銀行間債券市場企業(yè)債的發(fā)行利率影響因素的實證研究

蔡林成

【摘 要】 隨著我國經(jīng)濟(jì)發(fā)展和對企業(yè)的支持力度加大，企業(yè)融資需求日益增長，發(fā)行企業(yè)債券是重要的直接融資方式，可以滿足企業(yè)不同金額、不同期限的資金需求。本文基于2018年4月1日至2019年3月31日銀行間市場上市且未到期的627企業(yè)債的信息，研究銀行間企業(yè)債發(fā)行利率的影響因素。研究結(jié)果表明，發(fā)行主體信用評級、債項評級、發(fā)行金額、發(fā)行主體的長期償債能力和盈利能力、發(fā)行主體的營運(yùn)能力、中國的通貨膨脹情況和貨幣供應(yīng)量是企業(yè)債發(fā)行利率的主要影響因素。

【關(guān)鍵詞】 企業(yè)債 發(fā)行利率 實證分析

引 言

股市跌宕起伏，債市穩(wěn)健發(fā)展，越來越多的投資者步入債券投資領(lǐng)域，引領(lǐng)行業(yè)大踏步地前進(jìn)，在過去的70年里，我國債券市場從柜臺交易發(fā)展為銀行間、上交所和深交所三大交易平臺，發(fā)行主體也從只有國家、政府、國企發(fā)展為各類企業(yè)競相發(fā)債，債券體量已經(jīng)達(dá)到90多萬億猿，僅次于美國和日本，位居世界第三。

一、中國債券市場現(xiàn)狀

截止到2019年7月28日，我國債市總存量為91.71萬億，其中利率債存量51.08萬億，信用債存量30.74萬億，同業(yè)存單存量9.89萬億，地方債務(wù)存量28.81萬億，同比穩(wěn)定提升。我國債券交易所市場有上海證券交易所、深證證券交易所和銀行間市場，銀行間市場處于絕對領(lǐng)導(dǎo)地位，以2019年7月25日中國債券市場的成交情況為參考，銀行間債券市場交易總額為8740.0億元人民幣，上海證券交易所現(xiàn)金債券交易市場交易總額約149.7億元人民幣，深圳證券交易所現(xiàn)金債券交易市場交易總額為91.0億元人民幣，銀行間市場的領(lǐng)導(dǎo)地位可見一斑。

債券市場也存在著一些問題，債券違約首當(dāng)其沖，截至2019年7月25日，當(dāng)年已有逾90只債券違約，涉及債券本金規(guī)模約718億元，新增逾20家違約主體。截至7月25日，7月已發(fā)生17例實質(zhì)性債券違約。違約并非洪水猛獸，其帶來的優(yōu)勝劣汰反而會讓整個債券市場有一個良性循環(huán)，推動大環(huán)境的發(fā)展。

二、研究意義

通過研究企業(yè)債發(fā)行利率，我們可以從多方面捕捉債券所傳遞的信息，以得出債券的投資價值，為投資者提供參考。與國債和金融債相比，企業(yè)債風(fēng)險波動較大，出現(xiàn)違約的企業(yè)債在發(fā)行時的價值評估必然是有問題的，而發(fā)行利率是最直接體現(xiàn)債券價值的因素，因而確定發(fā)行利率的影響因素就尤為重要。

三、實證模型的設(shè)計

本部分將理論與實際相結(jié)和，在對文獻(xiàn)及企業(yè)債發(fā)展歷史和現(xiàn)狀梳理的基礎(chǔ)上，從非發(fā)行主體因素和發(fā)行主體因素兩個層面，再將非發(fā)行主體因素分為宏觀因素和債券自身因素，對企業(yè)債的發(fā)行利率進(jìn)行研究。

1.變量的選擇

首先是被解釋變量的選擇，本文研究銀行間債券市場企業(yè)債發(fā)行利率的影響因素，因此將企業(yè)債發(fā)行時的票面利率作為被解釋變量，記為I。

其次是對解釋變量的選擇，本文從非發(fā)行主體因素和發(fā)行主體因素兩方面選取解釋變量，所選取變量都是Wind上可獲得的，是投資者判斷債券投資價值的信息。

第一，發(fā)行當(dāng)月貨幣市場的流動性狀況。Shibor利率是反應(yīng)貨幣市場流動性的一個指標(biāo)，貨幣市場流動性越大，投資者對于債券的交易量就越大。所以，本文選取一年期Shibor利率的5日算術(shù)平均數(shù)反映貨幣市場流動性，記為SR，預(yù)計正相關(guān)。

第二，中國宏觀經(jīng)濟(jì)增長情況。宏觀經(jīng)濟(jì)越景氣，投資者的投資熱情越高漲，債券發(fā)行的票面利率更低。所以，本文選取債券發(fā)行上一季度的國內(nèi)生產(chǎn)總值GDP的同比增速反反映中國宏觀經(jīng)濟(jì)情況，記為GDP，預(yù)計負(fù)相關(guān)。

第三，中國的通貨膨脹情況。通貨膨脹越高，未來貨幣貶值越快，發(fā)行人愿意提高發(fā)行利率。本文選取債券發(fā)行上一月度的居民消費(fèi)價格指數(shù)（CPI）同比增速反映中國的通貨膨脹情況，記為CPI，預(yù)計正相關(guān)。

第四，貨幣供應(yīng)量。貨幣供應(yīng)量越大，投資和中間市場更活躍。本文選取債券發(fā)行上一月度的廣義貨幣供應(yīng)量M2反映貨幣供應(yīng)量，記為M2，預(yù)計負(fù)相關(guān)。

第五，發(fā)行金額。發(fā)行體量越大，債務(wù)占比越高，發(fā)行主體風(fēng)險提高，發(fā)行利率提高。所以本文選取發(fā)行金額作為解釋變量之一，記為IT，預(yù)計正相關(guān)。

第六，發(fā)行期限。債券擬發(fā)行期限越長，流動性風(fēng)險越高，發(fā)行利率提高。所以本文選取發(fā)行期限作為解釋變量之一，記為D，預(yù)計正相關(guān)。

第七，擔(dān)保情況。債券發(fā)行有第三方擔(dān)保意味著風(fēng)險降低，債券的發(fā)行利率降低。所以本文選取擔(dān)保情況做為解釋變量之一，記為Guar，預(yù)計負(fù)相關(guān)。本文中將擔(dān)保情況設(shè)為虛擬變量，若有擔(dān)保則去之為1，若無擔(dān)保去之為0。

第八，債項評級。債項評級是最能直接反映債券風(fēng)險的指標(biāo)，債項評級越高，違約風(fēng)險越低，發(fā)行利率越低。所以本文選取債項評級作為解釋變量之一，記為BR，預(yù)計負(fù)相關(guān)。本文的債項評級變量有AA、AA+和AAA級三個層次，依次賦值為0，1，2，當(dāng)債項評級為AA時，BR=0，當(dāng)債項評級為AA+時，BR=1，當(dāng)債項評級為AAA時，BR=2。

第九，發(fā)行主體信用評級。本文選取債項評級作為解釋變量之一，記為SR，預(yù)計負(fù)相關(guān)。本文的債項評級變量有AA-、AA、AA+和AAA級四個層次，依次賦值為0，1，2，3當(dāng)發(fā)行主體信用評級為AA-時，SR=0，當(dāng)發(fā)行主體信用評級為AA時，SR=1，當(dāng)發(fā)行主體信用評級為AA+時，SR=2，當(dāng)發(fā)行主體信用評級為AAA時，SR=3。

第十，發(fā)行主體財務(wù)狀況。債券主體的財務(wù)狀況反映發(fā)行主體的償債能力，償債能力越強(qiáng)，違約風(fēng)險越低，發(fā)行利率降低。所以本文選取發(fā)行主體財務(wù)狀況作為解釋變量之一，記為FS，預(yù)計負(fù)相關(guān)。

第十一，發(fā)行主體性質(zhì)。發(fā)行主體性質(zhì)主要包括中央國有企業(yè)、地方國有企業(yè)和民營企業(yè)。國有比例越高違約風(fēng)險越低，發(fā)行利率降低。所以本文選取發(fā)行主體性質(zhì)作為解釋變量之一，記為IO，預(yù)計負(fù)相關(guān)。本文將三種企業(yè)性質(zhì)依次賦值為0、1、2，當(dāng)發(fā)行主體性質(zhì)為民營企業(yè)時，IO=0，當(dāng)發(fā)行主體性質(zhì)為地方國有企業(yè)時，IO=1，當(dāng)發(fā)行主體性質(zhì)為中央國有企業(yè)時，IO=2。

2.數(shù)據(jù)來源

本文所選取的樣本數(shù)據(jù)來自于Wind資訊，選取2018年4月1日至2019年3月31日在銀行間市場上市且未到期的企業(yè)債作為本文的研究對象。首先，剔除本文研究指標(biāo)所需數(shù)據(jù)缺失且無法獲取的觀測值，其次，選擇按面值發(fā)行、固定利率、每年付息一次的銀行間企業(yè)債作為研究樣本，共計627只銀行間企業(yè)債。

四、實證檢驗及回歸結(jié)果

1. 對發(fā)行主體財務(wù)因素指標(biāo)進(jìn)行主成分分析

本文首先對選取的總資產(chǎn)（TA）、用資產(chǎn)負(fù)債率（ALR）、流動比率（LR）、速動比率（QR）、等14個財務(wù)指標(biāo)進(jìn)行主成分分析。主成分分析得KMO=0.637，P=0.000。KMO和巴特利特檢驗用來檢驗樣本是否適合主成分分析，KMO大于經(jīng)驗判定值0.6，巴特利特檢驗P值小于0.05時，適合主成分分析，本文中選用的財務(wù)數(shù)據(jù)指標(biāo)適合做主成分分析。

根據(jù)引入因子初始特征值大于1的原則，從14個財務(wù)指標(biāo)共提取了6個主成分，其累計貢獻(xiàn)率為86.245%，貢獻(xiàn)率高，解釋度高。將六個主成分分別定義為f1、f2、f3、f4、f5、f6。

2.全變量模型的實證分析

初定全變量多元線性回歸模型為：

根據(jù)建立的多元線性模型，本文使用SPSS回歸分析得到實習(xí)結(jié)果如下：DW系數(shù)=1.683，接近于經(jīng)驗值2，檢驗結(jié)果可以做參考。解釋變量中，主體評級BR、債項評級SR、發(fā)行金額IT、上一月CPI同比增速和上一月M2同比增速在0.01顯著性水平顯著，f1和f2在0.05顯著水平顯著，主成分f1主要反映了發(fā)行主體的長期償債能力和盈利能力，主成分f2主要反映了發(fā)行主體的營運(yùn)能力。

最后得出結(jié)論為：在銀行間企業(yè)債發(fā)行利率的定價方面，發(fā)行主體信用評級、債項評級、發(fā)行金額、發(fā)行主體的長期償債能力和盈利能力、發(fā)行主體的營運(yùn)能力、中國的通貨膨脹情況和貨幣供應(yīng)量是主要決定因素，而其他因素并不起主導(dǎo)影響。

【參考文獻(xiàn)】

[1] 劉娥平，施燕平. 盈余管理、公司債券融資成本與首次信用評級[J]. 管理科學(xué)，2014（5）.

[2] 趙曉琴，萬迪肪. 上市公司債券票面利差形成影響因素研究[J]. 證券市場導(dǎo)報，2011，8：46-50.

[3] 汪坤. 我國銀行間市場公司債券信用利差影響因素研究—以分析師預(yù)測角度切入[D]. 成都：西南財經(jīng)大學(xué).

[4] 楊曄. 我國企業(yè)債券市場利率環(huán)境的實證研究[J]. 金融研究，2008，2：168-179.