地方政府專項(xiàng)債券的風(fēng)險(xiǎn)測(cè)度與預(yù)警研究

凌華 周會(huì)洋 沈云 潘俊

【摘 要】 發(fā)行地方政府專項(xiàng)債券是支持地區(qū)經(jīng)濟(jì)發(fā)展的重要措施，防控地方政府專項(xiàng)債券違約風(fēng)險(xiǎn)對(duì)于穩(wěn)定區(qū)域經(jīng)濟(jì)增長(zhǎng)具有重要意義。文章以Z省為研究對(duì)象，運(yùn)用修正的KMV模型對(duì)該省2021、2022年地方政府專項(xiàng)債券的違約概率進(jìn)行測(cè)算。結(jié)果表明：Z省專項(xiàng)債券的違約概率較低，專項(xiàng)債券風(fēng)險(xiǎn)處于可控范圍內(nèi)。但隨著專項(xiàng)債券發(fā)行規(guī)模的不斷擴(kuò)大，償債來(lái)源的逐漸緊縮，導(dǎo)致專項(xiàng)債券違約現(xiàn)象仍可能出現(xiàn)。為此，文章在測(cè)算出違約概率的基礎(chǔ)上，進(jìn)一步計(jì)算Z省當(dāng)年的安全發(fā)債規(guī)模及未來(lái)年度可承擔(dān)的專項(xiàng)債務(wù)規(guī)模，并基于此建立專項(xiàng)債券違約風(fēng)險(xiǎn)預(yù)警機(jī)制，試圖為有效防控專項(xiàng)債券風(fēng)險(xiǎn)提供參考。研究結(jié)論對(duì)防范專項(xiàng)債券違約風(fēng)險(xiǎn)、健全專項(xiàng)債券市場(chǎng)具有一定的借鑒意義。

【關(guān)鍵詞】 地方政府專項(xiàng)債券; 信用風(fēng)險(xiǎn); KMV模型; 風(fēng)險(xiǎn)測(cè)度

一、引言

自我國(guó)2015年開始全面推行地方政府專項(xiàng)債券（以下簡(jiǎn)稱“專項(xiàng)債券”）以來(lái)，其發(fā)行規(guī)模穩(wěn)定增長(zhǎng)，逐步成為有一定收益的公益項(xiàng)目的主要融資渠道，不僅是支持基礎(chǔ)設(shè)施補(bǔ)短板、穩(wěn)投資的重要資金來(lái)源，也是規(guī)范引導(dǎo)地方政府債務(wù)顯性化的重要政策工具。尤其是2020年以來(lái)，受新冠肺炎疫情的影響，國(guó)內(nèi)外經(jīng)濟(jì)均受到極大沖擊。為了統(tǒng)籌推進(jìn)疫情防控和經(jīng)濟(jì)社會(huì)發(fā)展，我國(guó)采取了更加積極的財(cái)政政策，發(fā)行地方政府專項(xiàng)債券成為了穩(wěn)定經(jīng)濟(jì)增長(zhǎng)的重要舉措之一。然而，隨著債券發(fā)行規(guī)模的擴(kuò)大，地方政府的償債壓力也日益增長(zhǎng)。財(cái)政部數(shù)據(jù)顯示，2019年末地方政府專項(xiàng)債務(wù)余額（9.44萬(wàn)億元）大大超過(guò)了當(dāng)年的政府性基金收入（8.45萬(wàn)億元），說(shuō)明其未來(lái)的償還風(fēng)險(xiǎn)較大。考慮到多數(shù)地方政府性基金收入高度依賴土地出讓金，而在當(dāng)前土地價(jià)格受到約束的狀況下，土地出讓收入的波動(dòng)性較強(qiáng)，未必能夠達(dá)到專項(xiàng)債券的償還預(yù)期。因此，對(duì)于專項(xiàng)債券的違約風(fēng)險(xiǎn)，需要引起高度重視。當(dāng)前黨和政府也高度重視地方政府債務(wù)風(fēng)險(xiǎn)狀況，2017年7月，習(xí)近平總書記在全國(guó)金融工作會(huì)議上強(qiáng)調(diào)，要嚴(yán)控地方政府債務(wù)增量，終身問(wèn)責(zé)，倒查責(zé)任，防控金融風(fēng)險(xiǎn)。一旦地方政府當(dāng)期財(cái)政無(wú)法償還已產(chǎn)生的債務(wù)，資不抵債的情形將使得地方政府信用風(fēng)險(xiǎn)大幅增加[1]，這可能導(dǎo)致地方政府在籌集資金進(jìn)行城市建設(shè)時(shí)遇到一定的困難，造成地區(qū)發(fā)展緩慢、基礎(chǔ)設(shè)施配置不到位等問(wèn)題。因此，如何正確評(píng)估專項(xiàng)債券違約概率，以實(shí)現(xiàn)提前預(yù)警，合理確定債券規(guī)模和定價(jià)，成為了當(dāng)前工作的重點(diǎn)。

為了防范和化解可能出現(xiàn)的違約風(fēng)險(xiǎn)，本文針對(duì)如何測(cè)度專項(xiàng)債券的風(fēng)險(xiǎn)并實(shí)現(xiàn)監(jiān)測(cè)預(yù)警等問(wèn)題展開研究。首先，本文選擇并構(gòu)建了專項(xiàng)債券信用風(fēng)險(xiǎn)測(cè)度模型;其次，以Z省為研究對(duì)象，測(cè)度其2021—2022年專項(xiàng)債券的違約概率，并推算出2020年其可發(fā)行的3年期專項(xiàng)債券本金及各期限債券一年利息之和的安全規(guī)模;最后，基于上述分析，提出如何構(gòu)建專項(xiàng)債券的預(yù)警機(jī)制。本文的研究方法及結(jié)論，不僅能夠?yàn)閆省地方政府緩解專項(xiàng)債券違約風(fēng)險(xiǎn)提供有效借鑒，還有助于在特殊時(shí)期合理確定各期限專項(xiàng)債券的發(fā)行額度和定價(jià)，減輕地方政府短期內(nèi)的償債壓力，同時(shí)也對(duì)其他地區(qū)專項(xiàng)債券的發(fā)行和風(fēng)險(xiǎn)防控工作具有一定的指導(dǎo)意義。

二、地方政府專項(xiàng)債券風(fēng)險(xiǎn)測(cè)度模型選擇及構(gòu)建

（一）信用風(fēng)險(xiǎn)測(cè)度模型的選擇

根據(jù)已有文獻(xiàn)，目前用于信用風(fēng)險(xiǎn)測(cè)度的通用模型主要包括KMV、Credit Risk+、Credit Metrics等，本文選用KMV模型作為專項(xiàng)債券的信用風(fēng)險(xiǎn)測(cè)度模型主要從以下三個(gè)方面考慮。首先，KMV模型可以對(duì)單一資產(chǎn)的信用風(fēng)險(xiǎn)進(jìn)行測(cè)度，而其他模型都更傾向于對(duì)投資組合進(jìn)行信用風(fēng)險(xiǎn)的計(jì)量。其次，KMV模型對(duì)債券信用風(fēng)險(xiǎn)進(jìn)行測(cè)度時(shí)，不需要大量隱藏的和歷史的數(shù)據(jù)支撐[2]，它假定被測(cè)度主體的資產(chǎn)價(jià)值或者資產(chǎn)價(jià)值的對(duì)數(shù)呈現(xiàn)正態(tài)分布，進(jìn)而計(jì)算違約概率，而其他模型在測(cè)度過(guò)程中需要大量歷史數(shù)據(jù)來(lái)進(jìn)行計(jì)量，需要較大的統(tǒng)計(jì)樣本量，這對(duì)于剛發(fā)行不久的我國(guó)地方政府債券適用性并不大。最后，KMV模型更加適用于債券信用風(fēng)險(xiǎn)違約概率和違約距離的測(cè)算，這符合本文對(duì)Z省發(fā)債規(guī)模測(cè)算的目的。

盡管KMV模型早期主要應(yīng)用于企業(yè)債務(wù)信用風(fēng)險(xiǎn)的測(cè)度，但考慮到地方政府債券信用風(fēng)險(xiǎn)的測(cè)量多為單一變量估計(jì)且發(fā)行時(shí)間短，歷史違約數(shù)據(jù)少，因此也符合KMV模型對(duì)信用風(fēng)險(xiǎn)測(cè)度的條件特質(zhì)。通過(guò)對(duì)KMV模型的修正，其對(duì)于我國(guó)地方政府債券的信用風(fēng)險(xiǎn)測(cè)度也具有較強(qiáng)的適用性，目前該方法已被眾多學(xué)者用于我國(guó)單個(gè)或多個(gè)省份地方政府債券發(fā)行的信用風(fēng)險(xiǎn)進(jìn)行測(cè)度，并對(duì)其政府發(fā)債規(guī)模和違約概率等展開研究[3-5]。基于上述分析，本文擬采用修正的KMV模型對(duì)Z省專項(xiàng)債券的信用風(fēng)險(xiǎn)進(jìn)行測(cè)度與分析。

（二）修正的KMV模型的構(gòu)建

KMV模型主要用來(lái)計(jì)量上市公司信用風(fēng)險(xiǎn)的違約概率，該模型的理論基礎(chǔ)是風(fēng)險(xiǎn)債務(wù)理論[6]和BS期權(quán)定價(jià)理論。在運(yùn)用KMV模型對(duì)上市公司投資信用風(fēng)險(xiǎn)進(jìn)行測(cè)度時(shí)，其所需數(shù)據(jù)大多為上市公司股票市場(chǎng)信息和相關(guān)財(cái)務(wù)數(shù)據(jù)，具有較強(qiáng)的可獲得性。此外，在經(jīng)濟(jì)環(huán)境與市場(chǎng)變化趨勢(shì)的雙重影響下，這些數(shù)據(jù)的變化趨勢(shì)也較為明顯，因此KMV模型的測(cè)度結(jié)果與實(shí)際較為吻合[7]。模型的原理為：資產(chǎn)的市場(chǎng)價(jià)值是貸款的信用風(fēng)險(xiǎn)產(chǎn)生的關(guān)鍵因素，當(dāng)負(fù)債到期時(shí)，如果負(fù)債總額低于公司資產(chǎn)市場(chǎng)價(jià)值，公司的股權(quán)價(jià)值為正，相反，如果負(fù)債總額高于公司資產(chǎn)市場(chǎng)價(jià)值，那么公司的股權(quán)失去價(jià)值，企業(yè)將會(huì)發(fā)生償債危機(jī)。KMV模型的構(gòu)建主要分為三步。第一步，根據(jù)Black-Scholes期權(quán)定價(jià)公式，在獲取了公司債務(wù)總額、資產(chǎn)總值和無(wú)風(fēng)險(xiǎn)利率等數(shù)據(jù)后，計(jì)算出公司資產(chǎn)的市值的增長(zhǎng)率和波動(dòng)率。第二步，在掌握公司的負(fù)債狀況后，通過(guò)公式計(jì)算出貸款的違約點(diǎn)以及違約距離。第三步，企業(yè)的預(yù)期違約率（EDF）和違約距離之間存在一定的關(guān)系，通過(guò)對(duì)計(jì)算得出的違約距離進(jìn)行處理可以獲得預(yù)期違約率的數(shù)值。

專項(xiàng)債券的信用風(fēng)險(xiǎn)可以類比為上市公司的債務(wù)風(fēng)險(xiǎn)，地方政府的可擔(dān)保政府性基金收入相當(dāng)于上市公司的資產(chǎn)價(jià)值，待償還的專項(xiàng)債券規(guī)模等同于上市公司的債務(wù)總額，一旦地方政府的可擔(dān)保政府性基金收入低于應(yīng)償還的專項(xiàng)債券總額時(shí)，地方政府就容易產(chǎn)生償還信用風(fēng)險(xiǎn)。因此只要對(duì)KMV模型進(jìn)行改進(jìn)，便可以利用KMV模型測(cè)度地方政府債券發(fā)行的信用風(fēng)險(xiǎn)。借鑒已有研究[8]，本文采用修正的KMV模型來(lái)對(duì)Z省地方政府專項(xiàng)債券發(fā)行的信用風(fēng)險(xiǎn)進(jìn)行度量，基本模型為：

在該模型中：DD代表違約距離;P代表違約概率;N代表正態(tài)分布;T為年份;S為可擔(dān)保政府性基金收入;BT為地方政府在T年時(shí)應(yīng)償還的專項(xiàng)債券額度;g是政府性基金收入的增長(zhǎng)率;σ代表政府性基金收入的波動(dòng)率。其中，g和σ的表達(dá)式如下：

經(jīng)過(guò)上述對(duì)KMV模型的修正后，地方政府專項(xiàng)債券的信用風(fēng)險(xiǎn)大小通?？梢杂眠`約概率加以衡量。因此，本文以Z省為例，首先運(yùn)用一階自回歸分析來(lái)預(yù)測(cè)Z省的政府性基金收入，并結(jié)合應(yīng)償還的專項(xiàng)債券額度、政府性基金收入的增長(zhǎng)率和波動(dòng)率等指標(biāo)，運(yùn)用修正的KMV模型對(duì)其到期專項(xiàng)債券償還的違約概率及當(dāng)?shù)卣踩l(fā)債規(guī)模展開測(cè)算，以期對(duì)Z省地方政府可能面臨的專項(xiàng)債務(wù)風(fēng)險(xiǎn)做出預(yù)警。

三、Z省地方政府專項(xiàng)債券風(fēng)險(xiǎn)的識(shí)別與評(píng)估

地方政府債務(wù)風(fēng)險(xiǎn)一直以來(lái)都是學(xué)者關(guān)注的重點(diǎn)。已有文獻(xiàn)認(rèn)為債務(wù)審計(jì)[9]、國(guó)家審計(jì)[10]、金融生態(tài)環(huán)境[11]、基礎(chǔ)設(shè)施投融資[12]等因素均會(huì)對(duì)政府債務(wù)造成影響，也有國(guó)外學(xué)者對(duì)債務(wù)的風(fēng)險(xiǎn)預(yù)警問(wèn)題進(jìn)行了研究[13-14]，如果地方政府的債務(wù)規(guī)模較大，超出警戒線，則可能無(wú)法償還已發(fā)行的專項(xiàng)債券，引發(fā)信用風(fēng)險(xiǎn)，進(jìn)而阻礙城市發(fā)展。為此，本文將依據(jù)公開數(shù)據(jù)，從債券發(fā)行狀況以及債務(wù)管理兩大維度對(duì)Z省專項(xiàng)債券信用風(fēng)險(xiǎn)狀況進(jìn)行初步識(shí)別和評(píng)估。選擇Z省作為本文研究對(duì)象的原因有三：首先，Z省地方政府債券發(fā)行工作一直處于全國(guó)領(lǐng)先位置，具有較為豐富的債券發(fā)行經(jīng)驗(yàn);其次，Z省專項(xiàng)債券的發(fā)行規(guī)模相對(duì)于其他省份而言較大，對(duì)其進(jìn)行信用風(fēng)險(xiǎn)的測(cè)度更具有代表性;最后，Z省綜合素質(zhì)較強(qiáng)，各方面制度較為完善，相關(guān)債務(wù)信息的披露較為及時(shí)且完整，因此，以Z省作為本文的研究對(duì)象更具研究?jī)r(jià)值。

Z省作為全國(guó)經(jīng)濟(jì)大省，2011—2018年GDP平均增長(zhǎng)率為10.44%，2019年的地區(qū)生產(chǎn)總值達(dá)到99 631.52億元，總體經(jīng)濟(jì)發(fā)展處于全國(guó)領(lǐng)先地位，且經(jīng)濟(jì)發(fā)展勢(shì)頭良好。在經(jīng)濟(jì)穩(wěn)定發(fā)展的背景下，Z省財(cái)政收入增長(zhǎng)情況樂(lè)觀，綜合財(cái)力規(guī)模較大，財(cái)政支出結(jié)構(gòu)穩(wěn)定。從專項(xiàng)債券的發(fā)行情況上看，Z省自2015年開始自主發(fā)行專項(xiàng)債，目前為止已經(jīng)發(fā)行5年。發(fā)行的專項(xiàng)債券期限主要包含3年期債券、5年期債券、7年期債券和10年期債券，公開數(shù)據(jù)顯示，2015—2019年Z省專項(xiàng)債券發(fā)行規(guī)模近五年分別達(dá)到了963.31億元、2 182.82億元、1 756.48億元、1 755.7億元以及2 167.4億元。根據(jù)中國(guó)地方政府債券信息公開平臺(tái)的數(shù)據(jù)，Z省發(fā)債規(guī)模相對(duì)于其他省份來(lái)說(shuō)偏高，但再結(jié)合專項(xiàng)債務(wù)限額分析，Z省近五年發(fā)行的專項(xiàng)債券規(guī)模及債務(wù)余額均低于專項(xiàng)債務(wù)限額，符合國(guó)家的要求。從專項(xiàng)債務(wù)率上看（專項(xiàng)債務(wù)余額/政府性基金收入），Z省近4年的平均專項(xiàng)債務(wù)率為81.2%，低于全國(guó)的平均水平。

另外，Z省在債務(wù)管控方面也進(jìn)行了有效部署，保證債務(wù)風(fēng)險(xiǎn)在可控制范圍之內(nèi)。Z省按照《財(cái)政部關(guān)于做好2015年地方政府債務(wù)限額管理工作的通知》，及時(shí)擬定年度限額方案，并對(duì)各市縣下達(dá)管理要求。2016年Z省政府出臺(tái)了《關(guān)于加強(qiáng)政府性債務(wù)管理的實(shí)施意見(jiàn)》，面向全省規(guī)定了加強(qiáng)政府性債務(wù)管理的總體要求、基礎(chǔ)管理、預(yù)算管理、存量債務(wù)處理、規(guī)模控制、管理責(zé)任、或有債務(wù)監(jiān)管、風(fēng)險(xiǎn)防范等，標(biāo)志著全省政府性債務(wù)管理制度基本思路和頂層設(shè)計(jì)基本形成。與此同時(shí)，Z省財(cái)政信息透明度較高，對(duì)債務(wù)信息的披露也很及時(shí)和完備。社會(huì)公眾可以從Z省財(cái)政廳官方網(wǎng)站獲取有關(guān)財(cái)政預(yù)算執(zhí)行情況的報(bào)告及債務(wù)狀況等信息，并了解到Z省財(cái)政收支數(shù)據(jù)，公眾還能從統(tǒng)計(jì)部門官方網(wǎng)站了解Z省統(tǒng)計(jì)年鑒以及國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)，這些信息的發(fā)布都較為完備和及時(shí)，能夠充分發(fā)揮社會(huì)監(jiān)督的效應(yīng)。

綜合上述分析，盡管Z省經(jīng)濟(jì)基礎(chǔ)雄厚且具有豐富的債務(wù)管理經(jīng)驗(yàn)，但由于其專項(xiàng)債券發(fā)行規(guī)模較大，一旦到期無(wú)法還本付息，將致使地方政府產(chǎn)生專項(xiàng)債券信用危機(jī)，嚴(yán)重?fù)p害地方政府公信力。韋小泉[15]認(rèn)為，我國(guó)專項(xiàng)債券償債機(jī)制存在償債風(fēng)險(xiǎn)識(shí)別不足的問(wèn)題?？梢园l(fā)現(xiàn)，基于公開數(shù)據(jù)及相關(guān)文件，并不能準(zhǔn)確地判斷地方政府所面臨的償債風(fēng)險(xiǎn)，從而也就無(wú)法解決償債風(fēng)險(xiǎn)識(shí)別不足的問(wèn)題，更無(wú)法對(duì)地方政府的專項(xiàng)債務(wù)風(fēng)險(xiǎn)狀況進(jìn)行精準(zhǔn)把控。因此，為了防控專項(xiàng)債券違約風(fēng)險(xiǎn)，需要選擇并運(yùn)用科學(xué)合理的方法對(duì)地方政府可能存在的信用風(fēng)險(xiǎn)進(jìn)行測(cè)度，進(jìn)而達(dá)到合理制定發(fā)行規(guī)模、提前預(yù)警專項(xiàng)債券風(fēng)險(xiǎn)的目的，以推動(dòng)地方經(jīng)濟(jì)健康穩(wěn)定的發(fā)展。

四、Z省地方政府專項(xiàng)債券的違約風(fēng)險(xiǎn)測(cè)度

（一）相關(guān)參數(shù)預(yù)測(cè)

1.Z省政府經(jīng)濟(jì)特征變量測(cè)算

本文選取Z省2010—2019年的政府性基金收入（S）和GDP為數(shù)據(jù)樣本，運(yùn)用EViews 8對(duì)Z省GDP和政府性基金收入（S）進(jìn)行對(duì)數(shù)化處理再進(jìn)行一階自回歸分析，為下文預(yù)測(cè)Z省2020—2023年可用于償還專項(xiàng)債券的政府性基金收入打下基礎(chǔ)。

統(tǒng)計(jì)數(shù)據(jù)顯示，近10年來(lái)Z省GDP的變化趨勢(shì)與政府性基金收入（S）的變化程度基本一致（見(jiàn)圖1），均呈現(xiàn)上升趨勢(shì)，這說(shuō)明其與政府性基金收入（S）可能存在協(xié)整關(guān)系。

考慮到GDP與S皆為時(shí)間序列數(shù)據(jù)及相互之間的內(nèi)生性，且均滿足平穩(wěn)序列或協(xié)整，因而可以建立VAR模型。為此，本文首先使用E-G兩步法進(jìn)行協(xié)整檢驗(yàn)，即對(duì)Ln GDP、Ln S的原序列以及Ln GDP與Ln S的一階、二階差分分別進(jìn)行ADF檢驗(yàn)，考察其是否滿足同階單整，檢驗(yàn)結(jié)果如表1所示。Ln GDP與Ln S的原序列ADF統(tǒng)計(jì)值概率均大于0.05，其在5%的顯著性水平上接受原假設(shè)，因此存在單位根，非平穩(wěn);而Ln GDP與Ln S的一階差分序列和二階差分項(xiàng)Δ2（Ln GDP）與Δ2（Ln S）ADF統(tǒng)計(jì)值顯著性概率則均小于0.05，在5%的置信水平上拒絕原假設(shè)，因而不存在單位根，平穩(wěn)。由此可見(jiàn)，GDP與S兩個(gè)變量均滿足一階、二階單整。

進(jìn)一步的，對(duì)上述兩個(gè)變量進(jìn)行回歸處理，提取殘差項(xiàng)et并對(duì)其進(jìn)行無(wú)截距項(xiàng)無(wú)趨勢(shì)項(xiàng)的ADF檢驗(yàn)，結(jié)果表明，在1%的顯著性水平上拒絕原假設(shè)，不存在單位根，滿足平穩(wěn)序列，結(jié)果如表2所示。因此，變量GDP與S滿足協(xié)整關(guān)系，可以建立VAR模型。

在建立VAR模型之前，DW檢驗(yàn)結(jié)果顯示，在1%的顯著性情況下，dL=0.879，dU=1.32，dL

為了確定變量的滯后階數(shù)，基于分析信息準(zhǔn)則AIC及SC，選取能使信息準(zhǔn)則最小化的滯后期數(shù)作為模型的階數(shù)。從表3可知，模型在一階滯后時(shí)，AIC與SC值最小，因此構(gòu)建一階滯后的VAR模型。

進(jìn)一步數(shù)據(jù)處理的模型回歸結(jié)果如下：

若要對(duì)2020—2023年Z省的政府性基金收入值進(jìn)行預(yù)測(cè)，首先需推算出2020—2023年Z省的GDP值。為此，本文選取了Z省1998—2019年的GDP數(shù)據(jù)，并采用二次指數(shù)平滑法，對(duì)該時(shí)間序列進(jìn)行有效的估測(cè)。本文使用EViews 8的二次指數(shù)平滑進(jìn)行試算，最終選定指數(shù)平滑權(quán)數(shù)α值為0.728，并據(jù)此預(yù)測(cè)出Z省2020—2023年GDP的值分別為106 668.475億元、113 702.03億元、120 735.585億元及127 769.14億元。但由于受到疫情的沖擊，2020年度的經(jīng)濟(jì)增長(zhǎng)趨勢(shì)未必能夠像往年一樣保持良好上升的態(tài)勢(shì)。因此，本文選擇進(jìn)行保守預(yù)測(cè)，將2020—2023年GDP的預(yù)測(cè)值進(jìn)行滯后一期處理，即2020年GDP預(yù)測(cè)值為2019年GDP實(shí)際值，2021年GDP預(yù)測(cè)值為上文2020年GDP預(yù)測(cè)值，以此類推，最終的Z省2020—2023年GDP預(yù)測(cè)值分別為99 631.52億元、106 668.475億元、113 702.03億元及120 735.585億元。

將上述GDP預(yù)測(cè)值帶入回歸方程6，推算出2020—2023年Z省政府性基金收入分別達(dá)到8 298.369億元、8 955.706億元、9 617.82億元和10 284.75億元。

2.政府性基金收入的增長(zhǎng)率g和波動(dòng)率σ

由于2021—2023年Z省地方政府專項(xiàng)債券的償還距離2019年的時(shí)間跨度分別為2年、3年及4年，因此，在式3和式4中分別取t=2，3，4，再結(jié)合Z省2010—2019年的政府性基金收入數(shù)值及2020—2023年政府性基金收入預(yù)測(cè)值，依據(jù)修正的KMV模型，計(jì)算得出Z省政府性基金收入的增長(zhǎng)率和波動(dòng)率：2021—2023年，政府性基金收入增長(zhǎng)率（g）分別為0.098424、0.065616、0.049212;政府性基金收入波動(dòng)率（σ）分別為0.067358、0.054998、0.047629。

3.可擔(dān)保政府性基金收入的測(cè)算

政府性基金收入有很多用途，除了用于償還專項(xiàng)債務(wù)之外，還需要投入到醫(yī)療衛(wèi)生、保障就業(yè)、科教、基礎(chǔ)設(shè)施等項(xiàng)目，因此可用于償還專項(xiàng)債券的資金只占了政府性基金收入的一定比例。當(dāng)?shù)卣诖_定專項(xiàng)債券的發(fā)行規(guī)模及定價(jià)時(shí)，既需要考慮當(dāng)前的經(jīng)濟(jì)形勢(shì)，也需要考慮未來(lái)政府是否有能力償還到期債務(wù)，因此，地方政府在確定專項(xiàng)債券的發(fā)行規(guī)模和定價(jià)時(shí)，已經(jīng)考慮到未來(lái)償債的因素，所以，本文選取2015—2019年Z省政府發(fā)行專項(xiàng)債券的規(guī)模及利息占當(dāng)年政府性基金的比例的平均值作為償債擔(dān)保比例，通過(guò)計(jì)算得出，該比例的數(shù)值為30.81%，出于謹(jǐn)慎性的考慮，本文將擔(dān)保比例擬定為30%。由于當(dāng)前受疫情影響的程度較大，政府在應(yīng)對(duì)疫情的同時(shí)還需要保證“六穩(wěn)”“六?！闭吣繕?biāo)的實(shí)現(xiàn)，因此，政府很可能會(huì)加大財(cái)政支出的力度，基于此，本文將可用于償債的擔(dān)保比例進(jìn)一步降低為25%。根據(jù)該比例，本文最終計(jì)算出Z省2021—2023年可用于專項(xiàng)債券償還擔(dān)保的政府性基金收入數(shù)值分別為2 238.927億元、2 404.455億元、2 571.188億元。

（二）專項(xiàng)債券違約概率的測(cè)度

由于2021年和2022年各自出現(xiàn)到期本息和分別為1 243.5269億元和1 199.0367億元的債券，將其與政府性基金收入增長(zhǎng)率和政府性基金收入波動(dòng)率等數(shù)據(jù)一并放入修正的KMV模型，計(jì)算得出2021年和2022年Z省面臨的違約距離分別為：

上述數(shù)據(jù)結(jié)果表明，Z省2021年與2022年地方政府專項(xiàng)債券違約的概率非常低，幾乎不存在專項(xiàng)債務(wù)違約風(fēng)險(xiǎn)。

五、地方政府專項(xiàng)債券風(fēng)險(xiǎn)預(yù)警機(jī)制的構(gòu)建

盡管Z省地方政府專項(xiàng)債券的信用風(fēng)險(xiǎn)發(fā)生概率測(cè)算結(jié)果顯示為0，但該數(shù)值是在重重約束下計(jì)算出的，因此并不表示Z省專項(xiàng)債券的發(fā)行毫無(wú)風(fēng)險(xiǎn)。從全國(guó)范圍來(lái)看，考慮到當(dāng)前我國(guó)發(fā)行地方政府債券的時(shí)間尚短，經(jīng)驗(yàn)仍有所欠缺，地方政府債券發(fā)行操作手法的不完善很可能導(dǎo)致違約風(fēng)險(xiǎn)的產(chǎn)生，而政府對(duì)經(jīng)濟(jì)環(huán)境及財(cái)政收入的過(guò)度樂(lè)觀則會(huì)導(dǎo)致其盲目擴(kuò)大發(fā)債規(guī)模，進(jìn)一步引發(fā)償債風(fēng)險(xiǎn)。因此，仍需要采取恰當(dāng)?shù)姆椒ńL(fēng)險(xiǎn)預(yù)警機(jī)制，對(duì)專項(xiàng)債券的發(fā)行規(guī)模進(jìn)行嚴(yán)格的管控，對(duì)專項(xiàng)債務(wù)風(fēng)險(xiǎn)進(jìn)行有效防控。

當(dāng)前已有學(xué)者對(duì)地方政府債務(wù)風(fēng)險(xiǎn)的預(yù)警機(jī)制進(jìn)行了研究，主要方法有兩種：一是通過(guò)模糊評(píng)價(jià)模型、因子分析等方法對(duì)地方政府債務(wù)風(fēng)險(xiǎn)狀況進(jìn)行測(cè)算，從而建立起預(yù)警機(jī)制[16-18];二是利用修正的KMV模型對(duì)違約風(fēng)險(xiǎn)進(jìn)行測(cè)算，通過(guò)測(cè)算得出的相關(guān)數(shù)據(jù)建立警戒線，最終構(gòu)建起預(yù)警機(jī)制[19-20]。但已有文獻(xiàn)都是針對(duì)地方政府債券整體進(jìn)行研究，根據(jù)2014年印發(fā)的《國(guó)務(wù)院關(guān)于加強(qiáng)地方政府性債務(wù)管理的意見(jiàn)》，地方政府債券共有一般債券和專項(xiàng)債券兩種，且二者在償還來(lái)源和盈利性上存在差異，針對(duì)地方政府債券整體的研究未必能夠準(zhǔn)確代表專項(xiàng)債券的情況，因此，本文將立足于專項(xiàng)債券的實(shí)際情況，采取第二種方法，選取專項(xiàng)債券違約概率的臨界值，計(jì)算出Z省2023年可承擔(dān)的專項(xiàng)債券到期本息和，并結(jié)合其2021—2023年到期專項(xiàng)債務(wù)規(guī)模，測(cè)算出2020年Z省剩余可發(fā)行的3年期專項(xiàng)債券的本金及各期限專項(xiàng)債券一期的利息和，以期利用以上數(shù)據(jù)建立專項(xiàng)債券風(fēng)險(xiǎn)預(yù)警機(jī)制，安全平穩(wěn)地推動(dòng)地區(qū)經(jīng)濟(jì)發(fā)展。

（一）違約概率臨界值

韓立巖等[21]研究指出，信用等級(jí)不低于標(biāo)準(zhǔn)普爾BBB-或穆迪Baa3的公司債券屬于信用風(fēng)險(xiǎn)較低的公司債券，而考慮到政府作為地方政府債券的發(fā)行方，能夠?yàn)榈胤秸畟陌l(fā)行進(jìn)行擔(dān)保，其信用等級(jí)高于公司債券，產(chǎn)生的信用風(fēng)險(xiǎn)理論上應(yīng)比公司債券要低，所以地方政府債券的預(yù)期違約概率應(yīng)維持在0.4%之內(nèi)才為安全邊際。因此，本文選取0.4%作為Z省政府專項(xiàng)債券的違約風(fēng)險(xiǎn)的臨界違約概率。

（二）可承擔(dān)債務(wù)規(guī)模的測(cè)算

根據(jù)選取的0.4%違約概率可以計(jì)算2023年Z省可承擔(dān)的專項(xiàng)債券到期債務(wù)規(guī)模，具體如下：

（三）安全發(fā)債規(guī)模的測(cè)算

Z省于2015年開始發(fā)行專項(xiàng)債券，至今發(fā)行的專項(xiàng)債券期限主要包含3年期債券、5年期債券、7年期債券和10年期債券，由于10年期債券最后還本付息時(shí)間不在本文預(yù)測(cè)范圍之內(nèi)，因此在前文的基礎(chǔ)上，本文著重統(tǒng)計(jì)了3年、5年和7年期專項(xiàng)債券情況。2020年與2021年到期的3年期、5年期和7年期債券均已發(fā)行，而2023年到期的5年期和7年期債券也分別于2018年和2016年發(fā)行，接下來(lái)本文將根據(jù)這些信息進(jìn)行測(cè)算，具體見(jiàn)表4。其中，n為2020年發(fā)行的3年期專項(xiàng)債券本金，m為2020年發(fā)行的各期限專項(xiàng)債券的一年利息之和。

由于Z省地方政府2016年和2018年分別發(fā)行的7年期債券和5年期專項(xiàng)債券的到期本息和共計(jì)1 662.2579億元，據(jù)此測(cè)算可得，Z省2020年發(fā)行專項(xiàng)債券需要考慮：3年期專項(xiàng)債券的本金及各期限債券一期的利息和不得超過(guò)758.897億元。

（四）專項(xiàng)債券違約風(fēng)險(xiǎn)的預(yù)警機(jī)制

本文基于上述分析構(gòu)建了如圖3所示的專項(xiàng)債券預(yù)警機(jī)制。修正的KMV模型能夠在一定程度上測(cè)度出專項(xiàng)債券違約概率，而0.4%為專項(xiàng)債券違約風(fēng)險(xiǎn)概率的臨界值，當(dāng)測(cè)算出的違約概率超過(guò)0.4%時(shí)，即意味著該省的專項(xiàng)債券違約風(fēng)險(xiǎn)超過(guò)了警戒線，需要引起重視，地方政府應(yīng)當(dāng)合理安排當(dāng)年的財(cái)政收支，盡量保證有充足的政府性基金收入來(lái)償還當(dāng)期的專項(xiàng)債務(wù)，防范專項(xiàng)債券違約風(fēng)險(xiǎn)。

此外，利用上文分析得出的違約概率安全邊際并結(jié)合以往的專項(xiàng)債券發(fā)行狀況，能夠測(cè)算出未來(lái)期間的可承擔(dān)專項(xiàng)債券到期本息和。該數(shù)值代表了地方政府現(xiàn)有的可用于償還專項(xiàng)債券的財(cái)力下能夠承擔(dān)的債務(wù)規(guī)模，一旦當(dāng)?shù)卣袚?dān)的專項(xiàng)債務(wù)規(guī)模超過(guò)該值時(shí)，則需要關(guān)注專項(xiàng)債券的風(fēng)險(xiǎn)狀況，妥善安排當(dāng)年的發(fā)行工作，防范專項(xiàng)債券違約現(xiàn)象的發(fā)生。而當(dāng)年可發(fā)行的3年期專項(xiàng)債券的本金及各期限債券一期的利息和的安全規(guī)模也能夠通過(guò)計(jì)算得出，如果當(dāng)期所發(fā)行的專項(xiàng)債券規(guī)模和利息超出安全規(guī)模，則在未來(lái)期間的專項(xiàng)債券違約風(fēng)險(xiǎn)可能會(huì)超出警戒值，需要引起注意。與此同時(shí)，當(dāng)?shù)卣軌蛞罁?jù)該數(shù)據(jù)合理安排當(dāng)年的專項(xiàng)債券發(fā)行規(guī)模及定價(jià)，避免償債高峰期的出現(xiàn)，有效緩解地方政府的償債壓力，防控專項(xiàng)債券違約風(fēng)險(xiǎn)。

我國(guó)當(dāng)前的政府性債務(wù)風(fēng)險(xiǎn)應(yīng)急機(jī)制只能針對(duì)已觸及警戒線時(shí)所導(dǎo)致的債務(wù)風(fēng)險(xiǎn)，無(wú)法實(shí)現(xiàn)提前預(yù)警，而本文所采用的違約風(fēng)險(xiǎn)測(cè)度方法能夠及時(shí)對(duì)區(qū)域的專項(xiàng)債券違約概率進(jìn)行測(cè)算，當(dāng)?shù)卣梢砸罁?jù)測(cè)算結(jié)果判斷違約可能性的大小，并依據(jù)此保證專項(xiàng)債務(wù)處于可控范圍內(nèi)，實(shí)現(xiàn)提前預(yù)警。綜上所述，通過(guò)對(duì)專項(xiàng)債券違約概率臨界值、未來(lái)期間可承擔(dān)債務(wù)規(guī)模以及當(dāng)期安全發(fā)債規(guī)模的明確，能夠建立起專項(xiàng)債券的風(fēng)險(xiǎn)預(yù)警機(jī)制，有效緩解專項(xiàng)債券風(fēng)險(xiǎn)，在一定程度上避免違約事件的發(fā)生，同時(shí)還能夠幫助地區(qū)政府結(jié)合給定的專項(xiàng)債務(wù)限額合理安排專項(xiàng)債券的發(fā)行規(guī)模和定價(jià)，有助于我國(guó)專項(xiàng)債券市場(chǎng)的建設(shè)與完善。

六、結(jié)論與啟示

基于修正的KMV模型，本文對(duì)Z省2021年和2022年已發(fā)行專項(xiàng)債券的違約風(fēng)險(xiǎn)發(fā)生概率進(jìn)行了估計(jì)，研究結(jié)果顯示：Z省2021年和2022年可能發(fā)生的專項(xiàng)債券違約概率為0，專項(xiàng)債券的違約風(fēng)險(xiǎn)處于可控范圍內(nèi)。此外，本文以0.4%為違約概率臨界值，測(cè)算出2023年Z省可承擔(dān)的專項(xiàng)債券到期債務(wù)規(guī)模為2 421.155億元、2020年Z省剩余可發(fā)行的3年期專項(xiàng)債券的本金及各期限專項(xiàng)債券一期的利息和不得超過(guò)758.897億元，并通過(guò)違約概率安全邊際、可承擔(dān)到期債務(wù)規(guī)模以及安全發(fā)債規(guī)模，建立了專項(xiàng)債券的違約風(fēng)險(xiǎn)預(yù)警機(jī)制。

由于受到疫情的影響，我國(guó)專項(xiàng)債券的發(fā)行再次提速，這使得本來(lái)已經(jīng)顯現(xiàn)出苗頭的專項(xiàng)債券違約風(fēng)險(xiǎn)可能存在進(jìn)一步加大的趨勢(shì)，因此，我們需要采取科學(xué)合理的方法對(duì)專項(xiàng)債券風(fēng)險(xiǎn)進(jìn)行防控，實(shí)現(xiàn)提前預(yù)警。本文的研究結(jié)論對(duì)各省建立專項(xiàng)債券風(fēng)險(xiǎn)預(yù)警機(jī)制具有一定的指導(dǎo)意義，也為其防范和化解風(fēng)險(xiǎn)、保持債券市場(chǎng)的有效運(yùn)行提供有益借鑒。

【參考文獻(xiàn)】

[1] 韓增華.中國(guó)地方政府債務(wù)風(fēng)險(xiǎn)的預(yù)算管理與分權(quán)體制完善[J].經(jīng)濟(jì)體制改革，2011（4）：142-145.

[2] 張玲，楊貞柿，陳收.KMV模型在上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)中的應(yīng)用研究[J].系統(tǒng)工程，2004（11）：84-89.

[3] 蔣忠元.地方政府債券發(fā)行過(guò)程中的信用風(fēng)險(xiǎn)度量和發(fā)債規(guī)模研究——基于KMV模型分析江蘇省地方政府債券[J].經(jīng)濟(jì)研究導(dǎo)刊，2011（19）：61-62.

[4] 陳玲，孟迪.基于KMV模型的地方政府債務(wù)風(fēng)險(xiǎn)管理研究——以福建省為例[J].長(zhǎng)沙大學(xué)學(xué)報(bào)，2017（9）：56-64.

[5] 盧小溪.基于KMV模型的北京市地方政府債券安全發(fā)債規(guī)模研究[J].中國(guó)市場(chǎng)，2019（5）：38-39.

[6] MERTON R C.On the pricing of corporate debt： the risk structure of interest rates[J].The Journal of Finance，1974，29（2）：449-470.

[7] 楊秀云，蔣園園，段珍珍.KMV模型在我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)管理中的適用性分析及實(shí)證檢驗(yàn)[J].財(cái)經(jīng)理論與實(shí)踐，2016，37（1）：34-40.

[8] 曹萍.基于KMV模型的地方政府債券違約風(fēng)險(xiǎn)分析[J].證券市場(chǎng)導(dǎo)報(bào)，2015（8）：39-44.

[9] 陳文川，楊野，白佳明，等.債務(wù)審計(jì)對(duì)地方政府債務(wù)風(fēng)險(xiǎn)的影響——基于2008—2016年省級(jí)面板數(shù)據(jù)的實(shí)證檢驗(yàn)[J].審計(jì)研究，2019（4）：29-38.

[10] 仲楊梅，張龍平.國(guó)家審計(jì)降低地方政府債務(wù)風(fēng)險(xiǎn)了嗎？[J].南京審計(jì)大學(xué)學(xué)報(bào)，2019，16（3）：1-10.

[11] 潘俊，王亮亮，沈曉峰.金融生態(tài)環(huán)境與地方政府債務(wù)融資成本——基于省級(jí)城投債數(shù)據(jù)的實(shí)證檢驗(yàn)[J].會(huì)計(jì)研究，2015（6）：34-41.

[12] 潘俊，余一品，王亮亮，等.貨幣政策、發(fā)行主體差異與地方政府債券定價(jià)[J].會(huì)計(jì)研究，2019（12）：72-77.

[13] 潘俊，王禹，景雪峰，等.政府審計(jì)與地方政府債券發(fā)行定價(jià)[J].會(huì)計(jì)研究，2019（3）：44-50.

[14] 李升，楊武，凌波瀾.基礎(chǔ)設(shè)施投融資是否增加地方政府債務(wù)風(fēng)險(xiǎn)？[J].經(jīng)濟(jì)社會(huì)體制比較，2018（6）：67-76.

[15] 韋小泉.優(yōu)化我國(guó)地方政府專項(xiàng)債券償債機(jī)制的建議[J].中國(guó)財(cái)政，2019（24）：54-56.

[16] BOHN H.The behavior of US public debt and deficits[J].The Quarterly Journal of Economics，1998，

113（3）：949-963.

[17] MA J et al.Monitoring fiscal risks of subnational governments：selected country experiences[Z].The World Bank Other Operational Studies，2002：393.

[18] 朱文蔚，陳勇.我國(guó)地方政府性債務(wù)風(fēng)險(xiǎn)評(píng)估及預(yù)警研究[J].亞太經(jīng)濟(jì)，2015（1）：31-36.

[19] 丁華，張婧泓.機(jī)器學(xué)習(xí)算法預(yù)估地方政府債務(wù)風(fēng)險(xiǎn)——以A省政府債務(wù)為例[J].會(huì)計(jì)之友，2018（17）：77-81.

[20] 李爽.地方政府債務(wù)風(fēng)險(xiǎn)預(yù)警模型構(gòu)建及應(yīng)用探析[J].會(huì)計(jì)之友，2019（16）：47-53.

[21] 韓立巖，鄭承利，羅雯，等.我國(guó)市政債券信用風(fēng)險(xiǎn)與發(fā)債規(guī)模研究[J].金融研究，2003（2）：85-94.