范德勝 邵興宇 羅英丹

摘 要：通過建立修正KMV模型對30個省級區(qū)域和306個市級區(qū)域2020—2023年城投債違約概率進(jìn)行了測算。研究發(fā)現(xiàn)：（1）就整體而言，我國省一級出現(xiàn)城投債違約的概率相對較小， 但在地級市層面，我國部分城市在未來幾年可能持續(xù)面臨著較大的城投債償付壓力，城投債風(fēng)險化解刻不容緩;（2）就時間演化而言，我國城投債違約概率存在逐步上行趨勢，在假定情景下，未來三年我國有接近一半的地級市可能面臨著不同程度的城投債違約壓力，未來我國城投債風(fēng)險存在逐步擴(kuò)散的可能性;（3）區(qū)域特征上，測算結(jié)果表明，就我國城投債償付壓力來看，東部面臨較大償債壓力的城市分布相對更為集中，而西部面臨償債壓力的城市更多，數(shù)量更大，但分布相對更為分散。為避免城投債違約帶來的負(fù)面問題，城投債債務(wù)化解應(yīng)當(dāng)盡快依據(jù)各地區(qū)不同情況有針對性地予以解決。

關(guān)鍵詞：城投債;KMV模型;違約概率

基金項目：北京外國語大學(xué)“雙一流”建設(shè)科研項目“重大突發(fā)事件下我國對東盟國家跨境直接投資的金融風(fēng)險和對策研究”（SYL2020ZX010）;中央高?；究蒲袠I(yè)務(wù)項目“基于期望效用-熵模型的我國外匯儲備資產(chǎn)結(jié)構(gòu)優(yōu)化研究”（2021JJ020）。

[中圖分類號] F842.2 [文章編號] 1673-0186（2022）001-0081-015

[文獻(xiàn)標(biāo)識碼] A? ? ? [DOI編碼] 10.19631/j.cnki.css.2022.001.007

城投債是因我國地方政府難以自行發(fā)行政府債券大背景下的產(chǎn)物。而在2008年次貸危機(jī)發(fā)生后，政府顯著加大了逆周期調(diào)控的力度，地方融資缺口放大，地方政府通過融資平臺籌措資金的需求顯著加強，同時，相對寬松的貨幣政策和較為寬松的監(jiān)管環(huán)境也為地方融資平臺的膨脹創(chuàng)造了客觀條件，作為地方政府推進(jìn)城鎮(zhèn)化重要資金來源的城投債也就因此而迅速膨脹。

城投債帶來了資金的同時，也帶來了麻煩。2014年政府部門債務(wù)杠桿率達(dá)到了57.8%，地方政府債務(wù)規(guī)模的過度膨脹引發(fā)了國家警覺。2014年表決通過的《中華人民共和國預(yù)算法》明確要求“剝離融資平臺公司政府融資職能”，至此，在法律層面上新增城投債務(wù)已經(jīng)不能以財政資金償還債務(wù)。此后，2015年12月頒布的225號文、2016年10月的88號文、2017年的50號文也分別對地方政府債務(wù)處置作出規(guī)范。頻繁出臺的監(jiān)管政策，體現(xiàn)了監(jiān)管層防控地方債務(wù)風(fēng)險的決心和態(tài)度。

客觀上講，地方政府融資平臺公司所承擔(dān)的項目多數(shù)盈利能力不佳，這也直接導(dǎo)致不少城投公司自身“造血”能力堪憂，難以獨立運行。這種情況下，城投公司只能借助于地方政府國有資產(chǎn)注入或財政補貼等形式來為城投債償付提供一定保障。無論從業(yè)界實踐還是學(xué)術(shù)理論上看，城投公司與地方政府仍有著千絲萬縷的聯(lián)系。李揚等明確指出，城投企業(yè)的三張財務(wù)報表仍與地方政府密切聯(lián)系，從資產(chǎn)負(fù)債表看，資產(chǎn)項目中的應(yīng)收預(yù)付款項、存貨、固定資產(chǎn)和在建工程均與土地開發(fā)及基礎(chǔ)設(shè)施建設(shè)高度相關(guān)，尤其是與政府有關(guān)的應(yīng)收賬款和其他應(yīng)收款普遍規(guī)模較大;從利潤表看，主營業(yè)務(wù)收入大量涉及土地開發(fā)收入、代建基礎(chǔ)設(shè)施收入和公共事業(yè)收入，而且利潤總額對地方補貼的依賴較高，集中反映在“營業(yè)外收入——政府補助”科目當(dāng)中;從現(xiàn)金流量表來看，除了籌資活動、經(jīng)營性活動產(chǎn)生的現(xiàn)金流外，投資性活動產(chǎn)生的現(xiàn)金流也與地方政府密切相關(guān)[1]。從這一點看，城投債問題仍對地方財政形成一定壓力。

需要注意的是，城投債所帶來的壓力在不同地區(qū)間分布并不一致。如圖1所示，單就規(guī)模而言，僅從省一級層面來看，到2020年末我國城投債存量規(guī)模已經(jīng)達(dá)到10.6萬億，其中存量規(guī)模最大的江蘇省規(guī)模已經(jīng)超過2萬億元。與之相對應(yīng)地，經(jīng)濟(jì)規(guī)模略大于江蘇的廣東省債務(wù)存量規(guī)模則為3 993億元，二者之間存在巨大差距。因此，城投債償還帶給不同地區(qū)、不同省份、不同城市的壓力并不相同。

與此同時，新冠肺炎疫情暴發(fā)以來地方財政壓力進(jìn)一步加大，同時城投債發(fā)行進(jìn)一步膨脹。在疫情的驟然沖擊下，我國經(jīng)濟(jì)增長一度面臨較大考驗，稅基出現(xiàn)萎縮，疊加減稅降費政策以及疫情下的免稅政策，各地方財政收入出現(xiàn)困難;按照財政部公布的數(shù)據(jù)，與之相對應(yīng)，地方財政抗疫工作相關(guān)的支出卻顯著增加，財政部公布的數(shù)據(jù)表明：2020年全國一般公共預(yù)算收入182 895億元，同比下降3.9%，與此同時全國一般公共預(yù)算支出卻同比增長2.8%，達(dá)到245 588億元，財政收支矛盾進(jìn)一步顯現(xiàn)。從以上情況看，對我國城投債信用風(fēng)險進(jìn)行時間和空間上的刻畫把握是非常有必要的。

一、文獻(xiàn)綜述

在地方政府的信用風(fēng)險度量研究上，相關(guān)文獻(xiàn)大致可以劃分為兩類。

一類文獻(xiàn)主要是基于指標(biāo)的風(fēng)險度量方法。整體來看，這一類文獻(xiàn)大致基于財政收入、負(fù)債率、償債率等一系列指標(biāo)，采用多元回歸、因子分析、層次分析等不同實證方法，以圖對地方政府還債能力作出評估，其實證結(jié)果高度依賴于指標(biāo)選取。在國外市政債研究上，佩德羅薩（Pedrosa）、費舍爾（Fisher）通過實證研究得出結(jié)論認(rèn)為，債務(wù)期限結(jié)構(gòu)、流動性環(huán)境、經(jīng)濟(jì)增長、債券評級等一系列因素都會對市政債的信用風(fēng)險和發(fā)行定價產(chǎn)生顯著影響[2-3]。中國工商銀行投資銀行部課題組也從負(fù)債率[4]、債務(wù)率、利息支出率、擔(dān)保債務(wù)比重入手，對我國31個省、自治區(qū)、直轄市地方債務(wù)風(fēng)險進(jìn)行了定量刻畫，得出了我國地方政府債務(wù)風(fēng)險可控的結(jié)論。此后，繆小林和伏潤民[5]、丁繼平[6]或直接基于債務(wù)本身規(guī)模和期限結(jié)構(gòu)，或?qū)⒌胤匠峭镀脚_財務(wù)情況納入風(fēng)險刻畫指標(biāo)，都對我國地方債務(wù)風(fēng)險量化做出了努力。當(dāng)然，也有研究考慮構(gòu)造更加復(fù)雜的債務(wù)風(fēng)險刻畫指標(biāo)。例如，郭玉清等就設(shè)計出采用客觀熵值法量化省級債務(wù)風(fēng)險的分層指標(biāo)體系，測算2005—2012年省域財政償債能力[7]。

另一類文獻(xiàn)則基于數(shù)學(xué)模型的風(fēng)險度量方法展開研究。早在1974年，莫頓（Merton）就通過改進(jìn)期權(quán)定價模型分析了美國存款保險安全性[8]，自此開創(chuàng)了現(xiàn)代信用風(fēng)險度量模型。基于這一基礎(chǔ)，在微觀風(fēng)險判斷上，業(yè)界提出了一系列模型，例如摩根（Morgan）的信用度量模型（Credit Metrics Model）、KMV 公司的信用檢測模型（KMV模型）、麥肯錫的信用組合（Credit Portfolio View Model）模型以及瑞士信貸的信用風(fēng)險附加模型（Credit Risk+ Model）等。與此同時，也存在大量研究采用CCA模型的研究思路，試圖將這一理論引入到宏觀研究當(dāng)中。例如，格雷（Gray）等[9]以及格雷和喬布斯特（Gray & Jobst）[10]通過建立國民經(jīng)濟(jì)各部門基于市場數(shù)據(jù)的資產(chǎn)負(fù)債表，將CCA模型應(yīng)用于分析宏觀金融風(fēng)險在國民經(jīng)濟(jì)各部門間傳導(dǎo)擴(kuò)散機(jī)制。國內(nèi)茍文均等[11]、劉磊等[12]也沿著這一思路對我國宏觀債務(wù)風(fēng)險進(jìn)行了初步研究探討。

在諸多研究當(dāng)中，韓立巖等另辟蹊徑，將城投債問題與基于期權(quán)定價的上市公司估值模型相類比，其研究把財政收入作為被解釋變量，實現(xiàn)將KMV模型引入到地方債務(wù)問題的分析研究當(dāng)中[13]。自此之后，KMV模型開始大量應(yīng)用于地方債務(wù)問題的研究。曹萍建立了地方政府債券違約風(fēng)險分析KMV模型，并選取0.4%的風(fēng)險臨界值對各省、直轄市的城投債風(fēng)險進(jìn)行研究[14]。類承曜和王星祺則從微觀出發(fā)，在KMV模型的基礎(chǔ)上強調(diào)了普通非上市企業(yè)和城投平臺雙重屬性[15]。顧巧明和邱毅[16]、楊潔[17]、張思云等[18]、楊姚靜[19]等人也以不同的省市為例，紛紛嘗試了構(gòu)建KMV模型來度量地方政府債務(wù)風(fēng)險。而在地方政府債券發(fā)行逐步放開后，學(xué)者們將研究的焦點轉(zhuǎn)向了地方政府一般債和專項債的研究。張海星和靳偉鳳[20]、徐蕾和劉小川[21]、洪源和胡爭榮[22]、何德旭和王學(xué)凱[23]等均從不同角度切入，應(yīng)用修正KMV模型對地方政府一般債和專項債安全性進(jìn)行了研究，得出的結(jié)論普遍較為樂觀。

總體來看，在城投債監(jiān)管政策大幅調(diào)整后，囿于城投債定位的調(diào)整，對于近年來城投債風(fēng)險情況的刻畫較為缺乏，這與持續(xù)膨脹的城投債規(guī)模形成了鮮明對比。另外，縱觀國內(nèi)使用KMV模型研究地方政府債務(wù)問題的文獻(xiàn)多局限于省一級的分析，我們也將嘗試應(yīng)用可得數(shù)據(jù)從省市兩級對城投債違約風(fēng)險進(jìn)行研究，以求對城投債違約風(fēng)險的未來動態(tài)演化趨勢及區(qū)域分布特征有一個更為全面的認(rèn)識。

二、模型推導(dǎo)

KMV的建模方法脫胎自期權(quán)定價公式，其基本思想是，債務(wù)償還的風(fēng)險主要來自債務(wù)人持有的償債現(xiàn)金流的波動，一旦我們明確了償債現(xiàn)金流變動所遵循的規(guī)律和模型，也就可以據(jù)此刻畫債務(wù)人違約的可能性。如果我們轉(zhuǎn)換角度，將債務(wù)看作債務(wù)人售出的一個看跌期權(quán)，那么當(dāng)債務(wù)到期時，如果債務(wù)人的償債現(xiàn)金流可以完全覆蓋到期債務(wù)額，債務(wù)本身就是安全的，而一旦償債現(xiàn)金流小于債務(wù)額，企業(yè)就將無法完全償還相應(yīng)債務(wù)。

首先，我們將公司股權(quán)所有者所持有的股權(quán)價值St看成是一份執(zhí)行價格為D的公司資產(chǎn)的歐式看漲期權(quán)，則

韓立巖等通過改造KMV模型[13]，得出了對我國城投債風(fēng)險測度較為適用的模型，這也為我們測度目前城投債風(fēng)險提供了依據(jù)。

將KMV模型中的期權(quán)思想運用于城投債的信用風(fēng)險評估，我們可以這樣理解，在城投公司售出城投債這一“看跌期權(quán)”的同時，城投債的隱性擔(dān)保方也將地方政府的部分稅收權(quán)一并“轉(zhuǎn)移”給城投債的購買者，一旦城投債到期，作為擔(dān)保的“稅收權(quán)”超過城投債償付金額，城投平臺就可以通過償還債務(wù)“贖回”稅收權(quán)。

首先，我們假設(shè)地方財政收入服從幾何布朗運動：

如前所述，地方政府投融資平臺公司高度依賴于地方政府財政收入，所以根據(jù)KMV模型的原理，在城投債到期時（到期日為T），當(dāng)?shù)胤截斦杖胄∮趹?yīng)該償還的債券面值 ，地方政府就會違約，即地方政府違約的條件可以表示為：AT

對比原KMV模型和改造后的適用于城投債信用風(fēng)險度量的KMV模型，償債現(xiàn)金流主要源自地方政府財政收入，公司負(fù)債則等同于未償付的城投債。當(dāng)然，在實際中，地方政府財政收入作為償債來源的收入必須是扣除掉一部分必要支出后的剩余部分，不可能全部用于償還城投債。

三、數(shù)據(jù)處理及測算結(jié)果

本文首先對各省級行政單位償債能力進(jìn)行測度，并使用Matlab軟件計算各省級區(qū)域城投債違約概率。

（一）償債能力的樣本數(shù)據(jù)

自2014年《預(yù)算法》實施以來，特別是《國務(wù)院關(guān)于加強地方政府性債務(wù)管理的意見》《地方政府性債務(wù)風(fēng)險應(yīng)急處置預(yù)案》《地方政府性債務(wù)風(fēng)險分類處置指南》《關(guān)于進(jìn)一步規(guī)范地方政府舉債融資行為的通知》等系列文件陸續(xù)發(fā)布以來，地方政府與城投平臺之間的關(guān)系在法律政策層面已經(jīng)發(fā)生了明顯的轉(zhuǎn)折，在各地早已用各種方式推進(jìn)完成了隱性債務(wù)置換的背景下，嚴(yán)格來講城投債的還款來源來自城投公司的運營收益，地方政府理論上不再對城投債負(fù)有償付或擔(dān)保義務(wù)。

但是，眾所周知的客觀現(xiàn)實是，城投債本身具有的“準(zhǔn)市政債”屬性決定了其償付仍與地方財政狀況存在著種種聯(lián)系。正如，劉東民所指出的，“由于存在政府的隱性擔(dān)保，實際上城投債最堅實的償債機(jī)制是政府的財政收入——這在中國是眾所周知的”[24]。這也就決定了到目前為止，無論是城投債投資實踐還是學(xué)術(shù)研究，仍將地方財政狀況作為城投債安全性分析的決定因素。

在地方財政狀況的具體刻畫上，我們采用預(yù)算內(nèi)賬戶各省一般公共預(yù)算總收入作為計算起點，這一指標(biāo)包括了地方一般公共預(yù)算收入和中央對地方的稅收返還等轉(zhuǎn)移性收入。同時根據(jù)現(xiàn)有文獻(xiàn)情況，學(xué)術(shù)界普遍認(rèn)為地方政府財政收入必須扣除必要剛性支出以后才能作為償債的收入來源。一般來說，狹義剛性支出包括：一般公共服務(wù)支出、教育支出、社會保障和就業(yè)支出、醫(yī)療衛(wèi)生與計劃生育支出。我們按照各省一般公共預(yù)算總收入扣減狹義剛性支出作為地方政府對城投債的可償債財政收入。從CEIC數(shù)據(jù)庫得到30個省、自治區(qū)、直轄市2010—2019年財政收入和支出數(shù)據(jù)，并依據(jù)地方收入可償債界定標(biāo)準(zhǔn)和修正KMV模型中公式（14）和公式（15）計算得到各省份可償債財政收入的波動率和增長率。

（二）債務(wù)規(guī)模的推算

本文對2021—2023年城投債違約風(fēng)險進(jìn)行分析，首先需要對2021—2023年城投債還本付息規(guī)模做出預(yù)測。已知到期債務(wù)計算公式為：

式中∑MV是未到期債務(wù)余額，rt-1是未到期債務(wù)的票面利率，MVt是到期債務(wù)，Vt是到期債務(wù)的票面利率。

在債務(wù)余額和本金償還上，Wind數(shù)據(jù)庫已經(jīng)提供了到2020年末各省債務(wù)余額和未來到期結(jié)構(gòu)情況，而對于2021—2023年情況則需要我們估算新發(fā)行規(guī)模和新發(fā)債務(wù)的期限結(jié)構(gòu)。對于2021—2023年新發(fā)行債務(wù)規(guī)模，我們以2016—2020年各省每年新發(fā)行城投債規(guī)模的五年復(fù)合增速作為2021—2023年城投債新發(fā)行債務(wù)的增速水平。同時，對于新發(fā)債務(wù)的到期期限結(jié)構(gòu)，我們假定2021—2023年各省新發(fā)行的城投債期限結(jié)構(gòu)均與本省2020年新發(fā)行的城投債結(jié)構(gòu)比例完全相同。這樣，在明確了2021—2023年每年新發(fā)行債務(wù)規(guī)模估計水平和新發(fā)債務(wù)的到期期限結(jié)構(gòu)下，我們可以推算2021—2023年每年到期債務(wù)規(guī)模和債務(wù)余額水平。

對于利息支出，我們首先需要明確各省平均票面利率水平。依據(jù)Wind數(shù)據(jù)庫提供的2020年末全部城投債詳細(xì)信息，可以得到全部城投債的發(fā)行規(guī)模和票面利率。在這一基礎(chǔ)上，我們以債項發(fā)行規(guī)模乘以票面利率作為單只城投債付息規(guī)模，匯總后就可以得到各省當(dāng)年利息支出，再除以2020年初各省城投債余額得到2020年各省城投債平均票面利率水平，并假定在2021—2023年各省城投債平均票面利率不變，各省均按照債務(wù)余額乘以平均票面利率水平支付利息。在這一過程中，為了簡化計算，假定付息日均為年末，不再進(jìn)一步考慮具體發(fā)行日期問題。

需要注意的是，考慮到城投債與地方財政之間償付關(guān)系在法律政策層面并不明確，這種情況下，償付的第一責(zé)任主體并非地方政府，而應(yīng)該是以城投平臺為主的企業(yè)主體，城投債債務(wù)壓力對地方政府而言多以隱性形式存在，假定城投債全部由地方財政予以償還可能有失公允?？紤]到目前尚缺乏對于城投公司運營能力較為全面翔實的微觀數(shù)據(jù)，我們出于謹(jǐn)慎考慮，假定城投債還本付息規(guī)模當(dāng)中由地方財政負(fù)擔(dān)的比例分別為30%、70%、100%，以三種不同情況分別作出測算。

根據(jù)修正KMV模型中的公式（16）、（17）和可償債財政收入、財政收入增長率及波動率、到期債務(wù)還本付息額測算規(guī)模等，我們計算得到了2020—2023年30個省份的違約概率情況。

如果參考何德旭和王學(xué)凱的劃分標(biāo)準(zhǔn)[23]，以違約概率超過10%為高風(fēng)險地區(qū)，以違約概率介于0.5%和10%之間為中風(fēng)險地區(qū)，以違約概率低于0.5%為低風(fēng)險地區(qū)，那么，即使城投債償付壓力全部由地方政府承擔(dān)，絕大多數(shù)省份仍將處于中等風(fēng)險水平，僅有福建?。?023年12.45%）和江蘇省（2022年13.76%，2023年19.57%）違約概率高于10%，城投債處于較高風(fēng)險狀態(tài)。也就是說，從整體上看，我國省級城投債違約風(fēng)險并不嚴(yán)重。

從區(qū)域結(jié)構(gòu)來看，通常學(xué)者們認(rèn)為我國中西部地區(qū)債務(wù)風(fēng)險相對較高，而東部經(jīng)濟(jì)相對發(fā)達(dá)地區(qū)的債務(wù)違約風(fēng)險則較小。但明顯與傳統(tǒng)直覺不同的是，無論在哪種情景下，江蘇、福建、天津等東部省份均出現(xiàn)一定的違約風(fēng)險。事實上，從目前Wind數(shù)據(jù)庫公布的城投債債務(wù)存量水平看，僅以江蘇為例，截至2020年末，江蘇省城投債存量規(guī)模已經(jīng)達(dá)到了2.09萬億，在各主要省份當(dāng)中遙遙領(lǐng)先。龐大的存量債務(wù)規(guī)模是導(dǎo)致東部省份債務(wù)風(fēng)險較高的最主要原因。與之相對比，盡管中西部省份財政情況相對東部較為薄弱，但存量債務(wù)規(guī)模也相對更小，這直接造成反映在違約概率上的區(qū)域差異。

從時間演變來看，我國城投債違約概率存在逐步上行趨勢。仍以地方政府100%負(fù)擔(dān)城投債償付假定情形來看，在2021年，全部30個省份當(dāng)中僅有5個省份位于中等或高等違約風(fēng)險水平，到2022年則為12個，至2023年，這一數(shù)字進(jìn)一步上升到17個。這也就是說，在保持我國城投債發(fā)行速度和結(jié)構(gòu)的情況下，我國城投債償付壓力隨著時間推移逐步加大，違約風(fēng)險出現(xiàn)一定的擴(kuò)散趨勢。

四、進(jìn)一步討論：地級市城投債償付壓力測算

以上測算中，違約概率的計算過程都以省級行政單位作為基礎(chǔ)，市級城投公司發(fā)行的城投債風(fēng)險實際被平均化，這可能造成部分地區(qū)違約風(fēng)險被低估。實證結(jié)果表明，省級出現(xiàn)城投債違約的概率相對較小，但各個省級行政單位樣本包括的不同區(qū)域內(nèi)城投債違約風(fēng)險有低有高，那么我們就有必要進(jìn)一步考察省級以下各地級市對城投債的償付能力。

考慮到數(shù)據(jù)來源問題，我們對于原始數(shù)據(jù)處理方法做了調(diào)整，可償債收入方面，由于缺乏地級市一級財政支出的詳細(xì)情況，難以計算各城市剛性支出水平，這里我們參考既有研究的處理方法（如張海星和靳偉鳳）[20]，簡單由CEIC數(shù)據(jù)庫取各城市2010—2019年一般公共預(yù)算收入的50%作為各市的可擔(dān)保收入水平。在還本付息規(guī)模上，Wind數(shù)據(jù)庫提供了各城市截至2020年末存量城投債的到期情況，由于各地級市城投債發(fā)行并不連續(xù)，我們不再考慮新發(fā)債務(wù)問題，僅考慮截至2020年末各地級市存量城投債的還本壓力，同時出于簡化計算的考慮直接假定城投債100%由地方財政負(fù)擔(dān)。這樣，得到了306個地級市可償債收入和城投債存量及到期情況的數(shù)據(jù)，代入修正后KMV模型即可得到各地級市在2020—2023年城投債違約概率。

如果我們?nèi)匀话凑者`約概率超過10%為高風(fēng)險地區(qū)，以違約概率介于0.5%和10%之間為中風(fēng)險地區(qū)，以違約概率低于0.5%為低風(fēng)險地區(qū)，那么整體來看，我國2021年各地級市中處于中高違約風(fēng)險的城市為98個，占全部樣本的32.0%，而到2023年，這一比例已經(jīng)上升為147個，占全部樣本48.0%，也就是說，在假定情景下，未來三年我國有接近一半的地級市可能面臨著不同程度的城投債違約壓力。同時，從區(qū)域分布上，在地級市層面，位于西部地區(qū)的高違約風(fēng)險城市大致一直占一半，位于中部和東部的城市大約各占四分之一。一旦我們將這一分布情況與省級的城投債違約概率測算結(jié)果相結(jié)合，那么不難發(fā)現(xiàn)，二者分布存在較明顯的不同。這樣的測算結(jié)果表明，就我國城投債償付壓力來看，東部面臨較大償債壓力的城市分布相對更為集中，從而對省一級財政產(chǎn)生了一定壓力，而西部面臨償債壓力的城市更多，數(shù)量更大，但分布相對更為分散。事實上，從2020年到2023年，在高違約風(fēng)險城市中，江蘇分別占有6、8、8、11個，是分布最為集中的省份，其中鎮(zhèn)江、連云港等城市長期面臨較高城投債違約壓力。

另外，我們也列出了2020—2023年306個城市中城投債違約概率最高的十個城市，從中不難看到，違約概率最高的前十個城市總體相對較為穩(wěn)定，如鎮(zhèn)江、連云港、南寧等城市在2020—2023年持續(xù)面臨著較大的城投債償付壓力，且違約概率始終處于80%以上水平，這也就表明，盡管我國省級違約概率水平尚屬可控范圍，但就市一級情況而言，部分城市城投債風(fēng)險已經(jīng)極為明顯，在持續(xù)的監(jiān)管高壓之下，我國城投債風(fēng)險化解任務(wù)仍然任重而道遠(yuǎn)。

需要特別說明的是，在我們的模型中，可擔(dān)保地方政府財力的比例，是在極端情況下政府需要拿出這一比例的資金用于償還債務(wù)，并不意味著在正常情況下政府真正需要拿出這么大比例的財力來償還債務(wù)，也因此，我們所測算的債務(wù)違約概率僅是對于極端情況的一種模擬，并不代表地方城投債違約的必然性。

五、結(jié)論及政策建議

本文通過建立修正KMV模型對30個省級區(qū)域和306個市級區(qū)域2020—2023年城投債違約概率進(jìn)行了測算。研究發(fā)現(xiàn)：一是就整體而言，我國省級出現(xiàn)城投債違約的概率相對較小，在全部城投債均有財政予以擔(dān)保的情況下，極個別省份處于高違約風(fēng)險狀態(tài)，風(fēng)險水平整體可控，但就市級而言，我國部分城市在未來幾年可能面臨著持續(xù)的城投債償付壓力，城投債風(fēng)險化解刻不容緩;二是就時間演化而言，我國城投債違約概率存在逐步上行趨勢，仍以地方政府100%負(fù)擔(dān)城投債償付這一假定情形來看，在2021年，全部30個省份當(dāng)中僅有5個省份位于中等或高等違約風(fēng)險水平，到2022年則為12個，至2023年，這一數(shù)字進(jìn)一步上升到17個省份，同時在全部306個城市當(dāng)中，2021年各地級市中處于中高違約風(fēng)險的城市為98個，占全部樣本的32.0%，而到2023年，這一比例已經(jīng)上升為147個，占全部樣本48.0%。也就是說，在假定情景下，未來三年我國有接近一半的地級市可能面臨著不同程度的城投債違約壓力，如果城投債膨脹規(guī)模保持不變，則未來我國城投債風(fēng)險存在逐步擴(kuò)散的可能性;三是區(qū)域特征上，不同地區(qū)城投債償付壓力呈現(xiàn)出不同的分布特征，與通常認(rèn)識不同，我國省級區(qū)域中城投債違約風(fēng)險相對較高的省份多數(shù)集中于東部地區(qū)，我國東部地區(qū)在省級層面存在著一定的違約風(fēng)險，而在在地級市層面，位于西部地區(qū)的高違約風(fēng)險城市大致一直占一半，位于中部和東部的城市大約各占四分之一。這樣的測算結(jié)果表明，就我國城投債償付壓力來看，東部面臨較大償債壓力的城市分布相對更為集中，從而對省級財政產(chǎn)生了一定壓力，而西部城市面臨償債壓力的城市更多，數(shù)量更大，但分布相對更為分散。

根據(jù)以上分析，本文提出以下幾點建議。

第一，分區(qū)域采取多樣化的債務(wù)風(fēng)險化解手段。本文測算的違約概率發(fā)現(xiàn)城投債違約風(fēng)險在不同區(qū)域間存在顯著不同，那么，城投債債務(wù)化解問題就應(yīng)當(dāng)依據(jù)各地區(qū)不同情況有針對性地予以解決。目前來看，近年來我國去杠桿過程中，已經(jīng)就地方債務(wù)化解問題形成了鎮(zhèn)江模式、湖南模式等，其側(cè)重點各有不同。

第二，提高金融機(jī)構(gòu)風(fēng)險定價水平，構(gòu)建風(fēng)險共擔(dān)機(jī)制，將資源配置與風(fēng)險配置匹配起來，同時激發(fā)金融機(jī)構(gòu)建立強化風(fēng)險定價能力的積極性。風(fēng)險功能的缺失是導(dǎo)致目前金融體系效率低下的癥結(jié)所在，那么強化金融體系風(fēng)險定價能力就成為改革的一大重點。在金融供給端風(fēng)險定價能力有所欠缺的背景下，需要加快引導(dǎo)市場建立合理的風(fēng)險定價能力，按照金融資源與金融風(fēng)險相匹配的原則，讓風(fēng)險在資源配置的市場化過程中得到分擔(dān)，形成有效的風(fēng)險共擔(dān)機(jī)制，以化解金融“灰犀牛”并提高全社會應(yīng)對風(fēng)險的能力，而不要把“風(fēng)險定價”做成“風(fēng)險回避”。

第三，繼續(xù)適度合并現(xiàn)有地方政府投融資平臺公司，建立分類管理相關(guān)制度，控制城市投資債券風(fēng)險水平。需要承認(rèn)的是，城投平臺作為我國地方政府建設(shè)的一個重要角色，對于地方政府資金運作是存在正面意義的，但過多的城投平臺只會在債務(wù)飆升之后留下“一地雞毛”。為此，我們建議，省級政府保留1～2家投融資平臺公司以滿足政府投融資的需要足矣。同時在城投平臺合并的基礎(chǔ)上，原投融資平臺的債務(wù)有必要妥善處理，以避免逃廢債可能帶來的負(fù)面沖擊。

第四，加快地方政府資產(chǎn)負(fù)債表的編制。地方政府資產(chǎn)負(fù)債表的編制工作有助于我們真正摸清地方政府“家底”。事實上，從2013年地方債務(wù)審計結(jié)果看，國家和地方層面審計結(jié)果存在一定差異，直接暴露了我國債務(wù)統(tǒng)計方面的問題。統(tǒng)計數(shù)據(jù)的混亂也直接導(dǎo)致我們難以對城投債償付壓力進(jìn)行較為清晰的判斷，對債務(wù)風(fēng)險的事前管控也就缺少了堅實的判斷依據(jù)。

參考文獻(xiàn)

[1]? 李揚，張曉晶，常欣，等.中國國家資產(chǎn)負(fù)債表 2018[M].北京：中國社會科學(xué)出版社，2018.

[2]? Pedrosa， M.Systematic Risk in Corporate Bond Credit Spreads[J].Journal of Fixed Income，1998， 8（3）： 7-26.

[3]? FISHER R C. The state of state and local government finance[J].Regional Economic Development， 2010.

[4]? 中國工商銀行投資銀行部課題組.地方政府債務(wù)風(fēng)險的衡量、分布與防范[J].金融論壇，2011（1）：14-24.

[5]? 繆小林，伏潤民.我國地方政府性債務(wù)風(fēng)險生成與測度研究——基于西部某省的經(jīng)驗數(shù)據(jù)[J].財貿(mào)經(jīng)濟(jì)，2012（1）：17-24.

[6]? 丁繼平.城投債風(fēng)險度量及優(yōu)質(zhì)平臺遴選分析[J].債券，2017（1）：47-51.

[7]? 郭玉清，袁靜，李永寧.中國各省區(qū)財政償債能力的比較與演進(jìn)：2005—2012[J].財貿(mào)研究，2015（1）：80-90.

[8]? MERTON R. C. On the pricing of corporate debt： The risk structure of interest rates[J]. The Journal of finance， 1974， 29（2）： 449-470.

[9]? GRAY? D F， BODIE Z， et al. Contingent claims approach to measuring and managing sovereign credit risk [J]. Social Science Electronic Publishing， 2007， 5（4）： 5-28.

[10]? GRAY? D F，? JOBST A A.? New directions in financial sector and sovereign risk management[J]. Social Science Electronic Publishing， 2010（1）： 23-28.

[11]? 茍文均，袁鷹，漆鑫.債務(wù)杠桿與系統(tǒng)性風(fēng)險傳染機(jī)制——基于CCA模型的分析[J].金融研究，2016（3）：74-91.

[12]? 劉磊，劉健，郭曉旭.金融風(fēng)險與風(fēng)險傳染——基于CCA方法的宏觀金融網(wǎng)絡(luò)分析[J].金融監(jiān)管研究，2019（9）：35-50.

[13]? 韓立巖，鄭承利，羅雯，等.中國市政債券信用風(fēng)險與發(fā)債規(guī)模研究[J].金融研究，2003（2）：85-90.

[14]? 曹萍.基于KMV模型的地方政府債券違約風(fēng)險分析[J].證券市場導(dǎo)報，2015（8）：39-44.

[15]? 類承曜，王星祺.類平臺公司債信用風(fēng)險度量及控制的實證研究——基于改進(jìn)版Logistic-KMV混合模型[J].投資研究，2017（1）：146-159.

[16]? 顧巧明，邱毅.我國地方政府債券信用風(fēng)險測度研究[J].財經(jīng)論叢，2014（7）：25-30.

[17]? 楊潔，王冰曉.基于KMV模型的江蘇省城投債信用風(fēng)險測度研究[J].商業(yè)經(jīng)濟(jì)研究，2015（12）：99-100.

[18]? 張思云，于嘉祺，張永力.江蘇省城投債信用風(fēng)險研究——基于KMV模型[J].企業(yè)經(jīng)濟(jì)，2015（12）：180-184.

[19]? 楊姚靜.基于KMV模型的城投債信用風(fēng)險研究——以廣東省為例[J].金融經(jīng)濟(jì)，2016（18）：126-127.

[20]? 張海星，靳偉鳳.地方政府債券信用風(fēng)險測度與安全發(fā)債規(guī)模研究——基于KMV模型的十省市樣本分析[J].宏觀經(jīng)濟(jì)研究，2016（5）：48-60.

[21]? 徐蕾，劉小川.地方政府債務(wù)違約風(fēng)險測度[J].上海經(jīng)濟(jì)研究，2018（1）：84-93.

[22]? 洪源，胡爭榮.償債能力與地方政府債務(wù)違約風(fēng)險——基于KMV修正模型的實證研究[J].財貿(mào)經(jīng)濟(jì)，2018（5）：21-37.

[23]? 何德旭，王學(xué)凱.地方政府債務(wù)違約風(fēng)險降低了嗎？——基于31個省區(qū)市的研究[J].財政研究，2020（2）：9-26.

[24]? 劉東民.中國城投債：特征、風(fēng)險與監(jiān)管[J].國際經(jīng)濟(jì)評論，2013（3）：112-122+7

（責(zé)任編輯：丁忠兵）