用利差展現(xiàn)出很強的順流動性周期，而非順經(jīng)濟周期。流動性等交易層面的因素對信用利差的影響更大。二是我國公司債交易量太小且流動性極差，于是債券價格的波動更為劇烈，導致債券超額收益變動過大。

投資者的信用損失預期和超額收益預期一起貢獻了75%的信用利差的變動，剩下的25%對應為方差分解式(4)的右邊第三項cov(sLoss，sEBP)/σ(S)，即違約與非違約因素的相互影響解釋了四分之一的信用利差波動。有文獻專門對這部分因素交互影響進行了研究，實證了信用違約因素和流動性因素的相互影響部分對信用利差有顯著正向影響[20]886,[23]2231(10%～24%)。預期信用損失序列和預期超額收益序列長期來看具有弱負相關性(-0.22)，說明預期違約風險越大的債券在超額收益上的預期越小。

五、結(jié)論與建議

基本所有信用債發(fā)行人都會向債券投資者支付一定高于無風險利率的溢價，以補償貸款人的預期違約損失以及其他預期因素。以往通過結(jié)構(gòu)化模型研究違約風險的文獻往往需要對公司債券結(jié)構(gòu)和違約選擇進行假設，本文使用方差分解方法不需依賴模型假設，直接從債券交易數(shù)據(jù)和財務數(shù)據(jù)計算出投資者對信用損失與風險溢價的時變預期變化，并考察了它們對信用利差的解釋程度。

利用我國上市公司在2014Q1至2019Q1發(fā)行信用債的月度交易數(shù)據(jù)得到以下結(jié)果：總體來看，債券的預期信用損失對公司債信用利差貢獻偏小(27%)，而預期風險溢價是主導因素(48%)；從結(jié)構(gòu)上來看，投資者對債券信用違約風險的預期對信用利差影響在AAA級最小，且隨評級下降而遞增；債券超額收益的預期對信用利差貢獻在AAA級達到最大，但隨評級下降而遞減。

盡管我國從2014年后開始出現(xiàn)債券違約，但信用風險在債券信用利差中的作用并不明顯。所以，首先，應繼續(xù)打破“剛兌”預期，使違約逐步市場化、法制化。發(fā)揮我國信用債市場違約風險定價機制，使信用利差能更多反映信用狀況的波動，讓市場在資源配置中發(fā)揮決定性作用。其次，健全債券違約的配套處置機制。如建立到期違約債券轉(zhuǎn)讓機制，既可以保護債券投資者被動等待兌付的局面，又提高了違約債券處置效率。

本文基于會計恒等式方差分解方法的優(yōu)勢在于各組成部分的數(shù)量級可以直接依據(jù)數(shù)據(jù)估計出來，不需要依賴于具體信用模型或財務結(jié)構(gòu)假設。但此方法受限于會計等式分解出來的變量，對于包含于變量其中及之外的因素無法考察，如杠桿率、交易機制、流動性等[2],[32],[47]。今后研究可將我國債券質(zhì)押回購交易套利的杠桿[29]5行為納入到在會計恒等式的方差分解框架下，進一步分析流動性及杠桿交易對債券定價的影響機制。