朱紫嫣，劉 蕾

（巢湖學(xué)院工商管理學(xué)院，安徽巢湖 238000

中國企業(yè)債券（Enterprise Bond）的發(fā)行始于1984年，最初是為了解決企業(yè)在發(fā)展中資金不足而向內(nèi)部員工發(fā)行的具有特殊法律規(guī)定形式的債券。隨著經(jīng)濟的發(fā)展，企業(yè)債券因其能較好地發(fā)揮財務(wù)杠桿作用，具有一定的抵稅效應(yīng)，逐漸演變成股份公司直接融資的重要工具。企業(yè)債券的發(fā)行上市與流通交易對于企業(yè)本身乃至整個債券市場都具有非常重要的意義。

縱觀企業(yè)債券的發(fā)展歷史可以發(fā)現(xiàn)，自1998年至2017年的20年間里，企業(yè)債券的發(fā)行量雖然在部分年份有所下降，但總體趨勢在不斷上漲，特別是2014年，債券的發(fā)行規(guī)模達(dá)到了6961.98億元，發(fā)行次數(shù)高達(dá)583次。但與政府債券相比，企業(yè)債券由于沒有國家信用做擔(dān)保，還本付息依靠的是企業(yè)自身的盈利能力，存在一定的違約風(fēng)險。2014年3月4日，深圳證券交易所公告確認(rèn)，上海超日太陽不能按期支付前期承諾的票據(jù)利息。同年3月7日該債券兌現(xiàn)這一公告，正式違約，成為國內(nèi)第一只違約的公募債券。此后，湘鄂債、珠海中富也出現(xiàn)違約現(xiàn)象，企業(yè)債券的違約現(xiàn)象層出不窮。因此，需要對企業(yè)債券的違約情況進行更為全面的評估。

文章以 2008年至2017年10年間發(fā)行的企業(yè)債券為研究對象，從宏觀、微觀以及企業(yè)債券自身的角度來研究企業(yè)債券信用風(fēng)險產(chǎn)生的主要原因，以期能引導(dǎo)投資者更加審慎的投資，并促進債券市場的規(guī)范、有效、合理的運行。

一 文獻(xiàn)綜述

衡量企業(yè)債券信用風(fēng)險的一個重要指標(biāo)是債券信用利差，國外學(xué)者對其研究主要集中在以下幾個方面：

一是對如何構(gòu)建信用利差的模型進行研究。Merton（1974）提出了結(jié)構(gòu)化模型，該模型是在B-S期權(quán)定價模型的基礎(chǔ)上構(gòu)建的信用風(fēng)險定價模型。Merton認(rèn)為，企業(yè)的違約風(fēng)險與資本結(jié)構(gòu)有關(guān)，資不抵債的可能性越大，信用風(fēng)險越大。此后，Jones（1984）對結(jié)構(gòu)化模型進行實證研究，認(rèn)為該模型會低估企業(yè)債券的信用利差，并在此基礎(chǔ)上提出了信用利差分解理論。也有學(xué)者將違約看作獨立隨機事件，服從強度為λ的泊松分布，并建立了簡化模型。之后又引入信用評級因素，對模型進行了升級，使其更加合理化。但后來學(xué)者通過研究認(rèn)為，簡化模型在運用的過程中會存在參數(shù)不穩(wěn)定的情況，所以在此基礎(chǔ)上引入了稅收、利率、流動性這些宏觀因素以及企業(yè)性質(zhì)等微觀因素。

二是構(gòu)建模型對信用利差的影響因素進行實證分析。如：Collin-Dufresne（2001）將宏觀變量引入結(jié)構(gòu)化模型，認(rèn)為，基礎(chǔ)利率、債券供應(yīng)量等宏觀指標(biāo)對債券信用利差的影響更大。Hibbert（2011）通過模型驗證，認(rèn)為股權(quán)波動對債券信用利差有正的作用，且對信用評級較低的債券影響更為顯著。

國內(nèi)學(xué)者更多是運用國外的理論，構(gòu)建實證模型，從宏觀、微觀以及單債券的角度對信用利差進行研究。李嵐（2010）對中期票據(jù)進行研究，認(rèn)為信用利差與十年國債到期收益率、中期票據(jù)月成交的頻率、固定資產(chǎn)投資的同比增速、PMI以及M2和M1同比增速之差的變化之間存在負(fù)相關(guān)關(guān)系。戴國強、孫新寶（2011）基于Merton的結(jié)構(gòu)化模型，以2000年2月到2010年9月上市的債券為研究對象，驗證了宏觀因素對企業(yè)債券信用利差的作用機制，并認(rèn)為模型的解釋力和債券的信用級別成反比關(guān)系。謝宇（2013）的研究實證檢驗了在結(jié)構(gòu)化模型中，宏觀因素對中期票據(jù)的信用利差解釋力度較大，且顯著性較高。任兆璋、李鵬（2006）以2004年6月30日為分析日期，計算18只債券的信用利差，并分別采用結(jié)構(gòu)化模型和財務(wù)比率兩種方法對信用利差個體影響因字進行分析，認(rèn)為存在利差的最大原因是債券存在流動性不足的情況，并且認(rèn)為財務(wù)比率方法比結(jié)構(gòu)化模型更能解釋中國企業(yè)債券存在信用利差的現(xiàn)象。周宏、建蕾（2016）通過對債券發(fā)行企業(yè)承擔(dān)的社會責(zé)任進行實證研究，認(rèn)為企業(yè)承擔(dān)社會責(zé)任越多，債券信用利差越小，并且這一現(xiàn)象在民營企業(yè)中更加顯著。

此外，張家琪（2017）在原有影響因素的基礎(chǔ)上加入了工業(yè)增加值、國債利率結(jié)構(gòu)等變量，構(gòu)建VAR模型，實證檢驗了信用利差與工業(yè)增加值和國債利率差負(fù)相關(guān)。

本文基于上述理論，在選取企業(yè)各項財務(wù)指標(biāo)的基礎(chǔ)上引入宏觀經(jīng)濟指標(biāo)和單只債券的信用風(fēng)險因素，構(gòu)建多元回歸模型分析影響企業(yè)債券信用利差的主要因素，以期能對投資者合理投資提供一定的建議。

二 究理論和研究方法

（一）信用利差的度量

1.信用風(fēng)險。在企業(yè)債券市場上，投資者面臨著各種難以預(yù)料的風(fēng)險，如信用風(fēng)險，贖回風(fēng)險，利率風(fēng)險，流動性風(fēng)險等。其中：信用風(fēng)險無疑是最主要最突出的風(fēng)險。信用風(fēng)險是指發(fā)行人到期日因無法及時或足額償還債券本金和利息而使債券持有人遭受損失的風(fēng)險。其與無風(fēng)險債券相比，企業(yè)債券存在一定的信用風(fēng)險。

2.信用利差。為了彌補投資者可能因為持有企業(yè)債券而承擔(dān)的信用風(fēng)險，債券發(fā)行人需要提供比無風(fēng)險債券更高的收益率用來補償這部分的損失。這部分損失，通常用信用利差來進行量化。投資者可以通過了解信用利差的大小來估計債券定價的高低，并且可以對影響信用利差因素的變化幅度進行研究和分析，用來判斷該債券預(yù)期收益的變化，推測債券的信用風(fēng)險，從而作出正確的投資選擇。

（二）變量選取

由于2018年的宏觀數(shù)據(jù)國家統(tǒng)計局尚未公布，本文選取2008年至2017年上市的企業(yè)債券，以GDP增長率、CPI增長率、M2增長率、財政支出增長率，無風(fēng)險利率、Z變量，債券信用評級，債券剩余期限為變量對企業(yè)債券信用利差作相關(guān)分析并構(gòu)建多元回歸模型，進行實證研究。

（三）理論假設(shè)和變量定義

1.宏觀因素。宏觀經(jīng)濟對企業(yè)債券信用利差的影響主要源于宏觀經(jīng)濟的發(fā)展水平及宏觀政策。因此選擇GDP增長率、CPI增長率、M2增長率、財政支出增長率及無風(fēng)險利率為變量進行分析。

GDP是國民經(jīng)濟核算中的主要指標(biāo)，是用來表示一個國家或地區(qū)經(jīng)濟的發(fā)展水平。GDP的波動幅度可以反映經(jīng)濟的宏觀風(fēng)險，波動幅度越大，風(fēng)險越大，債券的信用利差越大。本文取企業(yè)債券發(fā)行當(dāng)年（GDP增長率未搜集到月度數(shù)據(jù)，國家統(tǒng)計局也未公布貨幣供應(yīng)量的月度和季度數(shù)據(jù)，為了保證數(shù)據(jù)之間的連貫性，本文選擇了年度數(shù)據(jù)）GDP增長率的自然對數(shù)作為度量指標(biāo)。

CPI是用來描述與居民生活相關(guān)的消費品以及服務(wù)價格水平變動情況的重要經(jīng)濟指標(biāo)，也可以用來衡量社會的通貨膨脹水平。一般而言，在居民總體收入水平一定的條件下，CPI增長率越高，通貨膨脹率越高。但就近十年的經(jīng)驗數(shù)據(jù)來看，中國的通過膨脹現(xiàn)象并不嚴(yán)重。輕微的通脹會刺激投資，增加債券的需求量，信用利差增大。因此，假定二者呈正相關(guān)關(guān)系。同時在數(shù)據(jù)選取時，為了保證可比性，以企業(yè)債券發(fā)行當(dāng)年的CPI增長率為依據(jù)進行計算。

國家的宏觀政策包括財政政策及貨幣政策。中央銀行貨幣供給量的增長會影響市場上的利率波動水平，從而會增加企業(yè)的系統(tǒng)性風(fēng)險，最終導(dǎo)致債券信用利差的增大。因此，假設(shè)二者存在正相關(guān)關(guān)系。本文選取企業(yè)債券發(fā)行當(dāng)年廣義上貨幣供應(yīng)量M2增長率作為衡量貨幣政策的主要指標(biāo)。

與稅收乘數(shù)的作用相比，政府財政支出的乘數(shù)效應(yīng)更大，財政支出的增長能夠刺激企業(yè)的投資，防范經(jīng)營風(fēng)險，降低企業(yè)債券的信用利差。所以，假定財政支出增長率與信用利差成反比關(guān)系。構(gòu)建模型時以企業(yè)債券發(fā)行當(dāng)年的財政支出増量率為度量指標(biāo)。

與此同時，無風(fēng)險利率也是影響企業(yè)債券信用利差的一個主要因素。一般而言，無風(fēng)險利率上升時，宏觀經(jīng)濟多處于經(jīng)濟周期的上升階段，企業(yè)未來發(fā)展趨勢越好，違約的可能性越小，信用利差也越小。因此，假定無風(fēng)險利率與信用利差之間存在負(fù)相關(guān)關(guān)系。本文以與企業(yè)債券同期發(fā)行的一年期國債利率作為無風(fēng)險利率的替代指標(biāo)。

2.微觀因素。美國學(xué)者Altman博士早在1968年就運用Z-Score指標(biāo)來衡量企業(yè)的財務(wù)風(fēng)險。該指標(biāo)在運用的過程中主要是通過度量Z的值來判斷企業(yè)的信用狀況。Z值在1.81～2.675范圍內(nèi)時，與財務(wù)風(fēng)險成反比關(guān)系。Z小于下限時為違約企業(yè)，大于上限時，則表示企業(yè)的信用狀況很好。其具體模型是：

其中：X1=運營資產(chǎn)/總資產(chǎn)=（流動資產(chǎn)-流動負(fù)債）/總資產(chǎn)

X2=留存盈余/總資產(chǎn)=（股東權(quán)益合計-股本）/總資產(chǎn)

X3=息稅前利潤/總資產(chǎn)=總資產(chǎn)報酬率

X4=股東權(quán)益總額/總負(fù)債

X5=銷售收入/總資產(chǎn)=總資產(chǎn)周轉(zhuǎn)率

企業(yè)債券的主要風(fēng)險是到期無法償還投資人本金和利息所產(chǎn)生的信用風(fēng)險，該風(fēng)險與企業(yè)的財務(wù)風(fēng)險掛鉤，財務(wù)風(fēng)險越大，信用風(fēng)險越大。因此本文假定企業(yè)債券信用利差與Z值呈負(fù)關(guān)系。Z值中的所有指標(biāo)均來源于企業(yè)債券上市前一年的財務(wù)報表。

3.單只證券因素。信用評級是專業(yè)的評級機構(gòu)對債券的一個綜合評價，這對發(fā)行債券企業(yè)的經(jīng)營狀況和信用償付能力的判斷。信用評級高的企業(yè)違約風(fēng)險一般較小，相對而言票面率也會較低，信用利差較小。因此，假定信用評級與信用利差呈負(fù)相關(guān)關(guān)系。本文在此引入虛擬變量，賦值信用評級好的企業(yè)（發(fā)行時主體評級AAA）為1，其余企業(yè)為0。

此外，債券的剩余期限也是影響企業(yè)債券信用利差的主要因素。一般而言，企業(yè)債券剩余期限越長，未來不確定性越大，并投資要求補償越高。所以假定企業(yè)債券剩余期限與信用利差正相關(guān)。

綜上所述，本文選取的變量如下表1所示：

表1 變量的定義

三 實證分析

（一）模型構(gòu)建

1.信用利差的度量。信用利差是指企業(yè)債券到期收益率與同期發(fā)行的國債到期收益率之間的差額。對信用利差的度量常見的有名義利差法、零波動利差法及期權(quán)調(diào)整利差法。本文考慮到數(shù)據(jù)計算的簡便性和可收集性，采用的是名義利差法。

名義利差法是運用債券的到期收益和距離到期日剩余時間相同的國債到期收益率之差作為衡量的基礎(chǔ)，計算公式如下：

上式中，P 是現(xiàn)行債券的市場價格，C Ft（t=1,2，……n）是債券第t年的現(xiàn)金流量，Tt表示現(xiàn)金流量的支付時間，根據(jù)已知條件可以求出企業(yè)債券的到期收益率R1。假設(shè)信用利差為CS，距到期日剩余時間相同期限的國債到期收益率為R2，則企業(yè)債券信用利差的計算公式為：

為了更好地選用混合橫截面數(shù)據(jù)，構(gòu)建回歸模型。本文選取的為債券發(fā)行時的R1到期收益率，R2為同一期發(fā)行的相同期限的國債到期收益率。

2.多元回歸模型的構(gòu)建。根據(jù)前述的假設(shè)，現(xiàn)以表1中的變量構(gòu)建一個多元回歸模型，用來解釋不同公司債券發(fā)行時的信用利差影響因素，具體模型如下：

其中：CSi是被解釋變量也即企業(yè)債券的信用利差，下標(biāo)i表示在2008-2017年間發(fā)行的第i只債券，取值為1-80。C為常數(shù)項，為回歸系數(shù)，（k=1,2,……8）為解釋變量，代表第i只債券對應(yīng)的影響因素指標(biāo)。εi為模型的殘差。

（二）數(shù)據(jù)來源及樣本選擇

本文宏觀數(shù)據(jù)來源于國家統(tǒng)計局和英為財情網(wǎng)站，微觀和單只債券數(shù)據(jù)取自Wind經(jīng)濟數(shù)據(jù)庫。在樣本選擇方面，為了保證數(shù)據(jù)的完整性和客觀性，剔除了含權(quán)債券、浮動利息債券、次級債券、混合利息債券、城投債以及一些數(shù)據(jù)不完整的債券，選出符合要求的80只債券，且該80只債券在分析信用利差時僅以發(fā)行時的數(shù)據(jù)為研究對象。

（三）模型檢驗

根據(jù)前述分析結(jié)果，構(gòu)建多元回歸模型，運用EVIEWS7.2軟件對數(shù)據(jù)進行回歸，得出結(jié)果如下表2所示：

表2 多元回歸模型實證結(jié)果1

從上表2中的回歸結(jié)果可以看出，F(xiàn)檢驗的值為15.2273，P值為0.000，表明信用利差CS與自變量Xk有顯著的線性關(guān)系。R2和調(diào)整后R2的值分別為0.631778和0.590288，整體擬合優(yōu)度較好。但在單個變量的T檢驗中發(fā)現(xiàn)常數(shù)項C、國內(nèi)生產(chǎn)總值增長率（X1）、財政支出增長率（X4）這三個指標(biāo)的收尾概率大于顯著性水平10%，表明變量未通過檢驗。

其實，在構(gòu)建多元回歸模型前需要對各個變量進行多重共線性分析，但考慮到不同變量的顯著性差異，因此本文選擇先構(gòu)建模型，再進行共線性檢驗。運用軟件分析后得出如下表3的結(jié)果：

表3 多重共線性結(jié)果一覽表

一般而言，相關(guān)系數(shù)的取值在0.8以上表明兩個變量之間存在強烈的相關(guān)性，0.5-0.8則為中度相關(guān)，0.3-0.5為輕度相關(guān)，系數(shù)在0.3以下為基本不相關(guān)。表格中國內(nèi)生產(chǎn)總值增長率、財政支出增長率、剩余期限與多個變量之間存在較高的相關(guān)性。并結(jié)合未通過T檢驗的變量，采用逐步回歸法一一剔除相關(guān)性較高國內(nèi)生產(chǎn)總值增率、財政支出增長率。得到表4回歸結(jié)果：

表4 多元回歸模型實證結(jié)果2

剔除部分變量后，模型仍然可以通過F檢驗，R2和調(diào)整后R2的值較之前雖然有所下降，但影響不大，擬合優(yōu)度效果依然較好。D.W.值為1.951534。經(jīng)查表可知，在自變量為6，樣本量為80的情況下臨界值d1=1.36，du=1.62。因1.36＜D.W.＜2.64，所以基本可以判斷，模型不存在自相關(guān)。T檢驗中，除無風(fēng)險利率（X5）在10%的水平上顯著外，其余變量均在5%的水平上對企業(yè)債券信用利差影響顯著。但Eviews中T檢驗的收尾概率是雙邊檢驗的結(jié)果，一般只能判斷原假設(shè)βi是否等于0的顯著性，不能判斷回歸系數(shù)的正負(fù)。因此需要運用P值法對βi進行單邊檢驗（職桂珍，2011）。本文為了得到更準(zhǔn)確的回歸系數(shù)符號，現(xiàn)據(jù)前述假設(shè)進行單邊檢驗，因單邊檢驗中的原假設(shè)一般包括等于零的選項，而備擇假設(shè)無需考慮，所以對通過檢驗且前述預(yù)測回歸系數(shù)為正的變量進行右邊檢驗，預(yù)測的回歸系數(shù)為負(fù)的變量進行左邊檢驗。兩種檢驗結(jié)果均能得出有效結(jié)論。

右邊假設(shè)的原假設(shè)為：Ho:βi≤0；備擇假設(shè)H1:βi＞0，置信區(qū)間α=0.05；左邊假設(shè)的原假設(shè)：Ho:βi≥0；備擇假設(shè)H1:βi＜0，置信區(qū)間α=0.05。經(jīng)計算可得到如下表5結(jié)果：

表5 單邊檢驗結(jié)果一覽表

因X2，X3，X8，右邊檢驗的P右值小于置信區(qū)間0.05，因此拒絕原假設(shè)，接受備擇假設(shè)。所以β2，β3，β8，即回歸系數(shù)的符號為正。X5，X6，X7，左邊檢驗的P左值小于置信區(qū)間0.05。同樣拒絕原假設(shè)，接受備擇假設(shè)。β5，β6，β7，都小于零，回歸系數(shù)的符號為負(fù)。與前文預(yù)測一致。具體檢驗結(jié)果為：

1.宏觀因素方面。消費者物價指數(shù)增長率的回歸系數(shù)為正，且在5%的水平上顯著，與預(yù)期假設(shè)一致，表明該指標(biāo)對信用利差有正向影響，即消費者物價指數(shù)增長率越高，信用利差越大。廣義貨幣供應(yīng)增長率前的回歸系數(shù)為正，單邊檢驗的概率為0.00005，與假設(shè)相符，即該增長率越大，債券信用利差越大。此外，無風(fēng)險利率前的系數(shù)符號也與前述假設(shè)一致，且在10%的水平上對CS影響顯著。這就說明無風(fēng)險利率越高時，經(jīng)濟發(fā)展趨勢越好，債券違約風(fēng)險越小，信用利差越小。

2.微觀因素方面。Z值是一個反映企業(yè)風(fēng)險的綜合指標(biāo)，從前述分析結(jié)果可知，Z值前的回歸系數(shù)為負(fù)，收尾概率為0.0369，與預(yù)期假設(shè)相符。這就說明Z值對信用利差有反向影響的作用。也就是Z值越大，企業(yè)的財務(wù)風(fēng)險越大，信用風(fēng)險越大，信用利差越小。

3.單只證券方面。從單只債券層面對信用利差進行分析后發(fā)現(xiàn)，主體信用評級和剩余期限均在1%的置信水平上對信用利差有顯著的影響。發(fā)行時債券的主體信用評級前回歸系數(shù)為負(fù)，剩余期限回歸系數(shù)為正，均與預(yù)期假設(shè)相符，表明主體信用評級越高，剩余期限越短，債券的信用利差越小。

此外，多元回歸模型中還需要進行異方差的檢驗，現(xiàn)將前述變量進行懷特檢驗后得到如下結(jié)果：

表6 模型異方差檢驗結(jié)果

從上表5中可以觀測到，懷特檢驗的統(tǒng)計量LM的值為67.43122，收尾概率遠(yuǎn)小于顯著性水平1%，因此拒絕原假設(shè)，殘差存在異方差。為了緩解異方差對模型的影響，本文采用懷特修正法來對模型的異方差進行修正。得到如下表7的結(jié)果：

表7 異方差修正后檢驗結(jié)果

在表7中，雖然參數(shù)的估計量與OLS的估計量沒有區(qū)別，但其標(biāo)準(zhǔn)差和方差有明顯的變化。可以使以估計量方差為基礎(chǔ)的統(tǒng)計量不再失效，預(yù)測區(qū)間更加可信。而T檢驗的收尾概率也發(fā)生了變化，都有所上升，其中無風(fēng)險利率的概率變得不太顯著。

（四）小結(jié)

對信用利差影響因素進行研究對促進債券市場的繁榮與發(fā)展有著重要的作用。本文構(gòu)建多元回歸模型，消除多重共線性和異方差的影響后得出結(jié)論：宏觀經(jīng)濟因素中的CPI增長率、廣義貨幣增長率，微觀中的Z值和單只證券中的主體信用評級及剩余期限對信用利差影響顯著且回歸系數(shù)與前述假設(shè)一致。此外，無風(fēng)險利率T統(tǒng)計量不夠顯著，GDP增長率，財政支出增長率未通過T檢驗。

四 對策建議

根據(jù)前述分析結(jié)果可知，若要進一步降低企業(yè)債券信用利差，需要從宏觀的制度、微觀的單只債券的角度進行完善。第一，應(yīng)當(dāng)穩(wěn)定經(jīng)濟發(fā)展，保護投資者的利益。宏觀經(jīng)濟的穩(wěn)定對于降低企業(yè)的信用風(fēng)險具有極大的促進作用。我國應(yīng)實施相對穩(wěn)定的經(jīng)濟政策，促進經(jīng)濟平穩(wěn)運行，降低債券信用利差，保證投資者的利益。第二，提高經(jīng)營能力，降低財務(wù)風(fēng)險。企業(yè)的財務(wù)風(fēng)險對信用利差的影響較為明顯，債券的發(fā)行主體應(yīng)努力提高自身的經(jīng)營能力，吸引更多的投資者，降低企業(yè)的融資成本和財務(wù)風(fēng)險。第三，構(gòu)建完善的信用評級制度。對投資者而言，債券的信用評級具有非常重要的作用,并具有判斷債券風(fēng)險、了解發(fā)行主體和引導(dǎo)投資等功能。現(xiàn)階段債券的信用評級雖然主要集中于中高等級，但違約現(xiàn)象仍然層出不窮，這表明信用評級存在虛高的情況。因此需要完善信用評級中介機構(gòu)制度，加緊跟蹤評級的方式和方法，共同促進債券市場的合理運行。

本文雖然對企業(yè)債券信用利差的影響因素進行了較為詳實的分析，但也存在一些不足。如數(shù)據(jù)收集方面未充分考慮月度因素以及時間序列對利差的影響。此外，該結(jié)論是否適用于城投債等其他債券，需要進行更深層次的研究。