张琳 潘佳英
摘 要:选取2018年第四季度至2020年第四季度发生违约和信用评级下调的企业债券为样本,利用Logistic模型探究企业ESG表现在债券信用风险预警中的应用,研究发现:(1)ESG表现越好的企业,其债券发生违约或信用评级下调的可能性越低。(2)在预警模型中加入ESG因素能够显著提升模型的敏感性、特异性和预测准确性。(3)利用ESG评级构建的预警指标有助于预测企业债券信用风险。(4)进一步考察ESG的分项指标发现,违约企业在环境表现和公司治理方面存在尤为明显的缺陷。研究结论为发债企业提升自身ESG表现,投资者充分认识ESG评级的“排雷”作用和监管部门将企业ESG表现作为审核发债的重要参考提供了支持证据。
关 键 词:ESG表现;企业债券;信用风险;预警
中图分类号:F832.51 文献标识码:A 文章编号:2096-2517(2021)04-0051-15
DOI:10.16620/j.cnki.jrjy.2021.04.005
一、引言
2014年“11超日债”暴雷,打破了我国债券市场长期以来的刚性兑付状态,此后债券违约案例频繁发生。2018年资管新规出台,金融监管进一步趋严, 加之金融去杠杆引发企业再融资环境恶化,债券违约数量和规模都迅速攀升。2020年,在疫情冲击下,企业经营受到影响,资金链异常紧张,多个债务主体发布公告无法偿付本息或者要求延期兑付,其中不乏信用评级高或国有性质的行业龙头企业,如知名校企紫光集团、 辽宁最大国企华晨控股、河南能源巨头永煤控股等。违约事件的爆发引发投资者负面情绪,使得大量企业不得不推迟甚至取消新债发行计划。2020年新增违约债券150只,违约金额高达1697.02亿元①。在缺少“刚性兑付”和“政府兜底”的双保险后,债券信用风险问题成为社会焦点,而如何进行有效的信用风险预警是关键。
由于我国债券市场违约历史较短,违约样本占比较少,国内学者对企业债券信用风险的研究主要基于企业的财务信息,对风险预警领域的关注并不多。财务信息作为会计信息在度量企业信用风险上略显不足。首先,发债企业可能通过现金流操纵和盈余管理等手段粉饰财务报表,隐瞒其真实经营状况,导致企业和投资者之间的信息不对称。其次,会计信息反映企业历史经营状况,无法代表企业当前和未来持续的经营能力。ESG概念兴起于国外,是企业环境(Environment)、社会责任(Social)、公司治理(Governance)三个英文单词的缩写,近年来在国内获得了极大的社会关注。ESG理念综合了企业环境、社会责任、公司治理因素,更加准确和客观地衡量企业可持续发展能力,可以有效弥补传统财务信息的不足,在企业债券投资中发挥着重要的排雷作用。2018年,中国证监会等出台《上市公司治理准则》(修订版), 首次明确要求上市公司定期披露环境保护、社会责任、公司治理的相关信息, 同年中国证券投资基金业协会颁布《绿色投资指引(试行)》;2019年,国家发改委发布《绿色产业指导目录》,香港交易所在《主板上市规则》和《创业板上市规则》中规定上市公司每年进行ESG报告;2020年,中共中央办公厅和国务院办公厅联合出台《关于构建现代环境治理体系的指导意见》。随着ESG理念的大力推广和应用,我国正逐步形成政府主导,企业、社会公众共同参与的ESG治理体系。 本文以违约和信用降级债券作为研究对象, 以企业ESG评级作为核心解释变量, 通过构建Logistic模型对发债企业信用风险进行分析和预警,在此基础上进一步构建企业债券的ESG预警指标。 本文丰富了企业ESG表现的影响效果的文献,拓展了企业债券信用风险领域的相关研究,对投资者投资决策、企业重视ESG表现具有重要的现实意义。
二、文献综述
(一)企业债券信用风险成因研究
债券信用风险成因主要分为内外两方面,内部因素包括发债企业财务、非财务因素以及债券自身特性,外部因素包括行业特征、宏观经济等。企业财务因素中,Black等(1973)、Merton(1974)认为信用风险取决于企业资产价值及其波动率和企业杠杆水平[1-2]。此外,企业财务因素中的盈余管理[3]、未来资本结构[4]以及企业非财务因素中的企业声誉[5]、治理水平[6]等多方面因素均会影响企业债务违约水平。债券自身因素中,债券期限越长,票面利率越高,发生信用风险的可能性越大[7]。行业层面上,张春强等(2019)研究发现债务违约主体主要集中在重污染和产能过剩行业[8]。宏观经济方面,债券的信用利差会明显受到GDP增长率[9]、投资者信心指数、无风险利率等指标的影响[10]。
(二)ESG表现和企业信用风险的相关研究
国外ESG发展日渐成熟, 学者积极探究ESG因素在企业债券信用风险中的作用。国内研究多集中于ESG某一具体维度对企业信用风险的影响,对ESG与企业信用风险方面的研究起步较晚。在环境方面,常盈盈等(2019)以2008—2015年发債上市公司为样本,研究发现企业环境信息透明度对降低债券信用风险具有积极作用[11]。在当前倡导生态文明建设的背景下,企业的环境表现对融资能力的作用愈加凸显[12],主要体现在当企业面临偿债压力时, 积极的环境表现有利于缓解企业融资约束,降低企业债务违约风险,这也使得存在外部融资需求的企业有动机进行“漂绿”[13]。在社会责任方面, 企业积极履行社会责任有助于提升企业业绩,降低债券信用利差[14],而现阶段我国情况是市场规模大、影响力高的上市公司相比小公司更加注重企业社会责任的履行[15]。周宏等(2016)研究发现发债企业社会责任五方面(环境、员工、消费者、社区、其他利益相关者)表现均与债券信用利差呈显著负相关关系,同时实证检验了企业社会责任行为通过降低信息不对称来减少债券信用利差的作用机制[16]。在公司治理方面, 既有研究主要关注股权结构、 董事会和经理层履职情况对企业信用风险的影响。最优股权制衡水平[17]、第一大股东持股比例[18]可以实现公司价值的最大化,降低由企业资金链断裂引发的信用风险;董事经理兼任的公司更易过度投资,从而降低企业投资效率,增加企业违约风险[19-20]。由于经理人管理防御动机[21]的存在,当经理人拥有较大决策权时会选择对自己有利的资本结构,从而加大企业债券信用风险[22]。
在ESG方面, 学界对ESG影响企业信用风险的研究尚未形成统一意见。Friedman(1970)认为企业ESG表现会增加企业投资支出, 加剧企业信用风险[23];Brogi等(2018)以2000—2016年美国上市公司为研究对象, 发现ESG表现与企业盈利能力显著正相关,有利于降低企业信用风险[24]。国内ESG起步较晚,中央财经大学绿色金融国际研究院(2018)指出企业ESG表现越好,债券违约或评级下降的概率越小[25]。
(三)企业债券信用风险预警模型研究
国外对企业信用风险量化模型的研究中,单变量判别法[26]、多变量判别法[27]主要关注企业财务信息对企业信用风险的影响,而且模型有效判别要求违约组和未违约组满足等方差-协方差矩阵、 残差服从正态分布等严格的前提条件,模型的有效性受到质疑。Black等(1973)、Merton(1974)結合期权定价理论,运用权益的市场价值和负债的会计价值来计算违约概率, 建立信用债定价的结构模型[1-2]。为了克服多元判别分析的局限性,Martin(1977)首次构建Logistic模型用于预测银行的破产风险[28],Ohlson(1980)利用Logistic模型对企业破产风险进行量化[29],大大提高了模型的适用性和预测的准确性。1997年KMV公司以期权定价理论为基础构建KMV模型,根据企业资产价值的波动率、杠杆水平等因素测算违约概率。
国内研究多集中于对中小企业和上市公司信用风险的度量。庞剑敏(2006)提出基于神经网络的企业信用风险度量模型[30],沈沛龙等(2010)利用支持向量机对我国中小企业违约概率进行估计,提升了预测的精准度[31]。基于KMV模型,邹薇(2014)、蒋彧等(2015)结合中国市场实际情况,构建的修正后KMV模型提升了对中国上市公司信用风险的识别能力[32-33]。目前关于中国债券市场信用风险预警领域的实证文献整体偏少,如杨世伟等(2015)对债券信用风险进行量化研究[34],但由于研究时我国债市“刚兑”打破时间不久,这些文献缺乏充分的市场违约样本。生柳荣等(2019)基于2014—2019年企业债券违约数据建立Logistic模型分析债券信用风险的影响因素,并以此建立了企业债券信用风险预警系统[35]。许文彬等(2020)采用Logistic回归分析的信用评分卡模型对债券信用风险进行测算,提高了模型的实用性和评估的准确性[36]。
综上所述,在研究内容方面,既有文献在研究企业债券信用风险时多考虑企业财务因素、债券自身特点和宏观经济等的影响,较少涉及企业非财务因素。少数学者研究了企业环境绩效、社会责任、公司治理中的单项指标与其信用风险的关系,但并未将三者融合起来综合系统地研究ESG表现等非财务信息对企业信用风险的影响。因此,将ESG信息纳入企业债券信用风险预警模型能使研究更加全面和科学,有助于提升投资者对企业债券信用风险的识别能力。
在研究方法方面,关于企业信用风险预警模型的研究,从判别分析模型到Logistic模型、人工神经网络模型、支持向量机模型等,模型设计更加复杂,智能化程度越来越高,适用性较差。考虑到我国企业债券违约数据积累时间较短,在数据质量和市场信息相对缺失的情况下,对带有时间相关变量的复杂参数模型的校准存在较大难度,容易带来模型误判风险。 相对而言,Logistic模型的假设条件较少,经济意义较强, 在我国现阶段具有较高的适用性,因此国内学者多以该模型测度企业信用风险。鉴于此, 本文选择Logistic模型进行相关探索与研究。
本文的研究思路即在当前基于财务指标研究的基础上, 通过引入一个新的非财务指标——企业ESG表现作为核心解释变量,构建企业债券信用风险的Logistic预警模型, 为未来一定期间内相关风险防范和投资决策提供参考。基于此,本文研究的主要内容包含以下三个方面:ESG影响企业债券信用风险的理论分析,企业债券信用风险预警模型的构建和测算,ESG预警指标的设计。
三、理论分析与研究假设
(一)ESG降低企业债券信用风险的理论分析
1.ESG提高企业盈利能力
基于资源支持理论,企业社会责任具有资源效应,表现在企业积极履行社会责任能够获得声誉资本、道德资本以及政策优惠等。首先,良好的社会责任有利于企业获得舆论媒体的正面报道,帮助企业树立品牌形象,形成声誉资本。企业ESG表现通过声誉效应可以吸引到更多高素质员工,增加劳动生产效率,降低债务违约风险[5]。其次,企业积极的社会责任可以形成道德资本,增强社会对企业的信任和认同,当企业出现危机时还可以起到“缓冲”的作用。这是因为,企业社会责任能对社会责任缺失起保险作用[37]。当企业“做坏事”时,道德资本作为一种无形资产, 减弱投资者对坏消息的负面反应,从而降低对企业生产经营造成的影响。同时,企业在环保技术、清洁生产、环境监测等方面的投入会获得政府的税收优惠,企业开发的环保技术和产品会受到政策的支持,为企业带来良好的经济效益。
基于利益相关者理论[38],企业的发展离不开利益相关者的参与,企业对各利益相关者负有一定的社会责任。企业环境保护的行为、社会责任的履行以及公司治理的健全都会给员工、社区甚至是整个社会带来正向影响[39],而这又会提高社会对企业的估值,影响企业长期效益。
此外, 市场和制度环境对企业ESG表现提出更高的要求。 社会公众不仅注重企业财务信息,也越来越重视企业的ESG表现,一旦企业产品质量、偷漏税、压榨员工等负面事件被曝光,企业形象和经营绩效将受到极大损害[12]。同时,随着环境规章制度的出台以及环境监管的加强,企业环保不达标行为将面临法律风险和管制风险,这些风险通过影响企业的现金流和偿债能力,传导至企业的债务违约风险。
2.ESG缓解企业融资约束
企业与外部投资者的信息不对称是导致企业融资约束的重要原因之一。 基于信号传递理论,企业良好的ESG表现传递企业可持续发展能力的信号,在一定程度上降低了企业和外界的信息不对称程度,有利于利益相关者更全面地了解企业经营状况和潜在风险,从而缓解融资约束,降低融资成本[40]。通常,高质量的企业更有动机自愿披露社会责任报告来向外界传递积极的信号,将自己从“柠檬市场”中区分出来[41],进而缓解融资约束。
基于代理理论[19],经理层、股东、债权人之间存在代理冲突, 尤其在内部控制制度不健全的企业中,各主体出于自身利益的考虑,更容易做出侵占企业和他人利益的行为,加剧企业信用风险事件的发生。如果企业在经营活动中积极履行社会责任并且兼顾各利益相关者的利益诉求,可以增强利益相关者对管理层的信任,从而降低代理成本,缓解融资约束。
近年来,我国在生态环境領域的顶层设计有效促进了绿色金融的发展[42]。监管部门颁布了一系列有关环境信息披露、再融资环保核查、绿色信贷等规范文件,加强对企业融资行为的环保约束,加大对环境友好型企业政策扶持力度。例如,我国对重污染行业的股权融资和债务融资直接干预,环保不达标的企业外部融资受到严格限制,但是对于绿色环保企业给予信贷支持和优惠利率,鼓励企业发行绿色债券。
3.ESG反映企业还款意愿
ESG表现反映企业的还款意愿,为企业“道德”着色,体现企业“诚信”水平。若企业及其高管发生违法违规行为,一方面会遭到监管部门甚至法律的惩罚, 给企业的经营和偿债能力带来负面影响;另一方面说明企业本身的“道德品质”可能存在问题。一个注重环保、社会责任和员工权益的企业更可能具有“负责任、积极”的经营态度,它不仅能够避免各类负面事件对企业经营造成的不利影响,同时也反映了企业持续经营的意愿相对较强。 近年来,各类企业高管贪腐案件频繁爆出,发行人偿债意愿不强,甚至恶意逃废债的情形也屡有发生,这些均可归为企业的“道德品质”。企业的这种失信行为,会给利益相关者造成极大损失,仅看企业的财务情况很难有效规避风险。
(二)ESG增加企业债券信用风险的理论分析
1.ESG增加企业营业支出
新古典理论认为企业ESG表现与财务状况之间呈现负相关或无关关系[23]。因为在环境和社会责任这类具有较强外部性因素上的支出并不能为企业带来任何货币收益,相反还可能加剧管理层和投资者之间的代理冲突。 企业的ESG表现会使投资者认为管理层不称职或出于自身利益考虑,比如通过慈善捐赠、 社区公益等支出来增加个人声誉、巩固其管理者地位, 从而增加企业业绩的不稳定性,不利于企业良好的运行。
2.ESG挤占企业核心业务资源
企业利益相关者众多, 不仅涉及企业的股东、管理层、员工、客户,还包括企业的供应商、经销商、社区、政府等。企业在进行经营决策时,不仅要关注股东利益, 还要关注其他利益相关者的利益实现。为了满足不同利益相关者的诉求,发债企业使用和分配有限的资源时需要进行权衡, 而注重环境保护、积极承担社会责任会强化其资源约束,将本应用于企业业务发展的人财物资源投资于短期无法直接得到回报的ESG领域, 占用了可用于增强企业核心竞争力的资源,减少为企业直接创造收益的资金量,从而间接增加了债券信用风险。
综上所述,ESG表现对企业债券信用风险既有减弱效应也有加剧效应,因此本文提出竞争性假说:
H1:良好的ESG表现降低企业债券信用风险。
H2:良好的ESG表现增加企业债券信用风险。
四、 企业债券信用风险预警模型构建
(一)模型设定和变量定义
本文利用Logistic模型,构建如下融入ESG因素的企业债券信用风险预警模型:
E(defi)=P(def=1|x)
P为预测违约概率, 被解释变量def表示企业债券是否发生信用风险事件,信用风险事件包括债券违约或信用降级的情况,发生取值1,未发生取值0。
核心解释变量企业ESG评级来源于华证ESG数据库,该数据库涵盖2018年第三季度至2020年第三季度的A股上市公司季度ESG情况。 华证公司自上而下构建三级指标, 结合国内市场实际情况,融入了企业信息披露质量、违法违规情况、精准扶贫等更多贴合当前发展阶段的指标,开发出中国A股市场季度ESG评级数据。 华证ESG从优到劣分为AAA、AA、A、BBB、BB、B、CCC、CC、C共九档评级, 本文将ESG评级数据量化,以上九档评级分别赋值9-1, 得分越高, 表明企业ESG表现越好。 如果ESG降低企业债券信用风险事件发生的概率,则对应的?茁1值应显著为负。
控制变量方面,考虑到企业的经营情况、债券本身要素和宏观经济均会对企业债券信用风险产生一定的影响,本文参考晏艳阳等(2014)[10]、史永东等(2016)[7]、生柳荣等(2019)[35],从盈利能力(roa)、偿债能力(liq、ebit)、资本结构(lev)、营运能力(tat)、成长能力(oig)、现金流量(xjl)等方面选取7个财务指标来衡量企业的经营情况。通常,债券期限越长,票面利率越高,发债企业每期现金流承受的压力就越大, 越容易出现资金流断裂的风险,进而加剧债券信用风险。宏观经济放缓会削弱企业盈利能力,是影响企业履约的重要因素之一。其中,GDP增速是一国在一定时期内国内生产的全部最终产品与服务总值的增长情况,是衡量经济形势最直观最重要的指标之一。本文选取GDP增速作为宏观经济发展的代理变量。变量定义见表1。
(二)样本选取与数据来源
由于中国债券市场违约样本较少, 加之华证ESG涵盖对象和数据更新情况等原因,本文用于模型估计的样本包含两部分:违约样本选取中国债券市场2018年第四季度至2020年第四季度首次发生违约的债券, 统计共计23条; 为了扩充样本数目,本文借鉴中央财经大学绿色金融国际研究院报告(2018)[25],增加同期间内发生过债项信用评级下调的债券,统计共计69条。企业债券首次违约事件与债项降级事件92条共同构成了本文的债券信用事件样本库。
研究的主要思路是对92条发生违约降级的债券逐一识别出未发生违约降级的企业债券作为配对债券,将配对债券纳入对照组。在债券样本匹配中,主要参考行业、发行年份所在季度、债券期限、票面利率、信用评级等主要特征。违约组与对照组构成本文研究的样本, 根据发债企业滞后一期的ESG和控制变量数据, 构建Logistic模型进行回归分析,识别企业债券当期信用风险状况。
本文除GDP季度增速来自国家统计局官网渠道外, 其他数据均通过WIND资讯手工整理而成。本文核心解释变量企业ESG评级数据来源于WIND资讯中的华证ESG数据, 国内ESG常使用商道融绿和华证ESG数据, 本文研究也考虑过商道融绿ESG数据,但是其仅覆盖沪深300中的上市公司,可得发债企业信息更少,且数据更新频率不如华证。鉴于此,本文最终使用华证ESG评级数据。
(三)描述性统计与相关性分析
表2为主要变量的全样本描述性统计结果。其中,ESG均值为6.15(ESG评级介于BBB与A),大于中位数6(ESG评级为BBB),标准差为1.7,说明样本总体ESG表现较好, 企业之间ESG表现存在较大差异。财务指标中,资产收益率和营业收入增长率均值为负, 营业收入增长率的中位数也为负,意味着企业整体的盈利能力和成长能力较差;大部分财务指标的标准差都很大, 尤其是利息保障倍数、营业收入增长率和现金流量,表明不同企业之间经营状况和成长能力差异明显。 宏观因素中,GDP增速均值为3.7%, 低于中位数6%, 远小于6%~7%的经济增速警戒线, 说明统计区间内经济下行压力较大。在债券基本因素方面,债券期限大多为4~5年,票面利率集中在5%~6%。
表3显示了对比违约组和对照组变量描述性统计结果。 对照组ESG均值和中位数处于7(ESG评级A)附近,违约组ESG均值和中位数处于5(ESG评级BB)附近,对照组ESG的标准差也相对更小。可以看出,当ESG评级低于A时,需要防范企业债券违约风险, 但是关于ESG是否可以作为衡量企业债券信用风险的主要变量还需要下面更加严谨的分析。比较控制变量可以发现,对照组资本结构更加合理,盈利能力、偿债能力、营运能力等财务信息均明显优于违约组;两组债券的期限及票面利率方面基本类似。
表4报告了各变量之间的相关系数,各解释变量之间相关系数的绝对值多数在0.2以下,可以认为模型中的多重共线性问题不严重,因而适合做下一步的回归分析。值得注意的是,债券发生信用风险事件与企业ESG表现的相关系数显著为负,大致表明在不控制其他因素的前提下, 企业ESG表现越好,债券违约或评级下降的可能性越小,不过更准确的结论还有待深入的实证分析。
五、 企业债券信用风险预警模型测算
(一)模型回归结果分析
对比违约组、 对照组主要变量描述性统计结果,发现企业在ESG表现、盈利能力和偿债能力等方面存在显著差异。为进一步检验企业债券信用风险的影响因素, 本文构建Logistic模型进行实证分析,表5中(1)~(5)列显示不同變量加入预警模型中的回归效果,为了增强模型预警的准确性,本文尝试通过剔除不显著的控制变量最终得到最优控制变量子集进行回归分析。(1) 列在没有其他控制变量时,ESG系数在1%的水平显著为负,验证了企业ESG表现越好, 债券越不会发生信用风险事件的推断。(2)列将ESG和全部控制变量均加入模型中, 回归结果显示ESG在1%的水平显著为负,表明ESG会显著降低企业债券信用风险事件发生的可能性。控制变量中,资产收益率、总资产周转率的系数显著为负,资产负债率系数显著为正,表明企业优化盈利能力,提高营运效率,降低杠杆水平可显著降低债券信用风险。债券自身因素中,债券期限和票面利率的系数显著为正, 表明债券期限越长、票面利率越高,越会加大企业经营的不确定性和偿债压力, 增加债券信用风险事件发生的概率。(3)列显示了在没有核心解释变量ESG时, 传统的财务信息、宏观经济、债券自身因素对债券信用风险的影响,回归结果显示资产收益率、总资产周转率、债券期限和利率对债券违约或降级具有重要的影响,这与既有研究结论一致。从(2)列和(3)列中可以发现, 在实证中加入GDP增速的模型估计效果并不理想, 这可能由于中国企业债券市场违约历史较短,而且考虑到宏观经济因素可能已经通过企业经营体现在企业财务信息上,从而对模型系数估计产生影响[35]。(4)列将ESG与筛选出的最优控制变量子集带入模型中来提高预测的准确度。为了选出影响企业债券信用风险的最优控制变量子集,本文借鉴尹开国等(2014)[43]的处理方法,采用“单向后退逐步回归法”,将显著性水平设为10%,若某一个变量P值大于0.1,则将该变量剔除,最终得到最优控制变量集。回归结果全部显著且符合经济常识, 说明核心解释变量ESG在识别债券信用风险方面具有积极的作用。ESG对企业债券信用风险的作用机制具体表现在影响企业盈利能力、 融资约束、还款意愿三方面。首先,企业ESG表现具有的资源效应能够帮助企业获得积极的声誉资本、道德资本和政策支持, 为企业创造更大的成长空间;当企业满足其他利益相关者的诉求时,企业不仅赢得了他们的信任和认可, 也增强了自身的竞争优势。广阔的发展空间和明显的竞争优势,可以为企业带来良好的经济效益。其次,企业的ESG表现传递企业可持续发展能力的信号,在一定程度上降低了企业和外界的信息不对称程度,帮助利益相关者更全面地了解企业经营状况,增强对企业的信任,从而缓解融资约束,降低融资成本。最后,企业的ESG传递企业“负责任、积极”的经营态度,为企业的道德品质增色。根据行为一致理论,一个“道德品质”表现良好的企业持续经营的意愿相对较强,会避免各类负面事件对企业造成的不利影响;即使经营面临危机,企业通常不会恶意逃废债,相反还会想办法缓冲危机给投资者造成的损失。(5) 列显示了未加入核心解释变量ESG,只将最优控制变量加入模型时的结果,可以发现各变量的显著性水平与系数大小与(4)列基本一致,验证了本文筛选最优控制变量的可靠性。
(二)模型稳健性检验
为进一步验证研究结果的可靠性和模型的稳定性, 本文通过替换模型变量进行稳健性检验。其一, 对核心解释变量ESG评级采用新的赋分方式(符号esg2), 评级A-AAA赋分3,B-BBB赋分2,C-CCC赋分1。其二,部分控制变量替换成新的变量。盈利能力指标上,以净资产收益率roe替换资产收益率roa;偿债能力指标上,以速动比率(符号qui)替换流动比率;现金流指标上,以现金流量利息保障倍数(符号cfi)替代经营性现金净流量与营业收入之比。
表6为模型稳健性检验结果。(1)列显示了在没有其他控制变量时,采取新赋分方式的ESG系数仍然显著为负。(2)列将新赋分的ESG和全部控制变量加入模型中, 结果显示ESG系数显著为负,控制变量的回归结果与前面基准研究一致。(3)列替换部分控制变量,不改变ESG赋分方式,ESG的系数仍显著为负。(4)列为对基准回归表5中的(4)列进行稳健性检验, 通过替换ESG指标和盈利能力指标后,各变量的系数大小和显著性水平基本与基准回归一致。因此,模型通过稳健性检验验证了ESG表现具有降低企业债券信用风险的积极作用, 企业债券信用风险的Logistic模型具有可靠性。
(三)模型测算效果分析
为了验证Logistic模型的预测效果, 将样本内自变量数据回代入估计模型中,计算得到每只债券的违约概率,按照一定的阈值进行违约判定,并与债券实际违约情况进行对照。本文阈值的选择是一个在敏感性(违约债券被模型判定为违约的概率)与特异性(未违约债券被模型判定为未违约的概率)之间权衡的过程,样本敏感性与特异性曲线相交点对应的违约概率P为0.5, 此时达到敏感性与特异性的平衡,整体预测效果最好。因此,本文最终将阈值设置为0.5,当违约概率大于0.5时预测违约,反之则未违约。基于此,本文对全部控制变量和最优控制变量子集两组预警模型,考虑是否加入核心解释变量ESG来分组比较模型样本内预测效果,即根据上文表5第(2)~(5)列的建模思路分组进行预警效果的测算,结果如表7所示。
表7中,首先研究包含全部控制变量的预警模型测算效果,对应上表5第(2)~(3)列,当模型中未加入ESG因素时,违约组有71只债券被预判为容易违约,敏感性为77.17%;对照组有72只债券被预判为未违约,特异性为78.26%,模型整体预测准确率达到77.72%。当模型中加入ESG因素时,违约组有80只债券被预判为容易违约,敏感性为86.96%;对照组有82只债券被预判为未违约,特异性为89.13%,模型整体预测准确率达到88.04%。接下来,研究只包含最优控制变量集的预警模型测算效果,对应表5第(4)~(5)列,当模型中未加入ESG因素时,敏感性为76.09%,特异性为77.17%,模型整体预测准确率达到76.63%;当模型中加入ESG因素时,敏感性提升为83.70%,特异性提升为89.13%,模型整体预测准确率高达86.41%。对比发现,加入ESG因素的企业债券信用风险预警的Logistic模型,无论在敏感性、特异性还是整体预警效果上都更准确, 验证了ESG因素可以提升企业债券信用风險预警质量。此外,预警模型中考虑全部控制变量时,由于限制条件增多,也就使模型预测效果比只考虑最优控制变量子集时更好。
六、ESG预警指标构建
传统信用评级是投资者评估企业经营状况和信用风险的重要参考之一,但是近年来高评级债券频繁“暴雷”,使得信用评级在衡量和预警企业债券信用风险方面的作用受到质疑。 以2020年信用债市场首次发生债券违约的27家企业为例, 其违约前后主体信用评级变化如表8所示。债券发行时,企业的信用评级基本都处于AA, 部分企业评级甚至达到AAA; 违约前1个月, 企业评级大部分处于AA,有少量企业评级AAA,20%的企业信用评级调低至B~BBB;违约后1个月,企业信用评级明显下调,大部分企业评级处于C,仍然有少部分企业评级为AA。
可以看出,企业信用评级存在大量滞后和评级虚高的问题,往往在发生信用风险后才出现断崖式下调,不能及时预警债券信用风险。一方面,信用评级机构作为金融信息中介,其主要依据企业财务信息评估企业信用状况,通常企业盈利能力与信用评级成正比。由于信用评级通过向外界传递企业经营状况的信息来影响企业融资成本,这就会增加企业盈余管理的意愿,公司治理和内部控制质量低的企业往往更容易进行盈余管理[44],而中国债券信用评级对盈余管理的甄别能力较弱。另一方面,我国评级机构竞争激烈,而且信用评级采用发行人付费模式,给企业带来更多操纵的空间。在发行人付费模式下,企业更愿意寻找能给予高评级的信用评级机构, 使得评级结果容易向有利于企业的方向倾斜,评级机构的独立性受到影响,无法为投资者提供可以信任和预见的信息。 相较而言,ESG评级更客观、准确、及时地揭示债券信用风险,有利于投资者做出合理的投资决策。
基于以上分析, 本文尝试通过ESG综合评级、ESG分项评级分别构建企业债券信用风险的ESG预警指标,以期能够事先对债券的信用风险做出防范。
(一)ESG综合评级预警指标构建
本文实证回归结果表明企业ESG评级与债券信用风险具有显著的负相关关系, 在此基础上,尝试利用ESG评级构建企业债券信用风险的ESG预警指标,以期通过企业ESG所处风险等级,简便直观地评估企业未来发生信用风险的可能性。根据分组描述性统计结果(表3),对照组ESG评级多处于A以上, 违约组ESG评级多处于BB以下。 因此,ESG预警指标的构建采取如下方法: 评级A~AAA为低风险;评级BBB为关注;评级B~BB为警告;评级C~CCC为严重警告。低风险、关注、警告、严重警告代表企业债券信用风险程度越来越高。
表9以2018年第四季度至2020年第四季度首次发生债券违约的23家上市企业为研究对象, 统计违约前后ESG风险预警等级变化,结果如表9所示。违约前1季度,大部分企业都被提示警告、 严重警告的危险信号;违约前2、3、4季度,企业就有关注、警告、严重警告的信号出现, 说明ESG评级一定程度上可以实现前瞻性的预测效果。
(二)ESG分项评级预警指标构建
国内学者对ESG分项指标对企业信用风险的影响进行了广泛深入的实证分析,研究结果多表明企业环境表现[11]、社会责任及信息披露[14,37]、内部控制质量及高管权力配置等[45]与企业信用风险呈显著负相关关系。借鉴已有研究,本文尝试通过样本滞后一期的ESG分项数据对企业当期信用风险进行回归分析, 探究ESG分项指标对企业信用风险的影响并构建企业债券信用风险的ESG分项预警指标。 但是WIND资讯中关于华证ESG分项数据披露有限,现只搜集到2020年第二、三季度的ESG分项数据。由于信息缺失,本文将通过统计分析的方法, 对比违约组与对照组在两季度中的ESG分项数据开展研究。
对比2020年二、 三季度违约组与对照组在环境、社会、治理三个维度的表现,表10和表11显示了不同信用风险企业的ESG特点。从ESG看,违约组评级B~BBB的企业占比最大为60%左右, 评级为C~CCC的债券占比接近30%; 而对照组评级A及以上的占比接近70%,评级BBB的接近20%。显然,对照组企业整体ESG表现远优于违约组。具体来看,在企业环境(E)方面,违约组环境评级B、CCC的债券数量最多, 评级B及以下占比接近70%;对照组企业间环境表现差异较大,评级BBB的企业最多, 评级BBB及以上占比达50%, 处于B~BB的占比达30%, 还有少量企业环境评级为CC、CCC。可以发现,不少企业经营中环保落实情况都不太理想,但是对照组大部分企业在环保和绿色经营上的表现还是优于违约组。在社会责任(S)方面,违约组评级BBB、BB占比接近60%,评级A以上的企业占比接近40%; 对照组评级A及以上企业超过70%,评级BBB的占比20%。企业的社会责任评价普遍比较高,其中对照组企业的社会责任履行程度更好。在公司治理(G)方面,违约组公司治理评级BBB及以下占比达到80%, 其中评级C的企业最多占比接近40%; 对照组公司治理评级A及以上的企业占比80%, 其中AAA的企业占比就接近50%, 其他企业治理评级多处于B~BBB。显然,对照组的公司治理机制更健全,违约组普遍存在治理失效的问题。总体而言,对照組企业无论在环境表现、社会责任承担、公司治理水平方面均优于违约组,其中公司治理方面两组差异最大,其次是环保方面, 说明ESG分项指标同样对债券信用风险具有一定的指示作用。
越来越多的研究证实了企业经营中环境、社会、治理任一方面的缺失都会影响企业发展,增加企业债券的信用风险。从环境(E)的角度,环境信息反映企业在环境保护方面的表现,比如环保技术的研发、清洁生产循环经济,污染物排放等行为都会影响企业的环保绩效。政府也不断加大对企业环境行为的监管和惩罚力度,给重污染、产能过剩等行业企业的持续经营带来极大不确定性。 从社会(S)的角度,企业的社会责任信息反映企业对利益相关者的负责任水平。一旦企业社会责任缺失被媒体曝光,比如企业制造或销售假冒伪劣产品、偷漏税、 压榨员工等负面事件都将极大损害企业形象,降低社会对企业的估值,影响经营绩效。从公司治理(G)的角度,治理信息反映企业股权结构、董事会和经理层的任职情况、薪酬制度等,这些虽然短期内不影响企业财务状况,但却对企业长期经营的稳定性产生影响。如果企业高管频繁更换、实际控制人发生负面舆情,向外界传递公司治理效率低的信号,就会增加企业的信用风险。
基于以上分析, 参考违约组与对照组ESG分项指标统计数据,ESG分项预警指标的构建采用这样的方法:环境表现(E)、社会责任(S)、公司治理(G) 评级A~AAA赋分0,BBB赋分1; 评级BB-B赋分2;评级C~CCC赋分3。计算分数总和,0~1为低风险,2分为关注,3~4分为警告,5分及以上为严重警告。
目前仅搜集到2020年第二、 三季度的ESG分项数据,然而2020年第三、四季度首次发生债券违约的上市公司只有泰禾集团、巴安水务、延安必康制药三家企业,本文研究只能利用有限的违约样本检验企业ESG分项指标识别债券信用风险的能力。按照ESG分项预警指标设计方法,违约前一季度泰禾集团(ESG分项评级为BBB、AAA、A)得分1分,巴安水务(ESG分项评级为A、AAA、AAA)得分0分,两家企业都对应低风险等级,延安必康制药(ESG分项评级为BB、A、C)得分5分对应严重警告的预警等级。可见,目前ESG分项评级对泰禾集团、巴安水务的信用风险预测能力有限,而对延安必康制药的信用风险识别作用较强。延安必康是一家以“医药+化工”双主业经营的民营企业,尤其医药业务已形成全产业链业务体系,企业的主营业务会对环境造成一定程度的破坏,但是企业在相关公告中并没有披露其药渣及化工残渣处理、污染物排放等环保手段及量化数据,对环保方面的信息披露不完整。此外,在债券发生违约前延安必康制药因涉嫌财务造假、控股股东非经营性资金占用等问题被证监会处罚,暴露出公司内部控制制度上的严重漏洞。企业在环保和公司治理上存在的问题不利于企业的可持续发展,激化了企业债券违约事件的发生。
综上,传统的信用评级在识别和预警企业信用风险上存在一定的滞后性, 而企业的ESG表现则能够更及时地反映企业未来经营的潜在风险,ESG预警指标在预测企业债券信用风险上具有更加积极的作用。
七、结论和建议
本文基于2018年第四季度至2020年第四季度发生违约和信用评级下调的企业债券样本,利用Logistic回归构建了融入ESG因素的企业债券信用风险预警模型。 研究发现ESG表现更好的企业发生信用风险事件的可能性更小,同时企业通过提高盈利能力和营运效率,优化资本结构可以有效降低债券违约概率; 加入ESG因素的模型预测效果在敏感性、特异性和总体预测正确率上均优于未加入ESG因素的模型, 说明ESG可以有效识别企业债券信用风险,验证了预警模型的可靠性。进一步,本文尝试利用ESG评级构建直观的预警指标, 研究发现大部分企业债券在违约前被ESG预警指标提示关注、警告或严重警告,表明ESG预警指标在预测企业债券违约中具有积极作用; 对ESG分项指标的考察中发现违约企业在公司治理和环境表现方面存在尤为明显的缺陷。基于研究结论,本文从发债企业、投资者、监管部门三个角度对企业债券信用风险的防范和预警提出相应的建议。
第一,从发债企业角度。企业应转变以往认为保护环境、履行社会责任、改善公司治理费时费力的片面想法,特别是在当前生态文明建设和监管趋严背景下, 更要认识到ESG缺失行为将给企业造成的经济后果, 应主动把ESG理念融入企业发展战略中,在经营中尤其注重公司治理的提升,加大对绿色技术和绿色产品的研发投入。 在目前ESG信息自愿披露阶段, 企业可以通过成立ESG管理部门、引进相关专业人才、积极主动披露ESG信息等方式来建立企业和利益相关者之间的信任,获得外部融资优势。 今后随着我国ESG信息强制披露阶段的到来, 企业亦可以考虑在ESG信息质量和“第三方”鉴定等方面实现差异化,通过深入挖掘并有效发挥ESG的信息释放功能,将自己从“柠檬市场”中区分出来。
第二,从投资者角度。投资者应将企业环境表现、社会责任和公司治理等非财务指标纳入投资决策框架, 发挥ESG信用评估体系在投资决策方面的排雷作用。本文发现债券违约企业的环境表现和公司治理相比社会责任表现更差,因此投资者可以重点关注企业的环保绩效和公司治理水平。 同时,社保、保险机构、养老金年金等长期机构投资者在选择投资产品时可以兼顾企业ESG信息, 关注和跟踪绿色指数,严控对高污染和产能过剩行业的投资,充分发挥专业机构投资者的示范效应,引导中小投资者优化资产组合, 倒逼发债企业重视ESG表现。
第三,从监管部门角度。目前我国企业ESG信息披露主体以上市公司为主,在披露内容和口径上也没有形成统一标准, 使得很多企业披露的环境、社会责任和公司治理信息多以定性描述为主,缺乏具体量化指标,降低了ESG的信息含量。因此,监管部门要结合我国企业自身特点, 尽快统一ESG评价标准并逐步健全企业ESG信息披露制度,可以将ESG表现与企业发债资格与发债规模相挂钩,以此来引导企业重视ESG表现。监管部门还可以根据ESG信息披露质量对企业进行奖惩, 例如对伪造ESG信息的企业加大处罚力度, 通过行政处罚、 建立ESG表现负面清单等方式增加其违法违规成本。此外,还应努力推动环保部门和相关职能部门间ESG相关數据的共享和应用, 鼓励第三方机构积极参与ESG信息采集, 推动搭建符合中国国情和特色的ESG数据库, 定期维护和更新ESG数据库, 为ESG评价体系的建设提供及时有效的基础支撑。
参考文献:
[1]BLACK F,SCHOLES M.The Pricing of Options and Corporate Liabilities[J].Journal of Political Economy,1973,81(3):637-654.
[2]MERTON R C.On the Pricing of Corporate Debt:the Risk Structure of Interest Rates[J].Journal of Finance,1974,29(2):449-470.
[3]宁博,潘越,陈秋平,等.信用风险传染与企业盈余管理:基于信用债违约的视角[J].会计研究,2020(3):66-77.
[4]FLANNERY M J,NIKOLOVA S.Leverage Expectations and Bond Credit Spreads[J].Journal of Financial and Quantitative Analysis,2012,47(4):689-714.
[5]耿得科,张旭昆.公司声誉、财务信息与债务违约风险估计[J].经济与管理研究,2011(5):94-101.
[6]周宏,周畅,林晚发,等.公司治理与企业债券信用利差——基于中国公司债券2008-2016年的经验证据[J].会计研究,2018(5):59-66.
[7]史永东,田渊博.契约条款影响债券价格吗?—基于中国公司债市场的经验研究[J].金融研究,2016(8):143-158.
[8]张春强,鲍群,盛明泉.公司债券违约的信用风险传染效应研究—来自同行业公司发债定价的经验证据[J].经济管理,2019,41(1):174-190.
[9]LUDVIGSON S C,SERENA N.MacroFactors in Bond Risk Premia[J].Review of Financial,2009,22(12):5027-5067.
[10]晏艳阳,刘鹏飞.宏观因素、公司特性与信用利差[J].现代财经(天津财经大学学报),2014(10):70-79.
[11]常莹莹,曾泉.环境信息透明度与企业信用评级——基于债券评级市场的经验数据[J].金融研究,2019(5):132-151.
[12]邱牧远,殷红.生态文明建设下企业ESG表现与融资成本[J].数量经济技术经济研究,2019(3):108-123.
[13]黄溶冰,陈伟,王凯慧.外部融资需求、印象管理与企业漂绿[J].经济体制比较,2019(3):81-93.
[14]肖虹,肖明芳.企业社会责任的公司债券市场定价[J].现代管理科学,2014(2):30-32.
[15]齐岳,刘彤阳,亓先玲,等.绿色发展背景下上市公司企业社会责任评价——基于上证50和道琼斯工业指数的对比分析[J].金融理论探索,2019(3):3-13.
[16]周宏,建蕾,李国平.企业社会责任与债券信用利差关系及其影响机制——基于沪深上市公司的实证研究[J].会计研究,2016(5):18-25.
[17]隋晶,蒋翠侠,许启发.股权制衡与公司价值非线性异质关系研究[J].南开管理评论,2016(9):70-83.
[18]张红梅,周彬.公司存在最优所有权结构吗——来自面板门槛模型的经验证据[J].经济与管理,2018(1):75-81.
[19]JENSEN M C,MECKLING W H.Theory of the Firm:Managerial Behavior,Agency Costs and Ownership Structure[J].Journal of Financial Economics,1976,3(4):305-360.
[20]孙光国,孙瑞琦.董事经理兼任影响企业投资效率了吗?[J].财经问题研究,2016(7):40-46.
[21]WALTER N.Capital Structure Choice When Managers Are in Control:Entrenchment Versus Efficiency[J].Journal of Business,2003,47(1):49-82.
[22]HAO W.Managerial Entrenchment and Payout Policy[J].Journal and Financial and Quantitative Analysis,2004,68(4):759-789.
[23]FRIEDMAN M.The Social Responsibility of Business Is to Increase Its Profits[J].New York Times,1970(9):122-126.
[24]BROGI M,LAGASIO V.Environmental,Social,and Governance and Company Profitability:Are Financial Intermediaries Different?[J].Corporate Social Responsibility and Environmental Management,2019,26(3):576-587.
[25]中央财经大学绿色金融国际研究院.中国上市公司ESG表现与债券违约率相关性[EB/OL].(2018-12-25).http://iigf.cufe.edu.cn/info/1012/1095.htm.
[26]BEAVER W H.Financial Ratios as Predictors of Failure[J].Empirical Research in Accounting,Selected Studies,1966:71-111.
[27]ALTMAN E I.Financial Ratios,Discriminant Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Finance,1968,3(4):589-609.
[28]MARTIN D.Early Warning of Bank Failure:A Logit Regression Approach[J].Journal of Banking and Finance,1977,1(3):249-276.
[29]OHLSON J A.Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research,1980,18(1):109-131.
[30]庞建敏.企业信用风险度量和预警决策支持系统研究[J].金融研究,2006(3):111-117.
[31]沈沛龙,周浩.基于支持向量机理论的中小企业信用风险预测研究[J].国际金融研究,2010(8):77-85.
[32]邹薇.基于修正的KMV模型下制造业上市公司信用风险预测[J].求索,2014(6):60-64.
[33]蒋彧,高瑜.基于KMV模型的中国上市公司信用风险评估研究[J].中央财经大学学报,2015(9):38-45.
[34]杨世伟,李锦成.信用风险度量、债券违约预测与结构化模型扩展[J].證券市场导报,2015(10):41-48.
[35]生柳荣,陈海华,胡施聪,等.企业债券信用风险预警模型及其应用[J].投资研究,2019(6):25-35.
[36]许文彬,张佳韬.我国城投债信用风险测算——基于Logistic回归的评分卡模型[J].数理统计与管理,2020(4):705-720.
[37]徐莉萍,刘雅洁,张淑霞.企业社会责任及其缺失对债券融资成本的影响[J].华东经济管理,2020(1):101-112.
[38]FREEMAN R E.Strategic Management:A Stakeholder Theory[J].Journal of Management Studies,1984,39(1):1-21.
[39]JONES T M.Instrumental Stakeholder Theory:A Synthesis of Ethics and Economics[J].Academy of Management Review,1995,2(20):404-437.
[40]钱明,徐光华,沈弋.社会责任信息披露、会计稳健性与融资约束——基于产权异质性的视角[J].会计研究,2016(5):9-17.
[41]方红星,施继坤,张广宝.产权性质、信号显示行为及其效果——以发债公司自愿披露内部控制审计报告为例[J].财经问题研究,2015(1):80-87.
[42]王韧.绿色金融、技术创新与绿色政策——基于耦合模型与灰色关联模型的实证分析[J].金融理论探索,2019(6):60-70.
[43]尹开国,刘小芹,陈华东.基于内生性的企业社会责任与财务绩效关系研究——来自中国上市公司的经验数据[J].中国软科学,2014(6):98-108.
[44]金玉娜,柏晓峰.公司治理、内部控制对盈余管理影响的研究[J].金融理论探索,2016(6):24-32.
[45]俞静,徐小清.高管权力对债券融资成本的影响研究[J].南京审计大学学报,2019(5):84-93.
Research on Early Warning of Corporate Bond Credit Risk Based on ESG
Zhang Lin1, Pan Jiaying2
(1. School of Economics, Beijing Technology and Business University, Beijing 100048, China;
2. Beijing Branch, China Construction Bank, Beijing 100026, China)
Abstract: Selecting corporate bonds with defaults and credit rating downgrades from the fourth quarter of 2018 to the fourth quarter of 2020 as samples, the paper uses the Logistic model to explore the application of corporate ESG performance in bond credit risk warning. The study found that, firstly, the better the ESG performance of the enterprise, the lower the likelihood of its bond default or credit rating downgrade. Secondly, adding ESG factors to the early warning model can significantly improve the sensitivity, specificity and prediction accuracy of the model. Thirdly, early warning indicators constructed using ESG ratings is helpful to predict the credit risk of corporate bonds. Fourthly, further examination of the ESG sub-indicators reveals that defaulting enterprises have particularly obvious deficiencies in environmental performance and corporate governance. The research conclusion provides supporting evidence for bond issuers to improve their own ESG performance, investors to fully understand the “demining” role of ESG ratings, and regulators to take enterprise ESG performance as an important reference to audit bond issuance.
Key words: ESG performance; corporate bonds; credit risk; early warning
(責任编辑:李丹;校对:卢艳茹)