張軒 張寧昕 王鑫 柯衛(wèi)平

債券市場(chǎng)是中國(guó)金融市場(chǎng)的重要組成部分。在近期新的經(jīng)濟(jì)環(huán)境和市場(chǎng)背景下，債券市場(chǎng)尤其是企業(yè)信用債市場(chǎng)違約金額和違約概率隨之快速上升，對(duì)債券市場(chǎng)風(fēng)險(xiǎn)的持續(xù)監(jiān)測(cè)、評(píng)估和預(yù)警研究變得十分迫切和重要。本文基于12246條信用債發(fā)行數(shù)據(jù)生成的面板數(shù)據(jù)和LOGIT模型分析發(fā)現(xiàn)：第一，流動(dòng)比率、營(yíng)收增長(zhǎng)率和資產(chǎn)回報(bào)率與違約風(fēng)險(xiǎn)負(fù)相關(guān)，其他財(cái)務(wù)指標(biāo)不顯著。說(shuō)明在近期市場(chǎng)環(huán)境下，相對(duì)于資產(chǎn)規(guī)模等指標(biāo)，流動(dòng)性和成長(zhǎng)性應(yīng)是對(duì)債券風(fēng)險(xiǎn)進(jìn)行監(jiān)測(cè)的核心指標(biāo)。第二，行業(yè)性變量作用方向與以往研究表現(xiàn)出差異性，近年政策的主動(dòng)有序調(diào)整對(duì)部分行業(yè)的周期性指標(biāo)有顯著影響。第三，主體評(píng)級(jí)與違約風(fēng)險(xiǎn)負(fù)相關(guān)，新發(fā)債利率與違約風(fēng)險(xiǎn)正相關(guān)。市場(chǎng)的平均風(fēng)險(xiǎn)和收益率成正比，我國(guó)債券市場(chǎng)信用評(píng)級(jí)和定價(jià)總體機(jī)制仍具備較好的市場(chǎng)有效性。基于以上分析本文最后給出相應(yīng)的政策建議。

一、研究背景與意義

（一）研究背景

我國(guó)是全球第二大債券市場(chǎng)，債券市場(chǎng)的規(guī)模巨大，其健康穩(wěn)定發(fā)展對(duì)中國(guó)金融市場(chǎng)和國(guó)民經(jīng)濟(jì)發(fā)展具有極其重要的意義?；谑袌?chǎng)各方的關(guān)切程度，本文試圖回答三個(gè)重要問(wèn)題：一是當(dāng)前市場(chǎng)環(huán)境下影響債券違約的主要因素有哪些？二是當(dāng)前債券市場(chǎng)的信用評(píng)級(jí)和定價(jià)機(jī)制是否仍是有效率的？三是對(duì)于當(dāng)前的問(wèn)題有哪些應(yīng)對(duì)措施？

債券市場(chǎng)的主要品種為國(guó)債、地方政府債、政策性銀行債、公司債、企業(yè)債、中期票據(jù)和短期融資券等，除國(guó)債、地方政府債和政策性銀行債以外的券種統(tǒng)稱(chēng)為信用債。截至2022年年底，中國(guó)債券市場(chǎng)存量規(guī)模141.31萬(wàn)億元，其中非金融類(lèi)信用債存量規(guī)模達(dá)44.23萬(wàn)億元，同比下降10%。

近兩年，債券市場(chǎng)違約主體主要集中在非金融類(lèi)信用債領(lǐng)域。2021年新增違約主體23家，到期違約總金額從2020年的約500億元規(guī)模攀升至2021年的約1000億元規(guī)模。2021年的債券市場(chǎng)承接2020年的特點(diǎn)：一是國(guó)有企業(yè)違約數(shù)量不斷創(chuàng)新高，新增違約發(fā)行人中國(guó)有企業(yè)占比超半，信用風(fēng)險(xiǎn)規(guī)模不斷擴(kuò)大。二是房地產(chǎn)企業(yè)風(fēng)險(xiǎn)集中暴露，行業(yè)普遍采用的高周轉(zhuǎn)、高杠桿的運(yùn)行方式在銷(xiāo)售、融資兩方同時(shí)出現(xiàn)外部困難時(shí)導(dǎo)致短期償債能力普遍出現(xiàn)下降。三是城投平臺(tái)的兌付能力面臨考驗(yàn)，因地產(chǎn)走弱導(dǎo)致的土地市場(chǎng)疲軟，直接導(dǎo)致了城投平臺(tái)業(yè)績(jī)下滑，償付壓力相應(yīng)上升。進(jìn)入2022年以來(lái)，民企違約又成為主體，2022年上半年約有62只債券違約，金額達(dá)392億元;涉及違約主體共14家，其中新增8家，11家為民企。另外，因發(fā)行人大規(guī)模采取展期、置換等各種手段避免直接違約的處置方式造成潛在違約風(fēng)險(xiǎn)可能遠(yuǎn)超預(yù)期。

審視債券違約成因，除了宏觀經(jīng)濟(jì)下行、企業(yè)治理缺陷之外，不可忽視的是債券市場(chǎng)風(fēng)險(xiǎn)預(yù)警機(jī)制的缺失，依靠違約風(fēng)險(xiǎn)的有效度量進(jìn)而實(shí)現(xiàn)債券動(dòng)態(tài)評(píng)級(jí)，能夠促進(jìn)債券市場(chǎng)的健康發(fā)展。為此，本文從現(xiàn)實(shí)出發(fā)，構(gòu)建債券市場(chǎng)風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警防控機(jī)制。

首先，本文回顧和分析了債券市場(chǎng)違約及風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警的相關(guān)研究；其次，在對(duì)近年我國(guó)企業(yè)債券違約主體的特征進(jìn)行歸納總結(jié)的基礎(chǔ)上，探討了債券違約風(fēng)險(xiǎn)的可能影響因素；最后，借鑒相關(guān)研究，選取了可能影響違約風(fēng)險(xiǎn)的關(guān)鍵因素作為解釋變量，聚焦關(guān)鍵年份，選取2017年至2021年公司債發(fā)行和違約的相關(guān)數(shù)據(jù)，構(gòu)建Logit模型對(duì)債券違約風(fēng)險(xiǎn)的影響因素進(jìn)行實(shí)證分析。本文的研究結(jié)果表明，影響近期債券市場(chǎng)違約風(fēng)險(xiǎn)大小的主要因素包括發(fā)行時(shí)主體評(píng)級(jí)、新發(fā)債利率、資產(chǎn)回報(bào)率、流動(dòng)比率、營(yíng)收增長(zhǎng)率，其中新發(fā)債利率與違約風(fēng)險(xiǎn)呈正相關(guān)關(guān)系，發(fā)行時(shí)主體評(píng)級(jí)、資產(chǎn)回報(bào)率、流動(dòng)比率、營(yíng)收增長(zhǎng)率與違約風(fēng)險(xiǎn)呈負(fù)相關(guān)關(guān)系。

（二）研究意義

近年來(lái)的客觀外部壓力的作用下，國(guó)內(nèi)企業(yè)內(nèi)部經(jīng)營(yíng)問(wèn)題集中浮現(xiàn)，其中一個(gè)明顯現(xiàn)象就是債券違約呈現(xiàn)增加態(tài)勢(shì)。債券違約事件加劇了債券市場(chǎng)的波動(dòng)風(fēng)險(xiǎn)，在關(guān)聯(lián)資本市場(chǎng)中引發(fā)了一定程度的擔(dān)憂情緒，并對(duì)我國(guó)宏觀經(jīng)濟(jì)金融環(huán)境造成不利沖擊。而且，在不同的經(jīng)濟(jì)背景下，影響債券違約的因素不同，需要利用最新的全行業(yè)債券發(fā)行數(shù)據(jù)和市場(chǎng)行情去監(jiān)測(cè)債券市場(chǎng)違約風(fēng)險(xiǎn)因素，評(píng)估市場(chǎng)的風(fēng)險(xiǎn)程度。在這樣的背景下，建立并完善債券市場(chǎng)風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警防控機(jī)制，有助于改進(jìn)監(jiān)管部門(mén)管理方式，保護(hù)投資者利益，促進(jìn)我國(guó)金融市場(chǎng)繁榮穩(wěn)定發(fā)展。同時(shí)還能夠從源頭上加強(qiáng)金融監(jiān)管，減少新增違約事件的數(shù)量，降低事后違約處置的司法成本和行政成本。因此，研究債券市場(chǎng)風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警防控機(jī)制有著重要的社會(huì)現(xiàn)實(shí)意義及理論價(jià)值。

本文的創(chuàng)新性在于：一是在不同的宏觀經(jīng)濟(jì)周期、政策調(diào)整和行情趨勢(shì)下，債券市場(chǎng)的違約邏輯不同，本文利用最新的全行業(yè)債券發(fā)行數(shù)據(jù)和市場(chǎng)行情去監(jiān)測(cè)債券市場(chǎng)違約風(fēng)險(xiǎn)因素；二是不同于近期研究和分析的觀點(diǎn)，本文研究發(fā)現(xiàn)債券定價(jià)仍具有較好的有效性，外部沖擊和主動(dòng)調(diào)整可能是這次市場(chǎng)風(fēng)險(xiǎn)暴露的主要原因。

二、文獻(xiàn)綜述

債券違約問(wèn)題需要從債券市場(chǎng)違約歷史、違約成因、違約評(píng)估和應(yīng)對(duì)等多方面進(jìn)行分析。本節(jié)從以上方面進(jìn)行既有文獻(xiàn)的梳理，并在最后進(jìn)行評(píng)述和說(shuō)明本文的切入角度。

（一）債券違約狀況

我國(guó)現(xiàn)已發(fā)展為世界第二大的債券市場(chǎng)，支持實(shí)體經(jīng)濟(jì)的能力明顯增強(qiáng)。然而，由于經(jīng)濟(jì)結(jié)構(gòu)調(diào)整和疫情沖擊原因，近年來(lái)信用債違約事件頻發(fā)，債券違約常態(tài)化（倪學(xué)曦，2022）。喬國(guó)榮等（2021）梳理了中國(guó)債券違約歷史，將其劃分為四個(gè)階段：一是2014年債券市場(chǎng)剛性兌付打破，標(biāo)志事件是“11超日債”違約。二是2015年至2016年在供給側(cè)改革背景下，產(chǎn)能過(guò)剩行業(yè)出現(xiàn)集中違約，鋼鐵、水泥、煤炭和有色等行業(yè)在二級(jí)市場(chǎng)的信用利差走擴(kuò)，企業(yè)融資陷入困境，引發(fā)過(guò)剩行業(yè)違約潮。三是2018年到2019上半年企業(yè)融資渠道在監(jiān)管“去杠桿”背景下的收緊導(dǎo)致違約。四是2019年金融機(jī)構(gòu)不會(huì)出現(xiàn)“兌付”風(fēng)險(xiǎn)的信仰被打破，導(dǎo)致流動(dòng)性傳導(dǎo)梗阻和信用分層加劇，包商銀行信用風(fēng)險(xiǎn)事件在銀行間市場(chǎng)發(fā)酵引致債券市場(chǎng)出現(xiàn)流動(dòng)性危機(jī)和信用危機(jī)。鄭步高等（2021）進(jìn)一步歸納債券違約現(xiàn)狀，表現(xiàn)為違約規(guī)模增勢(shì)不減，且違約行業(yè)擴(kuò)散化趨勢(shì)愈加明顯，企業(yè)規(guī)?！按蠖坏埂钡倪壿嬛饾u失效，高評(píng)級(jí)債券違約頻現(xiàn)。儲(chǔ)溢泉（2021）基于我國(guó)信用債市場(chǎng)違約特征的分析表明，違約規(guī)模和數(shù)量逐年提高，以民企違約為主；違約金額制造業(yè)最高，建筑業(yè)次之，呈現(xiàn)明顯周期性特征；違約區(qū)域的分布與各地發(fā)行規(guī)模顯著正相關(guān)；債券類(lèi)型來(lái)看，公司債、中期票據(jù)和私募債違約合計(jì)超過(guò)所有品種的三分之二。

（二）債券違約成因

債券市場(chǎng)違約可歸總為行業(yè)周期因素、政策因素、業(yè)務(wù)經(jīng)營(yíng)因素、財(cái)務(wù)狀況因素、公司治理因素，還有如經(jīng)濟(jì)下行導(dǎo)致的銀行抽貸等其他因素（任婉馨，2016）。Abinzano （2020）的研究發(fā)現(xiàn)，以高賬面市值比為特征的樣本中，準(zhǔn)確預(yù)測(cè)違約的擬合優(yōu)度較差。在大公司樣本中，擬合優(yōu)度通常與規(guī)模負(fù)相關(guān)，可能是因?yàn)椤疤蠖荒艿埂毙?yīng)。Ballester （2020）著重分析了企業(yè)內(nèi)部治理機(jī)制對(duì)違約風(fēng)險(xiǎn)的影響。Nozawa （2021）分析了新冠疫情期間量化寬松政策對(duì)企業(yè)債市場(chǎng)的影響。Zhang（2020）總結(jié)了中國(guó)信用債違約風(fēng)險(xiǎn)在金融條件方面的因素。殷儷菲（2020）對(duì)2020年國(guó)企債券密集違約進(jìn)行分析，主要原因除了行業(yè)景氣度下降、企業(yè)經(jīng)營(yíng)不善，還有剛兌信念低估國(guó)企違約風(fēng)險(xiǎn)以及國(guó)企信用評(píng)級(jí)虛高。蔡喜洋等（2020）進(jìn)一步分析，認(rèn)為民企違約的成因包括金融環(huán)境變化、融資渠道變窄，民企債券的市場(chǎng)需求不足，激進(jìn)投資且對(duì)外部融資依賴度過(guò)高等。

（三）違約風(fēng)險(xiǎn)評(píng)估

Anginer （2018）用橫截面數(shù)據(jù)分析了股權(quán)回報(bào)對(duì)系統(tǒng)性信用風(fēng)險(xiǎn)定價(jià)的預(yù)測(cè)。Chen （2018）量化了在經(jīng)濟(jì)周期不同階段流動(dòng)性因素對(duì)違約風(fēng)險(xiǎn)的影響程度。葛鶴軍（2014）認(rèn)為企業(yè)信用評(píng)級(jí)等級(jí)不同，受影響的程度也不同，債券評(píng)級(jí)結(jié)果越好，信用風(fēng)險(xiǎn)對(duì)其影響越小，反之債券評(píng)級(jí)結(jié)果越差，信用風(fēng)險(xiǎn)對(duì)其影響越顯著。陳瑩等（2020）選取的PMI（采購(gòu)經(jīng)理指數(shù)）和CFCI（第一財(cái)經(jīng)研究院中國(guó)金融條件指數(shù)）作為宏觀指標(biāo)，此外還納入了RATIO（市場(chǎng)老化效應(yīng)）和PAV（公司信用質(zhì)量）。伴隨企業(yè)社會(huì)責(zé)任的重視，Li （2020） 用中國(guó)市場(chǎng)數(shù)據(jù)來(lái)研究企業(yè)ESG表現(xiàn)對(duì)債券違約率的影響。劉潔晶（2021）基于高收益率債券的分析認(rèn)為，通過(guò)匹配相近的發(fā)行主體，將利差中的非違約定價(jià)剝離，能夠更好地對(duì)違約時(shí)機(jī)進(jìn)行估計(jì)，并對(duì)違約風(fēng)險(xiǎn)進(jìn)行輔助定價(jià)。

（四）違約應(yīng)對(duì)措施

關(guān)于防范債券違約的對(duì)策思路，學(xué)者們從多個(gè)維度提出建議。劉康等（2021）基于對(duì)2020年信用債違約狀況的分析，提出優(yōu)化債券市場(chǎng)發(fā)行定價(jià)機(jī)制及市場(chǎng)主體融資模式，完善債券市場(chǎng)信用評(píng)級(jí)和風(fēng)險(xiǎn)緩釋機(jī)制，健全債券違約后法制化、市場(chǎng)化處置，增強(qiáng)對(duì)投資者的保護(hù)。中泰證券課題組（2021）從制度層面提出建議，認(rèn)為需要探索構(gòu)建債權(quán)風(fēng)險(xiǎn)分類(lèi)管理辦法、實(shí)行差異化的信息披露、擴(kuò)充債券持有人會(huì)議議事范圍。賴小鵬等（2020）建議探索優(yōu)化違約債券的市場(chǎng)化處置途徑，通過(guò)引入違約債券置換、發(fā)行人折價(jià)回購(gòu)、批量轉(zhuǎn)讓交易等方式加速處置進(jìn)程。羅小偉等（2020）建議建立可供違約債交易的垃圾債市場(chǎng)，提高流動(dòng)性，同時(shí)培育專(zhuān)業(yè)處置機(jī)構(gòu)和人才隊(duì)伍。

（五）文獻(xiàn)述評(píng)

自債券市場(chǎng)“剛性兌付”打破以來(lái)，債券違約風(fēng)險(xiǎn)問(wèn)題引起業(yè)內(nèi)外極大的關(guān)注。之前的研究?jī)?nèi)容集中于從宏觀層面進(jìn)行違約狀況的研判、成因分析以及風(fēng)險(xiǎn)評(píng)估。但是，以往研究存在不少局限。首先，由于新冠疫情的發(fā)生并疊加國(guó)家對(duì)經(jīng)濟(jì)結(jié)構(gòu)的調(diào)整，債券市場(chǎng)違約出現(xiàn)了新的行業(yè)特征：由于對(duì)某些行業(yè)泡沫風(fēng)險(xiǎn)的主動(dòng)釋放和疫情的反復(fù)沖擊，以往經(jīng)濟(jì)的行業(yè)周期性節(jié)奏被擾亂，以往私企國(guó)企的違約比例也在近三年變得交替進(jìn)行，世界經(jīng)濟(jì)進(jìn)入新的衰退周期。這些新情況需要我們對(duì)數(shù)據(jù)和模型方法進(jìn)行跟蹤和更新，更加精確的對(duì)市場(chǎng)風(fēng)險(xiǎn)進(jìn)行評(píng)估和監(jiān)測(cè)。其次，目前大多數(shù)研究較少關(guān)注中觀的行業(yè)因素去分析債券市場(chǎng)風(fēng)險(xiǎn)。最后，近年來(lái)關(guān)注地方政府債券的研究較多，對(duì)于企業(yè)信用債研究相對(duì)較少。本文試圖對(duì)以上薄弱之處進(jìn)行補(bǔ)充。

三、主要的違約風(fēng)險(xiǎn)評(píng)估模型及其應(yīng)用

對(duì)違約進(jìn)行評(píng)估的模型可分為三大類(lèi)：第一，較早使用的基于默認(rèn)距離的KMV模型（Merton ，1974；曹萍，2015），估計(jì)公司資產(chǎn)的市場(chǎng)價(jià)值和波動(dòng)性，計(jì)算違約距離。第二，當(dāng)前使用較多的LOGIT模型（Wilson，1997；閻暢等，2018）。Logit模型是多元統(tǒng)計(jì)分析模型，它對(duì)企業(yè)債券違約概率或樣本數(shù)據(jù)分布不作任何假設(shè)，對(duì)債券風(fēng)險(xiǎn)評(píng)估具有良好的預(yù)測(cè)效果。第三，當(dāng)下結(jié)合機(jī)器學(xué)習(xí)算法的一大類(lèi)基于分類(lèi)法的新評(píng)估模型。例如，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)LSTM模型（陳學(xué)彬等，2021）、遺傳算法與KMV模型相結(jié)合（余妙志等，2020）、fsQCA分析方法（蔣敏等，2021）、GWO-XGBoost方法（肖艷麗，2021）。

（一）基礎(chǔ)經(jīng)典模型

例如，基于默認(rèn)距離的KMV模型。KMV根據(jù) Merton （1974） 的模型推導(dǎo)出每個(gè)債務(wù)人的實(shí)際違約概率，即預(yù)期違約頻率 （EDF）。違約概率是公司資本結(jié)構(gòu)、資產(chǎn)回報(bào)波動(dòng)率和當(dāng)前資產(chǎn)價(jià)值的函數(shù)。違約收益概率的推導(dǎo)分三個(gè)階段：估計(jì)公司資產(chǎn)的市場(chǎng)價(jià)值和波動(dòng)性；計(jì)算違約距離衡量違約風(fēng)險(xiǎn)；使用默認(rèn)數(shù)據(jù)庫(kù)將違約距離縮放為實(shí)際違約概率。

KMV 從數(shù)百家公司的樣本中觀察到，當(dāng)資產(chǎn)價(jià)值達(dá)到總負(fù)債價(jià)值和短期債務(wù)價(jià)值之間的某個(gè)水平時(shí)，公司違約。KMV 在計(jì)算違約概率之前實(shí)現(xiàn)了一個(gè)中間階段，并計(jì)算一個(gè)稱(chēng)為“默認(rèn)距離”（DD）的索引。 DD 是資產(chǎn)價(jià)值分布的平均值與關(guān)鍵閾值“違約點(diǎn)”之間的標(biāo)準(zhǔn)偏差數(shù)，該閾值設(shè)置為流動(dòng)負(fù)債的面值，包括在時(shí)間范圍內(nèi)要償還的短期債務(wù)，加上一半的長(zhǎng)期債務(wù)。定義如下：

STD短期債務(wù)； LTD長(zhǎng)期債務(wù)； DPT違約臨界點(diǎn)=STD+1/2LTD；違約距離，即 1 年的預(yù)期資產(chǎn)價(jià)值與違約點(diǎn)之間的距離，以未來(lái)資產(chǎn)回報(bào)的標(biāo)準(zhǔn)差表示：DD= 。DD 以時(shí)間段T 內(nèi)的資產(chǎn)回報(bào)標(biāo)準(zhǔn)差為單位表示如下：

其中，VO 為資產(chǎn)的現(xiàn)值，DPTT為時(shí)段T 內(nèi)的違約點(diǎn)， 為資產(chǎn)的期望凈回報(bào)，為年化資產(chǎn)波動(dòng)性。根據(jù)違約點(diǎn)和違約距離，可判斷企業(yè)債券的違約風(fēng)險(xiǎn)。

（二） 當(dāng)前應(yīng)用較多的LOGIT模型

例如，基于LOGIT回歸的信貸組合模型（Wilson，1998）。該模型由麥肯錫的Wilson提出，用于模擬不同行業(yè)中不同評(píng)級(jí)組的違約和遷移概率的聯(lián)合條件分布。該模型是一個(gè)多因素模型，針對(duì)每個(gè)國(guó)家宏觀經(jīng)濟(jì)因素的價(jià)值，如失業(yè)率、GDP 增長(zhǎng)率、長(zhǎng)期利率水平、外匯匯率、政府支出和總儲(chǔ)蓄率等。違約概率被建模為一個(gè) logit 函數(shù)，其中獨(dú)立變量是一個(gè)國(guó)家的投機(jī)等級(jí)特定指數(shù)，它取決于當(dāng)前和滯后的宏觀經(jīng)濟(jì)變量。

其中， 為國(guó)家/行業(yè)j的投機(jī)等級(jí)責(zé)任人在t期間違約的條件概率，是從以下模型中推出的指數(shù)值。

Logit變化保證公式（2）中取值在0和1之間。宏觀指標(biāo)由以下多元模型決定：

其中，為第j個(gè)國(guó)家/行業(yè)在時(shí)段t內(nèi)的投機(jī)等級(jí)，是預(yù)估的參數(shù)，為第j個(gè)國(guó)家/行業(yè)在時(shí)段t內(nèi)的宏觀經(jīng)濟(jì)變量，為誤差項(xiàng)。假設(shè)每個(gè)宏觀經(jīng)濟(jì)變量都遵循單變量的2階自回歸模型：

其中，和是宏觀變量的滯后值，是要估計(jì)的系數(shù)，是隨機(jī)誤差項(xiàng)，服從獨(dú)立同分布。

四、實(shí)證分析

（一）數(shù)據(jù)說(shuō)明

本文選取2017年至2021年發(fā)行的公司債12246只，其中違約債券174只。根據(jù)主要變量的數(shù)據(jù)結(jié)構(gòu)，選取季度面板數(shù)據(jù)。數(shù)據(jù)來(lái)源為WIND數(shù)據(jù)庫(kù)。選取以下指標(biāo)：

1.關(guān)于債券違約break。如果違約為“實(shí)質(zhì)違約”或者“展期”，則判定為違約，取1。

2.關(guān)于評(píng)級(jí)garde。從AAA到C，分9級(jí)。AAA=9，以此類(lèi)推，C=1。

3.發(fā)行利率rate。取其乘數(shù)100后的數(shù)值，邊際變化為1BP。

4.關(guān)于周期性行業(yè)industry。選取建筑與工程、建材和房地產(chǎn)管理與開(kāi)發(fā)等為周期行業(yè)。

5.運(yùn)營(yíng)指標(biāo)。資產(chǎn)收益率、流動(dòng)比率、利息保障倍數(shù)、總資產(chǎn)周轉(zhuǎn)年率、營(yíng)收增長(zhǎng)率、資產(chǎn)負(fù)債率、研發(fā)占比和營(yíng)收現(xiàn)金含量等經(jīng)營(yíng)指標(biāo)。

（二）Logit回歸分析

回歸模型構(gòu)建。根據(jù)信用市場(chǎng)的運(yùn)行情況和以往的研究基礎(chǔ)，我們認(rèn)為：企業(yè)的評(píng)級(jí)、債券發(fā)行利率、企業(yè)所處行業(yè)的周期性以及運(yùn)營(yíng)情況會(huì)影響債券的違約風(fēng)險(xiǎn)。為了驗(yàn)證這一結(jié)論，本文進(jìn)行以下實(shí)證研究假設(shè)：

H1：企業(yè)的評(píng)級(jí)對(duì)債券違約風(fēng)險(xiǎn)有負(fù)的影響

H2：債券發(fā)行利率對(duì)債券違約風(fēng)險(xiǎn)有正的影響

H3：企業(yè)處于周期性行業(yè)對(duì)債券違約風(fēng)險(xiǎn)有正的影響

H4：資產(chǎn)回報(bào)率對(duì)債券違約風(fēng)險(xiǎn)有負(fù)的影響

H5：流動(dòng)比率對(duì)債券違約風(fēng)險(xiǎn)有負(fù)的影響

H6：營(yíng)收增長(zhǎng)率對(duì)債券違約風(fēng)險(xiǎn)有負(fù)的影響

H7：資產(chǎn)負(fù)債率對(duì)債券違約風(fēng)險(xiǎn)有正的影響

H8：總資產(chǎn)周轉(zhuǎn)率對(duì)債券違約風(fēng)險(xiǎn)有負(fù)的影響

基于選取的變量，本文構(gòu)建了以下回歸模型進(jìn)行實(shí)證檢驗(yàn)，具體模型如下：

（三） 回歸結(jié)果

1. 邊際效應(yīng)分析。

2. 概率效應(yīng)分析。

（四）Logit回歸結(jié)果解釋

以下假設(shè)被支持：

H1：企業(yè)的評(píng)級(jí)對(duì)債券違約風(fēng)險(xiǎn)有負(fù)的影響

H2：債券發(fā)行利率對(duì)債券違約風(fēng)險(xiǎn)有正的影響

H4：資產(chǎn)回報(bào)率對(duì)債券違約風(fēng)險(xiǎn)有負(fù)的影響

H5：流動(dòng)比率對(duì)債券違約風(fēng)險(xiǎn)有負(fù)的影響

H6：營(yíng)收增長(zhǎng)率對(duì)債券違約風(fēng)險(xiǎn)有負(fù)的影響

以下假設(shè)不被支持：

H3：企業(yè)處于周期性行業(yè)對(duì)債券違約風(fēng)險(xiǎn)有正的影響

H7：資產(chǎn)負(fù)債率對(duì)債券違約風(fēng)險(xiǎn)有正的影響

H8：總資產(chǎn)周轉(zhuǎn)率對(duì)債券違約風(fēng)險(xiǎn)有負(fù)的影響

從回歸結(jié)果可以看出，當(dāng)其他條件不變時(shí)，評(píng)級(jí)每高出一個(gè)級(jí)別，債券違約概率降低約19%；債券發(fā)行利率每高出1BP，債券違約概率升高1%；資產(chǎn)負(fù)債率每改善一個(gè)單位，債券違約概率降低約3.6%；營(yíng)收增長(zhǎng)每改善一個(gè)邊際單位，債券違約概率降低約1.5%；流動(dòng)比率衡量短期償債能力，所以其改善可以大幅降低債券違約的風(fēng)險(xiǎn)。流動(dòng)比率每增加1倍，債券違約概率降低約60%。

本文認(rèn)為部分研究假設(shè)在實(shí)證分析中不被支持的原因可能有以下幾個(gè)方面：首先，由于數(shù)據(jù)結(jié)構(gòu)是2017年到2021年，行業(yè)周期性一般多為五年及以上，數(shù)據(jù)樣本的時(shí)間跨度過(guò)短并未體現(xiàn)行業(yè)的周期特點(diǎn)，這可能是行業(yè)周期性分析結(jié)果不如預(yù)期的一個(gè)原因。同時(shí)，周期性不顯著也更可能與政策的導(dǎo)向性相關(guān)。最近幾年政府下定決心去產(chǎn)能、主動(dòng)退出地產(chǎn)等領(lǐng)域，這就使得周期性行業(yè)的周期性被干擾，從而失去計(jì)量模型意義上的顯著性。其次，資產(chǎn)負(fù)債率和總資產(chǎn)周轉(zhuǎn)率雖然回歸估計(jì)的系數(shù)都不顯著，但是方向與假設(shè)一致，這說(shuō)明模型設(shè)定的正確。其中，總資產(chǎn)周轉(zhuǎn)率的p值接近10%的顯著標(biāo)準(zhǔn)，具備一定的參考意義。資產(chǎn)負(fù)債率與周期性行業(yè)關(guān)系較為密切，周期性行業(yè)資產(chǎn)負(fù)債率水平一直較高。但是由于數(shù)據(jù)中時(shí)間跨度限制，行業(yè)周期性并未很好的體現(xiàn)，進(jìn)而可能導(dǎo)致資產(chǎn)負(fù)債率并未體現(xiàn)其顯著性。而且，相對(duì)于上市公司信息披露，債券數(shù)據(jù)庫(kù)信息披露存在很多殘缺，這增加了數(shù)據(jù)獲取難度。在未來(lái)的研究中，應(yīng)該改進(jìn)數(shù)據(jù)樣本，進(jìn)行時(shí)間擴(kuò)展和數(shù)據(jù)樣本精準(zhǔn)度優(yōu)化。

（五）回歸模型準(zhǔn)確性評(píng)估

從表6可見(jiàn)，按照50%的預(yù)測(cè)精準(zhǔn)度衡量，本模型的預(yù)測(cè)精準(zhǔn)度為99%，準(zhǔn)確度較高。同時(shí)，從表2-5的Pseudo 來(lái)看，模型也具有較好的邊際效應(yīng)解釋。

五、結(jié)論和啟示

（一）主要結(jié)論

我國(guó)信用債類(lèi)市場(chǎng)是中國(guó)金融市場(chǎng)的重要組成部分。近年來(lái)，受到內(nèi)外因素影響，債券市場(chǎng)債券違約金額攀升，債券違約概率上升，引起市場(chǎng)各參與方密切關(guān)注。為了更好地監(jiān)測(cè)債券市場(chǎng)風(fēng)險(xiǎn)，本文對(duì)債券市場(chǎng)的違約原因、風(fēng)險(xiǎn)預(yù)警和定價(jià)機(jī)制進(jìn)行系統(tǒng)研究。利用12246條公司信用債發(fā)行信息生成面板數(shù)據(jù)，結(jié)合logit模型進(jìn)行分析，得出以下結(jié)論。

首先，流動(dòng)比率、營(yíng)收增長(zhǎng)率和資產(chǎn)回報(bào)率與違約風(fēng)險(xiǎn)負(fù)相關(guān)，其他財(cái)務(wù)指標(biāo)并不顯著。這說(shuō)明在近期市場(chǎng)環(huán)境下，相對(duì)于資產(chǎn)規(guī)模等指標(biāo)，流動(dòng)性和成長(zhǎng)性應(yīng)是對(duì)債券風(fēng)險(xiǎn)進(jìn)行監(jiān)測(cè)的核心指標(biāo)。其次，主體評(píng)級(jí)與違約風(fēng)險(xiǎn)負(fù)相關(guān)，新發(fā)債利率與違約風(fēng)險(xiǎn)正相關(guān)。這說(shuō)明我國(guó)債券市場(chǎng)信用評(píng)級(jí)的有效性和定價(jià)的有效性，風(fēng)險(xiǎn)和收益成正比，整個(gè)市場(chǎng)的定價(jià)機(jī)制在總體水平上運(yùn)行良好。最后，在以往研究中的行業(yè)性變量作用方向不同，除了考慮數(shù)據(jù)長(zhǎng)度的因素以外，說(shuō)明近兩年政策的主動(dòng)有序調(diào)整對(duì)部分行業(yè)的周期性等指標(biāo)有顯著的影響。

本文的創(chuàng)新性在于：第一，在不同的宏觀經(jīng)濟(jì)周期、政策調(diào)整和行情趨勢(shì)下，債券市場(chǎng)的違約邏輯不同，本文利用最新的全行業(yè)債券發(fā)行數(shù)據(jù)和市場(chǎng)行情去監(jiān)測(cè)債券市場(chǎng)違約風(fēng)險(xiǎn)因素；第二，不同于近期研究和分析的觀點(diǎn)，本文研究發(fā)現(xiàn)債券定價(jià)仍具有較好的有效性，外部沖擊和主動(dòng)調(diào)整可能是這次市場(chǎng)風(fēng)險(xiǎn)暴露的主要原因。

（二）政策建議

1. 監(jiān)管部門(mén)依照相關(guān)指標(biāo)動(dòng)態(tài)監(jiān)測(cè)。根據(jù)本文的實(shí)證分析結(jié)果，資產(chǎn)回報(bào)率、流動(dòng)比率、營(yíng)收增長(zhǎng)率對(duì)公司債的違約風(fēng)險(xiǎn)有著顯著的影響。因此，建議監(jiān)管部門(mén)依據(jù)相關(guān)指標(biāo)，對(duì)公司債發(fā)行企業(yè)進(jìn)行動(dòng)態(tài)監(jiān)測(cè)，依據(jù)市場(chǎng)整體水平判斷風(fēng)險(xiǎn)水平。在債券違約風(fēng)險(xiǎn)度量基礎(chǔ)上，將風(fēng)險(xiǎn)管理與預(yù)警分析相結(jié)合，依靠債券風(fēng)險(xiǎn)臨界值判斷風(fēng)險(xiǎn)嚴(yán)重程度，并依此發(fā)出相應(yīng)的預(yù)警信號(hào)。

2. 加強(qiáng)對(duì)企業(yè)財(cái)務(wù)數(shù)據(jù)的監(jiān)管。本文在數(shù)據(jù)收集和實(shí)證分析的過(guò)程中發(fā)現(xiàn)，樣本數(shù)據(jù)的可得性及其準(zhǔn)確性對(duì)債券市場(chǎng)風(fēng)險(xiǎn)影響因素的實(shí)證分析結(jié)果有著重要影響作用。一方面，由于企業(yè)公布財(cái)務(wù)數(shù)據(jù)的周期不一致，以及部分?jǐn)?shù)據(jù)缺失，導(dǎo)致本文在數(shù)據(jù)獲取方面遇到了一定困難。另一方面，少數(shù)企業(yè)公開(kāi)財(cái)務(wù)報(bào)告中存在較為明顯的異常數(shù)據(jù)，這對(duì)實(shí)證分析的準(zhǔn)確性必然產(chǎn)生一定影響。因此，建議監(jiān)管部門(mén)加強(qiáng)對(duì)企業(yè)公開(kāi)財(cái)務(wù)數(shù)據(jù)的監(jiān)管，在盡可能掌握企業(yè)關(guān)鍵財(cái)務(wù)數(shù)據(jù)的基礎(chǔ)上，確保相關(guān)數(shù)據(jù)的真實(shí)性、可靠性、完整性。當(dāng)發(fā)現(xiàn)企業(yè)財(cái)務(wù)數(shù)據(jù)出現(xiàn)可疑情況或明顯異常時(shí)，采取特殊關(guān)注手段，加強(qiáng)對(duì)相關(guān)企業(yè)的監(jiān)督管理。同時(shí)，加大對(duì)企業(yè)財(cái)務(wù)造假行為的打擊力度，以提高違法成本的方式倒逼企業(yè)確保財(cái)務(wù)數(shù)據(jù)的真實(shí)性和可靠性。

3. 加強(qiáng)信用評(píng)級(jí)的作用。根據(jù)本文的研究結(jié)果，發(fā)行時(shí)企業(yè)的主體評(píng)級(jí)是公司債違約風(fēng)險(xiǎn)的重要影響因素之一。因此，建議監(jiān)管部門(mén)完善債券市場(chǎng)評(píng)級(jí)監(jiān)督管理的協(xié)調(diào)機(jī)制，進(jìn)一步加強(qiáng)信用評(píng)級(jí)監(jiān)管體系的一致性，推廣包括買(mǎi)方在內(nèi)的多方參與的創(chuàng)新評(píng)級(jí)模式，構(gòu)建債券市場(chǎng)的第一道堅(jiān)固防火墻。

（三）研究展望

本文還有可以深入分析和擴(kuò)展的地方。在未來(lái)的研究中應(yīng)該改進(jìn)數(shù)據(jù)樣本，進(jìn)行時(shí)間擴(kuò)展和數(shù)據(jù)樣本精準(zhǔn)度優(yōu)化。例如，可以嘗試限制企業(yè)來(lái)源為上市企業(yè)，這樣可以增加數(shù)據(jù)的豐富度和精準(zhǔn)度。同時(shí)，除了利用logit方法之外，未來(lái)可以嘗試多種風(fēng)險(xiǎn)評(píng)估模型和方法進(jìn)行風(fēng)險(xiǎn)分析。

參考文獻(xiàn)：

［1］Abinzano， I.， Gonzalez-Urteaga， A.， Muga， L.， & Sanchez， S. （2020）. Performance of default-risk measures： the sample matters. Journal of Banking & Finance， 120， 105959.

［2］Anginer， D.， . （2018）. Is there a distress risk anomaly？ Pricing of systematic default risk in the cross-section of equity returns. Review of Finance， 22（2）， 633-660.

［3］ Ballester， L.， González-Urteaga， A.， & Martínez， B. （2020）. The role of internal corporate governance mechanisms on default risk： A systematic review for different institutional settings. Research in International Business and Finance， 54， 101293.

［4］Chen， H.， Cui， R.， He， Z.， & Milbradt， K. （2018）. Quantifying liquidity and default risks of corporate bonds over the business cycle. The Review of Financial Studies， 31（3）， 852-897.

［5］Kim， H.， Cho， H.， & Ryu， D. （2019）. Default risk characteristics of construction surety bonds. The Journal of Fixed Income， 29（1）， 77-87.

［6］Li， P.， Zhou， R.， & Xiong， Y. （2020）. Can ESG performance affect bond default rate？ Evidence from China. Sustainability， 12（7）， 2954.

［7］Merton R C . On the pricing of corporate debt： the risk structure of interest rates[J]..The Journal of Finance， 1974， 29.

［8］Nozawa， Y.， & Qiu， Y. （2021）. Corporate bond market reactions to quantitative easing during the COVID-19 pandemic. Journal of Banking & Finance， 133， 106153.

［9］ Wilson， T.C. （1998）. Measuring and Managing Credit Portfolio Risk. In： Bol， G.， Nakhaeizadeh， G.， Vollmer， KH. （eds） Risk Measurement， Econometrics and Neural Networks. Contributions to Economics. Physica， Heidelberg， 259-306.

［10］Zhang， X.， Ouyang， R.， Liu， D.， & Xu， L. （2020）. Determinants of corporate default risk in China： The role of financial constraints. Economic Modelling， 92， 87-98.

［11］蔡喜洋，葉紫薇.民企債券違約成因及對(duì)策［J］.國(guó)際金融，2020（05）：57-61.

［12］曹萍.基于KMV模型的地方政府債券違約風(fēng)險(xiǎn)分析［J］.證券市場(chǎng)導(dǎo)報(bào)，2015（08）：39-44.

［13］曹勇，李孟剛，李剛等. 基于信用利差與 Logistic 回歸的公司違約概率測(cè)算模型與實(shí)證研究［J］. 運(yùn)籌與管理，2016，25（06）： 209-223.

［14］陳學(xué)彬，武靖，徐明東.我國(guó)信用債個(gè)體違約風(fēng)險(xiǎn)測(cè)度與防范——基于LSTM深度學(xué)習(xí)模型［J］.復(fù)旦學(xué)報(bào)（社會(huì)科學(xué)版），2021，63（03）：159-173.

［15］ 陳瑩，楊希雅.債券市場(chǎng)歷史違約率計(jì)算方法選擇研究［J］.證券市場(chǎng)導(dǎo)報(bào)，2020（08）：60-69.

［16］儲(chǔ)溢泉.我國(guó)信用債市場(chǎng)違約特征、原因及風(fēng)險(xiǎn)防范研究［J］.新金融，2021（07）：10-14.

［17］ 葛鶴軍. 信用風(fēng)險(xiǎn)對(duì)債券信用利差的影響研究［D］. 博士學(xué)位論文，對(duì)外經(jīng)濟(jì)貿(mào)易大［1］ 學(xué)，2014.

［18］耿耘，韓芳麗，程燕京.行業(yè)視角下的企業(yè)債券違約風(fēng)險(xiǎn)度量與投資選擇研究［J］.電子科技大學(xué)學(xué)報(bào)（社科版），2014，16（6）：32-36.

［19］蔣敏，周煒，史濟(jì)川，李新.基于fsQCA的上市企業(yè)債券違約影響因素研究［J］.管理學(xué)報(bào)，2021，18（07）：1076-1085.

［20］賴小鵬，曹東坡.違約債券處置中存在的問(wèn)題及改進(jìn)途徑［J］.新金融，2020（04）：38-43.

［21］劉潔晶，李丹丹.基于市場(chǎng)交易數(shù)據(jù)的債券風(fēng)險(xiǎn)監(jiān)控與防范研究——基于高收益率債券的違約概率時(shí)間序列估計(jì)模型的分析［J］.價(jià)格理論與實(shí)踐，2021（11）：118-122.

［22］劉康，韓夢(mèng)彬.信用債違約現(xiàn)狀、國(guó)際經(jīng)驗(yàn)及應(yīng)對(duì)［J］.銀行家，2021（01）：89-91.

［23］羅小偉，梁晨.我國(guó)企業(yè)債券違約的特征趨勢(shì)、融資特點(diǎn)及風(fēng)險(xiǎn)處置機(jī)制研究［J］.金融發(fā)展研究，2020（04）：44-53.

［24］倪學(xué)曦，裴志偉，李宇飛.我國(guó)違約債券處置的現(xiàn)狀、國(guó)際經(jīng)驗(yàn)與路徑選擇［J］.債券，2022（07）：47-50.

［25］喬國(guó)榮，方鈺涵，王俊，牛永晨.中國(guó)信用違約的歷史、現(xiàn)狀和展望［J］.金融市場(chǎng)研究，2021（05）：33-43.

［26］任婉馨.中國(guó)債券市場(chǎng)信用違約風(fēng)險(xiǎn)的成因分析[J].清華金融評(píng)論，2016（10）：83-84.

［27］肖艷麗，向有濤.企業(yè)債券違約風(fēng)險(xiǎn)預(yù)警——基于GWO-XGBoost方法［J］.上海金融，2021（10）：44-54.

［28］閻暢，徐俊鋼.如何動(dòng)態(tài)評(píng)估企業(yè)的違約概率？——基于中國(guó)信用債市場(chǎng)的Logit模型研究［J］.金融市場(chǎng)研究，2018（01）：124-133.

［29］鄭步高，王鵬.我國(guó)債券市場(chǎng)違約成因、影響及對(duì)策研究［J］.新金融，2021（01）：44-47.

［30］中泰證券課題組，鐘金龍，馮玉梅.公司信用債違約風(fēng)險(xiǎn)預(yù)警與防范研究［J］.證券市場(chǎng)導(dǎo)報(bào)，2021（02）：2-10+18.

作者單位：張軒，張寧昕，王鑫，暨南大學(xué)經(jīng)濟(jì)學(xué)院，順德農(nóng)商銀行博士后科研工作站；柯衛(wèi)平，順德農(nóng)商銀行研究所。