李曉東 朱蓮美

關(guān)鍵詞：公司債券;債券評(píng)級(jí);債券違約;博弈模型

一、引言

近年來(lái)，隨著我國(guó)金融市場(chǎng)改革的逐步深入，我國(guó)企業(yè)的融資方式由銀行貸款的單一模式逐漸轉(zhuǎn)變和優(yōu)化（周子學(xué)，2013），債券融資成為我國(guó)企業(yè)近年來(lái)主要的融資方式之一，債券市場(chǎng)也成為了我國(guó)金融市場(chǎng)的重要組成部分。Wind 數(shù)據(jù)顯示，截至2020 年底，我國(guó)債券市場(chǎng)存量規(guī)模已達(dá)114.33 萬(wàn)億元，遠(yuǎn)超股票融資規(guī)模。債券融資方式拓寬了企業(yè)的融資渠道，降低了企業(yè)的融資成本，對(duì)改善我國(guó)企業(yè)外部融資環(huán)境、解決企業(yè)融資難問(wèn)題發(fā)揮著不可磨滅的作用。然而自2014 年“11 超日債”發(fā)生實(shí)質(zhì)性違約以來(lái)，違約債券數(shù)量不斷攀升，違約種類(lèi)也逐漸從公司債券擴(kuò)展到所有債券類(lèi)型并逐漸“常態(tài)化”（竇鵬娟，2016）。據(jù)Wind 數(shù)據(jù)統(tǒng)計(jì)，2020 年，我國(guó)債券市場(chǎng)發(fā)生實(shí)質(zhì)性違約債券達(dá)145 只，數(shù)量上較2019 年略有下降，但是違約債券金額更大，相較2019 年上漲10%，達(dá)到1 647 億元。在發(fā)生實(shí)質(zhì)性違約的債券中不乏“AA+”“AAA”信用級(jí)別的債券，引發(fā)越來(lái)越多的學(xué)者對(duì)債券評(píng)級(jí)公司的評(píng)級(jí)結(jié)果產(chǎn)生質(zhì)疑。在此背景下，研究信用評(píng)級(jí)機(jī)構(gòu)能否為預(yù)測(cè)債券違約提供增量信息不僅有助于評(píng)價(jià)信用評(píng)級(jí)機(jī)構(gòu)的作用，為債券投資者提供重要的參考，而且有助于促進(jìn)我國(guó)債券市場(chǎng)的健康發(fā)展。

債券市場(chǎng)的發(fā)展離不開(kāi)信用評(píng)級(jí)機(jī)構(gòu)。作為從事信用評(píng)級(jí)的金融中介，信用評(píng)級(jí)機(jī)構(gòu)在進(jìn)行債券信用評(píng)級(jí)時(shí)通過(guò)對(duì)各種要素的綜合分析并發(fā)布信用評(píng)級(jí)結(jié)果。國(guó)內(nèi)外學(xué)者對(duì)債券信用評(píng)級(jí)的研究主要分為三個(gè)方向：第一類(lèi)主要研究債券評(píng)級(jí)對(duì)債券市場(chǎng)的作用。孟慶斌等（2018）認(rèn)為，評(píng)級(jí)公司根據(jù)市場(chǎng)環(huán)境以及受評(píng)公司的償債能力和違約風(fēng)險(xiǎn)做出評(píng)級(jí)決策，使投資者可以基于評(píng)級(jí)標(biāo)準(zhǔn)迅速準(zhǔn)確地了解發(fā)債公司的風(fēng)險(xiǎn)特征，是債券投資者投資債券時(shí)的重要參考指標(biāo)。何平和金夢(mèng)（2010）基于中國(guó)企業(yè)債數(shù)據(jù)實(shí)證檢驗(yàn)了我國(guó)信用評(píng)級(jí)機(jī)構(gòu)在債券市場(chǎng)的影響力，發(fā)現(xiàn)評(píng)級(jí)信息有助于減少債券市場(chǎng)的信息不透明度，對(duì)提高我國(guó)債券市場(chǎng)運(yùn)營(yíng)效率發(fā)揮了重大的作用。

Becker 和 Milbourn（2011）認(rèn)為，評(píng)級(jí)機(jī)構(gòu)能夠?qū)Πl(fā)債公司、債券市場(chǎng)甚至國(guó)家金融體系產(chǎn)生巨大的影響，但由于現(xiàn)有評(píng)級(jí)機(jī)構(gòu)多采用發(fā)行人付費(fèi)模式，發(fā)債主體和評(píng)級(jí)公司成為明顯的雇傭關(guān)系，在信用評(píng)級(jí)市場(chǎng)競(jìng)爭(zhēng)不激烈的情況下容易引發(fā)“評(píng)級(jí)購(gòu)買(mǎi)問(wèn)題”而導(dǎo)致信用評(píng)級(jí)膨脹，從而信用評(píng)級(jí)提供的額外信息有限。

第二類(lèi)主要研究債券信用評(píng)級(jí)的主要影響因素。最早的信用評(píng)級(jí)出現(xiàn)在1909 年的美國(guó)，但關(guān)于信用等級(jí)的劃分標(biāo)準(zhǔn)很長(zhǎng)一段時(shí)間都是一個(gè)“黑箱子”。Fisher（1959）基于公司財(cái)務(wù)數(shù)據(jù)并采用最小二乘法來(lái)衡量企業(yè)債務(wù)違約風(fēng)險(xiǎn)，開(kāi)創(chuàng)了采用回歸分析方法評(píng)測(cè)企業(yè)信用風(fēng)險(xiǎn)的先河。

Horrigan（1966）以及Pogue and Soldofsky（1969）在Fisher（1959）的基礎(chǔ)上較早研究了債券評(píng)級(jí)的影響因素，發(fā)現(xiàn)企業(yè)杠桿率和收益率和債券等級(jí)顯著正相關(guān)。Altman（1968）提出的判別式分析法為研究信用評(píng)級(jí)帶來(lái)了新的研究方法，Perry 等（1984）基于此方法研究了債券信用等級(jí)的影響因素，發(fā)現(xiàn)流動(dòng)比率、杠桿率、利潤(rùn)率和公司規(guī)模的長(zhǎng)期均值和波動(dòng)率和債券評(píng)級(jí)顯著正相關(guān)，而且對(duì)于不同的行業(yè)以上比率均有不同的表現(xiàn)。McKelvey 和Zavoina（1975）提出的有序Probit 模型為研究債券評(píng)級(jí)提供了更有效的方法。Chan 和Jegadeesh（2004）基于有序Probit 模型研究了利潤(rùn)率、股票收益率、資產(chǎn)收益率、資產(chǎn)負(fù)債率、流動(dòng)比率等對(duì)債券評(píng)級(jí)的影響，發(fā)現(xiàn)這些指標(biāo)可以準(zhǔn)確預(yù)測(cè)債券評(píng)級(jí)等級(jí)，且有序Probit 模型的預(yù)測(cè)結(jié)果優(yōu)于OLS 模型和判別式模型。

第三類(lèi)主要研究信用評(píng)級(jí)對(duì)債券發(fā)行定價(jià)或信用利差的影響。Hand 等（1992）以及Hite 和Warga（1997）研究發(fā)現(xiàn)，標(biāo)普（Standard and Poor’s）或穆迪（Moody’s）的評(píng)級(jí)負(fù)向調(diào)整會(huì)顯著影響債券價(jià)格以及評(píng)級(jí)變化后公司債券的發(fā)行成本，而評(píng)級(jí)正向調(diào)整對(duì)債券價(jià)格的影響較小。

Hull 等（2004）的研究認(rèn)為評(píng)級(jí)調(diào)整會(huì)對(duì)CDS 市場(chǎng)形成顯著的影響， 且評(píng)級(jí)下調(diào)的影響更大。何平和金夢(mèng)（2010）基于我國(guó)2007-2009 年發(fā)行的企業(yè)債數(shù)據(jù)研究發(fā)現(xiàn)，債券評(píng)級(jí)和主體評(píng)級(jí)對(duì)債券發(fā)行成本有顯著影響。然而寇宗來(lái)等（2015）認(rèn)為，我國(guó)信用評(píng)級(jí)對(duì)發(fā)債成本的效應(yīng)明顯降低且不顯著，說(shuō)明我國(guó)信用評(píng)級(jí)機(jī)構(gòu)并未獲得市場(chǎng)認(rèn)可的公信力，評(píng)級(jí)膨脹不會(huì)真正降低企業(yè)發(fā)債成本。因此，關(guān)于我國(guó)債券評(píng)級(jí)是否能夠提供有效信息目前并無(wú)定論。

在關(guān)于債券違約的研究中，學(xué)者們主要從公司財(cái)務(wù)指標(biāo)（Beaver，1966;Altman，1968;吳世農(nóng)和盧賢義，2001）、股價(jià)表現(xiàn)（Merton，1974）以及外部宏觀經(jīng)濟(jì)形勢(shì)（Duffie 等，2007）三個(gè)方面進(jìn)行考察。Beaver（1966）基于單因素判別分析法研究了違約企業(yè)和非違約企業(yè)之間財(cái)務(wù)指標(biāo)的差異，發(fā)現(xiàn)資產(chǎn)收益率、營(yíng)運(yùn)資本與總資產(chǎn)之比以及現(xiàn)金流量比越高的企業(yè)發(fā)生債務(wù)違約的概率越低，而資產(chǎn)負(fù)債率越高的企業(yè)發(fā)生債務(wù)違約的概率越高。Ohlson（1980）以及Huffman和 Ward（1996）發(fā)現(xiàn)規(guī)模越大、收入增速越快以及營(yíng)業(yè)資金越充足的企業(yè)破產(chǎn)的概率越小，而負(fù)債率越高的企業(yè)發(fā)生破產(chǎn)的概率越大。McDonald 和 Gucht（1999）認(rèn)為債券的評(píng)級(jí)、發(fā)行規(guī)模、發(fā)行時(shí)間、期限和票面利率對(duì)債券違約均有一定的影響，“BB-”評(píng)級(jí)以下的債券以及票面利率高的債券發(fā)生債務(wù)違約的概率較大。Duffie 等（2007）將生存分析模型和時(shí)間序列模型結(jié)合起來(lái)研究發(fā)現(xiàn)，公司的違約距離、股票回報(bào)率、國(guó)庫(kù)券利率和標(biāo)普500 指數(shù)年回報(bào)率可以有效預(yù)測(cè)公司破產(chǎn)和違約事件。吳世農(nóng)和盧賢義（2001）選取我國(guó)70 家財(cái)務(wù)困境公司和70 家財(cái)務(wù)正常公司進(jìn)行對(duì)比研究后發(fā)現(xiàn)，在財(cái)務(wù)困境發(fā)生前1 到2 年，凈資產(chǎn)報(bào)酬率對(duì)財(cái)務(wù)困境的判別成功率最高，且Logit 模型預(yù)測(cè)誤判率最低。

上述國(guó)內(nèi)外文獻(xiàn)極大地豐富了債券評(píng)級(jí)以及債券違約的相關(guān)研究，但仍存在需要進(jìn)一步深化之處：第一，在上述關(guān)于債券信用評(píng)級(jí)的研究中，大多文獻(xiàn)僅基于企業(yè)自身的財(cái)務(wù)指標(biāo)，很少有文獻(xiàn)考慮到企業(yè)所在行業(yè)景氣情況以及企業(yè)面臨的外部經(jīng)濟(jì)金融環(huán)境。本文在研究債券信用評(píng)級(jí)時(shí)不僅考慮了企業(yè)的財(cái)務(wù)信息，還考慮了企業(yè)所處的行業(yè)特征和外部融資環(huán)境特征。第二，現(xiàn)有文獻(xiàn)均未從債券違約的角度來(lái)研究債券評(píng)級(jí)能否為市場(chǎng)提供增量信息，本文的研究很好地填補(bǔ)了這一缺口。第三，本文基于理論模型推導(dǎo)出了債券發(fā)行人、評(píng)級(jí)機(jī)構(gòu)和債券投資者的博弈均衡，從理論上說(shuō)明了評(píng)級(jí)公司的評(píng)級(jí)策略選擇并提出相關(guān)假設(shè)，基于實(shí)證研究對(duì)相關(guān)假設(shè)進(jìn)行了驗(yàn)證，文章結(jié)論更具理論性和說(shuō)服力。鑒于此，本文在前人研究的基礎(chǔ)上搜集整理了中國(guó)A 股非金融上市公司2010-2018 年到期或發(fā)生實(shí)質(zhì)性違約的債券信息，通過(guò)匹配債券發(fā)行企業(yè)的財(cái)務(wù)數(shù)據(jù)以及M2 增長(zhǎng)率數(shù)據(jù)實(shí)證檢驗(yàn)了本文的相關(guān)假設(shè)，為后續(xù)相關(guān)研究提供了一個(gè)可供參考的模板。

二、理論分析與研究假設(shè)

根據(jù)Bolton 等（2012）、Hirth（2014）以及馬榕和石曉軍（2016）的研究，本文建立包含債券發(fā)行人、債券評(píng)級(jí)公司和債券投資者三類(lèi)參與人的博弈模型進(jìn)行分析。假設(shè)三類(lèi)參與人均為理性參與者，且均為風(fēng)險(xiǎn)中性偏好，其中債券評(píng)級(jí)公司可以獲得關(guān)于債券的專(zhuān)有信息。債券發(fā)行人發(fā)行優(yōu)劣兩種債券，優(yōu)質(zhì)債券占比為 ，假設(shè)優(yōu)質(zhì)債券不會(huì)發(fā)生違約，而劣質(zhì)債券一定會(huì)發(fā)生違約（即對(duì)于任意發(fā)行的債券，其違約概率為1 ? ）。由于信息不對(duì)稱的原因，債券投資者無(wú)法區(qū)分債券違約風(fēng)險(xiǎn)。債券不發(fā)生違約時(shí)，1 單位債券到期后獲得支付1 + R > 1。債券發(fā)生違約時(shí)，1 單位債券僅能收回部分投資金額 ∈ [0，1）。在沒(méi)有任何關(guān)于債券的額外信息時(shí)，債券投資者的預(yù)期收益為：

表明評(píng)級(jí)公司可以緩解信息不對(duì)稱程度。假設(shè)評(píng)級(jí)公司會(huì)給所有發(fā)行的債券高、低兩個(gè)評(píng)級(jí)，由于低評(píng)級(jí)債券一定會(huì)違約，投資者只會(huì)購(gòu)買(mǎi)高評(píng)級(jí)的債券。同時(shí)，由于低評(píng)級(jí)債券不能正常發(fā)行，債券發(fā)行人不會(huì)選擇購(gòu)買(mǎi)低評(píng)級(jí)結(jié)果。

除了債券發(fā)行者，市場(chǎng)上還存在投資者，假設(shè)投資者相信評(píng)級(jí)公司的概率為 ∈ [0，1]，當(dāng)選擇相信時(shí)他們會(huì)購(gòu)買(mǎi)高評(píng)級(jí)的債券。而當(dāng)債券發(fā)生違約時(shí)，其不再相信評(píng)級(jí)公司的評(píng)級(jí)結(jié)果，進(jìn)而對(duì)債券評(píng)級(jí)公司的聲譽(yù)造成 ≥ 0的損失。當(dāng)投資者不相信評(píng)級(jí)公司時(shí)，對(duì)于所有高評(píng)級(jí)的債券，投資者會(huì)花費(fèi)費(fèi)用 來(lái)判斷債券等級(jí)是否被評(píng)級(jí)公司高估，當(dāng)其發(fā)現(xiàn)債券存在高估時(shí)，不會(huì)購(gòu)買(mǎi)債券，且會(huì)對(duì)評(píng)級(jí)公司的聲譽(yù)造成 ≥ 0的損失。

債券評(píng)級(jí)公司對(duì)債券評(píng)級(jí)需要消耗成本 ，假設(shè)評(píng)級(jí)公司以概率 ∈ [0，1] 選擇如實(shí)匯報(bào)評(píng)級(jí)結(jié)果（是否在評(píng)級(jí)結(jié)果中包含專(zhuān)有信息），且評(píng)級(jí)公司能夠準(zhǔn)確分辨?zhèn)膬?yōu)劣。如果評(píng)級(jí)公司選擇如實(shí)匯報(bào)評(píng)級(jí)結(jié)果，其只有在對(duì)優(yōu)質(zhì)債券給出高評(píng)級(jí)時(shí)才能獲得評(píng)級(jí)費(fèi)用 （， ）。當(dāng)其選擇不如實(shí)匯報(bào)評(píng)級(jí)結(jié)果時(shí)，會(huì)對(duì)所有類(lèi)型的債券給出高評(píng)級(jí)并獲得評(píng)級(jí)費(fèi)用 （， ）。

對(duì)于債券發(fā)行人來(lái)說(shuō)，假設(shè)發(fā)行人愿意為高評(píng)級(jí)債券支付 Φ ≥ 0 的評(píng)級(jí)費(fèi)用。投資者購(gòu)買(mǎi)高評(píng)級(jí)債券遵循如下貝葉斯法則：

上式表明，評(píng)級(jí)費(fèi)用和債券的購(gòu)買(mǎi)意愿相關(guān)，因此債券發(fā)行者會(huì)基于其預(yù)期收益和債券評(píng)級(jí)公司進(jìn)行議價(jià)。

當(dāng)投資者選擇不相信評(píng)級(jí)公司時(shí)，對(duì)于所有的高評(píng)級(jí)債券，其總會(huì)投入費(fèi)用來(lái)判斷債券

如果評(píng)級(jí)公司選擇不如實(shí)公布評(píng)級(jí)結(jié)果，由于其總是給出高評(píng)級(jí)，所以評(píng)級(jí)公司總能收到評(píng)級(jí)費(fèi)用 （， ）。當(dāng)評(píng)級(jí)公司對(duì)劣質(zhì)債券給予高評(píng)級(jí)時(shí)，不相信評(píng)級(jí)公司評(píng)級(jí)結(jié)果的投資者能夠準(zhǔn)確分辨并不再相信該評(píng)級(jí)公司的評(píng)級(jí)結(jié)果，給評(píng)級(jí)公司造成聲譽(yù)損失 ;當(dāng)高評(píng)級(jí)的劣質(zhì)債券發(fā)生違約時(shí)，選擇相信評(píng)級(jí)公司的投資者不再相信評(píng)級(jí)公司的評(píng)級(jí)結(jié)果，同樣給評(píng)級(jí)公司造成聲譽(yù)損失 。假設(shè)債券發(fā)生違約時(shí)，監(jiān)管者對(duì)評(píng)級(jí)公司罰款 ，為防止出現(xiàn)混合策略均衡狀況，本文參考馬榕和石曉軍（2016）的方法，對(duì) 施加不確定性約束： ∈ [ ? ， + ]， → 0。所以，評(píng)級(jí)公司不如實(shí)匯報(bào)評(píng)級(jí)結(jié)果時(shí)的預(yù)期收益為：

鑒于我國(guó)債券評(píng)級(jí)市場(chǎng)逐漸形成了債券發(fā)行前評(píng)級(jí)和跟蹤評(píng)級(jí)的形式，本文接下來(lái)分析債券發(fā)行前首次評(píng)級(jí)和跟蹤評(píng)級(jí)時(shí)投資者和評(píng)級(jí)公司的策略選擇。

首先分析首次評(píng)級(jí)。對(duì)于債券發(fā)行人來(lái)說(shuō)，發(fā)行人總是想要將所有債券都以高評(píng)級(jí)發(fā)行，由公式（3）可知，評(píng)級(jí)費(fèi)用和債券的購(gòu)買(mǎi)意愿相關(guān)，而投資者不會(huì)購(gòu)買(mǎi)低評(píng)級(jí)的債券。當(dāng)發(fā)行人發(fā)行的債券為優(yōu)質(zhì)債券時(shí)，評(píng)級(jí)公司總是選擇如實(shí)匯報(bào)評(píng)級(jí)結(jié)果，（， ） = Φ;當(dāng)發(fā)行人發(fā)行的債券為劣質(zhì)債券時(shí)，發(fā)行人為了獲得高評(píng)級(jí)和評(píng)級(jí)公司進(jìn)行博弈，當(dāng)評(píng)級(jí)公司選擇如實(shí)匯報(bào)評(píng)級(jí)結(jié)果時(shí)，評(píng)級(jí)公司無(wú)法獲得收益，當(dāng)評(píng)級(jí)公司選擇不如實(shí)匯報(bào)評(píng)級(jí)結(jié)果時(shí)，評(píng)級(jí)公司的收益為（， ） = （1 ? ）Φ。鑒于我國(guó)信用評(píng)級(jí)市場(chǎng)起步較晚、外部監(jiān)管不完善以及評(píng)級(jí)公司聲譽(yù)資本較弱的現(xiàn)實(shí)，以及基于我國(guó)債券評(píng)級(jí)市場(chǎng)寡頭壟斷的特性（錯(cuò)誤評(píng)級(jí)很難對(duì)評(píng)級(jí)公司的業(yè)務(wù)產(chǎn)生較大的影響）和資本的逐利性，評(píng)級(jí)公司總是選擇給予債券高評(píng)級(jí)，發(fā)行人將總是支付 Φ 的評(píng)級(jí)費(fèi)用。

因此，評(píng)級(jí)公司對(duì)債券發(fā)行人的收費(fèi)和投資人相信評(píng)級(jí)結(jié)果的程度有關(guān)。根據(jù)前面的分析，投資人的最優(yōu)策略為完全相信評(píng)級(jí)公司（ = 1），此時(shí)評(píng)級(jí)公司總是選擇給予債券高評(píng)級(jí)且債券發(fā)行人將總是購(gòu)買(mǎi)該評(píng)級(jí)結(jié)果。因此，評(píng)級(jí)公司在定價(jià)策略上總是對(duì)債券發(fā)行人收取最高價(jià) Φ（與評(píng)級(jí)公司策略選擇無(wú)關(guān)）。鑒于我國(guó)信用評(píng)級(jí)行業(yè)起步較晚、外部監(jiān)管不完善以及評(píng)級(jí)公司聲譽(yù)資本較弱的現(xiàn)實(shí)，以及基于我國(guó)債券評(píng)級(jí)市場(chǎng)寡頭壟斷的特性（錯(cuò)誤評(píng)級(jí)很難對(duì)評(píng)級(jí)公司的業(yè)務(wù)產(chǎn)生較大的影響），我們提出假說(shuō)H1：H1：評(píng)級(jí)公司對(duì)首次發(fā)行的債券有普遍給予高評(píng)級(jí)的動(dòng)機(jī)，其評(píng)級(jí)結(jié)果不包含評(píng)級(jí)公司獲得的債券專(zhuān)有信息，此時(shí)，首次評(píng)級(jí)的債券專(zhuān)有信息對(duì)債券違約無(wú)顯著影響。

其次分析跟蹤評(píng)級(jí)。評(píng)級(jí)公司對(duì)債券進(jìn)行跟蹤評(píng)級(jí)時(shí)，同樣可以選擇如實(shí)評(píng)級(jí)和總是給予高評(píng)級(jí)。由于初期評(píng)級(jí)公司已經(jīng)知道債券優(yōu)劣信息，因此假設(shè)跟蹤評(píng)級(jí)不會(huì)產(chǎn)生評(píng)級(jí)成本。在評(píng)級(jí)公司選擇如實(shí)公布評(píng)級(jí)結(jié)果的情況下，當(dāng)債券為優(yōu)質(zhì)債券時(shí)，評(píng)級(jí)公司可以獲得評(píng)級(jí)費(fèi)用 Φ′，當(dāng)債券為劣質(zhì)債券時(shí)，評(píng)級(jí)公司可以獲得部分聲譽(yù)資本 ， （ ∈ [0，1]）。因此，選擇如實(shí)公布情況下，評(píng)級(jí)公司的預(yù)期收益為：?′ = Φ′ + （1 ? ）。在評(píng)級(jí)公司選擇總是給予高評(píng)級(jí)的情況下，當(dāng)債券違約時(shí)監(jiān)管者會(huì)對(duì)其罰款 （假設(shè)對(duì)于違約債券，如果評(píng)級(jí)公司兩次均給了高評(píng)級(jí)，監(jiān)管者會(huì)對(duì)評(píng)級(jí)公司進(jìn)行雙倍罰款）。此時(shí)，評(píng)級(jí)公司的預(yù)期收益為：′ = Φ′ + （1 ? ）。因此，評(píng)級(jí)公司選擇是否如實(shí)匯報(bào)評(píng)級(jí)結(jié)果的收益之差為：

隨著評(píng)級(jí)業(yè)務(wù)逐漸發(fā)展，評(píng)級(jí)公司逐漸積累聲譽(yù)資本，使得評(píng)級(jí)公司有選擇如實(shí)匯報(bào)評(píng)級(jí)結(jié)果的動(dòng)機(jī)。根據(jù)《銀行間債券市場(chǎng)信用評(píng)級(jí)機(jī)構(gòu)評(píng)級(jí)收費(fèi)自律公約》，評(píng)級(jí)公司對(duì)長(zhǎng)期公司債和企業(yè)債的跟蹤評(píng)級(jí)收費(fèi)僅為初次評(píng)級(jí)的20%，對(duì)短期融資債券的跟蹤評(píng)級(jí)收費(fèi)為初次評(píng)級(jí)費(fèi)用的50%。此外，在債券發(fā)行后，債券發(fā)行人也沒(méi)有動(dòng)機(jī)再為債券評(píng)級(jí)支付更高的評(píng)級(jí)費(fèi)用。因此，可以得出 Φ′< Φ。由于評(píng)級(jí)費(fèi)用減少，評(píng)級(jí)公司有動(dòng)機(jī)選擇如實(shí)匯報(bào)評(píng)級(jí)結(jié)果。綜上，本文提出假說(shuō)H2：H2：由于再評(píng)級(jí)時(shí)評(píng)級(jí)公司商譽(yù)的積累以及評(píng)級(jí)費(fèi)用的減少，評(píng)級(jí)公司更傾向于在評(píng)級(jí)信息中如實(shí)包含債券專(zhuān)有信息，此時(shí)，跟蹤評(píng)級(jí)的專(zhuān)有信息對(duì)于預(yù)測(cè)債券違約具有顯著幫助。

三、研究設(shè)計(jì)

（一）樣本和數(shù)據(jù)

本文以中國(guó)A 股上市公司發(fā)行的在2010-2018 年間到期或者發(fā)生實(shí)質(zhì)性違約的企業(yè)債券、公司債券、短期融資券、中期票據(jù)以及非公開(kāi)發(fā)行公司債為研究對(duì)象，采用債券評(píng)級(jí)作為信用等級(jí)的衡量指標(biāo)。以上債券數(shù)據(jù)均來(lái)自銳思數(shù)據(jù)庫(kù)，債券違約數(shù)據(jù)來(lái)自Wind 咨詢，債券發(fā)行公司對(duì)應(yīng)的企業(yè)財(cái)務(wù)數(shù)據(jù)均來(lái)自國(guó)泰安數(shù)據(jù)庫(kù)。參考現(xiàn)有文獻(xiàn)的做法，本文刪除了金融類(lèi)上市公司發(fā)行的債券樣本;為消除價(jià)格因素影響，本文對(duì)企業(yè)財(cái)務(wù)數(shù)據(jù)進(jìn)行了相應(yīng)的平減處理;為控制極端值對(duì)實(shí)證結(jié)果的影響，本文對(duì)相應(yīng)的財(cái)務(wù)數(shù)據(jù)進(jìn)行了兩端1%的縮尾處理（winsorize）。

本文的樣本包含2 219 只債券，表1 報(bào)告了全樣本債券以及違約債券的類(lèi)型分布。短期融資券是我國(guó)企業(yè)債券主要的融資工具，在本文樣本中占比達(dá)到64.49%，短期融資券、公司債券和中期票據(jù)合計(jì)占比超過(guò)總樣本的95%。公司債券發(fā)生違約數(shù)量達(dá)到13 只，短期融資券和中期票據(jù)均有8 只債券發(fā)生實(shí)質(zhì)性違約，非公開(kāi)發(fā)行公司債有6 只發(fā)生違約。

表2 和表3 分別報(bào)告了債券發(fā)行時(shí)和債券到期前或者違約前半年時(shí)點(diǎn)時(shí)債券的信用級(jí)別等級(jí)分布。債券發(fā)行時(shí)的信用級(jí)別超過(guò)72.6%在AA 級(jí)及以上，其中AA 級(jí)數(shù)量最多，占37.22%。債券到期或違約前半年時(shí)債券評(píng)級(jí)級(jí)別超過(guò)73.3%在AA 級(jí)及以上，其中AA 級(jí)數(shù)量最多，占34.34%。

對(duì)比首次評(píng)級(jí)和債券到期或違約前半年時(shí)的跟蹤評(píng)級(jí)分布來(lái)看，僅有3 只債券的跟蹤評(píng)級(jí)下調(diào)至A-以下，跟蹤評(píng)級(jí)中AA+和AAA 評(píng)級(jí)債券數(shù)量增加，AA 評(píng)級(jí)數(shù)量出現(xiàn)下降。

（二）實(shí)證模型

參考馬榕和石曉軍（2016）的做法，本文首先對(duì)債券信用等級(jí)從CC 到AAA 依次進(jìn)行賦值為1 到19 作為評(píng)級(jí)等級(jí)指標(biāo)①。參照Agarwal 和 Hauswald（2010）的正交分解方法，本文將債券等級(jí)信息分解為市場(chǎng)公開(kāi)信息和評(píng)級(jí)公司專(zhuān)有信息，其中市場(chǎng)公開(kāi)信息包括企業(yè)財(cái)務(wù)信息和企業(yè)面臨的外部宏觀環(huán)境信息，專(zhuān)有信息為評(píng)級(jí)公司向市場(chǎng)提供的增量信息。參考沈紅波和廖冠民（2014）的方法，本文以評(píng)級(jí)信息為因變量并按如下模型對(duì)企業(yè)特征和宏觀環(huán)境信息進(jìn)行回歸分析：

上式中，控制變量包括債券是否具有擔(dān)保人（Guar）、債券期限（Term）、代表宏觀經(jīng)濟(jì)環(huán)境的廣義貨幣增長(zhǎng)率（M2）和企業(yè)所在省份的GDP 增長(zhǎng)率（GDP）、企業(yè)主體評(píng)級(jí)（Rate）、資產(chǎn)負(fù)債率（Lev）、流動(dòng)比率（Liquid）、資產(chǎn)收益率（ROA）、資產(chǎn)周轉(zhuǎn)率（Turnover）、銷(xiāo)售增長(zhǎng)率（Sgrow）、董總兼任（Duality）、企業(yè)規(guī)模（Size）、企業(yè)性質(zhì)（SOE）以及代表行業(yè)（Ind）和年份（Year）的固定效應(yīng)。本文使用模型（13）估計(jì)的殘差來(lái)代表評(píng)級(jí)公司提供的債券專(zhuān)有信息（SpecInfo）。

由于債券是否違約采用二元虛擬變量進(jìn)行賦值，在實(shí)證研究中應(yīng)采用二元離散選擇模型進(jìn)行回歸分析。參考陳德球等（2013）的研究，本文建立如下Logit 模型來(lái)驗(yàn)證本文的假設(shè)H1 和假設(shè)H2：

根據(jù)前文的理論分析，評(píng)級(jí)公司對(duì)債券進(jìn)行初次評(píng)級(jí)時(shí)有動(dòng)機(jī)對(duì)債券給予高評(píng)級(jí)，從而評(píng)級(jí)信息不包含債券專(zhuān)有信息，那么初次評(píng)級(jí)的專(zhuān)有信息變量在預(yù)測(cè)債券違約時(shí)將不顯著;由于評(píng)級(jí)公司有動(dòng)機(jī)如實(shí)匯報(bào)跟蹤評(píng)級(jí)的評(píng)級(jí)結(jié)果，則評(píng)級(jí)信息將包含債券專(zhuān)有信息，那么跟蹤評(píng)級(jí)的債券專(zhuān)有信息對(duì)于預(yù)測(cè)債券違約有顯著幫助，我們預(yù)期此時(shí)變量 的系數(shù)顯著為負(fù)。

（三）變量定義與描述性統(tǒng)計(jì)

本文所用變量定義如下：Default = 1 表示債券發(fā)生實(shí)質(zhì)性違約，反之表示沒(méi)有發(fā)生違約;債券評(píng)級(jí)根據(jù)債券等級(jí)依次賦值設(shè)定;債券利差為債券票面利率和無(wú)風(fēng)險(xiǎn)利率之差，參考孟慶斌等（2018）的做法，無(wú)風(fēng)險(xiǎn)利率選擇和債券期限對(duì)應(yīng)的相同期限國(guó)債收益率;Guar = 1表示有擔(dān)保人對(duì)債券提供擔(dān)保，反之則沒(méi)有;Term 為債券發(fā)行期限;M2 為我國(guó)廣義貨幣增長(zhǎng)率;GDP 為債券發(fā)行企業(yè)所在省份的GDP 增長(zhǎng)率;Rate 為企業(yè)的主體評(píng)級(jí)情況;Lev 為企業(yè)資產(chǎn)負(fù)債率，等于總負(fù)債/總資產(chǎn);Liquid 為流動(dòng)比率，等于流動(dòng)資產(chǎn)/流動(dòng)負(fù)債;ROA 為資產(chǎn)收益率，等于凈利潤(rùn)/總資產(chǎn);Turnover 為總資產(chǎn)周轉(zhuǎn)率，等于主營(yíng)業(yè)務(wù)收入凈額/總資產(chǎn);Sgrow 代表銷(xiāo)售收入增長(zhǎng)率;Duality = 1 表示董事長(zhǎng)和總經(jīng)理為同一人，反之不是;Size 為企業(yè)規(guī)模，取企業(yè)總資產(chǎn)的自然對(duì)數(shù);SOE = 1 表示公司為國(guó)有企業(yè)，反之為非國(guó)有企業(yè)。表4 報(bào)告了本文所用變量的描述性統(tǒng)計(jì)。

四、實(shí)證結(jié)果

（一）債券信用評(píng)級(jí)的決定因素

為了得到評(píng)級(jí)公司的專(zhuān)有信息，需要對(duì)信用評(píng)級(jí)的影響因素進(jìn)行考察。根據(jù)模型（13），本文分別以債券發(fā)行評(píng)級(jí)和債券跟蹤評(píng)級(jí)為因變量對(duì)市場(chǎng)公開(kāi)信息進(jìn)行回歸。表5 中第（1）列為債券發(fā)行評(píng)級(jí)的回歸結(jié)果，第（2）列為跟蹤評(píng)級(jí)的回歸結(jié)果。

從第（1）列可以看出，企業(yè)主體評(píng)級(jí)、流動(dòng)比率、擔(dān)保人和企業(yè)規(guī)模與債券信用等級(jí)具有顯著正相關(guān)關(guān)系。這是因?yàn)橹黧w評(píng)級(jí)越高代表企業(yè)具有較強(qiáng)的應(yīng)對(duì)風(fēng)險(xiǎn)能力，流動(dòng)比率較大、有擔(dān)保人為債券提供擔(dān)保以及較大的資產(chǎn)規(guī)模可以為企業(yè)發(fā)行的債券提供隱性或者顯性的擔(dān)保，此類(lèi)企業(yè)發(fā)行的債券具有較高的信用等級(jí)。企業(yè)性質(zhì)顯著為負(fù)，表明國(guó)有企業(yè)發(fā)行的債券普遍具有較高的信用等級(jí)，可能的原因?yàn)檎畬?duì)國(guó)有企業(yè)存在隱性擔(dān)保。債券期限變量顯著為負(fù)，說(shuō)明債券期限和債券信用等級(jí)負(fù)相關(guān)。這可能是因?yàn)殚L(zhǎng)期債券面臨未來(lái)的不確定性較大，更容易受外部經(jīng)濟(jì)環(huán)境的影響。表5 第（2）列的結(jié)果同樣表明企業(yè)主體評(píng)級(jí)、流動(dòng)比率、擔(dān)保人與跟蹤評(píng)級(jí)等級(jí)正相關(guān)，債券期限和跟蹤評(píng)級(jí)等級(jí)負(fù)相關(guān)。不同的是，M2 增長(zhǎng)率顯著為正，表明外部融資環(huán)境越寬松評(píng)級(jí)公司傾向于給予跟蹤評(píng)級(jí)更高的信用等級(jí);企業(yè)性質(zhì)不再顯著，而企業(yè)規(guī)模顯著為負(fù)，發(fā)生了系數(shù)符號(hào)的顯著變化，以上說(shuō)明評(píng)級(jí)公司在對(duì)債券進(jìn)行跟蹤評(píng)級(jí)時(shí)更少關(guān)注企業(yè)債券的顯性擔(dān)保和隱性擔(dān)保，更傾向于根據(jù)企業(yè)實(shí)際情況給債券真實(shí)的評(píng)級(jí)。

對(duì)比第（1）列和第（2）列的擬合優(yōu)度（R）來(lái)看，被解釋變量為債券發(fā)行評(píng)級(jí)時(shí)的調(diào)整R 為0.543，表明所有解釋變量可以解釋債券發(fā)行信用等級(jí)的54.3%。而對(duì)于跟蹤評(píng)級(jí)來(lái)說(shuō)，債券跟蹤評(píng)級(jí)模型的調(diào)整 R 為0.272，僅為債券發(fā)行評(píng)級(jí)模型調(diào)整 R 的50%，說(shuō)明市場(chǎng)公開(kāi)信息對(duì)于跟蹤評(píng)級(jí)的解釋能力更弱，可能的原因?yàn)楦櫾u(píng)級(jí)等級(jí)包含了更多的專(zhuān)有信息。這也與前文的理論分析一致，評(píng)級(jí)公司為獲得評(píng)級(jí)收益會(huì)對(duì)債券初次評(píng)級(jí)普遍給予更高的信用等級(jí)，而在對(duì)債券進(jìn)行跟蹤評(píng)級(jí)時(shí)有動(dòng)機(jī)選擇如實(shí)匯報(bào)評(píng)級(jí)結(jié)果。以上結(jié)論也表明，評(píng)級(jí)公司獲得的專(zhuān)有信息會(huì)影響到企業(yè)債券的信用等級(jí)，并且更傾向于在跟蹤評(píng)級(jí)時(shí)將專(zhuān)有信息如實(shí)反映在債券評(píng)級(jí)中。

（二）不同階段評(píng)級(jí)信息對(duì)企業(yè)債券違約的影響

為了檢驗(yàn)假設(shè)H1 和H2，本文考察了債券專(zhuān)有信息對(duì)債券違約的影響。本文以模型（13）估計(jì)的殘差來(lái)代表評(píng)級(jí)公司提供的債券專(zhuān)有信息，首先，分別以債券發(fā)行評(píng)級(jí)和債券跟蹤評(píng)級(jí)作為被解釋變量按模型（13）進(jìn)行回歸，然后將兩次回歸結(jié)果的殘差作為債券專(zhuān)有信息的替代變量，債券專(zhuān)有信息分別記為債券專(zhuān)有信息（發(fā)行）和債券專(zhuān)有信息（跟蹤）。最后按照模型（16）進(jìn)行回歸分析。

表6 列出了該回歸結(jié)果。第（1）列不包含任何債券專(zhuān)有信息的回歸結(jié)果，第（2）列為加入債券發(fā)行評(píng)級(jí)的專(zhuān)有信息的回歸結(jié)果，第（3）列為加入債券跟蹤評(píng)級(jí)專(zhuān)有信息的回歸結(jié)果。從第（1）列的結(jié)果可以看出M2 增長(zhǎng)率、企業(yè)性質(zhì)和銷(xiāo)售收入增長(zhǎng)率三個(gè)變量的系數(shù)顯著為負(fù)，說(shuō)明在外部融資環(huán)境寬松時(shí)債券違約概率較小、國(guó)有企業(yè)發(fā)證債券違約的概率顯著小于非國(guó)有企業(yè)、企業(yè)成長(zhǎng)性越好的企業(yè)發(fā)生債券違約的概率越小。債券利差在1%水平下顯著為正，說(shuō)明利差越大的債券發(fā)生違約的概率越大。資產(chǎn)負(fù)債率在5%水平下顯著為正，表明負(fù)債水平越高的企業(yè)發(fā)生債券違約的概率越高。擔(dān)保人系數(shù)在5%水平下顯著為正，可能的原因?yàn)椋唢L(fēng)險(xiǎn)的債券為了順利發(fā)行更傾向于尋找擔(dān)保人進(jìn)行擔(dān)保，從而表現(xiàn)為擁有擔(dān)保人的債券違約概率越大。

從表6 中第（2）列可以看出，債券專(zhuān)有信息（發(fā)行）系數(shù)為負(fù)且不顯著，說(shuō)明債券發(fā)行評(píng)級(jí)不包含評(píng)級(jí)公司獲得的債券專(zhuān)有信息。該結(jié)論與本文假設(shè)H1 一致，即評(píng)級(jí)公司對(duì)首次發(fā)行的債券有普遍給予高評(píng)級(jí)的動(dòng)機(jī)，其評(píng)級(jí)結(jié)果不包含評(píng)級(jí)公司獲得的債券專(zhuān)有信息，導(dǎo)致首次評(píng)級(jí)結(jié)果中的債券“專(zhuān)有信息”對(duì)于預(yù)測(cè)債券違約無(wú)顯著影響。對(duì)比表6 中第（1）列可以看出，第（2）列中所有其他控制變量均未發(fā)生顯著變化，模型的偽 R 從0.598 上升到0.620，增加了2.2%。

從表6 中第（3）列可以看出，債券專(zhuān)有信息（跟蹤）系數(shù)為負(fù)且在1%水平下顯著，這意味著當(dāng)評(píng)級(jí)公司掌握的關(guān)于債券的專(zhuān)有信息比較正面時(shí)，債券違約的概率較小，說(shuō)明債券跟蹤評(píng)級(jí)包含了評(píng)級(jí)公司獲得的債券專(zhuān)有信息。該結(jié)論與本文假設(shè)H2 一致，即在跟蹤評(píng)級(jí)時(shí)，評(píng)級(jí)公司更傾向于在評(píng)級(jí)信息中如實(shí)包含債券專(zhuān)有信息，此時(shí)跟蹤評(píng)級(jí)的專(zhuān)有信息對(duì)于預(yù)測(cè)債券違約具有顯著幫助。以表6 中第（1）列進(jìn)行對(duì)比可以看出，第（3）列中其他控制變量均未發(fā)生顯著的變化，模型的偽 R 從0.598 上升到0.712，增加了11.4%，遠(yuǎn)大于第（2）列中偽 R 增加的2.2%。從AUC 值來(lái)看，加入債券專(zhuān)有信息后模型預(yù)測(cè)準(zhǔn)確度也有所上升。以上結(jié)果說(shuō)明債券專(zhuān)有信息對(duì)于預(yù)測(cè)債券違約的幫助是重要的。

（三）穩(wěn)健性分析

表6 中的回歸結(jié)果對(duì)本文的兩條假設(shè)H1 和H2 均提供了支持，為進(jìn)一步驗(yàn)證以上結(jié)論的穩(wěn)健性，本文分別使用長(zhǎng)期債券樣本和非國(guó)有企業(yè)樣本進(jìn)行穩(wěn)健性分析?；貧w結(jié)果見(jiàn)表7。

表7 中（1）-（2）列為長(zhǎng)期樣本的回歸結(jié)果。其中，首次評(píng)級(jí)中的債券專(zhuān)有信息系數(shù)為負(fù)且不顯著，跟蹤評(píng)級(jí)中的債券專(zhuān)有信息在1%水平下顯著為負(fù)，以上結(jié)論同樣支持本文假設(shè)H1 和H2。從控制變量來(lái)看，（1）-（2）列中 M2 增長(zhǎng)率、企業(yè)性質(zhì)、銷(xiāo)售收入增長(zhǎng)率、債券利差、資產(chǎn)負(fù)債率和擔(dān)保人與全樣本的結(jié)果一致。上述結(jié)論表明對(duì)于長(zhǎng)期債券而言，本文的結(jié)論依然成立，說(shuō)明本文結(jié)論具有穩(wěn)健性。

表7 中（3）-（4）列為非國(guó)有企業(yè)樣本的回歸結(jié)果。對(duì)比可知，首次評(píng)級(jí)中的債券專(zhuān)有信息系數(shù)為負(fù)且不顯著，跟蹤評(píng)級(jí)中的債券專(zhuān)有信息在1%水平下顯著為負(fù)，以上非國(guó)有企業(yè)樣本的結(jié)論支持本文假設(shè)H1 和H2。從控制變量來(lái)看，（3）-（4）列中 M2 增長(zhǎng)率、債券利差、銷(xiāo)售收入增長(zhǎng)率和擔(dān)保人與表6 中全樣本的結(jié)果一致。上述結(jié)論進(jìn)一步證明了本文結(jié)論具有穩(wěn)健性。

五、結(jié)論與啟示

本文通過(guò)構(gòu)建包含債券發(fā)行人、債券評(píng)級(jí)公司和債券投資者的博弈模型，在分析不同博弈參與者最優(yōu)策略選擇的基礎(chǔ)上，發(fā)現(xiàn)評(píng)級(jí)公司對(duì)債券首次評(píng)級(jí)和跟蹤評(píng)級(jí)會(huì)選擇不同的評(píng)級(jí)策略，據(jù)此我們提出了相應(yīng)的研究假設(shè)?；谖覈?guó)滬深兩市A 股上市公司發(fā)行的2010-2018 年到期和發(fā)生實(shí)質(zhì)性違約的債券樣本，通過(guò)相應(yīng)的研究設(shè)計(jì)實(shí)證驗(yàn)證了本文的研究假設(shè)。研究結(jié)果表明，債券評(píng)級(jí)公司對(duì)首次發(fā)行的債券有普遍給予高評(píng)級(jí)的動(dòng)機(jī)，其評(píng)級(jí)結(jié)果通常不包含評(píng)級(jí)公司獲得的債券專(zhuān)有信息;而在跟蹤評(píng)級(jí)時(shí)，評(píng)級(jí)公司更傾向于在評(píng)級(jí)信息中如實(shí)包含債券專(zhuān)有信息，此時(shí)跟蹤評(píng)級(jí)結(jié)果更能反映債券的真實(shí)風(fēng)險(xiǎn)情況;評(píng)級(jí)公司所擁有的債券專(zhuān)有信息對(duì)于預(yù)測(cè)債券違約具有顯著作用。穩(wěn)健性檢驗(yàn)結(jié)果表明，以上結(jié)論對(duì)于長(zhǎng)期債券樣本和非國(guó)有企業(yè)樣本依然有效。

基于理論分析和實(shí)證研究得到的結(jié)果，本文的政策啟示如下：第一，進(jìn)一步打擊“信用評(píng)級(jí)交易”行為，加大對(duì)債券評(píng)級(jí)機(jī)構(gòu)違規(guī)行為的懲罰力度。信用評(píng)級(jí)行業(yè)懲罰力度過(guò)小的問(wèn)題應(yīng)引起高度重視，根據(jù)理論分析部分公式（9），懲罰力度 F 的大小直接關(guān)系到債券評(píng)級(jí)公司是否如實(shí)匯報(bào)評(píng)級(jí)結(jié)果。加大懲罰力度可以減少評(píng)級(jí)公司的預(yù)期收益，促使評(píng)級(jí)公司選擇如實(shí)匯報(bào)評(píng)級(jí)結(jié)果，提升評(píng)級(jí)質(zhì)量。

第二，加快引進(jìn)國(guó)外優(yōu)質(zhì)評(píng)級(jí)機(jī)構(gòu)，逐步建立“雙評(píng)級(jí)”制度?！半p評(píng)級(jí)”制度即債券發(fā)行前必須同時(shí)由國(guó)內(nèi)與國(guó)外兩家信用評(píng)級(jí)機(jī)構(gòu)進(jìn)行信用評(píng)級(jí)。2018 年3 月，銀行間市場(chǎng)交易商協(xié)會(huì)發(fā)布的《銀行間債市信用評(píng)級(jí)機(jī)構(gòu)注冊(cè)評(píng)價(jià)規(guī)則》，開(kāi)始允許境外評(píng)級(jí)機(jī)構(gòu)的注冊(cè)。對(duì)此，我國(guó)應(yīng)在對(duì)境外評(píng)級(jí)機(jī)構(gòu)進(jìn)行嚴(yán)格審核的同時(shí)也要為通過(guò)審核的評(píng)級(jí)機(jī)構(gòu)掃清進(jìn)入障礙。引入國(guó)外評(píng)級(jí)機(jī)構(gòu)不僅可以為國(guó)內(nèi)評(píng)級(jí)機(jī)構(gòu)帶來(lái)更成熟、先進(jìn)的信用評(píng)級(jí)模型，還可以成為國(guó)內(nèi)評(píng)級(jí)公司的競(jìng)爭(zhēng)者，為原有的博弈模型引入新的參與者，改變?cè)性u(píng)級(jí)博弈參與者的最優(yōu)策略選擇，提升國(guó)內(nèi)評(píng)級(jí)公司的評(píng)級(jí)質(zhì)量。

第三，逐步推行投資者付費(fèi)模式，從根本上改變債券評(píng)級(jí)公司的評(píng)級(jí)策略?，F(xiàn)有文獻(xiàn)對(duì)投資者付費(fèi)模式進(jìn)行了廣泛的研究，發(fā)現(xiàn)這種評(píng)級(jí)方式能夠較好地解決債券信用評(píng)級(jí)虛高的問(wèn)題（Bongaerts 等，2012）。此外，Beaver 等（2006）認(rèn)為投資者付費(fèi)模式下評(píng)級(jí)機(jī)構(gòu)提供的評(píng)級(jí)結(jié)果包含的信息更多，且能夠?qū)脡膬煞N信息做出迅速的反應(yīng)。從本文的理論模型來(lái)看，投資者付費(fèi)模式可以直接切斷債券發(fā)行人與評(píng)級(jí)公司之間的雇傭關(guān)系，評(píng)級(jí)公司沒(méi)有動(dòng)機(jī)為債券提供虛高的評(píng)級(jí)。此時(shí)，評(píng)級(jí)公司將傾向于選擇如實(shí)匯報(bào)評(píng)級(jí)結(jié)果。

第四，鼓勵(lì)中立評(píng)級(jí)機(jī)構(gòu)發(fā)展，擴(kuò)大中立評(píng)級(jí)機(jī)構(gòu)市場(chǎng)份額。中立評(píng)級(jí)機(jī)構(gòu)可以對(duì)現(xiàn)有發(fā)行人付費(fèi)評(píng)級(jí)機(jī)構(gòu)產(chǎn)生一定的監(jiān)督作用，有利于促進(jìn)現(xiàn)有評(píng)級(jí)機(jī)構(gòu)進(jìn)行獨(dú)立、客觀和公正的信用評(píng)級(jí)，在一定程度上解決發(fā)行人付費(fèi)評(píng)級(jí)模式中存在的問(wèn)題。孟慶斌等（2018）研究發(fā)現(xiàn)，我國(guó)首家中立評(píng)級(jí)機(jī)構(gòu)中債資信的信用評(píng)級(jí)通過(guò)聲譽(yù)機(jī)制和學(xué)習(xí)機(jī)制對(duì)發(fā)行人付費(fèi)評(píng)級(jí)機(jī)構(gòu)產(chǎn)生重要影響。中債資信的評(píng)級(jí)可以揭示更多發(fā)行人付費(fèi)評(píng)級(jí)機(jī)構(gòu)未掌握的私有信息，促使發(fā)行人付費(fèi)評(píng)級(jí)機(jī)構(gòu)在獲取信息后對(duì)發(fā)債主體評(píng)級(jí)進(jìn)行調(diào)整。