企業債信用等級遷移的價格效應及影響因素研究

孫克

(嘉興學院商學院，浙江 嘉興 314001)

引言

債券的信用等級是一個風險指標，在金融市場上發揮了重要作用，代表著專業評級公司對發行人履行支付義務的相對能力的建議，由于存在信息不對稱，各種關于債券發行質量和流動性的信息往往通過評級組織發布的債券信用等級的變化傳遞至債券市場(Ederington,Yawitz,and Roberts,1987；Sang and Stephen,2006)[2][8]，債券的信用評級確立了一種甄別債券內部質量的機制(Stiglitz,1975)[10]，關于公司運營方面的信息也往往通過評級組織發布的債券評級的變化傳遞給市場參與者(Sang and Stephen,2006)[8]，信用評級調整由于向市場提供了關于公司長期經濟預期的信號，因此也可能會影響債券的吸引力(Aigbe et al.,1997)[1]。國外諸多研究發現，單個債券信用等級的變化可能包含各種行業信號，向金融市場傳遞信息，從而對金融市場造成影響，特別是當信用等級的變化表現為信用降級時，這種影響更為顯著。因此，債券信用等級遷移的影響問題一直是國外研究的熱點。

目前針對信用債信用遷移方面的研究主要集中在發達金融市場，針對新興市場的研究較少，而由于我國債券市場起步較晚，特別是交易所債券市場的發展較為滯后，該領域的研究尚未引起足夠的重視。隨著我國債券市場不斷擴容以及未來“垃圾債”開閘，無擔保信用債券開始出現，發債主體之間的信用差別日益多樣化(巴曙松，2011)[17]，信用等級遷移成為常態，相關利益主體對債券市場的風險日益敏感，特別是信用降級已經對債券市場造成了一定擾動。2006年發生的“福禧事件”，債券一度有較高折價；2011年中誠信將云投集團列入“信用評級觀察名單”，債市380只企業債出現下跌。2016年以來，多只債券發生違約，債券評級出現下調潮，對市場形成巨大沖擊。對于投資者而言，如何規避和減少投資風險是亟需解決的問題，而信用等級作為重要的指示性指標，其變化對債券價格具有什么樣的影響是非常值得研究的問題，也是本文的研究點。在此之前，孫克和蔣岳祥(2014)[18]已經對固定收益企業債信用等級遷移的影響因素進行了分析，在此基礎上進一步研究信用等級遷移對債券價格變化的效應并分析其影響因素，可以更加豐富我國信用等級遷移的理論體系。此外，在研究本土信用評級對債券價格影響的同時，揭示本土信用評級的影響力，對形成我國信用評級社會公信力的一致評價有推動作用。

本文研究主要集中在兩個方面：其一，研究信用等級遷移對債券價格是否具有影響，影響的程度如何；其二，探討哪些因素在此過程中具有重要作用。

文獻回顧與評述

研究信用等級遷移的價格效應，據此檢驗債券信用等級變化的信息含量，國外已經進行了較長時間跨度的豐富研究，總體存在三種研究結論。

其一，信用等級遷移的無新信息論或條件信息論。其中，Katz(1974)[5]較早地采用事件研究方法檢驗了債券市場的效率，并認為在信用評級變化公開發布以前市場沒有任何預測，信用評級變化以后，在到期收益率完全按照新的信用級別調整之前，有6～10周的滯后期。Weinstein(1977)[12]通過研究信用評級發生變化前后的債券價格來研究債券信用評級變化是否包含新的信息，得出結論認為，在信用評級變化公告發布期間或者之后，沒有任何顯著的價格變化，但是在事件發生前的18到6個月，市場發生調整。因此，該研究認為，信用評級變化沒有提供任何新信息。而Wansley and Clauretie(1985)[11]研究發現當公司被列入標準普爾的信用觀察名單里，并且信用評級得到后續證實以后，市場反應就不顯著。一旦列入信用觀察名單里的公司的后續信用評級下降，市場反應就非常顯著。

其二，信用等級遷移影響的雙向論。Gailen and Warga(1997)[3]采用交易商的月度報價，發現債券市場對信用降級和信用升級都有顯著反應。Hand et al.(1992)[4]采用日數據進行研究，發現如果采用全樣本數據，則市場對信用降級和升級都存在顯著反應。近期，May(2010)[6]用債券日數據研究了信用級別變化的信息含量，發現信用降級和信用升級前后的兩日事件窗的異常債券回報都在統計上顯著。

其三，信用等級遷移影響的不對稱論。其中，Hand et al.(1992)[4]發現在去掉“受污染”的信用級別變化以后，債券市場對信用降級沒有顯著反應，對信用升級有顯著的正面反應。相比之下，更多學者認為債券信用升級的效應小得多。比如，Zaima and McCarthy(2005)[13]研究認為信用降級的影響十分顯著，而信用升級只有非常小的影響。Gailen and Warga(1997)[3]研究發現在公告月和公告前的時期信用降級都存在顯著的公告效應，從投資級公司樣本過渡到非投資級公司樣本，信用降級的影響程度明顯提高，而信用升級效應無論在幅度上還是顯著度上都弱得多，最強的效應產生于從非投資級到投資級的信用升級。Steiner and Heinke(2001)[9]研究了歐洲債券價格的變化與信用評級公告之間的聯系，發現當出現信用降級時債券價格將有顯著變化，而出現信用升級時并沒有很顯著的宣告效應。

可見，國外已有諸多文獻致力于研究債券市場對信用等級遷移的反應，但實證研究結論不一而足。對于信用等級遷移是否為金融市場帶來新的信息，尤其是對債券市場具有怎樣的影響，仍是有待解決的問題。從國內來看，相關研究很少，沒有專門針對企業債進行的研究，也沒有進行影響因素分析。本文對滬深兩市固定收益企業債信用等級遷移的價格效應進行針對性研究，并實證分析影響價格效應的因素，對國內債券市場研究而言是一項創新性工作，有助于豐富我國信用等級遷移理論體系；研究結論有助于揭示本土評級的影響力，為監管部門提供決策支撐；也可供投資者參考，以更好地做出投資決策，合理調整投資組合策略。

理論分析與模型建立

根據Elton&Gruber,etc的研究結果，在風險中性假設下，前一期未破產的T期債券在時刻t的價格為[14]：

其中，C是息票率；Pt是在前一期沒有破產的情況下在t期破產的概率；a是每期的回收率；是無風險債券從時刻t至t+1的遠期利率；VtT是T期債券在前一期沒有破產的情況下在時刻t的理論價格；

進一步由該式可得：

可見，債券違約率對債券價格具有重要作用，而不同級別的債券其違約率有所不同，表1是標準普爾公司給出的1981～2015年間全球公司債信用遷移矩陣及違約率，可見，從AAA～CCC/C級別債券，下一年違約概率從0.00%上升到3.77%，即信用等級越低的債券，其下一年違約的概率越大，同時，信用遷移對違約概率具有重要影響。

由表2可見，從第1～20年，隨著時間的推移，高信用等級債券的邊際違約概率會增大，而低信用等級債券的邊際違約概率會降低。并且，隨著息票率和回收率的不同，即使同一信用等級的債券，其價格也不同，同時使得由債券信用等級遷移引起違約率變化進而對債券價格產生的影響具有不確定性。

根據以上分析，采用事件研究的方法研究企業債信用等級遷移的價格效應，t日債券i的異?；貓驛Rit為：

t日債券平均異?；貓驛ARt為：

表1 標準普爾全球公司債信用等級遷移矩陣(1981～2015年)(%)

表2 標準普爾違約概率變化值(%)

其中N為債券數量；

事件期債券i的累積異?；貓驝ARi為：

其中t=t2-t1+1為事件窗長度；

事件期的累積平均異常回報CAAR為：

對于每個事件窗，對零假設“H0：異?；貓蟮扔诹恪边M行檢驗，以確定信用等級遷移是否對債券價格產生顯著影響，并根據異?；貓蟮拇笮〈_定效應的強弱。

信用等級遷移價格效應實證分析

本文對截至2018年10月底上海證券交易所(簡稱滬市)和深圳證券交易所(簡稱深市)上市交易的發生信用等級遷移的企業債進行價格效應實證分析。依據銳思金融研究數據庫提供的數據資料顯示，深市發生信用降級的企業債有4只，樣本太少，無法對總體進行有效推斷，所以信用降級企業債的價格效應僅針對滬市進行分析。處理數據時發現，很多企業債存在零交易、交易頻次過低以及部分債券評級前后長時間無交易發生的情況，最終分析滬市信用降級企業債的樣本量為23只，分析深市信用升級企業債的樣本量為7只，分析滬市信用升級企業債的樣本量為58只。

在實證分析以前，首先面臨的就是估計期長度的選擇問題，根據Peterson(1989)[7]的觀點，日數據的估計期長度應為100～300之間。由于我國債券市場還不是非常發達，債券交易頻次較低，本文在充分利用數據資料基礎上，考慮交易數據的可獲得性，將估計期長度選擇為120期。評級公告發布日為事件發生日，7日事件窗包含事件日前后各三天。圖1是滬市信用降級和升級企業債以及深市信用升級企業債在事件窗各日AARs和CAARs的折線圖，由圖可見滬市信用降級企業債在事件窗出現了比較明顯的負異?；貓?，而不管是滬市還是深市的信用升級企業債異常回報都不是特別明顯，據此初步分析結果做進一步的統計檢驗。

一、滬市降級企業債事件分析結果

對滬市降級企業債進行統計檢驗時采用了針對小樣本的檢驗方式，即秩檢驗和符號檢驗。由表3可見，企業債信用降級對債券價格總體上具有統計顯著影響，但是呈現特殊性。7日事件窗的7個平均累積異常回報中5個都在統計上顯著，并且采用秩檢驗和符號檢驗都得出了一致性結果。特別是降級事件發生以后的三日的平均累積異?；貓蠖硷@著為負，分別為-0.033、-0.052和-0.044，并且在降級事件宣告后的第二日達到峰值，CAAR[-3,2]為-0.052，說明信用降級事件確實向債券市場傳遞了新的信息，對債券價格產生了統計上顯著的負面影響，并且信用降級向債券市場傳遞的新信息不是立即在價格上得到全部體現，而是要經歷一個逐步過渡的過程。在降級事件宣告當日，平均累積異常回報非常小，且在統計上不顯著。值得注意的是，在信用降級事件宣告以前的兩日平均累積異?；貓笠诧@著為負，CAAR[-3,-3]和CAAR[-3,-2]分別為-0.005和-0.006(參見表4)，即在信用降級事件宣告以前企業債已經出現了負的異?；貓?，說明在評級公司宣告信用降級之前，該降級事件可能已經被債券市場部分預測到了，但是價格調整的幅度比較小。

為了對信用降級事件發布前后的異常回報進行深入分析，計算7日、5日和3日平均累積異?；貓?，CAAR[-3,3]、CAAR[-2,2]和CAAR[-1,1]分別為-0.044、-0.048和-0.027(參見表4)，值得關注的是，3日平均累積異常回報只有符號檢驗值弱顯著，這也從另一個角度印證了表3的結果，即在降級公告發布前一天和發布當日，債券價格都沒有出現顯著異常變化，價格變化存在滯后性。進一步計算事件期各階段平均累積異?；貓螅玫搅讼嗤姆治鼋Y果，由表4可見，在滬市企業債信用降級宣告前兩日都出現了平均累積異常回報，但是絕對值較小，且累積效應不是非常明顯。在信用降級宣告后，出現了顯著的負的異常回報，且異?；貓蟠嬖诿黠@的累積效應。這些研究結果說明，債券降級事件在評級公告發布以前可能已經一定程度上被債券市場預測到了，因此對債券價格產生了一些負面影響，并且在債券市場上進行了消化。同時，由于降級信息發布前兩日(CAAR[-3,-1]、CAAR[-2,-1]、CAAR[-3,0]、CAAR[-2,0]、CAR[-1,0])和降級信息發布當日(CAAR[0,0])的平均累積異常回報在統計上都不顯著，可以認為評級公司的降級信息在發布以前雖然可能被市場預測到了，但是應該沒有出現信息泄露，所以待公告發布以后才得到債券市場的顯著負面反應，并且累積效應比較大，CAAR[0,1]、CAAR[0,2]、CAAR[0,3]、CAAR[1,2]和CAAR[1,3]分別為-0.029、-0.048、-0.039、-0.050和-0.042。

圖1 滬市、深市平均異常回報和平均累積異?；貓笳劬€圖

表3 滬市降級企業債事件窗AARs、CAARs及統計檢驗結果

表4 滬市降級企業債事件窗各階段CAARs及統計檢驗結果

二、滬市和深市升級企業債事件分析結果

對于滬市和深市發生信用升級企業債的事件分析，所采取的檢驗方式有所不同。其中，深市企業債發生信用升級的樣本量較少，在進行統計檢驗時采用了和滬市降級企業債一致的檢驗方法，即秩檢驗和符號檢驗，而滬市升級企業債樣本量較大，因此采用t檢驗、Patell Z檢驗和BMP檢驗三種方法。

根據實證分析結果，無論是滬市還是深市，企業債信用升級對債券價格的影響總體上都不明顯。滬市7日事件窗的七個平均累積異?；貓笕吭诮y計上不顯著，且采用三種檢驗方式都得到了一致性結果(參見表5)。深市7日事件窗的平均累積異?；貓笥辛鶄€在統計上不顯著，同樣采用秩檢驗和符號檢驗的結果相同(參見表6)，雖然CAAR[-3,-3]的值在10%的顯著水平上通過了檢驗，但是其絕對值非常小，很可能只屬于債券價格在日常交易中的一種正常調整。

進一步對滬市和深市企業債信用升級事件發布前后的異?；貓筮M行深入分析，計算7日、5日和3日平均累積異?；貓?，得到了相同的結論，平均累積異常回報全部在統計上不顯著。雖然滬市CAAR[0,2]和CAAR[1,2]的BMP檢驗結果弱顯著(p＜0.10)，但其他兩個檢驗結果都在統計上不顯著，而且CAAR[0,2]和CAAR[1,2]的值僅為0.003(參見表7)。再看深市，檢驗結果和滬市相近，CAAR[0,2]和CAAR[0,3]的符號檢驗統計弱顯著，但是秩檢驗在統計上不顯著，CAAR[1,2]和CAAR[1,3]的秩檢驗在統計上弱顯著(p＜0.10)，但是符號檢驗統計不顯著，而且其值分別為0.0025、0.0020、0.0028和0.0023，非常接近于零(參見表8)。綜合以上分析可以認為，企業債的信用升級事件基本沒有對債券市場傳遞新的信息，沒有對債券價格產生統計上顯著的累積影響。

表5 滬市升級企業債事件窗AARs、CAARs及統計檢驗結果

表6 深市升級企業債事件窗AARs、CAARs及統計檢驗結果

表7 滬市升級企業債事件窗各階段CAARs及統計檢驗結果

表8 深市升級企業債事件窗各階段CAARs及統計檢驗結果

信用等級遷移價格效應的影響因素分析

根據第四部分的實證分析結果，企業債信用降級向債券市場傳遞了新信息，并對債券價格產生了負面效應，那么該效應的強弱是否受到某些因素的影響，本部分對此進行分析。

一、模型建立

其一，如前所述，在企業債信用降級發生之前債券已經出現了負的異?；貓?，說明某些信用降級并不完全是意外事件。在有效的金融市場上，如果信用降級被投資者完全預測到了，那么所有的價格調整都會在降級事件發生之前完成。相反，如果信用降級是一個意外事件，那么在降級事件發生以前，債券異?；貓髴撌橇闵踔潦钦?，而當降級公告發布之后債券價格會出現很大程度的負面反應(May,2010)[6]。

其二，債券的信用等級代表了債券的信用質量，高的信用等級代表高的信用質量，其違約率就低。通常，歷史平均違約率顯示了特定信用等級債券的違約概率，雖然違約率是個變量，每年都可能發生非常大的變化，某一年的實際違約率也可能大大偏離平均值，但是它仍然是債券信用質量的一個直接反映。依據表9的數據顯示，不論是1年、2年、5年、7年還是總體平均違約率，從高信用等級至低信用等級的違約率都是越來越高，而且越是低信用等級的債券，其違約率越高，信用等級差別越大違約率的差值就越大。因此，可以認為低信用等級的企業債對信用等級遷移的反應會更為強烈。此外，從AAA到AA一直到CCC，信用等級調整的幅度越大表示信用質量下降的程度越大，違約概率的變化也越大，因此可以預見信用降級的層級越多對債券市場的影響越大，債市的反應會更為強烈，從而對債券價格產生更大的影響。

其三，根據孫克(2014)[15]研究結果，信用等級發生遷移的債券存在明顯的行業特征，信用等級變化易受行業景氣度的影響。根據標準普爾2014年和2015年統計的全球各行業公司債違約概率(表10)也可以看出，不同行業的違約概率存在明顯差異，并且部分行業2015年的違約概率較2014年明顯增大(如能源和自然資源、金融業、林業和建筑業)，也有部分行業的違約概率有所降低(如高科技、電訊業和公共事業)，因此可以推斷不同行業債券發生信用降級對債券價格可能產生差異性影響。

綜上，建立假設如下：

表9 全球固定收益債券跟蹤評級累積違約概率(1981～2015年)

表10 全球各行業公司債違約概率比較（%）

H1：信用降級前出現異?；貓蟮膫膬r格對降級反應更強烈；

H2：低信用級別債券的價格對信用降級反應更強烈；

H3：信用降級層級多的債券的價格對降級反應更強烈；

H4：信用降級的價格效應因行業不同顯現差異性特征。

依據表3滬市降級企業債事件窗各階段CARs的統計檢驗結果，以統計顯著的累積異?；貓鬄橐蜃兞拷M截面回歸模型(7)：

其中，各自變量定義如下：

CAR[-3,-1]≥0為虛擬變量，取值如下：

oldrating表示企業債降級前的信用級別，目前我國信用評級公司對中長期債務信用等級劃分為三等九級，依次為AAA、AA、A、BBB、BB、B、CCC、CC、C，并且除AAA級、CCC級(含)以下等級外，每個信用等級可用“+”、“－”符號進行微調，據此將該變量定義為：AAA=1，AA+=2，…，C=19。

degree為信用降級的幅度，即本次信用評級與上一次信用評級之間的層級差，degree=1，2，3….。

industryC為虛擬變量，取值如下：

industryL為虛擬變量，取值如下：

調查結果顯示，改革后的教學模式得到了大多數學生的肯定。學生對改革后教學模式的滿意度達到了83.64%，而傳統教學模式的滿意度43.33%；69.09%的學生可以提高分析問題和解決問題的能力，而傳統教學只有31.67%。說明改革后的教學模式相對于傳統大班授課方式不僅可以促進師生之間的溝通交流，提高學生的學習興趣和學生獨立思考和解決問題的能力，進而提高教學質量和學生的學習效率。從表4看，改革后的教學方法學生期末成績和綜合成績均高于傳統教學組。

二、實證分析結果與討論

表11是累積異?；貓蟮拿枋鲂越y計分析結果，信用降級樣本的累積異常回報均值在-0.029～-0.050之間，均為負值，中值集中在-0.007和-0.013上，標準差在0.071～0.107之間，數據比較集聚。

將所有自變量納入回歸模型，分別對CAR[0,1]、CAR[0,2]、CAR[0,3]、CAR[1,2]和CAR[1,3]進行橫截面回歸，見表12模型7。可見，行業指標系數均不顯著，也就是說依據現有樣本數據無法得出信用降級的價格效應因行業不同顯現差異性特征的結論，拒絕假設H4。據此，將行業變量剔除出回歸模型，建立模型(8)：

表11 累積異?；貓竺枋鲂越y計分析

值得關注的是，剔除行業因素之后，模型的整體表現較模型7更好，對因變量的解釋度更強。進一步，針對模型8的回歸結果進行分析，發現，oldrating和degree都與累積異常回報呈現統計上顯著的負相關性，即接受假設H2和H3，低信用級別債券的價格對信用降級的反應更強烈，初始信用級別越低債券進一步降級后越會對債券價格產生負面影響。同時，信用降級層級多的債券價格對降級的反應更強烈，降級幅度越大對債券價格產生的負面影響越大。此外，對oldrating和degree兩個自變量的系數進行比較可以發現，degree的系數絕對值全部比oldrating的系數絕對值大，說明相比之下，降級幅度對債券價格的負面影響要大于初始信用級別的高低對債券價格的影響，投資者更應該關注降級幅度更大的債券的投資決策，考慮是否需要調整其投資量甚至將其剔除投資組合。此外，除了針對CAR[1,2]建立的回歸模型自變量CAR[-3,-1]≥0的系數在10%的顯著水平上弱顯著以外，其他回歸模型的CAR[-3,-1]≥0系數均在統計上不顯著，說明信用降級前是否出現異?；貓髮导壓蟮膫瘍r格的影響不是非常明顯。

表12 信用降級企業債CARs橫截面回歸結果

結論

本文采用事件研究法研究滬深兩市固定收益企業債信用等級遷移的價格效應，同時采用橫截面回歸研究影響價格效應的因素，得出如下主要研究結論：

1.企業債價格對信用升級和信用降級的反應存在不對稱性，反映出信用降級向債券市場傳遞了新信息，對債券價格產生了統計上顯著的負面影響，而信用升級的信息傳遞不明顯，沒有對債券價格產生統計上顯著的累積影響。產生這一結果的原因可能是因為我國企業債市場由于進入門檻較高，債券的初始信用等級都在投資級以上，因此一旦跟蹤評級出現負面信息，市場反應相對會更為強烈，這一點在影響因素分析中也得到了印證。同時，該研究結果對于投資者也具有一定投資參考價值，信用降級可能直接導致投資組合的回報率降低，需要投資者加以關注。

2.在信用降級事件宣告以前企業債已經出現了負的異常回報，但絕對值較小，說明在評級公司宣告信用降級之前，該降級事件可能已經部分被債券市場預測到了，并且在債券市場上進行了消化，只是價格調整的幅度比較小。在降級信息發布前兩日和發布當日，平均累積異?；貓笾捣浅Ｐ∏以诮y計上不顯著，即累積效應不明顯，可以認為評級公司的降級信息在發布以前雖然被市場預測到了，但是應該沒有出現評級信息的泄露，待公告發布以后才得到債券市場的負面反應。這從一定程度上表明隨著近年來我國對債券評級機構的監管力度不斷加強，評級機構的公信力已經開始逐步提高，隨著未來對債券評級業務以及信息披露的進一步規范，其評級結果的定價作用可以得到進一步顯現，并促進我國債券市場的外在效率進一步提升。

4.低信用級別債券的價格對信用降級的反應更強烈，信用降級的幅度越大對債券價格產生的負面影響也越大，這一研究結果表明，市場對未預期到的信用等級變化的反應更為強烈，特別是對于信用質量較低的企業債反應更為明顯。相比之下，降級幅度對債券價格的負面影響要大于初始信用級別的高低對債券價格的影響，因此，投資者更應該關注降級幅度更大的債券的投資決策，考慮是否需要調整其投資量甚至將其剔除投資組合。

但由于受到樣本量的限制，本文研究也存在一定局限性，比如由于很多債券的交易不夠活躍因此在實證分析中只能遺憾地進行剔除處理，同樣在影響因素的分析中，沒有對不同評級公司進行對比分析等，待未來研究條件具備可以進行進一步的分析，以得出更為豐富的研究結論。