徐春騏+趙凌

摘要：本文回顧了我國(guó)城投債的發(fā)行情況，并基于此建立了城投債發(fā)行利率影響因素的計(jì)量經(jīng)濟(jì)模型，定量分析了各宏觀因素對(duì)城投債發(fā)行利率的影響方向和影響程度。結(jié)果顯示，城投債發(fā)行利率與發(fā)債企業(yè)所在地基礎(chǔ)設(shè)施狀況、財(cái)政收入與國(guó)內(nèi)生產(chǎn)總值之比、資金使用效率、人均固定資產(chǎn)投資總額及社會(huì)消費(fèi)品零售總額與國(guó)內(nèi)生產(chǎn)總值之比等指標(biāo)均呈反比關(guān)系。

關(guān)鍵詞：城投債 發(fā)行利率 債券估值

我國(guó)城投債發(fā)行狀況

（一）城投債發(fā)行規(guī)模超高速增長(zhǎng)，區(qū)域分布極不平衡

我國(guó)城投債發(fā)行量由2008年的15只增加到2013年的805只，同期發(fā)行規(guī)模由243億元增加到9439.4億元，發(fā)行規(guī)模呈超高速增長(zhǎng)。2008—2009年全國(guó)累計(jì)發(fā)行1952只城投債，總額達(dá)24810.1億元。其中，東部地區(qū)1054只，發(fā)行額13572.4億元，占發(fā)行總額的54.71%；中部地區(qū)發(fā)行421只，發(fā)行額5413.2億元，占21.82%；西部地區(qū)發(fā)行477只，發(fā)行額5824.5億元，占23.48%。東部地區(qū)城投債的發(fā)行量及發(fā)行總額超過(guò)中西部地區(qū)之和，顯示我國(guó)城投債的區(qū)域分布極不平衡。

按發(fā)行規(guī)模由大到小排序，2008—2013年累計(jì)發(fā)行城投債超過(guò)1000億元的10個(gè)省市區(qū)分別是江蘇（3609.1） 1、北京（1770.8）、浙江（1575.6）、天津（1329.2）、廣東（1249.5）、上海（1177）、湖南（1153.4）、重慶（1122.2）、四川（1081.1）、安徽（1072.4）；發(fā)行規(guī)模在500億～1000億元的有山東（897）、湖北（844.2）、遼寧（776.5）、福建（769.2）、陜西（719.5）、江西（716.5）、河南（690.5）、廣西（508.6）等8個(gè)省區(qū)；500億元以下的有13個(gè)省區(qū)，分別是甘肅（493）、云南（433.5）、內(nèi)蒙古（395）、新疆（377.6）、黑龍江（372.5）、貴州（372）、河北（370.5）、山西（370）、青海（282）、吉林（193.7）、海南（48）、寧夏（40）和西藏（0）。發(fā)行額居前六位的省份均在東部地區(qū)。發(fā)債規(guī)模低于500億元的13個(gè)省份中，東部地區(qū)占2個(gè)，中部地區(qū)3個(gè)，西部地區(qū)8個(gè)。

（二）城投債類型與期限分布

按Wind一級(jí)分類，在1952只城投債中，企業(yè)債有1096只，發(fā)行額13774.4億元，占發(fā)行總額的55.52%，位居首位；中期票據(jù)有622只，發(fā)行額8718億元，占35.14%，位居第二；短期融資券164只，發(fā)行額1887.8億元，占7.61%。上述三類城投債發(fā)行規(guī)模24380.2億元，占發(fā)行總額的98.27%。公司債、資產(chǎn)支持證券和可分離轉(zhuǎn)債存?zhèn)绕渌愋统峭秱舶l(fā)行70只，發(fā)行額429.9億元，占1.73%。

就發(fā)行期限看，2008—2013年累計(jì)發(fā)行7年期城投債803只，發(fā)行額9880.5億元，占發(fā)行總額的39.82%，占比最大；5年期376只，發(fā)行額5754.2億元，占23.19%；3年期248只，發(fā)行額2312.2億元，占9.32%；10年期122只，發(fā)行額2166.5億元，占8.73%；1年期150只，發(fā)行額1678.8億元，占6.77%；6年期147只，發(fā)行額1561億元，占6.29%。上述6種期限債券合計(jì)占比94.12%。其他期限品種合計(jì)106只，發(fā)行額1456.9億元，占5.87%。數(shù)據(jù)顯示，城投債以中期債券為主，1年期以下的短期債券和10年及以上期限的長(zhǎng)期債券占比較少。

（三）城投債信用等級(jí)及評(píng)級(jí)機(jī)構(gòu)分布

2008—2013年共有1685只城投債被大公國(guó)際、中誠(chéng)信國(guó)際、鵬元資信、聯(lián)合資信、上海新世紀(jì)、中誠(chéng)信證券、東方金誠(chéng)和聯(lián)合信用等8家機(jī)構(gòu)評(píng)級(jí)。經(jīng)大公國(guó)際評(píng)級(jí)的債券只數(shù)達(dá)到25.4%，位居第一。大公國(guó)際、中誠(chéng)信國(guó)際、鵬元資信、聯(lián)合資信和上海新世紀(jì)5家評(píng)級(jí)機(jī)構(gòu)評(píng)估的債券只數(shù)占全部的97.98%（見(jiàn)表1）。

在A-1至AAA級(jí)的6個(gè)債券等級(jí)中，AA級(jí)債券最多，占到45.4%，其次是AA+級(jí)，達(dá)到31.16%。表1顯示，AA和AA+級(jí)債券共計(jì)1290只，占全部的76.56%，債券評(píng)級(jí)分布比較集中。

表1 2008—2013年城投債等級(jí)及評(píng)級(jí)機(jī)構(gòu)分布（單位：只）

評(píng)級(jí)機(jī)構(gòu) A-1 A+ AA- AA AA+ AAA 各機(jī)構(gòu)評(píng)級(jí)只數(shù)

合計(jì) 占比（%）

大公國(guó)際 33 1 17 207 99 71 428 25.4

中誠(chéng)信國(guó)際 54 0 4 135 127 72 392 23.26

鵬元資信 0 0 10 214 133 5 362 21.48

聯(lián)合資信 28 1 10 108 88 29 264 15.67

上海新世紀(jì) 21 0 3 86 70 25 205 12.17

中誠(chéng)信證券 0 0 0 3 6 10 19 1.13

東方金誠(chéng) 0 0 0 9 1 1 11 0.65

聯(lián)合信用 0 0 0 3 1 0 4 0.24

各等級(jí)合計(jì) 136 2 44 765 525 213 1685

各等級(jí)占比（%） 8.07 0.12 2.61 45.4 31.16 12.64 100

數(shù)據(jù)來(lái)源：Wind資訊、中國(guó)債券信息網(wǎng)

模型設(shè)定與數(shù)據(jù)處理

選擇恰當(dāng)?shù)馁N現(xiàn)利率，對(duì)金融資產(chǎn)各期的預(yù)期現(xiàn)金流進(jìn)行貼現(xiàn)，然后加總即可得到金融資產(chǎn)的理論價(jià)格，這是金融資產(chǎn)定價(jià)的基本方法。債券定價(jià)模型的出發(fā)點(diǎn)就是將金融資產(chǎn)的必要收益率（required yield）加上由于發(fā)行主體的特征引起的溢價(jià)，并由此決定債券的票面利率和發(fā)行方式，這在個(gè)券估值理論與實(shí)務(wù)中占據(jù)重要位置。

然而，在利用歷史數(shù)據(jù)定量分析債券估值的影響因素及程度方面，計(jì)量經(jīng)濟(jì)模型方法表現(xiàn)出特有的優(yōu)勢(shì)。Hastie（1971、1972）就債券違約和市場(chǎng)化兩個(gè)層面，設(shè)置了相對(duì)債務(wù)負(fù)擔(dān)、城市經(jīng)濟(jì)基礎(chǔ)、債券違約史、債券存量市場(chǎng)化與發(fā)行市場(chǎng)化程度等指標(biāo)，并建立了計(jì)量模型研究各因素對(duì)債券收益率的影響。Morse和Deely（1983）、Rivers和Yates（1997）、Simonsen和Robbins等（2001）、Lai和Zhang（2013）也利用計(jì)量模型對(duì)市政債進(jìn)行了相關(guān)研究。

與債券估值實(shí)務(wù)不同，本文不對(duì)個(gè)券進(jìn)行估值，而是利用回歸分析方法，找出影響中國(guó)城投債發(fā)行利率的共性因素。

（一）模型變量的設(shè)置

筆者認(rèn)為，影響城投債發(fā)行利率的因素分為宏觀性和個(gè)體性兩個(gè)層面。宏觀性因素是從市場(chǎng)風(fēng)險(xiǎn)與違約風(fēng)險(xiǎn)層面分析的因素，其本質(zhì)是基于市場(chǎng)無(wú)風(fēng)險(xiǎn)利率水平和市場(chǎng)無(wú)風(fēng)險(xiǎn)利率期限結(jié)構(gòu)的分析。個(gè)體性因素是研究債券發(fā)行主體對(duì)其債券定價(jià)的影響，即研究債券價(jià)差，也就是度量風(fēng)險(xiǎn)溢價(jià)。

城投債發(fā)行主體基本是地方政府投資平臺(tái)公司，鑒于其發(fā)行主體的特殊性，本文在分析城投債發(fā)行利率的影響因素時(shí)，不考慮發(fā)債主體企業(yè)生產(chǎn)和效益指標(biāo)等個(gè)體性因素對(duì)發(fā)行利率的影響，僅研究宏觀性因素的影響?？紤]到數(shù)據(jù)可得性，筆者認(rèn)為，能夠反映市場(chǎng)風(fēng)險(xiǎn)和違約風(fēng)險(xiǎn)的宏觀性因素主要有：（1）企業(yè)所在地的基礎(chǔ)設(shè)施情況。受地市級(jí)數(shù)據(jù)所限，本文以省級(jí)層面基礎(chǔ)設(shè)施建設(shè)數(shù)據(jù)來(lái)代替，以每平方公里的鐵路營(yíng)業(yè)里程、高速公路里程、一級(jí)公路里程、二級(jí)公路里程和內(nèi)河航道里程來(lái)描述基礎(chǔ)設(shè)施狀況。具體計(jì)算方法為：首先基于可能的運(yùn)輸量和經(jīng)驗(yàn)判斷，賦予五種類型基礎(chǔ)設(shè)施建設(shè)不同的系數(shù)，分別為1、1、0.125、0.05和0.01；然后將各類型里程與系數(shù)相乘后加總。通過(guò)這種方法計(jì)算的指標(biāo)值能大致反映發(fā)債主體企業(yè)所在地的基礎(chǔ)設(shè)施情況。在本文的計(jì)量模型中，用basicp表示該指標(biāo)。（2）債券發(fā)行主體企業(yè)所在地的財(cái)政收入與其國(guó)內(nèi)生產(chǎn)總值之比。該指標(biāo)是判斷城投債違約風(fēng)險(xiǎn)大小的主要指標(biāo)，在模型中用gdprevenc表示。（3）資金使用效率與風(fēng)險(xiǎn)指標(biāo)。該指標(biāo)以發(fā)債企業(yè)所在地貸款與存款之比替代，在模型中用loandep表示。本文之所以利用貸存比替代資金使用效率，是基于資金的逐利性考慮。商業(yè)銀行在風(fēng)險(xiǎn)可控的前提下，為提高其資本的配置效率，就會(huì)從低效率部分抽走更多資金，從而導(dǎo)致其貸存比降低。這個(gè)現(xiàn)象反映到經(jīng)濟(jì)層面，一般而言：經(jīng)濟(jì)發(fā)展水平不太高、經(jīng)濟(jì)效益不太好的地區(qū)銀行貸存比較低；反之，貸存比較高?？梢哉J(rèn)為，在滿足貸存比監(jiān)管條件下，高貸存比地區(qū)有較好的流動(dòng)性，其市場(chǎng)風(fēng)險(xiǎn)較小，其資金效率較高。（4）發(fā)債企業(yè)所在地人均固定資產(chǎn)投資總額，用invpeo表示。（5）發(fā)債企業(yè)所在地社會(huì)消費(fèi)品零售總額與其國(guó)內(nèi)生產(chǎn)總值之比，用congdpc表示。后三個(gè)指標(biāo)能夠在一定程度上反映債券的市場(chǎng)風(fēng)險(xiǎn)。

（二）數(shù)據(jù)來(lái)源與處理

2008—2013年1952只中國(guó)城投債及相關(guān)數(shù)據(jù)來(lái)源于Wind資訊和中國(guó)債券信息網(wǎng)；宏觀和區(qū)域數(shù)據(jù)來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)。

由于國(guó)泰安數(shù)據(jù)庫(kù)尚未公布地市級(jí)層面2012年度的數(shù)據(jù)，因此本文用2009—2011年數(shù)據(jù)平滑處理得到2012年度數(shù)據(jù)。

用SAS軟件對(duì)被解釋變量——城投債發(fā)行利率（用couponrt表示）及五個(gè)解釋變量basicp、gdprevenc、loandep、invpeo、congdpc分別進(jìn)行ADF檢驗(yàn)，相關(guān)結(jié)果顯示各變量序列均平穩(wěn)。為節(jié)省篇幅，此處僅列出變量loandep的平穩(wěn)性檢驗(yàn)結(jié)果，見(jiàn)表2。

表2 變量loandep的平穩(wěn)性檢驗(yàn)

Augmented Dickey-Fuller Unit Root Tests

Type Lags Rho Pr < Rho Tau Pr < Tau F Pr > F

Zero Mean 4 -47.4933 <.0001 -4.78 <.0001

Single Mean 4 -1987.93 0.0001 -19.79 <.0001 195.73 0.0010

Trend 4 -2113.14 0.0001 -20.02 <.0001 200.37 0.0010

（三）計(jì)量經(jīng)濟(jì)模型的建立與分析

基于以上變量設(shè)置和數(shù)據(jù)處理，本文以2008—2013年全部1952只城投債為研究對(duì)象2，利用加權(quán)最小二乘法估計(jì)的計(jì)量經(jīng)濟(jì)模型如下（式中，coprate表示被解釋變量——城投債發(fā)行利率）：

結(jié)果顯示，回歸方程和五個(gè)解釋變量gdprevenc、basicp、congdpc、invpeo和loandep均通過(guò)了顯著性檢驗(yàn)。

各變量回歸系數(shù)表明：財(cái)政收入與國(guó)內(nèi)生產(chǎn)總值之比每增加1個(gè)百分點(diǎn)，城投債發(fā)行利率就下降0.04576個(gè)百分點(diǎn)，即4.58BP。省級(jí)綜合里程每增加1個(gè)百分點(diǎn)，發(fā)行利率下降0.27BP，該指標(biāo)對(duì)發(fā)行利率影響不大，這可能是沒(méi)有考慮地市級(jí)每平方公里綜合里程的原因。社會(huì)消費(fèi)品零售總額與國(guó)內(nèi)生產(chǎn)總值之比每增加1個(gè)百分點(diǎn)，發(fā)行利率下降2.88BP。人均固定資產(chǎn)投資總額每增加1個(gè)百分點(diǎn)，發(fā)行利率下降5.1BP。資金使用效率每提高1個(gè)百分點(diǎn)，發(fā)行利率下降10.33BP。

為了能更好地判斷各指標(biāo)對(duì)城投債發(fā)行利率的影響程度，下面本文對(duì)無(wú)擔(dān)保的城投債和有擔(dān)保的城投債分別進(jìn)行回歸分析。

1.無(wú)擔(dān)保城投債計(jì)量經(jīng)濟(jì)模型

以2008—2013年全部1385只3無(wú)擔(dān)保城投債為研究對(duì)象，建立模型2如下：

模型2與模型1的回歸分析結(jié)果顯示，兩者僅是參數(shù)估計(jì)值大小有微小差異，各參數(shù)方向完全一致，解釋力高度相似。由于模型2所用數(shù)據(jù)是模型1所用數(shù)據(jù)的一部分，因此從數(shù)據(jù)結(jié)構(gòu)層面，可以說(shuō)該計(jì)量經(jīng)濟(jì)模型通過(guò)了穩(wěn)定性檢驗(yàn)。

此外，本文還對(duì)全部城投債數(shù)據(jù)分年度進(jìn)行回歸分析，以此來(lái)檢驗(yàn)?zāi)Ｐ偷姆€(wěn)定性。為節(jié)省篇幅，本文僅列出2010—2012年各年度計(jì)量模型的回歸系數(shù)，見(jiàn)表3。從表3可知，所有年度各變量系數(shù)方向均一致，因此說(shuō)明本文建立的計(jì)量經(jīng)濟(jì)模型具有較強(qiáng)的穩(wěn)定性。

表3 2010—2012年各年度回歸模型系數(shù)及t檢驗(yàn)值

Variable 2010年度模型 2011年度模型 2012年度模型

Intercept 8.80924 *** （35.20） 8.41542 *** （58.19） 8.39108 ***（109.75）

gdprevenc -0.05814 ** （-2.39） -0.04646 *** （-4.27） -0.05132 ***（-8.85）

basicp -0.00431*** （-2.71） -0.00242 *** （-2.93） -0.00229 ***（-5.73）

congdpc -0.03599*** （-5.68） -0.03100 *** （-8.84） -0.02670 ***（-15.17）

invpoe -0.05597 **（-2.56） -0.05612 *** （-3.46） -0.06556 ***（-6.02）

Loandep -0.51317 **（-2.14） -0.09226 ** （-2.32） -0.13800 （-1.27）

2.有擔(dān)保城投債計(jì)量經(jīng)濟(jì)模型

以2008—2013年全部567只有擔(dān)保城投債為研究對(duì)象，建立模型3如下：

模型3和模型2結(jié)構(gòu)有較大差異：財(cái)政收入與國(guó)內(nèi)生產(chǎn)總值之比和人均固定資產(chǎn)投資總額兩個(gè)解釋變量不再顯著。筆者認(rèn)為，不可撤銷連帶責(zé)任擔(dān)保、抵押擔(dān)保、連帶責(zé)任擔(dān)保、質(zhì)押擔(dān)保、質(zhì)押擔(dān)保及抵押擔(dān)保等五種擔(dān)保增信方式的引入，降低了債券的違約風(fēng)險(xiǎn)，從而導(dǎo)致在個(gè)券估值時(shí)上述兩個(gè)變量的影響作用減少。

實(shí)證分析結(jié)果

1.就平均水平來(lái)說(shuō)，城投債發(fā)行利率與發(fā)債企業(yè)所在地基礎(chǔ)設(shè)施狀況、財(cái)政收入與國(guó)內(nèi)生產(chǎn)總值之比、資金使用效率、人均固定資產(chǎn)投資總額及社會(huì)消費(fèi)品零售總額與國(guó)內(nèi)生產(chǎn)總值之比等指標(biāo)均呈反比關(guān)系。也就是說(shuō)，基礎(chǔ)設(shè)施狀況的改善、財(cái)政收入與國(guó)內(nèi)生產(chǎn)總值之比的提高、資金使用效率的提高、人均固定資產(chǎn)投資總額的增大及社會(huì)消費(fèi)品零售總額與國(guó)內(nèi)生產(chǎn)總值之比的提高等都能降低城投債企業(yè)的發(fā)債成本。

2.當(dāng)發(fā)債主體實(shí)施有擔(dān)保的增信措施后，城投債發(fā)行利率的影響因素發(fā)生了較大變化：財(cái)政收入與國(guó)內(nèi)生產(chǎn)總值之比、人均固定資產(chǎn)投資總額這兩個(gè)變量不再顯著，其發(fā)行利率僅與基礎(chǔ)設(shè)施狀況、資金使用效率及社會(huì)消費(fèi)品零售總額與國(guó)內(nèi)生產(chǎn)總值之比等均呈反比關(guān)系。

本文僅從城投債有無(wú)擔(dān)保這個(gè)標(biāo)準(zhǔn)分類進(jìn)行了回歸分析，其結(jié)果針對(duì)城投債發(fā)行利率的平均水平而言。在估值實(shí)務(wù)中，如果要精確量化各因素對(duì)債券估值的影響，除需考慮債券的個(gè)體性因素外，還要同時(shí)考慮債券是否含權(quán)、是否跨市場(chǎng)交易、所屬行業(yè)、期限、信用評(píng)級(jí)、利息類型、計(jì)息方式等因素。也就是說(shuō)，考慮因素越周全、越細(xì)致，相應(yīng)的計(jì)量模型對(duì)其發(fā)行利率的解釋力會(huì)越好，在估值實(shí)踐中也就越具操作性。這也正是筆者進(jìn)一步研究的方向。

注：

1.括號(hào)內(nèi)數(shù)字表示發(fā)行規(guī)模，單位為億元，下同。

2.實(shí)際使用了1944只城投債數(shù)據(jù)，另有8只城投債數(shù)據(jù)缺失。

3.實(shí)際使用了1377只城投債數(shù)據(jù)，另有8只城投債數(shù)據(jù)缺失。

作者單位：徐春騏 中國(guó)地質(zhì)大學(xué)（北京）人文經(jīng)管學(xué)院

趙凌 中央結(jié)算公司債券信息部

參考文獻(xiàn)

[1]魏雪梅.當(dāng)前城投債風(fēng)險(xiǎn)評(píng)估及預(yù)測(cè)[J].債券，2013（2）.

[2]黃文濤，施同亮.新形勢(shì)下的城投債價(jià)值重估[J].債券，2013（6）.

[3]吳亮圻，田鵬.我國(guó)城投債的風(fēng)險(xiǎn)分析及對(duì)策探討[J].債券，2013（8）.

[4]Hastie K L. Determinants of municipal bond yields[J]. Journal of Financial and Quantitative Analysis， 1972， 7（03）： 1729-1748.

[5]Hastie K L. The determinants of municipal bond yields *[J]. The Journal of Finance， 1971， 26（1）： 182-183.