黃曉薇, 安小雪

(對外經(jīng)濟貿易大學 中國金融學院, 北京 100105)

一、問題的提出

信用評級作為債券市場的基礎性制度安排,會影響債券市場參與者決策與債券定價[1]。然而,近年來債券違約事件頻發(fā),加深了社會各界對債券評級準確性的質疑[2]。當前,評級機構經(jīng)營模式主要有“發(fā)行人付費”與“投資者付費”兩種,并以發(fā)行人付費為主流經(jīng)營模式。在發(fā)行人付費模式下,評級機構的評級費用由發(fā)行人直接支付,容易導致評級機構以虛高評級向發(fā)行人爭取評級業(yè)務現(xiàn)象[3-4]。為提高我國債券市場評級質量,2021年8月6日,中國人民銀行、國家發(fā)展改革委、財政部、銀保監(jiān)會和證監(jiān)會五部委聯(lián)合發(fā)布重磅級文件——《關于促進債券市場信用評級行業(yè)健康發(fā)展的通知》,提出鼓勵發(fā)行人選擇兩家及以上信用評級機構開展評級業(yè)務,繼續(xù)引導擴大投資者付費評級適用范圍,鼓勵信用評級機構開展主動評級、投資者付費評級并披露評級結果?？梢?我國監(jiān)管部門正在引導信用評級行業(yè)發(fā)展雙評級、多評級,并期望通過不同模式評級發(fā)揮交叉校驗作用來提高我國債券市場評級質量。那么,不同模式評級之間能夠有效發(fā)揮交叉校驗作用嗎,發(fā)揮作用的內在機制是什么?

回答上述問題,首先需要厘清投資者付費與發(fā)行人付費兩種評級模式的差異。本文通過整理債券市場評級數(shù)據(jù)①發(fā)現(xiàn),中債資信評級分布分散,而發(fā)行人付費評級則集中于高等級序列。發(fā)行人付費評級在AA及以上等級的,占全部評級的93.86%,其中AAA等級占比為50.02%,A及以下等級占比不到2%。相比之下,中債資信給出的AA及以上等級的,占全部評級的50.44%,其中AAA等級占比為21.47%,A及以下等級占比為19.02%。上述現(xiàn)象可能由評級機構經(jīng)營模式的不同導致。從經(jīng)營模式上看,發(fā)行人付費評級機構可以直接接觸發(fā)行人,能夠獲得更多發(fā)行人內部信息[5],但也因為與發(fā)行人具有直接利益關聯(lián),傾向于將發(fā)行人內部偏正面的信息反映在評級結果當中。這種“選擇性偏誤”容易導致評級虛高[6]。而投資者付費評級機構與發(fā)行人不存在業(yè)務委托關系,獨立性強[7-8],但這也會使投資者付費評級機構難以獲取發(fā)行人內部信息,只能依據(jù)公開信息進行評級,因此未必能夠為市場帶來增量信息[9]。當前,我國債券市場投資者主要為機構投資者,它們具備一定的信息搜尋與分析能力,因此評級機構能否在公開信息之外反映發(fā)行人真實的內部信息,是衡量評級機構信息質量的重要因素。

除信息來源不同之外,風險評估模型與評價重點不同也會使不同付費模式評級結果存在差異。陳關亭等[10]認為,額外信息的增加有利于緩解信息不對稱,幫助投資者獲得發(fā)債企業(yè)更多的真實信息。因此,綜合不同付費模式評級所包含的多種信息,可能比任何一種單一信用評級的信息更有價值。當市場存在兩個或更多信用評級時,投資者可能會根據(jù)這些評級所反映的相同或不同信息來綜合判斷發(fā)行人的風險水平。寇宗來等[5]提出,機構投資者會將兩種付費模式的評級按照某種方式加權得到一個綜合評級,并根據(jù)綜合評級對發(fā)行人設立“最低投資門檻”。當中債資信給出較低評級時,企業(yè)為了成功發(fā)債會向發(fā)行人付費評級機構尋求更高評級,以便對沖掉來自中債資信的負面沖擊。此外,也有學者提出不同觀點。他們認為,當投資者付費評級機構給出低評級時,發(fā)行人付費評級機構會迫于聲譽壓力調低評級[4,11]。綜上,對于投資者付費評級能否抑制發(fā)行人付費評級虛高,以及投資者付費評級如何影響發(fā)行人付費評級,學術界尚未達成共識。

本文從債券市場參與者視角出發(fā),將債券投資者、投資者付費評級機構和發(fā)行人付費評級機構三方共同作為研究對象,采用理論模型與實證檢驗方法研究不同付費模式評級之間的校驗機制。本文的邊際貢獻有三個。第一,與當前文獻主要采用實證方法,以投資者付費評級機構和發(fā)行人付費評級機構為研究對象分析債券評級質量問題不同,本文通過構建博弈模型,從債券投資者角度解釋了投資者付費評級機構抑制發(fā)行人付費評級機構評級虛高的內在機制,對相關研究進行了理論補充。第二,現(xiàn)有研究主要考察單一信用評級對債券信用利差的影響。本文將評級差值作為調節(jié)變量,通過檢驗評級差值對單一信用評級與債券信用利差的影響,證實了投資者會根據(jù)不同付費模式評級差值判斷發(fā)債企業(yè)風險水平,拓寬了不同付費模式評級影響機制的研究范疇。第三,通過識別兩種付費模式評級所含有的信息價值,為投資者不以單一信用評級進行債券定價的研究結論提供了實證支撐,進一步為監(jiān)管部門鼓勵雙評級、多評級以及不同模式評級共同發(fā)展的監(jiān)管政策提供了經(jīng)驗證據(jù),并提高信用評級質量和提高債券市場定價效率提供了理論依據(jù)。

二、理論分析

(一)博弈時序

在本文的博弈模型中,債券評級市場由債券發(fā)行人、債券投資者、評級機構組成;評級機構分為兩類,即發(fā)行人付費評級機構與投資者付費評級機構。首先,發(fā)行人付費評級機構對債券發(fā)行人進行評級,可能給出公正評級,也可能給出虛高評級。投資者付費評級機構會對已獲得發(fā)行人付費評級機構評級的債券進行再評級,且可能給出比發(fā)行人付費評級機構低的評級(虛高情況下)。其次,在投資者付費評級機構給出低評級這一外部沖擊下,發(fā)行人付費評級機構進行策略調整,即調低或維持原有評級。最后,考慮投資者對債券風險具有一定的專業(yè)分析能力,對發(fā)行人付費評級機構給出的評級,投資者選擇相信或不相信。如圖1所示,博弈時序分為三個階段:第一階段,發(fā)行人付費評級機構進行決策;第二階段,在投資者付費評級機構給出低評級后,發(fā)行人付費評級機構再次進行決策②;第三階段,投資者進行決策。

圖1 博弈時序

(二)模型假設

本文主要考察投資者付費評級機構的低評級行為是否會抑制發(fā)行人付費評級機構虛高評級,以及存在抑制作用時的內在機制,因此重點研究博弈時序的第二與第三階段。在第二階段,發(fā)行人付費評級機構的策略選擇為調低或者不調低評級。假設調低評級的概率為α,則不調低評級的概率為1-α,0≤α≤1。在第三階段,債券投資者的策略選擇為相信或者不相信發(fā)行人付費評級機構,假設相信發(fā)行人付費評級機構的概率為β,則不相信的概率為1-β,0≤β≤1。發(fā)行人付費評級機構與債券投資者之間的博弈收益如表1所示。

表1 發(fā)行人付費評級機構與債券投資者的博弈矩陣

表1中,關于發(fā)行人付費評級機構的設定如下。如果發(fā)行人付費評級機構調低評級,則需要對債券發(fā)行人進行調查,調查成本為C。如果發(fā)行人付費評級機構不調低評級,則無須對債券發(fā)行人進行調查,此時調查成本為0。評級機構給出準確評級能夠獲得投資者信任并積累良好聲譽,而發(fā)行人出于降低融資成本考慮也會委托具有良好聲譽的機構進行評級[12]。Baghai &Becker[13]將這部分因聲譽提高而增加的市場份額稱為“聲譽租金”。因此,當發(fā)行人付費評級機構調低評級且獲得投資者信任時,發(fā)行人付費評級機構將獲得聲譽租金Rlow③。而評級機構給出虛高評級將會破壞自身聲譽,聲譽受損會使評級機構喪失部分原有的市場份額,這部分市場份額即“聲譽損失”。本文假設,如果投資者不相信發(fā)行人付費評級機構,并且發(fā)行人付費評級機構不調低評級,那么發(fā)行人付費評級機構將受到聲譽損失Rhigh④。本文將聲譽租金與聲譽損失統(tǒng)稱為聲譽因素。

表1中,關于債券投資者的設定如下。當投資者付費評級機構給出更低評級時,將釋放出發(fā)行人付費評級機構可能存在評級虛高的信號。此時,若不相信發(fā)行人付費評級機構,投資者將自行分析債券風險,分析成本為B。對于高風險債券,投資者將要求更高的投資回報。因此,投資者進行內部分析時,對高風險債券要求的投資回報為P。若選擇相信發(fā)行人付費評級機構,投資者將不會進行內部分析,此時分析成本為0。若發(fā)行人付費評級機構調低評級且獲得投資者信任,那么投資者將因評級調低而要求獲得更高的投資回報。這是因為,評級越低,債券風險越高,投資者要求的投資回報越高。假設這部分投資回報為A,并且設評級調低幅度越大,A的取值越大。A與P兩種投資回報均為債券風險溢價⑤。

(三)博弈分析

1.基于評級機構視角的分析

發(fā)行人付費評級機構的目標是使自身期望收益最大化,將發(fā)行人付費評級機構的期望收益記為πCRA,則:

(1)

(2)

(3)

將式(2)與式(3)代入式(1),得到:

πCRA=αβ(Rlow-Rhigh)+α(C-Rhigh)-
(1-β)Rhigh

(4)

對式(4)求一階導數(shù),得到:

?πCRA/?α=β(Rlow-Rhigh)-(C-Rhigh)

(5)

令?πCRA/?α=0,解得:

β*=(C-Rhigh)/(Rlow-Rhigh)=
(Rhigh-C)/(Rhigh-Rlow)

(6)

式(4)表明,發(fā)行人付費評級機構的期望收益受到投資者相信概率的影響。為使β*∈(0,1),設Rhigh-Rlow>Rhigh-C>0。當β>β*時,?πCRA/?α>0,πCRA(α)為增函數(shù)。此時,隨著調低評級概率增大,發(fā)行人付費評級機構的期望收益也增大。當β<β*時,?πCRA/?α<0,πCRA(α)為減函數(shù)。此時,隨著調低評級概率增大,發(fā)行人付費評級機構的期望收益減小。

為考察聲譽因素對發(fā)行人付費評級機構期望收益的影響,令β1=(Rhigh-C)/(Rhigh-low)。假設當low>Rlow時,β1>β*。此時,?πCRA/?α>0,πCRA(α)為增函數(shù)。為實現(xiàn)期望收益最大化,發(fā)行人付費評級機構會以概率α=1調低評級。同時,令β2=(high-C)/(high-Rlow)。當high>Rhigh時,β2>β*。此時,?πCRA/?α>0,πCRA(α)為增函數(shù),發(fā)行人付費評級機構以概率α=1調低評級。

增加聲譽租金與增加聲譽損失均會使發(fā)行人付費評級機構調低評級,而聲譽租金與聲譽損失取決于投資者是否信任發(fā)行人付費評級機構,即投資者信任度會影響發(fā)行人付費評級機構聲譽,進而影響發(fā)行人付費評級機構評級準確性。當兩種模式評級結果差異較大時,投資者可能會質疑發(fā)行人付費評級機構的評級準確性[4]。因此,發(fā)行人付費評級機構并不會一味給出高評級。在聲譽約束下,特別是與投資者付費評級結果差別較大時,發(fā)行人付費評級機構會更加謹慎。

綜上,得到命題一:當兩種付費模式評級差值較大時,發(fā)行人付費評級機構將會調低后續(xù)評級。

2.基于投資者視角的分析

債券投資者的目標是實現(xiàn)期望收益最大化,將債券投資者的期望收益記為πinvestor,則:

(7)

(8)

(9)

將式(8)與式(9)代入式(7),得到:

πinvestor=αβA-β(P-B)+P-B

(10)

對式(10)求一階導數(shù),得到:

?πinvestor/?β=αA-(P-B)

(11)

令式(11)等于0,即?πinvestor/?β=0,解得:

α*=(P-B)/A

(12)

式(10)表明,投資者的期望收益受到發(fā)行人付費評級機構調低評級概率的影響。為使α*∈(0,1),設A>P-B>0。當α>α*時,?πinvestor/?β>0,πinvestor(β)為增函數(shù)。此時,隨著投資者相信發(fā)行人付費評級機構概率增大,投資者期望收益也增大。當α<α*時,?πinvestor/?β<0,πinvestor(β)為減函數(shù)。此時,隨著投資者相信發(fā)行人付費評級機構概率增大,投資者期望收益減小。

接下來,分析債券風險溢價對投資者期望收益的影響。令α1=(P-B)/。當>A時,α1<α*。此時,?πinvestor/?β<0,πinvestor(β)為減函數(shù)。為實現(xiàn)最大期望收益,投資者以概率β=0相信發(fā)行人付費評級機構。>A,表示由發(fā)行人付費評級機構形成的債券風險溢價增加,此時發(fā)行人付費評級機構調低評級的概率降低,投資者對其信任程度也降低。這是因為,A取值增大意味著評級調低幅度增大,向投資者釋放出發(fā)行人付費評級機構在第一階段存在評級虛高的信號,進而影響投資者對發(fā)行人付費評級機構的信任度。上述分析結果表明,發(fā)行人付費評級機構的聲譽壓力來自投資者,當發(fā)行人付費評級機構調低評級概率降低時,投資者信任度也隨之降低。

同時,令α2=(-B)/A。當>P時,α2>α*。>P意味著由投資者自行分析債券風險而獲得的債券風險溢價增加,α2>α*意味著發(fā)行人付費評級機構調低評級概率也會增加。此時,?πinvestor/?β>0,πinvestor(β)為增函數(shù),投資者以概率β=1相信發(fā)行人付費評級機構。相反,

投資者信任度與投資者付費評級機構低評級行為,兩者共同對發(fā)行人付費評級機構的評級行為起到制衡作用。當發(fā)行人付費評級機構在第一階段存在評級虛高,在第二階段投資者付費評級機構給出低評級時,若不調低評級將導致評級差值。兩種付費模式之間的評級差值會降低投資者對發(fā)行人付費評級機構的信任度,使發(fā)行人付費評級機構遭受聲譽損失。迫于聲譽損失帶來的壓力,發(fā)行人付費評級機構將在投資者付費評級機構給出更低評級后調低自己給出的評級。同時,信任度的降低使投資者不再完全依據(jù)發(fā)行人付費評級進行債券定價,而是根據(jù)評級差值調整債券價格。這是不同付費模式評級之間能夠有效發(fā)揮交叉驗證作用的關鍵,也是投資者付費評級機構對發(fā)行人付費評級機構的評級行為能夠起到約束作用的重要原因。那么,當投資者不完全信任發(fā)行人付費評級機構時,是否會轉向信任投資者付費評級機構,依據(jù)投資者付費評級機構的評級進行債券定價呢?本文認為,投資者可能也不會完全信任投資者付費評級機構。這是因為,評級機構作為信息中介,能否在市場披露的公開信息之外,為投資者提供發(fā)行人真實內部信息,是判斷其信用評級是否具有信息價值的一個重要維度。而投資者付費評級機構主要通過公開渠道收集受評對象相關資料信息,投資者付費評級可能不含有或較少含有債券發(fā)行人內部信息,因此投資者可能也不會完全依據(jù)投資者付費評級機構的評級進行債券定價。

綜上,得到命題二:不同付費模式評級發(fā)揮交叉驗證作用的機制在于投資者的反應,當兩種付費模式評級差值增大時,投資者并不傾向以單一評級結果進行債券定價,而是會根據(jù)評級差值調整債券價格。

三、不同付費模式信用評級校驗機制:經(jīng)驗證據(jù)

(一)研究設計

1.樣本選擇與數(shù)據(jù)來源

由于中債資信只跟蹤銀行間市場發(fā)債主體的評級,本文的初始樣本選取2011—2020年銀行間市場的企業(yè)債數(shù)據(jù),并遵循如下原則:(1)評級數(shù)據(jù)選取企業(yè)主體評級;(2)剔除評級缺失和控制變量缺失的樣本;(3)由于金融類企業(yè)與其他行業(yè)企業(yè)區(qū)別較大,剔除金融類企業(yè)發(fā)行的債券;(4)企業(yè)在一年內可能擁有多次評級數(shù)據(jù),為避免重復,僅保留當年最后一次評級數(shù)據(jù)。在刪除缺失值與重復值后,觀測值為12 788。本文債券數(shù)據(jù)來自Wind數(shù)據(jù)庫,財務數(shù)據(jù)來自CSMAR數(shù)據(jù)庫。為避免極端值的影響,對財務數(shù)據(jù)等連續(xù)變量進行1%與99%分位點的縮尾處理。

2.變量定義

(1)被解釋變量

主體評級和債券信用利差是本文的被解釋變量。主體評級(Rating)包括發(fā)行人付費評級機構評級(NCBRrating)與中債資信評級(CBRrating)。本文以NCBRrating作為被解釋變量,用以考察發(fā)行人付費評級機構的后續(xù)行為。參考林晚發(fā)等[4]和寇宗來等[5]的研究,將主體評級等級轉化為數(shù)值形式,即由低到高依次賦值,評級越高,數(shù)值越大。

同時,參考林晚發(fā)等[4]和陳關亭等[10]的研究,債券信用利差(Spread)采用債券發(fā)行時的到期收益率減去同時期同期限的國債到期收益率計算。國債收益率數(shù)據(jù)采用中國債券信息網(wǎng)發(fā)布的國債收益率曲線標準期限信息。當Spread作為被解釋變量時,NCBRrating和CBRrating也作為解釋變量。

(2)解釋變量

評級差值(Distance)是本文的解釋變量。參考阮永鋒等[14]、吳育輝等[15]的研究,將評級差值定義為發(fā)行人付費評級機構與中債資信在同一年度內最近一次評級的等級之差,取值范圍為0～6。當發(fā)債企業(yè)同時擁有發(fā)行人付費評級機構與中債資信兩種評級時,才能產生不同付費模式之間的評級差值。因此,評級差值數(shù)據(jù)來自同一年度內擁有兩種不同付費模式評級的企業(yè)樣本。

(3)控制變量

參考林晚發(fā)等[16]和Becker &Milbourn[17]的研究,本文控制了企業(yè)資產規(guī)模(Lnasset)、資產負債率(LEV)、資產收益率(ROA)、主營業(yè)務收入增長率(Growth)、存貨周轉率(Turnover)、流動比率(Currentratio)等發(fā)債企業(yè)財務指標,以及債券發(fā)行規(guī)模(Quantity)、債券期限(Term)、債券是否有擔保(Guarantee)等債券層面指標。同時,參考王永欽、徐鴻恂[18]的研究,選取GDP增速(ΔGDP)、M2同比增速(ΔM2)等宏觀指標。GDP數(shù)據(jù)來自國家統(tǒng)計局,M2數(shù)據(jù)來自中國人民銀行。主要變量定義如表2所示。

表2 變量定義

3.回歸模型

為檢驗評級差值對發(fā)行人付費評級機構后續(xù)評級的影響,本文構建以下回歸模型。

NCBRratingi,t+1=α0+α1Distancei,t+A′Controlsi,t+
εi,t+1

(13)

其中,NCBRrating采用領先1期數(shù)據(jù),Distance采用當期數(shù)據(jù),Controls為一系列控制變量,ε是殘差項,i為公司,t為年份。同時,本文還控制了行業(yè)(IND)和年份(YEAR)固定效應?？紤]到被解釋變量為多元有序變量,本文采用Ordered Logit方法對式(13)進行估計。

為檢驗評級差值影響下投資者對兩種付費模式評級的反應,本文構建以下回歸模型。

Spreadi,t=β0+β1Ratingi,t+β2Ratingi,t×Distancei,t+
β3Distancei,t+B′Controlsi,t+εi,t

(14)

其中,Rating為主體評級,具體分別引入發(fā)行人付費評級機構評級(NCBRrating)與中債資信評級(CBRrating)進行回歸。Rating×Distance為主體評級與評級差值的交互項,評級差值(Distance)作為調節(jié)變量。控制變量與式(13)相同。

4.描述性統(tǒng)計分析

表3給出了主要變量的描述性統(tǒng)計結果。從樣本量來看,發(fā)行人付費評級機構的評級數(shù)量較多,為12 788個,中債資信的評級數(shù)量為626個。從評級等級來看,發(fā)行人付費評級機構評級(NCBRrating)的均值約為17,對應等級為AA,中債資信評級(CBRrating)均值約為15,對應等級為A+。該結果說明,發(fā)行人付費評級機構給出的評級整體高于中債資信。這與林晚發(fā)等[4]、阮永鋒等[14]、孟慶斌等[11]和吳育輝等[15]的研究結果類似。評級差值(Distance)均值為2.639,即發(fā)行人付費評級機構給出的評級比中債資信給出的評級高2.639。債券信用利差(Spread)均值為2.174,即債券發(fā)行時的到期收益率比同期國債到期收益率高2.174%。此外,在企業(yè)財務層面指標中,資產規(guī)模(Lnasset)均值為5.873,資產負債率(LEV)均值為52.718,主營業(yè)務收入增長率(Growth)均值為21.604,流動比率(Currentratio)均值為4.507,資產收益率(ROA)均值為0.012,存貨周轉率(Turnover)均值為4.752。在債券要素層面指標中,債券發(fā)行量(Quantity)均值為12.750,債券期限(Term)均值為7.658,債券有無擔保(Guarantee)均值為0.345。宏觀經(jīng)濟指標中,GDP增速(ΔGDP)均值為4.082,M2同比增速(ΔM2)均值為10.940。以上變量的統(tǒng)計值均在正常范圍內。

表3 主要變量的描述性統(tǒng)計結果

(二)回歸結果分析

1.評級差值對發(fā)行人付費評級機構后續(xù)評級的影響

表4列(1)結果顯示,Distance在5%的水平下顯著且系數(shù)為負,說明發(fā)行人付費評級機構與中債資信的評級差值對發(fā)行人付費評級機構評級具有負向影響。隨著評級差值增大,發(fā)行人付費評級機構將降低評級等級。對評級差值進一步分組發(fā)現(xiàn),列(2)中Distance不顯著,說明在評級差值較小的情況下,中債資信評級對發(fā)行人付費評級機構評級不會產生影響。這可能是由于不同付費模式評級機構獲取評級信息的方式不同。評級差值較小并不代表發(fā)行人付費評級質量較差,實際上起到了認證作用,因此不影響發(fā)行人付費評級機構調低后續(xù)評級。列(3)與列(4)中Distance均顯著且系數(shù)均為負,并且列(4)中Distance系數(shù)絕對值大于列(3)⑥,說明評級差值越大,中債資信評級對發(fā)行人付費評級機構調低評級的促進作用也越大。

表4 評級差值對發(fā)行人付費評級機構后續(xù)評級的影響

2.評級差值影響下投資者對兩種付費模式評級的反應

表5給出了在評級差值影響下,投資者對發(fā)行人付費評級反應的回歸結果。列(1)顯示,NCBRrating顯著且系數(shù)為負,說明發(fā)行人付費評級機構給出較高評級能夠降低債券信用利差。交互項NCBRrating×Distance顯著且系數(shù)為正,說明評級差值(Distance)對NCBRrating與Spread兩者之間的負向關系具有抑制作用,即隨著評級差值增大,發(fā)行人付費評級機構的高評級降低債券信用利差的作用在減小。對評級差值進一步分組發(fā)現(xiàn),列(2)中交互項NCBRrating×Distance不顯著,說明在評級差值較小的情況下,投資者對發(fā)行人付費評級的反應不受評級差值影響。列(3)與列(4)中,NCBRrating×Distance顯著且系數(shù)為正,說明評級差值對投資者定價與發(fā)行人付費評級之間負向關系具有抑制作用。

表5 評級差值影響下投資者對發(fā)行人付費評級的反應

表5回歸結果驗證了前文關于“發(fā)行人付費評級機構的評級行為不僅受其他評級機構影響,還受投資者影響”的理論分析,投資者對發(fā)行人付費評級機構的信任度隨著評級差值的增大而降低。根據(jù)已有研究[4,19],發(fā)行人付費評級機構的評級收入來自債券發(fā)行人,因此其與債券發(fā)行人之間存在一定的利益合謀的可能性,這種合謀關系容易誘發(fā)評級的不準確。較大的評級差值可能意味著發(fā)行人付費評級機構的評級質量較差,因此降低了投資者對發(fā)行人付費評級機構的信任度[20],投資者將按照評級差值調整債券定價。而較小的評級差值并不影響投資者債券定價行為,可能的原因在于,此時中債資信評級對發(fā)行人付費評級機構評級具有一種認證作用,能夠提高投資者對發(fā)行人付費評級機構信任度。

表6給出了在評級差值影響下,投資者對中債資信評級反應的回歸結果。列(1)顯示,CBRrating顯著且系數(shù)為負,說明中債資信評級越高,債券信用利差越低。交互項CBRrating×Distance顯著且系數(shù)為正,說明評級差值Distance對CBRrating與Spread兩者之間的負向關系具有抑制作用,即隨著評級差值增大,中債資信的高評級降低債券信用利差的作用在減小。對評級差值進一步分組發(fā)現(xiàn),列(2)中交互項CBRrating×Distance不顯著,說明在評級差值較小的情況下,評級差值不影響中債資信評級的債券定價作用。列(3)與列(4)中,交互項CBRrating×Distance顯著且系數(shù)為正,進一步驗證了評級差值將削弱中債資信評級與債券信用利差負向關系的結論。

表6 評級差值影響下投資者對中債資信評級的反應

(三)穩(wěn)健性檢驗

1.評級差值對發(fā)行人付費評級機構后續(xù)評級的影響

為了使研究結論更加可靠,本文進行了以下穩(wěn)健性檢驗。其一,替換解釋變量。參照Bonsall et al.[21]的做法,構建虛擬變量Below,當中債資信評級低于發(fā)行人付費評級機構評級時,Below取值為1;當中債資信評級等于發(fā)行人付費評級機構評級時,Below取值為0⑦。將解釋變量Distance替換為Below重新進行回歸。表7列(1)結果顯示,Below顯著且系數(shù)為負,表明中債資信評級低于發(fā)行人付費評級機構評級能夠降低發(fā)行人付費評級機構的后續(xù)評級。替換解釋變量后,回歸結果與前文基本一致。其二,為控制可能遺漏的不隨時間改變的公司因素對回歸結果的影響,本文加入公司層面的固定效應(FIRM)進行回歸[22-23]。表7列(2)結果顯示,Distance顯著且系數(shù)為負,說明本文的實證結果并不是由遺漏了某些不隨時間改變的解釋變量所導致。其三,改變估計方法。采用Ordered Probit方法重新進行回歸。表7列(3)結果顯示,采用Ordered Probit模型后,Distance顯著且系數(shù)為負,與前文回歸結果基本一致。

表7 評級差值對發(fā)行人付費評級機構后續(xù)評級影響的穩(wěn)健性檢驗結果

2.評級差值影響下投資者對兩種付費模式評級的反應

表8列(1)與列(3)結果顯示,將調節(jié)變量Distance替換為Below后,交乘項Rating×Below顯著且系數(shù)為正,與Rating系數(shù)方向相反,說明Below對Rating與Spread兩者之間的負向關系具有抑制作用。列(2)與(4)結果顯示,在控制了公司層面的固定效應后,Rating顯著且系數(shù)為負,交乘項Rating×Distance顯著且系數(shù)為正,回歸結果與前文保持一致。

表8 評級差值影響下投資者對兩種付費模式評級反應的穩(wěn)健性檢驗結果

(四)進一步研究:兩種付費模式評級信息質量檢驗

當兩種付費模式評級結果差異較大時,投資者不會以單一評級結果進行債券定價,原因可能在于兩種付費模式評級的信息各有弊端。投資者付費評級機構評級較少含有或不含有發(fā)行人內部信息,發(fā)行人付費評級機構評級雖然能夠提供發(fā)行人內部信息,但該信息更傾向于反映發(fā)行人的正面情況[24-25]。為檢驗兩種付費模式評級對發(fā)行人內部信息的解釋程度,本文參照沈紅波、廖冠民[26]的做法,使用正交分解法將信用評級所包含的發(fā)行人信息分解為公開信息與私有信息。公開信息是指發(fā)行人向市場公開披露的信息,私有信息是指發(fā)行人的內部信息[27]。根據(jù)Fama[28]強式有效市場假說,所有的信息都會反映在市場價格中。若評級機構能夠提供私有信息,該信息會在債券信用利差中有所反映,即評級機構提供的私有信息會對債券信用利差具有顯著影響。正交分解法分為兩步:第一步,將評級機構給出的信用等級作為被解釋變量,將公開信息作為解釋變量,進行Ordered Logit回歸;第二步,以第一步估計出的殘差度量評級機構提供的私有信息,并將其作為解釋變量。令CBRspecinfo為中債資信提供的私有信息,NCBRspecinfo為發(fā)行人付費評級機構提供的私有信息。將債券信用利差Spread作為被解釋變量,進行OLS回歸。

表9列(2)結果顯示,NCBRspecinfo顯著且系數(shù)為負,說明發(fā)行人付費評級機構提供的私有信息能夠降低債券信用利差,同時也說明發(fā)行人付費評級機構傾向于提供偏正面的私有信息。這是因為,正面的私有信息意味著債券信用風險較小,債券信用利差較小[29-30]。表9列(4)結果顯示,CBRspecinfo不顯著,說明中債資信提供的私有信息不影響債券信用利差。也就是說,該信息不具有信息價值,表明中債資信評級信息中不含有發(fā)行人私有信息。

此外,考慮到前文利用殘差度量不同付費模式評級是否含有私有信息,這種方法可能存在遺漏變量問題。因此,為進一步檢驗結論的可靠性,本文通過考察中債資信評級對具有豐富經(jīng)驗和充足信息的發(fā)行人付費評級機構所作評級的影響來檢驗中債資信的評級質量。本文將中誠信國際信用評級有限責任公司(以下簡稱“中誠信”)作為具有豐富經(jīng)驗和充足信息的發(fā)行人付費評級機構代表。選擇中誠信作為代表是因為,中誠信的業(yè)務發(fā)展處于我國評級行業(yè)領先地位,是當前我國規(guī)模最大、評級業(yè)務覆蓋最廣和市場占有率最大的評級機構,且業(yè)務水平較高,在我國評級市場具有良好口碑,多年來蟬聯(lián)中國銀行間市場交易商協(xié)會、國家發(fā)展改革委、中國保險資產管理協(xié)會等監(jiān)管機構市場化評價第一名。如果中債資信評級對中誠信后續(xù)評級調整具有顯著影響,則說明中債資信給出的評級具有信息優(yōu)勢。反之,則說明中債資信評級不具有信息優(yōu)勢。此外,本文通過檢驗中債資信評級對中誠信評級過債券的信用利差的影響,從債券市場定價角度考察兩種付費模式評級的信息質量。

將前文樣本從全部發(fā)行人付費評級機構篩選為僅中誠信一家機構。一方面,為考察中債資信評級對中誠信評級調整的影響,將中誠信評級CCXIrating作為被解釋變量,分別將Coverage和Below1作為解釋變量進行回歸。其中,Coverage為虛擬變量,表示債券是否含有中債資信評級,如果含有中債資信評級,Coverage取值為1,否則為0。Below1為虛擬變量,定義與Below類似,當中債資信評級低于中誠信評級時取值為1,否則為0?；貧w結果顯示,Coverage不顯著,表明中債資信是否參與評級不會對中誠信后續(xù)評級調整產生影響。Below1不顯著,表明中債資信給出低評級也不會對中誠信后續(xù)評級調整產生影響。另一方面,將債券信用利差(Spread)作為被解釋變量,交乘項Coverage×CCXIrating不顯著,表明中債資信是否參與中誠信所評級債券的評級,不會對債券定價產生影響。同時,交乘項Distance×CCXIrating亦不顯著,表明中債資信給出低評級不會對中誠信所評級債券價格產生影響⑧。綜上,對于一個具有豐富經(jīng)驗和充足信息的發(fā)行人付費評級機構,中債資信評級不會對其后續(xù)評級調整以及債券定價產生顯著影響。

四、研究結論與政策含義

本文研究了不同付費模式評級之間的交叉校驗機制。理論分析發(fā)現(xiàn),當兩種付費模式評級差值增大時,投資者不再以單一評級結果進行債券定價,而是根據(jù)評級差值調整債券價格,這也是校驗機制發(fā)揮作用的關鍵。兩種付費評級各自存在信息弊端,是投資者不以單一評級結果進行債券定價的重要原因。實證檢驗結果發(fā)現(xiàn),隨著兩種付費模式評級差值增大,發(fā)行人付費評級機構會降低后續(xù)評級。并且,評級差值對單一信用評級與債券信用利差之間的關系具有抑制作用。通過檢驗兩種付費模式評級信息含量發(fā)現(xiàn),投資者付費評級機構評級不含有發(fā)行人內部信息,發(fā)行人付費評級機構評級雖然含有發(fā)行人內部信息,但該信息偏向于反映發(fā)行人正面信息。

本文的政策含義在于應繼續(xù)支持我國債券市場發(fā)展多元化評級模式,具體分為兩點。一是繼續(xù)鼓勵投資者付費評級模式發(fā)展,鼓勵發(fā)行人選擇兩家及以上信用評級機構開展評級業(yè)務,發(fā)揮多種評級的交叉校驗作用,提高外部評級準確性。信貸ABS在2012年便開始實行雙評級制度,中債資信作為投資者付費評級機構一直參與其中。受雙評級制度的保障,信貸ABS在十年發(fā)展中實現(xiàn)了零違約、零風險事件。這說明,不同模式評級之間相互印證能夠更好地揭示信用風險。二是鼓勵機構投資者發(fā)展內部評級,利用內部評級驗證外部評級,進一步提高不同信用評級之間的交叉驗證作用,激勵信用評級機構提高評級準確性。以中國工商銀行旗下的理財公司——工銀理財為例,工銀理財成立于2019年8月,在成立之初便建立了內部評級體系。內部評級體系幫助工銀理財在信用債投資交易、風險管理等環(huán)節(jié)進一步識別信用風險并對外部信用評級進行驗證,不僅使工銀理財能夠在投資決策與風險分析上保持獨立性和準確性,還有助于激勵外部信用評級機構提高評級質量。

注 釋：

①樣本選取2015—2020年企業(yè)債、公司債、中期票據(jù)和短期融資券評級數(shù)據(jù),評級總數(shù)為288 914。其中,中債資信在AAA級中有AAA-和AAA+兩種微調級別,是中債資信特有的?？紤]到可比性與統(tǒng)一性,我們將中債資信AAA-和AAA+歸為AAA。

②此處假設發(fā)行人付費評級機構在第一階段給出虛高評級的情況下才進行策略調整。如果第一階段給出公正評級,將不進行策略調整。

③如果投資者不信任發(fā)行人付費評級機構調低評級行為,則聲譽租金為0。

④如果投資者信任發(fā)行人付費評級機構,則聲譽損失為0。

⑤A是由發(fā)行人付費評級機構對債券進行分析,調整債券風險級別而使投資者獲得的債券風險溢價;P是投資者自行分析債券風險,調整債券價格而獲得的債券風險溢價。A來自發(fā)行人付費評級機構調整評級,P來自投資者定價。

⑥本文使用費舍爾組合檢驗方法進行了組間系數(shù)的差異性檢驗。檢驗統(tǒng)計量的p值為0.000,拒絕了“兩組系數(shù)不存在顯著差異”的原假設。

⑦在本文樣本中,兩種付費模式評級差值只存在兩種情況: 中債資信評級小于和等于發(fā)行人付費評級。

⑧由于篇幅所限,不再披露具體的回歸表格,留存?zhèn)渌鳌Ｗ髡哙]箱:xwhuang@uibe.edu.cn。