張軒 張寧昕 王鑫 柯衛(wèi)平

債券市場是中國金融市場的重要組成部分。在近期新的經濟環(huán)境和市場背景下，債券市場尤其是企業(yè)信用債市場違約金額和違約概率隨之快速上升，對債券市場風險的持續(xù)監(jiān)測、評估和預警研究變得十分迫切和重要。本文基于12246條信用債發(fā)行數據生成的面板數據和LOGIT模型分析發(fā)現(xiàn)：第一，流動比率、營收增長率和資產回報率與違約風險負相關，其他財務指標不顯著。說明在近期市場環(huán)境下，相對于資產規(guī)模等指標，流動性和成長性應是對債券風險進行監(jiān)測的核心指標。第二，行業(yè)性變量作用方向與以往研究表現(xiàn)出差異性，近年政策的主動有序調整對部分行業(yè)的周期性指標有顯著影響。第三，主體評級與違約風險負相關，新發(fā)債利率與違約風險正相關。市場的平均風險和收益率成正比，我國債券市場信用評級和定價總體機制仍具備較好的市場有效性?；谝陨戏治霰疚淖詈蠼o出相應的政策建議。

一、研究背景與意義

（一）研究背景

我國是全球第二大債券市場，債券市場的規(guī)模巨大，其健康穩(wěn)定發(fā)展對中國金融市場和國民經濟發(fā)展具有極其重要的意義?；谑袌龈鞣降年P切程度，本文試圖回答三個重要問題：一是當前市場環(huán)境下影響債券違約的主要因素有哪些？二是當前債券市場的信用評級和定價機制是否仍是有效率的？三是對于當前的問題有哪些應對措施？

債券市場的主要品種為國債、地方政府債、政策性銀行債、公司債、企業(yè)債、中期票據和短期融資券等，除國債、地方政府債和政策性銀行債以外的券種統(tǒng)稱為信用債。截至2022年年底，中國債券市場存量規(guī)模141.31萬億元，其中非金融類信用債存量規(guī)模達44.23萬億元，同比下降10%。

近兩年，債券市場違約主體主要集中在非金融類信用債領域。2021年新增違約主體23家，到期違約總金額從2020年的約500億元規(guī)模攀升至2021年的約1000億元規(guī)模。2021年的債券市場承接2020年的特點：一是國有企業(yè)違約數量不斷創(chuàng)新高，新增違約發(fā)行人中國有企業(yè)占比超半，信用風險規(guī)模不斷擴大。二是房地產企業(yè)風險集中暴露，行業(yè)普遍采用的高周轉、高杠桿的運行方式在銷售、融資兩方同時出現(xiàn)外部困難時導致短期償債能力普遍出現(xiàn)下降。三是城投平臺的兌付能力面臨考驗，因地產走弱導致的土地市場疲軟，直接導致了城投平臺業(yè)績下滑，償付壓力相應上升。進入2022年以來，民企違約又成為主體，2022年上半年約有62只債券違約，金額達392億元;涉及違約主體共14家，其中新增8家，11家為民企。另外，因發(fā)行人大規(guī)模采取展期、置換等各種手段避免直接違約的處置方式造成潛在違約風險可能遠超預期。

審視債券違約成因，除了宏觀經濟下行、企業(yè)治理缺陷之外，不可忽視的是債券市場風險預警機制的缺失，依靠違約風險的有效度量進而實現(xiàn)債券動態(tài)評級，能夠促進債券市場的健康發(fā)展。為此，本文從現(xiàn)實出發(fā)，構建債券市場風險監(jiān)測預警防控機制。

首先，本文回顧和分析了債券市場違約及風險監(jiān)測預警的相關研究；其次，在對近年我國企業(yè)債券違約主體的特征進行歸納總結的基礎上，探討了債券違約風險的可能影響因素；最后，借鑒相關研究，選取了可能影響違約風險的關鍵因素作為解釋變量，聚焦關鍵年份，選取2017年至2021年公司債發(fā)行和違約的相關數據，構建Logit模型對債券違約風險的影響因素進行實證分析。本文的研究結果表明，影響近期債券市場違約風險大小的主要因素包括發(fā)行時主體評級、新發(fā)債利率、資產回報率、流動比率、營收增長率，其中新發(fā)債利率與違約風險呈正相關關系，發(fā)行時主體評級、資產回報率、流動比率、營收增長率與違約風險呈負相關關系。

（二）研究意義

近年來的客觀外部壓力的作用下，國內企業(yè)內部經營問題集中浮現(xiàn)，其中一個明顯現(xiàn)象就是債券違約呈現(xiàn)增加態(tài)勢。債券違約事件加劇了債券市場的波動風險，在關聯(lián)資本市場中引發(fā)了一定程度的擔憂情緒，并對我國宏觀經濟金融環(huán)境造成不利沖擊。而且，在不同的經濟背景下，影響債券違約的因素不同，需要利用最新的全行業(yè)債券發(fā)行數據和市場行情去監(jiān)測債券市場違約風險因素，評估市場的風險程度。在這樣的背景下，建立并完善債券市場風險監(jiān)測預警防控機制，有助于改進監(jiān)管部門管理方式，保護投資者利益，促進我國金融市場繁榮穩(wěn)定發(fā)展。同時還能夠從源頭上加強金融監(jiān)管，減少新增違約事件的數量，降低事后違約處置的司法成本和行政成本。因此，研究債券市場風險監(jiān)測預警防控機制有著重要的社會現(xiàn)實意義及理論價值。

本文的創(chuàng)新性在于：一是在不同的宏觀經濟周期、政策調整和行情趨勢下，債券市場的違約邏輯不同，本文利用最新的全行業(yè)債券發(fā)行數據和市場行情去監(jiān)測債券市場違約風險因素；二是不同于近期研究和分析的觀點，本文研究發(fā)現(xiàn)債券定價仍具有較好的有效性，外部沖擊和主動調整可能是這次市場風險暴露的主要原因。

二、文獻綜述

債券違約問題需要從債券市場違約歷史、違約成因、違約評估和應對等多方面進行分析。本節(jié)從以上方面進行既有文獻的梳理，并在最后進行評述和說明本文的切入角度。

（一）債券違約狀況

我國現(xiàn)已發(fā)展為世界第二大的債券市場，支持實體經濟的能力明顯增強。然而，由于經濟結構調整和疫情沖擊原因，近年來信用債違約事件頻發(fā)，債券違約常態(tài)化（倪學曦，2022）。喬國榮等（2021）梳理了中國債券違約歷史，將其劃分為四個階段：一是2014年債券市場剛性兌付打破，標志事件是“11超日債”違約。二是2015年至2016年在供給側改革背景下，產能過剩行業(yè)出現(xiàn)集中違約，鋼鐵、水泥、煤炭和有色等行業(yè)在二級市場的信用利差走擴，企業(yè)融資陷入困境，引發(fā)過剩行業(yè)違約潮。三是2018年到2019上半年企業(yè)融資渠道在監(jiān)管“去杠桿”背景下的收緊導致違約。四是2019年金融機構不會出現(xiàn)“兌付”風險的信仰被打破，導致流動性傳導梗阻和信用分層加劇，包商銀行信用風險事件在銀行間市場發(fā)酵引致債券市場出現(xiàn)流動性危機和信用危機。鄭步高等（2021）進一步歸納債券違約現(xiàn)狀，表現(xiàn)為違約規(guī)模增勢不減，且違約行業(yè)擴散化趨勢愈加明顯，企業(yè)規(guī)?！按蠖坏埂钡倪壿嬛饾u失效，高評級債券違約頻現(xiàn)。儲溢泉（2021）基于我國信用債市場違約特征的分析表明，違約規(guī)模和數量逐年提高，以民企違約為主；違約金額制造業(yè)最高，建筑業(yè)次之，呈現(xiàn)明顯周期性特征；違約區(qū)域的分布與各地發(fā)行規(guī)模顯著正相關；債券類型來看，公司債、中期票據和私募債違約合計超過所有品種的三分之二。

（二）債券違約成因

債券市場違約可歸總為行業(yè)周期因素、政策因素、業(yè)務經營因素、財務狀況因素、公司治理因素，還有如經濟下行導致的銀行抽貸等其他因素（任婉馨，2016）。Abinzano （2020）的研究發(fā)現(xiàn)，以高賬面市值比為特征的樣本中，準確預測違約的擬合優(yōu)度較差。在大公司樣本中，擬合優(yōu)度通常與規(guī)模負相關，可能是因為“太大而不能倒”效應。Ballester （2020）著重分析了企業(yè)內部治理機制對違約風險的影響。Nozawa （2021）分析了新冠疫情期間量化寬松政策對企業(yè)債市場的影響。Zhang（2020）總結了中國信用債違約風險在金融條件方面的因素。殷儷菲（2020）對2020年國企債券密集違約進行分析，主要原因除了行業(yè)景氣度下降、企業(yè)經營不善，還有剛兌信念低估國企違約風險以及國企信用評級虛高。蔡喜洋等（2020）進一步分析，認為民企違約的成因包括金融環(huán)境變化、融資渠道變窄，民企債券的市場需求不足，激進投資且對外部融資依賴度過高等。

（三）違約風險評估

Anginer （2018）用橫截面數據分析了股權回報對系統(tǒng)性信用風險定價的預測。Chen （2018）量化了在經濟周期不同階段流動性因素對違約風險的影響程度。葛鶴軍（2014）認為企業(yè)信用評級等級不同，受影響的程度也不同，債券評級結果越好，信用風險對其影響越小，反之債券評級結果越差，信用風險對其影響越顯著。陳瑩等（2020）選取的PMI（采購經理指數）和CFCI（第一財經研究院中國金融條件指數）作為宏觀指標，此外還納入了RATIO（市場老化效應）和PAV（公司信用質量）。伴隨企業(yè)社會責任的重視，Li （2020） 用中國市場數據來研究企業(yè)ESG表現(xiàn)對債券違約率的影響。劉潔晶（2021）基于高收益率債券的分析認為，通過匹配相近的發(fā)行主體，將利差中的非違約定價剝離，能夠更好地對違約時機進行估計，并對違約風險進行輔助定價。

（四）違約應對措施

關于防范債券違約的對策思路，學者們從多個維度提出建議。劉康等（2021）基于對2020年信用債違約狀況的分析，提出優(yōu)化債券市場發(fā)行定價機制及市場主體融資模式，完善債券市場信用評級和風險緩釋機制，健全債券違約后法制化、市場化處置，增強對投資者的保護。中泰證券課題組（2021）從制度層面提出建議，認為需要探索構建債權風險分類管理辦法、實行差異化的信息披露、擴充債券持有人會議議事范圍。賴小鵬等（2020）建議探索優(yōu)化違約債券的市場化處置途徑，通過引入違約債券置換、發(fā)行人折價回購、批量轉讓交易等方式加速處置進程。羅小偉等（2020）建議建立可供違約債交易的垃圾債市場，提高流動性，同時培育專業(yè)處置機構和人才隊伍。

（五）文獻述評

自債券市場“剛性兌付”打破以來，債券違約風險問題引起業(yè)內外極大的關注。之前的研究內容集中于從宏觀層面進行違約狀況的研判、成因分析以及風險評估。但是，以往研究存在不少局限。首先，由于新冠疫情的發(fā)生并疊加國家對經濟結構的調整，債券市場違約出現(xiàn)了新的行業(yè)特征：由于對某些行業(yè)泡沫風險的主動釋放和疫情的反復沖擊，以往經濟的行業(yè)周期性節(jié)奏被擾亂，以往私企國企的違約比例也在近三年變得交替進行，世界經濟進入新的衰退周期。這些新情況需要我們對數據和模型方法進行跟蹤和更新，更加精確的對市場風險進行評估和監(jiān)測。其次，目前大多數研究較少關注中觀的行業(yè)因素去分析債券市場風險。最后，近年來關注地方政府債券的研究較多，對于企業(yè)信用債研究相對較少。本文試圖對以上薄弱之處進行補充。

三、主要的違約風險評估模型及其應用

對違約進行評估的模型可分為三大類：第一，較早使用的基于默認距離的KMV模型（Merton ，1974；曹萍，2015），估計公司資產的市場價值和波動性，計算違約距離。第二，當前使用較多的LOGIT模型（Wilson，1997；閻暢等，2018）。Logit模型是多元統(tǒng)計分析模型，它對企業(yè)債券違約概率或樣本數據分布不作任何假設，對債券風險評估具有良好的預測效果。第三，當下結合機器學習算法的一大類基于分類法的新評估模型。例如，深度學習神經網絡LSTM模型（陳學彬等，2021）、遺傳算法與KMV模型相結合（余妙志等，2020）、fsQCA分析方法（蔣敏等，2021）、GWO-XGBoost方法（肖艷麗，2021）。

（一）基礎經典模型

例如，基于默認距離的KMV模型。KMV根據 Merton （1974） 的模型推導出每個債務人的實際違約概率，即預期違約頻率 （EDF）。違約概率是公司資本結構、資產回報波動率和當前資產價值的函數。違約收益概率的推導分三個階段：估計公司資產的市場價值和波動性；計算違約距離衡量違約風險；使用默認數據庫將違約距離縮放為實際違約概率。

KMV 從數百家公司的樣本中觀察到，當資產價值達到總負債價值和短期債務價值之間的某個水平時，公司違約。KMV 在計算違約概率之前實現(xiàn)了一個中間階段，并計算一個稱為“默認距離”（DD）的索引。 DD 是資產價值分布的平均值與關鍵閾值“違約點”之間的標準偏差數，該閾值設置為流動負債的面值，包括在時間范圍內要償還的短期債務，加上一半的長期債務。定義如下：

STD短期債務； LTD長期債務； DPT違約臨界點=STD+1/2LTD；違約距離，即 1 年的預期資產價值與違約點之間的距離，以未來資產回報的標準差表示：DD= 。DD 以時間段T 內的資產回報標準差為單位表示如下：

其中，VO 為資產的現(xiàn)值，DPTT為時段T 內的違約點， 為資產的期望凈回報，為年化資產波動性。根據違約點和違約距離，可判斷企業(yè)債券的違約風險。

（二） 當前應用較多的LOGIT模型

例如，基于LOGIT回歸的信貸組合模型（Wilson，1998）。該模型由麥肯錫的Wilson提出，用于模擬不同行業(yè)中不同評級組的違約和遷移概率的聯(lián)合條件分布。該模型是一個多因素模型，針對每個國家宏觀經濟因素的價值，如失業(yè)率、GDP 增長率、長期利率水平、外匯匯率、政府支出和總儲蓄率等。違約概率被建模為一個 logit 函數，其中獨立變量是一個國家的投機等級特定指數，它取決于當前和滯后的宏觀經濟變量。

其中， 為國家/行業(yè)j的投機等級責任人在t期間違約的條件概率，是從以下模型中推出的指數值。

Logit變化保證公式（2）中取值在0和1之間。宏觀指標由以下多元模型決定：

其中，為第j個國家/行業(yè)在時段t內的投機等級，是預估的參數，為第j個國家/行業(yè)在時段t內的宏觀經濟變量，為誤差項。假設每個宏觀經濟變量都遵循單變量的2階自回歸模型：

其中，和是宏觀變量的滯后值，是要估計的系數，是隨機誤差項，服從獨立同分布。

四、實證分析

（一）數據說明

本文選取2017年至2021年發(fā)行的公司債12246只，其中違約債券174只。根據主要變量的數據結構，選取季度面板數據。數據來源為WIND數據庫。選取以下指標：

1.關于債券違約break。如果違約為“實質違約”或者“展期”，則判定為違約，取1。

2.關于評級garde。從AAA到C，分9級。AAA=9，以此類推，C=1。

3.發(fā)行利率rate。取其乘數100后的數值，邊際變化為1BP。

4.關于周期性行業(yè)industry。選取建筑與工程、建材和房地產管理與開發(fā)等為周期行業(yè)。

5.運營指標。資產收益率、流動比率、利息保障倍數、總資產周轉年率、營收增長率、資產負債率、研發(fā)占比和營收現(xiàn)金含量等經營指標。

（二）Logit回歸分析

回歸模型構建。根據信用市場的運行情況和以往的研究基礎，我們認為：企業(yè)的評級、債券發(fā)行利率、企業(yè)所處行業(yè)的周期性以及運營情況會影響債券的違約風險。為了驗證這一結論，本文進行以下實證研究假設：

H1：企業(yè)的評級對債券違約風險有負的影響

H2：債券發(fā)行利率對債券違約風險有正的影響

H3：企業(yè)處于周期性行業(yè)對債券違約風險有正的影響

H4：資產回報率對債券違約風險有負的影響

H5：流動比率對債券違約風險有負的影響

H6：營收增長率對債券違約風險有負的影響

H7：資產負債率對債券違約風險有正的影響

H8：總資產周轉率對債券違約風險有負的影響

基于選取的變量，本文構建了以下回歸模型進行實證檢驗，具體模型如下：

（三） 回歸結果

1. 邊際效應分析。

2. 概率效應分析。

（四）Logit回歸結果解釋

以下假設被支持：

H1：企業(yè)的評級對債券違約風險有負的影響

H2：債券發(fā)行利率對債券違約風險有正的影響

H4：資產回報率對債券違約風險有負的影響

H5：流動比率對債券違約風險有負的影響

H6：營收增長率對債券違約風險有負的影響

以下假設不被支持：

H3：企業(yè)處于周期性行業(yè)對債券違約風險有正的影響

H7：資產負債率對債券違約風險有正的影響

H8：總資產周轉率對債券違約風險有負的影響

從回歸結果可以看出，當其他條件不變時，評級每高出一個級別，債券違約概率降低約19%；債券發(fā)行利率每高出1BP，債券違約概率升高1%；資產負債率每改善一個單位，債券違約概率降低約3.6%；營收增長每改善一個邊際單位，債券違約概率降低約1.5%；流動比率衡量短期償債能力，所以其改善可以大幅降低債券違約的風險。流動比率每增加1倍，債券違約概率降低約60%。

本文認為部分研究假設在實證分析中不被支持的原因可能有以下幾個方面：首先，由于數據結構是2017年到2021年，行業(yè)周期性一般多為五年及以上，數據樣本的時間跨度過短并未體現(xiàn)行業(yè)的周期特點，這可能是行業(yè)周期性分析結果不如預期的一個原因。同時，周期性不顯著也更可能與政策的導向性相關。最近幾年政府下定決心去產能、主動退出地產等領域，這就使得周期性行業(yè)的周期性被干擾，從而失去計量模型意義上的顯著性。其次，資產負債率和總資產周轉率雖然回歸估計的系數都不顯著，但是方向與假設一致，這說明模型設定的正確。其中，總資產周轉率的p值接近10%的顯著標準，具備一定的參考意義。資產負債率與周期性行業(yè)關系較為密切，周期性行業(yè)資產負債率水平一直較高。但是由于數據中時間跨度限制，行業(yè)周期性并未很好的體現(xiàn)，進而可能導致資產負債率并未體現(xiàn)其顯著性。而且，相對于上市公司信息披露，債券數據庫信息披露存在很多殘缺，這增加了數據獲取難度。在未來的研究中，應該改進數據樣本，進行時間擴展和數據樣本精準度優(yōu)化。

（五）回歸模型準確性評估

從表6可見，按照50%的預測精準度衡量，本模型的預測精準度為99%，準確度較高。同時，從表2-5的Pseudo 來看，模型也具有較好的邊際效應解釋。

五、結論和啟示

（一）主要結論

我國信用債類市場是中國金融市場的重要組成部分。近年來，受到內外因素影響，債券市場債券違約金額攀升，債券違約概率上升，引起市場各參與方密切關注。為了更好地監(jiān)測債券市場風險，本文對債券市場的違約原因、風險預警和定價機制進行系統(tǒng)研究。利用12246條公司信用債發(fā)行信息生成面板數據，結合logit模型進行分析，得出以下結論。

首先，流動比率、營收增長率和資產回報率與違約風險負相關，其他財務指標并不顯著。這說明在近期市場環(huán)境下，相對于資產規(guī)模等指標，流動性和成長性應是對債券風險進行監(jiān)測的核心指標。其次，主體評級與違約風險負相關，新發(fā)債利率與違約風險正相關。這說明我國債券市場信用評級的有效性和定價的有效性，風險和收益成正比，整個市場的定價機制在總體水平上運行良好。最后，在以往研究中的行業(yè)性變量作用方向不同，除了考慮數據長度的因素以外，說明近兩年政策的主動有序調整對部分行業(yè)的周期性等指標有顯著的影響。

本文的創(chuàng)新性在于：第一，在不同的宏觀經濟周期、政策調整和行情趨勢下，債券市場的違約邏輯不同，本文利用最新的全行業(yè)債券發(fā)行數據和市場行情去監(jiān)測債券市場違約風險因素；第二，不同于近期研究和分析的觀點，本文研究發(fā)現(xiàn)債券定價仍具有較好的有效性，外部沖擊和主動調整可能是這次市場風險暴露的主要原因。

（二）政策建議

1. 監(jiān)管部門依照相關指標動態(tài)監(jiān)測。根據本文的實證分析結果，資產回報率、流動比率、營收增長率對公司債的違約風險有著顯著的影響。因此，建議監(jiān)管部門依據相關指標，對公司債發(fā)行企業(yè)進行動態(tài)監(jiān)測，依據市場整體水平判斷風險水平。在債券違約風險度量基礎上，將風險管理與預警分析相結合，依靠債券風險臨界值判斷風險嚴重程度，并依此發(fā)出相應的預警信號。

2. 加強對企業(yè)財務數據的監(jiān)管。本文在數據收集和實證分析的過程中發(fā)現(xiàn)，樣本數據的可得性及其準確性對債券市場風險影響因素的實證分析結果有著重要影響作用。一方面，由于企業(yè)公布財務數據的周期不一致，以及部分數據缺失，導致本文在數據獲取方面遇到了一定困難。另一方面，少數企業(yè)公開財務報告中存在較為明顯的異常數據，這對實證分析的準確性必然產生一定影響。因此，建議監(jiān)管部門加強對企業(yè)公開財務數據的監(jiān)管，在盡可能掌握企業(yè)關鍵財務數據的基礎上，確保相關數據的真實性、可靠性、完整性。當發(fā)現(xiàn)企業(yè)財務數據出現(xiàn)可疑情況或明顯異常時，采取特殊關注手段，加強對相關企業(yè)的監(jiān)督管理。同時，加大對企業(yè)財務造假行為的打擊力度，以提高違法成本的方式倒逼企業(yè)確保財務數據的真實性和可靠性。

3. 加強信用評級的作用。根據本文的研究結果，發(fā)行時企業(yè)的主體評級是公司債違約風險的重要影響因素之一。因此，建議監(jiān)管部門完善債券市場評級監(jiān)督管理的協(xié)調機制，進一步加強信用評級監(jiān)管體系的一致性，推廣包括買方在內的多方參與的創(chuàng)新評級模式，構建債券市場的第一道堅固防火墻。

（三）研究展望

本文還有可以深入分析和擴展的地方。在未來的研究中應該改進數據樣本，進行時間擴展和數據樣本精準度優(yōu)化。例如，可以嘗試限制企業(yè)來源為上市企業(yè)，這樣可以增加數據的豐富度和精準度。同時，除了利用logit方法之外，未來可以嘗試多種風險評估模型和方法進行風險分析。

參考文獻：

［1］Abinzano， I.， Gonzalez-Urteaga， A.， Muga， L.， & Sanchez， S. （2020）. Performance of default-risk measures： the sample matters. Journal of Banking & Finance， 120， 105959.

［2］Anginer， D.， . （2018）. Is there a distress risk anomaly？ Pricing of systematic default risk in the cross-section of equity returns. Review of Finance， 22（2）， 633-660.

［3］ Ballester， L.， González-Urteaga， A.， & Martínez， B. （2020）. The role of internal corporate governance mechanisms on default risk： A systematic review for different institutional settings. Research in International Business and Finance， 54， 101293.

［4］Chen， H.， Cui， R.， He， Z.， & Milbradt， K. （2018）. Quantifying liquidity and default risks of corporate bonds over the business cycle. The Review of Financial Studies， 31（3）， 852-897.

［5］Kim， H.， Cho， H.， & Ryu， D. （2019）. Default risk characteristics of construction surety bonds. The Journal of Fixed Income， 29（1）， 77-87.

［6］Li， P.， Zhou， R.， & Xiong， Y. （2020）. Can ESG performance affect bond default rate？ Evidence from China. Sustainability， 12（7）， 2954.

［7］Merton R C . On the pricing of corporate debt： the risk structure of interest rates[J]..The Journal of Finance， 1974， 29.

［8］Nozawa， Y.， & Qiu， Y. （2021）. Corporate bond market reactions to quantitative easing during the COVID-19 pandemic. Journal of Banking & Finance， 133， 106153.

［9］ Wilson， T.C. （1998）. Measuring and Managing Credit Portfolio Risk. In： Bol， G.， Nakhaeizadeh， G.， Vollmer， KH. （eds） Risk Measurement， Econometrics and Neural Networks. Contributions to Economics. Physica， Heidelberg， 259-306.

［10］Zhang， X.， Ouyang， R.， Liu， D.， & Xu， L. （2020）. Determinants of corporate default risk in China： The role of financial constraints. Economic Modelling， 92， 87-98.

［11］蔡喜洋，葉紫薇.民企債券違約成因及對策［J］.國際金融，2020（05）：57-61.

［12］曹萍.基于KMV模型的地方政府債券違約風險分析［J］.證券市場導報，2015（08）：39-44.

［13］曹勇，李孟剛，李剛等. 基于信用利差與 Logistic 回歸的公司違約概率測算模型與實證研究［J］. 運籌與管理，2016，25（06）： 209-223.

［14］陳學彬，武靖，徐明東.我國信用債個體違約風險測度與防范——基于LSTM深度學習模型［J］.復旦學報（社會科學版），2021，63（03）：159-173.

［15］ 陳瑩，楊希雅.債券市場歷史違約率計算方法選擇研究［J］.證券市場導報，2020（08）：60-69.

［16］儲溢泉.我國信用債市場違約特征、原因及風險防范研究［J］.新金融，2021（07）：10-14.

［17］ 葛鶴軍. 信用風險對債券信用利差的影響研究［D］. 博士學位論文，對外經濟貿易大［1］ 學，2014.

［18］耿耘，韓芳麗，程燕京.行業(yè)視角下的企業(yè)債券違約風險度量與投資選擇研究［J］.電子科技大學學報（社科版），2014，16（6）：32-36.

［19］蔣敏，周煒，史濟川，李新.基于fsQCA的上市企業(yè)債券違約影響因素研究［J］.管理學報，2021，18（07）：1076-1085.

［20］賴小鵬，曹東坡.違約債券處置中存在的問題及改進途徑［J］.新金融，2020（04）：38-43.

［21］劉潔晶，李丹丹.基于市場交易數據的債券風險監(jiān)控與防范研究——基于高收益率債券的違約概率時間序列估計模型的分析［J］.價格理論與實踐，2021（11）：118-122.

［22］劉康，韓夢彬.信用債違約現(xiàn)狀、國際經驗及應對［J］.銀行家，2021（01）：89-91.

［23］羅小偉，梁晨.我國企業(yè)債券違約的特征趨勢、融資特點及風險處置機制研究［J］.金融發(fā)展研究，2020（04）：44-53.

［24］倪學曦，裴志偉，李宇飛.我國違約債券處置的現(xiàn)狀、國際經驗與路徑選擇［J］.債券，2022（07）：47-50.

［25］喬國榮，方鈺涵，王俊，牛永晨.中國信用違約的歷史、現(xiàn)狀和展望［J］.金融市場研究，2021（05）：33-43.

［26］任婉馨.中國債券市場信用違約風險的成因分析[J].清華金融評論，2016（10）：83-84.

［27］肖艷麗，向有濤.企業(yè)債券違約風險預警——基于GWO-XGBoost方法［J］.上海金融，2021（10）：44-54.

［28］閻暢，徐俊鋼.如何動態(tài)評估企業(yè)的違約概率？——基于中國信用債市場的Logit模型研究［J］.金融市場研究，2018（01）：124-133.

［29］鄭步高，王鵬.我國債券市場違約成因、影響及對策研究［J］.新金融，2021（01）：44-47.

［30］中泰證券課題組，鐘金龍，馮玉梅.公司信用債違約風險預警與防范研究［J］.證券市場導報，2021（02）：2-10+18.

作者單位：張軒，張寧昕，王鑫，暨南大學經濟學院，順德農商銀行博士后科研工作站；柯衛(wèi)平，順德農商銀行研究所。