1、企業債券信用風險統計測量基于宏觀經濟不確定性視角課題負責人：中央財經大學周宏一、引言企業債券作為企業融資的重要途徑之一，在金融市場中扮演著重要角色。信用風險是制約企業債券市場發展、影響企業融資的主要風險。國外對企業債券信用風險影響因素的研究主要基于企業內部價值、宏觀經濟環境的不確定性和信息不對稱程度三個視角展開的，在經濟全球化的背景下，宏觀經濟不確定性對企業債券信用風險的影響越來越大。企業債券信用風險的測量模型大致可以分為三類：基于未定權益分析方法的結構模型（structural model）、基于強度過程的簡化模型（reduced model），以及基于前兩種方法的混合模型。許多學者對宏觀經

2、濟不確定性與企業債券信用風險之間的關系進行了大量的理論研究和實證研究，但是從國內外已有的研究來看，盡管金融危機的爆發是一個典型的經濟周期，但是還沒有學者研究金融危機對企業債券信用風險的影響。不僅如此，關于企業債券信用風險的測量的研究也有待于發展，國內外已有的實證研究發現結構模型存在缺陷的原因之一是它所包含的企業基本面信息量不夠充分，而基本面分析法在應用時也只是考慮了企業的基本面信息；并且現有的研究在采用基本面分析法或未定權益分析法時，大多都單一使用這兩種方法中的某一種方法構建風險測量模型，即使有少數學者將這兩種方法結合，也沒有充分考慮宏觀不確定因素；另外，已有的研究表明了未定權益分析法和基本面

3、分析法都有各自的優點和缺陷。鑒于已有研究的不足以及我國企業債券市場的培育環境與國外的差異，本研究首先將經濟周期具體化為金融危機的爆發，構建企業債券信用風險影響因素模型，利用我國2007-2009年公司債券的月度面板數據進行實證檢驗，并利用該回歸結果對2009年12月公司債券的截面數據進行估計，進一步驗證回歸結果的正確性，然后從宏觀經濟的不確定性視角，基于結構模型將未定權益分析與基本面分析法法相結合并考慮宏觀經濟因素構建企業債券風險測量模型，并采用我國19972011年的169只公司債券數據進行實證檢驗，通過與其它模型對比檢驗該模型的優越性。二、宏觀經濟不確定性對企業債券信用風險的影響通過對理論

4、文獻的回顧可知，宏觀經濟不確定性對企業債券信用風險的影響主要取決于經濟周期、股票市場狀況、利率、通貨膨脹水平和匯率等具體特征。但是很多實證研究僅對宏觀經濟不確定性與企業債券信用風險之間的關系進行了簡單的線性回歸，并沒有考慮樣本債券的期限和利率特征。針對上述問題，結合2007年美國次貸危機引發的國際金融危機，利用我國89家企業債券2007-2009年的月度面板數據構建影響因素模型，探討宏觀經濟不確定性對企業債券信用風險的影響。（一）指標選取及模型構建Altman(1983) 首先發現表征宏觀經濟的一組變量的變化率，包括實際GDP、S&P指數等，與公司債券的信用價差之間存在著負相關性，即在

5、各個宏觀經濟指標顯示經濟狀況較好的時期，企業債券的信用風險較低，而在經濟萎靡時期，企業債券的信用風險則較高。進一步地，Thomas C. Wilson(1998) 加入了失業率、GDP增長率、長期利率水平、匯率、政府支出和總儲蓄率，建立了衡量債券違約可能性的Credit Portfolio View模型。James(2000)，Guha & Hiris(2002)則利用經濟狀況的拐點代替經濟周期對宏觀經濟環境的不確定性進行了研究，結果與Altman(1983)一致，經濟衰退時期公司債券的信用利差會擴大，而在經濟擴張時期，信用利差從前期高峰值趨于降低。Wassim Dbouk &

6、 Lawrence Kryzanowski (2010)發現GDP的預期變化率和期限結構斜率的預期變化率都是投資組合的信用利差變化的主要影響因素，同時還發現違約風險、市場流動性和回報的波動率也會對投資組合的信用利差變化產生重要影響。隨著金融在經濟中作用的凸顯以及經濟的日益虛擬化，現代經濟周期愈來愈呈現出明顯的金融經濟周期特征。 何德旭，張捷.經濟周期與金融危機：金融加速其理論的現實解釋J.財經問題研究，2009（10）.前任美聯儲主席伯南克和戈特勒等人提出了“金融加速器”的概念，將金融市場摩擦納入到經濟周期波動的一般分析框架，金融危機的爆發過程是一個典型的經濟周期。經濟全球化使中國經濟與世界的

7、聯系越來越緊密，美國作為中國最大的貿易伙伴，對中國經濟的影響也越來越多。2007年美國次貸危機引發的國際金融危機給全球經濟造成了極大的影響。金融危機自從爆發以來就迅速通過各種途徑向我國傳導，對我國實體經濟和金融市場造成巨大沖擊，出口增長下降和美元貶值的雙重影響已經使許多企業難以生存。企業的償債能力受到嚴重的影響，企業債券的價格迅速下跌，從而加大了企業債券的信用風險。由于低價回購債券可以立刻提升公司的總體盈利水平，而且，企業在低價位時把債券購回，等到市況轉好的時候再發債，可以降低發債的利息成本。因此，隨著企業債券的價格迅速下跌，引發了債券回購熱潮，進一步加大了企業債券的信用風險。所以，我們選取虛

8、擬變量金融危機的爆發來表示經濟周期，與股票市場波動率、利率、通貨膨脹率、匯率變動共同作為自變量，選取企業債券到期剩余期限和票面利率類型為控制變量，考察宏觀經濟不確定性對企業債券信用風險的影響程度。構建的面板數據回歸模型如下： （1）其中，i=1,2,3.89，代表89家企業債券；t=1,2,3.36，代表2007年至2009年36個月；被解釋變量為企業債券的信用利差，即企業債券到期收益率與相同剩余期限的國債到期收益率之間的差額；金融危機的爆發為虛擬變量，由于金融危機對中國經濟的影響在2008年開始顯現，因此，2007年該虛擬變量取0，而2008年至2009年該虛擬變量取1；股票市場波動率為上證

9、綜合收盤指數的環比增長率與深證綜合收盤指數的環比增長率的平均數；利率為銀行五年期定期存款的月底利率；通貨膨脹率為CPI環比增長率，具體計算公式為（本期CPI-上期CPI）/上期CPI；匯率變動為中經網公布的人民幣對美元匯率的期末數；企業債券到期剩余期限為各期末距離企業債券到期日的時間；企業債券票面利率類型為虛擬變量，我國企業債券的利率類型主要有固定利率、浮動利率和累進利率三種，累進利率債券對信用風險的影響類似于浮動利率，從而兩者可以合并考慮，本研究設定固定利率債券的取值為1，浮動利率和累進利率債券的取值為0；為隨機誤差項?；跇颖镜玫娇傮w參數的估計值后，將參數的估計值代入式（2）中的模型對應的

10、樣本回歸模型，就可以計算出各家中國企業債券各期信用利差的估計值。 （2）（二）數據來源及變量的描述性統計1、數據來源選取2007年1月1日至2009年12月31期間以月為單位（每月最后一個交易日）的時間序列、滬深證券交易所上所有上市交易的、中長期的、分期付息的、不記名的、公募的企業債券為橫截面的面板數據進行估計，共計36個時間序列，剔除數據缺失和異常值的樣本后，每個橫截面有89個樣本。模型中需要用到的有關經濟周期及貨幣政策等相關數據來自中經網統計數據庫，有關企業債券基本信息以及相關國債數據來主要自于wind數據庫。2、變量的描述性統計本模型選取的是2007年1月1日至2009年12月31日期間

11、以月為單位（每月最后一個交易日）的企業債券信用利差及其他相關宏、微觀經濟數據，剔除無數據的樣本后得到3204個觀測值。相關變量的描述統計及自變量相關系數矩陣分別見表1和表2。表1 面板回歸方程相關變量描述性統計一覽表變量樣本數最大值最小值中位數均值標準差32044.0478330.036131 1.3101431.3167410.42170332041000.333333 0.47147832040.249281-0.2390760.0480940.0169300.01595032045.853.604.414.70251.00040832040.026-0.0080.0010.0026110

12、.00662332047.77766.81836.848957.114350.352852320415.66031.4637.51787.8582387.93923732041010.9662920.032582表2 面板回歸方程自變量相關系數矩陣1.000000-0.6369980.010231-0.376517-0.802253-0.267416-0.000117-0.6369981.000000-0.4367810.0599050.2878560.1752581.53E-190.010231-0.4367811.0000000.0082360.2406550.026541-0.00209

13、1-0.3765170.0599050.0082361.0000000.4290810.072482-0.001321-0.8022530.2878560.2406550.4290811.0000000.2790830.000584-0.2674160.1752580.0265410.0724820.2790831.0000000.219551-0.0001171.53E-19-0.002091-0.0013210.0005840.2195511.000000（三）模型估計結果及利差估計值計算1Hausman檢驗利用軟件EVIEWS6.0，先對橫截面個體進行Hausman檢驗，結果如下表：表3

14、 Hausman檢驗結果檢驗總結Chi-Sq. StatisticChi-Sq. d.f顯著性水平橫截面隨機效應0.00000071.00002模型估計結果Hausman檢驗結果表明，橫截面個體存在隨機效應，在此基礎上，利用2007-2009年89家企業的月度面板數據進行回歸，得到如下面板數據模型橫截面隨機效應的回歸結果：表4 面板數據隨機效應的回歸結果變量系數標準差t值顯著性概率6.9615860.26079126.694110.00000.1028500.0257034.0015160.0001-0.0697130.009341-7.4631550.00000.0624610.053406

15、1.1695430.24235.9352420.7106268.3521310.0000-0.7758530.032592-23.805330.0000-0.0314050.006591-4.7645580.0000-0.1635500.085912-1.9036890.0570從最終的回歸結果可以看出，虛擬變量金融危機的爆發、股票市場波動率、人民幣對美元匯率以及通貨膨脹率顯著性P值為0.00，說明這四項因素對我國企業債券的信用風險具有顯著影響。利率都與企業債券信用風險負相關，但是不顯著。具體來說：金融危機虛擬變量與信用利差正相關，表明金融危機的爆發會加大企業債券的信用風險。這是因為經濟全球化

16、使中國經濟與世界的聯系越來越緊密，美國作為中國最大的貿易伙伴，對中國經濟的影響也越來越多。2007年美國次貸危機引發的全球金融危機，對我國實體經濟和金融市場造成巨大沖擊，企業的償債能力受到嚴重的影響，因此，企業債券的價格迅速下跌，從而加大了企業債券的信用風險。股票市場波動率與信用風險負相關，表明股票市場波動率增大時會加大企業債券的信用風險。這是因為債券投資與股票投資的替代效應明顯，股票市場波動率增大加大了股票市場的投資風險，從而吸引了更多的投資者投資債券市場，從而投資債券市場的資金增加，抬高企業債券的價格，降低企業債券的信用風險。利率水平與企業債券的信用風險水平負相關，但是結果不顯著。根據Me

17、rton（1974）的結構模型，當利率上升時，企業債券的信用利差會變小。但是，由于我國的企業債券市場的投資者與個人為主，而且我國是一個儲蓄大國。當利率上升時，會吸引更多的投資者儲蓄，從而減少企業債券市場的資金，壓低企業債券市場的價格，增加企業債券的信用風險。因此，在以上兩方面原因的作用下，利率對我國企業債券信用風險的變化的影響不太顯著。通貨膨脹率與信用利差顯著正相關，表明通貨膨脹率的上升會增加企業債券的信用風險。這是因為通貨膨脹率升高時消費支出增加，投資支出減少，人們對未來預期的不確定性加大，風險厭惡程度加大，減少了對企業債券的需求，最終引起企業債券信用利差的增大。人民幣對美元匯率與企業債券信

18、用利差顯著負相關，表明廣義貨幣供應量的增加會降低企業債券的信用風險。這是因為匯率越低，人民幣面臨的升值壓力越大，不利于企業的對外貿易，從而會增加企業債券的信用風險，加大企業債券的信用利差。3穩健性檢驗前文用企業債券的剩余期限控制由于企業債券本身剩余期限的不同而導致信用風險的差異，沒有考慮債券已存續期限對信用風險的影響。是債券發行期限，即為債券從發行日開始至到期日為止的持續年限。債券的發行期限越長，未來的不確定性就越強，債券的信用風險越大，其利差應該越高。因此，本部分在保持其他指標不變的情況下，用代替，來進行穩健性檢驗?；貧w結果如表5所示。表5 穩健性檢驗回歸結果變量系數標準差t值顯著性概率7.

19、4841310.26276828.481920.00000.0982850.0257093.8229710.0001-0.0614010.009185-6.6852500.00000.0572230.0534441.0707070.28446.4532800.7029579.1801950.0000-0.8389000.029814-28.137540.0000-0.0203530.006635-3.0675630.0022-0.2182960.087021-2.5085530.0122從表5可以看出，回歸結果與原模型的類似，說明本研究所構建的模型的穩健性是較好的。4估計值計算根據表4中估計出

20、的參數，我們利用式（2）計算出89家樣本企業債券2009年12月31日的信用利差的估計值。得到的結果如圖1所示。圖1 檢驗結果從圖1的檢驗結果可以看出，信用利差的真實值與利用影響因素模型計算的利差的差距有90%的可能性落在正負兩個標準差內。說明本研究選取的宏觀經濟不確定性變量對企業債券信用風險的影響進行分析具有一定的合理性，即金融危機的爆發、股票市場波動率、通貨膨脹率以及人民幣對美元匯率確實會對我國企業債券的信用風險產生影響。綜上，在現代經濟社會，用金融危機的爆發作為經濟周期的替代變量研究企業債券的信用風險具有一定的合理性；同時，通貨膨脹率、股票市場波動率以及人民幣對美元匯率都會對中國企業債券

21、信用風險產生顯著影響。利用回歸結果計算了債券利差估計值，發現估計利差與實際利差具有較高的擬合程度，進一步表明了宏觀經濟不確定性對企業債券信用風險的影響具有不可忽視的作用。三、宏觀經濟不確定性下企業債券信用風險測量模型基于未定權益分析法的結構模型是在現代金融工程中最古老的信用風險定價方法，1973年由Black Scholes提出，后來被Merton拓展為莫頓模型并被后來者加以改進。盡管基于未定權益分析法的結構模型對信用評級和評級轉變具有一定的預測力，但是已有的實證研究發現其理論違約概率與實際違約概率之間存在顯著的差異(Vassalou et al，2004；Schaefer et al，200

22、8)，未定權益分析法對信用風險的預測力不如基本面分析法（Hillegeist et al，2004）。而基本面分析法也并非完美，有許多學者也對其有效性提出了強烈批評。另外，關于企業債券信用風險的影響因素，國內外已有的研究主要從宏觀環境的不確定性、企業內部價值和信息不對稱三個視角展開的，結果一致認為，企業的經營管理水平以及宏觀經濟不確定性影響著企業債券信用風險。鑒于此，我們基于結構模型，將基本面分析法與未定權益分析法相結合并充分考慮宏觀經濟的不確定因素構建企業債券信用風險測量模型，并以我國19972011年公司債券的數據為樣本對模型的優越性給予檢驗，通過與其它模型的比較來探討目標模型在測量企業債

23、券信用風險方面的優越性。（一）指標選取Benos等(2007)對莫頓結構模型所做的擴展考慮了未來可能支付的現金股利總和但未考慮時間價值。在此基礎上，我們考慮未來每期支付現金股利的時間價值，以其現值總和作為資產現值的抵減項，改進后的違約距離為 （6）其中，為未來以現金支付的股利總和，為資產現值，為初始違約點，為資產波動率，為違約邊界波動率，為債券期限，為公司第t期支付的現金股利，r為無風險利率。為了估計違約距離，首先需要進行如下參數的估計。對于初始違約點，我們按照Vassalou等（2004）的做法，采用截斷方法令其等于短期債券的面值加上長期債券面值的一半。對于資產現值的估計，公式為 （7）其中

24、是中國公司債發行主體的普通股市場價值，我們以每年12月末股票總股本和收盤價計算；是短期債務的市場價值，是長期債務的市場價值，由風險性債務市值的分解可知，其中T為不同的到期年限，為預期回收率。根據Franks(1994)的研究結果和Benos（2007）的方法，我們設定短期債務的回收率為85%、長期債務的回收率為55%。是其他短期債務的市場價值，我們設定它等于其面值；是其它長期債務的市場價值，我們假設它等于其面值的一半。對于違約邊界波動率的估計，參考Crouhy（2000）的研究，采用預期貼現回收率為基礎計算預期回收率。進一步，運用長期債務的預期回收率的標準差來表示違約邊界的波動率。于是，由伊藤

25、引理得到最后，將資產波動率等式、資產現值等式、風險中性違約距離等式聯立方程組 （8）再運用牛頓-拉夫遜迭代法計算，采用MATHCAD7.0軟件求解，得到資產的現值、資產的波動率和違約邊界波動率，進一步得到違約距離的估計值。前文研究發現金融危機的爆發、通貨膨脹率、股票市場波動率以及匯率都會對我國企業債券信用風險產生顯著影響。Moore(1961)認為企業破產的概率會隨經濟周期的變化而變化。Merton（1974）認為，無風險利率對企業債券的信用利差具有重要的影響。Altman(1983) 首先發現實際GDP、S&P指數等與公司債券的信用價差之間存在著負相關性，進一步地，Thomas C.

26、 Wilson(1998) 加入了失業率、GDP增長率、長期利率水平、匯率、政府支出和總儲蓄率，建立了衡量債券違約可能性的Credit Portfolio View模型。針對上述理論，一些學者對宏觀經濟不確定性與企業債券信用風險之間的關系進行了實證研究，取得較為一致的結論。Jonathan & H. Wright (2011) 利用10個工業化國家1990-2007年的月度數據，研究了通貨膨脹率對企業債券信用利差的影響。結果表明，長期債券和短期債券的信用利差都會受到通貨膨脹率的影響。由于不同國家債券市場在發展階段、法律環境和微觀結構等方面存在較大差異，而不同市場上述因素之間的相關性和傳

27、導方式也不同，因此信用價差的決定因素在不同國家、不同時段的特征表現往往不同。考慮到我國企業債券市場的培育環境與國外市場有許多不同之處，國家對企業債券的發行主體和發行利率都有較為嚴格的限制，影響信用價差的因素也可能不同于國外，因此本研究考慮了固定資產投資增長率、貨幣供給增長率、無風險利率和匯率四大系統性市場因素，比以往的國內研究更進一步涵蓋了我國宏觀經濟的主要方面?；久娣治龇ㄊ菍F金的流動性、資產的質量、盈利能力以及資本充裕程度等一套財務信息以及其他信息換算成具體的量化分數，而且，在大多數預測財務失敗或財務預警的研究中，往往根據增加預測精度和降低誤分類率的能力來選擇財務比率和會計變量，通常使用

28、的解釋變量包括營利性指標、流動性指標、資產管理效率變量、杠桿變量以及公司規模變量。考慮到變量可能存在的共線性，我們進行了相關性分析，保留相關系數顯著的兩指標之一以及相關系數不顯著的指標，最后選取了總資產留存收益率、總資產毛利率、自由現金流保障系數、利息保障倍數、資產規模和資產負債率。（二）模型構建結構模型存在缺陷的原因之一是它所包含的企業基本面信息量不夠充分，而基本面分析法在應用時也只是考慮了企業的基本面信息；并且，現有的研究在采用基本面分析法或未定權益分析法時，大多都單一使用這兩種方法中的某一種方法和將這兩種方法結合，但沒有充分考慮宏觀不確定因素；另外，已有的研究表明了未定權益分析法和基本面

29、分析法都有各自的優點和缺陷。因此，我們從宏觀經濟的不確定性視角，基于結構模型將未定權益分析與基本面分析法法相結合并考慮宏觀經濟因素構建企業債券風險測量模型。按照國際的研究慣例，我們使用上市公司所發行債券的信用評級作為風險測量的依據結構模型要求具有公開的普通股市場價值等信息，這要求企業債券的發行主體既發行債券又發行股票，即此時的企業債券為公司債券。由于我國公司債券截至目前沒有違約的記錄，因此本研究不能以債券是否違約作為被解釋變量；另一方面，雖然大多數學者將“特別處理”的上市公司作為違約的樣本，但是我們發現在既發行股票又發行債券的中國上市公司中僅有3家受到過“特別處理”，不具有統計意義，因此我們不

30、能以是否受到“特別處理”作為風險度量的依據。，并把違約視為信用評級的最末一級。主要有三個理由：其一，大公國際、中誠信、聯合資信等信用評級機構對中國本土的公司債券評級具有相當的權威性；其二，我們模型中的違約是指一種特殊的信用評級，所以我們把信用評級作為被解釋變量進行研究的結論同樣適用于違約的情形；其三，根據本部分的研究目的，把信用評級作為被解釋變量是合理的。如果以信用評級的觀測值Yij作為被解釋變量，表示第i個公司債券的評級，則信用評級為多級且有排序，因此我們構建有序probit模型。我們接受線性假設建立模型，其中，是潛變量，表示第i個公司債券被評為j級的趨向，j=1,2,J；表示第k個影響因素

31、的系數；表示隨機誤差項，且；表示第i個公司的第k個影響因素，k=1,2,K。潛變量由解釋變量作線性解釋后，依據所對應的如下規則對信用級別Y進行排序分類： （3）為債券不同信用等級的閾值。各種信用級別的概率由下列式子確定 （4）其中表示標準正態分布函數。和由極大化下列對數似然函數得到 （5）根據信用評級的可能影響因素的類別不同，本研究按照依次遞進構建了四個有序probit模型，其中，模型M4是本研究的目標模型，其它模型是比較模型，通過將目標模型與比較模型進行對比檢驗，來研究模型M4的在測量企業債券信用風險方面的優越性。四個模型如下：模型M1：基于未定權益分析法，以結構模型的風險中性違約距離為唯一

32、解釋變量；模型M2：基于基本面分析法，以公司微觀財務信息變量為解釋變量；模型M3：基于基本面分析法，以宏觀經濟變量、公司微觀財務信息變量為解釋變量；模型M4：將基本面分析法與未定權益分析法結合并融入觀經濟變量，以宏觀經濟變量、公司微觀財務信息變量和風險中性違約距離變量為解釋變量。各模型解釋變量的比較如表6所示。表 6 四個比較模型所選取的解釋變量解釋變量變量符號模型M1模型M2模型M3模型M4結構模型變量違約距離微觀財務變量總資產留存收益率IGR總資產毛利率BEP自由現金流保障系數FCFM利息保障倍數ICR資產規模AS資產負債率DR宏觀經濟變量固定資產投資增長率FR貨幣供給增長率M2R無風險利

33、率r匯率ER注：“”表示該解釋變量進入該模型。（三）樣本描述與模型估計1樣本來源與描述采用的公司債券樣本是1997年1月1日到2011年6月30日的中國深滬兩市全部公司債券，公司債券數據來自于深滬兩市網站的債券信息、國泰安的中國債券市場研究數據庫、色諾芬CCER的公司債券數據庫和萬得資訊，評級數據來自于大公國際、中誠信、聯合資信等信用評級機構。此期間的公司債券共有169只我們根據深滬兩市網站的債券信息、國泰安的中國債券市場數據庫、色諾芬CCER的公司債數據庫和萬得資訊數據庫逐一核對和分析，1997年1月1日到2011年6月30日同時發行股票和債券的上市公司共129家，發行公司債券169只。，涉

34、及到既發行股票又發行債券的上市公司129家。考慮到信用評級可能存在的謹慎性，我們有理由相信在公司債券整體評級較高的情況下，那些沒有被評為AAA級的債券的信用風險應該明顯不同于AAA級債券，越是評級較低的債券越趨近于違約。所以，我們將信用級別如實按照原級別進一步劃分為三級，即AAA級、AA級和AA級，由于AA級債券樣本較少，我們把它們劃分到AA級中，三個級別在模型中分別取值為1、2、3，并根據研究的需要劃分為建模樣本組（100個樣本）和預測樣本組（69個樣本）。樣本的描述詳見表7。表 7 深滬兩市中國公司債券樣本（1997年1月1日2011年6月30日）信用評級樣本數量排序取值建模樣本預測樣本樣

35、本總數AAA4042823AA+309392AA3018481由于不同公司債券的評級年度存在差異，因此解釋變量的測度截止到該公司債券被評級的前一年底，包括公司債券發行主體的微觀財務數據、估計違約距離所需基礎數據以及我國宏觀經濟數據，這些數據均來自于國泰安CSMAR和色諾芬CCER數據庫以及國研網數據庫。無風險利率采用同期一年期國債到期收益率作為代理指標。運用牛頓-拉夫遜迭代法計算估計違約距離，我們得到了收斂的結果。2估計結果利用經濟計量軟件Eviews對有序probit模型進行估計，四個模型均按照擬合度最高、多重共線程度最低、解釋力最強以及AIC最低的標準估計出了各自最優的回歸結果（表8）。表

36、 8 四個模型的回歸結果解釋變量模型M1模型M2模型M3模型M4系數估計標準差z-統計量系數估計標準差z-統計量系數估計標準差z-統計量系數估計標準差z-統計量1.091*0.13212.5520.799*0.0818.323IGR1.962*0.3376.1661.228*0.0995.6220.916*0.1372.543BEP3.657*0.9981.0432.809*1.8091.0022.246*1.0672.810FCFM2.152*1.22011.0081.901*0.92010.9001.074*1.03410.622ICR0.139*0.0197.3410.110*0.601

37、6.8810.103*0.7903.002AS0.511*1.2886.0740.397*0.9215.1130.312*1.0082.213DR-2.556*0.533-6.979-1.899*0.644-6.866-0.910*0.057-5.001FR1.910 *0.9268.2091.693 *1.5425.434M2R2.053*0.8555.6531.852*2.4323.834r1.431*1.0061.4061.384*0.5681.906ER2.626*0.1852.6452.144*0.6852.500樣本數100100100100赤池信息判據2.9076862.8766

38、802.6435732.052355施瓦茨判據3.10453443.0437652.9556712.265008對數似然估計426.3276410.0688391.2119335.2285Hannan-Quinn判據3.0328852.9098812.6445292.294412Restr.對數似然估計592.4773592.4773592.4773592.4773Avg.對數似然估計1.8423271.3843361.1973111.049349LR統計量196.4372(1df)266.5440 (6df)286.4854 (10df)338.7646 (11df)LR指數(Pseudo-

39、R2)0.2642530.2919900.3110680.384322概率(LR stat)0.0000000.0000000.0000000.000000注：*、*和*分別表示在0.01、0.05和0.1的水平上顯著。模型M1的回歸結果顯示，違約距離的回歸系數為1.091，系數符號為正且在5的水平上顯著，這與結構模型的理論和實證結果基本一致。在模型M2的回歸結果中，除了資產負債率之外，其它變量的系數的符號都為正，并且所有解釋變量均在5以上的水平上顯著。模型M3的估計是在模型M2的基礎上增加了宏觀經濟變量，微觀財務變量的系數符號以及顯著性未發生根本的改變，四個宏觀經濟變量的回歸系數都為正，并且

40、都在5以上水平上顯著。固定資產投資的增速越快，公司債券被評為較高信用級別的概率越大，被評為較低信用級別甚至違約的概率越小，表明中國未來經濟景氣程度趨于上升時，公司債券信用風險下降；貨幣供給增長率系數為正，表明當存在較強的通貨膨脹預期時，我國公司債券信用風險趨于下降，這可能是因為我國公司債券市場主要是受資金推動的；當一年期國債收益率和匯率上升時，公司債券被評為較高信用級別的概率越大，被評為較低信用級別甚至違約的概率越小，信用風險越低，這符合已有研究的主流觀點，表明自從我國金融體系放開之后，利率風險和匯率風險是我國企業債券市場重要的信用風險來源。模型M4是在模型M1、M2和M3的基礎上構建而成。雖

41、然個別變量的系數的顯著性有所減弱，但是顯著性依然高于10的可接受水平，并且所有解釋變量的回歸系數的符號與其他三個模型相比沒有發生根本變化。如果資產負債率越高，則公司債券被評為較高信用級別的概率越小，被評為較低信用級別甚至違約的概率越大，意味著債券信用風險或違約風險越大。如果其它解釋變量越大，那么該公司債券被評為較高信用級別的概率越大，被評為較低信用級別甚至違約的概率越小，意味著債券違約風險越??；從模型M4的LR指數(Pseudo-R2)可知，該模型的解釋力從模型M1、M2和M3的26.4%、29.2和31.1%上升到了38.4，這表明除了違約距離之外，公司微觀財務信息和宏觀經濟信息也為解釋我國

42、企業債券信用評級和違約提供了增量的信息。3. 模型M4的優越性分析我們采用LR指數(Pseudo-R2)、赤池信息判據（AIC）、施瓦茨判據、Hannan-Quinn判據和模型預測力為依據，比較模型M1、M2、M3和M4，分析哪一個模型最具優越性。從表8報告的結果可知，模型M1的LR指數最低，對公司債券信用評級和違約的解釋力最差，表明由于莫頓模型中的一些基本假設與實際經濟活動不符，導致來自于結構模型的違約距離所表示的信用風險特征不能夠充分解釋實際的信用風險概率，這與Hillegeist等人（2004）的結論是一致的。模型M1、M2和M3的LR指數分別為0.264、0.292和0.311，而模型M4的LR指數為0.384，均高于模型M1、M2和M3，說明同時包含結構模型變量、微觀財務變量和宏觀經濟變量的有序probit模型M4在解釋我國公司債券信用評級和違約方面