我國債券市場研究綜述與展望

摘 要：近年來，隨著債券市場打破剛兌，眾多違約事件頻發(fā)。學(xué)術(shù)界對債券違約的研究日趨增多，目前已形成基本研究框架，但由于違約債券市場交易量少、數(shù)據(jù)獲取較難，對違約債券定價的實證研究難度大，對違約債券的市場出清帶來阻礙。對此，本文基于已有的研究成果進行詳細梳理，借助CiteSpace和知網(wǎng)自帶的計量工具對國內(nèi)相關(guān)學(xué)術(shù)文獻數(shù)據(jù)進行可視化分析，從研究主題的發(fā)文量、聚類情況、關(guān)鍵詞共現(xiàn)頻次、關(guān)鍵詞中介中心性和研究演化路徑知識圖譜等方面進行梳理，總結(jié)我國債券違約的研究內(nèi)容和現(xiàn)狀，探討市場化交易的意義及未來研究趨勢方向。本文旨在完善具有中國特色的債券違約后續(xù)處理機制并提出相關(guān)建議，同時為后續(xù)拓展研究提供參考，以期推動金融業(yè)更好地服務(wù)實體經(jīng)濟。

關(guān)鍵詞：債券；預(yù)警；債券違約；債券定價；金融市場；股票市場

本文索引：李丹鳳.<變量 2>[J].中國商論，2024（06）：-103.

中圖分類號：F832.4 文獻標(biāo)識碼：A 文章編號：2096-0298（2024）03（b）--04

1 引言

我國債券發(fā)行歷史可以追溯至1950年1月5日，雖然起步較晚，但發(fā)展迅速，截至目前我國已成為世界第二大債券市場。相較股票市場，普通投資者對債券市場了解相對較少，且債券市場對投資者而言相對穩(wěn)健、風(fēng)險較低。長期以來，人們一直秉承剛兌“信仰”。但隨著2014年“超日債”違約事件發(fā)生，國內(nèi)債券市場的市場化程度逐漸提高，“違約常態(tài)化”趨勢也逐步呈現(xiàn)，市場主體已逐漸適應(yīng)市場轉(zhuǎn)變并停止對政府不合理的期待。債券違約趨勢上呈現(xiàn)違約數(shù)量、規(guī)模的大幅增加，信用違約風(fēng)險跨行業(yè)蔓延，使得事前防范預(yù)警和事中事后化解債務(wù)違約風(fēng)險成為債券市場發(fā)展的重中之重。當(dāng)債券違約事件發(fā)生時，往往意味著該發(fā)行主體的內(nèi)部問題已經(jīng)積累到一定程度。2021年4月，國務(wù)院發(fā)布的《關(guān)于進一步深化預(yù)算管理制度改革的意見》中明確提出要健全市場化、法治化的債務(wù)違約處置機制，鼓勵債務(wù)人、債權(quán)人協(xié)商處置存量債務(wù)，切實防范惡意逃廢債，保護債權(quán)人合法權(quán)益，堅決防止風(fēng)險累積形成系統(tǒng)性風(fēng)險。中國社科院金融研究所副所長張明曾表示債券打破剛兌對于促進中國債券市場的健康發(fā)展和風(fēng)險定價更為合理化具有重要意義。

2 國內(nèi)外債券市場違約水平和發(fā)展趨勢

2.1 國內(nèi)債券市場違約回顧

自2014年11月超日債事件打破剛兌后，國內(nèi)的債券市場已有近9年的違約歷史，這期間債券市場的市場化程度逐漸提高，“違約常態(tài)化”趨勢也逐步呈現(xiàn)，市場主體已經(jīng)逐漸適應(yīng)市場轉(zhuǎn)變并停止對政府不合理的期待。

2.2 全球債券違約回顧

20世紀(jì)80年代至今，全球范圍內(nèi)共發(fā)生多次信用違約潮，具體原因和過程通過梳理分析如表1所示。

3 基于CiteSpace的債券違約學(xué)術(shù)理論研究可視化分析及評述

3.1 數(shù)據(jù)來源與處理

本文選取2013年1月1日至2023年8月17日被知網(wǎng)收錄的以“債券”“違約”為主題的931篇核心及CSSCI學(xué)術(shù)期刊進行分析。

3.2 研究方法與工具

本文借助CiteSpace和知網(wǎng)自帶的計量工具對數(shù)據(jù)進行可視化分析，從研究主題的發(fā)文量、聚類情況、關(guān)鍵詞共現(xiàn)頻次、關(guān)鍵詞中介中心性和時間線圖等方面進行梳理。

3.3 實證分析

3.3.1 發(fā)文量走勢分析

企業(yè)在經(jīng)營過程中，因為資金短缺，常用的融資手段主要包括股權(quán)融資和債權(quán)融資，其中債權(quán)融資除了通過向銀行等金融機構(gòu)貸款，還可以通過發(fā)行債券進行直接融資，相比而言直接融資比間接融資的成本較低。

國內(nèi)關(guān)于債券違約的研究，最早起源于張穎（1988）[1]提出的信貸衍生交易中信貸風(fēng)險管理，針對違約風(fēng)險進行度量。隨后，由于2000年后全球債券違約出現(xiàn)高潮，國內(nèi)學(xué)者也開始更多關(guān)注對可違約債券研究，2002—2006年的研究熱度逐漸升溫。2006—2013年，因為國內(nèi)債券市場處于長期剛性兌付的狀態(tài)，未出現(xiàn)違約，所以在此階段對違約債券定價研究較少。時至2014年，國內(nèi)出現(xiàn)首筆違約事件，之后重新引發(fā)了學(xué)術(shù)界的廣泛研究，每年發(fā)文量都呈現(xiàn)較高的增長率。

3.3.2 研究聚類分析

債券市場涉及主體包括發(fā)行人、投資人、政府，其中發(fā)行人的身份包括民企、國企和地方政府，而政府在其中起到對債券市場的監(jiān)督管理作用。由關(guān)鍵詞共現(xiàn)可視化圖譜及頻次可以看出，研究的債券類型主要是公司債、信用債和城投債等，過去的學(xué)術(shù)研究多是圍繞債券市場中微觀層面發(fā)行人和投資人在發(fā)行前信用利差影響因素和發(fā)行后的違約風(fēng)險衡量及預(yù)警問題。

（1）在債券發(fā)行前：研究信用利差及債券定價的影響因素

從發(fā)行方角度來看，研究債券發(fā)行時，其融資成本高低主要體現(xiàn)在信用利差方面。眾多學(xué)者，分別從經(jīng)濟政策不確定性[2]、市場系統(tǒng)風(fēng)險[3]、投資者情緒[4]、外部監(jiān)督治理[5]、債券違約沖擊[6]、政府隱性擔(dān)保、債券違約與國企信用債利差[7]、產(chǎn)權(quán)性質(zhì)[8]、股票流動性[9]、擔(dān)保[10]等方面研究不同因素對信用利差的影響。

（2）在債券發(fā)行后：針對存在的潛在違約風(fēng)險的衡量和預(yù)警。

對風(fēng)險的有效度量可以用于對發(fā)行主體的信用進行評級和風(fēng)險預(yù)警，在預(yù)警方面的研究主要體現(xiàn)在模型和指標(biāo)的選擇上。

第一，風(fēng)險預(yù)警的模型選擇。主要有用到KMV、Logistic回歸[11-12]、GWO-XGBoos[13-14]、Stacking算法[15]、因子分析和SVM[16]等模型對風(fēng)險進行度量并預(yù)警。

其中，鄭煜等（2023）[11]先用Fisher模型與Logistic模型對財務(wù)信息進行分析，對比后認為Logistic模型的違約判別效果較好，從而構(gòu)建更為完善的基于財務(wù)（凈資產(chǎn)收益率、資本累積率、剛性負債率、籌資NCF/平均總資產(chǎn)等）和非財務(wù)（發(fā)債企業(yè)所在省份風(fēng)險情況、行業(yè)風(fēng)險情況、企業(yè)所有制形式）信息的Logistic模型。馮巧玲（2022）[13]構(gòu)建基于GWO-XGBoost的風(fēng)險預(yù)警模型，用來區(qū)分不同行業(yè)企業(yè)債券的違約風(fēng)險，然后再有針對性地選取具體案例進行分析。

基于傳統(tǒng)KMV模型，又衍生出LJD-KMV、改進版Logistic-KMV混合模型、KMV-GARCH-t-copula模型、多元t-Copula-KMV模型等。

第二，風(fēng)險預(yù)警指標(biāo)的選擇。鄭煜等（2023）[11]選擇以“凈資產(chǎn)收益率、資本累積率、剛性負債率、籌資NCF/平均總資產(chǎn)”財務(wù)信息和包含“發(fā)債企業(yè)所在省份風(fēng)險情況、行業(yè)風(fēng)險情況、企業(yè)所有制形式”的非財務(wù)信息為風(fēng)險度量指標(biāo)。李丹鳳（2023）[17]在傳統(tǒng)風(fēng)險預(yù)警實踐中僅依據(jù)債券發(fā)行主體公布的財務(wù)報告識別風(fēng)險的基礎(chǔ)上，提出通過大數(shù)據(jù)技術(shù)，實現(xiàn)從財務(wù)狀況、人力資源及社會輿論等多渠道采集信息，做到動態(tài)分析，針對違約風(fēng)險提供及時預(yù)警的目的。蘇罡，余尚兵，李凡（2021）[18]同樣認為財務(wù)數(shù)據(jù)更新頻率低，風(fēng)險預(yù)警效果差，所以提出構(gòu)建采用新聞輿情為指標(biāo)的信用風(fēng)險預(yù)警模型，利用新聞標(biāo)簽數(shù)據(jù)對負面影響程度進行打分，并分析統(tǒng)計違約特征。

3.3.3 研究前沿?zé)狳c分析

為了進一步展示債券違約領(lǐng)域研究熱點的時間分布和前沿趨勢，本文在CiteSpace軟件中選擇用“關(guān)鍵詞突現(xiàn)”和“Timeline”進行分析，得到研究文獻關(guān)鍵詞突現(xiàn)和聚類時間序列圖譜。為了使圖譜更清晰，數(shù)據(jù)更具代表性，人工剔除了部分低頻關(guān)鍵詞。從圖4可以看出，以關(guān)鍵詞“城投債”為最大聚類，隨著研究時間線變化，關(guān)鍵詞不斷增加且研究日益深化，依次是“債券違約”“信用利差”“信用風(fēng)險”“違約風(fēng)險”等?？梢钥闯?，對債券違約的研究仍在不斷進展，相較之前關(guān)注點集中在“城投債、市政債和地方債”，近些年開始注重“民營企業(yè)”的債券違約。另外，近三年的研究中，“傳染效應(yīng)”“融資約束”和“貨幣政策”逐漸成為新的研究熱點。

（1）傳染效應(yīng)。在違約事件頻發(fā)的情況下，為了防范系統(tǒng)性風(fēng)險的發(fā)生，眾多學(xué)者嘗試探究債券違約風(fēng)險的傳染效應(yīng)[19-21]。

其中，吳育輝等（2023）[19]使用PSM-DID方法來評估基金“踩雷”事件對債券市場的影響，通過研究得出在經(jīng)歷投資者贖回和凈值下跌雙重沖擊下，基金公司被迫低價拋售其他非違約債券，最終使得這些債券在二級市場信用利差提高約9.26%，這種違約風(fēng)險會在持有資產(chǎn)內(nèi)部進行傳染；蘇潔等（2023）[20]認為同行業(yè)出現(xiàn)違約事件會提高后續(xù)債券的風(fēng)險溢價、降低債券成功發(fā)行率；楊希雅等（2022）[21]認為違約風(fēng)險存在區(qū)域傳染性，轄區(qū)內(nèi)出現(xiàn)違約事件會推升后續(xù)其他債券的融資成本，其中民營企業(yè)受影響尤為顯著，另外區(qū)域內(nèi)的傳染效應(yīng)與違約時間、距離呈負相關(guān)。

（2）貨幣政策。主要研究宏觀貨幣政策因素對信用利差、融資成本和違約概率的影響。

趙宣凱等（2022）[22]美國貨幣政策通過金融市場會影響我國實體經(jīng)濟運行，提出要監(jiān)測并防范美國貨幣政策變動影響我國企業(yè)融資成本和實體的經(jīng)濟波動。胡悅等（2022）[23]通過定量刻畫貨幣市場流動性分層，分析其對金融穩(wěn)定和實體企業(yè)融資的影響，發(fā)現(xiàn)貨幣市場的流動性分層會增加金融的不穩(wěn)定性、導(dǎo)致金融機構(gòu)違約概率的上升、增加低評級和民企的融資成本。孫立行等（2021）[24]通過構(gòu)建Logit模型，實證研究發(fā)現(xiàn)在貨幣政策緊縮且企業(yè)杠桿率較高時，債券的違約概率會相對較高。戴賾等（2018）[25]研究貨幣政策利率與信用利差之間的關(guān)系，認為貨幣政策對債券市場信用利差具有傳導(dǎo)效應(yīng)，兩者在多數(shù)情況下呈正相關(guān)。

3.3.4 研究演化路徑分析

考慮國內(nèi)債券違約起源于2014年，本文選取2013—2023年文獻進行研究路徑分析，具體包括：

圖5 2013—2023年債券違約研究演化路徑知識圖譜

（1）研究范圍的變化：從最開始廣泛的債務(wù)研究，包括應(yīng)付賬款、債券、公司債、城投債、信用債等類型，現(xiàn)在的研究范圍越來越具體靶向，主要針對無抵押的信用債券違約進行深入剖析。另外，隨著違約事件的發(fā)生，違約主體的身份也由民企擴大到國有企業(yè)，所以，不少學(xué)者對具有國企背景的城投債的發(fā)行量也進行客觀分析，認為應(yīng)結(jié)合地方區(qū)域經(jīng)濟實際發(fā)展所需，評估投資收益產(chǎn)出情況，使一些償還能力弱的債券能在發(fā)行環(huán)節(jié)得到有效控制。

（2）2014年開始出現(xiàn)打破剛兌的違約事件，對資產(chǎn)定價理論有了新的挑戰(zhàn)。關(guān)于債券定價，相較傳統(tǒng)無風(fēng)險定價理論，更應(yīng)該考慮信用利差及風(fēng)險溢價部分。

（3）關(guān)于債券定價方面，多是圍繞發(fā)行主體的信用評級帶來的發(fā)行定價中的信用利差，但是對于違約后的二級市場債券流通定價研究較少，主要原因是很難準(zhǔn)確測度違約債券的回收率。目前學(xué)者通過人工智能、大數(shù)據(jù)技術(shù)采集分析結(jié)構(gòu)化及非結(jié)構(gòu)化數(shù)據(jù)，提高風(fēng)險防范能力，并期望能做到動態(tài)及時預(yù)警，降低風(fēng)險發(fā)生帶來的損失。

（4）與此同時，人們對信用價值的認可度逐漸增強，但對信息質(zhì)量持懷疑態(tài)度，應(yīng)從眾多信息中過濾出高質(zhì)量信息；第三方審計單位和評級機構(gòu)應(yīng)做好“守門員”的角色，給出客觀有公信力的可參考的信用評級結(jié)果。

（5）針對違約事件，應(yīng)做到違約零容忍，統(tǒng)一立法，債務(wù)人應(yīng)承擔(dān)兌付義務(wù)，保護投資人利益。

（6）研究逐漸擴大所涉及的學(xué)科領(lǐng)域，出現(xiàn)跨學(xué)科交叉研究的情況，除了金融學(xué)以外，涉及計算機、管理學(xué)、會計學(xué)和法學(xué)等。以計算機為工具，以金融學(xué)為核心，通過經(jīng)、管、工融合，起到促進學(xué)科交叉互補的作用。

（7）債券市場在金融服務(wù)中扮演越來越重要的角色，而債券風(fēng)險存在傳遞效應(yīng)，近年來，學(xué)者們開始更加注重系統(tǒng)性風(fēng)險防范。

（8）對比暫未違約的債券，已違約債券在后續(xù)交易中，存在更多的道德風(fēng)險、流動風(fēng)險和信用風(fēng)險。對于債券持有人來說，兌付情況是不可控的，如何有效評估回收率成為后續(xù)研究的重點和難點。

4 結(jié)語

在早期的學(xué)術(shù)研究中，對違約債券的研究多集中在以案例研究違約成因分析和事后影響等微觀層面的定性論述，這些大多停留在微觀層面，針對宏觀系統(tǒng)風(fēng)險的防范的研究逐漸成為未來研究的發(fā)展趨勢。

2023年中央金融工作會議于10月30日至31日在北京舉行，會議強調(diào)：（1）要維護金融市場穩(wěn)健運行，規(guī)范金融市場發(fā)行和交易行為，合理引導(dǎo)預(yù)期，防范風(fēng)險跨區(qū)域、跨市場、跨境傳遞共振。（2）防范化解金融風(fēng)險，要把握好權(quán)和責(zé)的關(guān)系，健全權(quán)責(zé)一致、激勵約束相容的風(fēng)險處置責(zé)任機制。（3）對風(fēng)險早識別、早預(yù)警、早暴露、早處置。

對標(biāo)會議要求，堅持走中國特色金融發(fā)展道路，未來研究方向應(yīng)重點放在事前防范、事中保全、事后處置全鏈條。對債券違約風(fēng)險性的事前防范預(yù)警、事中如何斬斷風(fēng)險傳染鏈條，以及事后如何對違約債券進行市場化處置機制等方面。除了做到如何事前精準(zhǔn)快速識別風(fēng)險，事后如何推進違約債券交易、估值定價這些核心問題也亟待解決。另外，針對政府監(jiān)管業(yè)務(wù)，應(yīng)加快監(jiān)管科技的應(yīng)用，做到不缺位，要到位，且不越位，未來對科技如何賦能監(jiān)管也將成為重要的研究方向。

參考文獻

張穎.信貸風(fēng)險管理新技術(shù)： 信貸衍生交易[J].國際金融研究，1998（9）：72-74.

王博，康琦.經(jīng)濟政策不確定性對債券信用利差的影響研究[J].國際金融研究，2023（7）：73-82.

許屹.市場系統(tǒng)風(fēng)險對債券信用利差的影響： 基于中國公司債券月度面板數(shù)據(jù)的實證研究[J].上海金融，2017（6）：65-70.

童冠群，宋一丹，周榮喜.信用風(fēng)險、投資者情緒對債券信用利差的影響研究[J/OL].價格理論與實踐：1-5[2023-08-17].http：//kns.cnki.net/kcms/detail/11.1010.f.20230621.1736.011.html

張雪蘭，張麗云，李佳寧.銀行監(jiān)督如何影響公司債發(fā)行信用利差： 基于外部治理與信息外溢的渠道檢驗[J].金融經(jīng)濟學(xué)研究，2022，37（6）：3-20.

王立夫，王一鳴.債券違約沖擊對不同債券市場信用利差的異質(zhì)性影響[J].上海金融，2021（12）：69-80.

王敘果，沈紅波，鐘霖佳.政府隱性擔(dān)保、債券違約與國企信用債利差[J].財貿(mào)經(jīng)濟，2019，40（12）：65-78.

施燕平，劉娥平.產(chǎn)權(quán)性質(zhì)、風(fēng)險承擔(dān)與公司債券信用利差[J].華東經(jīng)濟管理，2019，33（1）：119-128.

趙靜，方兆本.股票流動性與公司債信用利差關(guān)系研究[J].中國科學(xué)技術(shù)大學(xué)學(xué)報，2018，48（8）：667-682.

張雪瑩，焦健.擔(dān)保對債券發(fā)行利差的影響效果研究[J].財經(jīng)論叢，2017（2）：48-57.

鄭煜，吳世農(nóng).基于財務(wù)信息和非財務(wù)信息的債券違約預(yù)警模型研究： Fisher模型與Logistic模型的實證分析與應(yīng)用[J].財會月刊，2023，44（12）：22-29.

潘澤清.企業(yè)債務(wù)違約風(fēng)險Logistic回歸預(yù)警模型[J].上海經(jīng)濟研究，2018（8）：73-83.

馮巧玲.基于GWO-XGBoost的企業(yè)債券違約風(fēng)險預(yù)警研究[J].財會通訊，2022（20）：128-132.

肖艷麗，向有濤.企業(yè)債券違約風(fēng)險預(yù)警： 基于GWO-XGBoost方法[J].上海金融，2021（10）：44-54.

劉曉，周榮喜，李玉茹.基于Stacking算法集成的我國信用債違約預(yù)測[J].運籌與管理，2023，32（3）：163-170.

高秀存，趙明航，楊倩芳.基于因子分析和SVM的信用債違約風(fēng)險預(yù)警實證研究： 以河北省為例[J].征信，2022，40（8）：87-92.

李丹鳳，許微娜.基于大數(shù)據(jù)技術(shù)的債券違約風(fēng)險預(yù)警研究[J].時代金融， 2023（2）：73-76.

蘇罡，余尚兵，李凡.基于輿情的信用風(fēng)險預(yù)警模型[J].保險研究，2021（10）：90-105.

吳育輝，劉曉玲，戚樹森.池魚之殃： 債券型基金“踩雷”的傳染效應(yīng)研究[J/OL].世界經(jīng)濟，2023（8）：186-210[2023-08-17].

蘇潔，王勇.信用風(fēng)險傳染、投資者情緒與債券發(fā)行定價[J].中央財經(jīng)大學(xué)學(xué)報，2023（7）：29-43.

楊希雅，石寶峰.債券違約是否存在區(qū)域傳染： 基于中國債券市場融資成本視角[J].運籌與管理，2022，31（11）：186-193.

趙宣凱，張咪，何宇.美國貨幣政策沖擊影響中國企業(yè)融資成本嗎？[J].金融評論，2022，14（5）：69-88+125.

胡悅，吳文鋒，石川林.貨幣市場流動性分層：度量、成因和影響[J].管理科學(xué)學(xué)報，2022，25（8）：104-126.

孫立行，吳雄劍，唐逸舟.貨幣政策、杠桿水平與債券違約[J].蘇州大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2021，42（6）：115-126.

戴賾，馮時.貨幣政策利率對債券市場信用利差的傳導(dǎo)研究[J].上海金融，2018（12）：39-45.