“投資人付費”評級影響“發(fā)行人付費”評級的得分和定價嗎？

程六兵 張 龑

(1.中國海洋大學(xué) 管理學(xué)院，山東 青島 266100；2.中國企業(yè)營運資金管理研究中心，山東 青島 266100)

一、引言

如何讓更多的企業(yè)和投資者，快速地、以合理價格達(dá)成籌資和投資交易，是發(fā)展高質(zhì)量債券市場的目標(biāo)之一。作為保障機制的債券評級具有信息中介和監(jiān)督約束的功能，通過搜集信息、專業(yè)判斷以及公布信用狀況，債券評級機構(gòu)不僅可以減輕“檸檬市場”問題[1]，還可節(jié)約個體投資者重復(fù)判斷的成本。在具體的機制運行中，是否能夠及時、準(zhǔn)確地反映公司信用風(fēng)險信息是高質(zhì)量債券評級的核心。然而，現(xiàn)實的經(jīng)濟(jì)數(shù)據(jù)對此給出了相反的證據(jù)：如次貸危機前，美國三大評級機構(gòu)都未能發(fā)揮風(fēng)險預(yù)警作用；中國債券市場2014年的“超日債”、2020年“永煤控股”事件皆指向了評級虛高問題。

如何提高債券評級質(zhì)量成為債券市場發(fā)展過程中亟需解決的關(guān)鍵問題。對此，世界各國政府均采取了相應(yīng)措施，例如美國證監(jiān)會在2006年和2010年先后頒布《信用評級機構(gòu)改革法案》《多德—弗蘭克法案》，旨在增強評級競爭，提高信息透明度，加大評級機構(gòu)的法律責(zé)任。作為中國的應(yīng)對措施之一，2010年監(jiān)管機構(gòu)在超短期融資券的發(fā)行人付費模式評級下，引入投資人付費模式的評級——中債資信評級，隨后2021年五部委聯(lián)合發(fā)布《關(guān)于促進(jìn)債券市場信用評級行業(yè)健康發(fā)展的通知》更是將投資人付費評級全面推廣，鼓勵雙評級，期望發(fā)揮不同模式評級的交叉認(rèn)證作用。為了評估政策實施的預(yù)期效果，有必要對現(xiàn)有的“雙評級”制度如何影響信用評級市場進(jìn)行實證檢驗。在評級得分方面，引入“雙評級”制度，期望聲譽機制發(fā)揮效果[2]，即獨立性更高的中債資信評級發(fā)揮參考、約束作用，抑制發(fā)行人付費模式的評級機構(gòu)虛高評級的動機。對此，林晚發(fā)等提供了證據(jù)支持，他們發(fā)現(xiàn)中債資信的加入明顯降低了發(fā)行人付費模式的評級機構(gòu)對公司主體的評級得分[3]，但阮永鋒等得出了相反的結(jié)論[4]。在評級定價方面，吳育輝等發(fā)現(xiàn)在發(fā)行人付費評級一定的情況下，投資人付費評級對信用利差仍然有顯著影響[5]，但僅僅關(guān)注中債資信加入后的市場，難以發(fā)現(xiàn)評級在定價上的增量變化。陳關(guān)亭等籠統(tǒng)地檢驗了是否為雙評級以及雙評級是否有差異對債券成本的影響[6]，未能區(qū)分評級差異大小與債券成本的關(guān)系，不利于明晰雙評級影響債券定價的作用機理。相反的研究結(jié)論、有偏的研究設(shè)計，說明相關(guān)研究尚不充分。本文認(rèn)為，中債資信的加入對評級市場是一種增量變化，若聲譽機制發(fā)揮作用，將直接改變“發(fā)行人付費”機構(gòu)給出的評級得分；若否，則額外增加的評級對投資者判斷公司的信用風(fēng)險具有參考作用，有可能間接改變“發(fā)行人付費”評級在債券定價上的作用。因此，有必要從評級得分和定價兩方面，研究中債資信的加入對“發(fā)行人付費”評級帶來的直接和間接影響。

本文的研究貢獻(xiàn)主要包括兩個方面：第一，立足于中國的制度基礎(chǔ)，本文比較了同一公司被中債資信評級前后發(fā)行人付費評級的變化，由此減輕因制度設(shè)定而可能產(chǎn)生的樣本異質(zhì)性問題，完善中債資信評級對發(fā)行人付費模式評級影響的研究。在發(fā)行人付費模式下，評級機構(gòu)獨立性差，可能會出現(xiàn)評級意見購買[7]、評級迎合[8]等行為，低質(zhì)量的評級被投資者和監(jiān)管者所詬病。此時，高獨立性的投資人付費模式再次被重視和提倡[9]。在中國債券評級市場中，引入中債資信亦是基于上述邏輯，并期望聲譽機制發(fā)揮作用，抑制發(fā)行人付費模式的評級機構(gòu)虛高評級的動機?，F(xiàn)實效果如何？部分研究給出了積極證據(jù)[3][10]，而阮永鋒等未得出正面的結(jié)論[4]。值得注意的是，中國債券市場只對信用風(fēng)險低的公司在發(fā)行超短期融資券時要求雙評級，且只需任一評級達(dá)到AA級即可。忽略這種制度設(shè)定帶來的樣本異質(zhì)性問題，將對研究結(jié)論造成負(fù)面影響。為此，本文采用同一公司前后比較的方式進(jìn)行驗證，發(fā)現(xiàn)中債資信的加入并未顯著影響發(fā)行人付費模式的評級，與阮永鋒等的經(jīng)驗證據(jù)相似[4]，也與Horner的理論預(yù)期一致[11]。

第二，本文從信息甄別的視角研究中債資信評級的作用，豐富多評級定價的文獻(xiàn)。中債資信的加入最直接的作用是將單評級變成了雙評級，這對評級定價有怎樣的影響？對此，已有文獻(xiàn)主要存在三種觀點：一是信息增量說。不同的評級提供增量信息，所以與單評級相比，有差異的多評級更能降低債券成本[12]。二是信息不對稱說。評級差異的大小反映了公司信息不對稱的程度，差異越大，債券成本越高[13]。三是評級購買說。與多評級相比，單評級更有可能是公司購買的最高評級，被投資者識別，因此，單評級對應(yīng)的債券成本更高[14]。但與美國的評級市場不同，中國的多評級是應(yīng)獨立性高的監(jiān)管方要求產(chǎn)生的，此時，多評級在債券定價上的作用可能不同。對此，國內(nèi)的研究尚不充分。吳育輝等僅檢驗事后評級差異對債券定價的影響[5]，不足以反映雙評級較單評級的增量作用；而研究被中債資信評級的次數(shù)對債券定價的影響[3]，又未能明晰其作用機理，不利于發(fā)掘中債資信評級的真實作用。與本文的做法類似，阮永鋒等也分段考察了評級差異對信用利差的增量影響[4]，但忽視了被中債資信評級公司的特殊性對其研究結(jié)論產(chǎn)生的負(fù)面影響。本文考慮中國債券投資者以商業(yè)銀行等金融機構(gòu)為主的特點，從信息甄別的視角，提出新的觀點：在信息不對稱的情況下，債券投資者對公司信用風(fēng)險有一個平均判斷，其低于發(fā)行人付費模式評級，并據(jù)此定價；之后相近的雙評級使得發(fā)行人付費模式評級的可信度提高，投資者故而調(diào)高對公司的評級，從而降低債券成本；相反，差異較大的雙評級使得投資者調(diào)低對公司的評級，進(jìn)而提高債券成本。

二、文獻(xiàn)回顧與研究假設(shè)

(一)中債資信的引入對發(fā)行人付費模式評級的影響

中債資信的引入是否影響發(fā)行人付費模式的評級，主要取決于兩類評級自身的質(zhì)量以及投資者是否對其做出了識別和反應(yīng)。準(zhǔn)確地說，該機制能夠產(chǎn)生明顯作用的場景為：投資者對發(fā)行人付費模式評級的低質(zhì)量并未識別，而引入的中債資信評級是高質(zhì)量的，且能夠通過聲譽機制影響發(fā)行人付費模式評級。因此，本文結(jié)合中國特定的制度背景，從以下四個方面進(jìn)行分析。

1.中債資信評級的質(zhì)量。中債資信評級是否改變發(fā)行人付費模式評級，或者說是否對后者造成壓力，首先取決于自身的評級質(zhì)量。倘若作為參考標(biāo)準(zhǔn)，自身評級質(zhì)量不佳，其參考價值就相對較小。2010年9月，由銀行間交易商協(xié)會組織成立的中債資信，一方面采用投資人付費的方式評級，另一方面作為監(jiān)管機構(gòu)的附屬單位，追求盈利性的動機較低。因此，中債資信具有高獨立性特征。但獨立性高只是提供高質(zhì)量評級的必要條件之一，評級質(zhì)量的高低還取決于評級機構(gòu)獲取公司內(nèi)部信息的程度。Bonsall指出，在發(fā)行人付費模式下，公司與評級機構(gòu)簽訂的契約存在保密性條款，公司可以向評級機構(gòu)提供內(nèi)部信息，而后者則可以通過評級將這部分信息間接地向外傳達(dá)[15]。相比之下，采用投資人付費模式，評級機構(gòu)要獲得公司內(nèi)部信息相對較難。收益有限、成本較高的現(xiàn)實情景，可能會導(dǎo)致中債資信收集、挖掘公司內(nèi)部信息的動機不足，代之以公開信息作為評級的主要依據(jù)。因此，中債資信是憑借高獨立性做出相對較高質(zhì)量的評級，還是因內(nèi)部信息劣勢而交出低質(zhì)量的評級報告，顯然難有定論。

2.發(fā)行人付費模式評級的質(zhì)量。目前，中國的債券評級市場以發(fā)行人付費模式為主，評級機構(gòu)主要由中誠信、聯(lián)合信用等組成。本文統(tǒng)計顯示，2010—2019年，評級機構(gòu)對非金融類上市公司給出的評級在AA級以上(含AA)的樣本占比過高，超過了81%，央行也明確指出中國債券市場存在評級虛高的現(xiàn)象①。為何會虛高？原因主要有三：一是在發(fā)行人付費模式下，評級機構(gòu)為了吸引、留住客戶，獲取更多收益，具有虛高評級的動機；二是監(jiān)管機構(gòu)依賴于外部評級進(jìn)行風(fēng)險控制，設(shè)置門檻要求②，推高了發(fā)行主體對高評級的需求；三是較低的法律責(zé)任降低了機構(gòu)虛高評級的成本。目前，作為上位法，《中華人民共和國證券法》對評級機構(gòu)法律責(zé)任的規(guī)定，強調(diào)的是勤勉盡責(zé)義務(wù)，在責(zé)任認(rèn)定過程中采用過錯推定的原則，即使存在過錯，仍然以行業(yè)自律的行政處罰為主，缺少追究評級機構(gòu)民事責(zé)任的法律依據(jù)。

當(dāng)然，評級虛高并不等同于評級質(zhì)量低，發(fā)行人付費模式評級是否是高質(zhì)量的，經(jīng)驗研究并未得出一致結(jié)論。從對債券成本是否具有解釋力的角度，部分研究發(fā)現(xiàn)評級對債券成本具有明顯的解釋作用[16][17]，但寇宗來等得出了相反的結(jié)論[18]。從是否能甄別、約束企業(yè)盈余管理行為的角度，李琦等給出了正面證據(jù)[19]，但馬榕和石曉軍認(rèn)為評級對盈余管理的甄別能力較弱[20]。因此，發(fā)行人付費模式評級是否是高質(zhì)量的，仍然是一個存在爭議的話題。

3.債券投資者的構(gòu)成。正如上文所述，中債資信的加入是否引起了發(fā)行人付費模式評級的變化，還受到債券投資者的影響。若投資者從一開始就能夠識別虛高的發(fā)行人付費模式評級，主動對虛高的評級進(jìn)行調(diào)整，并要求相應(yīng)的風(fēng)險補償，那中債資信所能產(chǎn)生的邊際作用就會較小。盡管自2000年以來，制度約束層面對債券投資者的要求逐步放開，但以金融機構(gòu)為主的典型特征并未改變。根據(jù)中國債券信息網(wǎng)的統(tǒng)計，截至2020年12月，銀行間債券市場中的投資者，商業(yè)銀行與保險公司占比接近70%。與個人投資者顯著不同的是，商業(yè)銀行等金融機構(gòu)本身就具有較強的信息搜集和分析能力，是精明的投資者。Bolton等認(rèn)為，精明的投資者具有識別評級虛高的能力[21]。此時，中債資信對發(fā)行人付費模式評級的影響可能有限。

但另一方面，債券投資者往往較為分散，單個投資者在評價公司的信用風(fēng)險時，需承擔(dān)全部搜集、分析信息的成本，但不能享有全部收益，隨之可能會出現(xiàn)搭便車行為。因此，精明的投資者盡管有能力但未必有動機去識別虛高的評級。此時，投資者依賴于債券評級，中債資信作為第三方，給出額外的參考意見，可能會影響投資者對發(fā)行人付費模式評級質(zhì)量的辨別，從而發(fā)揮較大的邊際作用。

4.聲譽機制的有效性。除了考慮兩類評級的質(zhì)量、投資者構(gòu)成外，中債資信評級影響發(fā)行人付費模式評級還應(yīng)該有傳導(dǎo)途徑。在聲譽機制的預(yù)期下，中債資信給出嚴(yán)格的評級，投資者以其作為參考，若發(fā)行人付費模式評級虛高，投資者就能識別，這會損害評級機構(gòu)的聲譽。反過來，為了不損害聲譽，評級機構(gòu)會減少虛高評級的行為。但聲譽機制要發(fā)揮作用，有三個前提：首先，聲譽是通過市場競爭產(chǎn)生的。理論上，Horner認(rèn)為，在信息不對稱的情況下，外部投資者對公司產(chǎn)品質(zhì)量的監(jiān)督是不完美的，所以公司有可能不努力去提升產(chǎn)品質(zhì)量。但在市場競爭的情境下，事后因發(fā)現(xiàn)產(chǎn)品質(zhì)量低而失望的投資者會拋棄公司，該威脅的存在會促使公司努力提升產(chǎn)品質(zhì)量。長此以往，通過重復(fù)的交易，努力的公司會累積聲譽，并在市場中突顯出來[11]。其次，聲譽會帶來價值。高質(zhì)量的評級需要付出搜集、加工信息的成本，進(jìn)而累積聲譽，其目的還是在于獲取未來更高的準(zhǔn)租；相反，聲譽的損害將導(dǎo)致顧客的流失，未來準(zhǔn)租也相應(yīng)減少。最后，聲譽還需要通過價格反映出來，并為投資者所識別。

回到中國的債券市場，盡管中誠信、聯(lián)合信用等評級機構(gòu)都是在20世紀(jì)90年代初就創(chuàng)立，但債券市場在2005年才逐步開啟，且一開始央行就指定了中誠信等5家機構(gòu)為銀行間債券市場評級。因此，中國新生的債券評級機構(gòu)并非完全是市場競爭的結(jié)果，缺乏長期報錯、糾正的成長過程，累積聲譽的先決條件不足。除此之外，評級的價格還受到約束。2007年，為減少低價攬客的不正當(dāng)競爭行為，中誠信等評級機構(gòu)聯(lián)合簽署《評級收費自律公約》，對各類評級都規(guī)定了最低收費。標(biāo)準(zhǔn)化的收費降低了價格傳遞信息的功能，也對聲譽機制的傳導(dǎo)產(chǎn)生了阻礙。

綜上，基于中國債券市場特征的分析，可以看出，無論是兩類模式下評級的質(zhì)量、債券投資者的構(gòu)成，還是聲譽機制發(fā)揮作用的前提，都不能得到中債資信評級會影響發(fā)行人付費模式評級的確定性預(yù)期。但為了便于實證，本文提出：

H1：中債資信的加入會降低發(fā)行人付費模式評級機構(gòu)對發(fā)行主體的評級得分。

(二)中債資信評級對信用利差的影響

中債資信的加入將單評級變?yōu)殡p評級，使得投資者對公司信用風(fēng)險的判斷，額外增加了一種“講真話”的專家意見，對信用利差的影響，可能有以下三種情況。

1.信息增量說。按照Hsueh和Kidwell信息增量的觀點[12]，當(dāng)中債資信評級包含有關(guān)公司信用風(fēng)險的增量信息時，對于同一公司主體，投資者面臨的不確定性降低，從而將減少對公司風(fēng)險補償?shù)囊蟆４藭r，雙評級對應(yīng)的信用利差比單評級平均而言應(yīng)該更小。

2.高質(zhì)量替代說。根據(jù)吳育輝等的研究結(jié)論，獨立性高的中債資信評級質(zhì)量高于發(fā)行人付費模式評級[5]。若如此，投資者可能會完全轉(zhuǎn)向依據(jù)中債資信評級進(jìn)行定價，表現(xiàn)為與單個的發(fā)行人付費評級相比，當(dāng)兩類評級差異較大時，說明中債資信評級較低，投資者將要求較高的風(fēng)險補償。

3.信息甄別說。投資者根據(jù)評級判斷公司信用風(fēng)險的大小，屬于信息甄別問題。在信息不對稱的情況下，投資者按照發(fā)行主體的平均風(fēng)險要求回報，即存在一個與平均風(fēng)險對應(yīng)的期望評級，其低于可能虛高的發(fā)行人付費模式評級，投資者據(jù)此定價。中債資信加入后，當(dāng)兩類評級差距較小時，中債資信與發(fā)行人付費模式的評級機構(gòu)對公司信用風(fēng)險的判斷同時出錯的概率低于單評級，使得投資者可能調(diào)高期望評級，從而降低信用利差。相反，當(dāng)兩類評級差距較大時，投資者偏向于獨立性高的中債資信評級，從而調(diào)低對公司的期望評級，增加信用利差。

以上三種觀點的主要區(qū)別在于，前兩種情況下，與單評級相比，評級差異與信用利差之間為簡單的單調(diào)關(guān)系，而第三種情況下，評級差異與信用利差的關(guān)系會出現(xiàn)折點。為了便于實證，本文提出：

H2：與單評級相比，中債資信評級與發(fā)行人付費模式評級相差較小時，信用利差會降低；當(dāng)評級差異較大時，信用利差會提高。

三、研究設(shè)計與描述性統(tǒng)計

(一)中債資信的引入對發(fā)行人付費模式評級的影響

1.樣本選擇與數(shù)據(jù)來源。由于2007年中國采用新的會計準(zhǔn)則，且交易所債券市場開啟，增加了債券發(fā)行的樣本量，所以本文以2007—2019年A股非金融類上市公司的主體評級數(shù)據(jù)為初始樣本，數(shù)據(jù)來源于銳思數(shù)據(jù)庫(RESSET)。為了避免數(shù)據(jù)重復(fù)，對同一年份、月份被同一機構(gòu)評級的多條相同數(shù)據(jù)，只保留一條；同一年份、月份被不同發(fā)行人付費機構(gòu)評級共347條，其中只有72條評級存在差異，本文保留不同機構(gòu)在同一期的評級。為了保證足夠的樣本量作前后對比分析，發(fā)行人付費模式只以中誠信、聯(lián)合信用、大公國際、上海新世紀(jì)等四大機構(gòu)為代表，四大機構(gòu)評級的公司占全樣本的比例達(dá)到86%，最終獲得11013條觀察值。

為獲得各機構(gòu)的評級預(yù)測模型，本文先確定模型的初始變量。對此，本文做以下三方面的工作：首先，查閱、比對各機構(gòu)的評級方法說明書，取各機構(gòu)評級所用指標(biāo)的并集，最終選擇了公司規(guī)模、資產(chǎn)負(fù)債率等11項財務(wù)指標(biāo)作為評級模型的初始指標(biāo)。其次，將債券評級日期和公司的年報、季報公告時間匹配，具體的做法為：當(dāng)評級日期在t期，且在t-1期的年報公告時間之后，則以t-1、t-2、t-3期的年報數(shù)據(jù)為基礎(chǔ)，計算各財務(wù)指標(biāo)近三年的平均值作為評級預(yù)測模型的變量；當(dāng)評級日期在t期，但在t-1期的年報公告時間之前，則以t-2、t-3、t-4期的年報數(shù)據(jù)為基礎(chǔ)，計算各財務(wù)指標(biāo)近三年的平均值作為評級預(yù)測模型的變量。為了更好地反映評級時點上的負(fù)債情況，本文采用距離評級日期最近的季報中資產(chǎn)負(fù)債率和近三年資產(chǎn)負(fù)債率的均值作為資產(chǎn)負(fù)債率的衡量指標(biāo)。第三，為了降低極端值的影響，本文用是否高于行業(yè)—年度中位數(shù)將應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率、營業(yè)收入增長率轉(zhuǎn)換成啞變量，其他連續(xù)變量都進(jìn)行了上下1%的縮尾處理。本文還在模型中控制了是否為國有性質(zhì)、行業(yè)和年份啞變量。企業(yè)性質(zhì)和其他財務(wù)數(shù)據(jù)來源于國泰安數(shù)據(jù)庫。

進(jìn)一步地，參考Kisgen(2006)、Alissa等(2013)的做法[22][23]，本文采用排序Ologit模型進(jìn)行回歸，選出其中顯著且合理的指標(biāo)作為各機構(gòu)評級預(yù)測模型的最終變量。

2.模型設(shè)定。本文在各機構(gòu)的評級預(yù)測模型中加入是否被中債資信評級變量，構(gòu)建模型(1)：

Scoret=α0+α1Postt+∑Controlls+ε

(1)

式(1)中，被解釋變量Score是發(fā)行主體的評級得分，本文按照從低往高的方式賦值，最低評級D賦值為1，最高評級AAA+賦值為21，其他評級賦值以此類推。自2010年銀行間債券市場開始發(fā)行超短期融資券以來，相關(guān)政策就將發(fā)行主體限定為信用風(fēng)險小的企業(yè)，并要求在原有的發(fā)行人付費模式評級上增加中債資信評級。為了減輕這種樣本異質(zhì)性的影響，本文采用短期縱向比較的方式，檢驗同一公司被中債資信評級前后發(fā)行人付費模式評級的變化。設(shè)置變量Post，在公司首次被中債資信評級當(dāng)年和下一年取值為1，被中債資信評級前兩年取值為0。假設(shè)1預(yù)期α1小于0，表示中債資信的引入會降低發(fā)行人付費模式評級。

(二)中債資信評級對信用利差的影響

1.樣本選擇與數(shù)據(jù)來源。本文以WIND數(shù)據(jù)庫中2007—2019年上市公司發(fā)行的公司債、中期票據(jù)、企業(yè)債券、短期融資券、超短期融資券作為初始樣本，并取得票面利率、期限、規(guī)模、擔(dān)保等債券特征數(shù)據(jù)。與上文相同，債券評級數(shù)據(jù)來源于銳思數(shù)據(jù)庫(RESSET)。由于債券評級日期與發(fā)行日期不一致，為使二者匹配，本文做以下調(diào)整：按月份確定各機構(gòu)對公司的主體評級，若某月份評級缺失，則使用前面最近一期的評級填充，且最多填充12個月。在此基礎(chǔ)上，本文根據(jù)公司代碼、債券發(fā)行的年份和月份將債券評級和債券特征數(shù)據(jù)合并，并做以下調(diào)整：剔除金融類上市公司；由于期限短的債券對發(fā)行主體評級不敏感，本文只保留債券期限不低于1年的樣本；剔除數(shù)據(jù)缺失的樣本。最終，本文獲得3951條觀測值，涉及792家上市公司。

2.模型設(shè)定。為了檢驗中債資信評級加入后信用利差的增量變化，本文構(gòu)建模型(2)：

Spreadt=β0+β1Splitt+β2Equalt+β3Issizet+β4Maturityt+β5Lfsellt+β6Ifbuyt+

β7Ifguatt+β8Big20t+∑Year+∑Industry+∑Score+ε

(2)

式(2)中，被解釋變量Spread為債券信用利差，等于票面利率減去與其發(fā)行期限相同的國債收益率，與吳育輝等的定義相同[5]；變量Score為發(fā)行人付費模式評級的啞變量，與林晚發(fā)等(2017)、阮永鋒等(2019)采用連續(xù)變量的做法不同[3][4]。用連續(xù)變量的方式需假定相同幅度的評級變化對信用利差的影響在不同等級上保持不變，屬于較嚴(yán)格的假定。變量Split為評級是否存在差異的啞變量，當(dāng)發(fā)行人付費模式評級減去中債資信評級大于0時取值為1，在兩類評級相等以及未被中債資信評級時取值為0；變量Equal表示當(dāng)兩類評級相等時，取值為1，在發(fā)行人付費模式評級減去中債資信評級大于0以及未被中債資信評級時取值為0。系數(shù)β1表示與未被中債資信評級時相比，兩類評級差異大于0時，信用利差的變化，預(yù)期為正。類似地，系數(shù)β2表示與未被中債資信評級時相比，兩類評級差異等于0時，信用利差的變化，預(yù)期為負(fù)。相關(guān)變量的定義見表1。

表1 變量定義

(三)描述性統(tǒng)計

表2描述性統(tǒng)計顯示，樣本公司評級得分的中位數(shù)為17分，對應(yīng)評級是AA，這與中國多項政策以AA評級作為門檻要求一致，也在一定程度上說明目前債券市場可能存在虛高評級的現(xiàn)象；變量SOE顯示，樣本中61.2%的公司屬于國有企業(yè)；資產(chǎn)負(fù)債率(Lev)最小只有0.060，最高為1.2③，經(jīng)營活動現(xiàn)金流對流動負(fù)債的保障倍數(shù)(Cfocover)最小值為0.263，最高達(dá)到10.955，差異較大；變量Spread顯示，債券成本平均高于同期國債收益率2.240個百分點④；變量Split和Equal顯示，兩類評級不相等和相等的樣本占比分別為34.7%和4.6%，未被中債資信評級的樣本則占比60.7%；樣本中有可回售條款(Ifsell)的占比為19.4%，有可贖回條款(Ifbuy)的占比為5.9%，存在擔(dān)保人的占比為12.0%，主承銷商為前20名的樣本占比為18.3%。

表2 描述性統(tǒng)計

四、實證結(jié)果與分析

(一)中債資信的加入對發(fā)行人付費模式評級的影響

1.主檢驗的結(jié)果。本文首先獲得各機構(gòu)的評級預(yù)測模型⑤，再利用模型(1)，比較發(fā)行人付費模式評級在公司首次被中債資信評級前后的差異，具體結(jié)果見表3。Panel A顯示，被中債資信評級后，國內(nèi)四大評級機構(gòu)給出的評級得分都有所增加，但增加幅度較小，平均不足1分。為進(jìn)一步控制其他因素的影響，本文在上文得到的各機構(gòu)評級預(yù)測模型的基礎(chǔ)上，加入被中債資信評級的啞變量Post，結(jié)果如Panel B所示。在首次被中債資信評級前后兩年，變量Post的系數(shù)在四大評級機構(gòu)中都不顯著；類似地，本文還檢驗了被中債資信評級前后1年和3年的情況，變量Post的系數(shù)依然不顯著。因此，本文并未發(fā)現(xiàn)中債資信的加入會顯著影響發(fā)行人付費模式評級機構(gòu)對公司的評級得分⑥。這說明在中國債券評級市場，聲譽機制發(fā)揮作用的路徑不暢。這可能是因為兩類付費模式評級的質(zhì)量孰高孰低，投資者并未得出一致判斷，在定價時，投資者并未完全轉(zhuǎn)向中債資信評級，發(fā)行人付費模式評級仍然發(fā)揮重要作用，因此，中誠信等機構(gòu)調(diào)整評級的動力較小。對此，下文將進(jìn)一步研究。

表3 中債資信的加入對發(fā)行人付費模式評級的影響

2.壓力與對沖情境下的結(jié)果。本文進(jìn)一步檢驗在兩種特殊情境下，發(fā)行人付費模式評級是否發(fā)生改變。首先，本文預(yù)期，若聲譽機制發(fā)揮效果，當(dāng)中債資信評級與發(fā)行人付費模式評級差異較大時，投資者更有可能認(rèn)為發(fā)行人付費模式評級存在虛高，評級機構(gòu)面臨更大壓力，從而降低下一次對公司的評級。為此，本文設(shè)置啞變量Equal、Split3m、Split3p，分別表示當(dāng)前一期兩類評級的差異為0、小于3分、大于等于3分時取值為1，其他情況為0。表4第(1)列顯示，與被中債資信評級前相比，即使前一期評級差異大于等于3分，發(fā)行人付費模式評級也未發(fā)生明顯變化，該結(jié)論在中債資信評級前后1年、2年和3年都成立。這表明中債資信的低評級并未給發(fā)行人付費模式評級帶來壓力，與林晚發(fā)等的研究結(jié)論不同[3]。

其次，寇宗來等認(rèn)為發(fā)行人付費模式的評級機構(gòu)有用高評級對沖中債資信低評級的動機[24]。若如此，那當(dāng)中債資信評級越低時，下一期發(fā)行人付費模式評級可能會越高。為此，本文設(shè)置啞變量Lowrate，當(dāng)中債資信評級低于AA時取值為1，其他情況為0；同時，設(shè)置啞變量Highrate，當(dāng)中債資信評級不低于AA時取值為1，其他情況為0。本文預(yù)期，變量Lowrate的系數(shù)為正，表示當(dāng)前一期中債資信評級較低時，本期發(fā)行人付費模式評級會顯著提高，體現(xiàn)對沖的特征。表4第(2)列顯示，以被中債資信評級前后1年為樣本期，變量Lowrate和Highrate的系數(shù)分別為-0.331和1.125且顯著，表明與被中債資信評級前相比，中債資信評級低于(不低于)AA時，發(fā)行人付費模式評級會顯著更小(大)，與對沖的預(yù)期不符。該結(jié)果在被中債資信評級前后2年和3年依然存在，均未支持對沖的預(yù)期。實際上，這也與超短期融資券發(fā)行要求一致，即只需要任一評級達(dá)到AA即可，而非平均評級達(dá)到AA，對沖的制度基礎(chǔ)并不存在。綜上所述，在壓力和對沖兩種特定的情境中，理論上，發(fā)行人付費模式評級更應(yīng)該受到中債資信評級的影響，但該預(yù)期并未得到實證結(jié)果的支持，表明上文發(fā)現(xiàn)的發(fā)行人付費模式評級未受到中債資信評級影響的結(jié)論相對穩(wěn)健。

表4 發(fā)行人付費模式評級在中債資信加入前后的變化：壓力與對沖

(二)中債資信評級對信用利差的影響

1.主檢驗的結(jié)果。為了直觀地比較相同的發(fā)行人付費模式評級所對應(yīng)的信用利差在被中債資信評級前后的差異，本文首先給出均值差異的結(jié)果，如表5所示。以AA評級為例，在公司未被中債資信評級的情況下，信用利差平均為2.557，而被中債資信評級后，信用利差平均為2.555，二者相差0.002，差異不顯著，表明債券定價可能還是以發(fā)行人付費模式評級為準(zhǔn)。進(jìn)一步地，本文按照兩類評級差異是否超過3分統(tǒng)計，結(jié)果顯示：當(dāng)評級差異大于等于3分時，被中債資信評級后，信用利差平均為2.766，較被中債資信評級前平均高出0.209個百分點；當(dāng)評級差異小于3分時，信用利差反而平均下降了0.289個百分點。另外，表5第(2)(3)部分顯示，當(dāng)發(fā)行人付費模式評級為AA+和AAA時，均存在類似的結(jié)果，都表明評級差異與信用利差之間并非簡單的單調(diào)關(guān)系，均值差異的結(jié)果初步符合假設(shè)2的預(yù)期。

表5 被中債資信評級前后信用利差的均值差異

為進(jìn)一步控制其他因素的影響，本文利用模型(2)得到多元回歸分析的結(jié)果，如表6所示。第(1)列中，變量Ifcover為是否被中債資信評級的啞變量，在首次被中債資信評級后取值為1，反之為0。變量Ifcover的系數(shù)為-0.100且不顯著，說明在其他因素一定的情況下，中債資信的加入整體上并未顯著改變信用利差。第(2)列顯示，變量Equal的系數(shù)為-0.409且在1%的水平上顯著，表明與單評級相比，相同的雙評級使得信用利差明顯減少0.409個百分點，相當(dāng)于平均信用利差的18.3%，具有重要的經(jīng)濟(jì)意義。進(jìn)一步地，本文將評級差異分為相差1分、2分和大于等于3分三種情況，并設(shè)置相應(yīng)的啞變量Split1、Split2和Split3p，結(jié)果如第(3)列所示。變量Split1和Split2的系數(shù)都顯著為負(fù)，表明評級差異不超過2分時，中債資信的加入明顯降低信用利差；變量Split3p的系數(shù)為0.206，在5%的水平上顯著，表明當(dāng)評級差異大于等于3分時，中債資信的加入會明顯增加信用利差。

表6 評級差異對信用利差的影響：OLS回歸的結(jié)果

按照發(fā)行人付費模式評級的等級分組回歸，結(jié)果如表6后三列所示。第(4)列顯示，當(dāng)發(fā)行人付費模式評級為AA且評級差異相差1分、2分和大于等于3分時，信用利差依次降低0.544、0.170和增加0.114個百分點，相當(dāng)于單評級時信用利差均值的22.3%、7.0%和4.7%。由于在AA、AA+評級組，不存在評級相等的情況，使得變量Equal的系數(shù)未能估算。當(dāng)發(fā)行人付費模式評級為AA+和AAA時，結(jié)果類似，見第(5)(6)列。為降低計算誤差對研究結(jié)論的影響，本文還以票面利率替換信用利差作為因變量重新進(jìn)行回歸，回歸結(jié)論基本不變，限于篇幅，結(jié)果未報告。

綜上所述，本文的實證結(jié)果顯示，評級差異對信用利差的影響并非簡單的單調(diào)關(guān)系，中債資信評級發(fā)揮交叉認(rèn)證作用，符合假設(shè)2的預(yù)期。具體表現(xiàn)為：當(dāng)中債資信評級與發(fā)行人付費模式評級相差不超過2分時，投資者調(diào)高對公司的期望評級，降低信用利差；當(dāng)評級差異超過3分時，投資者調(diào)低對公司的期望評級，提高信用利差。總體上，中債資信評級有助于提高投資者根據(jù)評級甄別公司信用風(fēng)險大小的能力。

2.中債資信評級對信用利差的影響：PSM的結(jié)果。為了減輕樣本異質(zhì)性和函數(shù)形式誤設(shè)的影響，本文采用傾向得分匹配(PSM)法，比較中債資信加入前后信用利差的平均差異。具體如下：以被中債資信評級后的公司為處理組，以未被中債資信評級的公司為控制組；控制債券發(fā)行規(guī)模(Issize)、期限(Maturity)、是否存在贖回條款(Ifbuy)、是否存在回售條款(Ifsell)、是否存在擔(dān)保人(Ifguat)、主承銷商是否為前20大(Big20)等變量，計算傾向值得分；然后根據(jù)債券評級得分，分次采用1∶1、1∶2和1∶3的方式進(jìn)行匹配。在滿足平衡性假設(shè)和共同支撐假設(shè)的基礎(chǔ)上，報告信用利差的平均差異，結(jié)果見表7。

表7 被中債資信評級前后信用利差的差異：基于PSM的結(jié)果

表7第(1)部分顯示，當(dāng)發(fā)行人付費模式評級為AA時，在全樣本情況下，采用1∶1匹配，得到的平均處理效應(yīng)(ATT)不顯著；分組檢驗顯示，當(dāng)評級差異小于3分時，ATT為-0.226且在1%的水平上顯著，表明相近的評級顯著降低信用利差。相反，當(dāng)評級差異大于等于3分時，ATT為0.050且不顯著，表明信用利差增大。第(3)部分顯示，當(dāng)發(fā)行人付費模式評級為AAA時，結(jié)果與評級為AA時相似。不同的是，當(dāng)發(fā)行人付費模式評級為AA+且評級差異大于等于3分時，ATT顯著為正，表明相差較大的評級顯著增加信用利差。對比可見，AA+評級較AA和AAA評級更不可靠，使得投資者更有可能轉(zhuǎn)向于中債資信評級，這與Kisgen(2006)、Alissa等(2013)的研究發(fā)現(xiàn)一致，即帶“+/-”號評級的公司更有動機調(diào)整融資行為或者進(jìn)行盈余管理以提升債券評級，評級質(zhì)量較低[22][23]。為了降低匹配方法對研究結(jié)論的影響，表7還報告了采用1∶2和1∶3匹配的結(jié)果，結(jié)論基本不變。整體上而言，采用PSM方法得到的結(jié)果與上文回歸分析的結(jié)論較為一致，支持假設(shè)2的預(yù)期。

3.中債資信評級對信用利差的影響：同一公司前后的比較。在假定在相鄰期間內(nèi)公司信用風(fēng)險保持相對穩(wěn)定的基礎(chǔ)上，本文還以同一家公司被中債資信評級前后為研究對象，檢驗評級差異與信用利差的關(guān)系，表8報告了固定效應(yīng)模型的結(jié)果。以前后1年期(Post[-1,+1])為例，變量Split1的系數(shù)為-0.271，在1%的水平上顯著，表明評級差異為1分時，信用利差顯著降低，與上文的結(jié)果相同。當(dāng)將樣本量擴(kuò)充至中債資信加入前后2年、3年和4年，變量Split2、Split1、Equal的系數(shù)仍均顯著為負(fù)，與上文結(jié)果一致，但不同的是，變量Split3p的系數(shù)都不顯著。整體上而言，同一公司前后比較的結(jié)果部分支持了假設(shè)2的預(yù)期。

表8 評級差異對信用利差的影響：同一公司前后比較的結(jié)果

五、進(jìn)一步分析：投資者對發(fā)行人付費模式評級質(zhì)量的識別

上文假設(shè)2中，本文假定債券投資者對公司信用風(fēng)險有自身的期望評級，它低于發(fā)行人付費模式評級，并據(jù)此定價。也就是說，投資者在中債資信加入前就能夠識別發(fā)行人付費模式評級的質(zhì)量。本文分別從以下三個方面對該假定進(jìn)行檢驗：

1.投資者是否識別了發(fā)行人付費模式評級的高估部分。虛高評級是評級質(zhì)量低的表現(xiàn)，若在被中債資信評級前，投資者就對高估的評級要求了相應(yīng)的風(fēng)險補償，則表明他們識別了評級質(zhì)量。由于中債資信主要根據(jù)公開信息對發(fā)行主體進(jìn)行評級，且獨立性高，與債券投資者自身去評價公司的信用風(fēng)險較為相似。因此，本文用上文得到的中債資信的評級預(yù)測模型，模擬投資者對公司的期望評級，并設(shè)置變量Overrate，它等于實際的發(fā)行人付費模式評級減去期望評級，用以衡量評級高估的部分。表9第(2)列顯示，變量Overrate的系數(shù)為0.056且在1%的水平上顯著，表明在企業(yè)被中債資信評級前，投資者就已經(jīng)對高估部分要求了風(fēng)險補償。不僅如此，第(1)列顯示，整體上而言，投資者都能識別發(fā)行人付費模式評級的高估。

2.投資者是否將距離較遠(yuǎn)的評級識別為低質(zhì)量。從信息獲取成本的角度，本文預(yù)期，當(dāng)公司與評級機構(gòu)的距離較遠(yuǎn)時，機構(gòu)獲取公司內(nèi)部信息的成本較高，為節(jié)約成本且留住客戶，評級機構(gòu)更有可能高估評級。因此，在評級相同的情況下，距離越遠(yuǎn)，評級被高估的可能性越高，投資者若能識別這種可能性，則會要求更高的風(fēng)險補償。具體地，本文以四大評級機構(gòu)總部所在地到上市公司注冊地的球面距離作為距離遠(yuǎn)近的衡量，并以300公里為分界點，設(shè)置啞變量Dist，反映距離遠(yuǎn)近，當(dāng)二者距離超過300公里時，取值為1，反之為0。表9第(4)列顯示，交互項Dist*AA-、Dist*AA、Dist*AA+和Dist*AAA的系數(shù)都顯著為正，表明在被中債資信評級前，對相同的評級，距離越遠(yuǎn)，投資者要求了更高的風(fēng)險溢價，支持了投資者識別債券評級質(zhì)量的預(yù)期。第(3)列的全樣本結(jié)果顯示，該結(jié)論不變。

表9 投資者對發(fā)行人付費模式評級質(zhì)量的識別

3.投資者是否將年限較長的評級識別為高質(zhì)量。本文預(yù)期，當(dāng)過去的評級具有信息含量時，公司進(jìn)入債券市場的年限越長，企業(yè)與投資者、評級機構(gòu)之間的信息不對稱程度越低。此時，評級機構(gòu)更有能力給出準(zhǔn)確的評級，投資者也更能識別機構(gòu)是否給出了恰當(dāng)?shù)脑u級，這反過來也會抑制機構(gòu)高估評級的動機。為此，本文根據(jù)公司首次被評級的年份計算評級年限，并以評級年限的中位數(shù)5年為界，設(shè)置啞變量Age，當(dāng)評級年限不低于5年時，取值為1，反之為0。表9第(5)(6)列顯示，無論是全樣本，還是僅以被中債資信評級前的公司為樣本，交互項的系數(shù)都顯著為負(fù)，表明評級年限越長，對于相同的發(fā)行人付費模式評級，投資者都要求了更低的風(fēng)險報酬，符合投資者將年限更長的評級視為高質(zhì)量評級的預(yù)期。

綜上所述，無論是直接地檢驗評級高估部分與信用利差的關(guān)系，還是基于地理距離和被評級年限的截面分析，實證結(jié)果都支持了投資者能識別發(fā)行人付費模式評級質(zhì)量的預(yù)期，上文的假定具有合理性。同時，當(dāng)投資者一開始就能在一定程度上識別發(fā)行人付費模式評級的質(zhì)量時，中債資信的加入所產(chǎn)生的邊際作用就會減小，這也解釋了上文假設(shè)1的實證結(jié)果。

六、研究結(jié)論與啟示

本文從評級得分和評級定價兩方面，檢驗中債資信對發(fā)行人付費模式評級的影響，研究發(fā)現(xiàn)：作為投資人付費模式的代表，中債資信的加入并未改變中誠信等發(fā)行人付費模式的評級機構(gòu)對發(fā)行主體的評級得分，該結(jié)論在發(fā)行人付費模式的評級機構(gòu)可能面臨更大壓力和存在對沖動機時都成立。額外增加的中債資信評級發(fā)揮了交叉認(rèn)證作用，提高了投資者根據(jù)評級甄別公司信用風(fēng)險的能力，表現(xiàn)為：與被中債資信評級前相比，當(dāng)兩類評級差異小于3分時，信用利差顯著降低；當(dāng)評級差異大于等于3分時，投資者根據(jù)中債資信的低評級要求了更高的風(fēng)險報酬，信用利差增加。該結(jié)論在采用多元回歸分析和傾向得分匹配法分析后都基本成立，且采用同一公司前后比較的方式減輕樣本異質(zhì)性后，該結(jié)果也基本不變。本文還對債券投資者識別發(fā)行人付費模式評級質(zhì)量的假定進(jìn)行了驗證，研究發(fā)現(xiàn)，在一開始市場中沒有中債資信評級時，投資者就能識別發(fā)行人付費模式評級的相對質(zhì)量，表現(xiàn)為投資者對高估的評級、地理距離較遠(yuǎn)的評級以及年限較短的評級都要求了更高的風(fēng)險補償，支持了假定的合理性。

提高債券評級的質(zhì)量，對發(fā)展高質(zhì)量的債券市場具有非常重要的作用。對此，結(jié)合上文的實證結(jié)果，本文提出以下政策建議：第一，完善“雙評級”制度。本文的實證結(jié)果表明，引入獨立性高的中債資信評級沒有觸發(fā)聲譽機制，抑制其他機構(gòu)虛高的評級。本文認(rèn)為，未能抑制的原因主要有兩點：一是獨立性高的中債資信評級是否是高質(zhì)量評級，仍不確定。因為本文發(fā)現(xiàn)，中債資信加入后，投資者并未完全轉(zhuǎn)向依據(jù)中債資信評級進(jìn)行定價。實際上，為降低事后風(fēng)險，中債資信在評級時存在過度嚴(yán)格的動機。二是兩類評級之間并未形成競爭關(guān)系。沒有競爭，劣質(zhì)評級就不會被市場淘汰，沒有壓力，則不能改變機構(gòu)的評級行為。但是，中債資信評級起到了交叉認(rèn)證的作用，增強了債券定價功能。因此，本文認(rèn)為，現(xiàn)有的“雙評級”制度應(yīng)該在提高中債資信評級自身質(zhì)量的同時，擴(kuò)大“雙評級”的應(yīng)用范圍，并在不同評級之間形成良性的競爭關(guān)系，從而發(fā)揮聲譽機制對評級虛高的約束作用。第二，逐步取消有關(guān)評級的門檻要求。為控制金融風(fēng)險，中國監(jiān)管機構(gòu)在債券市場發(fā)展之初，設(shè)置了各項評級的門檻要求，如“評級至少達(dá)到AA才可以發(fā)行超短期融資券，評級達(dá)到AAA才可以公開發(fā)行公司債券”等等，這些要求加大了公司對高分評級的需求，是造成評級虛高的重要原因。本文的研究表明，中國的債券投資者能夠識別評級的質(zhì)量，并要求了相應(yīng)的風(fēng)險補償。因此，取消評級的門檻要求，不僅對評級定價的影響較小，還有助于降低評級虛高的現(xiàn)象，這也與2021年年初，證監(jiān)會、央行等監(jiān)管機構(gòu)逐步取消強制評級、弱化外部評級依賴的改革方向一致。

注釋：

①見2020年12月13日，中國人民銀行發(fā)布的《加強信用評級行業(yè)監(jiān)管 促進(jìn)信用評級行業(yè)高質(zhì)量健康發(fā)展》。

②例如，《關(guān)于進(jìn)一步完善債務(wù)融資工具注冊發(fā)行有關(guān)工作的通知》(2014)要求“評級至少達(dá)到AA才可以發(fā)行超短期融資券”；《公司債券發(fā)行與交易管理辦法》(2015)要求“評級達(dá)到AAA才可以公開發(fā)行公司債券”；《關(guān)于保險資金投資集合資金信托計劃有關(guān)事項的通知》(2014)要求“保險資金投資于評級低于AAA時需要向證監(jiān)會報告”。

③經(jīng)核查，資產(chǎn)負(fù)債率大于1的樣本共27條。在計算平均資產(chǎn)負(fù)債率時，需要在評級時間點上往前推3年，若有資產(chǎn)負(fù)債率大于1的年份會造成最終的資產(chǎn)負(fù)債率大于1，如神州信息(000555)在2016年3月14日有評級，利用2012—2014年報和2015年第三季度報數(shù)據(jù)計算的資產(chǎn)負(fù)債率因2012年的資產(chǎn)負(fù)債率為8.256而大于1，縮尾為1.2。

④樣本中有24個Spread小于0的公司，其獲得的發(fā)行人付費模式評級為AAA(19個)和AA+(5個)。為降低衡量誤差的影響，下文還直接以票面利率為因變量進(jìn)行回歸分析，結(jié)論基本不變。該結(jié)果未報告，若需可向作者索取。

⑤該結(jié)果未報告，若需可向作者索取。

⑥考慮到多元回歸分析的條件顯著性，本文還在模型中加入了初始的11項財務(wù)指標(biāo)作為控制變量，回歸結(jié)果依然不變；考慮被中債資信評級的長期影響，本文還改變變量Post的定義，將被中債資信評級后所有年份都取值為1，反之為0，回歸結(jié)果亦未變。以上結(jié)果均未報告，若需可向作者索取。