“投資者付費(fèi)”模式能改善評級市場的信息質(zhì)量嗎？
——基于中債資信評級的實(shí)證研究

阮永鋒 徐曉萍 劉音露

(上海財經(jīng)大學(xué)金融學(xué)院，上海 200433)

引言

金融危機(jī)爆發(fā)后，國際主要評級機(jī)構(gòu)因其給予結(jié)構(gòu)化金融產(chǎn)品虛高的評級而飽受質(zhì)疑。在分析評級機(jī)構(gòu)行為背后的原因時，業(yè)界和學(xué)術(shù)界普遍認(rèn)為，“發(fā)行人付費(fèi)”模式內(nèi)生的利益沖突是導(dǎo)致評級虛高的根源。在“發(fā)行人付費(fèi)”模式下，發(fā)行人可以自主選擇評級機(jī)構(gòu)，并支付評級費(fèi)用，這意味著發(fā)行人可以進(jìn)行“評級選購”(Skreta和Veldkamp，2009)[11]；同時，評級機(jī)構(gòu)作為營利性組織，也存在迎合發(fā)行人訴求以獲得業(yè)務(wù)的經(jīng)濟(jì)激勵(Griffin et al.2013；Kraft，2015)[7][9]。因此，“發(fā)行人付費(fèi)”模式可能會降低評級機(jī)構(gòu)的獨(dú)立性，從而減弱信用評級的風(fēng)險揭示作用。與“發(fā)行人付費(fèi)”模式相比，在“投資者付費(fèi)”模式下，評級機(jī)構(gòu)與發(fā)行人之間不存在直接的利益關(guān)系，因而它們能夠相對獨(dú)立、客觀、公正地對發(fā)行人進(jìn)行評級，同時也能夠促使“發(fā)行人付費(fèi)”機(jī)構(gòu)更加重視聲譽(yù)(Xia，2014)[13]，從而使評級市場的總體信息質(zhì)量上升?；谝陨显?，監(jiān)管部門開始鼓勵“投資者付費(fèi)”模式的發(fā)展，期望“投資者付費(fèi)”機(jī)構(gòu)能夠改善整體行業(yè)的公信力。

雖然金融危機(jī)對我國資本市場的直接沖擊較小，但危機(jī)產(chǎn)生的一系列負(fù)面經(jīng)濟(jì)后果使我國監(jiān)管部門意識到，完善信用評級制度對于防范系統(tǒng)性金融風(fēng)險具有重要作用。2010年，中債資信評估有限責(zé)任公司成立1，成為國內(nèi)首家實(shí)行“投資者付費(fèi)”模式的信用評級公司。在“投資者付費(fèi)”模式下，中債資信不必通過迎合發(fā)行人的訴求以獲得業(yè)務(wù)，使其評級保持相對的客觀和公正。同時，投資者可以利用中債評級對其他評級結(jié)果進(jìn)行檢驗(yàn)，一定程度上能夠促使其他機(jī)構(gòu)更加注重聲譽(yù)的積累，提高評級的準(zhǔn)確性。我們的問題是，在中債評級普遍低于其他評級的背景下，其他機(jī)構(gòu)是否會出于維護(hù)聲譽(yù)的考慮，而提高其評級質(zhì)量？這是本文研究的第一個問題。

商業(yè)銀行、保險公司等機(jī)構(gòu)投資者是我國債券市場的主要參與者，具有較強(qiáng)的專業(yè)分析能力，能夠根據(jù)市場信息對債券定價進(jìn)行調(diào)整。根據(jù)監(jiān)管規(guī)定，評級機(jī)構(gòu)一般需要公開披露信用評級報告，故而機(jī)構(gòu)投資者能夠較為便利地獲取不同機(jī)構(gòu)的評級報告。在實(shí)踐中，“發(fā)行人付費(fèi)”機(jī)構(gòu)評級報告一般包含在債券發(fā)行文件中，因而投資者往往先接觸到此類機(jī)構(gòu)的評級報告，并將其視為投資依據(jù)。那么，在中債資信與其他機(jī)構(gòu)覆蓋同一受評對象的情況下，中債評級能否為投資者提供增量信息，進(jìn)而影響到投資者對債券的定價？這是本文研究的第二個問題。

基于上述背景，本文利用2008～2016年發(fā)債企業(yè)主體評級和債券發(fā)行數(shù)據(jù)，考察了中債評級對評級市場信息質(zhì)量的影響。研究發(fā)現(xiàn)，中債評級是否覆蓋同一受評對象對其他評級高低并無影響，說明目前“投資者付費(fèi)”模式尚未改善“發(fā)行人付費(fèi)”機(jī)構(gòu)的評級質(zhì)量。但是，中債評級釋放了其他機(jī)構(gòu)評級質(zhì)量的信號：在中債評級與其他機(jī)構(gòu)評級存在較大差異的情況下，投資者會利用中債評級對債券定價進(jìn)行調(diào)整；而在兩類機(jī)構(gòu)評級差異較小時，投資者并未利用中債評級對債券定價進(jìn)行調(diào)整。本文的貢獻(xiàn)在于：第一，Xia(2014)[13]、林晚發(fā)等(2017)[16]、孟慶斌等(2018)[18]發(fā)現(xiàn)，在“投資者付費(fèi)”模式的壓力下，“發(fā)行人付費(fèi)”評級機(jī)構(gòu)會降低其信用等級。但是，本文結(jié)合我國評級市場的現(xiàn)實(shí)情況，在全面考察了中債評級對其他評級的影響后，得出與國內(nèi)外現(xiàn)有文獻(xiàn)不同的結(jié)論，這進(jìn)一步豐富了評級付費(fèi)模式的相關(guān)文獻(xiàn)；第二，本文從信息披露質(zhì)量視角，考察了中債評級對其他評級降低信用利差效果的影響及其作用機(jī)理，這對于理解中債資信在評級市場中的作用具有重要的參考價值。

文獻(xiàn)綜述與研究假設(shè)

金融危機(jī)爆發(fā)后，國內(nèi)外文獻(xiàn)從多個視角研究了造成評級虛高的因素。一般認(rèn)為，“發(fā)行人付費(fèi)”模式會導(dǎo)致利益沖突，從而降低評級質(zhì)量。Jiang et al.(2012)[8]研究了收費(fèi)模式轉(zhuǎn)變(從“投資者付費(fèi)”模式轉(zhuǎn)變?yōu)椤鞍l(fā)行人付費(fèi)”模式)對標(biāo)準(zhǔn)普爾評級質(zhì)量的影響。他們發(fā)現(xiàn)，以穆迪公司(實(shí)行“發(fā)行人付費(fèi)”模式)的評級作為基準(zhǔn)，在收費(fèi)模式轉(zhuǎn)變之前，標(biāo)準(zhǔn)普爾的評級通常低于穆迪的評級；而在收費(fèi)模式轉(zhuǎn)變之后，兩家機(jī)構(gòu)的評級并沒有顯著差異。Strobl和Xia(2012)[12]發(fā)現(xiàn)，與實(shí)行“投資者付費(fèi)”模式的EJR (Egan-Jones Rating Company)相比，實(shí)行“發(fā)行人付費(fèi)”模式的標(biāo)準(zhǔn)普爾的評級更高。并且在利益沖突嚴(yán)重的情況下，兩者之間的評級差異更大，這意味著“發(fā)行人付費(fèi)”模式可能會導(dǎo)致評級虛高。在評級機(jī)構(gòu)實(shí)行“發(fā)行人付費(fèi)”模式的情況下，評級市場競爭(Becker和Milbourn，2011；Bolton et al.，2012；Cohen和Manuszak，2013)[2][4][5]、受評對象復(fù)雜度(Mathis et al.，2009)[10]等因素都可能加劇評級虛高問題，從而降低評級質(zhì)量。

聲譽(yù)是評級機(jī)構(gòu)生存和發(fā)展的基礎(chǔ)，因而聲譽(yù)約束機(jī)制有助于提高評級質(zhì)量。鑒于只有在能夠判斷評級質(zhì)量的情況下，聲譽(yù)機(jī)制才可能發(fā)揮作用，因而對評級結(jié)果進(jìn)行有效的檢驗(yàn)是聲譽(yù)機(jī)制發(fā)揮作用的重要前提。與“發(fā)行人付費(fèi)”機(jī)構(gòu)相比，“投資者付費(fèi)”機(jī)構(gòu)的評級質(zhì)量更高(Beaver et al.，2006；Berwart et al.，2016；Cornaggia和Cornaggia，2013)[1][3][6]。在兩類評級機(jī)構(gòu)對同一受評對象進(jìn)行評級時，如果“發(fā)行人付費(fèi)”機(jī)構(gòu)給予的評級較高，則投資者可能質(zhì)疑其是否出于利益動機(jī)而給予發(fā)行人虛高的評級，從而給“發(fā)行人付費(fèi)”機(jī)構(gòu)造成聲譽(yù)損失。因此，“投資者付費(fèi)”機(jī)構(gòu)覆蓋同一受評對象時，“發(fā)行人付費(fèi)”機(jī)構(gòu)給予的評級可能更低，其評級也更能反映信用風(fēng)險，說明在“投資者付費(fèi)”模式的壓力下，“發(fā)行人付費(fèi)”機(jī)構(gòu)的評級質(zhì)量會有所提高(Xia，2014)[13]。

與國外評級行業(yè)上百年的發(fā)展歷程相比，我國評級行業(yè)仍處于發(fā)展初期，評級虛高問題較為嚴(yán)重，因而“投資者付費(fèi)”模式能否發(fā)揮其改善評級市場信息質(zhì)量的作用值得我們深入研究。對評級機(jī)構(gòu)而言，其行為主要受到利益動機(jī)與聲譽(yù)動機(jī)的影響。一方面，從利益動機(jī)角度看，近年來，評級市場競爭不斷加劇(寇宗來等，2015)[15]，評級機(jī)構(gòu)通過給予高評級來維持市場份額的利益動機(jī)較強(qiáng)。同時，伴隨著債券市場的快速發(fā)展，評級業(yè)務(wù)規(guī)模快速攀升，因而評級機(jī)構(gòu)擁有通過給予高評級以獲得新業(yè)務(wù)的動機(jī)。另一方面，從聲譽(yù)動機(jī)角度看，我國評級行業(yè)發(fā)展歷程較短，評級機(jī)構(gòu)的聲譽(yù)尚未完全建立起來，加之剛性兌付仍未完全打破等原因，聲譽(yù)機(jī)制發(fā)揮的市場約束作用相對有限。在“發(fā)行人付費(fèi)”機(jī)構(gòu)的利益動機(jī)較強(qiáng)，而聲譽(yù)約束力有限的情況下，“投資者付費(fèi)”模式對“發(fā)行人付費(fèi)”模式評級的影響力可能較弱?；谏鲜龇治觯疚奶岢鲆韵录僭O(shè)：

H1：中債評級是否覆蓋同一受評對象不影響其他機(jī)構(gòu)評級高低。

信用評級能夠?yàn)橥顿Y者提供增量信息，有助于降低債券發(fā)行人與投資者之間的信息不對稱，因而會影響到債券的融資成本。何平和金夢(2010)[14]發(fā)現(xiàn)，債項(xiàng)評級和主體評級均能降低發(fā)行成本，并且前者的作用更強(qiáng)。王安興等(2012)[20]發(fā)現(xiàn)，信用評級越高，信用利差越低。沈紅波和廖冠明(2014)[19]發(fā)現(xiàn)，評級機(jī)構(gòu)的專有信息能夠降低發(fā)行成本，當(dāng)企業(yè)規(guī)模較小時(即信息不對稱程度更嚴(yán)重)，專有信息的作用更顯著。

投資者通過搜集、分析信息來判斷投資風(fēng)險。如果信息披露質(zhì)量較低，投資者為保障自身利益，會要求更高的風(fēng)險溢價。信用評級是揭示債券違約風(fēng)險的信息，其質(zhì)量會直接影響到融資成本。信用評級質(zhì)量越差，其降低融資成本的作用越弱。王雄元和張春強(qiáng)(2013)[21]發(fā)現(xiàn)，信用評級具有降低融資成本的作用，但是發(fā)行前主體評級調(diào)增、較低的評級機(jī)構(gòu)聲譽(yù)會減弱這種作用。邢天才等(2016)[22]發(fā)現(xiàn)，評級市場競爭會導(dǎo)致評級虛高，從而減弱信用評級降低融資成本的作用。寇宗來等(2015)[15]甚至認(rèn)為，我國信用評級的可信度較低，其降低融資成本的作用較弱。在其他機(jī)構(gòu)評級飽受質(zhì)疑的背景下，中債評級能夠?qū)ζ渌u級結(jié)果進(jìn)行檢驗(yàn)，為投資者提供增量信息，從而影響到投資者對債券的定價?；谏鲜龇治觯疚奶岢鲆韵录僭O(shè)：

H2：中債評級是否覆蓋同一受評對象會影響信用利差。

研究設(shè)計

一、數(shù)據(jù)來源與樣本選擇

本文以2008～2016年獲得其他機(jī)構(gòu)主體評級(包括發(fā)行時主體評級和跟蹤評級)的企業(yè)作為樣本，按照以下標(biāo)準(zhǔn)對數(shù)據(jù)進(jìn)行處理：(1)由于金融類企業(yè)與其他行業(yè)企業(yè)區(qū)別較大，因此剔除金融類企業(yè)樣本；(2)刪除評級數(shù)量過少的評級機(jī)構(gòu)(上海遠(yuǎn)東和東方金誠)所對應(yīng)的樣本；(3)刪除其他機(jī)構(gòu)主體評級低于A-的樣本。原因在于，企業(yè)的主體評級基本上都在A-及以上，因而當(dāng)主體評級低于A-時，可能意味著企業(yè)資質(zhì)嚴(yán)重下滑，評級機(jī)構(gòu)將會持續(xù)降低企業(yè)的主體評級，從而干擾到對中債評級影響的研究2；(4)企業(yè)在一年內(nèi)可能擁有多次其他評級數(shù)據(jù)，為避免重復(fù)，本文僅保留一次其他評級數(shù)據(jù)。在樣本篩選方面，若存在被中債評級覆蓋(具體見下文Coverage的定義)的其他評級樣本，則保留年內(nèi)最后一次被中債評級覆蓋的其他評級樣本；若不存在被中債評級覆蓋的其他評級樣本，則保留年內(nèi)最后一次的其他評級樣本；(5)刪除變量缺失樣本。本文數(shù)據(jù)來自Wind資訊。為控制極端值的影響，本文對所有連續(xù)變量在1%和99%分位上進(jìn)行winsorize處理。

二、模型構(gòu)建與變量定義

模型(1)是本文的主要回歸模型，具體變量定義如下：

被解釋變量：模型(1)中的被解釋變量Rating為其他機(jī)構(gòu)主體評級。我們根據(jù)信用等級高低對評級符號進(jìn)行賦值：A-=1、A=2、A+=3、AA-=4、AA=5、AA+=6、AAA=7。由于被解釋變量為多元有序變量，現(xiàn)有文獻(xiàn)通常采用OLS或Ordered Logit進(jìn)行研究，為使結(jié)論更加穩(wěn)健，本文同時采用OLS和Ordered Logit對模型進(jìn)行估計。

解釋變量：Xia(2014)[13]以“發(fā)行人付費(fèi)”評級日期是否在“投資者付費(fèi)”機(jī)構(gòu)首次覆蓋之后作為解釋變量，能夠直接衡量“投資者付費(fèi)”模式對“發(fā)行人付費(fèi)”模式評級的影響，本文主要以此為參考構(gòu)造解釋變量3。對于同一受評對象，在其他評級報告發(fā)布之前，市場上已經(jīng)有中債評級報告，則中債評級才可能對其他評級產(chǎn)生影響。由于評級報告的有效期一般為一年，因此我們對解釋變量Coverage的定義如下：如果在其他評級發(fā)布日期前365天內(nèi)，受評對象被中債評級覆蓋(即受評對象擁有中債評級)，那么Coverage取值為1，否則為0。

控制變量：在樣本期內(nèi)未被中債評級覆蓋企業(yè)的其他評級均值為4.853，而在樣本期內(nèi)被中債評級覆蓋企業(yè)的其他評級均值為5.587，兩者的差異在1%的水平下顯著，說明被中債評級覆蓋企業(yè)的資質(zhì)更好。對此，本文加入是否有中債評級變量以控制這種偏差。我們還參考沈紅波和廖冠民(2014)[19]、馬榕和石曉軍(2015)[17]等文獻(xiàn)，選取企業(yè)規(guī)模、負(fù)債水平、盈利能力、成長性、資產(chǎn)周轉(zhuǎn)率、是否上市企業(yè)、是否國有企業(yè)等指標(biāo)作為控制變量，并控制了行業(yè)和年度差異。變量定義見表1。

表1 變量定義

表2 變量描述性統(tǒng)計結(jié)果

實(shí)證結(jié)果與分析

一、描述性分析

表2報告了主要變量的描述性統(tǒng)計結(jié)果。Rating的均值為5.153，標(biāo)準(zhǔn)差為1.062，說明發(fā)債企業(yè)主體評級主要集中于AA和AA+。Coverage的均值為0.146，說明同時被中債資信與其他機(jī)構(gòu)覆蓋的樣本量仍較小。Treated的均值為0.409，說明40.9%的樣本對應(yīng)的企業(yè)在樣本期內(nèi)至少獲得過一次中債評級。對于其他控制變量，Size的均值為23.573；Lev的均值為0.564；ROA的均值為0.028；Growth的均值為0.234；Asturn的均值為0.476；List的均值為0.207；SOE的均值為0.797。

二、不同收費(fèi)模式評級的差異性比較

我們先對中債評級和其他評級的差異進(jìn)行統(tǒng)計分析。表3為同時擁有中債評級和其他評級的樣本(即Coverage=1的樣本)的分析結(jié)果。鑒于中債評級的分布范圍較廣，我們對中債評級進(jìn)行如下賦值：對于69個低于A-的中債評級，我們將其賦值為0；對于AAA-和AAA+的中債評級(其他評級無AAA+評級，基本上沒有AAA-評級)，我們將其賦值為7；其他中債評級的賦值方式與上文相同。鑒于2011年的樣本量僅為7，不具有代表性，我們僅對2012～2016年的統(tǒng)計結(jié)果進(jìn)行分析。表3數(shù)據(jù)顯示，對于同一受評對象，中債評級普遍低于其他評級，兩者差異的均值基本上都在1.7個等級以上，并且在1%的水平下顯著。

如果其他機(jī)構(gòu)受到中債資信的影響，并出于維護(hù)聲譽(yù)的考慮而提高其評級質(zhì)量，我們應(yīng)該看到中債評級與其他評級之間的差異會隨時間的推移而逐漸趨小。但從表3的結(jié)果來看，評級差異并未發(fā)生這樣的變化，反而在2016年急劇增大。這個事實(shí)說明，伴隨著中債資信對市場的影響力逐漸增大，其他機(jī)構(gòu)并未因中債評級覆蓋同一受評對象而收緊評級標(biāo)準(zhǔn)，反映出中債評級對其他評級的影響力較弱。

表3 中債評級和其他評級的差異及其年度變化

三、中債評級覆蓋與信用評級高低

為考察中債評級覆蓋對其他評級的影響，本文對模型(1)進(jìn)行回歸。表4報告了中債評級覆蓋與其他評級高低的回歸結(jié)果。列(1)結(jié)果顯示，Coverage的回歸系數(shù)不顯著，說明中債評級是否覆蓋同一受評對象對其他評級高低沒有影響，假設(shè)1得以成立。在列(2)中，Coverage的回歸系數(shù)仍不顯著，進(jìn)一步支持了假設(shè)1。這個結(jié)論與Xia(2014)[13]的不同，原因可能在于，“投資者付費(fèi)”模式評級發(fā)揮聲譽(yù)約束作用，需要良好的外部環(huán)境作為支撐?，F(xiàn)階段，實(shí)行“投資者付費(fèi)”模式的中債資信，較少與“發(fā)行人付費(fèi)”機(jī)構(gòu)展開直接競爭。因此，對“發(fā)行人付費(fèi)”機(jī)構(gòu)而言，其最優(yōu)競爭策略主要取決于其他“發(fā)行人付費(fèi)”機(jī)構(gòu)的策略。在評級市場“級別競爭”嚴(yán)重的情況下，“發(fā)行人付費(fèi)”機(jī)構(gòu)提高評級準(zhǔn)確性以維護(hù)聲譽(yù)的行為，很可能會導(dǎo)致其市場份額下降。在評級市場規(guī)?？焖侔l(fā)展的背景下，維護(hù)聲譽(yù)行為所產(chǎn)生的長期收益很可能無法覆蓋其所造成的短期損失。因此，目前我國“發(fā)行人付費(fèi)”機(jī)構(gòu)更多地還是在努力提高各自的市場份額，而對聲譽(yù)的重視程度不足，致使它們對中債評級的反應(yīng)不足。

表4 中債評級覆蓋與信用評級高低

表4顯示控制變量中，是否擁有中債評級(Treated)、企業(yè)規(guī)模(Size)、營利能力(ROA)、資產(chǎn)周轉(zhuǎn)率(Asturn)、是否上市公司(List)和是否國有企業(yè)(SOE)與信用評級顯著正相關(guān)，而負(fù)債水平(Lev)和成長性(Growth)與信用評級顯著負(fù)相關(guān)，這些控制變量的回歸結(jié)果基本符合預(yù)期。此外，adjR2和pseudo R2的數(shù)值較大，說明本文變量選取較為合理，能夠較好地解釋影響信用評級高低的因素。

四、信用評級、中債評級與信用利差

在中債評級是否覆蓋同一受評對象并不影響其他機(jī)構(gòu)評級高低的情況下，投資者是否會利用中債評級信息，對債券價格進(jìn)行調(diào)整呢？為考察中債評級對信用利差的作用，我們利用2008～2016年債券發(fā)行數(shù)據(jù)進(jìn)行研究。樣本按照以下標(biāo)準(zhǔn)進(jìn)行選?。?1)從Wind資訊獲得上文樣本企業(yè)在2008～2016年發(fā)行的企業(yè)債、公司債、中期票據(jù)、短期融資券和定向工具(PPN)數(shù)據(jù)；(2)對一年內(nèi)多次發(fā)行債券的樣本企業(yè)，若存在被中債評級覆蓋(具體見下文Coverage的定義)的樣本，則保留年內(nèi)最后一次被中債評級覆蓋的樣本；否則保留年內(nèi)最后一次的樣本。

這里我們考察的是中債評級對信用利差的作用，因此變量的定義與上文有所區(qū)別。具體區(qū)別如下：(1)信用利差(Spread)為債券發(fā)行利率與發(fā)行日同期限國債收益率的差值(%)；(2)Coverage的定義與上文不同。如果在債券發(fā)行日前365天內(nèi)，發(fā)債企業(yè)被中債評級覆蓋，那么Coverage取值為1，否則為0；(3)為控制債券特征，本文增加了債券存續(xù)期限(Term)、是否有擔(dān)保(Guarantee)和債券類型虛擬變量。其他變量定義與上文相同。為控制極端值的影響，我們對所有連續(xù)變量在1%和99%分位上進(jìn)行winsorize處理。

在“發(fā)行人付費(fèi)”機(jī)構(gòu)評級普遍偏高的背景下，中債評級和其他評級之間的差異越大，越可能釋放其他評級質(zhì)量較差的信號。為進(jìn)一步考察投資者是否會利用中債評級信息，我們還對Coverage等于1的子樣本(即同時擁有中債評級和其他評級的樣本)進(jìn)行深入研究。我們構(gòu)造了評級差異變量Distance，定義為發(fā)行時主體評級和發(fā)行日前最近一次中債評級的差值。數(shù)據(jù)顯示，Distance的取值范圍為0～6。

表5中列(1)報告了信用評級、中債評級覆蓋與信用利差的全樣本回歸結(jié)果。Coverage的回歸系數(shù)為0.065，在1%的水平下顯著，說明中債評級是否覆蓋同一受評對象對信用利差有正向影響。列(2)報告了信用評級、評級差異與信用利差的回歸結(jié)果。Distance的回歸系數(shù)為0.195，在1%的水平下顯著，說明中債評級與其他評級的差異越大，則投資者要求的回報越高，即投資者利用了中債評級信息，對債券定價進(jìn)行了調(diào)整。以上結(jié)果說明，總體上，中債評級是否覆蓋同一受評對象會影響信用利差，假設(shè)2得以成立。

表5中列(1)和列(2)的結(jié)果表明，從整體上看，中債評級覆蓋同一受評對象會提高信用利差，并且評級差異越大，信用利差越高。然而，以上結(jié)果并未清晰地說明中債評級在其中的作用機(jī)理，特別是在中債評級與其他評級相同的時候，中債評級對信用利差到底有怎樣的影響？對此，我們從理論上提出兩種可能性。第一種可能性是：在評級差異較小的情況下，中債評級對其他評級具有認(rèn)證作用，即中債評級提高了投資者對其他評級的認(rèn)可度，進(jìn)而降低了信用利差。伴隨著評級差異的擴(kuò)大，中債評級對其他評級的認(rèn)證作用消失，甚至還會釋放其他評級質(zhì)量較差的信號，從而提高了信用利差；第二種可能性是：在評級差異較小的情況下，投資者并未利用中債評級對債券定價進(jìn)行調(diào)整。但伴隨著評級差異的擴(kuò)大，中債評級釋放了其他評級質(zhì)量較差的信號，投資者據(jù)此信息，要求更高的投資回報。

表5 信用評級、中債評級與信用利差

為檢驗(yàn)以上兩種可能性，我們將未被中債評級覆蓋樣本(即Coverage=0樣本)和評級差異相同的樣本(即Distance分別為0～6時的樣本)合并作為子樣本，重新進(jìn)行回歸。如果第一種可能性成立，我們應(yīng)該看到當(dāng)Distance較小時，子樣本回歸結(jié)果中Coverage的系數(shù)應(yīng)顯著為負(fù)；如果第二種可能性成立，則我們應(yīng)該看到當(dāng)Distance較小時，子樣本回歸結(jié)果中Coverage的系數(shù)應(yīng)不顯著?；貧w結(jié)果顯示，當(dāng)Distance分別為0～2時，Coverage的系數(shù)均不顯著；而當(dāng)Distance分別為3～6時，Coverage的系數(shù)均在1%的水平下顯著為正。由此可見，第二種可能性成立。由于篇幅所限，本文僅分別列出Distance≤2和Distance＞2時，子樣本的回歸結(jié)果。

綜合以上分析，我們發(fā)現(xiàn)，投資者對中債資信與其他機(jī)構(gòu)是否覆蓋了同一受評對象并不關(guān)注，他們關(guān)注的是中債評級與其他評級之間的差異是否足夠大。在兩者之間的差異較小時，投資者并不依據(jù)前者對債券定價進(jìn)行調(diào)整；而當(dāng)兩者存在較大差異時，中債評級實(shí)際上釋放了其他評級質(zhì)量較差的信號，投資者會利用此信息對債券定價進(jìn)行調(diào)整，即他們要求更高的投資回報。

五、進(jìn)一步的研究：中債評級覆蓋對不同“發(fā)行人付費(fèi)”機(jī)構(gòu)的評級均無影響嗎？

“投資者付費(fèi)”模式評級發(fā)揮聲譽(yù)約束作用的基礎(chǔ)在于聲譽(yù)受損會給“發(fā)行人付費(fèi)”機(jī)構(gòu)造成較大損失，而不同評級機(jī)構(gòu)之間聲譽(yù)資本迥異，那么，中債評級覆蓋對不同機(jī)構(gòu)的評級均不產(chǎn)生影響嗎？為回答這個問題，我們進(jìn)一步分組考察了中債評級覆蓋對不同機(jī)構(gòu)評級的影響。在數(shù)據(jù)處理方面，我們將關(guān)聯(lián)公司視為同一家機(jī)構(gòu)，包括以下兩組：中誠信國際信用評級有限責(zé)任公司和中誠信證券評估有限公司、聯(lián)合資信評估有限公司和聯(lián)合信用評級有限公司。表6報告了采用OLS方法得到的中債評級覆蓋與信用評級高低的分組回歸結(jié)果。在列(2)和列(3)中，Coverage的回歸系數(shù)僅在10%的水平下顯著，在列(1)、列(4)和列(5)中，Coverage的回歸系數(shù)均不顯著。同時，在采用Ordered Logit方法得到的中債評級覆蓋與信用評級高低的分組回歸結(jié)果中(結(jié)果未列出)，Coverage的回歸系數(shù)均不顯著?？傮w上看，中債評級是否覆蓋同一受評對象對不同機(jī)構(gòu)的評級均無影響。原因可能在于，我國評級行業(yè)“級別競爭”嚴(yán)重，評級機(jī)構(gòu)在與發(fā)行人博弈中處于弱勢地位。如果一家評級機(jī)構(gòu)因中債評級覆蓋同一受評對象而擔(dān)心聲譽(yù)受損，收緊了評級標(biāo)準(zhǔn)，則發(fā)行人可能轉(zhuǎn)而委托另一家評級機(jī)構(gòu)進(jìn)行評級，從而導(dǎo)致該評級機(jī)構(gòu)丟失業(yè)務(wù)。因此，在市場競爭壓力下，各評級機(jī)構(gòu)對中債評級覆蓋均不做反應(yīng)。

六、穩(wěn)健性檢驗(yàn)

表6 中債評級覆蓋與信用評級高低(分組結(jié)果)

表7 中債評級次數(shù)與信用評級高低

為進(jìn)一步證實(shí)結(jié)論的可靠性，我們參考林晚發(fā)等(2017)[16]的方法，構(gòu)造變量CBR_num，并把它定義為發(fā)債主體上年度受到中債資信評級的次數(shù)。表7結(jié)果顯示，CBR_num的回歸系數(shù)均不顯著，說明中債評級次數(shù)不影響其他機(jī)構(gòu)評級高低，進(jìn)一步支持了本文的基本結(jié)論4。

另外，為解決選擇性偏差問題，本文還采用傾向得分匹配法(PSM)與雙重差分法(DID)進(jìn)行穩(wěn)健性檢驗(yàn)。首先，為確保在中債評級對其他評級有影響時，中債評級的影響足夠大，以及使得研究設(shè)計簡單明了，我們以2012年首次擁有中債評級、并且在2013～2016年間至少2個年度擁有中債評級的企業(yè)作為處理組企業(yè)；其次，我們將樣本期內(nèi)未獲得過中債評級的企業(yè)作為控制組企業(yè)；再次，根據(jù)2011年末控制變量(具體包括：Size、Lev、ROA、Growth、Asturn、List、SOE和行業(yè))，我們用PSM方法，將處理組企業(yè)與控制組企業(yè)進(jìn)行一對一不重復(fù)匹配，進(jìn)而獲得匹配后的企業(yè)在樣本期內(nèi)的數(shù)據(jù)；最后，2012年為處理組企業(yè)首次獲得中債評級的年份，考慮到中債評級日期與其他評級日期分布于全年，兩者之間沒有明確的先后順序，因而難以清晰地考察當(dāng)年度中債評級對其他評級的影響。同時，為滿足DID方法對時間節(jié)點(diǎn)的要求，我們刪除了所有企業(yè)的2012年樣本。最終我們篩選出1516個樣本。出于研究需要，本文對Post做如下定義：如果其他評級日期所屬年份在2012年后，Post取值為1，否則為0。表8報告了PSM與DID方法的回歸結(jié)果。Treated×Post的回歸系數(shù)不顯著，說明中債評級是否覆蓋同一受評對象確實(shí)不影響其他機(jī)構(gòu)的評級高低，進(jìn)一步支持了本文的基本結(jié)論。

表8 中債評級覆蓋與信用評級高低(PSM與DID)

研究結(jié)論

評級市場信息質(zhì)量是關(guān)系防范金融風(fēng)險的大事，在政府加大金融風(fēng)險防范力度的背景下，考察這一問題愈發(fā)重要。本文利用2008～2016年發(fā)債企業(yè)主體評級和債券發(fā)行數(shù)據(jù)，分析考察了實(shí)行“投資者付費(fèi)”模式的中債資信對評級市場信息質(zhì)量的改善作用。我們發(fā)現(xiàn)：第一，中債評級是否覆蓋同一受評對象對其他機(jī)構(gòu)評級高低并無影響，說明目前“投資者付費(fèi)”模式尚未改善“發(fā)行人付費(fèi)”機(jī)構(gòu)的評級質(zhì)量，評級市場聲譽(yù)機(jī)制的建立尚需時日；第二，總體上，中債評級是否覆蓋同一受評對象會影響信用利差，即投資者會利用中債評級對債券定價進(jìn)行調(diào)整。但在中債評級與其他評級差異較小的情況下，中債評級不會影響信用利差；第三，進(jìn)一步的研究發(fā)現(xiàn)，中債評級是否覆蓋同一受評對象對不同“發(fā)行人付費(fèi)”機(jī)構(gòu)的評級高低均不產(chǎn)生影響。本文的研究結(jié)論表明，“投資者付費(fèi)”模式能夠?yàn)橥顿Y者提供增量信息，有助于改善評級市場信息效率。但是，由于缺少良好的外部環(huán)境，目前“投資者付費(fèi)”模式尚未發(fā)揮改善“發(fā)行人付費(fèi)”模式評級質(zhì)量的作用。為完善信用評級制度，監(jiān)管部門應(yīng)采取加大違規(guī)評級行為的處罰力度、有序打破剛性兌付等措施提高“發(fā)行人付費(fèi)”機(jī)構(gòu)的聲譽(yù)損失成本。

注釋

1.下文簡稱為中債資信。下文中，除中債資信以外的評級機(jī)構(gòu)均稱為“其他機(jī)構(gòu)”。與之相對應(yīng)，中債資信給予的評級稱為“中債評級”；其他機(jī)構(gòu)給予的評級均稱為“其他評級”。

2.感謝審稿專家的意見。我們還將A-以下的評級樣本納入原樣本后重新進(jìn)行檢驗(yàn)，結(jié)果顯示，本文的結(jié)論仍然穩(wěn)健。

3.在考察“投資者付費(fèi)”模式對“發(fā)行人付費(fèi)”模式評級的影響時，林晚發(fā)等(2017)[16]、孟慶斌等(2018)[18]還采用其他的解釋變量進(jìn)行研究。林晚發(fā)等(2017)[16]以發(fā)債企業(yè)上年度受到中債資信評級的次數(shù)作為解釋變量。我們認(rèn)為，只有在中債評級與其他評級存在較大差異的情況下，中債資信才可能給其他機(jī)構(gòu)造成較大的壓力，即評級差異才是“投資者付費(fèi)”模式發(fā)揮作用的關(guān)鍵條件。鑒于主體評級具有相對穩(wěn)定性，一般在一年內(nèi)保持不變，故而在發(fā)債企業(yè)受到中債資信評級的前提下，中債評級次數(shù)多寡很可能不會對其他評級產(chǎn)生影響。因此，我們認(rèn)為，中債評級次數(shù)可能不是一個很恰當(dāng)?shù)闹笜?biāo)。孟慶斌(2018)[18]借鑒Becker和Milbourn(2011)[2]的方法，以中債資信在各行業(yè)的市場份額作為解釋變量。但是，Becker和Milbourn(2011)[2]是以惠譽(yù)在各行業(yè)的市場份額作為解釋變量，考察“發(fā)行人付費(fèi)”機(jī)構(gòu)之間的競爭對評級質(zhì)量的影響。而中債資信較少與其他機(jī)構(gòu)展開直接競爭，加之中債資信對其他機(jī)構(gòu)的影響更可能是通過聲譽(yù)機(jī)制實(shí)現(xiàn)的，故而中債資信在各行業(yè)的市場份額可能也不是一個很恰當(dāng)?shù)闹笜?biāo)。此外，以中債資信在各行業(yè)的市場份額作為解釋變量，其隱含的假設(shè)應(yīng)該是中債評級對下一年同一行業(yè)企業(yè)的“發(fā)行人付費(fèi)”評級都具有影響，即中債評級對其未覆蓋到的企業(yè)的“發(fā)行人付費(fèi)”評級也會產(chǎn)生影響，這可能是不恰當(dāng)?shù)摹?/p>

4.我們還試圖復(fù)制林晚發(fā)等(2017)[16]的論文，但是未得到林文相應(yīng)的結(jié)果，這可能是由數(shù)據(jù)來源、數(shù)據(jù)處理的細(xì)節(jié)差異造成的。以下僅列幾處差異較大的地方。在樣本量方面，林文的樣本量為1179，而我們按照同樣的方法，篩選出的樣本量為1385。對于解釋變量中債評級次數(shù)，林文的均值為0.182，而我們得到的均值為0.085。在控制變量方面，林文將流動資產(chǎn)比例定義為現(xiàn)金與期末資產(chǎn)的比率，該變量的最小值為-0.216(應(yīng)為非負(fù)，疑有誤)，而我們得到的最小值為0.012。