債券違約風(fēng)險(xiǎn)研究綜述

(廣西大學(xué) 廣西 南寧 530004)

2014年3月4日“11超日債”宣告正式違約，徹底打破了我國(guó)債券市場(chǎng)的剛性兌付。此后的幾年，債券市場(chǎng)違約事件頻發(fā)，2015-2017年的債券違約數(shù)量分別為30只、56只和45只，違約規(guī)模分別為140.70億元、323.31億元和382.01億元，特別是2018年違約潮的爆發(fā)，違約債券數(shù)量和涉及規(guī)模猛增，僅2018年一年，違約債券數(shù)量高達(dá)165只，違約規(guī)模達(dá)到1558.48億元，超過(guò)了前三年的總和，至此債券違約逐漸常態(tài)化。而2019年全年的違約債券數(shù)量為232只，涉及規(guī)模達(dá)到1839.65億元，無(wú)論是違約數(shù)量還是違約規(guī)模，2019年均明顯放量。在此趨勢(shì)下，未來(lái)違約債券的數(shù)量和規(guī)模很可能繼續(xù)增多，研究債券違約風(fēng)險(xiǎn)顯然意義重大，一方面，當(dāng)前剛性兌付已經(jīng)打破的情形為債券違約風(fēng)險(xiǎn)的研究提供了較好的條件，有利于填補(bǔ)我國(guó)債券風(fēng)險(xiǎn)相關(guān)研究的空白，豐富我國(guó)債券理論的研究成果，促進(jìn)我國(guó)債券市場(chǎng)健康發(fā)展；另一方面，2017年中央經(jīng)濟(jì)工作會(huì)及2018年中共中央政治局會(huì)議皆表明了我國(guó)對(duì)金融風(fēng)險(xiǎn)的高度重視，研究債券違約風(fēng)險(xiǎn)對(duì)監(jiān)管者防控金融風(fēng)險(xiǎn)、對(duì)我國(guó)制定政策同樣具有重要的現(xiàn)實(shí)意義。

本文試圖從違約風(fēng)險(xiǎn)的相關(guān)概念、度量方法、影響因素和違約債券的處置等方面對(duì)國(guó)內(nèi)外債券違約的研究現(xiàn)狀進(jìn)行總結(jié)，以期對(duì)債券研究有一定促進(jìn)作用。

一、違約風(fēng)險(xiǎn)的定義

違約風(fēng)險(xiǎn)又稱為信用風(fēng)險(xiǎn)，是指借款人、證券發(fā)行人或交易因種種原因，不愿或無(wú)力履行合同條件而構(gòu)成違約事件，致使銀行、投資者或交易對(duì)方遭受損失的可能性。債券違約風(fēng)險(xiǎn)，即債券發(fā)行人不能按照契約如期足額地償還本金和支付利息的風(fēng)險(xiǎn)。

二、違約風(fēng)險(xiǎn)的度量

(一)傳統(tǒng)的違約風(fēng)險(xiǎn)度量方法

在債券市場(chǎng)上，一般通過(guò)外部評(píng)級(jí)機(jī)構(gòu)所評(píng)定的信用等級(jí)來(lái)估計(jì)或測(cè)量債券的違約風(fēng)險(xiǎn)，該方法根據(jù)被評(píng)級(jí)主體的財(cái)務(wù)和歷史情況對(duì)被評(píng)級(jí)發(fā)行主體的等級(jí)做出劃分，不同的等級(jí)對(duì)應(yīng)著不同的信用風(fēng)險(xiǎn)，即違約概率。以目前國(guó)際上最具代表性的債券評(píng)級(jí)機(jī)構(gòu)——美國(guó)標(biāo)準(zhǔn)普爾公司和穆迪投資服務(wù)公司的等級(jí)標(biāo)準(zhǔn)為例，美國(guó)標(biāo)準(zhǔn)普爾公司的等級(jí)標(biāo)準(zhǔn)從高到低劃分為AAA級(jí)到D級(jí)；穆迪公司則分為Aaa級(jí)到C級(jí)，一般認(rèn)為前四個(gè)信用等級(jí)的債券(即標(biāo)準(zhǔn)普爾公司的AAA級(jí)到BBB級(jí)；穆迪公司的Aaa級(jí)到Baa級(jí))信譽(yù)高、違約風(fēng)險(xiǎn)小，屬于“投資級(jí)債券”，從第五級(jí)開(kāi)始的債券信譽(yù)低、違約風(fēng)險(xiǎn)大，屬于“投機(jī)級(jí)債券”，也就是所謂的“垃圾債券”。

雖然信用評(píng)級(jí)便于理解，在一定程度上也可以直觀地反映違約風(fēng)險(xiǎn)，但是大量理論研究表明，債券信用等級(jí)僅確認(rèn)了信用債已經(jīng)存在的風(fēng)險(xiǎn)，并無(wú)對(duì)未來(lái)風(fēng)險(xiǎn)的預(yù)測(cè)功能，因此面對(duì)愈加復(fù)雜、不斷變化的違約風(fēng)險(xiǎn)，僅憑債券評(píng)級(jí)估算違約風(fēng)險(xiǎn)是遠(yuǎn)遠(yuǎn)不夠的。

(二)現(xiàn)代化違約風(fēng)險(xiǎn)度量模型

隨著金融理論、金融工具和計(jì)算機(jī)技術(shù)的迅猛發(fā)展，一些現(xiàn)代化違約風(fēng)險(xiǎn)度量模型出現(xiàn)，使得我們?cè)诙攘窟`約風(fēng)險(xiǎn)上更為精確。這些模型主要有Z評(píng)分模型、ZETA模型、Logit回歸模型、Probit回歸模型、Credit Risk+模型以及KMV模型。

Z評(píng)分模型運(yùn)用5個(gè)財(cái)務(wù)比率，并根據(jù)其對(duì)財(cái)務(wù)危機(jī)預(yù)警作用的大小給予不同的權(quán)重，然后進(jìn)行加權(quán)計(jì)算得到一個(gè)企業(yè)的綜合風(fēng)險(xiǎn)分，即Z值，將Z值與臨界值對(duì)比就可知企業(yè)財(cái)務(wù)狀況。Z值與企業(yè)發(fā)生財(cái)務(wù)危機(jī)的可能性成反比，Z值越小，企業(yè)發(fā)生財(cái)務(wù)危機(jī)的可能性就越大，違約風(fēng)險(xiǎn)越高，Z值越大，企業(yè)發(fā)生財(cái)務(wù)危機(jī)的可能性就越小，違約風(fēng)險(xiǎn)就越低。ZETA模型是對(duì)Z評(píng)分模型的擴(kuò)展，變量由5個(gè)財(cái)務(wù)比率變?yōu)?個(gè)，適用范圍更廣，比Z評(píng)分模型更為準(zhǔn)確有效。

Logit回歸模型采用一系列財(cái)務(wù)比率變量來(lái)預(yù)測(cè)企業(yè)破產(chǎn)(或違約)的概率，其判別方法是先根據(jù)多元線性判定模型確定企業(yè)破產(chǎn)(或違約)的Z值，然后推導(dǎo)出企業(yè)破產(chǎn)(或違約)的條件概率，如果概率大于0.5，表明企業(yè)破產(chǎn)(或違約)的概率比較大；如果概率低于0.5，可以判定企業(yè)為財(cái)務(wù)正常。

Probit回歸模型假定企業(yè)破產(chǎn)的概率為p，并假設(shè)企業(yè)樣本服從標(biāo)準(zhǔn)正態(tài)分布，其概率函數(shù)的p分位數(shù)可以用財(cái)務(wù)指標(biāo)線性解釋，其計(jì)算方法是先確定企業(yè)樣本的極大似然函數(shù)，通過(guò)求似然函數(shù)的極大值得到參數(shù)，然后利用公式求出企業(yè)破產(chǎn)的概率，其判別規(guī)則與Logit模型判別規(guī)則相同。

Credit Risk+模型是基于財(cái)險(xiǎn)精算方法設(shè)計(jì)出的違約模型，該模型只考慮違約或不違約兩種狀態(tài)，同時(shí)假定違約率是隨機(jī)的，通過(guò)輸入違約率、違約波動(dòng)率可得到違約頻率(違約頻率的百分即為違約率)，對(duì)數(shù)據(jù)的要求較少。

KMV模型以MM理論、B-S期權(quán)定價(jià)模型為理論基礎(chǔ)，其核心是公司股權(quán)特征與資產(chǎn)特征之間的相關(guān)關(guān)系，通過(guò)給定資產(chǎn)特征(即資產(chǎn)價(jià)值和其波動(dòng)性)以及公司的違約臨界值，可以使用KMV模型求解出公司違約風(fēng)險(xiǎn)。

上述模型皆被廣泛應(yīng)用于違約風(fēng)險(xiǎn)的度量，但陳丹彤(2019)認(rèn)為KMV模型是其中較優(yōu)的選擇，因?yàn)閆評(píng)分模型、ZETA模型、Logit回歸模型和Probit回歸模型都過(guò)于依賴企業(yè)的財(cái)務(wù)指標(biāo)，這些指標(biāo)都是歷史數(shù)據(jù)，難以反映企業(yè)未來(lái)的發(fā)展情況。此外，Credit Risk+模型的違約概率波動(dòng)性并不能直接獲得，因此通過(guò)借助股票價(jià)格波動(dòng)所含的可信度信息來(lái)度量上市企業(yè)信用風(fēng)險(xiǎn)的KMV模型更好。

自KMV模型提出以來(lái)，學(xué)者運(yùn)用該模型進(jìn)行了廣泛的研究。Matthew Kurbat & Irina Korablev(2002)、Peter Crodbie & Jeff Bohn(2003)驗(yàn)證了KMV模型的有效性，我國(guó)學(xué)者馬若微等(2014)、王秀國(guó)和謝幽篁(2012)、顧乾屏等(2010)、孫小琰等(2008)亦驗(yàn)證了KMV模型的適用性，同時(shí)結(jié)合我國(guó)實(shí)際對(duì)KMV模型進(jìn)行了修正與改進(jìn)。張智梅和章仁俊(2006)對(duì)KMV模型進(jìn)行了參數(shù)的改進(jìn)，通過(guò)對(duì)滬市上市企業(yè)的信用風(fēng)險(xiǎn)評(píng)估的檢驗(yàn)，充分證明參數(shù)調(diào)整后的KMV模型能夠及時(shí)準(zhǔn)確地識(shí)別出我國(guó)上市企業(yè)的信用質(zhì)量變化趨勢(shì)，與張玲等(2004)的研究結(jié)果一致；王秀國(guó)和謝幽篁(2012)提出了基于條件在險(xiǎn)值(CVaR)和GARCH(1，1)的擴(kuò)展KMV模型，并選取中國(guó)滬市A股14個(gè)企業(yè)進(jìn)行了實(shí)證分析，表明用擴(kuò)展的KMV模型對(duì)樣本企業(yè)的信用風(fēng)險(xiǎn)評(píng)估具有良好的效果，并且很好地對(duì)市場(chǎng)的信用風(fēng)險(xiǎn)狀況做出預(yù)警；馬若微等(2014)通過(guò)設(shè)置動(dòng)態(tài)違約點(diǎn)修正KMV模型，構(gòu)建了大樣本下違約距離DD和經(jīng)驗(yàn)EDF的映射關(guān)系，在此基礎(chǔ)上檢驗(yàn)KMV模型的區(qū)分能力，發(fā)現(xiàn)違約距離具有較高的風(fēng)險(xiǎn)區(qū)分能力，與顧乾屏等(2010)的結(jié)論一致。由此可見(jiàn)，KMV模型在測(cè)度違約風(fēng)險(xiǎn)方面取得不錯(cuò)的效果。

(三)其他違約風(fēng)險(xiǎn)度量方法

由于我國(guó)債券市場(chǎng)缺乏歷史違約數(shù)據(jù)，還無(wú)法擬合出基于KMV模型的預(yù)期違約率EDF函數(shù)，因此有學(xué)者從其他角度對(duì)企業(yè)債券違約風(fēng)險(xiǎn)進(jìn)行量化。

Giesecke et al(2011)從債券市場(chǎng)角度計(jì)算債券違約風(fēng)險(xiǎn)，即將每年進(jìn)入財(cái)務(wù)困境的年度債券子集的票面總額與每年年初包含在歷史來(lái)源中的所有非金融企業(yè)債券的總面值之比視為債券違約風(fēng)險(xiǎn)。吳建華等(2017)利用信息噪聲的偏倚性捕獲財(cái)務(wù)報(bào)告信息中對(duì)資產(chǎn)價(jià)值的故意扭曲，推導(dǎo)了信息偏誤下資產(chǎn)價(jià)值的條件分布、違約概率和信用價(jià)差的解析表達(dá)式，并以公募債“11超日債”違約事件為例，實(shí)證檢驗(yàn)了該模型可以較為準(zhǔn)確的刻畫(huà)財(cái)務(wù)信息扭曲下的債券違約風(fēng)險(xiǎn)。陳藝云(2016)依據(jù)結(jié)構(gòu)方法對(duì)企業(yè)資產(chǎn)和負(fù)債價(jià)值的分析，采用信息過(guò)濾的方法構(gòu)建了中國(guó)企業(yè)債違約風(fēng)險(xiǎn)度量的理論模型，實(shí)證結(jié)果表明基于不完全信息假設(shè)和風(fēng)險(xiǎn)中性測(cè)度的企業(yè)債違約風(fēng)險(xiǎn)度量模型可以準(zhǔn)確的預(yù)測(cè)上市企業(yè)的違約。

還有一部分文獻(xiàn)則是從利差分解角度計(jì)算債券違約風(fēng)險(xiǎn)。研究表明，債券利差主要由流動(dòng)性風(fēng)險(xiǎn)溢價(jià)和違約風(fēng)險(xiǎn)溢價(jià)兩個(gè)重要部分組成，用債券利差表示違約風(fēng)險(xiǎn)存在高估違約風(fēng)險(xiǎn)的問(wèn)題。Dick-Nielsen et.al(2012)首先通過(guò)債券收益率利差對(duì)流動(dòng)性利差的回歸，獲得流動(dòng)性利差，再將剩余利差歸因于違約風(fēng)險(xiǎn)，即債券違約風(fēng)險(xiǎn)等于債券收益率利差減去流動(dòng)性利差的部分。Schwert(2017)、王永欽等(2016)均運(yùn)用了相同的方法從利差中分解出流動(dòng)性風(fēng)險(xiǎn)溢價(jià)成分，再以此求出違約風(fēng)險(xiǎn)溢價(jià)。

三、違約風(fēng)險(xiǎn)的影響因素

(一)外部因素

1.宏觀因素

楊星(2009)認(rèn)為，企業(yè)債券利差中的信用溢價(jià)部分是由不可預(yù)測(cè)的跳躍性違約及市場(chǎng)違約傳染所致，具有系統(tǒng)性風(fēng)險(xiǎn)的特征。Fama & French(1993)、Campbell et al.(2008)亦表示違約風(fēng)險(xiǎn)是宏觀經(jīng)濟(jì)環(huán)境中的一種系統(tǒng)性風(fēng)險(xiǎn)，違約事件的發(fā)生無(wú)法通過(guò)風(fēng)險(xiǎn)管理來(lái)解決。違約風(fēng)險(xiǎn)，在經(jīng)濟(jì)下行期間會(huì)因?yàn)榻?jīng)濟(jì)形勢(shì)不佳而出現(xiàn)風(fēng)險(xiǎn)聚集的情況，使得風(fēng)險(xiǎn)不斷加大；而在經(jīng)濟(jì)上行期間，則會(huì)因?yàn)閮敻顿Y金充足而減少風(fēng)險(xiǎn)。Giesecke et al(2011)以美國(guó)債券150年的歷史為背景，以商業(yè)周期循環(huán)為視角，研究發(fā)現(xiàn)GDP增長(zhǎng)率對(duì)債券違約有顯著的預(yù)測(cè)作用，而通貨膨脹率和行業(yè)生產(chǎn)率對(duì)債務(wù)違約風(fēng)險(xiǎn)的影響則沒(méi)有通過(guò)檢驗(yàn)。Tang & Yan(2010)和Collin-Dufresne(2001)以CDS利差作為違約風(fēng)險(xiǎn)的代理變量進(jìn)行分析時(shí)，發(fā)現(xiàn)宏觀經(jīng)濟(jì)影響在債券利差變化中占有的約11%的比例。周宏等(2011)、戴國(guó)強(qiáng)和孫新寶(2011)、晏艷陽(yáng)和劉鵬飛(2014)的研究證明，宏觀經(jīng)濟(jì)因素對(duì)債券信用利差的影響顯著，宏觀經(jīng)濟(jì)因素有經(jīng)濟(jì)周期、通貨膨脹率、股票市場(chǎng)波動(dòng)率等。

2.行業(yè)因素

行業(yè)因素對(duì)債券違約風(fēng)險(xiǎn)的影響已經(jīng)得到學(xué)者們的認(rèn)同，因此，在文獻(xiàn)中行業(yè)因素更多的作為控制變量體現(xiàn)，而不進(jìn)行更多深入的研究與探討。

(二)內(nèi)部因素

Altman(2011)基于會(huì)計(jì)指標(biāo)建立了適用于非上市企業(yè)、效果可以和Merton模型相媲美的違約概率預(yù)測(cè)模型，所涉及的會(huì)計(jì)指標(biāo)包括總資產(chǎn)比總負(fù)債、流動(dòng)負(fù)債比非流動(dòng)負(fù)債等一些財(cái)務(wù)報(bào)表的指標(biāo)。而非財(cái)務(wù)指標(biāo)對(duì)違約風(fēng)險(xiǎn)的影響，主要集中在企業(yè)治理以及管理層特征上，如Hsu et al.(2015)表明企業(yè)創(chuàng)新投資與違約風(fēng)險(xiǎn)存在負(fù)相關(guān)關(guān)系；姜付秀等(2009)、畢曉方等(2015)、劉柏等(2017)則證明了財(cái)務(wù)危機(jī)、流動(dòng)性風(fēng)險(xiǎn)、管理者過(guò)度、債務(wù)結(jié)構(gòu)選擇等諸多方面均對(duì)違約風(fēng)險(xiǎn)產(chǎn)生影響。

四、違約債券的處置問(wèn)題及建議

盡管2018年以來(lái)債券違約呈常態(tài)化，但如何處置違約債券仍是棘手難題。根據(jù)中債資信的統(tǒng)計(jì)顯示，截至2019年8月末，全市場(chǎng)329只違約債券中，已啟動(dòng)違約處置的債券有281只，其中53只債券完成了處置，尚未完成處置的債券共計(jì)228只；而海通證券研究報(bào)告統(tǒng)計(jì)發(fā)現(xiàn)，以違約部分累計(jì)回收額與違約金額之比計(jì)，截至2019年12月4日，中國(guó)債券市場(chǎng)違約部分累計(jì)回收率平均約12%-13%。

由此可見(jiàn)，目前中國(guó)債券市場(chǎng)對(duì)違約債券的處置十分低效，究其原因，乃是因?yàn)槲覈?guó)債券市場(chǎng)存在債券違約處置機(jī)制不健全、相關(guān)法律法規(guī)不完善、缺乏有效的風(fēng)險(xiǎn)管理手段等問(wèn)題。

為了我國(guó)債券市場(chǎng)的健康發(fā)展，違約債券的處置問(wèn)題亟需解決，建議從完善債券受托人機(jī)制、加強(qiáng)中介機(jī)構(gòu)職責(zé)、豐富違約債券處置方式和工具等方面提升違約債券的處置效率。