法治建設與債券信用利差
——基于新《證券法》審議通過的準自然實驗研究

甄紅線 李佳

(東北財經(jīng)大學會計學院/中國內(nèi)部控制研究中心，遼寧 大連 116021)

一、引言

黨的二十大報告指出，要加強和完善現(xiàn)代金融監(jiān)管，強化金融穩(wěn)定保障體系，依法將各類金融活動全部納入監(jiān)管，守住不發(fā)生系統(tǒng)性金融風險底線。近年來，中國債券市場發(fā)展迅速，已成為世界第二大債券市場1，在推動經(jīng)濟高質(zhì)量發(fā)展過程中發(fā)揮著不容忽視的作用。2然而，隨著債券市場的快速擴張，債券違約事件頻發(fā)，違約金額巨大，且違約數(shù)量持續(xù)增加，引起資本市場業(yè)界和學術界的密切關注(王敘果等，2019；王茹婷等，2022；翟淑萍等，2022)。Wang et al.(2023)研究指出債券信用風險的累積和爆發(fā)將嚴重打擊投資者信心，帶來信用收縮與信用利差提高等不利影響。與此同時，債券違約不僅會通過風險傳染對非違約企業(yè)的經(jīng)營活動產(chǎn)生負面影響(寧博等，2020)，而且能夠迅速傳遞至金融系統(tǒng)中的其他市場(徐楠芝等，2022)，影響金融市場穩(wěn)定，進而對整個實體經(jīng)濟運轉(zhuǎn)產(chǎn)生負面影響。因此，探究如何有序釋放和平穩(wěn)化解債券違約風險至關重要。

黨的二十大報告明確指出，必須更好發(fā)揮法治固根本、穩(wěn)預期、利長遠的保障作用，在法治軌道上全面建設社會主義現(xiàn)代化國家。資本市場的規(guī)范要求極強，其高質(zhì)量發(fā)展離不開法治建設保駕護航。“法與金融”學派認為對投資者和債權(quán)人保護越完善的經(jīng)濟體，其資本市場越發(fā)達(La Porta et al.，1998)。2019年12月28日，第十三屆全國人大常委會第十五次會議審議通過了修訂后的《中華人民共和國證券法》(以下簡稱新《證券法》)。本次修訂是自2005年以來的第二次全面修訂，成為我國資本市場向市場化、法治化、國際化方向邁進的重要一步。強化投資者保護是新《證券法》的立法核心。其中，增加投資者保護專章是最突出的“明線”，信息披露是對投資者知情權(quán)的保護，提高違法成本是對損害投資者利益違法行為的威懾。目前，已有研究主要關注新《證券法》審議通過對股票市場的影響(陳運森等，2020；賴黎等，2022；巫岑等，2022；李娜等，2022)。Wind數(shù)據(jù)顯示，截至2022年末，債券融資與股權(quán)融資在社會融資總規(guī)模中的占比分別為9.0%和3.1%，債券市場規(guī)模和融資能力強于股票市場，卻鮮有文獻關注新《證券法》審議通過對債券市場的影響。新《證券法》首次在法律層面確認債券持有人會議的投資者治理機制，以及債券受托管理人作為債券投資者利益代言人的法律地位。3因此，預期新《證券法》審議通過將加強債券投資者保護力度，從而降低其要求得到的風險補償。

有鑒于此，本文基于債權(quán)人法律保護視角，以2018―2021年A股上市公司發(fā)行的一般公司債和中期票據(jù)季度數(shù)據(jù)為研究樣本，以2019年第四季度新《證券法》審議通過這一具有準自然實驗性質(zhì)的事件為外生沖擊，構(gòu)建雙重差分模型，實證檢驗了法治建設對債券信用利差的影響效果及其作用機制。研究發(fā)現(xiàn)，新《證券法》審議通過后，標的債券信用利差顯著降低。機制檢驗發(fā)現(xiàn)，提高債券流動性與降低債務違約風險是法治建設降低公司債信用利差的重要途徑。異質(zhì)性分析發(fā)現(xiàn)，從債券特征看，當債券融資依賴度高、債券契約條款少、承銷商聲譽差時，法治建設對公司債信用利差的降低作用更強；從公司層面看，這一影響在投資者交易意愿低、投資者保護力度弱、公司信息披露質(zhì)量差以及違法違規(guī)風險高時更為顯著。

本文的邊際貢獻主要體現(xiàn)在以下三個方面：

第一，從債權(quán)人法律保護的視角出發(fā)，探究法治建設對降低債券信用利差的影響，補充了新《證券法》立法影響力的證據(jù)，完善了中國特色背景下“法與金融”理論框架。已有研究多依賴于一國債權(quán)人保護水平或破產(chǎn)效率指標，探究債務合約實施的法律環(huán)境對企業(yè)融資成本的影響(La Porta et al.，1997，2002；Djankov et al.，2008；Qian and Strahan，2007)。然而，法治建設是難以量化的抽象概念，本文基于中國新《證券法》審議通過這一外生事件，很好地解決了指標構(gòu)建效度的爭議。同時，以往學者基于抵押物價值事后角度，探討《物權(quán)法》擴大擔保范圍與《破產(chǎn)法》和成立破產(chǎn)法庭提高破產(chǎn)后執(zhí)法效率對債權(quán)人保護的影響(錢雪松等，2019；王紅建等，2023；王永欽和薛笑陽，2022)。相比之下，《證券法》對資本市場具有基礎性和系統(tǒng)性影響，對投資者保護的影響更為直接。本文以新《證券法》審議通過為外生事件，探究了根本性法治建設的實施效果。

第二，借助于新《證券法》審議通過這一重要實驗場景構(gòu)建雙重差分模型，有助于識別債券投資者保護與債券信用利差之間的因果關系。已有關于防范化解債券違約風險的研究主要關注債券契約條款(史永東和田淵博，2016)、公司治理(周宏等，2018)、會計信息質(zhì)量(Ahmed et al.，2002)、降低債務代理成本(史永東等，2021)以及數(shù)字金融(翟淑萍等，2022)等因素的有效性，忽視了法治建設這一重要因素。區(qū)別于以往內(nèi)生于公司特征和債券特征的債券投資者保護方式，本文基于新《證券法》審議通過這一外生沖擊對因果關系進行識別。

第三，有助于深入理解法治建設在防范化解債券違約風險方面的關鍵作用，為未來貫徹落實新《證券法》、推動債券市場法律制度統(tǒng)一化與保護債券投資者合法權(quán)益提供經(jīng)驗借鑒。

此外，本研究發(fā)現(xiàn)完善的投資者保護制度、設立債券契約條款以及較高的信息披露質(zhì)量能夠降低債務違約風險，為健全市場化、法治化、多元化的債券違約風險化解機制提供了決策參考。

二、制度背景

(一)中國債券市場簡要介紹

債券市場是中國資本市場的重要組成部分，主要有利率債和信用債兩類。截至2022年末，中國債券市場存量規(guī)模達141.31萬億元，超過同年全國GDP總額，其中信用債44.23萬億元，占比約31.3%。4非金融企業(yè)發(fā)行的債券主要包括公司債、企業(yè)債和債務融資工具三種。其中，企業(yè)債是由中央國企、地方重點企業(yè)發(fā)行，在銀行間和交易所市場發(fā)行、流通，籌集資金主要用于國家重點項目或基礎設施建設的債券，其發(fā)行主體、交易市場和資金用途與公司債和中期票據(jù)存在明顯差異，不具有可比性。因此，本文關注公司債和中期票據(jù)兩種債券，兩者屬性在一定程度上有所類似。從發(fā)行主體來說，非金融上市公司既可以發(fā)行公司債，也可以發(fā)行中期票據(jù)。從交易主體類型來說，中期票據(jù)僅限機構(gòu)投資者，而公司債雖然沒有限制投資者類型，但仍有投資者適當性限制，實踐中更鮮有個人投資者參與。從交易特征來說，公司債與中期票據(jù)均不要求強制評級與擔保，債券發(fā)行期限主要分布在3～5年區(qū)間。從資金用途來說，所募集資金均可用于償還有息債務、補充流動資金和項目建設等。綜上可見，非金融上市公司發(fā)行的公司債與中期票據(jù)具有可比性。

(二)新《證券法》簡要介紹

2019年12月28日，新修訂的《證券法》審議通過，并于2020年3月1日起正式實施。原《證券法》共240條，新《證券法》共修改了166個條款，刪除了24個條款，同時新增了24個條款，是一次“大刀闊斧”的修訂。與此同時，新《證券法》審議通過是政府為完善資本市場法治建設不斷推進的結(jié)果，對微觀企業(yè)而言是一次外生沖擊，為識別法治建設與債券信用利差間的因果關系提供了良好的研究契機。新《證券法》第二條規(guī)定，“在中華人民共和國境內(nèi)，股票、公司債券、存托憑證和國務院依法認定的其他證券的發(fā)行和交易，適用本法”。5可以看出，新《證券法》主要調(diào)整的是證監(jiān)會主導下的資本市場法律關系，在“證券”范圍的界定上仍然固守原來的股票、公司債與企業(yè)債的調(diào)整范圍，遺漏了債務融資工具這一債券品種(田春雷，2022；李敏，2021；劉俊海，2020)。因此，中期票據(jù)的發(fā)行與管理不適用新《證券法》，這天然形成了實驗組和控制組，借助這一準自然實驗能夠得出更加干凈的因果關系。

三、研究假設

(一)法治建設與債券信用利差

“法與金融”學派認為對投資者和債權(quán)人保護越完善的經(jīng)濟體，其資本市場越發(fā)達(La Porta et al.，1998)?！蹲C券法》對于投資者保護的影響更為直接，其修訂將對債券市場產(chǎn)生基礎性、長期性和系統(tǒng)性的影響。一方面，全面推行注冊制是新《證券法》的重要舉措。中期票據(jù)發(fā)行長期以來實施注冊制，受新《證券法》全面推行注冊制的影響較小。相比之下，新《證券法》審議通過之后，公司債發(fā)行由核準制轉(zhuǎn)向注冊制，這將顯著降低債券發(fā)行準入門檻，激發(fā)債券市場活力，從而提高債券流動性(洪艷蓉，2020)，降低債券信用利差(葉彥藝和楊曉光，2023)。另一方面，強化投資者保護是新《證券法》的立法核心。其中，增加投資者保護專章是最突出的“明線”，信息披露是對投資者知情權(quán)的保護，提高違法成本是對損害投資者利益違法行為的威懾。王永欽和薛笑陽(2022)研究指出，加強投資者保護將顯著降低債券投資者要求得到的風險補償?；谏鲜龇治觯疚奶岢鋈缦卵芯考僭O：

H1：新《證券法》審議通過之后，標的債券信用利差顯著降低。

(二)債券流動性的中介效應

流動性是公司債價格的重要決定因素(Bao et al.，2011；Lin et al.，2011；Acharya et al.，2013)。新《證券法》規(guī)定了更寬松的公司債發(fā)行條件，刪除了部分數(shù)量化指標要求，取消了發(fā)行公司債時對公司業(yè)績與債券余額等方面的限制6，并刪去了申請公司債公開發(fā)行需要報送“資產(chǎn)評估報告和驗資報告”的要求。7洪艷蓉(2020)研究指出，突破設立門檻的事前管控手段有助于建立更具市場化特征的債券融資投資機制，該機制能夠根據(jù)發(fā)行人的資金需求、信用風險以及市場資金情況進行靈活調(diào)整，激發(fā)債券市場活力。這不僅有助于提高債券投資者的交易意愿(瞿強，2001)，提升債券流動性，而且能夠促進債券市場交易數(shù)據(jù)和信息流動，降低債券流動性風險(高強和鄒恒甫，2015)。葉彥藝和楊曉光(2023)研究指出，持有流動性較好的信用債的投資者會降低要求得到的風險補償，降低債券信用利差?；诖耍疚奶岢鋈缦卵芯考僭O：

H2：新《證券法》審議通過能夠提高標的債券流動性，從而降低債券信用利差。

(三)債務違約風險的中介效應

債務違約風險是決定債券信用利差的重要因素(Tang and Yan，2010)，并以風險溢價的形式反映在信用利差中(高強和鄒恒甫，2015)。新《證券法》中關于投資者保護、信息披露與違規(guī)處罰等內(nèi)容的修訂，為保護債券投資者提供了法律基礎與有力的制度支撐，能夠降低債務違約風險。首先，在投資者保護方面，新《證券法》首次在法律層面確認債券持有人會議作為投資者治理機制，以及債券受托管理人作為投資者利益代言人的法律地位和決議效力。這不僅有利于集中債券持有人的意見(張欽昱，2018)，提高維權(quán)效率，而且能夠充分發(fā)揮債券受托管理人的監(jiān)督能力，降低債務違約風險。其次，在信息披露方面，新《證券法》單獨設立了“信息披露”章節(jié)，信息披露的原則、內(nèi)容與重點發(fā)生改變8，提高了公司的信息披露質(zhì)量(陳運森等，2020)，進而能夠緩解債券市場信息不對稱。最后，在處罰力度方面，新《證券法》大幅提高了違規(guī)處罰力度與違法違規(guī)成本9，降低了認定違法主體和法律追責的難度10，對損害投資者利益的違法行為形成威懾效應。出于維護聲譽與避免訴訟風險的考慮，事前的證券訴訟威脅能夠減輕代理沖突(Crane and Koch，2018)，降低債務違約風險(Leuz et al.，2003)。吳育輝等(2020)研究指出較低的債務違約風險能夠使債券信用利差收窄?；诖?，本文提出如下研究假設：

H3：新《證券法》審議通過能夠降低債務違約風險，從而降低債券信用利差。

四、研究設計

(一)樣本選擇與數(shù)據(jù)來源

由于新《證券法》于2019年第四季度審議通過，為保證樣本在實施前后都有足夠的觀測值以及政策實施前后樣本期間的平衡性，本文以2018―2021年季度數(shù)據(jù)作為初始研究樣本，關注由中國A股上市公司公開發(fā)行的公司債和中期票據(jù)，并進行如下篩選：(1)剔除金融行業(yè)樣本；(2)剔除ST、*ST樣本；(3)剔除年度內(nèi)無有效交易的樣本；(4)剔除數(shù)據(jù)缺失的樣本；(5)對于同一家上市公司在某一年內(nèi)發(fā)行的多只存續(xù)期債券，保留剩余到期年限最長的樣本。為消除極端值的影響，所有連續(xù)變量均進行上下1%的縮尾處理，最終得到5193個公司-季度觀測值。債券發(fā)行規(guī)模與網(wǎng)絡搜索指數(shù)數(shù)據(jù)來源于CNRDS數(shù)據(jù)庫，債券市場數(shù)據(jù)來自Wind數(shù)據(jù)庫，其他數(shù)據(jù)均來自CSMAR數(shù)據(jù)庫。

(二)模型設計與變量定義

借鑒已有文獻(王永欽和徐鴻恂，2019；史永東等，2021；張軍，2021)，本文構(gòu)建模型(1)進行實證檢驗：

其中，被解釋變量CSb,i,t為公司i發(fā)行的債券b在t季度的信用利差，借鑒史永東等(2021)的研究，由公司債每日到期收益率與同期相同剩余期限的中債國債到期收益率之差的季度有效交易日的算術平均值計算得到(單位：%)。Treatb表示債券b是否為新《證券法》標的，參考王永欽和徐鴻恂(2019)、田春雷(2022)的做法，如果債券b為公司債，則定義為實驗組，Treatb取1，表示為新《證券法》標的債券；如果債券b為中期票據(jù)，則定義為控制組，Treatb取0，表示為非標的債券。Postt為時間虛擬變量，與正式實施日相比，將法律通過日作為事件日會使研究場景更加干凈(Berkowitz et al.，2015；陳運森等，2020)，因此，本文根據(jù)新《證券法》審議通過的時間，當觀測期為2019年第四季度及之后時，Postt取值為1，否則取值為0。Treatb×Postt的系數(shù)反映法治建設對標的債券信用利差的影響。Ctrls為控制變量，各變量具體定義詳見表1。同時，本文參考吳育輝等(2022)的方法，在模型(1)中加入了固定效應α和δt，α分別由公司固定效應(αi)和債券類型固定效應(αb)表示，δt為季度固定效應。

表1 控制變量定義

(三)描述性統(tǒng)計

表2為全樣本的變量描述性統(tǒng)計結(jié)果，變量特征與已有研究相近(史永東等，2021)。Treat均值為0.593，意味著59.3%觀測值受到新《證券法》審議通過的影響。Post均值為0.571，表明57.1%的觀測值位于新《證券法》審議通過之后，其與新《證券法》標的債券交互項(Treat×Post)的均值為0.357，表明在新《證券法》審議通過后約有35.7%的觀測值屬于標的債券。

表2 變量的描述性統(tǒng)計結(jié)果

五、實證結(jié)果與分析

(一)基本回歸結(jié)果

本文采用雙重差分法對模型(1)進行回歸，表3為法治建設是否影響二級市場公司債信用利差的回歸結(jié)果。Treat×Post的回歸系數(shù)至少在5%水平上顯著為負，這意味著新《證券法》審議通過之后，標的債券信用利差顯著降低，驗證了研究假設H1。就經(jīng)濟顯著性而言，Treat×Post的回歸系數(shù)為-0.308，表明新《證券法》審議通過使得標的債券信用利差平均下降約12.3%(=-0.308/2.494)，具有顯著的經(jīng)濟意義。

表3 法治建設與債券信用利差

(二)雙重差分的適用性檢驗

1.平行趨勢檢驗

雙重差分模型估計的有效性依賴于平行趨勢檢驗。本文參考李建強等(2020)的研究，構(gòu)建模型(2)進行平行趨勢檢驗：

其中，當觀測期處于新《證券法》審議通過前(后)k期時，Before-t(After+t)取值為1，否則為0；當觀測期處于新《證券法》審議通過當期時，Currentt取值為1，否則為0?；貧w結(jié)果顯示(限于篇幅，檢驗結(jié)果略)，在新《證券法》審議通過之前，實驗組和控制組的債券信用利差分布趨勢并不存在顯著差異，說明不存在“預期效應”。在新《證券法》審議通過當期顯著降低標的債券信用利差，為DID估計的有效性提供了證據(jù)支持。

2.安慰劑檢驗

為避免基準回歸結(jié)果由偶然因素導致，本文借鑒巫岑等(2022)的研究，隨機抽取相同數(shù)量的實驗組樣本(3079個觀測值)作為偽實驗組進行檢驗，重復上述過程1000次，繪制回歸系數(shù)的分布密度圖，結(jié)果如圖1所示?？梢园l(fā)現(xiàn)1000次隨機過程中的估計系數(shù)集中分布于0附近，與基準回歸的系數(shù)值(-0.308)存在明顯差異。結(jié)果表明，真實的基準回歸估計屬于隨機生成分布的極端值，因此可以反推未觀測到的因素對本文的估計結(jié)果影響較小，排除了未觀測遺漏變量與非隨機因素的影響。

圖1 安慰劑檢驗

(三)穩(wěn)健性檢驗

1.改變核心變量度量方法

首先，借鑒李青原等(2022)的做法，不論是將2019年第四季度之后(不含當期)Post_2賦值為1，還是剔除2019年第四季度樣本，結(jié)果均保持不變。其次，參考史永東等(2021)的研究，選取5年期中債國債的到期收益率作為基準利率，重新計算得到MCS，結(jié)果如表4列(1)～(3)所示，結(jié)論穩(wěn)健。

表4 改變核心變量度量方法

2.改變研究樣本

首先，考慮上市公司既發(fā)行公司債又發(fā)行中期票據(jù)的影響。第一，剔除既發(fā)行公司債又發(fā)行中期票據(jù)的上市公司重新進行回歸。第二，借鑒王彥慧和傅仁輝(2022)的研究，將樣本期間只發(fā)行公司債以及既發(fā)行公司債又發(fā)行中期票據(jù)的公司，定義為實驗組，TREATi取1；將樣本期間只發(fā)行中期票據(jù)的上市公司定義為控制組，TREATi取0，其余部分與基準模型(1)保持一致。其次，通過改變數(shù)據(jù)頻率，分別使用月度數(shù)據(jù)和半年度數(shù)據(jù)進行穩(wěn)健性檢驗。最后，改變債券篩選方法。對于同一家上市公司在某一年內(nèi)發(fā)行的多只存續(xù)期債券，分別保留發(fā)行額度最大或者票面利率最高的債券。改變研究樣本的回歸結(jié)果如表5列(1)～(6)所示，結(jié)論穩(wěn)健。

表5 改變研究樣本

3.排除同時期其他事件的影響

第一，排除同時間處于審議過程的《民法典》草案的影響。借鑒李青原等(2022)、陳運森等(2020)的研究，在模型(1)中將固定資產(chǎn)比例(Fa)、應收賬款比例(Accounts)和擔?？傤~(Grt)作為控制變量，同時加入各變量與Post的交互項。第二，排除新冠疫情的影響。借鑒楊子暉和王姝黛(2021)的研究，以債券發(fā)行人注冊地所在市本季度新增新冠病例確診病例數(shù)(Covid_19)作為控制變量。第三，控制宏觀因素。參考王茹婷等(2022)的做法11，將GDP、M2增速、CPI作為控制變量，在模型(1)中同時加入各變量與Post的交互項。排除同時期其他事件影響的回歸結(jié)果如表6列(1)～(3)所示，結(jié)論穩(wěn)健。

表6 排他性解釋

4.樣本匹配回歸

采用樣本匹配方法為新《證券法》標的債券匹配特征相似的債券。借鑒王彥慧和傅仁輝(2022)的研究，采用PSM-DID方法，選擇對債券信用利差有重要影響的公司規(guī)模、杠桿率、流動資產(chǎn)比率、自由現(xiàn)金水平、盈利能力、成長性、債券跟蹤評級、債券發(fā)行規(guī)模和剩余期限作為自變量進行回歸，使用Logit模型計算傾向得分，選取最鄰近且有放回的1:2配對方法匹配，并進行DID回歸。協(xié)變量平衡性檢驗結(jié)果(限于篇幅，檢驗結(jié)果略)顯示，匹配后的樣本滿足平衡性假設。由于前文所用的PSM方法可能會造成樣本損失(Hainmueller，2012)，并且高度依賴于第一階段Logit模型設定，本文借鑒楊國超和蔣安璇(2022)的做法，采用熵平衡法緩解非隨機處理效應。本文對控制變量的一階和二階矩均進行平衡，經(jīng)過該方法加權(quán)后實驗組與控制組特征變量的均值、方差、偏度均接近一致，并無顯著差異。表7列(1)(2)結(jié)果顯示，在使用匹配樣本重新進行檢驗后，Treat×Post的系數(shù)均顯著為負，結(jié)論依然穩(wěn)健。

表7 樣本匹配回歸

六、進一步分析

(一)影響機制

1.債券流動性

為驗證債券流動性的中介效應，本文構(gòu)建模型(3)和模型(4)，采用溫忠麟等(2004)提出的中介效應程序進行檢驗。其中，Amihudb,i,t為公司i發(fā)行的債券b在t季度的債券非流動性，選擇Amihud(2002)非流動性指標作為代理變量，Amihud數(shù)值越大，債券流動性越差。Ctrls表示控制變量，與基本回歸中的控制變量保持一致。

表8列(1)顯示，Treat×Post的系數(shù)在1%水平上顯著為負，表明法治建設能夠提升標的債券的流動性。列(2)顯示，Treat×Post的系數(shù)在5%水平上顯著為負，Amihud的系數(shù)在1%水平上顯著為正。由溫忠麟等(2004)的中介效應檢驗理論可知，債券流動性在新《證券法》審議通過降低標的債券信用利差中發(fā)揮了顯著的中介效應，即新《證券法》審議通過能夠提高標的債券流動性，從而降低債券信用利差，驗證了研究假設H2。

表8 作用機制檢驗

2.債務違約風險

為驗證債務違約風險的中介效應，本文構(gòu)建模型(5)和模型(6)，采用溫忠麟等(2004)提出的中介效應程序進行檢驗。其中，中介變量為債務違約風險(EDP)，本文借鑒吳育輝等(2020)的研究，選取KMV模型(Merton，1974)推導出的違約距離的概率作為代理變量，EDP數(shù)值越大，債務違約風險越高。Ctrls表示控制變量，與基本回歸中的控制變量保持一致。

表8列(3)顯示，Treat×Post的系數(shù)在1%水平上顯著為負，表明法治建設能夠降低債務違約風險。列(4)顯示，Treat×Post的系數(shù)在1%水平上顯著為負，EDP的系數(shù)在10%水平上顯著為正。由溫忠麟等(2004)的中介效應檢驗理論可知，債務違約風險在新《證券法》審議通過降低標的債券信用利差中發(fā)揮了顯著的中介效應，即新《證券法》審議通過能夠降低債務違約風險，從而降低債券信用利差，驗證了研究假設H3。

(二)異質(zhì)性分析

1.債券特征的異質(zhì)性分析

第一，債券融資依賴度的異質(zhì)性影響。債券融資依賴度高說明公司借入的債務規(guī)模較大，在面對經(jīng)濟變動和債務壓力時，往往承擔更大的風險。本文以應付債券占有息負債的比重衡量債券融資依賴度(Bddep)；進一步地，在基準模型(1)中引入Bddep以及該變量與各核心解釋變量的交互項。表9列(1)顯示，Bddep×Treat×Post的系數(shù)在5%水平上顯著為負，說明在債券融資依賴度高的公司，新《證券法》審議通過的作用效果更大。

表9 異質(zhì)性分析：債券特征

第二，債券契約條款的異質(zhì)性影響。史永東等(2017)研究指出契約條款具有保護債券投資者的本質(zhì)屬性，能夠減少債權(quán)人承擔的風險，從而降低債券信用價差(史永東和田淵博，2016)。本文借鑒甄紅線等(2019)的方法，采用債券契約條款總數(shù)度量契約條款使用頻率(SpeSum)，進而在模型(1)中引入SpeSum以及該變量與各核心解釋變量的交互項。表9列(2)顯示，SpeSum×Treat×Post的系數(shù)在5%水平上顯著為正，說明當債券契約條款較少時，新《證券法》審議通過能夠在更大程度上降低公司債信用利差。

第三，承銷商聲譽的異質(zhì)性影響。新《證券法》明確壓實中介機構(gòu)市場“看門人”的法律職責。Booth and Smith(1986)研究發(fā)現(xiàn)，良好的承銷商聲譽可以反映其專業(yè)能力和信譽度，更好地發(fā)揮信息生產(chǎn)和認證篩選功能，幫助企業(yè)降低融資成本。借鑒郭海星等(2011)的做法，本文以債券承銷商當年總承銷金額(單位：萬億元)作為承銷商聲譽(UnderAmt)的代理變量；進一步地，在基準模型(1)中引入UnderAmt以及該變量與各核心解釋變量的交互項。表9列(3)顯示，UnderAmt×Treat×Post的系數(shù)在5%水平上顯著為正，說明當債券承銷商聲譽較差時，新《證券法》審議通過能夠在更大程度上降低公司債信用利差。

2.公司特征的異質(zhì)性分析

第一，投資者交易意愿的異質(zhì)性影響。投資者預期對投資者決策有著重要影響。Barber et al.(2008)研究發(fā)現(xiàn)，由于時間和精力的限制，投資者更愿意交易其所關注公司的證券。因此，投資者關注對其交易行為具有預測作用，投資者關注度越高，交易意愿越強，交易越活躍。借鑒楊濤和郭萌萌(2019)的研究，本文采用CNRDS網(wǎng)絡搜索指數(shù)數(shù)據(jù)庫中投資者使用上市公司股票代碼、公司簡稱、公司全稱等為關鍵字的網(wǎng)絡搜索值之和加1取自然對數(shù)衡量投資者關注度(Attention)。進一步地，在基準模型(1)中引入Attention以及該變量與各核心解釋變量的交互項。表10列(1)顯示，Attention×Treat×Post的回歸系數(shù)在1%水平上顯著為正，說明當投資者交易意愿較低時，新《證券法》審議通過的作用效果更明顯。

表10 異質(zhì)性分析：公司特征

第二，投資者保護的異質(zhì)性影響。公司層面的投資者保護能夠提升會計信息質(zhì)量，改善公司治理水平和股價表現(xiàn)，增強公司的償債能力，與新《證券法》之間表現(xiàn)為一種替代作用。本文參考吳秋生和獨正元(2022)的研究，以北京工商大學“會計與投資者保護”項目組(2014)建立的投資者保護指數(shù)的自然對數(shù)(Protect)作為代理指標，數(shù)值越大，投資者保護水平越高。進一步地，在基準模型(1)中引入Protect以及該變量與各核心解釋變量的交互項。表10列(2)顯示，Protect×Treat×Post的系數(shù)在5%水平上顯著為正，說明新《證券法》審議通過為債券投資者保護提供了法律基礎與有力的制度支撐，能夠有效彌補公司層面投資者保護不足的情況。

第三，信息披露質(zhì)量的異質(zhì)性影響。公開信息是債券投資者評估公司償債能力的重要信息來源，當信息披露質(zhì)量較差時，債權(quán)人無法及時、準確判斷公司到期回收債權(quán)的可能性，提高了債券信用利差(周宏等，2018)。參考Kim and Verrecchia(2001)的方法，本文采用KV指數(shù)度量信息披露質(zhì)量(KV)，KV值越大，信息披露質(zhì)量越差。進一步地，在基準模型(1)中引入KV以及該變量與各核心解釋變量的交互項。表10列(3)顯示，KV×Treat×Post的系數(shù)在5%水平上顯著為負，說明新《證券法》審議通過能夠提高信息披露質(zhì)量，這一影響在信息披露質(zhì)量較差的公司中更為顯著。

第四，違法違規(guī)風險的異質(zhì)性影響。王臘芳等(2023)研究指出，違法違規(guī)行為將提高債權(quán)人的信息甄別成本和由于道德風險帶來的損失。有鑒于此，本文參考陳運森等(2020)的做法，選取公司是否被監(jiān)管機構(gòu)處罰與是否收到問詢函兩個變量來衡量違法違規(guī)風險(VioRisk)，是則賦值為1，否則為0。進一步地，在模型(1)中引入VioRisk以及該變量與各核心解釋變量的交互項。表10列(4)(5)顯示，VioRisk×Treat×Post的系數(shù)至少在5%水平上顯著為負，說明新《證券法》審議通過提升了法律威懾力，從而能在更大程度上降低標的債券的信用利差。

七、結(jié)論與建議

債券投資者保護對于化解債券違約風險與維護金融穩(wěn)定至關重要。本文從投資者保護的視角出發(fā)，深入探究法治建設對公司債信用利差的影響。研究發(fā)現(xiàn)，新《證券法》審議通過顯著降低了標的債券信用利差。機制分析表明，法治建設可以通過提升債券流動性、降低債務違約風險等渠道來降低標的債券信用利差。本文進一步考察了債券特征與公司特征的異質(zhì)性影響，研究發(fā)現(xiàn)，對于債券融資依賴度高、債券契約條款少、承銷商聲譽差的債券，以及投資者交易意愿低、投資者保護力度弱、信息披露質(zhì)量差、違法違規(guī)風險高的公司而言，新《證券法》審議通過能夠在更大程度上降低標的債券的信用利差。

據(jù)此，本文提出如下政策建議：首先，回歸各類債券品種的證券本質(zhì)并將其納入《證券法》的統(tǒng)一調(diào)整，深入貫徹落實新《證券法》。本文發(fā)現(xiàn)新《證券法》審議通過能夠顯著降低標的債券信用利差、建議將非金融企業(yè)債務融資工具納入新《證券法》的調(diào)整范圍，實現(xiàn)債券市場法律制度統(tǒng)一化。其次，健全資本市場功能，促進資本市場健康有序發(fā)展。本文發(fā)現(xiàn)完善的投資者保護制度、設立債券契約條款以及較高的信息披露質(zhì)量能夠?qū)崿F(xiàn)債券投資者保護。因此，建議充分發(fā)揮市場風險定價功能，健全市場化、法治化、多元化的債券違約風險化解機制。最后，壓實承銷商等中介機構(gòu)市場“看門人”的法律職責。聲譽優(yōu)良的承銷商能夠更好地發(fā)揮其信息生產(chǎn)和認證篩選功能，為發(fā)行公司、投資者與監(jiān)管者搭好溝通交流的橋梁。因此，建議監(jiān)管部門壓實承銷商等金融中介對債券承銷的后續(xù)責任，督促承銷商恪守獨立履責、誠實守信、勤勉盡責義務。 ■

[基金項目：國家社會科學基金重大項目“宏觀經(jīng)濟穩(wěn)增長與金融系統(tǒng)防風險動態(tài)平衡機制研究”(19ZDA094)、國家自然科學基金項目“系統(tǒng)性風險對技術創(chuàng)新的影響：基于風險分層和交叉?zhèn)魅镜囊暯恰?71971046)、國家自然科學基金面上項目“公司債券違約風險防范：基于公司債特殊條款和政府參與評級的視角”(72172029)、國家社會科學基金后期資助項目“精準扶貧、綠色治理與中國經(jīng)濟高質(zhì)量發(fā)展研究”(21FJYB032)]

注釋

1.根據(jù)Wind數(shù)據(jù)庫統(tǒng)計的數(shù)據(jù)，截至2022年底，中國債券市場托管余額144.8萬億元，已成為全球第二大債券市場。

2.數(shù)據(jù)顯示，截至2022年末，債券融資與股權(quán)融資在社會融資總規(guī)模中的占比分別為9.0%和3.1%，債券市場規(guī)模和增長速度強于股票市場，債券余額占GDP的比重也不斷增加，為服務實體經(jīng)濟發(fā)展和國家重點項目建設提供了有力支持和保障。

3.詳見新《證券法》第六章投資者保護第九十二條第19頁。

4.數(shù)據(jù)來源：Wind數(shù)據(jù)庫。

5.詳見新《證券法》第一章總則第二條第1頁。

6.詳見新《證券法》第二章證券發(fā)行第十五條第4頁。

7.詳見新《證券法》第二章證券發(fā)行第十六條第4頁。

8.詳見新《證券法》第五章信息披露第七十八條第15頁、第八十條第16頁和第八十四條第17頁。

9.詳見新《證券法》第十三章法律責任第一百九十七條第39頁。

10.新《證券法》將信息披露義務人的責任推定修改為“過錯推定責任”，信息披露方需主動證明自身無過錯，否則將承擔連帶責任，從而降低了認定違法主體和法律追責的難度。詳見新《證券法》第五章信息披露第八十五條第18頁。

11.國內(nèi)生產(chǎn)總值(GDP)與居民消費價格指數(shù)(CPI)的數(shù)據(jù)來源：國家統(tǒng)計局http://www.stats.gov.cn/。貨幣供應量增速(M2)的數(shù)據(jù)來源：中國人民銀行http://www.pbc.gov.cn/。