付費模式、聲譽與信用評級質(zhì)量
——基于我國債券市場的經(jīng)驗證據(jù)

劉 琳 查道林

(北京化工大學(xué) 經(jīng)濟管理學(xué)院， 北京 100029)

一、引言

隨著當(dāng)前我國資本市場中債券違約事件不斷增多，投資者對評級機構(gòu)的信用評級、風(fēng)險披露和評級質(zhì)量愈發(fā)關(guān)注。信用評級機構(gòu)作為第三方中介機構(gòu)，有利于緩解債券市場中的發(fā)行人和投資人之間的信息不對稱進而提高資本市場中的資源配置效率，而且有利于揭示信用風(fēng)險從而防范金融體系風(fēng)險。國內(nèi)外信用評級機構(gòu)的商業(yè)模式主要有發(fā)行人付費模式和投資者付費模式兩種主要形式，其中前者占主要地位，穆迪、標普和惠譽三大國際評級機構(gòu)目前都采用發(fā)行人付費評級模式。在次貸危機爆發(fā)之后，發(fā)行人付費的信用評級模式飽受質(zhì)疑，發(fā)行人付費模式所帶來的“評級虛高”和“評級選購”等問題受到了廣泛關(guān)注[1][2][3][4]，該模式內(nèi)在的利益沖突被認為是評級失敗的主要原因[5][6]。近年來，國內(nèi)外學(xué)者從理論層面與政策層面研究了信用評級機構(gòu)的付費模式，尤其是對投資者付費模式和發(fā)行人付費模式的利益沖突和評級質(zhì)量進行了廣泛的討論和比較研究[7][8][9]。

長期以來，我國信用評級市場主要以發(fā)行人付費模式為主，例如我國信用評級行業(yè)排名前五的機構(gòu)均實行發(fā)行人付費模式，目前我國唯一一家投資人付費模式的評級機構(gòu)——中債資信評估有限公司(以下簡稱中債資信)于2010年8月由交易商協(xié)會代表全體會員出資設(shè)立，其運營模式采取投資者付費對債券進行主動評級，從而避免了受發(fā)行人付費影響以至評級結(jié)果失真、評級質(zhì)量下降的不良因素。而且，中債資信力求獨立客觀公開，對債券評級行業(yè)形成了“鲇魚效應(yīng)”。截至目前，中債資信成立已成立近7年的時間，評級體系已經(jīng)較為完善，由于其評級相對公允，逐漸獲得了債券投資人的認可，在市場中也已經(jīng)有了一定的聲譽[10]。然而，市場上仍不乏一些質(zhì)疑的聲音存在，認為債券投資人實際上根本不關(guān)注中債資信的評級結(jié)果，因此其在債券評級市場上能夠發(fā)揮的作用十分有限。本文從這一問題出發(fā)，重點關(guān)注投資者付費模式的引入是否真正對我國評級市場有“鲇魚效應(yīng)”？是否在一定程度上影響了發(fā)行人付費模式的評級機構(gòu)的行為，提高了我國債券評級市場的整體評級質(zhì)量？實行投資者付費模式的中債資信的成立為我們的研究提供了一個難得的自然實驗，市場上的債券發(fā)行主體自然被分為被中債資信主動評級組(處理組)以及未被中債資信主動評級組(控制組)。本文利用中債資信對債券發(fā)行主體進行主動評級的經(jīng)驗數(shù)據(jù)，實證檢驗了在引入投資者付費模式評級后，相比于未被中債資信主動評級組(對照組)，被中債資信主動評級組(處理組)的評級結(jié)果相較之前是否有顯著降低。

與相關(guān)研究成果相比，本文的邊際貢獻主要在于以下方面：其一，從研究內(nèi)容上來看，本文對于評級機構(gòu)付費模式的已有研究有一定的補充作用，本文利用我國債券市場一項難得的準自然實驗，檢驗了投資者付費模式的引入對發(fā)行人付費模式評級機構(gòu)評級行為的影響，有益于幫助債券投資者和利益相關(guān)者理解不同付費模式評級機構(gòu)評級質(zhì)量的問題。其二，目前關(guān)于付費模式比較的研究多利用模型推導(dǎo)或者描述性分析，鮮有文獻利用大樣本數(shù)據(jù)進行實證檢驗，而且本文采用的PSM-DID方法在一定程度上能夠解決樣本選擇偏差等內(nèi)生性問題，使得模型估計和研究結(jié)論的準確性和穩(wěn)健性較高。本文剩余部分的結(jié)構(gòu)安排如下：第二部分是文獻回顧和研究假設(shè)，第三部分是研究設(shè)計，第四部分是實證檢驗結(jié)果和分析，最后是研究結(jié)論和政策建議。

二、文獻回顧和研究假設(shè)

(一)文獻回顧

大量文獻表明，評級機構(gòu)的信用評級結(jié)果受到企業(yè)的會計信息質(zhì)量、資產(chǎn)規(guī)模、資本結(jié)構(gòu)和債務(wù)壓力、盈利能力、公司治理等微觀因素[11][12][13][14]以及國家法律、制度環(huán)境和經(jīng)濟周期等宏觀因素的影響[15][16]。信用評級的質(zhì)量主要體現(xiàn)為信用評級是否準確衡量了債券的信用風(fēng)險，也即評級結(jié)果的準確性。實務(wù)中常用的評級質(zhì)量分析一般有違約率分析、信用等級遷移分析和利差分析三種方法。從國內(nèi)外學(xué)者的文獻來看，一方面，評級質(zhì)量可以通過檢驗信用評級和違約率的關(guān)系或通過檢驗信用評級和債券收益差的關(guān)系來判斷[17][18]。Galil(2003)提出依據(jù)信用等級是否準確反映歷史違約率來判斷評級質(zhì)量，其思路主要是看不同評級債券的評級結(jié)果是否能夠反映其歷史違約率[19]。另一方面也有學(xué)者指出，可以通過判斷評級結(jié)果的信息含量來判斷。Becker和Milbourn(2011)利用該公司債券對應(yīng)的上市公司的股票價格對債券的信用評級調(diào)整反應(yīng)的強弱程度來度量評級質(zhì)量，如果股市反應(yīng)越強，那么就說明市場參與者對評級的認可度越高，評級質(zhì)量較高[17]。Xia (2013)指出，市場對評級機構(gòu)評級調(diào)整的反應(yīng)可以體現(xiàn)評級質(zhì)量，如果評級機構(gòu)給出的評級質(zhì)量較高，那么市場會對評級調(diào)整有較為明顯的反應(yīng)，尤其是對于降級的市場反應(yīng)[9]。

國內(nèi)外學(xué)者從不同視角檢驗了不同的付費模式對信用評級機構(gòu)行為和評級質(zhì)量的影響。已有研究普遍表明，在發(fā)行人付費模式下，信用評級機構(gòu)需要“取悅”作為付費者的發(fā)行人而易產(chǎn)生利益沖突[7][8]。因利益關(guān)聯(lián)而產(chǎn)生的問題主要有：第一，在嚴峻的市場競爭下，信用評級機構(gòu)為獲取評級合同而放棄嚴謹性來“取悅”發(fā)行人，根據(jù)發(fā)行人的需求而調(diào)高評級結(jié)果[20]；第二，發(fā)行人因需要較高的評級結(jié)果而“取悅”評級機構(gòu)，因此購買其他服務(wù)而產(chǎn)生關(guān)聯(lián)交易；第三，因評級機構(gòu)參與證券結(jié)構(gòu)化產(chǎn)品設(shè)計，債券的成功發(fā)行對其有經(jīng)濟利益，從而主動干預(yù)調(diào)高信用級別。然而，投資者付費模式也會存在一定的問題，例如投資者付費模式也可能存在利益交換，因為評級機構(gòu)的收入主要來自于投資者，所以該模式的評級更傾向于考慮投資者的利益從而扭曲評級結(jié)果。另外，部分投資者想要從低評級債券中獲取溢價，因此也可能導(dǎo)致這種模式下的評級結(jié)果過于負面。而且，投資者付費模式下還可能存在嚴重的搭便車問題[21]。

從研究方法上來看，以上文獻主要是利用模型構(gòu)建和推導(dǎo)的方法考察不同付費模式信用評級機構(gòu)的評級質(zhì)量[7][8] [21]，這主要是由于獲取同一時期兩種付費模式評級結(jié)果的困難導(dǎo)致的。還有一些學(xué)者利用難得的數(shù)據(jù)，對不同付費模式評級機構(gòu)的評級質(zhì)量進行了描述性分析和對比分析，而其中又以對美國市場上的研究最有代表性。Jiang等(2012)利用標普公司在1974年從投資者付費模式轉(zhuǎn)換為發(fā)行人付費模式的歷史數(shù)據(jù)，對比了其在轉(zhuǎn)換前后的評級結(jié)果[20]。黃國平(2012)比較了實行發(fā)行人付費的穆迪和投資者付費的Realpoint評級結(jié)果，研究發(fā)現(xiàn)在相應(yīng)級別和期限上，前者的產(chǎn)品違約率較高、一致性較弱[22]。申盛和陳言(2017)首次利用2014～2016年中國債券市場上的不同付費模式評級機構(gòu)的評級結(jié)果數(shù)據(jù)，采用描述性分析的方法，比較了采用投資者付費模式的中債資信與其他采用發(fā)行人付費模式評級公司的實際表現(xiàn)，結(jié)果發(fā)現(xiàn)，對同一發(fā)債主體而言，發(fā)行人付費模式下的信用評級顯著高于投資者付費模式的信用評級，而且信用評級分布更為集中[10]。

(二)研究假設(shè)的提出

已有基于兩種付費模式比較的文獻普遍認為，在發(fā)行人付費模式下，利益沖突引發(fā)的問題嚴重影響信用評級機構(gòu)的評級質(zhì)量，而實行投資者付費模式的評級機構(gòu)比發(fā)行人付費評級機構(gòu)在評級標準的制定和執(zhí)行上更為嚴格，評級結(jié)構(gòu)更為公正客觀，評級質(zhì)量更高[9][22]。Jiang等(2012)研究發(fā)現(xiàn)，發(fā)行人付費模式整體上可能會給發(fā)行人帶來更為有利的評級，導(dǎo)致評級結(jié)果虛高[20]。Xia (2013)利用Egan-Jones評級公司采用投資者付費模式進入評級市場之后的數(shù)據(jù)，檢驗了其對美國評級市場上以發(fā)行人付費模式的代表——標普公司評級質(zhì)量的影響，研究表明，EJR公司進入之后顯著提高了評級機構(gòu)的評級質(zhì)量[9]。借鑒已有文獻的方法，本文主要從評級結(jié)果的變化衡量評級質(zhì)量[9][23]。由于中債資信采用投資者付費模式，其并不以營利為目的，減少了利益沖突，評級結(jié)果相對更加獨立客觀公正。在債券市場投資者關(guān)注同一發(fā)行主體的投資者付費模式評級和發(fā)行人付費模式評級的情境下，前者的評級結(jié)果會有一定的標桿效應(yīng)，因此，我們可以預(yù)期，如債券發(fā)行主體同時獲得了兩種不同付費模式的評級結(jié)果，則在投資者付費模式評級的壓力下，采用發(fā)行人付費模式的評級機構(gòu)會調(diào)低債券發(fā)行主體的信用評級。因此，根據(jù)以上分析，提出本文的研究假設(shè)H1：

H1：與未被中債資信評級的樣本公司相比，被中債資信評級覆蓋的債券發(fā)行主體其所獲發(fā)行人付費評級與之前相比顯著下降。

聲譽機制[24][25][26]、評級機構(gòu)競爭[17]、評級機構(gòu)的國際背景[27]以及會計信息質(zhì)量[28]都對評級質(zhì)量有重要影響。Smith和Walter(2002)研究指出，聲譽機制是影響評級質(zhì)量的重要因素之一，如果評級機構(gòu)更加關(guān)注其準確公正的聲譽，則有利于保持其評級質(zhì)量[24]。評級市場引入投資者付費模式評級之后，一方面增強了市場上的發(fā)債主體的信息披露，減弱了信息不對稱程度，打破了現(xiàn)有的發(fā)行人付費模式下的評級機構(gòu)的評級份額格局；另一方面，使得評級市場的其他評級機構(gòu)更加重視評級聲譽，其他現(xiàn)有的信用評級機構(gòu)因擔(dān)憂失去聲譽而受到嚴重的利益損失，其評級結(jié)果會更加客觀公正，也即評級質(zhì)量會有所提高。根據(jù)以上分析，提出研究假設(shè)H2：

H2：相對于聲譽較低的評級機構(gòu)，聲譽高的發(fā)行人付費模式評級機構(gòu)在中債資信進入之后評級的降低更為顯著。

三、研究設(shè)計

(一)基本模型和變量定義

為檢驗研究假設(shè)H1和H2，本文構(gòu)建了雙重差分模型，基本模型的設(shè)定如下：

Rating=α+β1Coverage*Post+β2Coverage+β3Post+β4Size+β5Leverage+β6ROA+

β7Growth+β8ICRatio+β9Tangibility+β10Cashholdings+λ(yeardummy)+

χ(industrydummy)+εit

(1)

式(1)中，Rating表示該債券發(fā)行主體被發(fā)行人付費評級機構(gòu)給出的評級，包括發(fā)行評級和后續(xù)評級。由于在進行評級時，國內(nèi)外各大評級機構(gòu)給出的評級結(jié)果都是符號，需要通過一定的方法將其轉(zhuǎn)換成數(shù)值，才能進行回歸分析。借鑒已有文獻，本文的轉(zhuǎn)換方法具體如下：AAA和AAA-=5, AA+和AA=4, AA-=3, A+=2, 其他=1[29]。需要說明的是，如果該債券主體在當(dāng)年獲得兩個或以上評級，本文按照以上評級符號轉(zhuǎn)換之后計算評級分數(shù)的均值，并將該值作為該發(fā)債主體當(dāng)年的評級結(jié)果。Coverage是一個虛擬變量，如果該發(fā)債主體被中債資信進行主動評級則定義為1，否則定義為0；Post也是一個虛擬變量，如果該公司年度觀測值發(fā)生在該公司被中債資信首次評級事件之后則定義為1，否則為0；因此，當(dāng)公司屬于被中債資信主動評級組，并且該評級結(jié)果發(fā)生在被中債資信首次評級之后，則Coverage*Post交乘項等于1，否則等于0。該模型中我們最感興趣的是該交乘項的系數(shù)，它主要反映了樣本公司在被中債資信主動評級之后，處理組相對于對照組變化的評級分數(shù)變化，根據(jù)上文的研究假設(shè)1，如果在中債資信進入評級市場之后，市場上現(xiàn)有發(fā)行人付費評級機構(gòu)的評級有顯著下降，那么交乘項的系數(shù)應(yīng)是負的。

為控制其他變量對評級結(jié)果的影響，模型加入了債券發(fā)行主體特征的控制變量，Size用銷售收入的自然對數(shù)來衡量，代表企業(yè)規(guī)模；Leverage是資產(chǎn)負債率；ROA是總資產(chǎn)收益率；Growth表示企業(yè)成長性，用營業(yè)收入的年增長率來度量；ICRatio是利息保障倍數(shù)；Tangibility是固定資產(chǎn)比率，用廠房和設(shè)備等固定資產(chǎn)占總資產(chǎn)的比例來衡量；Cashholdings是現(xiàn)金比率，用貨幣資金占流動資產(chǎn)的比例來度量。此外，我們還在模型中控制了行業(yè)固定效應(yīng)和年度固定效應(yīng)。表1是本文所用到的具體變量的定義。

表1 主要變量的符號和含義

(二)樣本選取

本文以2007～2016年期間滬深兩市公開發(fā)行交易的公司債和企業(yè)債作為研究樣本。樣本篩選原則如下：一是剔除在境外上市的內(nèi)地公司發(fā)行的債券樣本；二是剔除債券發(fā)行主體相關(guān)財務(wù)數(shù)據(jù)缺失的樣本；三是如果該發(fā)債主體在當(dāng)年獲得兩個或以上評級，則按照以上評級符號轉(zhuǎn)換之后計算評級分數(shù)的均值，并將該值作為該發(fā)債主體當(dāng)年的評級結(jié)果，與上年12月31日的財務(wù)數(shù)據(jù)進行匹配。根據(jù)樣本篩選原則，共獲取7596個年度～債券主體評級樣本。債券主體評級數(shù)據(jù)來自Wind數(shù)據(jù)庫，財務(wù)數(shù)據(jù)來自CSMAR中的債券市場數(shù)據(jù)庫，部分數(shù)據(jù)從中債資信網(wǎng)站手工整理得到。本文采用Stata12.0進行分析。

四、實證檢驗與分析

(一)描述性統(tǒng)計

表2為主要變量的描述性統(tǒng)計結(jié)果。從表2中可以看出信用評級Rating的均值為3.907，中位數(shù)為4，表示平均來看市場上的債券信用評級普遍在AA級或AA+級附近，標準差為0.764，信用評級的差異化程度不大。Coverage也即中債資信評級池覆蓋變量的均值為0.385，標準差為0.497，說明研究樣本中有38.5%的主體屬于被中債資信評級覆蓋的樣本。公司規(guī)模變量(Size)的均值為4.629，標準差為1.830，ROA的均值為0.055，標準差為0.076，最小值為-0.108，最大值為0.241，資產(chǎn)負債率(Leverage)均值為0.578，標準差為0.162，最小值為0.056，最大值為0.903，現(xiàn)金比率(Cashholdings)均值為0.503，標準差為0.473，最小值為0.024，最大值為0.92。

表2 主要變量的描述性統(tǒng)計結(jié)果

(二)分組檢驗結(jié)果

模型中的處理組是那些被中債資信主動評級的債券發(fā)行主體樣本，對照組是沒有被中債資信主動評級的債券發(fā)行主體樣本。為對處理組樣本和對照組樣本進行詳細比較，這一部分進行了分組均值t檢驗，表3顯示的是分組檢驗的統(tǒng)計結(jié)果。從表3可以看出，處理組樣本的評級均值是4.064，對照組樣本的評級均值是3.592，均值t檢驗的結(jié)果表明被中債資信主動評級的債券主體的評級等級平均高于未被中債資信主動評級的債券主體評級等級，而且該差異在統(tǒng)計上是顯著的。此外，被中債資信評級的樣本(處理組)和未被中債資信評級的樣本(對照組)相比，除評級結(jié)果有顯著差異外，還呈現(xiàn)出其他一些顯著不同的特征，例如處理組的樣本公司的規(guī)模更大、固定資產(chǎn)比例更高，ROA和成長性都更好。雖然中債資信宣稱在選擇公司進行主動評級時候是隨機抽取的，但是事實可能并非這樣，所以會存在樣本選擇偏差(selection-bias)。

表3 處理組和對照組的分組檢驗的統(tǒng)計結(jié)果

(三)中債資信評級對現(xiàn)有評級機構(gòu)評級結(jié)果的影響

雙重差分模型可以在一定程度上解決內(nèi)生性問題，但是考慮到可能存在的樣本選擇偏差，直接采用DID處理會出現(xiàn)一定的偏差。借鑒其他文獻的處理方式，本文采取傾向得分匹配與雙重差分相結(jié)合的PSM-DID方法。具體方法如下：在做雙重差分之前先進行匹配工作，根據(jù)已有文獻以及協(xié)變量選取的原則，用于估計被中債資信主動評級的概率的自變量(即協(xié)變量)包括規(guī)模(Size)、資產(chǎn)負債率(Leverage)、總資產(chǎn)收益率(ROA)、營業(yè)收入增長率(Growth)、固定資產(chǎn)比率(Tangibility)和現(xiàn)金比率(Cashholdings)等，基于以上變量，利用Logit模型估計個體傾向得分，運用傾向匹配得分找出匹配組；然后，使用匹配后的處理組和對照組進行雙重差分估計。在對處理組和對照組進行一對一的匹配之后，最后共得到2308個樣本。

為驗證中債資信評級對發(fā)行付費評級機構(gòu)評級結(jié)果的影響，首先利用OLS模型進行了檢驗，由于OLS模型的隱含假定是認為相鄰的評級分數(shù)的距離是相同的，為放松該假設(shè)，我們進一步采用了有序Logistic回歸模型進行檢驗，回歸結(jié)果見表4。

表4 付費模式與債券市場信用評級(被解釋變量：Rating)

注：***、**和*分別表示1%、5%和10%顯著性水平。

從表4的回歸結(jié)果可以看出，OLS模型估計的結(jié)果顯示，Coverage* Post的系數(shù)為-0.089，并在5%的水平上顯著負相關(guān)，與預(yù)期的結(jié)果基本一致，也即與未被中債資信評級的樣本相比(對照組)，被中債資信覆蓋的發(fā)行主體其所獲發(fā)行付費評級與之前相比有顯著下降。有序Logistic回歸模型的檢驗結(jié)果與OLS的檢驗結(jié)果基本一致。

本部分利用PSM-DID方法檢驗了中債資信進入對原有發(fā)行人付費模式下評級結(jié)果的影響，結(jié)果表明在中債資信進行主動評級之后其結(jié)果有一定的約束效應(yīng)，原有以發(fā)行人付費模式為主的評級機構(gòu)將中債資信的評級結(jié)果作為標桿參照，而且使得其評級行為更加保守，進而調(diào)低發(fā)行主體的信用評級。因此，投資者付費評級模式的引入在一定程度上緩解了信息不對稱程度，并且使得發(fā)行人付費模式下的評級有顯著下降，可見，其有助于改善信用評級市場的信息環(huán)境，并進一步提高了我國債券市場的評級質(zhì)量。

(四)聲譽機制的影響作用檢驗

為檢驗聲譽機制的影響作用，我們將現(xiàn)有的發(fā)行人付費模式評級機構(gòu)分為兩組：聲譽高組和聲譽低組。分組的標準主要有以下兩個：第一，根據(jù)關(guān)于IPO承銷商聲譽的文獻[30][31]，首先考慮該評級機構(gòu)的市場份額高低；第二，文獻表明，由于本土評級機構(gòu)缺乏良好聲譽，投資者更有可能相信由具有良好聲譽的全球評級機構(gòu)發(fā)布的評級[27][29]，因此還需考慮該評級機構(gòu)的股權(quán)結(jié)構(gòu)中是否有外資評級機構(gòu)持股。首先計算了我國債券市場上9個發(fā)行人付費模式評級機構(gòu)的市場份額，在2006～2015年期間通過中誠信國際信用評級有限責(zé)任公司和聯(lián)合資信評估有限公司的評級發(fā)行的債券數(shù)量和融資金額都占信用評級市場70%以上。此外，我們考慮一個評級機構(gòu)是否擁有來自美國知名的三大國際評級機構(gòu)的外資持股(穆迪、標普和惠譽)，目前我國有中誠信國際和聯(lián)合資信兩家合資評級公司，穆迪持有49%的中誠信國際的股權(quán)以及惠譽持有49%的聯(lián)合資信的股權(quán)。因此，我們將被中誠信國際和聯(lián)合資信兩家評級公司評級的樣本作為聲譽高組，將被其他評級公司評級的樣本作為聲譽低組，對基礎(chǔ)模型進行分組檢驗，檢驗結(jié)果見下表5。

表5的回歸結(jié)果顯示，在高信譽組和低信譽組，Coverage*Post交乘項的系數(shù)都為負數(shù)，高聲譽組的系數(shù)為-0.119，并且該系數(shù)在1%的水平上顯著；低聲譽組的系數(shù)為-0.061，在10%的水平上顯著。這驗證了我們的研究假設(shè)H2，意味著在中債資信評級公司進入市場之后，處于對自身聲譽的擔(dān)憂使得聲譽較高的現(xiàn)有評級機構(gòu)顯著降低了其評級結(jié)果，提高了其評級質(zhì)量，這證實了聲譽機制在提升評級質(zhì)量中的重要作用。

表5 付費模式、聲譽與債券市場信用評級(被解釋變量：Rating)

注： ***、**和*分別表示1%、5%和10%顯著性水平。

(五)穩(wěn)健性檢驗

1.不同的匹配方法

表4顯示的是1對1匹配的檢驗結(jié)果，為保證更好的匹配和較少的偏差，并在一定程度上減弱估計結(jié)果對匹配順序的敏感性，在穩(wěn)健性檢驗部分，我們采用了1對2和1對3的匹配對基礎(chǔ)模型進行OLS和有序Logistic估計，檢驗結(jié)果見下表6。從表6的回歸結(jié)果可以看出，采用1對2和1對3匹配的檢驗結(jié)果與上文結(jié)果基本一致，說明研究結(jié)論是穩(wěn)健的。

2.其他穩(wěn)健性檢驗

為檢驗評級符號的不同賦值方式是否影響模型的檢驗結(jié)果，本文在穩(wěn)健性檢驗部分又考慮了以下4種賦值方法：一是AAA和AAA-=9, AA+=8,AA=7, AA-=6, A+=5, A=4, A-=3, BBB+=2,其他=1；二是AAA和AAA-=5, AA+=4, AA=3, AA-=2,其他=1；三是AAA和AAA-=4, AA+和AA=3, AA-=2,其他=1；四是AAA和AAA-=6, AA+=5, AA=4, AA-=3, A+=2,其他=1。使用這四種替代方法來重新對假設(shè)H1和假設(shè)H2進行檢驗，結(jié)果與上文結(jié)論并未顯著差異，說明本文的分析結(jié)論是穩(wěn)健的。

五、研究結(jié)論與政策建議

本文利用實行投資者付費模式的中債資信評估有限公司進行主動評級的數(shù)據(jù)，檢驗了投資者付費模式對發(fā)行人付費模式評級機構(gòu)行為和債券市場評級質(zhì)量的影響。研究結(jié)果表明，被中債資信評級覆蓋的債券發(fā)行主體其發(fā)行人付費評級機構(gòu)給出的債券評級有顯著降低，而且該結(jié)論是穩(wěn)健的。進一步，本文還考察了投資者付費模式的引入對發(fā)行人付費評級機構(gòu)行為的影響渠道，研究表明，該影響主要是通過聲譽機制產(chǎn)生作用，由于聲譽較差會導(dǎo)致市場份額的損失，因此出于對聲譽的擔(dān)憂，在中債資信進入市場進行主動評級之后，聲譽高的發(fā)行人付費評級機構(gòu)會提高其評級質(zhì)量。本文的研究結(jié)果提供了一個新的視角：投資者付費模式的引入對采用發(fā)行人付費模式的評級機構(gòu)的行為有顯著影響，該研究豐富了關(guān)于評級機構(gòu)的付費模式對評級質(zhì)量影響的文獻研究，并發(fā)現(xiàn)聲譽機制確實在約束評級機構(gòu)的行為中發(fā)揮著重要作用。

表6 采用不同匹配方式的穩(wěn)健性檢驗(被解釋變量：Rating)

注：括號內(nèi)數(shù)值為各變量估計值的t值和標準誤差；***、**和*分別表示1%、5%和10%顯著性水平。

從政策意義上來看，首先，本文的研究結(jié)果肯定了中債資信評級有限公司的成立及其近幾年發(fā)展過程中在我國信用評級市場發(fā)揮的積極作用。一方面，投資者付費模式可以確保評級的獨立客觀性；另一方面，投資者付費模式評級機構(gòu)的評級行為約束了評級市場過度競爭，并在一定程度上影響了發(fā)行人付費評級機構(gòu)的評級行為，提高了我國債券市場的評級質(zhì)量。因此，未來我國債券評級市場應(yīng)進一步改進和推廣投資人付費機制，繼續(xù)支持中債資信的評級業(yè)務(wù)和評級行為，并積極拓展投資者付費評級的其他業(yè)務(wù)發(fā)展方向。

其次，提高信用評級機構(gòu)的評級質(zhì)量對于保護投資者利益、防止?jié)撛诘男庞蔑L(fēng)險、促進我國債券市場健康發(fā)展起著非常重要的作用。由于早期剛性兌付的存在，信用評級更多是為了滿足監(jiān)管要求，而非對市場的信用風(fēng)險進行披露，因此信用評級機構(gòu)對評級結(jié)果的信息功能重視不夠，而在目前我國債券市場逐步打破剛性兌付的情境下，信用評級機構(gòu)應(yīng)更加重視提升自身的評級質(zhì)量。因此，我國監(jiān)管機構(gòu)可以探索在合適情況下推出雙評級制度，也即債券發(fā)行時需要獲取兩個評級，一個是投資者所有的信用評級機構(gòu)評級，一個是發(fā)行人自己選擇的信用評級機構(gòu)評級，監(jiān)管機構(gòu)不對評級作出要求，發(fā)行的票面利率參考以上兩個評級結(jié)果，讓市場投資者根據(jù)獲取的信息作出合理的判斷，這種模式有助于信用評級機構(gòu)聲譽的積累與評級質(zhì)量的提高。

本文的不足之處在于由于評級結(jié)果的變化只是衡量評級質(zhì)量的一個方面，衡量評級質(zhì)量更準確的衡量方式應(yīng)是使用信用等級是否準確反映歷史違約率來判斷，而由于目前我國債券市場的違約樣本較為有限并未采用該種方法，因此利用信用評級對債券違約的預(yù)測作用來衡量評級質(zhì)量將彌補本文研究的不足，這也是本文研究的改進方向之一。

參考文獻：

[1] Kennedy, S. China’s Credit Rating Agencies Struggle for Relevance[J]. China Business Review, 2003, 30(6): 36—40.

[2] Kennedy, S. China’s Emerging Credit Rating Industry: The Official Foundations of Private Authority[J]. The China Quarterly, 2008, 193(3): 65—83.

[3] Li, J., Shin, Y.S., Moore, W.T. Reactions of Japanese Markets to Changes in Ratings by Global and Local Agencies[J]. Journal of Banking and Finance, 2006,30(3): 1007—1021.

[4] Jiang, X., Packer, F. Credit Ratings of Domestic and Global Agencies: What Drives the Differences in China and How are They Priced?[Z]. Bank of International Settlements, 2017.

[5] Cornaggia, J., Cornaggia, K.J. Estimating the Costs of Issuer-paid Credit Ratings[J]. Review of Financial Studies ，2013, 26(9): 2229—2269.

[6] Kashyap, A.K., Kovrijnykh, N. Who Should Pay for Credit Ratings and How?[J]. Review of Financial Studies, 2016,29(2): 420—456.

[7] Bolton, P., Freixas, X., Shapiro, J. The Credit Ratings Game[J]. Journal of Finance, 2012, 67(1): 85—111.

[8] He, J., Qian, J., Strahan, P.E. Credit Ratings and the Evolution of the Mortgage-backed Securities Market[J]. American Economic Review, 2011, 101(3): 131—135.

[9] Xia, H. Can Investor-paid Credit Rating Agencies Improve the Information Quality of Issuer-paid Rating Agencies?[J]. Journal of Financial Economics, 2013,111(2): 450—468.

[10] 申盛．陳言．中國債券信用評級付費模式的比較研究[J]．新金融，2017，(6)：36—42．

[11] Ashbaugh,S., Collins, H. D. ,La Fond,R. The Effects of Corporate Governance on Firms’ Credit Ratings[J]. Journal of Accounting and Economics, 2006,42(1—2): 203—243.

[12] Elton, E. J., Gruber, M. J., Agrawal, D., Mann， C. Factors Affecting the Valuation of Corporate Bonds[J]. Journal of Banking and Finance, 2004, 28(11): 2747—2767.

[13] Perraudin, W., Taylor, A. On the Consistency of Ratings and Bond Market Yields[J]. Journal of Banking and Finance, 2004,28(11): 2769—2788.

[14] 馬榕，石曉軍．中國債券信用評級結(jié)果具有甄別能力嗎？[J]．經(jīng)濟學(xué)(季刊)，2015，(10)：197—216．

[15] Carling, K., Jacobson, T., Linde, J., Roszbach, K.. Corporate Credit Risk Modeling and the Macro-economy[J]. Journal of Banking and Finance, 2007, 31(3): 845—868.

[16] Bar-Isaac, H., Shapiro, J. Ratings Quality over the Business Cycle[J]. Journal of Financial Economics, 2013,108(1): 62—78.

[17] Becker, B., Milbourn, T. How Did Increased Competition Affect Credit Ratings?[J]. Journal of Financial Economics, 2011, 101(3): 493—514.

[18] Cheng, M., Neamtiu, M. An Empirical Analysis of Changes in Credit Rating Properties: Timeliness, Accuracy and Volatility[J]. Journal of Accounting and Economics, 2009, 47(1—2): 108—130.

[19] Galil K. The Quality of Corporate Credit Rating: An Empirical Investigation[Z]. Social Science Electronic Publishing, 2003.

[20] Jiang, J., Harris, S., Mary, Xie, Y. Does It Matter Who Pays for Bond Ratings? Historical Evidence[J]. Journal of Financial Economics, 2012, 105(3): 607—621.

[21] Fennell, D., Medvedev, A. An Economic Analysis of Credit Rating Agency Business Models and Ratings Accuracy[Z]. Financial Services Authority, 2011.

[22] 黃國平．評級功能視角下的利益沖突和付費模式[J]．證券市場導(dǎo)報，2012，(10)：60—67．

[23] Poon, W.P.H., Chan, K.C. An Empirical Examination of the Informational Content of Credit Ratings in China[J]. Journal of Business Research, 2008, 61(7): 790—797.

[24] Smith， R.C., Walter，I. Rating Agencies: Is There an Agency Issue[J]. Springer US, 2002, (9): 289—318.

[25] 王雄元，張春強．聲譽機制、信用評級與中期票據(jù)融資成本[J]．金融研究，2013，(8)：150—164．

[26] 邢天才，詹明君，王文鋼．評級機構(gòu)競爭、聲譽與債券信用評級質(zhì)量[J]．財經(jīng)問題研究，2016，(6)：66—71．

[27] Ferri, G., Lacitignola, P., Lee, J.Y. Foreign Ownership and the Credibility of National Rating Agencies: Evidence from Korea[J]. Journal of Comparative Economics, 2013, 41(3): 762—776.

[28] 施丹，姜國華．會計信息在公司債信用等級遷移中的預(yù)測作用研究[J]．會計研究，2013，(3)：43—50．

[29] Livingston, M., Poon, W.P., Zhou, L. Are Chinese Credit Ratings Relevant? A Study of the Chinese Bond Market and Credit Rating Industry[J]. Journal of Banking and Finance, 2018,(87)：216—232.

[30] Andres, C., Betzer, A., Limbach, P. Underwriter Reputation and the Quality of Certification: Evidence from High-yield Bonds[J].Journal of Banking and Finance, 2014, 40(1): 97—115.

[31] Megginson, W.L., Weiss, K.A. Venture Capitalist Certification in Initial Public Offerings[J]. Journal of Finance, 1991, 46(3): 879—903.