企業(yè)債券信用風(fēng)險(xiǎn)統(tǒng)計(jì)測量中國統(tǒng)計(jì)學(xué)會(huì)

1、企業(yè)債券信用風(fēng)險(xiǎn)統(tǒng)計(jì)測量基于宏觀經(jīng)濟(jì)不確定性視角課題負(fù)責(zé)人：中央財(cái)經(jīng)大學(xué)周宏一、引言企業(yè)債券作為企業(yè)融資的重要途徑之一，在金融市場中扮演著重要角色。信用風(fēng)險(xiǎn)是制約企業(yè)債券市場發(fā)展、影響企業(yè)融資的主要風(fēng)險(xiǎn)。國外對(duì)企業(yè)債券信用風(fēng)險(xiǎn)影響因素的研究主要基于企業(yè)內(nèi)部價(jià)值、宏觀經(jīng)濟(jì)環(huán)境的不確定性和信息不對(duì)稱程度三個(gè)視角展開的，在經(jīng)濟(jì)全球化的背景下，宏觀經(jīng)濟(jì)不確定性對(duì)企業(yè)債券信用風(fēng)險(xiǎn)的影響越來越大。企業(yè)債券信用風(fēng)險(xiǎn)的測量模型大致可以分為三類：基于未定權(quán)益分析方法的結(jié)構(gòu)模型（structural model）、基于強(qiáng)度過程的簡化模型（reduced model），以及基于前兩種方法的混合模型。許多學(xué)者對(duì)宏觀經(jīng)

2、濟(jì)不確定性與企業(yè)債券信用風(fēng)險(xiǎn)之間的關(guān)系進(jìn)行了大量的理論研究和實(shí)證研究，但是從國內(nèi)外已有的研究來看，盡管金融危機(jī)的爆發(fā)是一個(gè)典型的經(jīng)濟(jì)周期，但是還沒有學(xué)者研究金融危機(jī)對(duì)企業(yè)債券信用風(fēng)險(xiǎn)的影響。不僅如此，關(guān)于企業(yè)債券信用風(fēng)險(xiǎn)的測量的研究也有待于發(fā)展，國內(nèi)外已有的實(shí)證研究發(fā)現(xiàn)結(jié)構(gòu)模型存在缺陷的原因之一是它所包含的企業(yè)基本面信息量不夠充分，而基本面分析法在應(yīng)用時(shí)也只是考慮了企業(yè)的基本面信息；并且現(xiàn)有的研究在采用基本面分析法或未定權(quán)益分析法時(shí)，大多都單一使用這兩種方法中的某一種方法構(gòu)建風(fēng)險(xiǎn)測量模型，即使有少數(shù)學(xué)者將這兩種方法結(jié)合，也沒有充分考慮宏觀不確定因素；另外，已有的研究表明了未定權(quán)益分析法和基本面

3、分析法都有各自的優(yōu)點(diǎn)和缺陷。鑒于已有研究的不足以及我國企業(yè)債券市場的培育環(huán)境與國外的差異，本研究首先將經(jīng)濟(jì)周期具體化為金融危機(jī)的爆發(fā)，構(gòu)建企業(yè)債券信用風(fēng)險(xiǎn)影響因素模型，利用我國2007-2009年公司債券的月度面板數(shù)據(jù)進(jìn)行實(shí)證檢驗(yàn)，并利用該回歸結(jié)果對(duì)2009年12月公司債券的截面數(shù)據(jù)進(jìn)行估計(jì)，進(jìn)一步驗(yàn)證回歸結(jié)果的正確性，然后從宏觀經(jīng)濟(jì)的不確定性視角，基于結(jié)構(gòu)模型將未定權(quán)益分析與基本面分析法法相結(jié)合并考慮宏觀經(jīng)濟(jì)因素構(gòu)建企業(yè)債券風(fēng)險(xiǎn)測量模型，并采用我國19972011年的169只公司債券數(shù)據(jù)進(jìn)行實(shí)證檢驗(yàn)，通過與其它模型對(duì)比檢驗(yàn)該模型的優(yōu)越性。二、宏觀經(jīng)濟(jì)不確定性對(duì)企業(yè)債券信用風(fēng)險(xiǎn)的影響通過對(duì)理論

4、文獻(xiàn)的回顧可知，宏觀經(jīng)濟(jì)不確定性對(duì)企業(yè)債券信用風(fēng)險(xiǎn)的影響主要取決于經(jīng)濟(jì)周期、股票市場狀況、利率、通貨膨脹水平和匯率等具體特征。但是很多實(shí)證研究僅對(duì)宏觀經(jīng)濟(jì)不確定性與企業(yè)債券信用風(fēng)險(xiǎn)之間的關(guān)系進(jìn)行了簡單的線性回歸，并沒有考慮樣本債券的期限和利率特征。針對(duì)上述問題，結(jié)合2007年美國次貸危機(jī)引發(fā)的國際金融危機(jī)，利用我國89家企業(yè)債券2007-2009年的月度面板數(shù)據(jù)構(gòu)建影響因素模型，探討宏觀經(jīng)濟(jì)不確定性對(duì)企業(yè)債券信用風(fēng)險(xiǎn)的影響。（一）指標(biāo)選取及模型構(gòu)建Altman(1983) 首先發(fā)現(xiàn)表征宏觀經(jīng)濟(jì)的一組變量的變化率，包括實(shí)際GDP、S&P指數(shù)等，與公司債券的信用價(jià)差之間存在著負(fù)相關(guān)性，即在

5、各個(gè)宏觀經(jīng)濟(jì)指標(biāo)顯示經(jīng)濟(jì)狀況較好的時(shí)期，企業(yè)債券的信用風(fēng)險(xiǎn)較低，而在經(jīng)濟(jì)萎靡時(shí)期，企業(yè)債券的信用風(fēng)險(xiǎn)則較高。進(jìn)一步地，Thomas C. Wilson(1998) 加入了失業(yè)率、GDP增長率、長期利率水平、匯率、政府支出和總儲(chǔ)蓄率，建立了衡量債券違約可能性的Credit Portfolio View模型。James(2000)，Guha & Hiris(2002)則利用經(jīng)濟(jì)狀況的拐點(diǎn)代替經(jīng)濟(jì)周期對(duì)宏觀經(jīng)濟(jì)環(huán)境的不確定性進(jìn)行了研究，結(jié)果與Altman(1983)一致，經(jīng)濟(jì)衰退時(shí)期公司債券的信用利差會(huì)擴(kuò)大，而在經(jīng)濟(jì)擴(kuò)張時(shí)期，信用利差從前期高峰值趨于降低。Wassim Dbouk &

6、 Lawrence Kryzanowski (2010)發(fā)現(xiàn)GDP的預(yù)期變化率和期限結(jié)構(gòu)斜率的預(yù)期變化率都是投資組合的信用利差變化的主要影響因素，同時(shí)還發(fā)現(xiàn)違約風(fēng)險(xiǎn)、市場流動(dòng)性和回報(bào)的波動(dòng)率也會(huì)對(duì)投資組合的信用利差變化產(chǎn)生重要影響。隨著金融在經(jīng)濟(jì)中作用的凸顯以及經(jīng)濟(jì)的日益虛擬化，現(xiàn)代經(jīng)濟(jì)周期愈來愈呈現(xiàn)出明顯的金融經(jīng)濟(jì)周期特征。 何德旭，張捷.經(jīng)濟(jì)周期與金融危機(jī)：金融加速其理論的現(xiàn)實(shí)解釋J.財(cái)經(jīng)問題研究，2009（10）.前任美聯(lián)儲(chǔ)主席伯南克和戈特勒等人提出了“金融加速器”的概念，將金融市場摩擦納入到經(jīng)濟(jì)周期波動(dòng)的一般分析框架，金融危機(jī)的爆發(fā)過程是一個(gè)典型的經(jīng)濟(jì)周期。經(jīng)濟(jì)全球化使中國經(jīng)濟(jì)與世界的

7、聯(lián)系越來越緊密，美國作為中國最大的貿(mào)易伙伴，對(duì)中國經(jīng)濟(jì)的影響也越來越多。2007年美國次貸危機(jī)引發(fā)的國際金融危機(jī)給全球經(jīng)濟(jì)造成了極大的影響。金融危機(jī)自從爆發(fā)以來就迅速通過各種途徑向我國傳導(dǎo)，對(duì)我國實(shí)體經(jīng)濟(jì)和金融市場造成巨大沖擊，出口增長下降和美元貶值的雙重影響已經(jīng)使許多企業(yè)難以生存。企業(yè)的償債能力受到嚴(yán)重的影響，企業(yè)債券的價(jià)格迅速下跌，從而加大了企業(yè)債券的信用風(fēng)險(xiǎn)。由于低價(jià)回購債券可以立刻提升公司的總體盈利水平，而且，企業(yè)在低價(jià)位時(shí)把債券購回，等到市況轉(zhuǎn)好的時(shí)候再發(fā)債，可以降低發(fā)債的利息成本。因此，隨著企業(yè)債券的價(jià)格迅速下跌，引發(fā)了債券回購熱潮，進(jìn)一步加大了企業(yè)債券的信用風(fēng)險(xiǎn)。所以，我們選取虛

8、擬變量金融危機(jī)的爆發(fā)來表示經(jīng)濟(jì)周期，與股票市場波動(dòng)率、利率、通貨膨脹率、匯率變動(dòng)共同作為自變量，選取企業(yè)債券到期剩余期限和票面利率類型為控制變量，考察宏觀經(jīng)濟(jì)不確定性對(duì)企業(yè)債券信用風(fēng)險(xiǎn)的影響程度。構(gòu)建的面板數(shù)據(jù)回歸模型如下： （1）其中，i=1,2,3.89，代表89家企業(yè)債券；t=1,2,3.36，代表2007年至2009年36個(gè)月；被解釋變量為企業(yè)債券的信用利差，即企業(yè)債券到期收益率與相同剩余期限的國債到期收益率之間的差額；金融危機(jī)的爆發(fā)為虛擬變量，由于金融危機(jī)對(duì)中國經(jīng)濟(jì)的影響在2008年開始顯現(xiàn)，因此，2007年該虛擬變量取0，而2008年至2009年該虛擬變量取1；股票市場波動(dòng)率為上證

9、綜合收盤指數(shù)的環(huán)比增長率與深證綜合收盤指數(shù)的環(huán)比增長率的平均數(shù)；利率為銀行五年期定期存款的月底利率；通貨膨脹率為CPI環(huán)比增長率，具體計(jì)算公式為（本期CPI-上期CPI）/上期CPI；匯率變動(dòng)為中經(jīng)網(wǎng)公布的人民幣對(duì)美元匯率的期末數(shù)；企業(yè)債券到期剩余期限為各期末距離企業(yè)債券到期日的時(shí)間；企業(yè)債券票面利率類型為虛擬變量，我國企業(yè)債券的利率類型主要有固定利率、浮動(dòng)利率和累進(jìn)利率三種，累進(jìn)利率債券對(duì)信用風(fēng)險(xiǎn)的影響類似于浮動(dòng)利率，從而兩者可以合并考慮，本研究設(shè)定固定利率債券的取值為1，浮動(dòng)利率和累進(jìn)利率債券的取值為0；為隨機(jī)誤差項(xiàng)?；跇颖镜玫娇傮w參數(shù)的估計(jì)值后，將參數(shù)的估計(jì)值代入式（2）中的模型對(duì)應(yīng)的

10、樣本回歸模型，就可以計(jì)算出各家中國企業(yè)債券各期信用利差的估計(jì)值。 （2）（二）數(shù)據(jù)來源及變量的描述性統(tǒng)計(jì)1、數(shù)據(jù)來源選取2007年1月1日至2009年12月31期間以月為單位（每月最后一個(gè)交易日）的時(shí)間序列、滬深證券交易所上所有上市交易的、中長期的、分期付息的、不記名的、公募的企業(yè)債券為橫截面的面板數(shù)據(jù)進(jìn)行估計(jì)，共計(jì)36個(gè)時(shí)間序列，剔除數(shù)據(jù)缺失和異常值的樣本后，每個(gè)橫截面有89個(gè)樣本。模型中需要用到的有關(guān)經(jīng)濟(jì)周期及貨幣政策等相關(guān)數(shù)據(jù)來自中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫，有關(guān)企業(yè)債券基本信息以及相關(guān)國債數(shù)據(jù)來主要自于wind數(shù)據(jù)庫。2、變量的描述性統(tǒng)計(jì)本模型選取的是2007年1月1日至2009年12月31日期間

11、以月為單位（每月最后一個(gè)交易日）的企業(yè)債券信用利差及其他相關(guān)宏、微觀經(jīng)濟(jì)數(shù)據(jù)，剔除無數(shù)據(jù)的樣本后得到3204個(gè)觀測值。相關(guān)變量的描述統(tǒng)計(jì)及自變量相關(guān)系數(shù)矩陣分別見表1和表2。表1 面板回歸方程相關(guān)變量描述性統(tǒng)計(jì)一覽表變量樣本數(shù)最大值最小值中位數(shù)均值標(biāo)準(zhǔn)差32044.0478330.036131 1.3101431.3167410.42170332041000.333333 0.47147832040.249281-0.2390760.0480940.0169300.01595032045.853.604.414.70251.00040832040.026-0.0080.0010.0026110

12、.00662332047.77766.81836.848957.114350.352852320415.66031.4637.51787.8582387.93923732041010.9662920.032582表2 面板回歸方程自變量相關(guān)系數(shù)矩陣1.000000-0.6369980.010231-0.376517-0.802253-0.267416-0.000117-0.6369981.000000-0.4367810.0599050.2878560.1752581.53E-190.010231-0.4367811.0000000.0082360.2406550.026541-0.00209

13、1-0.3765170.0599050.0082361.0000000.4290810.072482-0.001321-0.8022530.2878560.2406550.4290811.0000000.2790830.000584-0.2674160.1752580.0265410.0724820.2790831.0000000.219551-0.0001171.53E-19-0.002091-0.0013210.0005840.2195511.000000（三）模型估計(jì)結(jié)果及利差估計(jì)值計(jì)算1Hausman檢驗(yàn)利用軟件EVIEWS6.0，先對(duì)橫截面?zhèn)€體進(jìn)行Hausman檢驗(yàn)，結(jié)果如下表：表3

14、 Hausman檢驗(yàn)結(jié)果檢驗(yàn)總結(jié)Chi-Sq. StatisticChi-Sq. d.f顯著性水平橫截面隨機(jī)效應(yīng)0.00000071.00002模型估計(jì)結(jié)果Hausman檢驗(yàn)結(jié)果表明，橫截面?zhèn)€體存在隨機(jī)效應(yīng)，在此基礎(chǔ)上，利用2007-2009年89家企業(yè)的月度面板數(shù)據(jù)進(jìn)行回歸，得到如下面板數(shù)據(jù)模型橫截面隨機(jī)效應(yīng)的回歸結(jié)果：表4 面板數(shù)據(jù)隨機(jī)效應(yīng)的回歸結(jié)果變量系數(shù)標(biāo)準(zhǔn)差t值顯著性概率6.9615860.26079126.694110.00000.1028500.0257034.0015160.0001-0.0697130.009341-7.4631550.00000.0624610.053406

15、1.1695430.24235.9352420.7106268.3521310.0000-0.7758530.032592-23.805330.0000-0.0314050.006591-4.7645580.0000-0.1635500.085912-1.9036890.0570從最終的回歸結(jié)果可以看出，虛擬變量金融危機(jī)的爆發(fā)、股票市場波動(dòng)率、人民幣對(duì)美元匯率以及通貨膨脹率顯著性P值為0.00，說明這四項(xiàng)因素對(duì)我國企業(yè)債券的信用風(fēng)險(xiǎn)具有顯著影響。利率都與企業(yè)債券信用風(fēng)險(xiǎn)負(fù)相關(guān)，但是不顯著。具體來說：金融危機(jī)虛擬變量與信用利差正相關(guān)，表明金融危機(jī)的爆發(fā)會(huì)加大企業(yè)債券的信用風(fēng)險(xiǎn)。這是因?yàn)榻?jīng)濟(jì)全球化

16、使中國經(jīng)濟(jì)與世界的聯(lián)系越來越緊密，美國作為中國最大的貿(mào)易伙伴，對(duì)中國經(jīng)濟(jì)的影響也越來越多。2007年美國次貸危機(jī)引發(fā)的全球金融危機(jī)，對(duì)我國實(shí)體經(jīng)濟(jì)和金融市場造成巨大沖擊，企業(yè)的償債能力受到嚴(yán)重的影響，因此，企業(yè)債券的價(jià)格迅速下跌，從而加大了企業(yè)債券的信用風(fēng)險(xiǎn)。股票市場波動(dòng)率與信用風(fēng)險(xiǎn)負(fù)相關(guān)，表明股票市場波動(dòng)率增大時(shí)會(huì)加大企業(yè)債券的信用風(fēng)險(xiǎn)。這是因?yàn)閭顿Y與股票投資的替代效應(yīng)明顯，股票市場波動(dòng)率增大加大了股票市場的投資風(fēng)險(xiǎn)，從而吸引了更多的投資者投資債券市場，從而投資債券市場的資金增加，抬高企業(yè)債券的價(jià)格，降低企業(yè)債券的信用風(fēng)險(xiǎn)。利率水平與企業(yè)債券的信用風(fēng)險(xiǎn)水平負(fù)相關(guān)，但是結(jié)果不顯著。根據(jù)Me

17、rton（1974）的結(jié)構(gòu)模型，當(dāng)利率上升時(shí)，企業(yè)債券的信用利差會(huì)變小。但是，由于我國的企業(yè)債券市場的投資者與個(gè)人為主，而且我國是一個(gè)儲(chǔ)蓄大國。當(dāng)利率上升時(shí)，會(huì)吸引更多的投資者儲(chǔ)蓄，從而減少企業(yè)債券市場的資金，壓低企業(yè)債券市場的價(jià)格，增加企業(yè)債券的信用風(fēng)險(xiǎn)。因此，在以上兩方面原因的作用下，利率對(duì)我國企業(yè)債券信用風(fēng)險(xiǎn)的變化的影響不太顯著。通貨膨脹率與信用利差顯著正相關(guān)，表明通貨膨脹率的上升會(huì)增加企業(yè)債券的信用風(fēng)險(xiǎn)。這是因?yàn)橥ㄘ浥蛎浡噬邥r(shí)消費(fèi)支出增加，投資支出減少，人們對(duì)未來預(yù)期的不確定性加大，風(fēng)險(xiǎn)厭惡程度加大，減少了對(duì)企業(yè)債券的需求，最終引起企業(yè)債券信用利差的增大。人民幣對(duì)美元匯率與企業(yè)債券信

18、用利差顯著負(fù)相關(guān)，表明廣義貨幣供應(yīng)量的增加會(huì)降低企業(yè)債券的信用風(fēng)險(xiǎn)。這是因?yàn)閰R率越低，人民幣面臨的升值壓力越大，不利于企業(yè)的對(duì)外貿(mào)易，從而會(huì)增加企業(yè)債券的信用風(fēng)險(xiǎn)，加大企業(yè)債券的信用利差。3穩(wěn)健性檢驗(yàn)前文用企業(yè)債券的剩余期限控制由于企業(yè)債券本身剩余期限的不同而導(dǎo)致信用風(fēng)險(xiǎn)的差異，沒有考慮債券已存續(xù)期限對(duì)信用風(fēng)險(xiǎn)的影響。是債券發(fā)行期限，即為債券從發(fā)行日開始至到期日為止的持續(xù)年限。債券的發(fā)行期限越長，未來的不確定性就越強(qiáng)，債券的信用風(fēng)險(xiǎn)越大，其利差應(yīng)該越高。因此，本部分在保持其他指標(biāo)不變的情況下，用代替，來進(jìn)行穩(wěn)健性檢驗(yàn)?；貧w結(jié)果如表5所示。表5 穩(wěn)健性檢驗(yàn)回歸結(jié)果變量系數(shù)標(biāo)準(zhǔn)差t值顯著性概率7.

19、4841310.26276828.481920.00000.0982850.0257093.8229710.0001-0.0614010.009185-6.6852500.00000.0572230.0534441.0707070.28446.4532800.7029579.1801950.0000-0.8389000.029814-28.137540.0000-0.0203530.006635-3.0675630.0022-0.2182960.087021-2.5085530.0122從表5可以看出，回歸結(jié)果與原模型的類似，說明本研究所構(gòu)建的模型的穩(wěn)健性是較好的。4估計(jì)值計(jì)算根據(jù)表4中估計(jì)出

20、的參數(shù)，我們利用式（2）計(jì)算出89家樣本企業(yè)債券2009年12月31日的信用利差的估計(jì)值。得到的結(jié)果如圖1所示。圖1 檢驗(yàn)結(jié)果從圖1的檢驗(yàn)結(jié)果可以看出，信用利差的真實(shí)值與利用影響因素模型計(jì)算的利差的差距有90%的可能性落在正負(fù)兩個(gè)標(biāo)準(zhǔn)差內(nèi)。說明本研究選取的宏觀經(jīng)濟(jì)不確定性變量對(duì)企業(yè)債券信用風(fēng)險(xiǎn)的影響進(jìn)行分析具有一定的合理性，即金融危機(jī)的爆發(fā)、股票市場波動(dòng)率、通貨膨脹率以及人民幣對(duì)美元匯率確實(shí)會(huì)對(duì)我國企業(yè)債券的信用風(fēng)險(xiǎn)產(chǎn)生影響。綜上，在現(xiàn)代經(jīng)濟(jì)社會(huì)，用金融危機(jī)的爆發(fā)作為經(jīng)濟(jì)周期的替代變量研究企業(yè)債券的信用風(fēng)險(xiǎn)具有一定的合理性；同時(shí)，通貨膨脹率、股票市場波動(dòng)率以及人民幣對(duì)美元匯率都會(huì)對(duì)中國企業(yè)債券

21、信用風(fēng)險(xiǎn)產(chǎn)生顯著影響。利用回歸結(jié)果計(jì)算了債券利差估計(jì)值，發(fā)現(xiàn)估計(jì)利差與實(shí)際利差具有較高的擬合程度，進(jìn)一步表明了宏觀經(jīng)濟(jì)不確定性對(duì)企業(yè)債券信用風(fēng)險(xiǎn)的影響具有不可忽視的作用。三、宏觀經(jīng)濟(jì)不確定性下企業(yè)債券信用風(fēng)險(xiǎn)測量模型基于未定權(quán)益分析法的結(jié)構(gòu)模型是在現(xiàn)代金融工程中最古老的信用風(fēng)險(xiǎn)定價(jià)方法，1973年由Black Scholes提出，后來被Merton拓展為莫頓模型并被后來者加以改進(jìn)。盡管基于未定權(quán)益分析法的結(jié)構(gòu)模型對(duì)信用評(píng)級(jí)和評(píng)級(jí)轉(zhuǎn)變具有一定的預(yù)測力，但是已有的實(shí)證研究發(fā)現(xiàn)其理論違約概率與實(shí)際違約概率之間存在顯著的差異(Vassalou et al，2004；Schaefer et al，200

22、8)，未定權(quán)益分析法對(duì)信用風(fēng)險(xiǎn)的預(yù)測力不如基本面分析法（Hillegeist et al，2004）。而基本面分析法也并非完美，有許多學(xué)者也對(duì)其有效性提出了強(qiáng)烈批評(píng)。另外，關(guān)于企業(yè)債券信用風(fēng)險(xiǎn)的影響因素，國內(nèi)外已有的研究主要從宏觀環(huán)境的不確定性、企業(yè)內(nèi)部價(jià)值和信息不對(duì)稱三個(gè)視角展開的，結(jié)果一致認(rèn)為，企業(yè)的經(jīng)營管理水平以及宏觀經(jīng)濟(jì)不確定性影響著企業(yè)債券信用風(fēng)險(xiǎn)。鑒于此，我們基于結(jié)構(gòu)模型，將基本面分析法與未定權(quán)益分析法相結(jié)合并充分考慮宏觀經(jīng)濟(jì)的不確定因素構(gòu)建企業(yè)債券信用風(fēng)險(xiǎn)測量模型，并以我國19972011年公司債券的數(shù)據(jù)為樣本對(duì)模型的優(yōu)越性給予檢驗(yàn)，通過與其它模型的比較來探討目標(biāo)模型在測量企業(yè)債

23、券信用風(fēng)險(xiǎn)方面的優(yōu)越性。（一）指標(biāo)選取Benos等(2007)對(duì)莫頓結(jié)構(gòu)模型所做的擴(kuò)展考慮了未來可能支付的現(xiàn)金股利總和但未考慮時(shí)間價(jià)值。在此基礎(chǔ)上，我們考慮未來每期支付現(xiàn)金股利的時(shí)間價(jià)值，以其現(xiàn)值總和作為資產(chǎn)現(xiàn)值的抵減項(xiàng)，改進(jìn)后的違約距離為 （6）其中，為未來以現(xiàn)金支付的股利總和，為資產(chǎn)現(xiàn)值，為初始違約點(diǎn)，為資產(chǎn)波動(dòng)率，為違約邊界波動(dòng)率，為債券期限，為公司第t期支付的現(xiàn)金股利，r為無風(fēng)險(xiǎn)利率。為了估計(jì)違約距離，首先需要進(jìn)行如下參數(shù)的估計(jì)。對(duì)于初始違約點(diǎn)，我們按照Vassalou等（2004）的做法，采用截?cái)喾椒钇涞扔诙唐趥拿嬷导由祥L期債券面值的一半。對(duì)于資產(chǎn)現(xiàn)值的估計(jì)，公式為 （7）其中

24、是中國公司債發(fā)行主體的普通股市場價(jià)值，我們以每年12月末股票總股本和收盤價(jià)計(jì)算；是短期債務(wù)的市場價(jià)值，是長期債務(wù)的市場價(jià)值，由風(fēng)險(xiǎn)性債務(wù)市值的分解可知，其中T為不同的到期年限，為預(yù)期回收率。根據(jù)Franks(1994)的研究結(jié)果和Benos（2007）的方法，我們?cè)O(shè)定短期債務(wù)的回收率為85%、長期債務(wù)的回收率為55%。是其他短期債務(wù)的市場價(jià)值，我們?cè)O(shè)定它等于其面值；是其它長期債務(wù)的市場價(jià)值，我們假設(shè)它等于其面值的一半。對(duì)于違約邊界波動(dòng)率的估計(jì)，參考Crouhy（2000）的研究，采用預(yù)期貼現(xiàn)回收率為基礎(chǔ)計(jì)算預(yù)期回收率。進(jìn)一步，運(yùn)用長期債務(wù)的預(yù)期回收率的標(biāo)準(zhǔn)差來表示違約邊界的波動(dòng)率。于是，由伊藤

25、引理得到最后，將資產(chǎn)波動(dòng)率等式、資產(chǎn)現(xiàn)值等式、風(fēng)險(xiǎn)中性違約距離等式聯(lián)立方程組 （8）再運(yùn)用牛頓-拉夫遜迭代法計(jì)算，采用MATHCAD7.0軟件求解，得到資產(chǎn)的現(xiàn)值、資產(chǎn)的波動(dòng)率和違約邊界波動(dòng)率，進(jìn)一步得到違約距離的估計(jì)值。前文研究發(fā)現(xiàn)金融危機(jī)的爆發(fā)、通貨膨脹率、股票市場波動(dòng)率以及匯率都會(huì)對(duì)我國企業(yè)債券信用風(fēng)險(xiǎn)產(chǎn)生顯著影響。Moore(1961)認(rèn)為企業(yè)破產(chǎn)的概率會(huì)隨經(jīng)濟(jì)周期的變化而變化。Merton（1974）認(rèn)為，無風(fēng)險(xiǎn)利率對(duì)企業(yè)債券的信用利差具有重要的影響。Altman(1983) 首先發(fā)現(xiàn)實(shí)際GDP、S&P指數(shù)等與公司債券的信用價(jià)差之間存在著負(fù)相關(guān)性，進(jìn)一步地，Thomas C.

26、 Wilson(1998) 加入了失業(yè)率、GDP增長率、長期利率水平、匯率、政府支出和總儲(chǔ)蓄率，建立了衡量債券違約可能性的Credit Portfolio View模型。針對(duì)上述理論，一些學(xué)者對(duì)宏觀經(jīng)濟(jì)不確定性與企業(yè)債券信用風(fēng)險(xiǎn)之間的關(guān)系進(jìn)行了實(shí)證研究，取得較為一致的結(jié)論。Jonathan & H. Wright (2011) 利用10個(gè)工業(yè)化國家1990-2007年的月度數(shù)據(jù)，研究了通貨膨脹率對(duì)企業(yè)債券信用利差的影響。結(jié)果表明，長期債券和短期債券的信用利差都會(huì)受到通貨膨脹率的影響。由于不同國家債券市場在發(fā)展階段、法律環(huán)境和微觀結(jié)構(gòu)等方面存在較大差異，而不同市場上述因素之間的相關(guān)性和傳

27、導(dǎo)方式也不同，因此信用價(jià)差的決定因素在不同國家、不同時(shí)段的特征表現(xiàn)往往不同。考慮到我國企業(yè)債券市場的培育環(huán)境與國外市場有許多不同之處，國家對(duì)企業(yè)債券的發(fā)行主體和發(fā)行利率都有較為嚴(yán)格的限制，影響信用價(jià)差的因素也可能不同于國外，因此本研究考慮了固定資產(chǎn)投資增長率、貨幣供給增長率、無風(fēng)險(xiǎn)利率和匯率四大系統(tǒng)性市場因素，比以往的國內(nèi)研究更進(jìn)一步涵蓋了我國宏觀經(jīng)濟(jì)的主要方面?；久娣治龇ㄊ菍F(xiàn)金的流動(dòng)性、資產(chǎn)的質(zhì)量、盈利能力以及資本充裕程度等一套財(cái)務(wù)信息以及其他信息換算成具體的量化分?jǐn)?shù)，而且，在大多數(shù)預(yù)測財(cái)務(wù)失敗或財(cái)務(wù)預(yù)警的研究中，往往根據(jù)增加預(yù)測精度和降低誤分類率的能力來選擇財(cái)務(wù)比率和會(huì)計(jì)變量，通常使用

28、的解釋變量包括營利性指標(biāo)、流動(dòng)性指標(biāo)、資產(chǎn)管理效率變量、杠桿變量以及公司規(guī)模變量。考慮到變量可能存在的共線性，我們進(jìn)行了相關(guān)性分析，保留相關(guān)系數(shù)顯著的兩指標(biāo)之一以及相關(guān)系數(shù)不顯著的指標(biāo)，最后選取了總資產(chǎn)留存收益率、總資產(chǎn)毛利率、自由現(xiàn)金流保障系數(shù)、利息保障倍數(shù)、資產(chǎn)規(guī)模和資產(chǎn)負(fù)債率。（二）模型構(gòu)建結(jié)構(gòu)模型存在缺陷的原因之一是它所包含的企業(yè)基本面信息量不夠充分，而基本面分析法在應(yīng)用時(shí)也只是考慮了企業(yè)的基本面信息；并且，現(xiàn)有的研究在采用基本面分析法或未定權(quán)益分析法時(shí)，大多都單一使用這兩種方法中的某一種方法和將這兩種方法結(jié)合，但沒有充分考慮宏觀不確定因素；另外，已有的研究表明了未定權(quán)益分析法和基本面

29、分析法都有各自的優(yōu)點(diǎn)和缺陷。因此，我們從宏觀經(jīng)濟(jì)的不確定性視角，基于結(jié)構(gòu)模型將未定權(quán)益分析與基本面分析法法相結(jié)合并考慮宏觀經(jīng)濟(jì)因素構(gòu)建企業(yè)債券風(fēng)險(xiǎn)測量模型。按照國際的研究慣例，我們使用上市公司所發(fā)行債券的信用評(píng)級(jí)作為風(fēng)險(xiǎn)測量的依據(jù)結(jié)構(gòu)模型要求具有公開的普通股市場價(jià)值等信息，這要求企業(yè)債券的發(fā)行主體既發(fā)行債券又發(fā)行股票，即此時(shí)的企業(yè)債券為公司債券。由于我國公司債券截至目前沒有違約的記錄，因此本研究不能以債券是否違約作為被解釋變量；另一方面，雖然大多數(shù)學(xué)者將“特別處理”的上市公司作為違約的樣本，但是我們發(fā)現(xiàn)在既發(fā)行股票又發(fā)行債券的中國上市公司中僅有3家受到過“特別處理”，不具有統(tǒng)計(jì)意義，因此我們不

30、能以是否受到“特別處理”作為風(fēng)險(xiǎn)度量的依據(jù)。，并把違約視為信用評(píng)級(jí)的最末一級(jí)。主要有三個(gè)理由：其一，大公國際、中誠信、聯(lián)合資信等信用評(píng)級(jí)機(jī)構(gòu)對(duì)中國本土的公司債券評(píng)級(jí)具有相當(dāng)?shù)臋?quán)威性；其二，我們模型中的違約是指一種特殊的信用評(píng)級(jí)，所以我們把信用評(píng)級(jí)作為被解釋變量進(jìn)行研究的結(jié)論同樣適用于違約的情形；其三，根據(jù)本部分的研究目的，把信用評(píng)級(jí)作為被解釋變量是合理的。如果以信用評(píng)級(jí)的觀測值Yij作為被解釋變量，表示第i個(gè)公司債券的評(píng)級(jí)，則信用評(píng)級(jí)為多級(jí)且有排序，因此我們構(gòu)建有序probit模型。我們接受線性假設(shè)建立模型，其中，是潛變量，表示第i個(gè)公司債券被評(píng)為j級(jí)的趨向，j=1,2,J；表示第k個(gè)影響因素

31、的系數(shù)；表示隨機(jī)誤差項(xiàng)，且；表示第i個(gè)公司的第k個(gè)影響因素，k=1,2,K。潛變量由解釋變量作線性解釋后，依據(jù)所對(duì)應(yīng)的如下規(guī)則對(duì)信用級(jí)別Y進(jìn)行排序分類： （3）為債券不同信用等級(jí)的閾值。各種信用級(jí)別的概率由下列式子確定 （4）其中表示標(biāo)準(zhǔn)正態(tài)分布函數(shù)。和由極大化下列對(duì)數(shù)似然函數(shù)得到 （5）根據(jù)信用評(píng)級(jí)的可能影響因素的類別不同，本研究按照依次遞進(jìn)構(gòu)建了四個(gè)有序probit模型，其中，模型M4是本研究的目標(biāo)模型，其它模型是比較模型，通過將目標(biāo)模型與比較模型進(jìn)行對(duì)比檢驗(yàn)，來研究模型M4的在測量企業(yè)債券信用風(fēng)險(xiǎn)方面的優(yōu)越性。四個(gè)模型如下：模型M1：基于未定權(quán)益分析法，以結(jié)構(gòu)模型的風(fēng)險(xiǎn)中性違約距離為唯一

32、解釋變量；模型M2：基于基本面分析法，以公司微觀財(cái)務(wù)信息變量為解釋變量；模型M3：基于基本面分析法，以宏觀經(jīng)濟(jì)變量、公司微觀財(cái)務(wù)信息變量為解釋變量；模型M4：將基本面分析法與未定權(quán)益分析法結(jié)合并融入觀經(jīng)濟(jì)變量，以宏觀經(jīng)濟(jì)變量、公司微觀財(cái)務(wù)信息變量和風(fēng)險(xiǎn)中性違約距離變量為解釋變量。各模型解釋變量的比較如表6所示。表 6 四個(gè)比較模型所選取的解釋變量解釋變量變量符號(hào)模型M1模型M2模型M3模型M4結(jié)構(gòu)模型變量違約距離微觀財(cái)務(wù)變量總資產(chǎn)留存收益率IGR總資產(chǎn)毛利率BEP自由現(xiàn)金流保障系數(shù)FCFM利息保障倍數(shù)ICR資產(chǎn)規(guī)模AS資產(chǎn)負(fù)債率DR宏觀經(jīng)濟(jì)變量固定資產(chǎn)投資增長率FR貨幣供給增長率M2R無風(fēng)險(xiǎn)利

33、率r匯率ER注：“”表示該解釋變量進(jìn)入該模型。（三）樣本描述與模型估計(jì)1樣本來源與描述采用的公司債券樣本是1997年1月1日到2011年6月30日的中國深滬兩市全部公司債券，公司債券數(shù)據(jù)來自于深滬兩市網(wǎng)站的債券信息、國泰安的中國債券市場研究數(shù)據(jù)庫、色諾芬CCER的公司債券數(shù)據(jù)庫和萬得資訊，評(píng)級(jí)數(shù)據(jù)來自于大公國際、中誠信、聯(lián)合資信等信用評(píng)級(jí)機(jī)構(gòu)。此期間的公司債券共有169只我們根據(jù)深滬兩市網(wǎng)站的債券信息、國泰安的中國債券市場數(shù)據(jù)庫、色諾芬CCER的公司債數(shù)據(jù)庫和萬得資訊數(shù)據(jù)庫逐一核對(duì)和分析，1997年1月1日到2011年6月30日同時(shí)發(fā)行股票和債券的上市公司共129家，發(fā)行公司債券169只。，涉

34、及到既發(fā)行股票又發(fā)行債券的上市公司129家。考慮到信用評(píng)級(jí)可能存在的謹(jǐn)慎性，我們有理由相信在公司債券整體評(píng)級(jí)較高的情況下，那些沒有被評(píng)為AAA級(jí)的債券的信用風(fēng)險(xiǎn)應(yīng)該明顯不同于AAA級(jí)債券，越是評(píng)級(jí)較低的債券越趨近于違約。所以，我們將信用級(jí)別如實(shí)按照原級(jí)別進(jìn)一步劃分為三級(jí)，即AAA級(jí)、AA級(jí)和AA級(jí)，由于AA級(jí)債券樣本較少，我們把它們劃分到AA級(jí)中，三個(gè)級(jí)別在模型中分別取值為1、2、3，并根據(jù)研究的需要?jiǎng)澐譃榻颖窘M（100個(gè)樣本）和預(yù)測樣本組（69個(gè)樣本）。樣本的描述詳見表7。表 7 深滬兩市中國公司債券樣本（1997年1月1日2011年6月30日）信用評(píng)級(jí)樣本數(shù)量排序取值建模樣本預(yù)測樣本樣

35、本總數(shù)AAA4042823AA+309392AA3018481由于不同公司債券的評(píng)級(jí)年度存在差異，因此解釋變量的測度截止到該公司債券被評(píng)級(jí)的前一年底，包括公司債券發(fā)行主體的微觀財(cái)務(wù)數(shù)據(jù)、估計(jì)違約距離所需基礎(chǔ)數(shù)據(jù)以及我國宏觀經(jīng)濟(jì)數(shù)據(jù)，這些數(shù)據(jù)均來自于國泰安CSMAR和色諾芬CCER數(shù)據(jù)庫以及國研網(wǎng)數(shù)據(jù)庫。無風(fēng)險(xiǎn)利率采用同期一年期國債到期收益率作為代理指標(biāo)。運(yùn)用牛頓-拉夫遜迭代法計(jì)算估計(jì)違約距離，我們得到了收斂的結(jié)果。2估計(jì)結(jié)果利用經(jīng)濟(jì)計(jì)量軟件Eviews對(duì)有序probit模型進(jìn)行估計(jì)，四個(gè)模型均按照擬合度最高、多重共線程度最低、解釋力最強(qiáng)以及AIC最低的標(biāo)準(zhǔn)估計(jì)出了各自最優(yōu)的回歸結(jié)果（表8）。表

36、 8 四個(gè)模型的回歸結(jié)果解釋變量模型M1模型M2模型M3模型M4系數(shù)估計(jì)標(biāo)準(zhǔn)差z-統(tǒng)計(jì)量系數(shù)估計(jì)標(biāo)準(zhǔn)差z-統(tǒng)計(jì)量系數(shù)估計(jì)標(biāo)準(zhǔn)差z-統(tǒng)計(jì)量系數(shù)估計(jì)標(biāo)準(zhǔn)差z-統(tǒng)計(jì)量1.091*0.13212.5520.799*0.0818.323IGR1.962*0.3376.1661.228*0.0995.6220.916*0.1372.543BEP3.657*0.9981.0432.809*1.8091.0022.246*1.0672.810FCFM2.152*1.22011.0081.901*0.92010.9001.074*1.03410.622ICR0.139*0.0197.3410.110*0.601

37、6.8810.103*0.7903.002AS0.511*1.2886.0740.397*0.9215.1130.312*1.0082.213DR-2.556*0.533-6.979-1.899*0.644-6.866-0.910*0.057-5.001FR1.910 *0.9268.2091.693 *1.5425.434M2R2.053*0.8555.6531.852*2.4323.834r1.431*1.0061.4061.384*0.5681.906ER2.626*0.1852.6452.144*0.6852.500樣本數(shù)100100100100赤池信息判據(jù)2.9076862.8766

38、802.6435732.052355施瓦茨判據(jù)3.10453443.0437652.9556712.265008對(duì)數(shù)似然估計(jì)426.3276410.0688391.2119335.2285Hannan-Quinn判據(jù)3.0328852.9098812.6445292.294412Restr.對(duì)數(shù)似然估計(jì)592.4773592.4773592.4773592.4773Avg.對(duì)數(shù)似然估計(jì)1.8423271.3843361.1973111.049349LR統(tǒng)計(jì)量196.4372(1df)266.5440 (6df)286.4854 (10df)338.7646 (11df)LR指數(shù)(Pseudo-

39、R2)0.2642530.2919900.3110680.384322概率(LR stat)0.0000000.0000000.0000000.000000注：*、*和*分別表示在0.01、0.05和0.1的水平上顯著。模型M1的回歸結(jié)果顯示，違約距離的回歸系數(shù)為1.091，系數(shù)符號(hào)為正且在5的水平上顯著，這與結(jié)構(gòu)模型的理論和實(shí)證結(jié)果基本一致。在模型M2的回歸結(jié)果中，除了資產(chǎn)負(fù)債率之外，其它變量的系數(shù)的符號(hào)都為正，并且所有解釋變量均在5以上的水平上顯著。模型M3的估計(jì)是在模型M2的基礎(chǔ)上增加了宏觀經(jīng)濟(jì)變量，微觀財(cái)務(wù)變量的系數(shù)符號(hào)以及顯著性未發(fā)生根本的改變，四個(gè)宏觀經(jīng)濟(jì)變量的回歸系數(shù)都為正，并且

40、都在5以上水平上顯著。固定資產(chǎn)投資的增速越快，公司債券被評(píng)為較高信用級(jí)別的概率越大，被評(píng)為較低信用級(jí)別甚至違約的概率越小，表明中國未來經(jīng)濟(jì)景氣程度趨于上升時(shí)，公司債券信用風(fēng)險(xiǎn)下降；貨幣供給增長率系數(shù)為正，表明當(dāng)存在較強(qiáng)的通貨膨脹預(yù)期時(shí)，我國公司債券信用風(fēng)險(xiǎn)趨于下降，這可能是因?yàn)槲覈緜袌鲋饕鞘苜Y金推動(dòng)的；當(dāng)一年期國債收益率和匯率上升時(shí)，公司債券被評(píng)為較高信用級(jí)別的概率越大，被評(píng)為較低信用級(jí)別甚至違約的概率越小，信用風(fēng)險(xiǎn)越低，這符合已有研究的主流觀點(diǎn)，表明自從我國金融體系放開之后，利率風(fēng)險(xiǎn)和匯率風(fēng)險(xiǎn)是我國企業(yè)債券市場重要的信用風(fēng)險(xiǎn)來源。模型M4是在模型M1、M2和M3的基礎(chǔ)上構(gòu)建而成。雖

41、然個(gè)別變量的系數(shù)的顯著性有所減弱，但是顯著性依然高于10的可接受水平，并且所有解釋變量的回歸系數(shù)的符號(hào)與其他三個(gè)模型相比沒有發(fā)生根本變化。如果資產(chǎn)負(fù)債率越高，則公司債券被評(píng)為較高信用級(jí)別的概率越小，被評(píng)為較低信用級(jí)別甚至違約的概率越大，意味著債券信用風(fēng)險(xiǎn)或違約風(fēng)險(xiǎn)越大。如果其它解釋變量越大，那么該公司債券被評(píng)為較高信用級(jí)別的概率越大，被評(píng)為較低信用級(jí)別甚至違約的概率越小，意味著債券違約風(fēng)險(xiǎn)越小；從模型M4的LR指數(shù)(Pseudo-R2)可知，該模型的解釋力從模型M1、M2和M3的26.4%、29.2和31.1%上升到了38.4，這表明除了違約距離之外，公司微觀財(cái)務(wù)信息和宏觀經(jīng)濟(jì)信息也為解釋我國

42、企業(yè)債券信用評(píng)級(jí)和違約提供了增量的信息。3. 模型M4的優(yōu)越性分析我們采用LR指數(shù)(Pseudo-R2)、赤池信息判據(jù)（AIC）、施瓦茨判據(jù)、Hannan-Quinn判據(jù)和模型預(yù)測力為依據(jù)，比較模型M1、M2、M3和M4，分析哪一個(gè)模型最具優(yōu)越性。從表8報(bào)告的結(jié)果可知，模型M1的LR指數(shù)最低，對(duì)公司債券信用評(píng)級(jí)和違約的解釋力最差，表明由于莫頓模型中的一些基本假設(shè)與實(shí)際經(jīng)濟(jì)活動(dòng)不符，導(dǎo)致來自于結(jié)構(gòu)模型的違約距離所表示的信用風(fēng)險(xiǎn)特征不能夠充分解釋實(shí)際的信用風(fēng)險(xiǎn)概率，這與Hillegeist等人（2004）的結(jié)論是一致的。模型M1、M2和M3的LR指數(shù)分別為0.264、0.292和0.311，而模型M4的LR指數(shù)為0.384，均高于模型M1、M2和M3，說明同時(shí)包含結(jié)構(gòu)模型變量、微觀財(cái)務(wù)變量和宏觀經(jīng)濟(jì)變量的有序probit模型M4在解釋我國公司債券信用評(píng)級(jí)和違約方面