核心企业信用评级对供应链金融ABS发行定价影响的实证研究

刘任重，高 珊

（哈尔滨商业大学 金融学院，黑龙江 哈尔滨 150028）

一、引言

供应链金融资产证券化（Supply Chain Finance Asset-backed Securities，下文简称“供应链金融ABS”）是指在金融机构的参与下，以大企业信用为担保，提升供应链上信用等级较低的中小企业流动性的行为，是一种多方共赢的融资途径（Hoffman和Greenwald，2005）[1]。供应链金融ABS与我国目前发行的应收账款ABS的主要区别在于：供应链金融ABS是以核心企业作为原始债务人，并作为资产支持证券现金流的提供方，中小企业作为基础资产的原始债权人进行的资产证券化，而应收账款ABS的基础资产债务人是信用等级较低的中小企业。供应商与客户交易形成的应收账款受客户信用风险的影响进而影响其资产证券化的能力（Liu等，2018）[2]，我国供应链金融资产证券化的债务人通常是大企业，信用风险普遍较低。在核心企业作为原始债务人的情形下，将应收账款证券化能增加供应链上中小企业的流动资产，为核心企业提供低成本融资，资金可从投资人快速转向借款人，极大地提升资金使用效率（Hess和Smith，1988）[3]。因此，相比于普通应收账款ABS而言，供应链金融ABS有效地解决了由于信息不对称而影响作为债权人的中小企业的融资难问题。

由于目前学术界尚未对供应链金融资产支持证券有严格界定，本文拟用中国证券市场上以供应链金融命名的资产证券化产品作为研究对象，将供应链金融ABS概括为：以原本的供应链为背景，在金融机构的参与下，以供应链上的核心企业与中小供应商在长期稳定的交易中产生的应收账款为基础资产而发行的资产支持证券（见图1）。截至2021年6月，我国共发行1032单供应链金融ABS产品，发行总规模达6110.33亿元，占企业资产证券化产品发行总规模的10.64%，其中1013单为企业资产证券化类产品，其余为资产支持票据（ABN）。因企业资产证券化产品在交易所交易，ABN在银行间市场交易，而对于不同的发行场所而言，信用评级对资产支持证券发行定价的影响有显著差异（朱波和刘文震，2019）[4]，且我国供应链金融ABN产品单数过少，所以本文仅对属于企业资产支持证券的供应链金融产品发行定价影响机制进行研究（见图2）。

图1 供应链金融ABS交易结构

图2 供应链金融ABS分类

在债市违约事件发生之前，信用评级并不受投资者过多关注，但自2014年债市发生违约事件后，我国信用评级市场便快速发展。由于投资者并不一定是理性人和风险厌恶的，他们往往倾向于偏信自己易获得的信息（Kahneman和Tversky，1979）[5]，而信用评级机构可以通过整理数据获得普通投资者无法获得的关键信息，所以研究我国核心企业评级结果是否能有效地影响供应链金融ABS发行定价也至关重要。由于信用评级对信贷资产支持证券和企业资产支持证券的影响有明显差异（刘曦腾和杨大楷，2016）[6]，因此监管层更需重点关注ABS产品的信用评级问题。

虽然目前有文献研究过原始权益人、主承销商、会计师事务所等参与机构对资产证券化发行定价的影响（王雄元和高开娟，2017）[7]，但缺少研究核心企业对供应链金融ABS发行定价影响的相关文献。因此本文基于我国发行的供应链金融ABS产品获取研究数据，对我国供应链金融中核心企业信用评级对供应链金融资产证券化产品发行定价的影响进行实证研究。

二、文献综述

关于信用评级对证券发行定价的相关研究主要从三个方面展开。第一，评级机构差异对评级效果的影响。寇宗来等（2015）[8]在考虑内生性基础上，就我国信用评级对发债成本的影响进行研究，结果发现我国评级机构公信力不强，信用评级结果不能对发行定价产生显著影响。Mathis等（2009）[9]从评级机构收入角度分析，认为当评级机构大部分收入来源于评级结构化产品且评级机构的声誉足够好时，其评级出的结果虚高，导致评级无效。Jiang等（2012）[10]通过实证检验指出中国评级机构由于过分重视市场占有水平，忽略评估对象的真实违约风险，因此认为中国评级机构的评级结果无效。第二，多重评级对评级效果的影响。Hsueh和Kidwell（1988）[11]从信息生产假说与认证假说角度，认为当两个信用评级结果相同时，可有效降低借款成本达5.2个基点。Billingsley等（1985）[12]基于工业债券数据，研究多重评级与再发行债券利差的关系，结果表明再次发行利差与多重评级中低评级的利差更为接近。第三，从债项评级角度展开研究。Song（2013）[13]基于我国短期融资券讨论我国信用评级机构的评级效果，认为我国债项评级结果差异不大，但发债企业信用评级差异较大，因此认为投资者可以根据发债企业的信用评级做出投资决策。Skreta和Veldkamp（2009）[14]通过建立评级市场均衡模型发现当发债企业资产结构复杂时，尽管各评级机构均是根据公正的评估方法做出的估计，但评级结果差异较大时，发债企业会产生评级购买动机，导致评级结果无效。Livingston等（2018）[15]通过调查中国债券市场和信用评级行业发现中国债券评级相关信息丰富，并且债券评级与债券发行收益率显著负相关，认为我国信用评级机构的评级结果有效。

关于核心企业对债券发行定价的影响主要从相关主体信用风险角度展开研究。第一，考虑发债企业本身的信用风险。吴育辉等（2009）[16]以上市公司发行的短期融资券为样本，通过实证检验认为公司信用等级越高，上市公司财务杠杆越低、经营风险越低时，更容易发行短期融资券。付玮琼（2020）[17]研究核心企业主导的供应链金融模式，将核心企业分为四类，并认为当核心企业出现危机时，链条上的中小供应商会失去核心企业的高信用担保，导致整个供应链条上信用风险加大。第二，从发债企业交易客户的信用风险角度展开研究。宋华等（2021）[18]通过研究金融导向和供应链导向的两类供应链金融认为，当核心企业为客户提供商业信用超过一定阈值后，会降低供应链条上的运营效率。王雄元和高开娟（2017）[19]从客户集中度的收益效应和风险效应角度解释客户集中度对公司债二级市场利差的影响机制，研究发现客户商业信用风险较高时，客户集中度会转变成风险效应，加大公司信用风险。王雄元和高开娟（2017）[7]从承销商的调节效应分析大客户对公司债的影响发现，当承销商排名较低时，大客户信用评级较低时对公司债定价具有风险效应。Jarrow和Fan（2001）[20]从交易对手风险角度分析并举例说明客户偿债风险会显著影响公司债定价。张文强（2009）[21]通过套利定价理论建立应收账款资产支持证券定价模型分析发现，要想从微观角度有效定价资产证券化产品应考虑原始债务人所在行业和企业财务状况。第三，从原始权益人角度进行研究。张建平和徐雨朦（2021）[22]将2017—2019年房地产业和建筑工程业的资产证券化产品作为研究数据，通过实证研究发现两个行业均呈现出原始权益人信用评级与发行利差负向变动的现象，且行业不同此影响程度不同，并分析各项财务指标对资产证券化发行定价的影响。

从上述文献中发现，关于证券定价的研究主要集中在发债企业、相关信用评级、金融机构、发债企业的主要客户等因素对证券定价影响的实证研究上。但同时发现，现有文献关于资产证券化产品发行定价的影响因素的研究还存在很多不确定性。如有的研究对评级机构的信用评级对发行定价影响的有效性存在分歧，有的研究认为债项评级和主体评级影响效力存在差异。

三、研究假设

通过相关文献梳理发现，现有文献已经证实了原始权益人评级、承销商声誉、主体产权性质、债项评级均对一般资产证券化产品具有一定程度的影响；在影响过程中有因素起到中介作用；债项评级和主体评级影响效果不一致等。因此，本文针对供应链金融ABS发行定价做出下列假设。

第一，核心企业信用评级的影响。寇宗来等（2015）[8]在考虑内生性基础上，对我国信用评级对发债成本的影响进行研究，发现我国评级机构公信力不强，信用评级不能对发行定价产生显著影响。何平和金梦（2010）[23]基于我国企业债数据，研究我国早期信用评级市场的影响力，通过建立“真实利息成本”（TIC）回归模型，最终得出债项评级和发行主体评级均对信用利差影响显著，但相较而言，债项评级影响力更大。王雄元和张春强（2013）[24]基于中期票据发行数据进行分析，发现信用评级对中期票据融资成本具有显著负向效应，并利用Vuong检验得出相对主体评级，债项评级融资成本效应更强，且国有产权和公司上市会降低信用评级对融资成本的影响效果。因此为研究我国核心企业信用评级的有效性，提出如下假设H1。

H1：核心企业信用评级可有效降低供应链金融ABS的发行利差。

第二，核心企业财务状况的影响。逯宇铎和金艳玲（2016）[25]通过Lasso-logistic模型，基于汽车行业上市公司数据，认为企业的流动比率、企业所处的行业均对供应链金融的信用风险有显著的影响。羿建华和郭峰（2021）[26]通过回归模型分析，认为核心企业的速动比率对供应链上的违约率不具有显著影响，并利用LR模型发现，整个供应链的信用风险水平与核心企业销售利润率负相关，与核心企业的违约率正相关。Ziebart等（2010）[27]通过将公司财务信息如ROA、前两大评级机构的债项评级和首次发行收益率联立建立方程组，最终认为财务信息影响债券评级，且财务信息与债券评级共同影响债券收益率，财务信息还通过对评级的间接作用影响债券收益率。由于企业资产负债率对企业声誉和企业融资能力起着至关重要的作用，由此提出假设H2。

H2：核心企业的资产负债率通过影响核心企业信用评级进而影响供应链金融ABS发行利差。

第三，债券特征的中介效应。刘曦腾和杨大楷（2016）[6]将样本进行分组均值差异t检验，验证了利差各影响因素在ABS产品和CLO产品中的分布显著不同，并通过OLS实证模型对全样本进行测算，发现债券信用评级、分层规模在1%的水平上对ABS产品和CLO产品发行利率的影响有显著差异，发行规模对两者发行利率的影响系数在10%水平上有显著差异；到期期限则对两者发行利率的影响程度没有显著区别；认为企业资产证券化产品的影响因素具有多元化的特点。朱波和刘文震（2020）[28]利用两阶段最小二乘估计模型，从发行人和承销商股权关联关系角度探讨声誉机制对资产证券化产品的调节作用，认为次级占比与高声誉承销商对利差的降低效应高度相关。Brian和William（2002）[29]通过考察商业抵押贷款，最终认为导致商业抵押贷款支持证券的利差由急剧下降转至上升趋势的主要因素是证券的发行期限和发行规模。谭地军等（2008）[30]通过实证检验中国企业债券特征，发现债券特征能显著影响其定价，并认为债券自身特征与利率风险、信用风险和流动性风险显著相关。基于此本文提出假设H3。

H3：核心企业信用评级会通过影响次级占比进而影响发行定价。

第四，债项评级的中介效应。Gabbi和Sironi（2005）[31]分析欧债发行利差影响因素发现，债项评级是影响债券定价最重要的因素，这与Ammer和Clinton（2004）[32]的结论一致，并且预期投资者对评级机构的依赖程度将越来越高。朱波和刘文震（2019）[4]同样认为债项评级对资产证券化产品发行价差有显著影响，并且通过对比分析法分析企业ABS与信贷CLO数据，对债项信用评级对资产证券化发行定价的影响机理进行考察，结果发现不同发行市场中信用评级对资产证券化产品影响的显著性不同，并认为债券特征对资产证券化产品的发行定价具有显著影响，但原始权益人评级对信用利差的影响效果却不显著。王安兴等（2012）[33]通过横截面回归分析我国公司债利差的影响因素，发现债券信用评级越高，利差越小，并认为信用评级中包含部分公司债违约风险。基于此本文提出假设H4。

H4：在核心企业信用评级影响供应链金融ABS发行定价过程中，债项评级发挥着中介作用。

第五，核心企业产权性质的影响。方红星等（2013）[34]基于沪、深两市公司债发行数据，分析产权性质对公司债券发行定价的影响，发现国有企业能够通过直接效应和间接效应降低违约风险，从而使公司债券获得较低的信用利差；上市公司也能通过信息披露降低投资者面临的信息风险,从而使公司债券获得较低的信用利差，但这种影响在国有上市公司中却不显著。冷奥琳等（2016）[35]利用2007—2014年中国A股上市公司数据检验发现：提供担保公司在国有上市公司与非国有上市公司间有显著数量上的差异，并认为政府的隐性担保可以为国有上市公司带来资信福利。于谦龙等（2021）[36]基于沪、深两市上市公司的公司债发行数据进行关于产权性质的实证分析，研究发现在国有与非国有企业的特定环境中，国有企业的信用风险影响会较大部分被抑制，而非国有企业中较小部分受到抑制，显示出我国债券市场上所特有的“国企信仰”现象。由此本文提出假设H5。

H5：相比于非上市国有核心企业而言，上市国有核心企业信用评级对供应链金融ABS发行定价的降低效应更大。

四、研究设计

基于上述文献综述中对资产证券化发行定价影响因素的分析发现，大多数文献都将最小二乘法（OLS）与工具变量法（2SLS）相结合进行实证研究。现有文献用2SLS法研究信用评级对资产证券化发行定价影响的主要用评级市场的赫芬达尔—赫希曼指数（HHI）作为债项信用评级的工具变量。因此本文将以行业—年份为单元的供应链金融市场HHI和核心企业信用评级残差（e1）共同作为工具变量。

（一）样本分布与数据来源

本文将2016年至2021年上半年在证券交易所发行并处于存续期和已清算的供应链金融ABS作为研究对象①供应链金融ABS发行数据来源于中国资产证券化分析网（CNABS）。。数据来源如下：国债各标准期限利率来自中国债券信息网；核心企业历年信用评级来自各评级机构的评级报告；公司财务信息整理自公司年报和巨潮资讯网。样本选取过程：（1）本文对2016—2021年1013个供应链金融资产支持证券进行整理；（2）删除年报、信用评级信息不对外公布的样本；（3）将所有变量缺失的样本进行删除，共剩余503个有效样本。

（二）模型与变量设计

1.基准模型构建

本文参照Demirtas和Cornaggia（2013）[37]的做法，将参考文献涉及核心企业的相关影响因素（包括核心企业信用评级、核心企业产权性质、核心企业相关财务状况）加入模型中。Bonfim（2009）[38]认为债券相关特征会显著影响债券价格，因此本文将债券发行特征变量（包括发行规模、次级占比、发行期限）加入模型中。Fang（2005）[39]从承销商声誉对债券影响角度出发，控制内生性后，发现信誉高的承销商对发行利差的降低作用相当显著，因此本文设置主承销商（lnchengxiaoshang）作为控制变量。综上所述，本文模型中变量可分为主要变量和控制变量，将核心企业信用评级作为主要变量，债券特征、核心企业财务状况和参与金融机构作为控制变量，并将部分变量数据取对数，以减小回归误差。回归模型如下。

其中，选取发行利差（r_spreadhmt）为被解释变量，参考Kwan（1996）[40]的做法，以资产支持证券的到期期限为基准，利用插值法通过两个到期期限最接近的国债利率构造基准利率，构造基准利率与同期限资产支持证券的差额即为被解释变量（r_spread），公式如下：

其中，f(r)为构造的利率函数，l1、l2分别是国债最接近债券发行日期的两个期限，R1、R2分别是相应日期的国债利率；l为供应链金融ABS发行日期。

回到模型（1）中，m是对应的资产支持证券，t是资产支持证券的发行年份；yeardum、hx_industrydum、hx_province分别为债券发行年份，核心企业省份和核心企业行业虚拟变量用来控制模型中的年份、省份和行业因素；sec_level为债券信用评级；uhmt为模型的随机扰动项；listedhmt是核心企业是否上市的虚拟变量；soehmt是核心企业产权性质的虚拟变量；roehmt、debt_assethmt、cashhmt、rs_bilvhmt是描述核心企业财务状况的一组控制变量，分别代表净资产收益率、资产负债率、经营性净现金流和流动性比率；lnsize_amounthmt、lndurtimehmt分别是描述证券发行规模和发行期限的控制变量。

2.内生性问题与工具变量选取

针对上述模型（1）的OLS基准回归结果可能存在内生性问题，引入工具变量构造模型（2）。

模型（2）和模型（1）结合构成了两阶段最小二乘估计（2SLS）模型。与普通最小二乘估计（OLS）的最大的区别在于，核心企业的信用评级（lnhx_pingji）在2SLS模型中是内生的，而文中的两个工具变量（hhi1_lnhx_pingjihmt、e1hmt）符合外生变量的检验条件。本文对hhi1_lnhx_pingji工具变量的选取借鉴Becker和Milbourn（2011）[41]的方法，将行业—年份维度上测量供应链金融市场竞争程度的HHI作为工具变量，工具变量e1是利用核心企业信用评级回归的残差形成的。

3.稳健性检验

针对模型（1）得出的回归结果，本文通过改变核心企业信用评级的计量模式的方法，构建模型（3）。将评级为AAA的企业取为1，其余企业取0，再次进行回归分析。wj_hx_pingjiihmt代表核心企业信用评级改变计量方式后的虚拟变量。结合以上模型，各变量具体赋值情况见表1。

表1 变量定义与说明

（三）描述性统计

表2为所有变量的描述性统计。数据显示：供应链金融ABS发行利差最高为0.0550，最低为0.0280，说明供应链金融ABS发行定价存在明显差异；均值为0.0190，中位数为0.0150，说明数据分布比较合理。

表2 描述性统计

表3统计了核心企业信用评级（C）与债项评级（B），数据显示：AAA级核心企业占比高达88.07%，AAA级债券占比高达90.05%；在AAA，AA+，AA-中，核心企业评级数目与同债券评级数目极为接近；房地产行业占据供应链金融资产证券化市场的绝对地位；供应链金融资产支持证券评级整体较高，无低评级证券，说明该领域信用风险相对较小。

表3 核心企业与债券评级信息分布及变动情况（单位：单）

五、实证分析

（一）核心企业信用评级对供应链金融资产支持证券发行定价的影响分析

表4中列（1）和列（2）给出核心企业信用评级对供应链金融ABS发行定价的回归结果。列（1）和列（3）分别为核心企业信用评级在控制核心企业省份、年份、行业和不控制下进行单因素回归，结果显示：在1%的显著水平下，核心企业信用评级的回归系数分别为-0.033和-0.037。这初步说明我国供应链金融ABS发行定价中，核心企业信用评级对其发行定价有显著负向影响，同时说明我国评级机构在评价基础债务人时，对基础债务人的违约风险的识别结果较为可信，可真实地反映企业的真实信用风险情况，其评价结果对供应链金融ABS领域的投资者具有参考价值。

表4 核心企业信用评级对供应链金融ABS发行定价影响研究的回归结果

根据列（4）可知，核心企业信用评级与供应链金融ABS发行定价在1%水平下显著负相关，表明核心企业信用评级越高，债券发行利差越小，结论与假设H4一致；债项评级在5%的水平上显著为负；列（4）中，上市（listed）与产权性质（soe）均与债券利差在1%水平上显著负相关；在供应链金融ABS发行定价中，核心企业中上市国有企业比非上市国有企业更能有效降低中小企业的融资成本。

通过列（2）发现，资产负债率在1%水平下显著与发行利差正相关，表明核心企业的总负债相对总资产越多，则发行利差越大；值得注意的是，对于供应链金融产品而言，证券发行规模（lnsize_amount）与发行利差在1%水平上显著正相关，说明发行规模越大，融资成本越高。这与Sengupta（1998）[42]得出的结论相反，与Shi（2003）[43]得出的结果一致，针对这一现象shi认为是因为发行规模与债券利差负相关导致的，本文有与其不同的原因解释：通过OLS法分析核心企业资产负债率与核心企业信用评级、证券发行规模的关系发现，核心企业资产负债率均在1%的水平下显著与发行规模正相关、与核心企业信用评级负相关。因此本文认为发行规模与发行利差显著正相关主要是资产负债率对发行利差的扩大效应所致。综上，资产负债率越大，核心企业信用评级越小，发行规模越大，发行利差越大，假设H2成立（见图3过程②—③）。

（二）核心企业对供应链金融ABS发行定价影响的内生性检验

针对上述模型可能存在的内生性问题，本文使用两个工具变量同时对核心企业信用评级的影响重新进行估计，以行业—年份为单元的HHI来描述供应链金融市场的竞争程度，并用其作为核心企业信用评级的工具变量；用核心企业信用评级回归的残差（e1）作为第二个工具变量，回归结果和工具变量的检验结果如表5所示。

表5列（1）与列（3）分别给出对应的一阶段回归结果，两模型都表明，供应链金融市场竞争程度（HHI）与核心企业信用评级之间存在负相关关系。由于HHI越高，市场竞争程度越低，因此供应链金融市场竞争程度越激烈，核心企业信用评级越高，这与朱波和刘文震（2019）[4]结论一致。列（2）和列（4）均表明在考虑内生性的情况下，核心企业信用评级与发行利差仍然呈现显著负相关关系，这与朱波和刘文震（2019）[4]对企业ABS发行定价的内生性检验得出的结果一致。列（4）显示，核心企业信用评级与债项评级均在1%显著水平上与供应链金融ABS定价负相关，即核心企业的信用评级在供应链金融定价方面较好地发挥了价格发现功能。本文将2SLS回归结果与OLS回归结果进行对比发现核心企业信用评级系数均大于OLS的回归结果，这说明数据中存在的内生性问题可能令上述OLS回归系数产生了误差（寇宗来等，2015）[8]。

表5 核心企业信用评级对发行定价的工具变量估计结果

（三）核心企业信用评级影响的进一步分析

本文借鉴Baron和Kenny（1986）[44]的研究，用中介效应检验法下的Sobel检验分别对次级占比和债项评级进行中介效应检验，并分别求出对总影响效应的贡献度。具体中介效应检验步骤：第一步，对模型（1）剔除中介变量次级占比（ciji）、债项评级（lnsec_pingji）后进行回归；第二步，检验核心企业信用评级对供应链金融ABS发行定价的影响效应。

次级占比检验结果见表6模型（4），在控制其他条件不变的情况下，检验结果P值均小于0.05，说明文中假设H3中的中介效应成立，核心企业信用评级可以通过影响次级占比进而影响供应链金融ABS发行利差。

表6 核心企业信用评级对发行定价的中介效应检验

对证券评级（lnsec_pingji）中介效应做出检验，结果如表6模型（5）显示，P值均小于0.05，说明次级占比发挥中介作用的同时，债项信用评级也在核心企业信用评级对发行利差产生负向影响过程中发挥了中介效应作用，与假设H4一致。

如表7所示，通过费舍尔组合检验，分别针对产权性质和上市两要素进行分组回归，模型（6）、模型（7）显示出回归结果，核心企业产权性质与上市与否均在核心企业信用评级对供应链金融ABS发行定价影响过程中无明显差异，证明假设H5不成立。但债项评级在核心企业产权性质方面，对供应链金融ABS发行定价影响有显著差异。

表7 信用评级影响的分组回归差异分析

（四）稳健性检验

1.通过倾向得分匹配（PSM）

本文使用倾向得分匹配（PSM）的半径匹配法，最终得出结果为-2.36，结果通过稳健性检验的一般标准。

2.改变计量模式

本文借鉴朱波和刘文震（2019）[4]的做法，改变核心企业信用评级的衡量方式，将核心企业AAA评级设置为1，其余设置为0。如表8所示，核心企业信用评级虚拟变量（wj_hx_pingji）在1%水平上显著与发行利差负相关，即核心企业信用评级对发行利差有显著负向影响。

表8 稳健性检验结果

（五）多重共线性检验

另外，本文对模型（1）中的变量进行了多重共线性VIF检验，其中关键变量结果整理如表9所示，最大VIF值为2.31，平均VIF为1.46，说明本文的研究模型不存在严重共线性问题，因此本文上述得出的结论较为稳健。

表9 多重共线性检验结果

六、结论与建议

本文以崭新视角讨论我国核心企业信用评级对供应链金融产品发行定价的影响。基于我国供应链金融资产证券化产品数据，在考虑核心企业自身特征与债券特征后构建供应链金融资产证券化定价模型，并在控制行业、年份和省份维度的基础上，利用工具变量来分析核心企业信用评级对供应链金融产品发行定价作用机制的有效性。

本文结论如下：第一，核心企业信用评级对我国供应链金融ABS发行定价有显著负向影响，即供应链上核心企业信用评级越高，越有利于中小供应商低成本融资（见图3过程②）；第二，资产负债率影响核心企业信用评级进而影响发行定价（见图3过程⑤—⑥）；第三，核心企业信用评级通过影响次级占比进而影响发行定价（见图3），核心企业信用评级对债券定价的部分降低效应会通过影响资产支持证券的次级占比，进而影响其发行定价，因此，我国资产证券化产品在设计次级占比时，较好地规避了逆向选择行为，提升了信用评级在资产证券化市场上的价值；第四，核心企业信用评级通过影响债项评级进而影响发行定价（见图3）。综上所述，本文提出以下相关建议。

图3 核心企业信用评级对供应链金融ABS发行定价影响汇总

（一）对投资者的建议

本文认为核心企业信用评级对供应链金融ABS定价的影响效应对其本身是否上市与国有无明显差异，因此，当两家核心企业信用评级相同时，投资者不能仅仅因核心企业产权性质和上市两项因素差异对供应链金融ABS价格做出差异预期。本文认为我国评级机构对核心企业的信用评级较为有效，因此投资者可以将核心企业信用评级作为评估供应链金融ABS价格的重要因素之一。

（二）关于核心企业方面的建议

核心企业的信用评级结果不仅代表了大企业的信用风险，还影响了与其长期交易的中小供应商的融资成本，从而影响资金在实体企业运作中的效率。因此，本文建议我国信用评级机构应致力于不断完善对参与我国供应链金融ABS产品发行的核心企业的信用评级制度，将其能影响供应链金融定价的因素（如应付账款周转率等信息）考虑到信用评级模型中。另外，建议保理商和证券公司在受理供应链金融ABS的业务时，将优质的核心企业进行归纳并列入“白名单”，从而鼓励优质核心企业帮助中小供应商实现资金的快速流通。