地方債管理新政對城投債信用風險的影響研究

袁樂平　肖妍

摘 要：地方債管理新政提出全面加強地方政府性債務管理，可能導致存量城投債信用能力發(fā)生分化。本文基于2012—2015年間企業(yè)債面板數據，將地方債管理新政作為政策沖擊，采用雙重差分法評估政策實施對于存量城投債信用風險的影響。實證結果表明，在剔除其他因素對信用風險的影響后，地方債管理新政顯著增大了存量城投債信用風險；地方融資平臺的政府債務認定率越小、獲得的政府支持力度越小，地方債管理新政對存量城投債信用風險的放大作用越顯著。地方政府應妥善處理存量債務，確定合理的政府債務認定率，適當加大政府支持力度，提高地方融資平臺經營能力，以實現新舊地方債管理方式的平穩(wěn)過渡。

關鍵詞：地方融資平臺；城投債；信用風險 ；雙重差分模型

中圖分類號：F812.5 文獻標識碼：A 文章編號：1674-2265（2017）06-0003-07

一、引言

地方政府通過設立融資平臺舉債用于城市基礎設施建設，促進了地區(qū)經濟增長，但過度投資導致城投債規(guī)模迅速膨脹，其中的風險隱患不容忽視。首先，地方隱性債務缺乏健全的約束機制。地方政府投資建設的政績工程常常資質較差，項目收益率低且回收期長，再加上運營不善導致效率損失，弱化了地方融資平臺的償債能力。其次，負債期限與項目收益期限的嚴重錯配可能引起流動性風險。地方政府負債期限主要為中短期，資金投向卻為基礎設施、生態(tài)環(huán)境建設等長期項目，“借短投長”必然導致現金流量問題。最后，地方政府借新債還舊債的行為導致債務余額增大、債務風險累積。一旦宏觀經濟政策收緊，地方融資平臺無法及時籌集新債，資金鏈斷裂將會導致債務違約，并可能由此引發(fā)系統性風險?；诖吮尘?，2014年一系列地方債管理新政頒布實施，要求全面加強地方政府性債務管理，地方融資平臺將改變地方政府投融資機構的定位，改造成為獨立運行的市場主體，地方政府不再對城投債提供隱性擔保。

現有的關于債券信用風險的研究主要集中于發(fā)行人財務狀況、債券特征和宏觀經濟狀況。發(fā)行人財務狀況方面，預期財務杠桿的提高會導致信用風險溢價的增加，支持了權衡、等級和信用評級預期下的資本結構理論（Collin-Dufresne等，2001）。資產規(guī)模較大的地方融資平臺違約可能性較低，城投債信用利差較小（齊天翔等，2012）。債券特征方面，同生輝和黃張凱（2014）指出，城投債票面利率與發(fā)債規(guī)模負相關，與發(fā)行期限正相關。另外，隱性擔保對國有企業(yè)和地方融資平臺的影響不同，政府隱性擔保降低了國有企業(yè)債券的信用風險卻增大了城投債的信用風險（韓鵬飛和胡奕明，2015）。宏觀經濟狀況方面，Elton等 （2001）對比研究了國債和企業(yè)債的信用利差，強調了稅收的影響。違約風險和利率之間的關系顯著影響債券信用利差的期限結構，利率上升導致信用利差減小（Davies，2008）。已有研究從各個側面分析了城投債信用風險的影響因素，但尚未涉及地方債管理新政對存量城投債信用風險的影響。因此，本文利用2012年末企業(yè)債數據，采用雙重差分法評估地方債管理新政對于存量城投債信用風險的影響。

二、政策背景和研究假設

（一）政策背景

在原管理模式下，城投債的發(fā)行主體是地方融資平臺，但地方政府提供隱性擔保。因此，城投債是地方政府性債務的重要組成部分，債務的到期清償因發(fā)行條款規(guī)定而異，償還途徑具體包括地方政府償還、地方融資平臺償還以及地方政府和平臺共同承擔。截至2013年6月底，存量城投債規(guī)模約為17547.47億元，而地方政府負有償還責任的債券僅為5289.60億元。不同類型城投債中，具備償還責任的企業(yè)債、中期票據（含定向工具）和短期融資券占相應公開發(fā)行城投債的比例分別為37.74%、12.12%和19.14%，未納入政府債務的存量城投債占比較大①。

對于新政實施之后增量城投債適用管理新政應當沒有障礙，但在新政實施之前所形成的存量城投債能否適用管理新政則是一個重大問題。由于涉及地方政府、地方融資平臺和投資者的利益，存量城投債的處理過程將會是一場多方博弈。經濟下行背景下，如果存量城投債全部由地方政府兜底，即由地方政府隱性擔保轉化為顯性擔保，將給地方政府造成不堪承受之重；反過來，如果地方政府對存量城投債的隱性擔保完全退出，即存量城投債全部由地方融資平臺自主償還，則必然會引發(fā)兌付危機，將嚴重損害政府公信力，造成巨大的社會經濟動蕩，引發(fā)管理新政的“硬著陸”，其后果同樣是不可承受的。

基于此，為實現原地方城投債管理方式的平穩(wěn)退出和新城投債管理方式的“軟著陸”，國家出臺一系列關于存量地方債的處置政策。一方面，將存量城投債的兌付責任在地方政府與融資平臺之間分流，政府承擔一部分存量城投債的兌付責任。國發(fā)[2014]43號文指出妥善處理存量債務，根據項目性質、項目收益、還款來源和舉債企業(yè)等，區(qū)分是否屬于政府應當償還的債務，并將政府債務納入政府預算管理。財預[2014]351號文要求存量地方政府性債務應按照先清理、后甄別的順序開展，依據審計口徑對地方債進行分類并報送財政部逐筆甄別。另外，地方政府提倡大力開展PPP模式，將政府債務轉化為企業(yè)債務，進而鎖定政府一般債務、專項債務余額。另一方面，對由融資平臺承擔兌付責任的存量城投債，地方政府給予適當的支持。財金[2014]76號文提出，省級財政部門需要設計投資項目名單管理機制與政府補助支出統計監(jiān)督機制，據此確定下級財政部門應支出的合理政府補助。國發(fā)[2014]43號文提出，地方政府在必要時應通過依法注入優(yōu)質資產、提供特許經營權、加大財政補貼等方式，對于存量債務做出妥善安排?，F在的問題是，在這樣的政策安排下，存量城投債的信用風險是否會放大，以致損害地方債管理新政“軟著陸”目標的實現？本文將利用2012—2015年的實證材料對這一問題進行研究。

（二）研究假設

地方債管理新政的實施將改變投資者對城投債價值的認可度，信用分化導致存量城投債的償還具有一定的不確定性，具體分析見圖1。債務甄別本質上是地方政府隱性擔保變化的過程，存量城投債若被認定為政府債務即實現了隱性擔保顯性化，信用風險下降；而失去隱性擔保的存量城投債則轉變?yōu)槠髽I(yè)債務，由地方融資平臺自主償還，信用風險有所上升。為實現存量企業(yè)債務在清償周期內的平穩(wěn)過渡，地方政府可能采取注入資產、權利讓渡或財政補貼等政府支持措施，以期在一定程度上緩解這部分債務的信用風險。因此，地方債管理新政實施后，部分存量城投債的信用風險下降，另一部分的信用風險變化方向卻不明晰，則存量城投債的整體信用風險變化也不確定。為了研究地方債管理新政對存量城投債整體信用風險的影響，本文提出以下假設：endprint

H1a：地方債管理新政的實施，增大了存量城投債的整體信用風險。

H1b：地方債管理新政的實施，降低了存量城投債的整體信用風險。

為了研究債務甄別對存量城投債信用風險的影響，本文引入政府債務認定率指標。政府債務認定率是指，被認定為政府負有償還責任的存量城投企業(yè)債與全部城投企業(yè)債之比。被認定為政府債務的存量城投債，將通過預算資金清償或者運用地方政府債券置換，具有政府信用，增信效應明顯，到期償還確定性更高，因此這部分存量城投債的違約風險下降。但如果存量城投債經甄別后歸為融資平臺公司的債務，債務到期可能需要平臺自身尋求其他渠道來實現債務周轉，則債務甄別對這部分存量城投債產生減信效應，保障性也隨之降低。即政府債務認定率越低，納入政府預算的存量城投債規(guī)模越小，政府信用對存量城投債的保障程度越小?；诖?，本文提出假設2：

H2：地方融資平臺的政府債務認定率越低，地方債管理新政對存量城投債信用風險影響越大。

由于存量債務處置過程中財政補貼或權利讓渡條款尚未披露，本文僅考慮政府注資行為對于存量城投債信用風險的影響。地方政府常常通過土地劃轉、股權投資等方式注入資產，增加地方融資平臺的經營性資產，促進其經營能力的提升。因此為了研究政府支持力度對存量城投債信用風險的影響，本文引入經營性資產覆蓋率指標。經營性資產覆蓋率是指，地方融資平臺的經營性資產與非政府債務之比。存量城投債中能夠被認定為政府債務的有限，未納入政府預算以及地方債規(guī)模較大地區(qū)的城投債，將逐步轉變?yōu)榈胤絿衅髽I(yè)產業(yè)債， 需要關注地方融資平臺的經營性資產規(guī)模、信用評級水平以及獲現能力等。地方融資平臺主要從事公益性項目，整體盈利能力水平較弱，同時不具備和債務償還相對應的現金流獲取能力，因此這部分城投債的兌付主要取決于經營性資產對非政府債務的覆蓋情況。根據以上分析，本文提出假設3：

H3：地方融資平臺的經營性資產覆蓋率越低，地方債管理新政對存量城投債信用風險影響越大。

三、研究設計

（一）樣本選取與數據來源

為了研究地方債管理新政對存量城投債信用風險的影響，本文選取2012年12月31日銀行間債券市場固定利率存量企業(yè)債數據為研究樣本，且樣本存續(xù)期持續(xù)到2015年12月31日。按照國發(fā)[2010]19號文對地方融資平臺的定義，本文樣本不包括高速公路與鐵路類融資平臺發(fā)行的債券。2014年地方債管理新政明確要求清理存量債務、甄別政府債務，對存量城投債的信用分化產生較大影響，因此本文選取的政策實施分界點為2014年。研究期間為2012—2015年共四年，即2012—2013年為政策實施前，2014—2015年為政策實施后。樣本中債券信息、地方融資平臺財務指標與國債收益率等數據都來自萬得數據庫和中國債券信息網。在刪除數據不全的樣本后，選取560只企業(yè)債數據作為研究對象，其中城投債為451只，一般企業(yè)債為109只。

（二）研究模型與變量

本文運用雙重差分模型分析地方債管理新政對存量城投債信用風險的影響。具體而言，構造由地方融資平臺發(fā)行的“ 城投債組” 和其他企業(yè)發(fā)行的“一般企業(yè)債組”，前者為實驗組，后者為對照組。通過控制其他因素，比對政策發(fā)生后實驗組和對照組之間的差異，從而檢驗政策效果。債券信用風險通過信用利差來體現，且信用風險與信用利差正相關。本文選用債券信用利差cs作為被解釋變量，衡量信用風險。虛擬變量ucib反映所關注的債券是否為城投債，取值為1代表城投債，取值為0代表一般企業(yè)債；虛擬變量p反映政策效應，于地方債管理新政實施當年及之后取值1，否則為0。交互項p*ucib是“政策效應（p）”和“城投債（ucib）”的交互項，系數β3反映政策凈效果。如果地方債管理新政對城投債信用利差有正的效應， 那么β3的符號就顯著為正；反之則為負。則雙重差分模型為：

[cs=β0+β1ucib+β2p+β3（p*ucib）+β4X+λind+μt+ε]

（1）

參考Campbell和Taksler（2003）、Hackbarth等（1995）、Yu （ 2005）的研究，本文加入了控制變量（X），包括企業(yè)財務狀況、債券特征和宏觀經濟狀況。其中，違約距離、凈資產收益率和長期負債衡量企業(yè)財務狀況，債券規(guī)模、債券存續(xù)期限、債券剩余期限和債券評級評估債券特征，基準利率反映宏觀經濟狀況。將控制變量影響剔除，可以更準確地估計政策實施對城投債信用利差的影響。本文還對行業(yè)效應（λind）和時間效應（μt）進行了控制。變量定義詳見表1。

表2為變量描述性統計，為了避免數據異常值的影響，對數據按照上下1%進行縮尾處理，使本文的結論更具有一般性。

表2：變量描述性統計

[變量 觀測值 均值 中值 標準差 最小值 最大值 cs 2240 2.398 2.485 1.061 0.484 4.263 p 2240 0.500 0.500 0.500 0 1 ucib 2240 0.805 1 0.396 0 1 lev 2240 0.523 0.530 0.150 0.188 0.853 roe 2240 3.316 2.610 3.716 -12.10 16.29 ltd 2240 0.293 0.277 0.111 0.097 0.612 lsize 2240 20.95 20.91 0.592 19.81 23.03 age 2240 3.241 2.766 2.415 0.0685 10.51 mat 2240 5.079 4.851 1.977 1.455 12.30 rate 2240 2.754 2 0.893 1 4 tr 2240 3.170 3.082 0.696 2.298 4.219 ]

四、實證分析

（一）地方債管理新政與存量城投債信用風險：基本結果endprint

表3列出了地方債管理新政對存量城投債信用風險的影響。交互項p*ucib的系數在1%水平下顯著為正，表明政策的實施顯著增大了城投債的信用風險，即驗證了假設H1a。整體來看，地方債管理新政的實施放大了投資者面臨的信用風險。與一般企業(yè)債相比，地方債管理新政的實施使得存量城投債的信用利差相對于樣本平均值上升了29.65%②。另外，從等級角度來看，高等級城投債的估值溢價較小，所面臨的估值調整壓力較小。

（二）穩(wěn)健性檢驗

為檢驗結果的穩(wěn)健性，采用地方債管理新政實施前后兩年的數據（2013年和2015年），通過兩期雙重差分模型進行分析（見表4）?；貧w結果表明。交互項p*ucib的系數顯著為正，和上文結果一致，即通過了穩(wěn)健性檢驗。

為了進一步檢驗結果的穩(wěn)健性，我們借鑒已有研究（劉瑞明和趙仁杰，2015），通過改變政策執(zhí)行時間進行反事實檢驗。

除地方債管理新政這一政策影響外，一些隨機性因素也可能導致存量城投債信用能力發(fā)生變化。為了剔除其他因素的影響，將地方債管理新政的實施時間提前一年，如果此時交互項p*ucib的系數仍顯著，則表明存量城投債信用風險變化并不是因為地方債管理新政的實施，而是來自于其他因素；反之，則說明政策的實施導致信用風險變化。表5結果顯示，交互項p*ucib的系數并不顯著，說明存量城投債信用風險的變化不是源于其他因素，而是由于地方債管理新政這一政策的實施。

（三）政府債務認定率的進一步考察

通過對地方融資平臺債務清理甄別，納入政府債務的城投債具有政府信用。地方融資平臺的政府債務認定率越低，地方融資平臺的存量城投債被納入政府債務的比例越小，政府信用的覆蓋程度越低。2013年6月全國政府性債務審計報告公布了政府債務情況，因此本文參考2013年各省審計結果分析債務比例，以此為基礎計算地方融資平臺的政府債務認定率。為研究政府債務認定率和政策效應對存量城投債信用風險的影響，構造如下模型（2）：

[cs=β0+β1（p*ucib）+β2（p*ratio1）+β3（ucib*ratio1）+β4（p*ucib*ratio1）+β5X+λind+μt+ε （2）]

其中，ratio1是政府債務認定率虛擬變量，政府債務認定率高于中位數時取值為1，低于中位數時取值為0。交互項p*ucib*ratio1的系數β4為政策效應、城投債虛擬變量、政府債務認定率虛擬變量的共同作用結果。如果估計系數β4顯著，則表明地方債管理新政的實施，對不同政府債務認定率的存量城投債信用風險的影響存在顯著差異。表6結果顯示，交互項p*ucib*ratio1的系數在1%水平下顯著為負，即驗證了假設2，說明對于政府債務認定率較低的地方融資平臺，地方債管理新政對存量城投債信用風險的放大作用更明顯。

（四）經營性資產覆蓋率的進一步考察

地方融資平臺的盈利能力較弱，未被納入政府債務的存量城投債主要依靠經營性資產償還。本文對2013年6月末已發(fā)行城投債的融資平臺公司的經營性資產進行分析計算，同時根據政府債務認定率來計算非政府債務的規(guī)模，進而測算出經營性資產覆蓋率。經營性資產包括貨幣資金、土地和股權投資等，其中政府注入的土地資產占比較大且常以估價入賬。因此對地方融資平臺的經營性資產進行折算，采用“保守估計的經營性資產/非政府債務”來評價地方融資平臺經營性資產對非政府債務的保障情況，并構造如下模型（3）：

[cs=β0+β1（p*ucib）+β2（p*ratio2）+β3（ucib*ratio2）+β4（p*ucib*ratio2）+β5X+λind+μt+ε （3）]

其中，ratio2是經營性資產覆蓋率虛擬變量，經營性資產覆蓋率高于中位數時取值為1，否則取值為0。交互項p*ucib*ratio2的系數β4為政策效應、城投債虛擬變量、經營性資產覆蓋率虛擬變量的共同作用結果。如果估計系數β4顯著，則表明地方債管理新政的實施，對不同經營性資產覆蓋率的存量城投債信用風險的影響存在顯著差異。表7結果顯示，交互項p*ucib*ratio2的系數在1%水平下顯著為負，即驗證了假設3，說明對于經營性資產覆蓋率較低的地方融資平臺，地方債管理新政的實施更顯著地增大了存量城投債的信用風險。

五、結論與政策啟示

本文首次利用銀行間市場固定利率存量企業(yè)債為研究對象，檢驗地方債管理新政對存量城投債信用風險的影響。地方債管理新政要求對地方政府性債務進行清理和甄別，將原有政府性債務依據用途及還款來源劃分為政府債務與企業(yè)債務，同時存在通過PPP模式將政府債務轉化為企業(yè)債務的可能性，加劇了存量城投債信用分化。為了剔除其他變量的影響，本文運用雙重差分模型研究政策實施的凈效果。實證結果表明，相對于一般企業(yè)債，地方債管理新政顯著增大了城投債的信用風險，主要原因為地方債甄別將導致部分城投債失去政府信用，對其信用品質造成不利影響，整體放大了存量城投債的信用風險，并且該結果通過了顯著性檢驗。另外，從地方融資平臺的政府債務認定率來看，地方債管理新政對政府債務認定率較低的存量城投債的信用風險放大作用更顯著；從地方融資平臺的經營性資產覆蓋率來看，地方債管理新政更加顯著地增大了經營性資產覆蓋率較低的存量城投債的信用風險。

存量城投債的信用變化主要受到債務甄別和政府支持力度的影響。一方面，存量債務甄別實質上是地方政府隱性擔保顯性化或退出的過程。存量城投債的處理關系到社會民生，地方政府應當對項目性質、收益以及承接主體綜合分析，進而制定債務劃分標準，確定相對合理的政府債務認定率。另一方面，政府支持對非政府債務的償還起重要作用。地方政府應適當注入優(yōu)質資產，增大地方融資平臺的經營性資產規(guī)模，促進其經營能力的提升，降低存量城投債的信用風險。特別地，對于承擔重要建設責任且規(guī)模較大的存量城投債項目，地方政府應加大支持力度。本文的研究僅考慮了銀行間市場固定利率企業(yè)債，并剔除了部分數據不全的樣本，因此回歸結果可能存在一定偏差。地方債管理新政的頒布實施意義重大，對地方債的風險問題有待進一步研究。endprint

注：

①資料來源：萬得資訊。

②表3中的交互項系數為0.711，用該值除以樣本信用利差平均值為2.398，則計算出因變量的變化幅度為29.65%。

參考文獻：

[1]Collin-Dufresne P，Goldstein R S，Martin J S. 2001. The Determinants of Credit Spread Changes[J]. The Journal of Finance，56（6）.

[2]Elton E J，Gruber M J，Agrawal D，Mann C. 2001. Explaining the Rate Spread on Corporate Bonds[J]. The Journal of Finance，56（1）.

[3]Davies A. 2008. Credit Spread Determinants： An 85 Year Perspective[J].Journal of Financial Markets，11（2）.

[4]Campbell J Y，Taksler G B. 2003. Equity Volatility and Corporate Bond Yields[J].The Journal of Finance，58（6）.

[5]Hackbarth D，Miao J，Morellec E. 2005. Capital Structure，Credit risk，and Macroeconomic Conditions[J].Ssrn Electronic Journal，82（3）.

[6]Yu F. 2005. Accounting Transparency and the Term Structure of Credit Spreads[J].The Journal of Finance Economics，75（1）.

[7]齊天翔，葛鶴軍，蒙震.基于信用利差的中國城投債券信用風險分析[J].投資研究，2012，（1）.

[8]同生輝，黃張凱.我國城投債券發(fā)行利率影響因素的實證分析[J].財政研究，2014，（6）.

[9]韓鵬飛，胡奕明.政府隱性擔保一定能降低債券的融資成本嗎？—基于國有企業(yè)和地方融資平臺債券的實證研究[J].金融研究，2015，（3）.

Abstract：The new local government debt management policies suggest strengthening the administration of government debt comprehensively，which may lead to credit differentiation of existing urban construction investment bonds. Based on the corporate debt panel data from 2012 to 2015，DID Model is used to evaluate the impact of the policy implementation on existing urban construction investment bonds' credit risk，with the new local government debt management policies as a policy shock. After eliminating the influence of other factors，the empirical results show that the new local government debt management policies increase the credit risk of existing urban construction investment bonds' credit risk significantly. In addition，the lower the rate of government debt recognition is and the smaller government support is，the greater the risk amplification is. The local government should properly handle the stock debt by determining a reasonable rate of government debt recognition. Government support ought to be properly increased to improve the local financing platformsoperation capacity，which can help to realize the smooth transition between the new local government debt management way and the old way.

Key Words：local financing platform，urban construction investment bonds，credit risk，DID Modelendprint