信用评级对债券融资成本的影响

刘 航， 刘胜题

(上海理工大学 管理学院， 上海 200093)

近年来，国内债券市场发展迅速，债券成为除贷款之外实体企业获得资金的第二大渠道。中国人民银行、中国证监会的数据显示，截至2020年2月国内债券市场托管余额达到100.4万亿元，市场规模位居世界第二。国内仍在加快债券市场改革创新，提升债券市场融资功能。制约债券市场发展的重要因素是信息不对称问题，企业为了压缩融资成本瞒报真实信息。当无法获取企业经营风险的真实信息时，投资者难以做出投资决策，进而导致“融资难”、逆向选择等问题。如何避免债券市场成为“柠檬”市场，为公众和投资者提供一个风险指标呢？在信息生产假说下，投资者不愿面对不确定性，而不确定性可以通过增加额外的评级来降低。为了规范国内企业债券的发展，1987年在中国人民银行和国家发改委的牵头下组建了第一家信用评级机构，之后信用评级行业迎来了探索期和成长期，并在2005年之后进入了快速发展阶段。评级机构作为金融市场的守门人[1]将企业的履约能力或者债券的风险程度进行划分，从而为投资者提供了一个相对更加可靠的参考指标。

信用评级主要分为企业主体信用评级和债券信用评级，主体信用评级是评级机构对公司如期足额偿还债务本息的能力和意愿的总体评价,根据国内的相关法律规定，获取信用评级是企业发债的必要条件；债券信用评级是对具有独立法人资格企业所发行某一特定债券，按期还本付息的可靠程度进行评估，并标示其信用程度的等级，而且地方政府或非国家银行金融机构发行的某些有价证券也必须进行评级。由于信用评级侧重评价公司违约风险，可降低管理层隐藏坏消息的能力，因此投资者可以通过信用评级了解公司真实信用状况和履约能力，也有利于规范债券市场。

1 文献综述

关于信用评级对债券市场的影响的研究主要集中在两大领域：一是信用评级是否夸大了企业本身的履约能力，即信用评级机构缺乏监督导致信用膨胀问题；二是信用评级是否能够对债券市场产生影响，也就是信用评级是否会影响企业发债融资成本。

许多学者通过研究发现不仅国外存在信用评级膨胀的问题，国内一样有此类问题。宋敏等[2]通过分析美国次贷危机后次贷产品沦为“烫手山芋”、国内“11超日债”等案例，认为信用评级膨胀与具有信息含量的评级并存。信用评级的付费模式是造成这一矛盾的重要原因，一方面需要迎合付费评级的客户；另一方面又不能报告完全错误的信息，使金融市场参与者不再把信用评级作为参考指标。黄小琳等[3]发现债券违约事件发生之后，评级机构收缩信用评级标准，反而采用“放款标准、提高评级”的策略。这也说明了评级机构并没有如实地报告企业信息，信用评级膨胀、失真的问题的确存在。屈广玉、梁柱[4]在分析大公、联合、鹏元和中诚信4家评级机构后发现评级机构之间存在异质性，并且推测其原因可能是评级购买导致部分评级膨胀虚高。周嘉[5]论述了资本市场或公共部门对评级机构的认证功能过度依赖，从而对金融市场产生了许多负面影响。信用评级的准确性，透明性和公正性都因缺乏监管而存在问题。聂飞舟[6]对于评级机构的改革之路进行了论述，在分析发行人付费模式下固有的利益冲突会导致评级的真实性存疑之后给出了恢复订购人付费模式、政府设立评级机构以及评级机构责任制3个方案。张时坤[7]认为信用评级机构的主营收入来源于发行人而非评级的使用者，这就可能导致评级机构为获取高额收入而上调信用评级。同时他还对经济周期对评级机构的影响进行了实证检验，结果表明在“顺周期”使评级机构更乐于推高信用评级。评级机构不仅存在评级虚高的情况，有的学者对评级机构现行的风险计量模型也提出了质疑。张双双等[8]认为评级机构在信用风险计量模型上以打分卡模型为主，模型单一且模型的准确性缺少统计检验，而实际评级中也很少参考模型的计算结果。Shi等[9]认为一般信用等级模型可能具有较高的信用等级以及较高的违约损失，并且提出一种非线性规划方法，建立满足信用风险等级匹配标准的信用评价模型。Hu等[10]认为国内的信用评级机构的评级历史较短，因此评级方法和模型的差异并不明显，评级趋同，评级机构整体压力大。

虽然很多学者对信用评级机构和信用评级机构都持质疑态度，但是还有很多学者利用实际数据分析得出信用评级机构给出的信用评级对于债券市场确实有着不可忽视的作用。马丽娟[11]认为信用评级与债券融资相伴而生，在投资者参与资本市场活动、增强企业信用意识和活力以及维护资本市场稳定方面起着重要的作用。随着国内债券市场的迅速发展，信用评级债券融资市场上的作用越来越大，许多研究也表明信用评级是众多影响融资成本的因素之一。何平、金梦[12]在选取2007年1月至2009年3月期间发行的企业债或公司债数据基础上建立真实利息成本(TIC)模型，论述了发行成本对债项评级与主体评级的敏感程度，通过定量分析得出本土信用评级对于国内债券市场具有显著的影响力。杨国超、盘宇章[13]通过建立有序logit模型研究信用评级对信用利差的影响，并且分析了债券融资成本的内在机制，发现信任建设对于化解债券市场风险、提高金融体系稳定性尤其重要。朱波、刘文震[14]从不同市场和分层结构两个角度来验证信用评级对资产证券化债券发行定价有显著影响。李亚平、黄泽民[15]在实证分析了2010年1月至2016年9月发行的中期票据后得出信用评级能够减少市场上的信息不对称，从而显著影响发行人的融资成本，并且研究了中期票据增信同样会降低融资成本，当发行人和担保人或隐性担保人的信用水平差别越大，降低融资成本的效果越明显。赵立军、张瑾[16]通过对信用评级对于股利政策影响的研究，证实了信用评级机构能够对发债企业进行有效监督。为了加强监管效率，建立监管机构监管评级机构，评级机构监督发债企业的监管模式。Mile等[17]在分析国内外评级机构的评分差异后，以国内发行债券的信用利差为样本证实了国内评级和全球评级都具有重要的信息含量，尽管国内外各机构的评级规模不同，但进入中国国内债券市场的投资者可能希望在其投资决策中同时考虑国内和全球评级。Stenfan等[18]讨论了多重信用评级对投资者与债券发行方的影响，通过对美国住宅抵押贷款支持证券的评级变化的分析得出在这种多重评级下能够降低信息的不对称性，提升整个行业的透明度，不仅能够使投资者获得更多的信息，发行人也能够从多样化的评级中受益。

2 研究设计

2.1 样本选取

此次研究选取东方财富Choice数据上2014—2018年在上海证券交易所发行的公司债券作为研究样本，并研究信用评级是否会影响到企业债券融资成本。为了避免同一企业在一年内发行过票面利率不相同的多个债券，数据选取时剔除了多余的债券数据，同一企业一年只保留一个债券信息，同时剔除缺失数据、未评级，以及异常值等因素之后得到705个公司债券样本，并在此基础之上进行实证分析。由于国内债券都是平价发行，因此以面值作为债券价格并没有实际意义。为了使得到的结果更加精确，此次研究选择将债券的票面利率和信用利差作为债券成本，并将两者的实证分析进行对比，并将同时期发行的同期限国债利率作为无风险收益率。

2.2 研究假设

此次研究主要研究对象是信用评级与企业发债成本之间的关系，由于投资者都希望获得较高的风险收益，而债券评级是重要的风险指标之一，所以猜想债券评级与债券成本有负相关关系。同时，主体评级作为发债主体偿债履约能力的重要体现，同样猜想其对债券融资成本具有负相关关系。基于上述分析进行以下假设。

假设1：公司债券信用评级越高，债券成本越低。

假设2：公司债券发行主体信用评级越高，债券融资成本越低。

2.3 模型构建与变量说明

为了验证假设1，建立模型1：

COSTi=β0+β1BR+β2MAT+β3SIZE+

β4ROE+β5ROA+β6LR+β7LEV+β8IC+β9LC+

β10STATE+ε，i=1，2

(1)

为了验证假设2，建立模型2：

COSTi=β0+β1ECR+β2MAT+β3SIZE+

β4ROE+β5ROA+β6LR+β7LEV+β8IC+β9LC+

β10STATE+ε，i=1，2

(2)

相关变量的定义见表1。

表1 变量定义

3 实证分析

3.1 描述性统计与分析

描述性统计是运用表格、图形等方式来对样本数的基本特征进行描述。描述性统计结果见表2。

表2 描述性统计

由于债券评级、主体评级、是否上市、是否为国企这些因素无法衡量，在此本文对其分布情况做出频率描述，见表3。

表3 频率分布

由上述表格可以看出公司债券的发行主体以国有企业为主，且大部分都是未上市企业。从信用评级的分布来看，无论是债券评级还是主体评级，AAA评级还是占据多数的，一方面能说明发行主体的信用普遍较好，但是另一方面也反映出国内信用评级可能存在虚高膨胀的情况。

3.2 相关性分析

为了进一步探讨信用评级和各个解释变量与债券成本之间的关系，先对各项数据进行相关性分析，相关系数见表4。

表4 相关系数

从表4中可以看出，无论是用票面利率还是利差作为债券融资成本，债券评级与主体评级都与成本呈现负相关，即评级较高的企业发行较高信用评级的公司债券较相对较低等级的企业或债券有更低的票面利率和利差，这初步印证了假设1和假设2，至于影响程度的大小，后文还会继续实证分析。对于为什么资产负债率LEV、流动比率LR、总资产报酬率ROA的符号与预期不符还需要进一步研究，在此暂不予以分析。从表4中可以看出，除了ROE、ROA之间的相关系数比较高，其他的相关系数最高值为0.46，初步判断这些变量之间不存在共线性问题。为了验证所有变量之间是否存在共线性问题，对各个变量的VIF值进行计算分析，得出所有变量的VIF值最大为3.947，远低于共线性的标准阈值5，因此认为不存在严重的共线性问题。

3.3 回归分析

前文讨论了各因素对于债券融资成本的影响，为了进一步了解信用评级对于公司债券的价格影响程度，首先对模型1进行回归分析(表5)，研究债券评级对于债券价格的影响程度。

对表5进行分析可以得出，债券AA+与COST1和COST2的回归系数为负，表明与债券AA相比，债券AA+和债券AAA的票面利率或利差都较低，其中债券AA+比债券AA的票面要低约17个基点，利差要低约16个基点；而债券AAA比债券AA的票面利率要低大约23个基点，利差要低约25个基点。由此可见，债券的信用评级越高，公司债券融资成本就会越小，这也印证了假设1。同时也能看出公司债券的成本与企业的性质有很大的关系，表中显示，国有企业相较于非国有企业，其债券融资成本要低大约38个基点，因为国有企业发行的公司债券往往会有隐性担保，这种隐性担保会降低债券融资成本。上市企业的债券成本比非上市企业的债券成本要低9个基点。

表5 回归系数结果

为了验证模型2，同样采取多元回归的方法进行分析，回归系数见表6。

表6 回归系数

从表6可以看出，主体AA+和主体AAA的票面利率COST1分别比主体AA的要低约21、30个基点，主体AA+和利差COST2的回归系数与票面利率COST1的大致相当，但是主体AAA的回归系数为-0.325，说明主体AAA的利差COST2比主体AA要低约33个基点。同样，企业性质STATE和上市与否对公司债券的成本具有很大的影响。结果显示，上市企业的票面利率和利差都要比非上市企业的低到约9个基点；企业性质的影响更大，国有企业的票面利率和利差要比非国有企业的低了大约35个基点。

3.4 稳健性检验

为了验证此次研究的实证研究结果的稳健性，借鉴徐继华、韩斯玥的观点，将债券成本重新定义为票面利率与无风险收益率的比值，并对模型重新进行回归，结果见表7。

表7 稳健性检验

续表7

根据回归结果，在变更了债券成本的计量方式以后，所得出的结论与上文的基本一致，债券评级和主体评级高的企业具有更低的债券融资成本，回归结果支持前文所提出的假设。

4 结论和启示

选取2014—2018年的公司债券数据进行实证，证实了在债券市场上信用评级是具有信息含量的，这种信息含量能够减少债券市场上的信息不对称，具有较高的信用评级会降低企业的发债成本。除此之外还证实了企业的性质与企业的发债成本具有重要影响，国有企业较非国有企业而言具有更低的发债成本，因为国有企业往往能够获得更高的信用评级。样本统计显示，以前文给的评级赋值为基准，非国有企业的债券评级和主体评级的平均值约为0.64和0.54，而国有企业的债券评级和主体评级的平均值达到了1.42和1.32。也就是说，对于所选取的样本而言，国有企业的平均评级比非国有企业要高近一个级别。

信用评级在资本市场上具有很大的信息含量，既能够降低优质企业的融资成本，还有利于帮助投资者“排雷”。正如Holmstrom所认为的，债券市场本身就具有规避价格发现、信息不敏感且成交稳定的特征，债券市场的流动性更多基于过度抵押以及对抵押品价值的信任，一旦这种信任被打破，原本信息不敏感的债券就会突然变得信息敏感，这将引发资产价格暴跌和流动性危机，刚性兑付被打破后的中国债券市场有可能面临这一威胁。因此市场监管者应当加强对信用评级机构的监督，通过监管这些评级机构来强化发债企业的信用意识，达到规范债券市场的目的。当然，在研究中还有许多不足，例如：仅仅是5年的公司债券可能并不具有代表性，没有分析信用评级对企业债券、中期票据、资产证券化产品等其他证券产品的影响。