潛 力，馮雯靜

(江西財經大學 金融學院，江西 南昌 330013)

一、引言

2014年《預算法》修改，正式以法律形式賦予地方政府發(fā)行債券的權利，且禁止地方政府及其所屬部門以其他任何方式舉借債務。國發(fā)[2014]43號文件規(guī)定，有一定收益的公益性事業(yè)發(fā)展需政府專項債務支持的，由地方政府通過發(fā)行專項債券融資，以對應的政府性基金收入或專項收入償還。專項債務收入用于公益性資本性公共產品供給，而資本性公共產品具有初期投資規(guī)模大、投資回收期長、建成能產生一定收益的特點，這使得地方政府必須通過債券融資獲得資金以解決收益跨期性問題。隨著地方政府債務余額增加，新冠疫情影響下2020年新發(fā)債規(guī)模更加放松，但項目建設周期長、專項收入產生慢，會直接導致專項債違約風險上升。根據wind數據庫統(tǒng)計，2015—2019年中國地方政府專項債券發(fā)行規(guī)模的年平均增長率為37.98%，而2015—2019年地方政府基金性收入的年平均增長率為16.85%，地方政府專項債發(fā)行規(guī)模增長率高于政府性基金收入增長率。大部分地方政府性基金收入高度依賴土地出讓金，占比在70%～90%之間，土地出讓金收入波動性強，一旦土地出讓金收入不及預期，政府專項債券可能會出現違約。根據財政部公布的數據，截至2019年12月末專項債券余額達94 378億元，年平均利率3.55%，2020年利息需償還3 350.42億元，但2019年全國地方政府性基金預算收入只有73 754.56億元，利息占總收入的4.54%。國辦函[2016]88號文件關于地方政府性債務風險應急處置方法規(guī)定，專項債務付息支出超過當年政府性基金預算支出10%，債務管理領導小組必須啟動財政重整計劃。雖然當前專項債券利息支出占政府性基金收入僅為4.54%，未達10%，但這值得債務管理部門警惕。黨的十九大報告中明確提出了打好防范、化解重大風險攻堅戰(zhàn)，中央政府高度關注地方政府債務違約現象，財政部也出臺了許多關于防范政府債務風險的政策。財預[2018]34號文件指出，將防范化解地方政府債務風險作為財政管理工作的重中之重，地方政府舉債要與償還能力相匹配是必須遵守的經濟規(guī)律，明確省級政府對專項債券依法承擔全部償還責任。

隨著債券到期高峰的到來，以下問題需要回答：第一，在堅持舉債與償債能力相匹配原則下，清晰地解析地方政府可償債收入構成(土地財政)和現狀非常必要。只有對各地的償債能力有了全面系統(tǒng)了解后，才能有針對性地防控地方專項債券違約風險。第二，在項目與債券周期相匹配原則和新供給理論視角下，為地方政府專項債券投資項目公共產品屬性提供實踐驗證。第三，在考慮再融資債券影響下，對比研究實際違約風險與發(fā)行再融資債券(借新還舊)使債務長期化的違約風險成為一項重要研究課題。

本文的創(chuàng)新之處在于：第一，當前文獻只有對總的地方債務(包括一般債和專項債)或一般債務違約風險的研究，沒有專門針對專項債券違約風險方面的研究；第二，在償還本息規(guī)模方面，大多數學者研究的是3年期、5年期、7年期、10年期或者到期債務的本息和，事實上近幾年地方政府發(fā)行了更長期的專項債，發(fā)行期限結構更復雜，本文不僅考慮所有實際到期專項債本息和，還考慮了未到期的專項債利息；第三，本文將再融資債券納入償債能力，與不考慮再融資債券時地方政府專項債違約風險進行比較。

二、文獻綜述

近幾年來，隨著地方政府專項債券規(guī)模的擴容，地方政府專項債違約風險研究得到學術界的重視，地方政府專項債發(fā)行較晚，在專項債違約風險方面的研究少之又少，不過在此之前，國內外學者在地方政府債務風險度量方法上做了許多研究。

(一)地方政府債務風險度量方法研究綜述

在風險關聯(lián)和預警體系方面，洪源和劉興琳基于粗糙集-BP神經網絡構建地方政府債務風險非線性仿真預警系統(tǒng)，發(fā)現中國地方政府債務風險在不斷上升[1]。王周偉等利用VAR模型與格蘭杰因果關系研究地方政府債務風險空間關聯(lián)傳染特征明顯并且風險溢出效應具有方向集聚特征[2]。刁偉濤和傅巾益通過將債務率分解為三個因子分別評估一般債和專項債，專項債務風險明顯高于一般債務，且專項債務率的分布不均衡[3]。在地方債務風險來源度量方面，趙劍鋒采用因子聚類分析方法，構建了地方債綜合風險測度體系，發(fā)現省級地方債風險最重要來源為增量風險，并且經濟轉型期和風險因子交叉影響容易使地方債綜合風險失控[4]。刁偉濤引入地方國有企業(yè)國有資產和土地資產，基于未定權益分析方法構建風險測度模型，發(fā)現利用國有資產化解地方債務具有足夠的空間[5]。梁麗萍和李新光利用層析分析法構建了一套含有資產負債表內容和宏觀經濟發(fā)展指標的債務風險測度體系，認為江蘇、廣東和山東等省份的政府債務風險承受能力最高，而青海、寧夏和海南等省份最低[6]。

(二)運用KMV模型測度地方債風險研究綜述

KMV模型是基于Fischer Black等人提出的期權定價公式和Merton提出的風險債務理論，1995年美國KMV公司開發(fā)了KMV模型，又被稱為預期違約概率模型(EDF model)[7-8]。韓立巖等最早利用KMV模型建立了評估市政債券信用風險模型，提出了計算理論違約概率的方法，他指出KMV模型的單個資產風險測度可以相對組合風險測度獨立出來，并且只需較少的歷史數據，并利用北京與上海的財政收支數據分析不同發(fā)債規(guī)模下的信用風險得出理論違約概率[9]。之后較多學者也采用此種方法測算某地區(qū)的地方債整體債務違約概率，區(qū)別在于償債能力指標的選取有所不同，例如，岳秀敏和劉婭選取四川省財政收入、居民儲蓄等數據作為償債能力指標[10]。駱昭東在估算陜西財政支出剛性的基礎上，發(fā)現債務置換會降低財政壓力[11]。徐超等選擇歷史年度財政收入FR和GDP數據構建VAR模型預測未來財政收入[12]。也有學者基于KMV模型對全國各省份地方債進行測算，夏詩園發(fā)現雖然地方政府總體債務風險相應下降，但部分地區(qū)同時面臨收入下降和波動性上升的雙重壓力，導致其債務風險較大幅度上升[13]。吳濤等計算一般公共預算用于還債的擔保比例，利用改進的KMV風險評估模型，測算了各省份一般地方債券的預期違約率[14]。何德旭等基于灰色系統(tǒng)理論的GM(1，1)模型預測一般公共預算收入，債務整體上幾乎不存在違約風險，但貴州、遼寧、內蒙古和浙江的地方政府違約概率在特定年份如2020年和2022年比較高[15]。在運用KMV測算安全發(fā)債規(guī)模方面，有洪源等基于流量和存量雙重維度的KMV修正模型，考察了不同償債能力增長率變化對地方政府風險的動態(tài)影響并得出了既定償債能力下地方政府安全規(guī)模[16]。張海星等以2014年試點自發(fā)自還地方債的十省份為樣本，從信用等級所對應的違約概率臨界值入手，找出不同期限的地方政府債券的安全發(fā)債規(guī)模[17]。

早期地方政府債務預警方式，多用幾個簡單的債務指標，如債務率、負債率等。后來有些學者用層次分析法、人工神經網絡等方法給指標賦予不同的權重，得到綜合指標。但是基于指標分析法只能得出債務的風險水平并不能測算未來具體的違約概率。因此目前很多學者假定地方政府面臨債務風險做出償債選擇是離散的，從而通過構建離散回歸模型或者資產定價方法估算未來債務違約概率。KMV模型運用在地方債務違約風險上，主要集中在兩個方面：一是通過債務規(guī)模和償債能力的比較得出未來預期的違約概率；二是根據過去債券的違約情況確定一個適當的違約概率，討論地方政府在此違約概率下的適度債務規(guī)模。

從現有文獻看，目前缺乏地方政府專項債券違約風險的專門研究。大多數學者都集中于研究籠統(tǒng)的地方債或者一般債，以總的地方財政收入或一般公共預算收入比例作為償債能力指標，這些償債能力指標和擔保比例并不適用地方政府專項債，如果用于測算專項債的違約風險，所得結果與實際情況可能存在一定偏差，因此有必要選擇更為科學的償債能力指標進行分析。本文通過構建修正的KMV模型對全國31個省份進行地方政府專項債違約風險研究，以一定比例的地方政府性基金收入和再融資專項債作為專項債務償債能力指標，需償還專項債務本息和作為債務指標。

三、構建修正的 KMV模型

(一)模型原理

2010年財政部頒布了《政府性基金管理暫行辦法》，它對政府性基金概念、征收繳庫和預決算管理做了明確規(guī)定，從2012年起中國政府性基金收入范圍才相對規(guī)范。因此考慮到中國各省份政府性基金收入可得的年份數據較少，而KMV模型具有只需較少時間序列的優(yōu)點，能夠彌補政府性基金收入歷史年份數據可得性差的缺陷，滿足中國地方政府專項債券違約風險研究需求。KMV模型將公司對外借取債務看作買入“看漲期權”，如果企業(yè)的資產市值大于負債，公司會選擇償還債務；反之公司不會選擇償還債務，一旦公司倒閉，則投資者將蒙受很大損失，而股東損失的最高金額為當初購買“期權”時所支付的權利金。

本文參考方來和柴娟娟研究的修正KMV模型，在進行地方政府專項債券的信用風險評估時，調整相關的指標，用地方政府性基金的可償債收入替代公司的資產市場價值；用可償債收入的增長率和波動率分別替代公司資產市場價值增長率和波動率；用地方政府專項債券到期應償還的本息規(guī)模替代公司負債規(guī)模[18]。

(二)構建修正的KMV模型

當未來地方政府性基金收入低于某個水平，此時可償債收入小于到期應償還的本息，則會發(fā)生違約。預期違約概率計算方法為：先根據地方政府性基金收入的歷史數據得到期初的可償債收入增長率和波動率。然后，用未來年度地方政府到期本息與期初的基金收入增長率和波動率構建一個度量指標——違約距離(Distance of Default，DD)。最后，根據地方專項債券的違約距離與預期違約概率(EDF，Expected Default Frequency)之間的關系，求出地方專項債券的預期違約概率，違約距離越小，地方政府專項債券預期違約風險越大。

假設1：地方政府專項債券的可償債收入服從對數正態(tài)分布，在t時刻地方政府的可用于償還地方專項債券的償債收入滿足以下關系：

Zt=f(Xt)

(1)

其中Xt是一個隨機變量，Zt表示t時刻可用于償債的收入，f(·)是某一個特定函數。

當T為某一債務到期日時，且T時刻到期的需償還本息和為DT，此時地方政府專項債券的可償債收入為Zt，若Zt小于DT，則地方政府專項債券將會發(fā)生違約，那么違約概率可以表示為：

P=P[ZT

=P[XT

(2)

假設2：隨機變量XT服從標準正態(tài)分布，即XT～N(0，1)，那么上述的違約概率P可以表示為：

P=P[XT

(3)

其中定義違約距離DD=-f-1(DT)。

假設3：地方政府可償債收入服從馬爾科夫隨機過程，假設償債收入服從期望漂移率g，方差為σ2的廣義維納過程，t表示初始時刻到T時刻的增量，可得：

(4)

由伊藤引理可知，Z和t的函數G遵循以下計算過程：

(5)

(6)

(7)

或

(8)

則可以得到相應Zt=f(Xt)的均值和標準差：

(9)

Var[lnZt]=σ2t

(10)

根據均值和方差的計算規(guī)則和以上結果，可以得到波動率σ和增長率g：

t=1

(11)

(12)

根據上面的推導結果，將式(11)、式(12)代入式(3)可得各地方政府專項債券的違約概率為：

PT=P[ZT

=N(-DD)

(13)

T=1，2，3，4

其中違約距離為：

(14)

T=1，2，3，4

需要測算的變量包括：基金可償債比例ρ，到期日應償還本息DT，地方政府性基金可償債收入平均增長率g和平均波動率σ。

四、數據來源及處理

由前面模型構造過程可知，要運用KMV模型評估未來某年度的地方政府專項債券的違約風險，首先需要獲取模型中作為期初時期(T=0時刻)的地方政府償債能力和未來T時期的應償還本息規(guī)模。為了研究再融資債券對違約概率的影響，下面實證部分采用兩種模型，模型(1)在處理償債能力時，只包括政府性基金和專項收入，而不考慮再融資債券本息，模型(2)的償債能力計算，則考慮了政府性基金、專項收入和再融資債券。下面將分別對兩種模型這兩部分數據來源及處理進行介紹。

(一)償債能力的樣本數據來源及處理

財預[2015]32號文件規(guī)定，調入政府性基金收入預算管理的專項收入，在政府性基金預算收入合計線下反映。按對應的政府性基金名稱分設對應的專項收入科目。個別省份如廣東和廣西從2018年起設置了“專項債券對應項目專項收入”，但大部分省份并沒有明確設置此科目，故認為其在建設中的項目尚未產生經營性收入。國辦函[2016]88號文件規(guī)定，地方政府對其舉借的債務負有償還責任，中央實行不救助原則，因此在需要處置變現資產來償還專項債務時表明債務違約風險已經形成，故不將國有資產變現納入專項債償債能力。雖然財預[2017]89號文件規(guī)定不同政府性基金間不得調劑，但為了研究地方政府專項債券整體性風險，在此假設不同政府性基金收入和對應的公益性項目專項收入之間可相互調用。財預[2016]155號文件規(guī)定，專項債務本金可通過發(fā)行專項債券等償還，故在政府性基金收入作為可償債收入的基礎上，考慮再融資債券收入作為可償債收入的違約風險。自2019年6月起，雖然有經營性專項收入、且償還專項債券本息后仍有剩余專項收入的重大項目可以進行市場化融資，但2019年配套市場融資的項目非常少，在此假設已發(fā)行的專項債券的專項收入全部納入了政府性基金預算收入。

地方政府專項債券的償債來源在政府性基金預算收入執(zhí)行情況表中反映為政府性基金收入。圖1表明，大部分省份土地出讓金收入占地方政府性基金收入的比例在約為70%～90%，因此用全國土地出讓收入的償債比例來確定地方政府性基金中用于償債的比例。2016年以后的全國土地出讓收入支出具體情況數據尚未公開，故用2012—2015年土地出讓金使用情況分析未來。圖1根據地方政府財政廳預決算公告整理得到。根據洪源對2012—2015年全國土地收入支出具體情況剖析，假設地方政府性基金收入中其他部分的償債比例同土地出讓收入償債比例一樣，政府性基金收入的償債比例ρ按保守情況下取10%和最大情況下取20%，即不考慮再融資債券的情況下償債收入=政府性基金收入×ρ；考慮再融資債券的情況下，償債收入=政府性基金收入×ρ+再融資專項債券收入。

圖1 2015—2019土地出讓金占政府性基金收入的平均比例

(二)償還本息規(guī)模的樣本數據來源及處理

本文對2020—2023年專項債違約風險進行分析，則需要預測2020—2022專項債的發(fā)債規(guī)模，擬用2015—2019年各省份專項債發(fā)債規(guī)模的幾何增長率，以測算專項債務到期本息和，具體如下：

DT=ri∑DV+(1+rj)DVT

(15)

其中DT為T時期應償還專項債務本息和，∑DV為當期未到期專項債本金，ri代表各省份當期未到期存量的專項債券的平均票面利率，DVT代表當期到期專項債規(guī)模，rj代表各省份當期到期專項債券平均票面利率。具體如下：

(1)2020年各省份債務本息和=2020年各省份年到期債務本金×(1+各省份到期債務平均利率)+2020年各省份未到期債務本金×各省份未到期債務平均利率

(2)2021年各省份債務本息和=2021年各省份到期債務本金×(1+各省份到期債務平均利率)+2021年各省份未到期債務本金×各省份未到期債務平均利率+2020年各省份新發(fā)專項債券規(guī)?！?2018年和2019年各省份平均利率)

(3)2022年各省份債務本息和=2022年各省份到期債務本金×(1+各省份到期債務平均利率)+2022年各省份未到期債務本金×各省份未到期債務平均利率+(2020年各省份新發(fā)專項債券規(guī)模+2021年各省份新發(fā)專項債券規(guī)模)×(2018年和2019年各省份平均利率)

(4)2023年各省份本息和=2023年各省份到期債務本金×(1+各省份到期債務平均利率)+2022年末到期債務本金×各省份未到期債務平均利率+(2020年、2021年和2022年各省份新發(fā)專項債券規(guī)?！?2018年和2019年各省份平均利率)

地方政府專項債發(fā)行期限中主要是3、5、7、10年期和超長期，因為1、2年期發(fā)行規(guī)模極少或已到期，故在討論到期本金時忽略不計，假定債券是每年年末付息。每年應還本金和利息見表1，超長期限債券此處未列明但同理。

表1 2020—2023年具體償債內容

五、專項債違約風險評估

(一)政府性基金收入增長率與波動率的估計

本文分別將2012—2019年政府性基金收入數據和再融資債券加政府性基金的數據代入式(11)、式(12)，得到兩個模型的地方政府性基金收入的期望增長率和波動率，作為2020年初償債收入增長率和波動率。表2的測算結果顯示：單獨考查政府性基金收入內生增長率和波動率，模型(1)的結果顯示東部地區(qū)政府性基金的增長率除天津和海南以外都在15%～20%之間，最高的是浙江，高達27%；中部省份增長率除湖南是23%，其余省份在10%～20%之間；西部地區(qū)地方政府性基金增長率分布較為分化，內蒙古、新疆、寧夏、西藏低于10%，其他省份增長率在10%～20%之間；東北地區(qū)增長率最低，遼寧和黑龍江甚至低于2%。90%省份的波動率在10%～30%之間，波動性較高的是北京(53%)和云南(41%)，這表明地方政府性基金收入在高波動性中增長，面對2019年新冠疫情對財政創(chuàng)收的影響，個別年份政府性基金收入不達預算很可能償還不了到期債務。模型(2)考慮再融資債券作為償債收入時，增長率平均提高了4%，波動率除個別省份外普遍有所提高。

表2 2020年期初可償債收入的增長率和波動率

(二)不考慮再融資債券的專項債券風險評估

在獲得各地方政府可償債收入和到期應償還本息規(guī)模的數據后，將模型(1)中2015—2019年的期望增長率和波動率，可償債比例為10%和20%，期初的政府性基金可償債收入數據代入式(13)，測算2020—2023年(T=1，2，3，4)的預期違約概率EDF。表3結果顯示：首先，中國地方政府專項債券的信用違約風險發(fā)生概率呈現出隨時間、區(qū)域變化的動態(tài)分布以及其他特征。從時間維度上看，基于不同的到期債務規(guī)模，不同的省份會在不同的時間到達違約頂峰，但總體而言中國地方政府專項債券風險會隨時間推移逐漸顯化。從區(qū)域維度看，東北三省預期違約率最高，然后是西部省份，東部和中部省份預期違約率除個別省份外相對較低。

表3 2020—2023年不考慮再融資債券的預期違約概率

其次，當政府性基金收入有10%可用于償還到期債務時，除個別省份(如浙江)外，如果不發(fā)行再融資債券來償還到期債務，大部分省份在2020年會大概率違約。當政府性基金收入有20%可用于償還債務時，從時間維度看，2020—2023年，處于0～20%的低違約率區(qū)間的省份數量從58%降到13%；處于80%～100%的高違約率的省份占比從13%上升到26%。原因是地方專項債券2015年開始發(fā)行，債務償還周期開始，2020年要償還2015年發(fā)行的5年期債券本金，2022年需要償還2015年發(fā)行的7年期債券和2017年發(fā)行的5年期債券本金，再加上近年專項債券發(fā)行規(guī)模進一步擴大，從而利息增加。因此，各省份專項債券違約風險不斷攀升。從區(qū)域維度來看，2020—2023年東北三省一直處于90%以上的高違約率區(qū)間；西部地區(qū)如西藏過去發(fā)債規(guī)模很小，違約率并不高，而其他省份發(fā)行規(guī)模相對較高，政府性基金收入相對債務增長率過低，本質是經濟發(fā)展疲軟收入增長動力不足導致較高的違約率；中部地區(qū)表現相比西部好很多，除湖北預期2020年違約率超過20%，其他省份能維持在20%較低違約率以下，但違約風險也逐年顯現，特別是江西和安徽2023年預期違約概率超過60%；2020年違約概率，東部地區(qū)除北京、天津、海南和福建，其他各省份大致能保持在0～20%的低違約率區(qū)間。

最后，比較幾個高預期違約風險的省份發(fā)現：對土地出讓收入依賴程度高、政府性基金收入高但增長率較低、發(fā)債規(guī)模累積過高，典型代表如天津；對土地出讓收入依賴程度高、政府性基金收入低、增長率也低、發(fā)債規(guī)模大，典型代表如貴州。雖然發(fā)債規(guī)模小、對土地出讓收入依賴程度低但基金性收入也低，典型代表為甘肅、內蒙古。這些高預期違約概率地方政府的共同特點是發(fā)債規(guī)模增長速度大于政府性基金收入增長率。對土地依賴程度高的省份，在房地產市場調控收緊、2019新冠疫情導致經濟下行的背景下，政府性基金收入波動性加劇進一步阻礙了可償債收入的可持續(xù)性。

(三)考慮再融資債券的專項債違約概率

根據新供給理論從供給角度重新定義經濟周期，將一個完整的經濟周期劃分為四個階段：新供給形成、供給擴張、供給成熟和供給老化。胡欣然等從新供給理論角度分析地方債存在的必要性和期限錯配導致違約風險[19]。專項債券投入的領域主要是地方基礎設施等資本性公共產品，它們往往具有前期投入大回收期長的特點，在新供給形成或擴張階段需要大量地方財政投入，在供給成熟和供給老化期才會有更多的收益流入。因此地方政府可以通過債務融資方式“預支”供給成熟和老化階段產生的盈余，地方政府發(fā)行再融資專項債類似于此。比較2018-2019年各省份到期本金和再融資債券發(fā)行規(guī)模(表4)，發(fā)現到期債務的償還高度依賴再融資債券，如北京2019年發(fā)行了196.7億元再融資債券償還本金，遼寧2019年發(fā)行了234.9億元償還到期本金。從側面說明這些省份投資的資本性公共項目尚不能產生足夠償還本金的現金流，需要依靠再融資債券償還本金。另一方面，償債周期已經到來，未來5年專項債務到期規(guī)模會在2023年達到頂峰。因此，下面我們研究如果償債能力考慮融資債券能否降低地方政府專項債券的違約風險。

表4 2018—2019年各省份再融資債券發(fā)行規(guī)模 單位：億元

鑒于2018年起地方政府可以發(fā)行再融資債券來償還專項債券，為了比較發(fā)行再融資債券前后中國地方政府專項債券違約風險的變化，模型(2)將再融資債券收入納入可償債收入，在此為個別尚未發(fā)行再融資債券的省份設定一個再融資債券比例，即用其他省份的再融資債券規(guī)模/總發(fā)行規(guī)模的平均值代替(1)2018—2019年個別省份(如廣東)沒有專項債券到期，故沒有地方再融資專項債券，但鑒于2020—2023年各省份都將有專項債到期，為使可償債收入增長率更加貼合現實，計算得到2018年再融資債券占總發(fā)行規(guī)模的比例為14%，2019年為17%。。從表5測算結果來看，在考慮再融資債券的影響下，模型(1)中高違約概率省份的違約風險普遍降低，如貴州2020年違約率從95%降到48%，寧夏2020年違約率從99%下降到15%。雖然以再融資債券收入償還本金在短期內一定程度上可以降低違約風險，但信用風險并沒有就此消失，2023年依然有1/3的省份預期違約概率在50%以上。2023年全國即將有16 991.15億元的地方專項債券到期，加上債務余額規(guī)模擴大應付利息也在增加，再融資債券并不能用來償還利息，再融資債券不能解決利息償付問題。因此，過于依賴再融資償債并不可取，繼續(xù)擴大再融資債券發(fā)行規(guī)模也不利于專項債補短板逆周期的積極財政政策功能的發(fā)揮。

表5 2020—2023年考慮再融資債券收入的預期違約概率

(四)高預期違約率地方政府的適度債務規(guī)模

穆迪公司測度出債券信用等級與預期違約概率之間關系：信用等級在穆迪Baa3以上的公司債券很少出現違約。本文認為政府債務至少應達到公司債券所評的信用等級，即政府債務預期違約概率在0.4%以下是最安全的，當前中國只有部分省份預期違約率低于0.4%。

選取違約率較高的省份，例如天津、貴州和遼寧，若要保持違約率在0.4%以下，討論當年到期的債務規(guī)模應占可償債收入的比例問題。用模型(1)的2015—2019年的可償債收入增長率和波動率，可償債收入占政府性基金收入的20%，2019年的可償債收入作為期初數據。2020年的可償債收入用2015—2019年的幾何增長率推測，天津為297.89億元，貴州為 394.55 億元，遼寧為 230.98 億元。然后按照可償債收入一定比例(P=0.9，0.8，0.7，0.6，0.5，0.4，0.3)的規(guī)模作為債務到期額，測算違約距離和預期違約概率，結果見表6，由表6可知，要使3個省份的預期違約概率在0.4%以下，天津2020年到期債務應該占可償債收入的50%，約為148.95億元，貴州的50%為197.28億元，遼寧的40%為92.39億元才是最安全的。然而根據實際到期本金和債務余額推斷，2020年到期應還本息規(guī)模天津為309.3億元，貴州為595.9億元，遼寧為345.3億元，這遠超安全違約率的到期債務規(guī)模，如果項目現金流量無法按預期實現，地方政府專項債券按當前發(fā)行規(guī)模增長率繼續(xù)發(fā)行債券，大概率會出現違約或者繼續(xù)依靠再融資債券收入償還本金?？蓛攤杖氲脑鲩L率越高，地方政府可承受的發(fā)債規(guī)模比例越高，同樣的其適度債務比例越高，在這3個省份中貴州的政府性基金收入增長率最高，遼寧出現負增長。根據表6可知，若要維持違約概率在0.4%以下，貴州、天津、遼寧的適度債務比例分別約為0.5、0.5、0.4。

表6 不同債務比例下的違約概率

六、結論與建議

建立KMV修正模型，在堅持中央不救助原則和項目與債券周期相匹配原則下，在考慮再融資債券償債背景下，分析地方政府專項債券違約風險。研究發(fā)現：

1.地方專項債券整體風險會隨著時間推移而顯化，但具體省份出現違約概率高峰的年份有所差別，違約風險與該省債務償還周期正相關，因此，應科學設置可贖回條款和本金分期償還條款等，增強償還債券本金靈活性，優(yōu)化發(fā)行期限機構，匹配項目周期和考慮債務償還周期因素。違約風險的區(qū)域性分化較為明顯，將各地區(qū)預期違約風險排序，違約率最高的是東北地區(qū)，然后是西部，中部和東部違約風險相對較低，因此在分配專項債券額度的時候，財政實力強、舉債空間大、債務風險低、債務管理績效好的地區(qū)多安排，財政實力弱、舉債空間小、債務風險高、債務管理績效差的地區(qū)少安排或不安排，但應該注意避免地區(qū)間經濟發(fā)展出現“虹吸現象”。

2.短期來看，地方政府可以暫時依靠再融資債券償還到期本金，但專項債券違約風險是由項目周期與債券期限錯配直接導致的，債券期限短于投資回收期，當債券到期時出現資金缺口就會產生違約風險。債券期限越短，本金的償還時間距離越短，越容易引發(fā)違約風險，因此，應該優(yōu)化債務期限結構以解決收益跨期問題。全國地方專項債券期限2017年為6.07年，到2019年為8.85年；高違約概率省份專項債期限延長更加明顯，如內蒙古從2017年的7.26年上升到2019年的16.57年。拉長債券期限一定程度上可以解決當前投資收益期和債券期限不匹配的現實問題，緩解地方政府的當前償債壓力。但長期來看，專項債違約風險與發(fā)債規(guī)模和地方政府償債能力即政府性基金收入增長速度和波動性密切相關，發(fā)債規(guī)模越高，可償債收入增長速度越低，波動性越強，則信用風險越高?？蓛攤杖朐鲩L率越高則適度債務比例越高，高而穩(wěn)定的政府性基金收入增長率是持續(xù)發(fā)債的必要條件。

3.如果地方政府債券償還資金來源繼續(xù)依賴土地財政收入，專項債券今后大概率會違約，所以做好項目融資收益自平衡是未來持續(xù)發(fā)債的保證。土地儲備和棚戶區(qū)改造項目專項債券規(guī)模非常巨大，為了保證土地相關的債券每年利息和到期本金的償還，穩(wěn)定土地市場和房地產市場價格、保證土地出讓收入對不發(fā)生違約風險至關重要。同時加強后續(xù)新增專項債券項目的審核，從源頭做好地方專項債券項目遴選，做實做細項目收益與融資平衡方案，確保項目收益與融資相互平衡。

4.用再融資債券收入償還當年到期的本金，可以降低當年的違約風險，但是隨著債務余額的增加，當年應還利息規(guī)模擴大，再融資債券不能用于償還利息，違約風險依然可能發(fā)生。地方政府不應該過度依賴再融資債券收入還債，再融資債券只能給地方政府帶來暫時的還債便利。除了再融資債券和土地出讓收入外，要考慮更多途徑補充政府性基金的規(guī)模，如建立國有資本經營預算與政府性基金預算之間的調撥機制，將一般公共預算中明確專款專用的教育附加、水利建設專項收入轉列入政府性基金預算。地方政府應該加強專項債券及項目生命周期風險管理，預測每一筆專項債券項目風險，實現防控專項債務總體風險的目標。繼續(xù)完善項目運行信息披露，使得項目現金流可測，從而項目風險可控，專項債券風險可控。