羅朝陽

(中國社會科學院 世界經濟與政治研究所, 北京 100732)

一、引言

隨著我國縱深推進金融市場改革，債券市場已經成為我國金融市場的重要組成部分，債券融資也正在成為企業(yè)重要的融資渠道。證監(jiān)會、國家發(fā)改委、全國工商聯(lián)等部門高度重視債券市場對企業(yè)的服務成效，并強調要增強債券市場對企業(yè)尤其是民營企業(yè)的服務質效，從根本上解決企業(yè)融資難融資貴難題，多措并舉改善企業(yè)融資問題，并不斷完善金融市場改革。任何事物或產業(yè)的發(fā)展都需要在成長中規(guī)范，并在規(guī)范中成長。債券市場的快速發(fā)展暴露了不少問題，債券違約違規(guī)行為時有發(fā)生。尤其是在2014年“11超日債”正式宣告違約后，類似違約事件數(shù)量有增無減，涉及種類從最初的公司債券直到全軍覆沒，所有債券類型均出現(xiàn)過違約情況，違約行為進入“常態(tài)化”。根據(jù)WIND公布數(shù)據(jù)可知，截至2022年2月，我國債券市場中有618只債券發(fā)生實質性違約，甚至包括信用級別為“AA+”“AAA”的債券，這一現(xiàn)象導致社會各界對信用評級機構的評審結果產生質疑，一時議論紛紛。信用評級機構作為獨立、公正、客觀的第三方重要的服務性中介機構，通過專業(yè)評審定級，為投資者出具較為可靠的風險評估報告，是投資者規(guī)避風險的重要參考信息之一，如果信用評級結果失真，那對債券市場的沖擊不言而喻。

對于信用評級的相關問題，國內外學者做了大量研究。總的來看，主要包括4個方面：

一是信用評級對債券市場發(fā)展的作用。一般而言，評級機構在對受評公司評估時，不僅會考慮其償債能力及違約風險，也會分析當前及未來市場環(huán)境的形勢及變化趨勢，綜合分析研判后出具較為準確的評級結果，投資者可參考評級結果對發(fā)債公司的風險情況有所了解，并作出投資判斷[1]?？梢?，信用評級機構對我國發(fā)債公司、債券市場甚至是整個金融體系的影響力不容小覷[2]，其作為第三方中介結構，不僅在一定程度上有效地緩解了債券市場的信息不對稱問題，也提高了整個債券市場的投資效率和運營效率[3]。但是，信用評級機構的雇主多為發(fā)債人，發(fā)債公司和信用評級機構存在雇傭和被雇傭的關系，這對信用評級結果的徹底性、公正性、客觀性存在一定負面影響，或會出現(xiàn)“高價推高信用評級結果”的現(xiàn)象，導致評級結果失真或披露信息不足，影響投資者判斷，埋下債券市場投資風險甚至是違約風險的種子[2]。

二是影響信用評級的主要因素。從研究方法上，F(xiàn)isher[4]利用回歸分析方法對企業(yè)的信用風險進行測評，是首位采用此類方法研究該問題的學者。隨后，不少學者不斷豐富實證研究方法，Chan等[5]針對OLS模型在估計離散模型方面的問題時，采用有序Probit模型來研究影響企業(yè)信用評級的因素，主要包括企業(yè)資產負債率、流動比率、利潤率、資產收益率、股票收益率等指標，并根據(jù)這些指標對企業(yè)信用進行評級，且該測評結果更加優(yōu)化。在研究內容上，Pogue等[6]是較早研究影響債券信用評級因素的學者，他們研究發(fā)現(xiàn)企業(yè)杠桿率和收益率與債券信用等級都存在強烈的正相關關系，說明企業(yè)的收益和負債是影響信用評級的關鍵因素。Perry等[7]的研究對此作了進一步佐證，并豐富優(yōu)化了已有結論，研究得出企業(yè)的杠桿率、流動比率、利潤率，以及企業(yè)規(guī)模的長期均值和波動率與債券信用等級強烈正相關。

三是信用評級結果調整對企業(yè)發(fā)行債券價格和成本的影響。評級結果正向或負向調整將直接影響債券價格以及發(fā)行成本，但是上調或者下調的影響程度有所不同[3]。具體而言，標普和穆迪作為國際兩大著名評級機構，其向上調整評級結果，對債券價格的影響較小，但是向下調整評級對債券價格和成本會產生明顯的影響[8]。同時，評級調整對CDS市場也會產生影響，向下調整產生的影響同樣更大[9]。但是，關于債券評級調整會影響成本的結論，部分學者持有不同看法。例如，寇宗來等[10]通過研究發(fā)現(xiàn)債券評級對發(fā)債成本的影響效應在逐漸遞減，并且變得不顯著，這意在說明信用評級機構的評級結果在債券市場的認可度不高，對投資者決策影響較小。

四是關于債券違約方面。一方面，多數(shù)學者從公司財務指標角度對該問題進行分析，通過對比違約和非違約企業(yè)的相關財務指標，分析兩者間存在的差距，進而發(fā)現(xiàn)是哪些財務指標會影響債券違約。例如，Beaver[11]使用單因素判別方法進行研究，發(fā)現(xiàn)營運資本比率、資產收益率、現(xiàn)金流量比越高的企業(yè)發(fā)生債務違約的概率越低，而資產負債率較高的企業(yè)則會較大可能發(fā)生債務違約。吳世農等[12]選取我國70家財務困境公司和70家財務正常公司進行對比研究后發(fā)現(xiàn)，凈資產報酬率對財務困境的判別成功率最高，且Logit模型預測的效果最好。另一方面，也有學者認為債券自身的相關信息也會對債券違約產生一定影響，如債券發(fā)行的時間、規(guī)模、期限、票面利率以及債券的評級結果都會影響債券違約，尤其是債券票面利率高的、“BB-”評級以下的債券會更容易出現(xiàn)違約情況[13]。

現(xiàn)有文獻對債券違約問題的研究相對透徹相對深入，但是對一些外部環(huán)境變化是否會影響債券違約的情況研究的則相對較少，如企業(yè)所在行業(yè)的景氣程度、經濟運行情況以及金融發(fā)展環(huán)境等。再者，目前的研究也較少去分析債券違約后是否會為債券市場間接傳遞出一些信息，從而改變債券市場不同參與者的行為動機?；诖耍疚臄M從這些方面嘗試做些補充。首先，通過構建理論模型，來合理刻畫債券發(fā)行企業(yè)、信用評級機構、債券投資者之間進行博弈的過程，以及達到均衡的情況，并據(jù)此提出相應的研究假設。其次，為了驗證理論假設，整理出我國由上市公司發(fā)行的2010—2021年到期以及在此期間發(fā)生實質性違約的債券信息，通過匹配發(fā)債企業(yè)財務數(shù)據(jù)、外部宏觀經濟信息數(shù)據(jù)進行實證研究。

二、理論分析與研究假設

在理論模型方面，主要根據(jù)Bolton 等[14]以及馬榕等[15]的相關研究，構建包括發(fā)行人、評級公司和債券購買者的博弈模型進行理論層面的探討。首先，假設發(fā)行人、評級公司和債券購買者均滿足理性經濟人假設，且所有參與者的風險偏好均為風險中性，其效用函數(shù)均為常相對風險厭惡效用函數(shù)(CRRA)。同時，假設評級公司可以從債券發(fā)行人處獲得對應債券的額外信息。市場上存在優(yōu)質和劣質兩類債券，優(yōu)質債券永遠不會發(fā)生違約，而劣質債券肯定會違約。假設優(yōu)質債券的份額為α，則劣質債券違約的概率為1-α。由于非完全市場上存在信息不對稱，債券購買者無法準確得知債券的違約風險。假設債券的票面利率為R(R>0)，對于優(yōu)質債券，1 單位債券到期后獲得支付1+R>1；對于劣質債券，1單位債券違約后債券購買者僅能收回一部分債券的票面金額r∈[0,1)。根據(jù)以上假設，債券購買者隨機購買一單位債券的預期收益如下：

V0=αR+(1-α)(r-1)

(1)

對債券購買者而言，債券購買者可以選擇相信評級公司的評級結果也可以選擇不相信評級結果。假設債券購買者選擇相信評級結果的概率為p∈[0,1]，且當購買者選擇相信評級結果時僅會購買高評級債券。當債券發(fā)生實質性違約之后，相關的債券購買者將不再相信評級公司的任何評級結果，此時評級公司將會失去部分客戶。若購買者不再相信評級結果，需花費C>0的費用用于搜集債券專有信息來判斷債券是否被錯誤地給予了高評級。當購買者發(fā)現(xiàn)債券評級被高估后將不會購買對應債券，同時評級公司商譽造成ρ>0的損失。

對于評級公司而言，評級公司做出評級需要花費人力物力去收集債券以及發(fā)債企業(yè)的專有信息，且收集信息的成本為E。假設評級公司能夠準確分辨?zhèn)膬?yōu)劣，且其選擇以q∈[0,1]的概率選擇如實對外公布債券以及發(fā)債企業(yè)的評級結果(即在評級結果中反映出其收集到的專有信息)。評級公司的評級結果須發(fā)行人認購，并支付相關費用。評級公司當選擇如實匯報評級結果時，只能收到發(fā)行人對優(yōu)質債券支付的評級費用φ(p,q)；當選擇不如實匯報評級結果時，則會收到所有類型債券的評級費用φ(p,q)。

債券評級采用發(fā)行人付費模式，發(fā)行人愿意為高評級債券(只有高評級能正常發(fā)行)支付總金額為Φ>0的評級費用。假設債券購買者選購債券的行為遵循如下貝葉斯法則：

(2)

式中，buy表示購買，high表示高評級，prob(high|buy)≡1。因此，債券評級費用應滿足如下等式：

(3)

根據(jù)公式(3)，債券的評級費用和該債券的購買意愿有關，發(fā)行者基于其利潤最大化考量將基于債券的預期收益跟評級公司就評級費用進行議價談判。

從投資者的角度來看，如果債券購買者愿意相信評級公司的評級結果，那么當評級公司如實公布債券評級結果時，投資者購買對應的債券將獲得凈收益Vth=αR>0；當評級公司不如實匯報債券評級結果時，投資者將獲得的凈損失為Vti=αR+(1-α)(r-1)≤0?；谝陨戏治?，購買者選擇相信評級公司情況下的預期收益為：

(4)

若債券購買者選擇不相信評級公司，那么債券購買者在購買債券前需要支付成本C用于判斷其擬購買債券的評級是否合理。因此，當評級公司如實公布債券評級結果時，投資者購買對應的債券將獲得凈收益為Vsh=α(R-C)>0；當評級公司不如實匯報債券評級結果時，投資者將獲得的凈損失為Vti=α(R-C)-(1-α)C=αR-C。因此，債券購買者選擇不相信評級公司時的預期收益為：

(5)

根據(jù)公式(4)和(5)，債券購買者是否相信評級公司評級兩種情形下收益的預期差為：

(6)

評級公司在總是選擇如實發(fā)布評級結果情況下，只能獲得本身就是優(yōu)質債券的評級費用φ(p,q)。此時，評級公司從評級中獲得的預期收益為：

(7)

(8)

根據(jù)公式(7)～(8)，評級公司選擇是否如實匯報評級結果兩種情形下收益的預期差為：

(9)

根據(jù)中國人民銀行2004年發(fā)布的《銀行間債券市場發(fā)行債券信用評級有關事項公告》，除不需要評級的債券外，在銀行間債券市場發(fā)行債券均需具備債券評級能力的評級機構對債券發(fā)行機構以及擬發(fā)行債券進行評級。2005年頒布的《短期融資券管理辦法》明確規(guī)定企業(yè)發(fā)行融資券需具備債券評級能力的評級機構提供相應的信用評級結果。上述公告和辦法對債券評級提出了硬性要求，此后我國債券評級市場逐步形成了債券發(fā)行評級和跟蹤評級的評級形式，該形式也是本文博弈分析的基礎。接下來，著重分析債券發(fā)行評級和跟蹤評級兩種狀態(tài)下債券購買者和評級公司的策略選擇。

當評級公司對債券進行發(fā)行評級時：從債券購買者的角度，由公式(6)對債券購買者信息搜集成本C求導可得：

(10)

從評級公司的策略選擇來看：假設監(jiān)管部門也對評級公司罰款的期望為零，當θ>φ(p,q)時，評級公司如實發(fā)布評級結果是其最優(yōu)選擇；當θ<φ(p,q)時，評級公司總是選擇給予債券高評級。從公式(3)可知：

(11)

根據(jù)公式(11)，評級費用φ(p,q)和債券購買者相信評級結果的程度有關。由于債券購買者的最優(yōu)策略為相信評級公司(信息搜集成本高)，于是評級公司基于此，總是對債券發(fā)行人收取最高價Φ。基于以上分析，提出假說H1：

H1:債券發(fā)行時，評級公司有動機給予債券高評級，此時其評級結果包含的專有信息較少，首次評級的債券專有信息對預測債券違約的作用較小。

(12)

公式(12)對商譽損失θ以及評級費用Φ′求導可得：

(13)

(14)

根據(jù)公式(13)，評級公司是否如實匯報評級結果兩種情況下的收益之差Δκ′credit是商譽損失θ的增函數(shù)，是跟蹤評級費用Φ′的減函數(shù)。當前，我國評級業(yè)務發(fā)展迅速，公司評級、債項評級得到越累越多投資者的認可，評級公司也逐漸更加在意其商譽資本，從而促使其選擇如實匯報評級結果。根據(jù)《銀行間債券市場信用評級機構評級收費自律公約》，評級公司跟蹤評級的收費約為初次評級的20%～50%。且在債券正式發(fā)行后，發(fā)行人為跟蹤評級支付評級費用的意愿逐漸減小。因此，有Φ′<Φ，此時評級公司選擇如實匯報評級結果的動機更強。根據(jù)以上分析，提出假說H2：

H2:跟蹤評級時評級公司有更強的動機如實匯報評級結果，此時其評級結果包含的專有信息較多，有助于預測債券違約。

三、研究設計

(一)樣本和數(shù)據(jù)

為了對研究假設進行實證檢驗，采用中國滬深兩市A股上市公司發(fā)行的債券進行研究。債券篩選規(guī)則為：所有上市公司發(fā)行的在2010—2021年到期以及在此期間發(fā)生實質性違約的債券(不考慮債券發(fā)行時間)。所有的債券數(shù)據(jù)均來自銳思(RESSET)金融數(shù)據(jù)庫，違約數(shù)據(jù)則來自萬得(WIND)數(shù)據(jù)庫，企業(yè)財務數(shù)據(jù)均來自國泰安(CSMAR)數(shù)據(jù)庫。由于金融類上市公司財務報表標準不同于非金融類上市公司，且金融類上市公司發(fā)行的債券多為金融債券，于是參考現(xiàn)有一些文獻的做法刪除了金融類上市公司樣本；為保證財務數(shù)據(jù)跨年可比，對所有企業(yè)財務數(shù)據(jù)以2010年為基期進行了平減處理以消除價格因素的影響；同時，為削弱個別極端值對結果的影響，對企業(yè)財務數(shù)據(jù)進行了首尾兩端各1%的縮尾處理。

通過上述篩選規(guī)則，本文共獲得2 842只債券樣本。全樣本債券和違約債券的類型分布見表1。根據(jù)表1可知，短期融資券數(shù)量在債券樣本中占比達到52.96%，占據(jù)絕對優(yōu)勢，是我國企業(yè)進行債券融資的主要融資工具。違約樣本中，中期票據(jù)的違約比率達33.33%，在所有債券類型中最高。

表1 債券類型分布

債券發(fā)行評級分布和債券到期(或違約)前半年時點的信用等級分布分別見表2和表3。根據(jù)表2，債券發(fā)行評級普遍較高。據(jù)統(tǒng)計，超過76.22%的債券在發(fā)行時的評級達到AA級及以上，其中AA級占比達到33.58%。根據(jù)表3，債券到期(或違約)前半年時點的評級等級較發(fā)行評級有所降低，僅有71.81%的債券跟蹤評級在AA級及以上，較發(fā)行時減少約4.4個百分點。同時，對比表2和表3可知，表3中高評級債券占比有所下降，低評級債券占比有所上升，部分債券的評級甚至降至BB級以下。

表2 債券發(fā)行時信用級別等級分布

表3 債券到期(違約)前半年時債券評級級別分布

(二)實證模型

在進行實證回歸時需將債券評級轉換為連續(xù)的變量，本文參考馬榕和石曉軍[15]的研究，將信用等級從CC到AAA依次賦值為1～19，賦值越高代表債券信用得分越高(1)對于國內債項評級，除AAA級和CCC級及以下等級，每個等級可用”+”“-”進行微調，因此從CC級到AAA級共有19個等級。。評級公司債券評級專有信息參照Agarwal等[16]的正交分解法進行識別，通過該方法將債券評級信息分解為來源于公開渠道的信息和評級得到的債券特有信息。正交分解法的實證模型設定參照沈紅波等[17]的方法，構建如下計量模型：

BondRateit=α0+β∑Controlsit+λIndi+ψYeart+εit

(15)

式中:i表示債券，t表示債券發(fā)行時和債券到期(違約)時；∑Controlsit為所有控制變量的合集，包括發(fā)債企業(yè)的財務數(shù)據(jù)、債券本身信息以及宏觀經濟變量。其中,企業(yè)財務數(shù)據(jù)包括企業(yè)資產負債率、資產收益率、企業(yè)規(guī)模、企業(yè)性質(是否為國企)、企業(yè)主體評級、總資產周轉率、流動比率以及反映企業(yè)控制人狀況的董事長和總經理是否為同一人的代理變量董總是否兼任；債券本身的信息包括發(fā)行債券是否有人擔保、債券的期限長度；宏觀經濟控制變量包括發(fā)債企業(yè)所在地的經濟增長率和國家層面的M2增長率。此外，為控制行業(yè)以及時間層面的異質性，本文控制了行業(yè)固定效應和時間固定效應，然后對公式(15)進行OLS估計。由于殘差代表公開渠道信息不能解釋的部分，因此將基于公式(15)回歸結果的殘差作為評級公司專有信息含量的代理變量。

參考現(xiàn)有文獻做法，本文采用二值虛擬變量作為債券是否違約的代理變量，等于1時代表債券發(fā)生違約，否則正常。對于被解釋變量為虛擬變量的模型，需采用離散選擇模型來估計。參考陳德球等[18]的研究，采用logit模型進行實證檢驗，模型設定如下：

(16)

Logit(p)=αSpecificit+β∑Controlsit+γCOVIDt+δIndi+τYeart+ξit

(17)

根據(jù)本文理論分析結果，評級公司更傾向于在初次評級時給予債券更高的評級以獲得更多的評級費用，其評級結果可能不包含或僅包含少量的專有信息。若此理論分析成立則基于公式(15)獲得的評級公司發(fā)行專有信息對于預測債券違約幫助較小，相關變量將不具有顯著結果；而在跟蹤評級時，評級公司如實發(fā)布評級結果的動機更強，評級信息中專有信息含量可能更高。若此理論分析成立則基于公式(15)獲得的評級公司跟蹤評級專有信息將有助于預測債券違約，相關變量將具有顯著的結果。

(三)描述性統(tǒng)計

表4為本文變量的描述性統(tǒng)計信息，其中債券違約代表債券發(fā)生違約與否，等于1時代表發(fā)生實質性違約，否則沒有違約；債券發(fā)行評級和跟蹤評級均根據(jù)債券等級依次賦值，評級值越高代表債券評級信用水平越高；債券利差采用票面利率和對應期限的國債利率之差進行衡量；擔保人等于1表示對應債券有擔保人進行擔保，等于0則沒有；債券期限為債券的發(fā)行期限，指從發(fā)行至到期的時間長度；M2增長率為全國層面的廣義貨幣增長率；GDP增長率為發(fā)債企業(yè)所在城市的GDP增長率；COVID=1表示疫情期間，本文中定義2020年和2021年為疫情期；企業(yè)主體評級同樣采取賦值的方法設定；企業(yè)資產負債率、流動比率、資產收益率、總資產周轉率、銷售收入增長率、董總兼任、企業(yè)規(guī)模等數(shù)據(jù)均來自企業(yè)財務報表。為控制異方差的影響，本文將取對數(shù)后的企業(yè)總資產放入回歸模型；企業(yè)性質等于1表示公司為國有企業(yè)。從表4可以看出，債券違約的均值為0.022，說明債券違約的占比約為2.2%，違約債券占比相對較低。債券跟蹤評級的均值較發(fā)行評級有所減小，初步印證了本文的研究假設。

表4 變量的描述性統(tǒng)計

續(xù)表(表4)

四、實證結果及分析

(一)債券信用評級的決定因素

評級公司獲得的債券專有信息通過公式(15)的回歸模型進行測算。本文以債券發(fā)行評級和跟蹤評級為因變量，以企業(yè)財務信息、宏觀經濟信息、債券信息為自變量進行回歸，回歸結果見表5。表5中第(1)列為債券發(fā)行評級的回歸結果，第(2)列為跟蹤評級的回歸結果。

表5第(1)列為對債券發(fā)行評級的結果。根據(jù)回歸結果，企業(yè)的總資產周轉率、主體評級、性質、規(guī)模以及債券是否有擔保人、GDP增長率和M2增長率的系數(shù)均顯著為正，表明初次評級信息包含了能夠搜集到的公共信息。原因在于，企業(yè)總資產周轉率越高代表企業(yè)正常運轉的能力越強，其債務風險往往會更低；主體評級代表了企業(yè)整體的信用情況，該類企業(yè)往往應對內外部風險的能力更強，發(fā)行的債券違約概率更小，因而評級更高；當債券發(fā)生違約后，擔保人需承擔部分賠償責任，因此有擔保人的債券相對更安全，可以獲得更高的評級；而資產規(guī)模較大的企業(yè)償付能力更強，為違約債券提供償付的比例更高，因而具有較高的評級；由于政府部門對國有企業(yè)普遍承擔隱性擔保的責任，國有企業(yè)發(fā)行的債券相對非國有企業(yè)償還行更高，因而具有較高的信用等級；宏觀層面，外部融資環(huán)境越寬松企業(yè)獲得再融資的可能性越高，債券如期償還的可能性就越高，因此貨幣政策寬松期的債券評級普遍較高。由于債券的不確定性隨著時間的推移不斷增加，長期債券面臨的不確定性遠高于短期債券，因而債券期限越長的債券其信用評級相對越低。表5中第(2)列為對債券跟蹤評級的結果，企業(yè)的主體評級、企業(yè)性質、銷售收入增長率和是否有擔保人以及M2增長率的系數(shù)均顯著為正，債券期限的系數(shù)顯著為負，與第(1)列的結果相同。不同的是，資產收益率在跟蹤評級中顯著為正，而銷售收入增長率的系數(shù)由負相關轉為正相關，說明評級公司進行跟蹤評級時以企業(yè)財務信息為準，更傾向于根據(jù)實際情況對跟蹤債券定級。

考察專有信息含量還可以從擬合優(yōu)度的角度進行判斷，表5中對發(fā)行評級回歸的擬合優(yōu)度為0.479，即公開渠道信息解釋了債券發(fā)行評級信息的47.9%。表5中對跟蹤評級回歸的擬合優(yōu)度為0.221，即公開渠道信息解釋了債券跟蹤評級信息的22.1%。以上對比表明，評級公司在進行跟蹤評級時加入了更多的專有信息，公開渠道信息僅是其評級的參考。以上結論與本文的理論分析一致。

表5 債券發(fā)行評級和跟蹤評級影響因素回歸結果

(二)評級專有信息對債券違約的影響

為了考察評級專有信息對債券違約預測影響的差異，本文以基于公式(15)計算的債券專有信息量作為核心解釋變量，以債券是否違約為因變量按照公式(17)的模型進行回歸分析，回歸結果見表6。

為便于對比分析，表6中第(1)列為不加入任何專有信息的回歸結果，第(2)和第(3)列分別為僅加入發(fā)行評級專有信息和跟蹤評級專有信息的回歸結果。根據(jù)第(1)列的結果，企業(yè)主體評級、資產收益率、總資產周轉率、銷售收入增長率、企業(yè)性質以及GDP增長率、M2增長率的系數(shù)均顯著為負，且均符合理論預期。以上結論說明企業(yè)評級越高、收益率越好、運營狀況更優(yōu)以及國有企業(yè)發(fā)行的債券違約風險更小，外部寬松的信貸環(huán)境以及經濟活力越強的時候債券違約的風險更低。債券利差顯著為正，表明收益率高的債券違約風險更高，說明債券票面利率部分反映了風險的價格補償。資產負債率以及企業(yè)規(guī)模均顯著為正，說明負債水平越高的企業(yè)以及規(guī)模更大的企業(yè)發(fā)生違約的概率更高。

根據(jù)表6中第(2)列的結果，評級公司債券發(fā)行評級專有信息的系數(shù)雖然小于零，但不具有統(tǒng)計意義，說明評級公司對債券進行發(fā)行評級時僅包含了少量的專有信息，從而驗證了假設H1。根據(jù)表6中第(3)列的結果，評級公司債券跟蹤評級專有信息的系數(shù)在1%水平上顯著小于零，說明當評級公司的專有信息為正面時債券違約的概率越小，說明跟蹤評級時評級公司更多參考了其專有信息，從而驗證了假設H2。從擬合優(yōu)度來看，增加發(fā)行評級專有信息和跟蹤評級專有信息后，模型的擬合優(yōu)度不斷增加，尤其是在加入跟蹤評級專有信息后，模型的擬合優(yōu)度從0.5上升到0.556，增加了11.2%，提升幅度較大，進一步印證了本文的研究假設。從各個模型的AUC值來看，加入評級公司專有信息后，模型的AUC值均有所增加，表明模型預測的準確度在不斷增加，更近一步印證了本文的研究假設。

表6 債券評級專有信息與債券違約回歸結果

(三)穩(wěn)健性分析

接下來，本文基于調整樣本的方法進行穩(wěn)健性分析。由于長期債券的評級標準以及面臨的不確定性和短期債券略有差異，因此單獨采用長期債券樣本進行穩(wěn)健性檢驗，回歸結果見表7中長期債券樣本的回歸結果。從結果可以看出，評級公司發(fā)行評級專有信息的系數(shù)和基準模型一樣雖然為負但不具有顯著性，而評級公司跟蹤評級專有信息的系數(shù)在1%水平上顯著為負。以上結論與本文的研究假設一致，說明本文的研究結論具有穩(wěn)健性。

由于政府部門可能會對國有企業(yè)進行隱性擔保，因此單獨將非國有企業(yè)發(fā)行的債券進行分析以排除政府部門隱性擔保的影響，結果見表7中非國有企業(yè)樣本的回歸結果。通過對比，評級公司發(fā)行評級專有信息的系數(shù)和基準模型一樣雖然為負但不具有顯著性，而評級公司跟蹤評級專有信息的系數(shù)在5%水平上顯著為負。以上結論同樣與本文的研究假設一致，進一步說明本文的研究結論具有穩(wěn)健性。

表7 穩(wěn)健性檢驗結果

五、結論與啟示

信用評級是反映企業(yè)以及債項風險狀況的重要指標，如何發(fā)揮信用評級警示風險的作用尤為重要。本文通過構建包含發(fā)行人、評級公司和債券投資人的動態(tài)博弈模型，揭示了評級公司在對債券進行跟蹤評級時會采取和債券發(fā)行時不同的策略選擇，從而影響債券評級結果中的專有信息含量。進而通過我國A股上市公司發(fā)行的在2010—2021年到期以及發(fā)生實質性違約的債券樣本對基于理論模型提出的研究假設進行了檢驗。實證結果發(fā)現(xiàn)評級公司對新發(fā)行的債券普遍存有給予高評級的動機，而在跟蹤評級時則更傾向給予債券正常的評級，因此發(fā)行評級專有信息對預測債券違約無顯著影響而跟蹤評級專有信息對債券違約有顯著影響。穩(wěn)健性分析表明，上述結論對于長期債券樣本以及非國企發(fā)行的債券樣本同樣成立。

根據(jù)研究結論，提出以下3個方面的政策建議：

一是嚴懲信用評級交易行為。對信用評級機構缺乏有效的監(jiān)管制度，以及對出現(xiàn)違約違規(guī)行為的懲罰手段較少、力度較小，導致信用評級機構失去了客觀、公正的第三方職業(yè)操守，擾亂了債券市場信息傳遞，不利于債券市場高質量發(fā)展，更無法有效解決企業(yè)尤其是民營企業(yè)的融資難題。因此，針對信用評級存在的交易行為，應該本著從嚴從重的原則，提高對債券信用評級機構出現(xiàn)違法違規(guī)行為的懲罰力度，以儆效尤，提高信用評級披露信息質量。

二是積極引進國外高水平評級機構。通過形成適當競爭力來倒逼國內現(xiàn)有信用評級機構升級，保障披露信息質量。在債券發(fā)行前，應同時由國際和國內兩家債券評級機構作出信用評級，并同時公布兩家評級結果，在為投資者提供更多增量信息的同時，也督促國內信用評級機構提高評級質量，確保評級結果的公正性和可信性。

三是加快推進多模式評級發(fā)展。積極建設推進中立債券信用評級機構，改變傳統(tǒng)債券發(fā)行人付費評級模式，杜絕評級機構“虛高評級交易”現(xiàn)象發(fā)生。鼓勵中立評級機構開展主動評級，與投資者付費評級相結合，充分發(fā)揮雙評級、多評級和多模式評級的交叉驗證，確保信用評級的質量，推進評級機構改革，切實發(fā)揮資本市場“看門人”的重要作用。