解學(xué)竟 麻志明 張海燕

一、引言

近年來，我國債券市場規(guī)模穩(wěn)步擴(kuò)張，2019 年、2020 年、2021 年債券發(fā)行總量分別為45.21 萬億元、56.94 萬億元、61.38 萬億元，債券總發(fā)行量不斷增長。2022 年債券市場平穩(wěn)運(yùn)行，發(fā)行的各類債券高達(dá)61.45 萬億元，是全球第二大債券市場。①數(shù)據(jù)來源于中國人民銀行統(tǒng)計數(shù)據(jù)。債券在服務(wù)實體經(jīng)濟(jì)、提高直接融資比重、支持融資供給側(cè)改革等方面具有舉足輕重的作用。伴隨著債券市場的高速發(fā)展，評級機(jī)構(gòu)的角色也日益凸顯。2022 年，14 家評級機(jī)構(gòu)共承攬債券產(chǎn)品8 937 只，評級機(jī)構(gòu)對資本市場的健康發(fā)展發(fā)揮著越來越重要的作用。②數(shù)據(jù)來源于中國銀行間市場交易商協(xié)會發(fā)布的《2022 年第四季度債券市場信用評級機(jī)構(gòu)業(yè)務(wù)運(yùn)行及合規(guī)情況通報》。評級機(jī)構(gòu)的執(zhí)業(yè)與監(jiān)管如何能夠配合債券市場的高速發(fā)展，營造健康良性發(fā)展的評級環(huán)境，是監(jiān)管方、評級機(jī)構(gòu)、債券發(fā)行人和投資者共同關(guān)注的議題。

我國債券市場的發(fā)展時間較短，信用評級行業(yè)的監(jiān)管制度也在不斷發(fā)展完善。以2006 年中國人民銀行(以下簡稱“央行”)發(fā)布的《信用評級管理指導(dǎo)意見》和2007年中國證券監(jiān)督管理委員會(以下簡稱“證監(jiān)會”)發(fā)布的《證券市場資信評級業(yè)務(wù)管理暫行辦法》為起點，監(jiān)管機(jī)構(gòu)發(fā)布了一系列的監(jiān)管規(guī)定。其中，2019 年央行、中華人民共和國國家發(fā)展和改革委員會(以下簡稱“發(fā)改委”)、中華人民共和國財政部(以下簡稱“財政部”)聯(lián)合證監(jiān)會發(fā)布的《信用評級業(yè)管理暫行辦法》，以及2015 年和2021 年證監(jiān)會發(fā)布的兩個版本的《公司債券發(fā)行與交易管理辦法》等，都是具有里程碑性質(zhì)的規(guī)章體系。若評級機(jī)構(gòu)未遵循標(biāo)準(zhǔn)和流程，評級工作違反規(guī)定，證監(jiān)會可以對相關(guān)機(jī)構(gòu)和人員采取責(zé)令改正、監(jiān)管談話、出具警示函等相關(guān)監(jiān)管措施。其中，警示函處罰是證監(jiān)會懲處評級機(jī)構(gòu)的重要手段。根據(jù)證監(jiān)會官方網(wǎng)站資料，2013—2021 年證監(jiān)會對評級機(jī)構(gòu)的處罰中有60%以上采用了警示函。僅2018 年，就有中誠信、上海新世紀(jì)、聯(lián)合資信、中證鵬元資信、東方金誠等五家信用評級機(jī)構(gòu)因評級質(zhì)量問題被監(jiān)管機(jī)構(gòu)出具警示函，可見評級機(jī)構(gòu)違規(guī)事件較為頻繁。

大范圍密集的警示函能否有效約束評級機(jī)構(gòu)的行為? 被出具警示函的評級機(jī)構(gòu)是否會改進(jìn)評級質(zhì)量? 根據(jù)我們對警示函處罰信息的統(tǒng)計，數(shù)家評級機(jī)構(gòu)出現(xiàn)多次被罰的情況，監(jiān)管實效堪憂。以東方金誠為例，2016 年該機(jī)構(gòu)因未嚴(yán)格履行不定期跟蹤評級制度等問題被證監(jiān)會出具警示函，2017 年及2018 年又因同樣的問題被連續(xù)出具警示函。類似地，中誠信及聯(lián)合資信等機(jī)構(gòu)近年來也屢次被罰，不得不令人質(zhì)疑監(jiān)管處罰的效果。鑒于警示函是證監(jiān)會采用的重要措施，本文將以警示函為出發(fā)點，分析監(jiān)管措施的有效性。

本文以證監(jiān)會對評級機(jī)構(gòu)出具警示函為核心樣本，實證檢驗警示函處罰對評級機(jī)構(gòu)的影響以及評級機(jī)構(gòu)的應(yīng)對措施。研究發(fā)現(xiàn)，為應(yīng)對警示函對其聲譽(yù)所造成的負(fù)面影響，受處罰的評級機(jī)構(gòu)會顯著上調(diào)債券發(fā)行人的主體信用評級，并通過迎合債券發(fā)行人獲得更高的市場份額。進(jìn)一步地，本文采用評級機(jī)構(gòu)是否與債券發(fā)行人有新的評級業(yè)務(wù)和債券發(fā)行人違約風(fēng)險來具體衡量評級機(jī)構(gòu)迎合債券發(fā)行人的潛在收益和成本，從收益和成本兩個維度探究評級機(jī)構(gòu)迎合債券發(fā)行人的行為。結(jié)果發(fā)現(xiàn)，評級機(jī)構(gòu)上調(diào)發(fā)行人評級的動作在評級機(jī)構(gòu)與債券發(fā)行人在當(dāng)年有新的評級業(yè)務(wù)，或者債券發(fā)行人自身違約風(fēng)險較低時更為顯著。上調(diào)債券發(fā)行人評級的動作在采用熵平衡匹配方法、控制公司固定效應(yīng)、平行趨勢檢驗、安慰劑檢驗、變更時間窗口、變更回歸模型等一系列方法進(jìn)行內(nèi)生性及穩(wěn)健性檢驗后依然成立。

本文的貢獻(xiàn)如下:第一，以證監(jiān)會的警示函處罰為切入點，為分析和理解我國評級機(jī)構(gòu)行為和動機(jī)提供新的視角。當(dāng)前相關(guān)文獻(xiàn)主要分析利益沖突(Baghai 和Becker，2018；Beatty 等，2019；林晚發(fā)等，2017；吳育輝等，2020)及競爭和聲譽(yù)(黃小琳等，2017；林晚發(fā)等，2022)對評級機(jī)構(gòu)行為的影響，較少探究行政監(jiān)管處罰對評級機(jī)構(gòu)的監(jiān)督約束作用。第二，部分研究重點探究監(jiān)管部門對股票市場及其金融中介的監(jiān)管處罰效果(陳運(yùn)森和宋順林，2018)，本文則探討行政處罰對評級機(jī)構(gòu)和債券市場的約束作用，為理解和評價債券市場的行政監(jiān)管提供理論支持和實證證據(jù)。第三，本文系統(tǒng)分析評級機(jī)構(gòu)應(yīng)對警示函處罰的動機(jī)及措施，有助于資本市場參與者更好地了解評級機(jī)構(gòu)，也有助于監(jiān)管機(jī)構(gòu)采取更加切實可行的處罰措施。對于發(fā)行人、投資人、債權(quán)人和監(jiān)管機(jī)構(gòu)都有相當(dāng)?shù)膶嵺`意義。

二、文獻(xiàn)回顧及理論分析

(一)文獻(xiàn)回顧

信用評級是評級機(jī)構(gòu)利用公開和私有信息對某一發(fā)行主體或信用產(chǎn)品的違約率和違約回收率評定的等級(王浩等，2018)。信用評級機(jī)構(gòu)的初衷是發(fā)現(xiàn)信息和協(xié)調(diào)監(jiān)督，承擔(dān)資本市場“看門人” 的角色(Boot 等，2006；Manso，2013；張宗新和周聰，2022)。但評級過程的復(fù)雜性和“黑箱” 狀態(tài)使得外部人員無法及時觀測評級質(zhì)量，評級機(jī)構(gòu)存在利益操縱空間。若評級機(jī)構(gòu)與發(fā)行人之間存在利益關(guān)聯(lián)或者利益沖突，評級機(jī)構(gòu)可能難以秉持客觀公正原則。

外部監(jiān)管是規(guī)范評級機(jī)構(gòu)行為的重要制度設(shè)計，但監(jiān)管的有效性一直存在爭議。Dimitrov 等(2015)早期關(guān)注《多德-弗蘭克法案》(Dodd-Frank Wall Street Reform and Consumer Protection Act)效果的研究指出，該法案雖然緩解了評級膨脹現(xiàn)象，但評級機(jī)構(gòu)并沒有提供更準(zhǔn)確有效的信息，反而向市場發(fā)布更多的錯誤警告，監(jiān)管加強(qiáng)并沒有提高評級質(zhì)量。Toscano (2020)從“發(fā)行人付費” 與“投資人付費” 差異的角度出發(fā)，研究《多德-弗蘭克法案》實施的效果。實證研究指出，法案實施后，“發(fā)行人付費” 與“投資人付費” 模式的差異縮小，發(fā)行人付費評級機(jī)構(gòu)能夠緩解評級膨脹，提升評級準(zhǔn)確性，意味著法案有效增加了評級機(jī)構(gòu)的違法成本和聲譽(yù)成本。吳曉求等(2018)認(rèn)為，我國信用評級監(jiān)管呈現(xiàn)多頭狀態(tài)，監(jiān)管信息較難互換，監(jiān)管效率較低，處罰的性質(zhì)和程度較輕，對評級機(jī)構(gòu)難以形成有效的約束。國外的研究大多關(guān)注立法對評級機(jī)構(gòu)的約束作用，并沒有觸及執(zhí)法層面；而國內(nèi)對評級行業(yè)監(jiān)管處罰有效性的實證研究尚不多見，無法給予監(jiān)管實踐更多實證證據(jù)和理論參考。

那么評級機(jī)構(gòu)如何應(yīng)對聲譽(yù)和監(jiān)管壓力? 一些學(xué)者認(rèn)為聲譽(yù)和監(jiān)管成本的增加能夠約束評級機(jī)構(gòu)的行為。Cheng 和Neamtiu (2009)發(fā)現(xiàn)，評級機(jī)構(gòu)通過改進(jìn)評級分析質(zhì)量，提高評級的及時性和準(zhǔn)確性并降低波動性來應(yīng)對越來越大的監(jiān)管壓力和投資者的批評。Bonsall 等(2018)采用媒體報道來衡量評級機(jī)構(gòu)的聲譽(yù)成本，發(fā)現(xiàn)評級機(jī)構(gòu)會給媒體關(guān)注較多的企業(yè)分配教育背景更好、從業(yè)經(jīng)驗更豐富的分析師，以提高評級質(zhì)量。但也有一些學(xué)者認(rèn)為評級機(jī)構(gòu)會迎合發(fā)行人以緩解聲譽(yù)和監(jiān)管帶來的負(fù)面影響。Baghai 和Becker (2020)發(fā)現(xiàn)，標(biāo)準(zhǔn)普爾(以下簡稱“標(biāo)普”)在商業(yè)抵押貸款支持證券市場的聲譽(yù)受損后可以通過發(fā)布樂觀評級來重新獲得市場份額。黃小琳等(2017)發(fā)現(xiàn)，評級機(jī)構(gòu)不僅沒有因為涉及債券違約事件、聲譽(yù)受損而收緊信用評級標(biāo)準(zhǔn)，反而更加高估企業(yè)的信用評級水平，但其“放寬標(biāo)準(zhǔn)，提高評級” 的策略并沒有抵消債券違約的負(fù)面影響，其市場份額相比非涉事評級機(jī)構(gòu)仍然出現(xiàn)顯著下降或者增長減緩的態(tài)勢。

現(xiàn)有文獻(xiàn)也探討除監(jiān)管和聲譽(yù)之外的其他因素對評級機(jī)構(gòu)行為的影響。相當(dāng)部分的文獻(xiàn)重點關(guān)注利益沖突對評級機(jī)構(gòu)行為的影響。由于主流評級機(jī)構(gòu)采用“發(fā)行人付費”模式，使得評級機(jī)構(gòu)存在迎合發(fā)行人的動機(jī)和意圖(Jiang 等，2012；Beatty 等，2019；林晚發(fā)等，2017；吳育輝等，2020)。其中，Jiang 等(2012)發(fā)現(xiàn)，由“投資者付費”轉(zhuǎn)換為“發(fā)行人付費” 模式后，標(biāo)普會調(diào)高存在利益共謀關(guān)系的債券評級。而Bonsall 等(2022)提供的證據(jù)顯示，“投資人付費” 模式會導(dǎo)致評級機(jī)構(gòu)對其付費訂閱的客戶持有的債券發(fā)布更樂觀的債券評級、更不及時的降級和更不準(zhǔn)確的評級。此外，非評級收益、股權(quán)關(guān)聯(lián)關(guān)系和評級分析師個人利益也會影響信用評級的質(zhì)量(Bar-Isaac 和Shapiro，2011；Kedia 等，2017；Baghai 和Becker，2018)。Baghai 和Becker (2018)基于印度市場同時雇用非評級服務(wù)的發(fā)行人數(shù)據(jù)指出，雖然存在較高的違約風(fēng)險，但是這些發(fā)行人獲得了更高的信用評級。Kedia 等(2017)發(fā)現(xiàn)，評級機(jī)構(gòu)會為其大股東重點投資的企業(yè)發(fā)行的債券提供更為有利的評級，股權(quán)關(guān)系會影響信用評級質(zhì)量。而Bar-Isaac 和Shapiro (2011)發(fā)現(xiàn)，當(dāng)評級分析師有機(jī)會跳槽到高收入企業(yè)時，其評級獨立性也會下降。此外，市場競爭也會導(dǎo)致評級結(jié)果膨脹與評級質(zhì)量下降(林晚發(fā)等，2022)。

(二)理論分析及問題提出

作為債券市場重要的金融中介，評級機(jī)構(gòu)通過公開和私有信息判斷發(fā)行主體和信用產(chǎn)品的違約風(fēng)險、發(fā)布信用等級以緩解債券市場的信息不對稱問題。聲譽(yù)是評級機(jī)構(gòu)在債券市場發(fā)揮信息發(fā)現(xiàn)功能的重要前提條件(Baghai 和Becker，2020)。好的聲譽(yù)是評級機(jī)構(gòu)獲取未來市場份額和長期收益的基礎(chǔ)(Mathis 等，2009；Bolton 等，2012；Bouvard和Levy，2018)。評級機(jī)構(gòu)的聲譽(yù)一旦受損，投資者就會對其評級服務(wù)的質(zhì)量產(chǎn)生質(zhì)疑，進(jìn)而索要更高的風(fēng)險溢價，評級機(jī)構(gòu)由此會失去賴以生存的基礎(chǔ)。在美國，政府監(jiān)管會對評級機(jī)構(gòu)聲譽(yù)造成負(fù)面影響(Sethuraman，2019)。

在我國，證監(jiān)會對評級機(jī)構(gòu)進(jìn)行警示函處罰后，會通過證監(jiān)會官方網(wǎng)站及時披露處罰原因和結(jié)果，而財經(jīng)媒體也會對處罰事件進(jìn)行跟蹤報道，因此資本市場參與者有多種渠道獲取評級機(jī)構(gòu)被出具警示函的信息，從而本文預(yù)期證監(jiān)會處罰會在一定程度上損害評級機(jī)構(gòu)的聲譽(yù)。①因篇幅所限，本文省略了警示函處罰影響評級機(jī)構(gòu)聲譽(yù)的實證檢驗結(jié)果，感興趣的讀者可在《經(jīng)濟(jì)科學(xué)》官網(wǎng)論文頁面“附錄與擴(kuò)展” 欄目下載。整理現(xiàn)有文獻(xiàn)發(fā)現(xiàn)，證監(jiān)會對中介機(jī)構(gòu)的行政處罰更多會導(dǎo)致中介機(jī)構(gòu)聲譽(yù)受損，但不會對中介機(jī)構(gòu)的基本業(yè)務(wù)產(chǎn)生實質(zhì)影響(Karpoff 等，2008；陳運(yùn)森和宋順林，2018)。通過梳理證監(jiān)會2014 年以來的警示函處罰文件可以發(fā)現(xiàn)，警示函處罰以要求評級機(jī)構(gòu)加強(qiáng)內(nèi)部管理、建立健全質(zhì)量控制體系、確保執(zhí)業(yè)質(zhì)量為主要內(nèi)容，并沒有對評級機(jī)構(gòu)的業(yè)務(wù)做出限制。以2019 年5 月黑龍江證監(jiān)局對聯(lián)合信用出具警示函為例，聯(lián)合信用的債項評級市場占有率在2019 年第一季度為25.24%②數(shù)據(jù)分別來源于中國銀行間市場交易商協(xié)會發(fā)布的《2019 年第一季度債券市場信用評級機(jī)構(gòu)業(yè)務(wù)運(yùn)行及合規(guī)情況通報》及《2019 年第三季度債券市場信用評級機(jī)構(gòu)業(yè)務(wù)運(yùn)行及合規(guī)情況通報》。，第三季度為25.49%，其市場份額沒有發(fā)生顯著下滑，也在一定程度上說明警示函處罰不會對評級機(jī)構(gòu)的評級業(yè)務(wù)造成直接影響。

既然警示函處罰僅損害評級機(jī)構(gòu)聲譽(yù)，那么評級機(jī)構(gòu)應(yīng)該如何應(yīng)對警示函帶來的負(fù)面影響? 是積極解決警示函所提示的問題、優(yōu)化內(nèi)部控制、提升評級質(zhì)量、采取抑制評級膨脹的策略，還是為了對沖警示函帶來的負(fù)面影響并維護(hù)自身市場而激進(jìn)迎合發(fā)行人從而采取調(diào)高評級的策略? 評級機(jī)構(gòu)屬于自主經(jīng)營、自負(fù)盈虧的市場經(jīng)濟(jì)實體，根據(jù)有限理性經(jīng)濟(jì)人假設(shè)，其在被處罰后為追求自身效用最大化而采取的行動策略，主要取決于當(dāng)前制度下對不同評級策略的成本和收益的權(quán)衡。

如果評級機(jī)構(gòu)采取抑制評級膨脹的策略，那么其不僅需要增加內(nèi)部控制及評級技術(shù)相關(guān)方面的經(jīng)營成本，而且會面臨因抑制評級膨脹而喪失現(xiàn)有和潛在客戶的風(fēng)險。但預(yù)計評級機(jī)構(gòu)采取抑制評級膨脹的策略后，能夠提高評級質(zhì)量，吸引注重評級質(zhì)量的發(fā)行人，并降低因評級質(zhì)量被證監(jiān)會再次處罰的風(fēng)險。如果評級機(jī)構(gòu)采取調(diào)高評級的策略，那么其會面臨較低的成本:一方面，迎合行為被發(fā)現(xiàn)的可能性較小，信用評級的質(zhì)量較難衡量，只有在受評債券違約時，外部人才能合理衡量評級質(zhì)量；另一方面，警示函處罰的性質(zhì)和程度較輕，僅會對評級機(jī)構(gòu)聲譽(yù)產(chǎn)生負(fù)面影響，不會對其業(yè)務(wù)層面產(chǎn)生實質(zhì)性沖擊。同時，調(diào)高評級的潛在收益較高，在評級機(jī)構(gòu)絕大部分收益來源于評級業(yè)務(wù)的情況下(黃小琳等，2017)，迎合發(fā)行人可以幫助評級機(jī)構(gòu)維護(hù)現(xiàn)有客戶，并爭奪市場。綜合上述分析，由于評級機(jī)構(gòu)采用不同評級策略的成本和收益并不確定，因此本文擬檢驗評級機(jī)構(gòu)應(yīng)對警示函處罰時的評級策略。

三、研究設(shè)計

(一)研究模型與變量定義

為檢驗評級機(jī)構(gòu)應(yīng)對警示函處罰的評級策略調(diào)整，本文擬以證監(jiān)會出具警示函為準(zhǔn)自然實驗，構(gòu)建如下雙重差分模型(1):

其中，下角標(biāo)i表示企業(yè)，j代表行業(yè)，t表示年份，c表示評級機(jī)構(gòu)。因變量是發(fā)行人i在t年從評級機(jī)構(gòu)c獲得的主體信用評級Rating。參考黃小琳等(2017)，本文對發(fā)行人主體信用評級由高到低依次賦值，最高級AAA 賦值為20，最低級D 賦值為1。關(guān)鍵自變量是評級機(jī)構(gòu)是否在觀察期內(nèi)被處罰與評級發(fā)布時間是否在2016 年之后的交互項Treat×After，其系數(shù)β1衡量評級機(jī)構(gòu)受警示函處罰后的評級策略變化?？刂谱兞緾ontrol主要分為三類:第一類為發(fā)行人的相關(guān)特征變量，根據(jù)已有文獻(xiàn)(Kedia 等，2017；黃小琳等，2017；林晚發(fā)等，2022)，本文主要控制了發(fā)行企業(yè)的規(guī)模Size、資產(chǎn)負(fù)債率Lev、總資產(chǎn)收益率ROA、持有的貨幣資金Cash、經(jīng)營活動產(chǎn)生的現(xiàn)金流CFO、營業(yè)收入增長率Growth、是否為上市公司List、是否受四大會計師事務(wù)所審計Big4、企業(yè)總發(fā)債規(guī)模Amount、是否為國有企業(yè)State等；第二類為評級機(jī)構(gòu)相關(guān)變量，包括涉及的債券違約次數(shù)Default和受到的除警示函之外的其他處罰次數(shù)OtherPunishment；第三類為相關(guān)的固定效應(yīng)，包括行業(yè)Industry、年份Year和評級機(jī)構(gòu)CRA等。表1 列示了詳細(xì)的變量定義。

表1 變量定義

(二)數(shù)據(jù)來源與樣本選擇

為研究警示函處罰的影響及評級機(jī)構(gòu)的應(yīng)對措施，我們從萬得(Wind)數(shù)據(jù)庫獲得公司債信用評級數(shù)據(jù)、債券特征數(shù)據(jù)和相關(guān)財務(wù)數(shù)據(jù)，從證監(jiān)會官網(wǎng)的中介機(jī)構(gòu)日常監(jiān)督板塊獲取證監(jiān)會對評級機(jī)構(gòu)行政處罰的信息。為避免打破“剛性兌付” 政策對結(jié)果的干擾，本文選擇2014 年作為樣本的起始時間。由于評級機(jī)構(gòu)存在被連續(xù)處罰的情況，僅2016 年被處罰的中誠信、新世紀(jì)和聯(lián)合信用沒有在2016 年前后被連續(xù)處罰。為了篩選較為干凈的處理組和對照組進(jìn)行雙重差分檢驗，我們保留在2016 年被警示函處罰的中誠信、新世紀(jì)和聯(lián)合信用對應(yīng)的公司債發(fā)行人作為處理組，以2014—2018 年沒有受到證監(jiān)會處罰的鵬元對應(yīng)的公司債發(fā)行人作為對照組。在刪掉2016 年的樣本、刪掉2016 年前后僅有一側(cè)觀察值的發(fā)行人樣本、去掉主體信用評級和主要財務(wù)數(shù)據(jù)存在缺失的觀察值后，剩余3 422 個觀察值。為控制極端值的影響，本文對所有連續(xù)變量在1%和99%分位上作縮尾處理。由于存在相同企業(yè)不同年份的樣本數(shù)據(jù)，本文對回歸系數(shù)的標(biāo)準(zhǔn)誤差在企業(yè)和評級機(jī)構(gòu)層面作聚類調(diào)整。表2 呈現(xiàn)詳細(xì)的樣本篩選過程。

表2 樣本篩選過程

表3 顯示樣本的分布情況。Panel A 為樣本的年份分布，樣本在2016 年前后分布較為均勻。Panel B 為樣本的行業(yè)分布，公司債的發(fā)行人主要集中于制造業(yè)和綜合行業(yè)，占比分別為14.77%和28.44%。

表3 樣本分布

(三)描述性統(tǒng)計

表4 顯示主要變量的描述性統(tǒng)計結(jié)果。評級Rating的25 分位數(shù)為17.000，而75 分位數(shù)為20.000，說明樣本期間內(nèi)的發(fā)行人主體信用評級集中于AA－到AAA 之間，與林晚發(fā)等(2017)的結(jié)論相一致。期間啞變量After均值為0.514，樣本在2016 年前后分布均勻，與表3 Panel A 的結(jié)論相似。處理組啞變量Treat的均值為0.849，說明樣本中處理組數(shù)量多于對照組。發(fā)行人的總資產(chǎn)規(guī)模Size的均值為24.284 (未經(jīng)對數(shù)處理的均值為23.5 億元)。資產(chǎn)負(fù)債率Lev的均值為0.609，發(fā)行人的負(fù)債率較高。資產(chǎn)收益率ROA的均值為0.022，持有貨幣資金占資產(chǎn)比例Cash的均值為0.117，經(jīng)營活動產(chǎn)生的現(xiàn)金流占資產(chǎn)比例CFO的均值為0.031。營業(yè)收入增長率Growth的均值為－0.141。上市公司啞變量List的均值為0.420，公司債發(fā)行人以非上市企業(yè)為主。四大會計師事務(wù)所審計啞變量Big4 的均值僅為0.113，說明發(fā)行人的財務(wù)報表審計以非四大審計為主。發(fā)行人平均公司債發(fā)行規(guī)模Amount為22.327 (未經(jīng)對數(shù)處理的規(guī)模為17 億元人民幣)，發(fā)行規(guī)模較大。國有企業(yè)啞變量State的均值為0.697，意味著公司債發(fā)行人以國企為主，非國有企業(yè)較少發(fā)債。評級機(jī)構(gòu)涉及債券違約Default的均值為1.915，評級機(jī)構(gòu)在樣本期內(nèi)每年涉及五只債券違約。評級機(jī)構(gòu)受到除警示函外的其他處罰OtherPunishment的中位數(shù)為0.000，說明評級機(jī)構(gòu)在樣本期間內(nèi)受到的其他處罰較少。

表4 描述性統(tǒng)計

四、實證結(jié)果及分析

(一)評級機(jī)構(gòu)的應(yīng)對措施

警示函處罰會對評級機(jī)構(gòu)聲譽(yù)產(chǎn)生負(fù)面影響，從而導(dǎo)致債券市場投資者向其評級的債券索要更高的風(fēng)險溢價。那么評級機(jī)構(gòu)該如何應(yīng)對警示函帶來的負(fù)面影響? 是積極回應(yīng)警示函所提示的問題、優(yōu)化內(nèi)部控制、約束評級膨脹，還是為了對沖警示函帶來的負(fù)面影響并維護(hù)自身市場而激進(jìn)迎合發(fā)行人、提高信用評級? 為檢驗評級機(jī)構(gòu)的應(yīng)對措施，我們對模型(1)進(jìn)行回歸分析，相關(guān)結(jié)果如表5 所示。第(1)列報告了控制發(fā)行企業(yè)相關(guān)特征以及行業(yè)和時間固定效應(yīng)的回歸結(jié)果，第(2)列報告了進(jìn)一步控制評級機(jī)構(gòu)固定效應(yīng)后的回歸結(jié)果，交乘項After×Treat的系數(shù)為0.378，在1%的水平上顯著，說明被處罰的評級機(jī)構(gòu)會將發(fā)行人主體信用評級向上調(diào)整大約0.378 個百分點，是因變量主體信用評級Rating均值的2.10% (0.378/17.967)，具有顯著的經(jīng)濟(jì)意義，即受處罰的評級機(jī)構(gòu)會上調(diào)發(fā)行人的主體信用評級以應(yīng)對警示函處罰帶來的負(fù)面影響。

表5 證監(jiān)會處罰對主體信用評級的影響

控制變量方面，發(fā)行企業(yè)規(guī)模Size、總資產(chǎn)收益率ROA、貨幣資金持有水平Cash、是否為上市公司List、是否為四大會計師事務(wù)所審計Big4，以及是否是國有企業(yè)State等變量與主體信用評級Rating呈顯著的正相關(guān)關(guān)系，說明評級機(jī)構(gòu)在評級時會考慮發(fā)行人的資產(chǎn)規(guī)模、盈利能力、現(xiàn)金流狀況、企業(yè)股權(quán)性質(zhì)等因素。而資產(chǎn)負(fù)債率Lev與主體信用評級Rating呈顯著的負(fù)相關(guān)關(guān)系，意味著信用評級會受到信用風(fēng)險的負(fù)面影響。這些結(jié)果與本文的預(yù)期相一致，也與之前文獻(xiàn)的結(jié)果(黃小琳等，2017；林晚發(fā)等，2017)基本一致。

(二)內(nèi)生性檢驗

(1)平行趨勢檢驗。雙重差分模型的基本前提假設(shè)是在事件發(fā)生前，處理組和對照組的因變量呈現(xiàn)相同的時間趨勢。為檢驗這一重要前提是否成立，本文定義了四個啞變量，并在表6 進(jìn)行了平行趨勢檢驗。例如，啞變量Before＿1 表示若主體信用評級發(fā)生在警示函處罰前一年之后則取值為1，否則為0；啞變量After＿1 表示若主體信用評級發(fā)生在警示函處罰后第一年之后則取值為1，否則為0。表6 第(1)列的結(jié)果顯示Before＿2 和Before＿1 系數(shù)不顯著，說明處罰前處理組和對照組的主體評級呈現(xiàn)相同的趨勢，滿足雙重差分的重要前提假設(shè)。After＿1 和After＿2 的系數(shù)顯著為正，說明在警示函處罰后第一年和第二年，處理組的主體評級Rating呈現(xiàn)上升趨勢。上述結(jié)果在第(2)列進(jìn)一步控制評級機(jī)構(gòu)固定效應(yīng)后依然成立。

表6 平行趨勢檢驗

(2)對照組樣本在2016 年前后的評級趨勢檢驗。表5 的結(jié)果可能是對照組評級機(jī)構(gòu)在2016 年后采取謹(jǐn)慎的評級策略所導(dǎo)致的，而非處理組評級機(jī)構(gòu)受警示函處罰后調(diào)高評級的結(jié)果。為了排除其他原因?qū)е聦φ战M評級機(jī)構(gòu)采取謹(jǐn)慎評級的可能性，我們在表7中檢驗對照組樣本在2016 年前后的評級是否發(fā)生顯著變化。表7 的結(jié)果顯示，After的系數(shù)不顯著，說明對照組樣本的主體信用評級在2016 年前后并沒有發(fā)生顯著變化，從而在一定程度上排除了對照組在2016 年后采取謹(jǐn)慎評級策略的可能性。

表7 2016 年前后對照組評級變化趨勢

(3)安慰劑檢驗。本文的主要研究發(fā)現(xiàn)，2016 年后受警示函處罰的評級機(jī)構(gòu)會給予發(fā)行人更高的主體信用評級。一種可能的原因是，評級機(jī)構(gòu)習(xí)慣性給予發(fā)行人更高的主體信用評級，而非應(yīng)對警示函的措施，因此有必要分析在其他時間段是否也存在類似的情況。為排除這種可能性，我們假設(shè)警示函處罰發(fā)生在2010 年，選擇2008—2012 年(去掉2010 年)的樣本對模型(1)進(jìn)行重新回歸。表8 顯示，在2008—2012 年(去掉2010 年)的樣本期間，交乘項Treat×After的系數(shù)不顯著，表明本文主要回歸結(jié)果并不會在其他時間段出現(xiàn)，即評級機(jī)構(gòu)確實為應(yīng)對證監(jiān)會警示函處罰而調(diào)高發(fā)行人的主體信用評級。

表8 安慰劑檢驗

(三)橫截面檢驗

(1)利益關(guān)聯(lián)程度的調(diào)節(jié)效應(yīng)。發(fā)行人付費模式是評級機(jī)構(gòu)利益沖突的重要來源，評級機(jī)構(gòu)為迎合發(fā)行人利益而虛高評級(Mason 和Rosner，2007；Becker 和Milbourn，2011)。Efing 和Hau (2015)研究指出，利益沖突會嚴(yán)重影響“發(fā)行人付費” 評級機(jī)構(gòu)的評級質(zhì)量，其中評級業(yè)務(wù)收益是導(dǎo)致評級機(jī)構(gòu)利益沖突的重要因素。在中國，評級機(jī)構(gòu)超過85%的收入來源于評級業(yè)務(wù)(黃小琳等，2017)。評級機(jī)構(gòu)受警示函處罰后，為保證其未來評級業(yè)務(wù)收益不受重大影響，更可能調(diào)高信用評級來取悅和挽留能帶來高收益的發(fā)行人。為檢驗這個推理是否成立，本文根據(jù)評級機(jī)構(gòu)是否與發(fā)行人有新的評級業(yè)務(wù)來衡量兩者之間的利益關(guān)聯(lián)程度，構(gòu)建啞變量NewBusiness，如果發(fā)行人i與評級機(jī)構(gòu)c在t年有新的評級業(yè)務(wù)則取值為1，否則取值為0。評級機(jī)構(gòu)的評級收入主要依賴對新發(fā)行債券的評級收費①根據(jù)2007 年《銀行間債券市場信用評級機(jī)構(gòu)評級收費自律公約》，公司類信用債單筆評級收費不應(yīng)低于25 萬元，而跟蹤評級為每年按初始評級費的20%收取。，因此評級機(jī)構(gòu)更可能為獲取新的業(yè)務(wù)而給予發(fā)行人更高的信用評級。

表9 呈現(xiàn)了利益關(guān)聯(lián)程度對評級機(jī)構(gòu)應(yīng)對警示函處罰的調(diào)節(jié)效應(yīng)，根據(jù)發(fā)行人是否與評級機(jī)構(gòu)具有新的評級業(yè)務(wù)進(jìn)行分組回歸。雖然After×Treat在第(1)列和第(2)列均顯著為正，分別為0.250 和1.079，但費舍爾組合檢驗(Fisher's bootstrapping test)的結(jié)果顯示經(jīng)驗p值為0.004，在1%的水平上顯著，說明第(2)列存在新評級業(yè)務(wù)的樣本組的系數(shù)顯著更大，受處罰的評級機(jī)構(gòu)會給予存在新評級業(yè)務(wù)的發(fā)行人更高的主體信用評級。以上結(jié)果表明，受處罰的評級機(jī)構(gòu)會進(jìn)一步調(diào)高主體信用評級來迎合能獲得重要利益的發(fā)行人。

表9 發(fā)行人與評級機(jī)構(gòu)的利益關(guān)聯(lián)程度對處罰效果的調(diào)節(jié)作用

(2)發(fā)行人現(xiàn)金流狀況的調(diào)節(jié)效應(yīng)。根據(jù)舞弊風(fēng)險因子理論，一般風(fēng)險因子中的“發(fā)現(xiàn)可能性” 會影響評級機(jī)構(gòu)迎合發(fā)行人的成本(黃小琳等，2017)。信用評級流程處于“黑箱” 狀態(tài)，只有在發(fā)生違約事件時，外部監(jiān)管者和投資者才能合理評價評級質(zhì)量。本文認(rèn)為發(fā)行人的現(xiàn)金流狀況會調(diào)節(jié)評級機(jī)構(gòu)的評級行為，評級機(jī)構(gòu)更傾向于迎合現(xiàn)金流狀況較好的發(fā)行人。因為現(xiàn)金流狀況較好的發(fā)行人的違約風(fēng)險較小，評級機(jī)構(gòu)迎合發(fā)行人的行為難以被察覺，迎合成本較低。本文構(gòu)建HighCFO來衡量發(fā)行人的現(xiàn)金流狀況，如果發(fā)行人的經(jīng)營活動凈現(xiàn)金流CFO高于樣本均值則取值為1，否則取值為0。

表10 呈現(xiàn)了發(fā)行人現(xiàn)金流狀況對評級機(jī)構(gòu)應(yīng)對警示函處罰的調(diào)節(jié)效應(yīng)，根據(jù)發(fā)行人的現(xiàn)金流狀況進(jìn)行分組回歸。第(1)列的結(jié)果顯示，After×Treat的系數(shù)為0.195，但并不顯著。第(2)列的結(jié)果顯示，After×Treat的系數(shù)為0.583，在1%的水平上顯著為正。費舍爾組合檢驗的結(jié)果顯示經(jīng)驗p值在5%的水平上顯著，表明第(2)列經(jīng)營活動凈現(xiàn)金流狀況較好的樣本組的系數(shù)更大，評級機(jī)構(gòu)受處罰后會通過調(diào)高主體信用評級來迎合違約風(fēng)險較小、迎合成本較低的發(fā)行人。

表10 發(fā)行人現(xiàn)金流狀況對處罰效果的調(diào)節(jié)作用

(四)評級機(jī)構(gòu)迎合發(fā)行人的后果

評級機(jī)構(gòu)通過給予發(fā)行人更高的主體信用評級能否維持或獲得更高的市場份額? 本文分別構(gòu)建公司債市場份額MarketShare和新發(fā)行公司債市場份額New＿M(jìn)arketShare兩個指標(biāo)來衡量評級機(jī)構(gòu)公司債業(yè)務(wù)的市場份額。表11 第(1)列的結(jié)果顯示，After×Treat系數(shù)為0.062，且在1%的水平上顯著為正，受警示函處罰的評級機(jī)構(gòu)所占的公司債的市場份額較大，且在受處罰之后會進(jìn)一步擴(kuò)大其市場份額。第(2)列的結(jié)果顯示，After×Treat系數(shù)為0.139，且在5%的水平上顯著為正，受處罰的評級機(jī)構(gòu)所占的新發(fā)行公司債的市場份額較大，且在受處罰之后會獲得更多的新發(fā)行公司債的業(yè)務(wù)。表11 的結(jié)果顯示，盡管證監(jiān)會警示函處罰會對評級機(jī)構(gòu)的聲譽(yù)造成負(fù)面影響，但評級機(jī)構(gòu)通過調(diào)高發(fā)行人信用評級的策略能夠有效擴(kuò)大其市場份額①評級機(jī)構(gòu)通過上調(diào)發(fā)行人評級來擴(kuò)大市場份額的機(jī)制檢驗的結(jié)果請見《經(jīng)濟(jì)科學(xué)》官網(wǎng)“附錄與擴(kuò)展”。，政府并沒有實現(xiàn)利用行政處罰來規(guī)范評級機(jī)構(gòu)行為的目的。

表11 評級機(jī)構(gòu)迎合發(fā)行人對其市場份額的影響

五、其他穩(wěn)健性檢驗

本文選取的處理組樣本為中誠信、上海新世紀(jì)和聯(lián)合資信三個評級機(jī)構(gòu)發(fā)布的公司債發(fā)行人的主體信用評級，而對照組樣本為中證鵬元資信發(fā)布的公司債發(fā)行人的主體信用評級，處理組和對照組樣本可能存在較大的差異，論文的研究發(fā)現(xiàn)可能是由內(nèi)生性問題導(dǎo)致。至此，我們采取熵平衡法(entropy balancing matching)，同時控制處理組與對照組樣本協(xié)變量的一階矩、二階交叉矩和三階矩多維度進(jìn)行調(diào)整，最大限度使兩組樣本協(xié)變量在滿足約束條件下實現(xiàn)精確匹配，以減少兩組樣本之間的差異(Hainmueller 和Xu，2013)。

本文參考Chahine 等(2020)和Francoeur 等(2022)，將基準(zhǔn)回歸中除Default、OtherPunishment及固定效應(yīng)外的所有控制變量作為協(xié)變量②由于Default、 OtherPunishment 在協(xié)變量中存在共線問題，所以在熵平衡檢驗中被刪掉。協(xié)變量具體包括Size、 Lev、 ROA、 Cash、 CFO、 Growth、 List、 Big4、 Amount 和State。，線性地加入熵平衡過程中，并在回歸中加入上述協(xié)變量作為控制變量。通過對比表12 的Panel A 和Panel B 可以看出，經(jīng)過熵平衡法匹配后，處理組和對照組樣本差異縮小。Panel C 第(1)列顯示，用熵平衡法對研究樣本進(jìn)行處理后，After×Treat的系數(shù)為0.237，仍在10%的水平上顯著為正。第(2)列控制評級機(jī)構(gòu)固定效應(yīng)后，結(jié)果依然存在，進(jìn)一步支持了本文主要的研究結(jié)論。

表12 樣本熵平衡法匹配后的分析結(jié)果

為控制遺漏變量造成的內(nèi)生性問題，我們在模型(1)中用公司固定效應(yīng)替代行業(yè)固定效應(yīng)，具體結(jié)果請參見表13。結(jié)果顯示，After×Treat的系數(shù)為0.388，在1%水平上顯著，意味著在控制公司固定效應(yīng)之后，受處罰的評級機(jī)構(gòu)會顯著調(diào)高發(fā)行人的主體信用評級。

表13 控制公司固定效應(yīng)的回歸結(jié)果

主回歸的樣本期間為2014—2018 年(去掉2016 年)，即處理組評級機(jī)構(gòu)受處罰的前后兩年。為檢驗本文的實證結(jié)果是否受樣本期間選擇的影響，我們重新選擇不同的樣本期間對模型(1)進(jìn)行回歸，結(jié)果如表14 所示。Panel A 顯示，將窗口期調(diào)整為受處罰前后一年后，樣本量縮小為1 812，但在控制了行業(yè)固定效應(yīng)及年份固定效應(yīng)后，After×Treat的系數(shù)仍在5%的水平上顯著為正；第(2)列增加控制評級機(jī)構(gòu)固定效應(yīng)，結(jié)果依然存在。Panel B 顯示，將窗口期調(diào)整為受處罰前后三年后，樣本量擴(kuò)大為4 870，但在控制了發(fā)行企業(yè)特征、行業(yè)固定效應(yīng)及年份固定效應(yīng)后，After×Treat的系數(shù)仍在1%的水平上顯著為正；第(2)列增加控制評級機(jī)構(gòu)固定效應(yīng)，結(jié)果依然存在。主回歸結(jié)果具有穩(wěn)健性，不受樣本窗口期選擇的影響。

表14 更換時間窗口的檢驗

信用評級是有序的離散型變量，因此我們參考黃小琳等(2017)，采用序列邏輯回歸模型替代主回歸中的OLS 模型，對模型(1)進(jìn)行重新檢驗，結(jié)果如表15 所示。結(jié)果顯示，即使替換為序列邏輯回歸模型，After×Treat的系數(shù)仍在1%的水平上顯著為正，本文的主回歸結(jié)果依然存在，不受回歸模型選擇的影響。

表15 序列邏輯回歸分析結(jié)果

六、研究結(jié)論與政策建議

本文以警示函為例，系統(tǒng)分析了中國評級機(jī)構(gòu)應(yīng)對行政處罰的評級策略調(diào)整。從評級機(jī)構(gòu)警示函處罰的樣本分析可以發(fā)現(xiàn)，評級機(jī)構(gòu)為了緩解行政處罰的負(fù)面影響，會顯著上調(diào)發(fā)行人的主體信用評級，并由此獲得更高的市場份額?？紤]到迎合發(fā)行人的收益和成本，當(dāng)發(fā)行人與被處罰的評級機(jī)構(gòu)之間存在利益關(guān)聯(lián)，或者發(fā)行人自身違約風(fēng)險較低時，評級機(jī)構(gòu)更傾向于迎合發(fā)行人。在進(jìn)行了一系列穩(wěn)健性檢驗后本文的研究結(jié)論依然存在。

根據(jù)上述研究，本文建議從加強(qiáng)監(jiān)管和提升獨立性兩方面著手，逐步改進(jìn)評級市場環(huán)境。在加強(qiáng)監(jiān)管方面，可以考慮提高評級機(jī)構(gòu)處罰力度和提升監(jiān)管模式兩種方式雙管齊下。美國證監(jiān)會曾因抵押貸款擔(dān)保證券的評級問題對標(biāo)普和穆迪處罰了近24 億美元，巨額處罰對評級行業(yè)形成了強(qiáng)有力的震懾。中國監(jiān)管機(jī)構(gòu)可以參考借鑒美國的監(jiān)管實踐經(jīng)驗，提高處罰上限，在執(zhí)法中加大處罰力度，以推動信用評級機(jī)構(gòu)的規(guī)范發(fā)展。在完善監(jiān)管模式方面，應(yīng)逐步用聯(lián)合監(jiān)管模式替代傳統(tǒng)上各自為政的條塊監(jiān)管模式，強(qiáng)化地區(qū)間、部門間協(xié)同監(jiān)管，完善事前事中事后全流程、全方位的監(jiān)管模式。

此外，由于市場投資者希望評級機(jī)構(gòu)能夠在獨立性的基礎(chǔ)上對發(fā)行人及債券的信用狀況和違約風(fēng)險做出客觀、公正的評估。因此，行政監(jiān)管的重點在于在制度層面和執(zhí)行層面幫助評級機(jī)構(gòu)提升獨立性。中國人民銀行等五部委于2019 年12 月26 日正式發(fā)布的《信用評級業(yè)管理暫行辦法》再一次明確要求評級機(jī)構(gòu)建立回避制度，完善治理機(jī)制，從機(jī)構(gòu)、部門、執(zhí)業(yè)、人員和薪酬等五個方面落實獨立性的要求。除此之外，執(zhí)法部門也應(yīng)積極實施現(xiàn)場檢查，確保評級機(jī)構(gòu)的具體執(zhí)業(yè)活動符合獨立性的要求。