程六兵 張 龑

(1.中國(guó)海洋大學(xué) 管理學(xué)院，山東 青島 266100；2.中國(guó)企業(yè)營(yíng)運(yùn)資金管理研究中心，山東 青島 266100)

一、引言

如何讓更多的企業(yè)和投資者，快速地、以合理價(jià)格達(dá)成籌資和投資交易，是發(fā)展高質(zhì)量債券市場(chǎng)的目標(biāo)之一。作為保障機(jī)制的債券評(píng)級(jí)具有信息中介和監(jiān)督約束的功能，通過(guò)搜集信息、專業(yè)判斷以及公布信用狀況，債券評(píng)級(jí)機(jī)構(gòu)不僅可以減輕“檸檬市場(chǎng)”問(wèn)題[1]，還可節(jié)約個(gè)體投資者重復(fù)判斷的成本。在具體的機(jī)制運(yùn)行中，是否能夠及時(shí)、準(zhǔn)確地反映公司信用風(fēng)險(xiǎn)信息是高質(zhì)量債券評(píng)級(jí)的核心。然而，現(xiàn)實(shí)的經(jīng)濟(jì)數(shù)據(jù)對(duì)此給出了相反的證據(jù)：如次貸危機(jī)前，美國(guó)三大評(píng)級(jí)機(jī)構(gòu)都未能發(fā)揮風(fēng)險(xiǎn)預(yù)警作用；中國(guó)債券市場(chǎng)2014年的“超日債”、2020年“永煤控股”事件皆指向了評(píng)級(jí)虛高問(wèn)題。

如何提高債券評(píng)級(jí)質(zhì)量成為債券市場(chǎng)發(fā)展過(guò)程中亟需解決的關(guān)鍵問(wèn)題。對(duì)此，世界各國(guó)政府均采取了相應(yīng)措施，例如美國(guó)證監(jiān)會(huì)在2006年和2010年先后頒布《信用評(píng)級(jí)機(jī)構(gòu)改革法案》《多德—弗蘭克法案》，旨在增強(qiáng)評(píng)級(jí)競(jìng)爭(zhēng)，提高信息透明度，加大評(píng)級(jí)機(jī)構(gòu)的法律責(zé)任。作為中國(guó)的應(yīng)對(duì)措施之一，2010年監(jiān)管機(jī)構(gòu)在超短期融資券的發(fā)行人付費(fèi)模式評(píng)級(jí)下，引入投資人付費(fèi)模式的評(píng)級(jí)——中債資信評(píng)級(jí)，隨后2021年五部委聯(lián)合發(fā)布《關(guān)于促進(jìn)債券市場(chǎng)信用評(píng)級(jí)行業(yè)健康發(fā)展的通知》更是將投資人付費(fèi)評(píng)級(jí)全面推廣，鼓勵(lì)雙評(píng)級(jí)，期望發(fā)揮不同模式評(píng)級(jí)的交叉認(rèn)證作用。為了評(píng)估政策實(shí)施的預(yù)期效果，有必要對(duì)現(xiàn)有的“雙評(píng)級(jí)”制度如何影響信用評(píng)級(jí)市場(chǎng)進(jìn)行實(shí)證檢驗(yàn)。在評(píng)級(jí)得分方面，引入“雙評(píng)級(jí)”制度，期望聲譽(yù)機(jī)制發(fā)揮效果[2]，即獨(dú)立性更高的中債資信評(píng)級(jí)發(fā)揮參考、約束作用，抑制發(fā)行人付費(fèi)模式的評(píng)級(jí)機(jī)構(gòu)虛高評(píng)級(jí)的動(dòng)機(jī)。對(duì)此，林晚發(fā)等提供了證據(jù)支持，他們發(fā)現(xiàn)中債資信的加入明顯降低了發(fā)行人付費(fèi)模式的評(píng)級(jí)機(jī)構(gòu)對(duì)公司主體的評(píng)級(jí)得分[3]，但阮永鋒等得出了相反的結(jié)論[4]。在評(píng)級(jí)定價(jià)方面，吳育輝等發(fā)現(xiàn)在發(fā)行人付費(fèi)評(píng)級(jí)一定的情況下，投資人付費(fèi)評(píng)級(jí)對(duì)信用利差仍然有顯著影響[5]，但僅僅關(guān)注中債資信加入后的市場(chǎng)，難以發(fā)現(xiàn)評(píng)級(jí)在定價(jià)上的增量變化。陳關(guān)亭等籠統(tǒng)地檢驗(yàn)了是否為雙評(píng)級(jí)以及雙評(píng)級(jí)是否有差異對(duì)債券成本的影響[6]，未能區(qū)分評(píng)級(jí)差異大小與債券成本的關(guān)系，不利于明晰雙評(píng)級(jí)影響債券定價(jià)的作用機(jī)理。相反的研究結(jié)論、有偏的研究設(shè)計(jì)，說(shuō)明相關(guān)研究尚不充分。本文認(rèn)為，中債資信的加入對(duì)評(píng)級(jí)市場(chǎng)是一種增量變化，若聲譽(yù)機(jī)制發(fā)揮作用，將直接改變“發(fā)行人付費(fèi)”機(jī)構(gòu)給出的評(píng)級(jí)得分；若否，則額外增加的評(píng)級(jí)對(duì)投資者判斷公司的信用風(fēng)險(xiǎn)具有參考作用，有可能間接改變“發(fā)行人付費(fèi)”評(píng)級(jí)在債券定價(jià)上的作用。因此，有必要從評(píng)級(jí)得分和定價(jià)兩方面，研究中債資信的加入對(duì)“發(fā)行人付費(fèi)”評(píng)級(jí)帶來(lái)的直接和間接影響。

本文的研究貢獻(xiàn)主要包括兩個(gè)方面：第一，立足于中國(guó)的制度基礎(chǔ)，本文比較了同一公司被中債資信評(píng)級(jí)前后發(fā)行人付費(fèi)評(píng)級(jí)的變化，由此減輕因制度設(shè)定而可能產(chǎn)生的樣本異質(zhì)性問(wèn)題，完善中債資信評(píng)級(jí)對(duì)發(fā)行人付費(fèi)模式評(píng)級(jí)影響的研究。在發(fā)行人付費(fèi)模式下，評(píng)級(jí)機(jī)構(gòu)獨(dú)立性差，可能會(huì)出現(xiàn)評(píng)級(jí)意見(jiàn)購(gòu)買(mǎi)[7]、評(píng)級(jí)迎合[8]等行為，低質(zhì)量的評(píng)級(jí)被投資者和監(jiān)管者所詬病。此時(shí)，高獨(dú)立性的投資人付費(fèi)模式再次被重視和提倡[9]。在中國(guó)債券評(píng)級(jí)市場(chǎng)中，引入中債資信亦是基于上述邏輯，并期望聲譽(yù)機(jī)制發(fā)揮作用，抑制發(fā)行人付費(fèi)模式的評(píng)級(jí)機(jī)構(gòu)虛高評(píng)級(jí)的動(dòng)機(jī)?，F(xiàn)實(shí)效果如何？部分研究給出了積極證據(jù)[3][10]，而阮永鋒等未得出正面的結(jié)論[4]。值得注意的是，中國(guó)債券市場(chǎng)只對(duì)信用風(fēng)險(xiǎn)低的公司在發(fā)行超短期融資券時(shí)要求雙評(píng)級(jí)，且只需任一評(píng)級(jí)達(dá)到AA級(jí)即可。忽略這種制度設(shè)定帶來(lái)的樣本異質(zhì)性問(wèn)題，將對(duì)研究結(jié)論造成負(fù)面影響。為此，本文采用同一公司前后比較的方式進(jìn)行驗(yàn)證，發(fā)現(xiàn)中債資信的加入并未顯著影響發(fā)行人付費(fèi)模式的評(píng)級(jí)，與阮永鋒等的經(jīng)驗(yàn)證據(jù)相似[4]，也與Horner的理論預(yù)期一致[11]。

第二，本文從信息甄別的視角研究中債資信評(píng)級(jí)的作用，豐富多評(píng)級(jí)定價(jià)的文獻(xiàn)。中債資信的加入最直接的作用是將單評(píng)級(jí)變成了雙評(píng)級(jí)，這對(duì)評(píng)級(jí)定價(jià)有怎樣的影響？對(duì)此，已有文獻(xiàn)主要存在三種觀點(diǎn)：一是信息增量說(shuō)。不同的評(píng)級(jí)提供增量信息，所以與單評(píng)級(jí)相比，有差異的多評(píng)級(jí)更能降低債券成本[12]。二是信息不對(duì)稱說(shuō)。評(píng)級(jí)差異的大小反映了公司信息不對(duì)稱的程度，差異越大，債券成本越高[13]。三是評(píng)級(jí)購(gòu)買(mǎi)說(shuō)。與多評(píng)級(jí)相比，單評(píng)級(jí)更有可能是公司購(gòu)買(mǎi)的最高評(píng)級(jí)，被投資者識(shí)別，因此，單評(píng)級(jí)對(duì)應(yīng)的債券成本更高[14]。但與美國(guó)的評(píng)級(jí)市場(chǎng)不同，中國(guó)的多評(píng)級(jí)是應(yīng)獨(dú)立性高的監(jiān)管方要求產(chǎn)生的，此時(shí)，多評(píng)級(jí)在債券定價(jià)上的作用可能不同。對(duì)此，國(guó)內(nèi)的研究尚不充分。吳育輝等僅檢驗(yàn)事后評(píng)級(jí)差異對(duì)債券定價(jià)的影響[5]，不足以反映雙評(píng)級(jí)較單評(píng)級(jí)的增量作用；而研究被中債資信評(píng)級(jí)的次數(shù)對(duì)債券定價(jià)的影響[3]，又未能明晰其作用機(jī)理，不利于發(fā)掘中債資信評(píng)級(jí)的真實(shí)作用。與本文的做法類似，阮永鋒等也分段考察了評(píng)級(jí)差異對(duì)信用利差的增量影響[4]，但忽視了被中債資信評(píng)級(jí)公司的特殊性對(duì)其研究結(jié)論產(chǎn)生的負(fù)面影響。本文考慮中國(guó)債券投資者以商業(yè)銀行等金融機(jī)構(gòu)為主的特點(diǎn)，從信息甄別的視角，提出新的觀點(diǎn)：在信息不對(duì)稱的情況下，債券投資者對(duì)公司信用風(fēng)險(xiǎn)有一個(gè)平均判斷，其低于發(fā)行人付費(fèi)模式評(píng)級(jí)，并據(jù)此定價(jià)；之后相近的雙評(píng)級(jí)使得發(fā)行人付費(fèi)模式評(píng)級(jí)的可信度提高，投資者故而調(diào)高對(duì)公司的評(píng)級(jí)，從而降低債券成本；相反，差異較大的雙評(píng)級(jí)使得投資者調(diào)低對(duì)公司的評(píng)級(jí)，進(jìn)而提高債券成本。

二、文獻(xiàn)回顧與研究假設(shè)

(一)中債資信的引入對(duì)發(fā)行人付費(fèi)模式評(píng)級(jí)的影響

中債資信的引入是否影響發(fā)行人付費(fèi)模式的評(píng)級(jí)，主要取決于兩類評(píng)級(jí)自身的質(zhì)量以及投資者是否對(duì)其做出了識(shí)別和反應(yīng)。準(zhǔn)確地說(shuō)，該機(jī)制能夠產(chǎn)生明顯作用的場(chǎng)景為：投資者對(duì)發(fā)行人付費(fèi)模式評(píng)級(jí)的低質(zhì)量并未識(shí)別，而引入的中債資信評(píng)級(jí)是高質(zhì)量的，且能夠通過(guò)聲譽(yù)機(jī)制影響發(fā)行人付費(fèi)模式評(píng)級(jí)。因此，本文結(jié)合中國(guó)特定的制度背景，從以下四個(gè)方面進(jìn)行分析。

1.中債資信評(píng)級(jí)的質(zhì)量。中債資信評(píng)級(jí)是否改變發(fā)行人付費(fèi)模式評(píng)級(jí)，或者說(shuō)是否對(duì)后者造成壓力，首先取決于自身的評(píng)級(jí)質(zhì)量。倘若作為參考標(biāo)準(zhǔn)，自身評(píng)級(jí)質(zhì)量不佳，其參考價(jià)值就相對(duì)較小。2010年9月，由銀行間交易商協(xié)會(huì)組織成立的中債資信，一方面采用投資人付費(fèi)的方式評(píng)級(jí)，另一方面作為監(jiān)管機(jī)構(gòu)的附屬單位，追求盈利性的動(dòng)機(jī)較低。因此，中債資信具有高獨(dú)立性特征。但獨(dú)立性高只是提供高質(zhì)量評(píng)級(jí)的必要條件之一，評(píng)級(jí)質(zhì)量的高低還取決于評(píng)級(jí)機(jī)構(gòu)獲取公司內(nèi)部信息的程度。Bonsall指出，在發(fā)行人付費(fèi)模式下，公司與評(píng)級(jí)機(jī)構(gòu)簽訂的契約存在保密性條款，公司可以向評(píng)級(jí)機(jī)構(gòu)提供內(nèi)部信息，而后者則可以通過(guò)評(píng)級(jí)將這部分信息間接地向外傳達(dá)[15]。相比之下，采用投資人付費(fèi)模式，評(píng)級(jí)機(jī)構(gòu)要獲得公司內(nèi)部信息相對(duì)較難。收益有限、成本較高的現(xiàn)實(shí)情景，可能會(huì)導(dǎo)致中債資信收集、挖掘公司內(nèi)部信息的動(dòng)機(jī)不足，代之以公開(kāi)信息作為評(píng)級(jí)的主要依據(jù)。因此，中債資信是憑借高獨(dú)立性做出相對(duì)較高質(zhì)量的評(píng)級(jí)，還是因內(nèi)部信息劣勢(shì)而交出低質(zhì)量的評(píng)級(jí)報(bào)告，顯然難有定論。

2.發(fā)行人付費(fèi)模式評(píng)級(jí)的質(zhì)量。目前，中國(guó)的債券評(píng)級(jí)市場(chǎng)以發(fā)行人付費(fèi)模式為主，評(píng)級(jí)機(jī)構(gòu)主要由中誠(chéng)信、聯(lián)合信用等組成。本文統(tǒng)計(jì)顯示，2010—2019年，評(píng)級(jí)機(jī)構(gòu)對(duì)非金融類上市公司給出的評(píng)級(jí)在AA級(jí)以上(含AA)的樣本占比過(guò)高，超過(guò)了81%，央行也明確指出中國(guó)債券市場(chǎng)存在評(píng)級(jí)虛高的現(xiàn)象①。為何會(huì)虛高？原因主要有三：一是在發(fā)行人付費(fèi)模式下，評(píng)級(jí)機(jī)構(gòu)為了吸引、留住客戶，獲取更多收益，具有虛高評(píng)級(jí)的動(dòng)機(jī)；二是監(jiān)管機(jī)構(gòu)依賴于外部評(píng)級(jí)進(jìn)行風(fēng)險(xiǎn)控制，設(shè)置門(mén)檻要求②，推高了發(fā)行主體對(duì)高評(píng)級(jí)的需求；三是較低的法律責(zé)任降低了機(jī)構(gòu)虛高評(píng)級(jí)的成本。目前，作為上位法，《中華人民共和國(guó)證券法》對(duì)評(píng)級(jí)機(jī)構(gòu)法律責(zé)任的規(guī)定，強(qiáng)調(diào)的是勤勉盡責(zé)義務(wù)，在責(zé)任認(rèn)定過(guò)程中采用過(guò)錯(cuò)推定的原則，即使存在過(guò)錯(cuò)，仍然以行業(yè)自律的行政處罰為主，缺少追究評(píng)級(jí)機(jī)構(gòu)民事責(zé)任的法律依據(jù)。

當(dāng)然，評(píng)級(jí)虛高并不等同于評(píng)級(jí)質(zhì)量低，發(fā)行人付費(fèi)模式評(píng)級(jí)是否是高質(zhì)量的，經(jīng)驗(yàn)研究并未得出一致結(jié)論。從對(duì)債券成本是否具有解釋力的角度，部分研究發(fā)現(xiàn)評(píng)級(jí)對(duì)債券成本具有明顯的解釋作用[16][17]，但寇宗來(lái)等得出了相反的結(jié)論[18]。從是否能甄別、約束企業(yè)盈余管理行為的角度，李琦等給出了正面證據(jù)[19]，但馬榕和石曉軍認(rèn)為評(píng)級(jí)對(duì)盈余管理的甄別能力較弱[20]。因此，發(fā)行人付費(fèi)模式評(píng)級(jí)是否是高質(zhì)量的，仍然是一個(gè)存在爭(zhēng)議的話題。

3.債券投資者的構(gòu)成。正如上文所述，中債資信的加入是否引起了發(fā)行人付費(fèi)模式評(píng)級(jí)的變化，還受到債券投資者的影響。若投資者從一開(kāi)始就能夠識(shí)別虛高的發(fā)行人付費(fèi)模式評(píng)級(jí)，主動(dòng)對(duì)虛高的評(píng)級(jí)進(jìn)行調(diào)整，并要求相應(yīng)的風(fēng)險(xiǎn)補(bǔ)償，那中債資信所能產(chǎn)生的邊際作用就會(huì)較小。盡管自2000年以來(lái)，制度約束層面對(duì)債券投資者的要求逐步放開(kāi)，但以金融機(jī)構(gòu)為主的典型特征并未改變。根據(jù)中國(guó)債券信息網(wǎng)的統(tǒng)計(jì)，截至2020年12月，銀行間債券市場(chǎng)中的投資者，商業(yè)銀行與保險(xiǎn)公司占比接近70%。與個(gè)人投資者顯著不同的是，商業(yè)銀行等金融機(jī)構(gòu)本身就具有較強(qiáng)的信息搜集和分析能力，是精明的投資者。Bolton等認(rèn)為，精明的投資者具有識(shí)別評(píng)級(jí)虛高的能力[21]。此時(shí)，中債資信對(duì)發(fā)行人付費(fèi)模式評(píng)級(jí)的影響可能有限。

但另一方面，債券投資者往往較為分散，單個(gè)投資者在評(píng)價(jià)公司的信用風(fēng)險(xiǎn)時(shí)，需承擔(dān)全部搜集、分析信息的成本，但不能享有全部收益，隨之可能會(huì)出現(xiàn)搭便車行為。因此，精明的投資者盡管有能力但未必有動(dòng)機(jī)去識(shí)別虛高的評(píng)級(jí)。此時(shí)，投資者依賴于債券評(píng)級(jí)，中債資信作為第三方，給出額外的參考意見(jiàn)，可能會(huì)影響投資者對(duì)發(fā)行人付費(fèi)模式評(píng)級(jí)質(zhì)量的辨別，從而發(fā)揮較大的邊際作用。

4.聲譽(yù)機(jī)制的有效性。除了考慮兩類評(píng)級(jí)的質(zhì)量、投資者構(gòu)成外，中債資信評(píng)級(jí)影響發(fā)行人付費(fèi)模式評(píng)級(jí)還應(yīng)該有傳導(dǎo)途徑。在聲譽(yù)機(jī)制的預(yù)期下，中債資信給出嚴(yán)格的評(píng)級(jí)，投資者以其作為參考，若發(fā)行人付費(fèi)模式評(píng)級(jí)虛高，投資者就能識(shí)別，這會(huì)損害評(píng)級(jí)機(jī)構(gòu)的聲譽(yù)。反過(guò)來(lái)，為了不損害聲譽(yù)，評(píng)級(jí)機(jī)構(gòu)會(huì)減少虛高評(píng)級(jí)的行為。但聲譽(yù)機(jī)制要發(fā)揮作用，有三個(gè)前提：首先，聲譽(yù)是通過(guò)市場(chǎng)競(jìng)爭(zhēng)產(chǎn)生的。理論上，Horner認(rèn)為，在信息不對(duì)稱的情況下，外部投資者對(duì)公司產(chǎn)品質(zhì)量的監(jiān)督是不完美的，所以公司有可能不努力去提升產(chǎn)品質(zhì)量。但在市場(chǎng)競(jìng)爭(zhēng)的情境下，事后因發(fā)現(xiàn)產(chǎn)品質(zhì)量低而失望的投資者會(huì)拋棄公司，該威脅的存在會(huì)促使公司努力提升產(chǎn)品質(zhì)量。長(zhǎng)此以往，通過(guò)重復(fù)的交易，努力的公司會(huì)累積聲譽(yù)，并在市場(chǎng)中突顯出來(lái)[11]。其次，聲譽(yù)會(huì)帶來(lái)價(jià)值。高質(zhì)量的評(píng)級(jí)需要付出搜集、加工信息的成本，進(jìn)而累積聲譽(yù)，其目的還是在于獲取未來(lái)更高的準(zhǔn)租；相反，聲譽(yù)的損害將導(dǎo)致顧客的流失，未來(lái)準(zhǔn)租也相應(yīng)減少。最后，聲譽(yù)還需要通過(guò)價(jià)格反映出來(lái)，并為投資者所識(shí)別。

回到中國(guó)的債券市場(chǎng)，盡管中誠(chéng)信、聯(lián)合信用等評(píng)級(jí)機(jī)構(gòu)都是在20世紀(jì)90年代初就創(chuàng)立，但債券市場(chǎng)在2005年才逐步開(kāi)啟，且一開(kāi)始央行就指定了中誠(chéng)信等5家機(jī)構(gòu)為銀行間債券市場(chǎng)評(píng)級(jí)。因此，中國(guó)新生的債券評(píng)級(jí)機(jī)構(gòu)并非完全是市場(chǎng)競(jìng)爭(zhēng)的結(jié)果，缺乏長(zhǎng)期報(bào)錯(cuò)、糾正的成長(zhǎng)過(guò)程，累積聲譽(yù)的先決條件不足。除此之外，評(píng)級(jí)的價(jià)格還受到約束。2007年，為減少低價(jià)攬客的不正當(dāng)競(jìng)爭(zhēng)行為，中誠(chéng)信等評(píng)級(jí)機(jī)構(gòu)聯(lián)合簽署《評(píng)級(jí)收費(fèi)自律公約》，對(duì)各類評(píng)級(jí)都規(guī)定了最低收費(fèi)。標(biāo)準(zhǔn)化的收費(fèi)降低了價(jià)格傳遞信息的功能，也對(duì)聲譽(yù)機(jī)制的傳導(dǎo)產(chǎn)生了阻礙。

綜上，基于中國(guó)債券市場(chǎng)特征的分析，可以看出，無(wú)論是兩類模式下評(píng)級(jí)的質(zhì)量、債券投資者的構(gòu)成，還是聲譽(yù)機(jī)制發(fā)揮作用的前提，都不能得到中債資信評(píng)級(jí)會(huì)影響發(fā)行人付費(fèi)模式評(píng)級(jí)的確定性預(yù)期。但為了便于實(shí)證，本文提出：

H1：中債資信的加入會(huì)降低發(fā)行人付費(fèi)模式評(píng)級(jí)機(jī)構(gòu)對(duì)發(fā)行主體的評(píng)級(jí)得分。

(二)中債資信評(píng)級(jí)對(duì)信用利差的影響

中債資信的加入將單評(píng)級(jí)變?yōu)殡p評(píng)級(jí)，使得投資者對(duì)公司信用風(fēng)險(xiǎn)的判斷，額外增加了一種“講真話”的專家意見(jiàn)，對(duì)信用利差的影響，可能有以下三種情況。

1.信息增量說(shuō)。按照Hsueh和Kidwell信息增量的觀點(diǎn)[12]，當(dāng)中債資信評(píng)級(jí)包含有關(guān)公司信用風(fēng)險(xiǎn)的增量信息時(shí)，對(duì)于同一公司主體，投資者面臨的不確定性降低，從而將減少對(duì)公司風(fēng)險(xiǎn)補(bǔ)償?shù)囊?。此時(shí)，雙評(píng)級(jí)對(duì)應(yīng)的信用利差比單評(píng)級(jí)平均而言應(yīng)該更小。

2.高質(zhì)量替代說(shuō)。根據(jù)吳育輝等的研究結(jié)論，獨(dú)立性高的中債資信評(píng)級(jí)質(zhì)量高于發(fā)行人付費(fèi)模式評(píng)級(jí)[5]。若如此，投資者可能會(huì)完全轉(zhuǎn)向依據(jù)中債資信評(píng)級(jí)進(jìn)行定價(jià)，表現(xiàn)為與單個(gè)的發(fā)行人付費(fèi)評(píng)級(jí)相比，當(dāng)兩類評(píng)級(jí)差異較大時(shí)，說(shuō)明中債資信評(píng)級(jí)較低，投資者將要求較高的風(fēng)險(xiǎn)補(bǔ)償。

3.信息甄別說(shuō)。投資者根據(jù)評(píng)級(jí)判斷公司信用風(fēng)險(xiǎn)的大小，屬于信息甄別問(wèn)題。在信息不對(duì)稱的情況下，投資者按照發(fā)行主體的平均風(fēng)險(xiǎn)要求回報(bào)，即存在一個(gè)與平均風(fēng)險(xiǎn)對(duì)應(yīng)的期望評(píng)級(jí)，其低于可能虛高的發(fā)行人付費(fèi)模式評(píng)級(jí)，投資者據(jù)此定價(jià)。中債資信加入后，當(dāng)兩類評(píng)級(jí)差距較小時(shí)，中債資信與發(fā)行人付費(fèi)模式的評(píng)級(jí)機(jī)構(gòu)對(duì)公司信用風(fēng)險(xiǎn)的判斷同時(shí)出錯(cuò)的概率低于單評(píng)級(jí)，使得投資者可能調(diào)高期望評(píng)級(jí)，從而降低信用利差。相反，當(dāng)兩類評(píng)級(jí)差距較大時(shí)，投資者偏向于獨(dú)立性高的中債資信評(píng)級(jí)，從而調(diào)低對(duì)公司的期望評(píng)級(jí)，增加信用利差。

以上三種觀點(diǎn)的主要區(qū)別在于，前兩種情況下，與單評(píng)級(jí)相比，評(píng)級(jí)差異與信用利差之間為簡(jiǎn)單的單調(diào)關(guān)系，而第三種情況下，評(píng)級(jí)差異與信用利差的關(guān)系會(huì)出現(xiàn)折點(diǎn)。為了便于實(shí)證，本文提出：

H2：與單評(píng)級(jí)相比，中債資信評(píng)級(jí)與發(fā)行人付費(fèi)模式評(píng)級(jí)相差較小時(shí)，信用利差會(huì)降低；當(dāng)評(píng)級(jí)差異較大時(shí)，信用利差會(huì)提高。

三、研究設(shè)計(jì)與描述性統(tǒng)計(jì)

(一)中債資信的引入對(duì)發(fā)行人付費(fèi)模式評(píng)級(jí)的影響

1.樣本選擇與數(shù)據(jù)來(lái)源。由于2007年中國(guó)采用新的會(huì)計(jì)準(zhǔn)則，且交易所債券市場(chǎng)開(kāi)啟，增加了債券發(fā)行的樣本量，所以本文以2007—2019年A股非金融類上市公司的主體評(píng)級(jí)數(shù)據(jù)為初始樣本，數(shù)據(jù)來(lái)源于銳思數(shù)據(jù)庫(kù)(RESSET)。為了避免數(shù)據(jù)重復(fù)，對(duì)同一年份、月份被同一機(jī)構(gòu)評(píng)級(jí)的多條相同數(shù)據(jù)，只保留一條；同一年份、月份被不同發(fā)行人付費(fèi)機(jī)構(gòu)評(píng)級(jí)共347條，其中只有72條評(píng)級(jí)存在差異，本文保留不同機(jī)構(gòu)在同一期的評(píng)級(jí)。為了保證足夠的樣本量作前后對(duì)比分析，發(fā)行人付費(fèi)模式只以中誠(chéng)信、聯(lián)合信用、大公國(guó)際、上海新世紀(jì)等四大機(jī)構(gòu)為代表，四大機(jī)構(gòu)評(píng)級(jí)的公司占全樣本的比例達(dá)到86%，最終獲得11013條觀察值。

為獲得各機(jī)構(gòu)的評(píng)級(jí)預(yù)測(cè)模型，本文先確定模型的初始變量。對(duì)此，本文做以下三方面的工作：首先，查閱、比對(duì)各機(jī)構(gòu)的評(píng)級(jí)方法說(shuō)明書(shū)，取各機(jī)構(gòu)評(píng)級(jí)所用指標(biāo)的并集，最終選擇了公司規(guī)模、資產(chǎn)負(fù)債率等11項(xiàng)財(cái)務(wù)指標(biāo)作為評(píng)級(jí)模型的初始指標(biāo)。其次，將債券評(píng)級(jí)日期和公司的年報(bào)、季報(bào)公告時(shí)間匹配，具體的做法為：當(dāng)評(píng)級(jí)日期在t期，且在t-1期的年報(bào)公告時(shí)間之后，則以t-1、t-2、t-3期的年報(bào)數(shù)據(jù)為基礎(chǔ)，計(jì)算各財(cái)務(wù)指標(biāo)近三年的平均值作為評(píng)級(jí)預(yù)測(cè)模型的變量；當(dāng)評(píng)級(jí)日期在t期，但在t-1期的年報(bào)公告時(shí)間之前，則以t-2、t-3、t-4期的年報(bào)數(shù)據(jù)為基礎(chǔ)，計(jì)算各財(cái)務(wù)指標(biāo)近三年的平均值作為評(píng)級(jí)預(yù)測(cè)模型的變量。為了更好地反映評(píng)級(jí)時(shí)點(diǎn)上的負(fù)債情況，本文采用距離評(píng)級(jí)日期最近的季報(bào)中資產(chǎn)負(fù)債率和近三年資產(chǎn)負(fù)債率的均值作為資產(chǎn)負(fù)債率的衡量指標(biāo)。第三，為了降低極端值的影響，本文用是否高于行業(yè)—年度中位數(shù)將應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率、營(yíng)業(yè)收入增長(zhǎng)率轉(zhuǎn)換成啞變量，其他連續(xù)變量都進(jìn)行了上下1%的縮尾處理。本文還在模型中控制了是否為國(guó)有性質(zhì)、行業(yè)和年份啞變量。企業(yè)性質(zhì)和其他財(cái)務(wù)數(shù)據(jù)來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)。

進(jìn)一步地，參考Kisgen(2006)、Alissa等(2013)的做法[22][23]，本文采用排序Ologit模型進(jìn)行回歸，選出其中顯著且合理的指標(biāo)作為各機(jī)構(gòu)評(píng)級(jí)預(yù)測(cè)模型的最終變量。

2.模型設(shè)定。本文在各機(jī)構(gòu)的評(píng)級(jí)預(yù)測(cè)模型中加入是否被中債資信評(píng)級(jí)變量，構(gòu)建模型(1)：

Scoret=α0+α1Postt+∑Controlls+ε

(1)

式(1)中，被解釋變量Score是發(fā)行主體的評(píng)級(jí)得分，本文按照從低往高的方式賦值，最低評(píng)級(jí)D賦值為1，最高評(píng)級(jí)AAA+賦值為21，其他評(píng)級(jí)賦值以此類推。自2010年銀行間債券市場(chǎng)開(kāi)始發(fā)行超短期融資券以來(lái)，相關(guān)政策就將發(fā)行主體限定為信用風(fēng)險(xiǎn)小的企業(yè)，并要求在原有的發(fā)行人付費(fèi)模式評(píng)級(jí)上增加中債資信評(píng)級(jí)。為了減輕這種樣本異質(zhì)性的影響，本文采用短期縱向比較的方式，檢驗(yàn)同一公司被中債資信評(píng)級(jí)前后發(fā)行人付費(fèi)模式評(píng)級(jí)的變化。設(shè)置變量Post，在公司首次被中債資信評(píng)級(jí)當(dāng)年和下一年取值為1，被中債資信評(píng)級(jí)前兩年取值為0。假設(shè)1預(yù)期α1小于0，表示中債資信的引入會(huì)降低發(fā)行人付費(fèi)模式評(píng)級(jí)。

(二)中債資信評(píng)級(jí)對(duì)信用利差的影響

1.樣本選擇與數(shù)據(jù)來(lái)源。本文以WIND數(shù)據(jù)庫(kù)中2007—2019年上市公司發(fā)行的公司債、中期票據(jù)、企業(yè)債券、短期融資券、超短期融資券作為初始樣本，并取得票面利率、期限、規(guī)模、擔(dān)保等債券特征數(shù)據(jù)。與上文相同，債券評(píng)級(jí)數(shù)據(jù)來(lái)源于銳思數(shù)據(jù)庫(kù)(RESSET)。由于債券評(píng)級(jí)日期與發(fā)行日期不一致，為使二者匹配，本文做以下調(diào)整：按月份確定各機(jī)構(gòu)對(duì)公司的主體評(píng)級(jí)，若某月份評(píng)級(jí)缺失，則使用前面最近一期的評(píng)級(jí)填充，且最多填充12個(gè)月。在此基礎(chǔ)上，本文根據(jù)公司代碼、債券發(fā)行的年份和月份將債券評(píng)級(jí)和債券特征數(shù)據(jù)合并，并做以下調(diào)整：剔除金融類上市公司；由于期限短的債券對(duì)發(fā)行主體評(píng)級(jí)不敏感，本文只保留債券期限不低于1年的樣本；剔除數(shù)據(jù)缺失的樣本。最終，本文獲得3951條觀測(cè)值，涉及792家上市公司。

2.模型設(shè)定。為了檢驗(yàn)中債資信評(píng)級(jí)加入后信用利差的增量變化，本文構(gòu)建模型(2)：

Spreadt=β0+β1Splitt+β2Equalt+β3Issizet+β4Maturityt+β5Lfsellt+β6Ifbuyt+

β7Ifguatt+β8Big20t+∑Year+∑Industry+∑Score+ε

(2)

式(2)中，被解釋變量Spread為債券信用利差，等于票面利率減去與其發(fā)行期限相同的國(guó)債收益率，與吳育輝等的定義相同[5]；變量Score為發(fā)行人付費(fèi)模式評(píng)級(jí)的啞變量，與林晚發(fā)等(2017)、阮永鋒等(2019)采用連續(xù)變量的做法不同[3][4]。用連續(xù)變量的方式需假定相同幅度的評(píng)級(jí)變化對(duì)信用利差的影響在不同等級(jí)上保持不變，屬于較嚴(yán)格的假定。變量Split為評(píng)級(jí)是否存在差異的啞變量，當(dāng)發(fā)行人付費(fèi)模式評(píng)級(jí)減去中債資信評(píng)級(jí)大于0時(shí)取值為1，在兩類評(píng)級(jí)相等以及未被中債資信評(píng)級(jí)時(shí)取值為0；變量Equal表示當(dāng)兩類評(píng)級(jí)相等時(shí)，取值為1，在發(fā)行人付費(fèi)模式評(píng)級(jí)減去中債資信評(píng)級(jí)大于0以及未被中債資信評(píng)級(jí)時(shí)取值為0。系數(shù)β1表示與未被中債資信評(píng)級(jí)時(shí)相比，兩類評(píng)級(jí)差異大于0時(shí)，信用利差的變化，預(yù)期為正。類似地，系數(shù)β2表示與未被中債資信評(píng)級(jí)時(shí)相比，兩類評(píng)級(jí)差異等于0時(shí)，信用利差的變化，預(yù)期為負(fù)。相關(guān)變量的定義見(jiàn)表1。

表1 變量定義

(三)描述性統(tǒng)計(jì)

表2描述性統(tǒng)計(jì)顯示，樣本公司評(píng)級(jí)得分的中位數(shù)為17分，對(duì)應(yīng)評(píng)級(jí)是AA，這與中國(guó)多項(xiàng)政策以AA評(píng)級(jí)作為門(mén)檻要求一致，也在一定程度上說(shuō)明目前債券市場(chǎng)可能存在虛高評(píng)級(jí)的現(xiàn)象；變量SOE顯示，樣本中61.2%的公司屬于國(guó)有企業(yè)；資產(chǎn)負(fù)債率(Lev)最小只有0.060，最高為1.2③，經(jīng)營(yíng)活動(dòng)現(xiàn)金流對(duì)流動(dòng)負(fù)債的保障倍數(shù)(Cfocover)最小值為0.263，最高達(dá)到10.955，差異較大；變量Spread顯示，債券成本平均高于同期國(guó)債收益率2.240個(gè)百分點(diǎn)④；變量Split和Equal顯示，兩類評(píng)級(jí)不相等和相等的樣本占比分別為34.7%和4.6%，未被中債資信評(píng)級(jí)的樣本則占比60.7%；樣本中有可回售條款(Ifsell)的占比為19.4%，有可贖回條款(Ifbuy)的占比為5.9%，存在擔(dān)保人的占比為12.0%，主承銷商為前20名的樣本占比為18.3%。

表2 描述性統(tǒng)計(jì)

四、實(shí)證結(jié)果與分析

(一)中債資信的加入對(duì)發(fā)行人付費(fèi)模式評(píng)級(jí)的影響

1.主檢驗(yàn)的結(jié)果。本文首先獲得各機(jī)構(gòu)的評(píng)級(jí)預(yù)測(cè)模型⑤，再利用模型(1)，比較發(fā)行人付費(fèi)模式評(píng)級(jí)在公司首次被中債資信評(píng)級(jí)前后的差異，具體結(jié)果見(jiàn)表3。Panel A顯示，被中債資信評(píng)級(jí)后，國(guó)內(nèi)四大評(píng)級(jí)機(jī)構(gòu)給出的評(píng)級(jí)得分都有所增加，但增加幅度較小，平均不足1分。為進(jìn)一步控制其他因素的影響，本文在上文得到的各機(jī)構(gòu)評(píng)級(jí)預(yù)測(cè)模型的基礎(chǔ)上，加入被中債資信評(píng)級(jí)的啞變量Post，結(jié)果如Panel B所示。在首次被中債資信評(píng)級(jí)前后兩年，變量Post的系數(shù)在四大評(píng)級(jí)機(jī)構(gòu)中都不顯著；類似地，本文還檢驗(yàn)了被中債資信評(píng)級(jí)前后1年和3年的情況，變量Post的系數(shù)依然不顯著。因此，本文并未發(fā)現(xiàn)中債資信的加入會(huì)顯著影響發(fā)行人付費(fèi)模式評(píng)級(jí)機(jī)構(gòu)對(duì)公司的評(píng)級(jí)得分⑥。這說(shuō)明在中國(guó)債券評(píng)級(jí)市場(chǎng)，聲譽(yù)機(jī)制發(fā)揮作用的路徑不暢。這可能是因?yàn)閮深惛顿M(fèi)模式評(píng)級(jí)的質(zhì)量孰高孰低，投資者并未得出一致判斷，在定價(jià)時(shí)，投資者并未完全轉(zhuǎn)向中債資信評(píng)級(jí)，發(fā)行人付費(fèi)模式評(píng)級(jí)仍然發(fā)揮重要作用，因此，中誠(chéng)信等機(jī)構(gòu)調(diào)整評(píng)級(jí)的動(dòng)力較小。對(duì)此，下文將進(jìn)一步研究。

表3 中債資信的加入對(duì)發(fā)行人付費(fèi)模式評(píng)級(jí)的影響

2.壓力與對(duì)沖情境下的結(jié)果。本文進(jìn)一步檢驗(yàn)在兩種特殊情境下，發(fā)行人付費(fèi)模式評(píng)級(jí)是否發(fā)生改變。首先，本文預(yù)期，若聲譽(yù)機(jī)制發(fā)揮效果，當(dāng)中債資信評(píng)級(jí)與發(fā)行人付費(fèi)模式評(píng)級(jí)差異較大時(shí)，投資者更有可能認(rèn)為發(fā)行人付費(fèi)模式評(píng)級(jí)存在虛高，評(píng)級(jí)機(jī)構(gòu)面臨更大壓力，從而降低下一次對(duì)公司的評(píng)級(jí)。為此，本文設(shè)置啞變量Equal、Split3m、Split3p，分別表示當(dāng)前一期兩類評(píng)級(jí)的差異為0、小于3分、大于等于3分時(shí)取值為1，其他情況為0。表4第(1)列顯示，與被中債資信評(píng)級(jí)前相比，即使前一期評(píng)級(jí)差異大于等于3分，發(fā)行人付費(fèi)模式評(píng)級(jí)也未發(fā)生明顯變化，該結(jié)論在中債資信評(píng)級(jí)前后1年、2年和3年都成立。這表明中債資信的低評(píng)級(jí)并未給發(fā)行人付費(fèi)模式評(píng)級(jí)帶來(lái)壓力，與林晚發(fā)等的研究結(jié)論不同[3]。

其次，寇宗來(lái)等認(rèn)為發(fā)行人付費(fèi)模式的評(píng)級(jí)機(jī)構(gòu)有用高評(píng)級(jí)對(duì)沖中債資信低評(píng)級(jí)的動(dòng)機(jī)[24]。若如此，那當(dāng)中債資信評(píng)級(jí)越低時(shí)，下一期發(fā)行人付費(fèi)模式評(píng)級(jí)可能會(huì)越高。為此，本文設(shè)置啞變量Lowrate，當(dāng)中債資信評(píng)級(jí)低于AA時(shí)取值為1，其他情況為0；同時(shí)，設(shè)置啞變量Highrate，當(dāng)中債資信評(píng)級(jí)不低于AA時(shí)取值為1，其他情況為0。本文預(yù)期，變量Lowrate的系數(shù)為正，表示當(dāng)前一期中債資信評(píng)級(jí)較低時(shí)，本期發(fā)行人付費(fèi)模式評(píng)級(jí)會(huì)顯著提高，體現(xiàn)對(duì)沖的特征。表4第(2)列顯示，以被中債資信評(píng)級(jí)前后1年為樣本期，變量Lowrate和Highrate的系數(shù)分別為-0.331和1.125且顯著，表明與被中債資信評(píng)級(jí)前相比，中債資信評(píng)級(jí)低于(不低于)AA時(shí)，發(fā)行人付費(fèi)模式評(píng)級(jí)會(huì)顯著更小(大)，與對(duì)沖的預(yù)期不符。該結(jié)果在被中債資信評(píng)級(jí)前后2年和3年依然存在，均未支持對(duì)沖的預(yù)期。實(shí)際上，這也與超短期融資券發(fā)行要求一致，即只需要任一評(píng)級(jí)達(dá)到AA即可，而非平均評(píng)級(jí)達(dá)到AA，對(duì)沖的制度基礎(chǔ)并不存在。綜上所述，在壓力和對(duì)沖兩種特定的情境中，理論上，發(fā)行人付費(fèi)模式評(píng)級(jí)更應(yīng)該受到中債資信評(píng)級(jí)的影響，但該預(yù)期并未得到實(shí)證結(jié)果的支持，表明上文發(fā)現(xiàn)的發(fā)行人付費(fèi)模式評(píng)級(jí)未受到中債資信評(píng)級(jí)影響的結(jié)論相對(duì)穩(wěn)健。

表4 發(fā)行人付費(fèi)模式評(píng)級(jí)在中債資信加入前后的變化：壓力與對(duì)沖

(二)中債資信評(píng)級(jí)對(duì)信用利差的影響

1.主檢驗(yàn)的結(jié)果。為了直觀地比較相同的發(fā)行人付費(fèi)模式評(píng)級(jí)所對(duì)應(yīng)的信用利差在被中債資信評(píng)級(jí)前后的差異，本文首先給出均值差異的結(jié)果，如表5所示。以AA評(píng)級(jí)為例，在公司未被中債資信評(píng)級(jí)的情況下，信用利差平均為2.557，而被中債資信評(píng)級(jí)后，信用利差平均為2.555，二者相差0.002，差異不顯著，表明債券定價(jià)可能還是以發(fā)行人付費(fèi)模式評(píng)級(jí)為準(zhǔn)。進(jìn)一步地，本文按照兩類評(píng)級(jí)差異是否超過(guò)3分統(tǒng)計(jì)，結(jié)果顯示：當(dāng)評(píng)級(jí)差異大于等于3分時(shí)，被中債資信評(píng)級(jí)后，信用利差平均為2.766，較被中債資信評(píng)級(jí)前平均高出0.209個(gè)百分點(diǎn)；當(dāng)評(píng)級(jí)差異小于3分時(shí)，信用利差反而平均下降了0.289個(gè)百分點(diǎn)。另外，表5第(2)(3)部分顯示，當(dāng)發(fā)行人付費(fèi)模式評(píng)級(jí)為AA+和AAA時(shí)，均存在類似的結(jié)果，都表明評(píng)級(jí)差異與信用利差之間并非簡(jiǎn)單的單調(diào)關(guān)系，均值差異的結(jié)果初步符合假設(shè)2的預(yù)期。

表5 被中債資信評(píng)級(jí)前后信用利差的均值差異

為進(jìn)一步控制其他因素的影響，本文利用模型(2)得到多元回歸分析的結(jié)果，如表6所示。第(1)列中，變量Ifcover為是否被中債資信評(píng)級(jí)的啞變量，在首次被中債資信評(píng)級(jí)后取值為1，反之為0。變量Ifcover的系數(shù)為-0.100且不顯著，說(shuō)明在其他因素一定的情況下，中債資信的加入整體上并未顯著改變信用利差。第(2)列顯示，變量Equal的系數(shù)為-0.409且在1%的水平上顯著，表明與單評(píng)級(jí)相比，相同的雙評(píng)級(jí)使得信用利差明顯減少0.409個(gè)百分點(diǎn)，相當(dāng)于平均信用利差的18.3%，具有重要的經(jīng)濟(jì)意義。進(jìn)一步地，本文將評(píng)級(jí)差異分為相差1分、2分和大于等于3分三種情況，并設(shè)置相應(yīng)的啞變量Split1、Split2和Split3p，結(jié)果如第(3)列所示。變量Split1和Split2的系數(shù)都顯著為負(fù)，表明評(píng)級(jí)差異不超過(guò)2分時(shí)，中債資信的加入明顯降低信用利差；變量Split3p的系數(shù)為0.206，在5%的水平上顯著，表明當(dāng)評(píng)級(jí)差異大于等于3分時(shí)，中債資信的加入會(huì)明顯增加信用利差。

表6 評(píng)級(jí)差異對(duì)信用利差的影響：OLS回歸的結(jié)果

按照發(fā)行人付費(fèi)模式評(píng)級(jí)的等級(jí)分組回歸，結(jié)果如表6后三列所示。第(4)列顯示，當(dāng)發(fā)行人付費(fèi)模式評(píng)級(jí)為AA且評(píng)級(jí)差異相差1分、2分和大于等于3分時(shí)，信用利差依次降低0.544、0.170和增加0.114個(gè)百分點(diǎn)，相當(dāng)于單評(píng)級(jí)時(shí)信用利差均值的22.3%、7.0%和4.7%。由于在AA、AA+評(píng)級(jí)組，不存在評(píng)級(jí)相等的情況，使得變量Equal的系數(shù)未能估算。當(dāng)發(fā)行人付費(fèi)模式評(píng)級(jí)為AA+和AAA時(shí)，結(jié)果類似，見(jiàn)第(5)(6)列。為降低計(jì)算誤差對(duì)研究結(jié)論的影響，本文還以票面利率替換信用利差作為因變量重新進(jìn)行回歸，回歸結(jié)論基本不變，限于篇幅，結(jié)果未報(bào)告。

綜上所述，本文的實(shí)證結(jié)果顯示，評(píng)級(jí)差異對(duì)信用利差的影響并非簡(jiǎn)單的單調(diào)關(guān)系，中債資信評(píng)級(jí)發(fā)揮交叉認(rèn)證作用，符合假設(shè)2的預(yù)期。具體表現(xiàn)為：當(dāng)中債資信評(píng)級(jí)與發(fā)行人付費(fèi)模式評(píng)級(jí)相差不超過(guò)2分時(shí)，投資者調(diào)高對(duì)公司的期望評(píng)級(jí)，降低信用利差；當(dāng)評(píng)級(jí)差異超過(guò)3分時(shí)，投資者調(diào)低對(duì)公司的期望評(píng)級(jí)，提高信用利差?？傮w上，中債資信評(píng)級(jí)有助于提高投資者根據(jù)評(píng)級(jí)甄別公司信用風(fēng)險(xiǎn)大小的能力。

2.中債資信評(píng)級(jí)對(duì)信用利差的影響：PSM的結(jié)果。為了減輕樣本異質(zhì)性和函數(shù)形式誤設(shè)的影響，本文采用傾向得分匹配(PSM)法，比較中債資信加入前后信用利差的平均差異。具體如下：以被中債資信評(píng)級(jí)后的公司為處理組，以未被中債資信評(píng)級(jí)的公司為控制組；控制債券發(fā)行規(guī)模(Issize)、期限(Maturity)、是否存在贖回條款(Ifbuy)、是否存在回售條款(Ifsell)、是否存在擔(dān)保人(Ifguat)、主承銷商是否為前20大(Big20)等變量，計(jì)算傾向值得分；然后根據(jù)債券評(píng)級(jí)得分，分次采用1∶1、1∶2和1∶3的方式進(jìn)行匹配。在滿足平衡性假設(shè)和共同支撐假設(shè)的基礎(chǔ)上，報(bào)告信用利差的平均差異，結(jié)果見(jiàn)表7。

表7 被中債資信評(píng)級(jí)前后信用利差的差異：基于PSM的結(jié)果

表7第(1)部分顯示，當(dāng)發(fā)行人付費(fèi)模式評(píng)級(jí)為AA時(shí)，在全樣本情況下，采用1∶1匹配，得到的平均處理效應(yīng)(ATT)不顯著；分組檢驗(yàn)顯示，當(dāng)評(píng)級(jí)差異小于3分時(shí)，ATT為-0.226且在1%的水平上顯著，表明相近的評(píng)級(jí)顯著降低信用利差。相反，當(dāng)評(píng)級(jí)差異大于等于3分時(shí)，ATT為0.050且不顯著，表明信用利差增大。第(3)部分顯示，當(dāng)發(fā)行人付費(fèi)模式評(píng)級(jí)為AAA時(shí)，結(jié)果與評(píng)級(jí)為AA時(shí)相似。不同的是，當(dāng)發(fā)行人付費(fèi)模式評(píng)級(jí)為AA+且評(píng)級(jí)差異大于等于3分時(shí)，ATT顯著為正，表明相差較大的評(píng)級(jí)顯著增加信用利差。對(duì)比可見(jiàn)，AA+評(píng)級(jí)較AA和AAA評(píng)級(jí)更不可靠，使得投資者更有可能轉(zhuǎn)向于中債資信評(píng)級(jí)，這與Kisgen(2006)、Alissa等(2013)的研究發(fā)現(xiàn)一致，即帶“+/-”號(hào)評(píng)級(jí)的公司更有動(dòng)機(jī)調(diào)整融資行為或者進(jìn)行盈余管理以提升債券評(píng)級(jí)，評(píng)級(jí)質(zhì)量較低[22][23]。為了降低匹配方法對(duì)研究結(jié)論的影響，表7還報(bào)告了采用1∶2和1∶3匹配的結(jié)果，結(jié)論基本不變。整體上而言，采用PSM方法得到的結(jié)果與上文回歸分析的結(jié)論較為一致，支持假設(shè)2的預(yù)期。

3.中債資信評(píng)級(jí)對(duì)信用利差的影響：同一公司前后的比較。在假定在相鄰期間內(nèi)公司信用風(fēng)險(xiǎn)保持相對(duì)穩(wěn)定的基礎(chǔ)上，本文還以同一家公司被中債資信評(píng)級(jí)前后為研究對(duì)象，檢驗(yàn)評(píng)級(jí)差異與信用利差的關(guān)系，表8報(bào)告了固定效應(yīng)模型的結(jié)果。以前后1年期(Post[-1,+1])為例，變量Split1的系數(shù)為-0.271，在1%的水平上顯著，表明評(píng)級(jí)差異為1分時(shí)，信用利差顯著降低，與上文的結(jié)果相同。當(dāng)將樣本量擴(kuò)充至中債資信加入前后2年、3年和4年，變量Split2、Split1、Equal的系數(shù)仍均顯著為負(fù)，與上文結(jié)果一致，但不同的是，變量Split3p的系數(shù)都不顯著。整體上而言，同一公司前后比較的結(jié)果部分支持了假設(shè)2的預(yù)期。

表8 評(píng)級(jí)差異對(duì)信用利差的影響：同一公司前后比較的結(jié)果

五、進(jìn)一步分析：投資者對(duì)發(fā)行人付費(fèi)模式評(píng)級(jí)質(zhì)量的識(shí)別

上文假設(shè)2中，本文假定債券投資者對(duì)公司信用風(fēng)險(xiǎn)有自身的期望評(píng)級(jí)，它低于發(fā)行人付費(fèi)模式評(píng)級(jí)，并據(jù)此定價(jià)。也就是說(shuō)，投資者在中債資信加入前就能夠識(shí)別發(fā)行人付費(fèi)模式評(píng)級(jí)的質(zhì)量。本文分別從以下三個(gè)方面對(duì)該假定進(jìn)行檢驗(yàn)：

1.投資者是否識(shí)別了發(fā)行人付費(fèi)模式評(píng)級(jí)的高估部分。虛高評(píng)級(jí)是評(píng)級(jí)質(zhì)量低的表現(xiàn)，若在被中債資信評(píng)級(jí)前，投資者就對(duì)高估的評(píng)級(jí)要求了相應(yīng)的風(fēng)險(xiǎn)補(bǔ)償，則表明他們識(shí)別了評(píng)級(jí)質(zhì)量。由于中債資信主要根據(jù)公開(kāi)信息對(duì)發(fā)行主體進(jìn)行評(píng)級(jí)，且獨(dú)立性高，與債券投資者自身去評(píng)價(jià)公司的信用風(fēng)險(xiǎn)較為相似。因此，本文用上文得到的中債資信的評(píng)級(jí)預(yù)測(cè)模型，模擬投資者對(duì)公司的期望評(píng)級(jí)，并設(shè)置變量Overrate，它等于實(shí)際的發(fā)行人付費(fèi)模式評(píng)級(jí)減去期望評(píng)級(jí)，用以衡量評(píng)級(jí)高估的部分。表9第(2)列顯示，變量Overrate的系數(shù)為0.056且在1%的水平上顯著，表明在企業(yè)被中債資信評(píng)級(jí)前，投資者就已經(jīng)對(duì)高估部分要求了風(fēng)險(xiǎn)補(bǔ)償。不僅如此，第(1)列顯示，整體上而言，投資者都能識(shí)別發(fā)行人付費(fèi)模式評(píng)級(jí)的高估。

2.投資者是否將距離較遠(yuǎn)的評(píng)級(jí)識(shí)別為低質(zhì)量。從信息獲取成本的角度，本文預(yù)期，當(dāng)公司與評(píng)級(jí)機(jī)構(gòu)的距離較遠(yuǎn)時(shí)，機(jī)構(gòu)獲取公司內(nèi)部信息的成本較高，為節(jié)約成本且留住客戶，評(píng)級(jí)機(jī)構(gòu)更有可能高估評(píng)級(jí)。因此，在評(píng)級(jí)相同的情況下，距離越遠(yuǎn)，評(píng)級(jí)被高估的可能性越高，投資者若能識(shí)別這種可能性，則會(huì)要求更高的風(fēng)險(xiǎn)補(bǔ)償。具體地，本文以四大評(píng)級(jí)機(jī)構(gòu)總部所在地到上市公司注冊(cè)地的球面距離作為距離遠(yuǎn)近的衡量，并以300公里為分界點(diǎn)，設(shè)置啞變量Dist，反映距離遠(yuǎn)近，當(dāng)二者距離超過(guò)300公里時(shí)，取值為1，反之為0。表9第(4)列顯示，交互項(xiàng)Dist*AA-、Dist*AA、Dist*AA+和Dist*AAA的系數(shù)都顯著為正，表明在被中債資信評(píng)級(jí)前，對(duì)相同的評(píng)級(jí)，距離越遠(yuǎn)，投資者要求了更高的風(fēng)險(xiǎn)溢價(jià)，支持了投資者識(shí)別債券評(píng)級(jí)質(zhì)量的預(yù)期。第(3)列的全樣本結(jié)果顯示，該結(jié)論不變。

表9 投資者對(duì)發(fā)行人付費(fèi)模式評(píng)級(jí)質(zhì)量的識(shí)別

3.投資者是否將年限較長(zhǎng)的評(píng)級(jí)識(shí)別為高質(zhì)量。本文預(yù)期，當(dāng)過(guò)去的評(píng)級(jí)具有信息含量時(shí)，公司進(jìn)入債券市場(chǎng)的年限越長(zhǎng)，企業(yè)與投資者、評(píng)級(jí)機(jī)構(gòu)之間的信息不對(duì)稱程度越低。此時(shí)，評(píng)級(jí)機(jī)構(gòu)更有能力給出準(zhǔn)確的評(píng)級(jí)，投資者也更能識(shí)別機(jī)構(gòu)是否給出了恰當(dāng)?shù)脑u(píng)級(jí)，這反過(guò)來(lái)也會(huì)抑制機(jī)構(gòu)高估評(píng)級(jí)的動(dòng)機(jī)。為此，本文根據(jù)公司首次被評(píng)級(jí)的年份計(jì)算評(píng)級(jí)年限，并以評(píng)級(jí)年限的中位數(shù)5年為界，設(shè)置啞變量Age，當(dāng)評(píng)級(jí)年限不低于5年時(shí)，取值為1，反之為0。表9第(5)(6)列顯示，無(wú)論是全樣本，還是僅以被中債資信評(píng)級(jí)前的公司為樣本，交互項(xiàng)的系數(shù)都顯著為負(fù)，表明評(píng)級(jí)年限越長(zhǎng)，對(duì)于相同的發(fā)行人付費(fèi)模式評(píng)級(jí)，投資者都要求了更低的風(fēng)險(xiǎn)報(bào)酬，符合投資者將年限更長(zhǎng)的評(píng)級(jí)視為高質(zhì)量評(píng)級(jí)的預(yù)期。

綜上所述，無(wú)論是直接地檢驗(yàn)評(píng)級(jí)高估部分與信用利差的關(guān)系，還是基于地理距離和被評(píng)級(jí)年限的截面分析，實(shí)證結(jié)果都支持了投資者能識(shí)別發(fā)行人付費(fèi)模式評(píng)級(jí)質(zhì)量的預(yù)期，上文的假定具有合理性。同時(shí)，當(dāng)投資者一開(kāi)始就能在一定程度上識(shí)別發(fā)行人付費(fèi)模式評(píng)級(jí)的質(zhì)量時(shí)，中債資信的加入所產(chǎn)生的邊際作用就會(huì)減小，這也解釋了上文假設(shè)1的實(shí)證結(jié)果。

六、研究結(jié)論與啟示

本文從評(píng)級(jí)得分和評(píng)級(jí)定價(jià)兩方面，檢驗(yàn)中債資信對(duì)發(fā)行人付費(fèi)模式評(píng)級(jí)的影響，研究發(fā)現(xiàn)：作為投資人付費(fèi)模式的代表，中債資信的加入并未改變中誠(chéng)信等發(fā)行人付費(fèi)模式的評(píng)級(jí)機(jī)構(gòu)對(duì)發(fā)行主體的評(píng)級(jí)得分，該結(jié)論在發(fā)行人付費(fèi)模式的評(píng)級(jí)機(jī)構(gòu)可能面臨更大壓力和存在對(duì)沖動(dòng)機(jī)時(shí)都成立。額外增加的中債資信評(píng)級(jí)發(fā)揮了交叉認(rèn)證作用，提高了投資者根據(jù)評(píng)級(jí)甄別公司信用風(fēng)險(xiǎn)的能力，表現(xiàn)為：與被中債資信評(píng)級(jí)前相比，當(dāng)兩類評(píng)級(jí)差異小于3分時(shí)，信用利差顯著降低；當(dāng)評(píng)級(jí)差異大于等于3分時(shí)，投資者根據(jù)中債資信的低評(píng)級(jí)要求了更高的風(fēng)險(xiǎn)報(bào)酬，信用利差增加。該結(jié)論在采用多元回歸分析和傾向得分匹配法分析后都基本成立，且采用同一公司前后比較的方式減輕樣本異質(zhì)性后，該結(jié)果也基本不變。本文還對(duì)債券投資者識(shí)別發(fā)行人付費(fèi)模式評(píng)級(jí)質(zhì)量的假定進(jìn)行了驗(yàn)證，研究發(fā)現(xiàn)，在一開(kāi)始市場(chǎng)中沒(méi)有中債資信評(píng)級(jí)時(shí)，投資者就能識(shí)別發(fā)行人付費(fèi)模式評(píng)級(jí)的相對(duì)質(zhì)量，表現(xiàn)為投資者對(duì)高估的評(píng)級(jí)、地理距離較遠(yuǎn)的評(píng)級(jí)以及年限較短的評(píng)級(jí)都要求了更高的風(fēng)險(xiǎn)補(bǔ)償，支持了假定的合理性。

提高債券評(píng)級(jí)的質(zhì)量，對(duì)發(fā)展高質(zhì)量的債券市場(chǎng)具有非常重要的作用。對(duì)此，結(jié)合上文的實(shí)證結(jié)果，本文提出以下政策建議：第一，完善“雙評(píng)級(jí)”制度。本文的實(shí)證結(jié)果表明，引入獨(dú)立性高的中債資信評(píng)級(jí)沒(méi)有觸發(fā)聲譽(yù)機(jī)制，抑制其他機(jī)構(gòu)虛高的評(píng)級(jí)。本文認(rèn)為，未能抑制的原因主要有兩點(diǎn)：一是獨(dú)立性高的中債資信評(píng)級(jí)是否是高質(zhì)量評(píng)級(jí)，仍不確定。因?yàn)楸疚陌l(fā)現(xiàn)，中債資信加入后，投資者并未完全轉(zhuǎn)向依據(jù)中債資信評(píng)級(jí)進(jìn)行定價(jià)。實(shí)際上，為降低事后風(fēng)險(xiǎn)，中債資信在評(píng)級(jí)時(shí)存在過(guò)度嚴(yán)格的動(dòng)機(jī)。二是兩類評(píng)級(jí)之間并未形成競(jìng)爭(zhēng)關(guān)系。沒(méi)有競(jìng)爭(zhēng)，劣質(zhì)評(píng)級(jí)就不會(huì)被市場(chǎng)淘汰，沒(méi)有壓力，則不能改變機(jī)構(gòu)的評(píng)級(jí)行為。但是，中債資信評(píng)級(jí)起到了交叉認(rèn)證的作用，增強(qiáng)了債券定價(jià)功能。因此，本文認(rèn)為，現(xiàn)有的“雙評(píng)級(jí)”制度應(yīng)該在提高中債資信評(píng)級(jí)自身質(zhì)量的同時(shí)，擴(kuò)大“雙評(píng)級(jí)”的應(yīng)用范圍，并在不同評(píng)級(jí)之間形成良性的競(jìng)爭(zhēng)關(guān)系，從而發(fā)揮聲譽(yù)機(jī)制對(duì)評(píng)級(jí)虛高的約束作用。第二，逐步取消有關(guān)評(píng)級(jí)的門(mén)檻要求。為控制金融風(fēng)險(xiǎn)，中國(guó)監(jiān)管機(jī)構(gòu)在債券市場(chǎng)發(fā)展之初，設(shè)置了各項(xiàng)評(píng)級(jí)的門(mén)檻要求，如“評(píng)級(jí)至少達(dá)到AA才可以發(fā)行超短期融資券，評(píng)級(jí)達(dá)到AAA才可以公開(kāi)發(fā)行公司債券”等等，這些要求加大了公司對(duì)高分評(píng)級(jí)的需求，是造成評(píng)級(jí)虛高的重要原因。本文的研究表明，中國(guó)的債券投資者能夠識(shí)別評(píng)級(jí)的質(zhì)量，并要求了相應(yīng)的風(fēng)險(xiǎn)補(bǔ)償。因此，取消評(píng)級(jí)的門(mén)檻要求，不僅對(duì)評(píng)級(jí)定價(jià)的影響較小，還有助于降低評(píng)級(jí)虛高的現(xiàn)象，這也與2021年年初，證監(jiān)會(huì)、央行等監(jiān)管機(jī)構(gòu)逐步取消強(qiáng)制評(píng)級(jí)、弱化外部評(píng)級(jí)依賴的改革方向一致。

注釋：

①見(jiàn)2020年12月13日，中國(guó)人民銀行發(fā)布的《加強(qiáng)信用評(píng)級(jí)行業(yè)監(jiān)管 促進(jìn)信用評(píng)級(jí)行業(yè)高質(zhì)量健康發(fā)展》。

②例如，《關(guān)于進(jìn)一步完善債務(wù)融資工具注冊(cè)發(fā)行有關(guān)工作的通知》(2014)要求“評(píng)級(jí)至少達(dá)到AA才可以發(fā)行超短期融資券”；《公司債券發(fā)行與交易管理辦法》(2015)要求“評(píng)級(jí)達(dá)到AAA才可以公開(kāi)發(fā)行公司債券”；《關(guān)于保險(xiǎn)資金投資集合資金信托計(jì)劃有關(guān)事項(xiàng)的通知》(2014)要求“保險(xiǎn)資金投資于評(píng)級(jí)低于AAA時(shí)需要向證監(jiān)會(huì)報(bào)告”。

③經(jīng)核查，資產(chǎn)負(fù)債率大于1的樣本共27條。在計(jì)算平均資產(chǎn)負(fù)債率時(shí)，需要在評(píng)級(jí)時(shí)間點(diǎn)上往前推3年，若有資產(chǎn)負(fù)債率大于1的年份會(huì)造成最終的資產(chǎn)負(fù)債率大于1，如神州信息(000555)在2016年3月14日有評(píng)級(jí)，利用2012—2014年報(bào)和2015年第三季度報(bào)數(shù)據(jù)計(jì)算的資產(chǎn)負(fù)債率因2012年的資產(chǎn)負(fù)債率為8.256而大于1，縮尾為1.2。

④樣本中有24個(gè)Spread小于0的公司，其獲得的發(fā)行人付費(fèi)模式評(píng)級(jí)為AAA(19個(gè))和AA+(5個(gè))。為降低衡量誤差的影響，下文還直接以票面利率為因變量進(jìn)行回歸分析，結(jié)論基本不變。該結(jié)果未報(bào)告，若需可向作者索取。

⑤該結(jié)果未報(bào)告，若需可向作者索取。

⑥考慮到多元回歸分析的條件顯著性，本文還在模型中加入了初始的11項(xiàng)財(cái)務(wù)指標(biāo)作為控制變量，回歸結(jié)果依然不變；考慮被中債資信評(píng)級(jí)的長(zhǎng)期影響，本文還改變變量Post的定義，將被中債資信評(píng)級(jí)后所有年份都取值為1，反之為0，回歸結(jié)果亦未變。以上結(jié)果均未報(bào)告，若需可向作者索取。