空間溢出與城投債信用風險
——基于長三角城市群生產(chǎn)要素引力網(wǎng)絡

李昊驊， 方立兵， 姚楚涵

(南京大學工程管理學院， 南京 210008)

0 引 言

城投債是指由地方政府投融資平臺公司( 即城投公司) 發(fā)行的債券，截至2020年末，存量城投債占非金融企業(yè)債券市場規(guī)模的比重已超過30%，是我國債券市場重要組成部分. 早期，鑒于城投債發(fā)行主體、發(fā)債目的及償債來源的特殊性，人們通常將城投債視作為“準市政債”，認為地方政府對城投債具有背書和兜底的擔保職責，存在城投債剛性兌付的“信仰”.然而，近年來發(fā)生的多起城投債技術(shù)違約和城投公司非標融資違約，促使投資者開始關(guān)注城投債的信用風險及其可能誘發(fā)的地方系統(tǒng)性金融風險[1]，城投債的平均信用風險溢價(1)本文中信用風險溢價是指債券發(fā)行利差，即債券發(fā)行利率與同期限國債收益率的差值. 現(xiàn)有研究指出債券發(fā)行利差主要受信用風險驅(qū)動，因此可使用發(fā)行利差衡量債券的信用風險狀況，故又稱為信用風險溢價或信用利差[2].已高于地方政府債券和非金融企業(yè)債券.

城投債的本質(zhì)是一種特殊的非金融企業(yè)債券，因其主營業(yè)務及收入與城市發(fā)展息息相關(guān)，所以受到地方宏觀經(jīng)濟的外部影響強于普通的非金融企業(yè)債券. 城市經(jīng)濟發(fā)展及財政增長能夠保障城投公司項目收益穩(wěn)定，金融生態(tài)穩(wěn)健能夠支撐城投公司及時獲取外源融資，進而能夠提升城投公司償債能力、降低城投債違約風險[3-5]. 與此同時，由于地方政府已不再對城投公司債務承擔無限連帶責任，因此與地方政府債券相比，城投公司的經(jīng)營風險不容忽視，是影響城投債償債能力的另一重要因素[6]. 此外，除了發(fā)行規(guī)模、發(fā)行期限、債券評級等一般性債券特征[7]，由于城投債的擔保主體多為地方國有企業(yè)或政策性擔保公司、部分抵質(zhì)押物涉及國有土地使用權(quán)，因此債券擔保條款是影響城投債信用風險的特殊因素[8].

既有研究在探討城投債信用風險的外部影響因素時，主要聚焦城投公司所在城市發(fā)展現(xiàn)狀，較少考慮區(qū)域因素的影響. 然而，自2006年“十一五”規(guī)劃提出城市群戰(zhàn)略以來，我國現(xiàn)已形成19個國家級城市群，包括422個大中小城市，占中國城市總數(shù)的63.4%，每座城市不再是獨立的經(jīng)濟個體，而是處在空間組織緊湊、要素流動頻繁、經(jīng)濟聯(lián)系緊密的城市群網(wǎng)絡中. 因此，城市群中其他城市的經(jīng)濟金融發(fā)展和風險水平已具備了影響本城市城投債信用風險的可能性. 近年來，城投債信用風險溢價呈現(xiàn)出城市群之間差異增大和城市群內(nèi)部變化走勢相近的特征，為這一設想提供了側(cè)面佐證(如圖1) .

(a) 不同城市群之間的比較 (b) 城市群內(nèi)部的變化趨勢比較圖1 2015年—2021年不同城市群城投債信用風險溢價比較Fig.1 Comparison of urban investment bonds credit risk premium between urban agglomerations from 2015 to 2021

鑒于此，本文探究城市群空間溢出即其他城市信用風險水平變化及經(jīng)濟金融發(fā)展對本城市城投債的影響. 根據(jù)相關(guān)既有研究，城市群空間溢出對本城市城投債信用風險的影響具有雙面性、復雜且多樣. 其中，可能存在以下三種影響本城市城投債信用風險的空間溢出路徑機理: 即城市群內(nèi)部信用風險的空間關(guān)聯(lián)[9]、城市間協(xié)同效應的正外部性[10]以及競爭效應的負外部性[11]；同時，由于不同類型城市在城市群中定位和功能的差別，其所受到或產(chǎn)生的空間溢出影響可能存在異質(zhì)性[12].

在理論分析基礎上，本文以長江三角洲城市群(以下簡稱“長三角城市群”) 2009年—2019年所發(fā)行城投債作為樣本，在構(gòu)建城市群生產(chǎn)要素引力網(wǎng)絡的基礎上，使用NARMA模型對城市群空間溢出效應進行實證檢驗.選擇長三角城市群開展研究的原因有兩點: 其一，長三角城市群是我國最早獲批的城市群之一，屬于國家重點規(guī)劃的五大城市群，城市間要素流動更為密切，具有城市群代表性；其二，長三角城市群城投債規(guī)模占全國存量城投債的比重接近40%，江蘇省和浙江省城投債規(guī)模一直穩(wěn)居全國前二，因此選擇長三角城市群的城投債作為研究樣本具有典型意義.

研究發(fā)現(xiàn): 第一，城投債信用風險存在空間溢出，城市群中城投債的信用風險溢價同向變動；第二，城市群中其他城市的金融發(fā)展水平提升，能夠顯著降低本城市城投債的信用風險，體現(xiàn)了城市群內(nèi)部協(xié)同效應的正外部性；第三，其他城市的人均GDP增長會導致本城市城投債的信用風險增加，城市群內(nèi)部的博弈競爭存在一定負外部性；第四，中心城市和外圍城市受到或產(chǎn)生的空間溢出影響存在異質(zhì)性.

本文可能的邊際貢獻主要體現(xiàn)在以下三個方面: 第一，既有關(guān)于外部宏觀環(huán)境對城投債信用風險影響的研究，多數(shù)局限于對本城市經(jīng)濟特征影響的分析，缺乏對城市間交互作用和影響的考量[3]，部分涉及區(qū)域環(huán)境的研究也僅將全國或省級層面的宏觀經(jīng)濟指標作為一般控制變量[8]，本文基于城市群生產(chǎn)要素流動網(wǎng)絡視角，將城市群中其他城市的信用風險及經(jīng)濟金融發(fā)展水平系統(tǒng)性地納入城投債信用風險分析框架，更加全面地刻畫了外部區(qū)域環(huán)境的影響. 第二，關(guān)于城投債或地方政府債務信用風險溢出的既有研究，側(cè)重于省級層面的溢出影響分析[13]，缺乏地市級微觀層面的研究，未能充分考慮城市特征和債券特征的異質(zhì)性，本文則從城市和個債層面度量城投債信用風險的空間溢出效應，并開展了對城市特征和債券特征的異質(zhì)性剖析，進一步豐富了城投債信用風險空間溢出的理論研究. 第三，早期關(guān)于城市群的研究多聚焦于網(wǎng)絡結(jié)構(gòu)與特征分析層面，雖然近年來已有學者開始圍繞城市群協(xié)同博弈以及空間溢出的影響進行探討[10，14-15]，但研究對象鮮少涉及金融活動及風險，本文在探討城市群空間溢出對城投債信用風險影響的基礎上，結(jié)合不同城市在城市群網(wǎng)絡中的相對位置，剖析了異質(zhì)性的空間溢出效應，并對容易受到負外部性影響的城市進行了梳理和識別，一方面豐富了城市群空間溢出的理論研究，另一方面為區(qū)域系統(tǒng)性金融風險管理提供了客觀事實依據(jù).

1 理論綜述與研究假設

基于既有研究，本文從以下三個方面探討城市群空間溢出影響城投債信用風險的機理路徑:

1.1 信用風險的空間關(guān)聯(lián)

信用風險的空間關(guān)聯(lián)是城市群空間溢出影響城投債信用風險最直接并且直觀的路徑形式，目前聚焦地方政府性債務信用風險空間溢出的既有研究[13，16]為本文提供了重要啟發(fā)與借鑒.

第一，金融機構(gòu)間的流動性轉(zhuǎn)移會導致債務風險在區(qū)域內(nèi)迅速傳遞擴散，其中流動性轉(zhuǎn)移的形式包括金融機構(gòu)基于現(xiàn)金頭寸的拆借往來以及客戶在不同金融機構(gòu)間的流動. 既有研究指出，地方政府性債務會擠出本地金融機構(gòu)對居民或企業(yè)的信貸，從而導致客戶在城市群內(nèi)部的流動增加，加深區(qū)域內(nèi)部的金融關(guān)聯(lián)和風險關(guān)聯(lián)[17]. 此外，跨區(qū)域經(jīng)營監(jiān)管趨嚴導致區(qū)域性金融機構(gòu)在城市群內(nèi)部的資金業(yè)務往來更加緊密，可能加快風險傳遞的速度[18-19].

第二，金融市場中的信號和情緒傳遞會增強債務風險的空間關(guān)聯(lián). Antonakakis等[20]指出在相同貨幣政策和異質(zhì)性財政政策的歐盟成員國內(nèi)主權(quán)債券風險存在相互溢出，這為具有相似情境的我國地方政府債務風險空間溢出提供了借鑒. 牛霖琳等[13]也已證實城投債信用風險在省級層面存在空間溢出，單支城投債發(fā)生風險會導致投資者降低對整個區(qū)域城投債的信用預期.

基于此，提出以下研究假設:

H1城投債信用風險在城市群內(nèi)部存在空間溢出，不同城市的城投債信用風險溢價同向變動.

1.2 城市間的協(xié)同效應和競爭效應

城市群內(nèi)部城市間的經(jīng)濟金融發(fā)展既會產(chǎn)生協(xié)同也存在競爭，兩者可能會對城投債信用風險產(chǎn)生相反的影響.

其一，城市群是城市空間組織的主要形態(tài)，能夠促進各類要素在城市之間的高效配置與有序流動，形成城市群協(xié)同效應和收益外部性，這是城市群網(wǎng)絡最重要的經(jīng)濟優(yōu)勢[21]. 其中，金融協(xié)同能夠降低金融活動中的市場摩擦與成本，改善企業(yè)外源資金可得性，促進產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化和企業(yè)生產(chǎn)率提升，從而減輕城投公司的流動性壓力、降低風險[22]；城市間產(chǎn)業(yè)協(xié)同以及基礎設施共享共建能夠減輕盲目建設給城投公司帶來的資金債務壓力，同時可以幫助城投公司更便捷地獲取專業(yè)知識以及高效分包機會[23-24].

其二，周黎安[25]指出地方政府官員的“晉升錦標賽”模式會導致城市間在諸多層面產(chǎn)生競爭，這種零和博弈具有一系列的副作用. 例如，為盡快實現(xiàn)經(jīng)濟增速目標，地方政府往往會采取增加生產(chǎn)性基礎設施投資等擴張性財政政策；而在稅收收入限制和軟預算約束下，為彌補財政缺口，地方政府只能利用各類金融工具獲取融資、負債經(jīng)營，并且在競爭驅(qū)動下很容易產(chǎn)生過度負債動機[26]. 最終，由于地方政府債券的限額發(fā)行，地方政府不可避免地會向城投公司施加行政壓力，促使其增加融資、加大基礎設施建設投資，這將導致城投債務規(guī)模過度擴張、信用風險上升[11， 27-28].

基于此，提出以下兩項相悖的研究假設:

H2.1城市群空間溢出存在正外部性，其他城市經(jīng)濟金融發(fā)展將降低本城市城投債信用風險.

H2.2城市群空間溢出存在負外部性，其他城市經(jīng)濟金融發(fā)展將增加本城市城投債信用風險.

1.3 空間溢出效應的異質(zhì)性

此外，城市群網(wǎng)絡往往呈現(xiàn)“中心城市——外圍城市”的星型拓撲結(jié)構(gòu). 外圍城市的勞動力、資本等生產(chǎn)要素因追求價格優(yōu)勢和規(guī)模經(jīng)濟而不斷地向中心城市集聚，表現(xiàn)為中心城市的虹吸效應. 這將使得中心城市因生產(chǎn)要素集聚能夠享受到更多的城市群協(xié)同效應紅利，進而降低本城市城投債信用風險[10， 22]；相對應的，中心城市的快速發(fā)展將加劇區(qū)域生產(chǎn)要素的配置失衡，導致外圍城市承受競爭效應的負外部性，出現(xiàn)“集聚陰影”: 一方面，外圍城市企業(yè)的生產(chǎn)率可能下降，經(jīng)營風險和信用風險增加[29]；另一方面，金融資源向中心城市集聚，外圍城市企業(yè)容易面臨資金缺口，企業(yè)違約概率增加、信用風險提升[30]. 但與此同時，外圍城市因遠離城市群網(wǎng)絡中心，所以受區(qū)域信用風險傳染波及的可能性及程度相對較低；而中心城市則需要警惕資源過度集中導致的規(guī)模不經(jīng)濟以及信用風險傳染加速[31].

基于此，提出以下兩項異質(zhì)性研究假設:

H3.1中心城市和外圍城市受到的空間溢出影響存在差異.

H3.2中心城市和外圍城市產(chǎn)生的空間溢出影響存在差異.

綜上，城市群空間溢出對城投債信用風險的影響是復雜且多樣的，本文對其影響機理進行總結(jié)歸納( 如圖2所示) ，其中生產(chǎn)要素流動是城市群空間溢出和產(chǎn)生影響的主要媒介.

圖2 城市群空間溢出對城投債信用風險的影響機理Fig.2 The influence mechanism of urban agglomeration spatial spillover on credit risk of urban investment bonds

2 研究設計

2.1 城市群生產(chǎn)要素引力網(wǎng)絡構(gòu)建

空間計量模型是研究空間溢出的主要方法，其中空間權(quán)重矩陣是計量模型的關(guān)鍵組成部分，用于刻畫空間網(wǎng)絡中個體的相互依賴關(guān)系. 城市群空間矩陣的最初形式是基于地理學第一定律的地理距離矩陣和相鄰關(guān)系矩陣，但由于僅考慮地理距離因素，所以無法全面體現(xiàn)城市間的經(jīng)濟關(guān)聯(lián). 其后，學者將萬有引力定律引入城市空間作用研究，并提出引力模型，該模型假定城市間經(jīng)濟引力與兩個城市的經(jīng)濟體量成正比、與城市間空間距離成反比，矩陣權(quán)數(shù)的基本形式如下

(1)

其中wi,j是城市j與i之間的經(jīng)濟引力；M是模型內(nèi)生變量，代表兩座城市的經(jīng)濟體量，決定了引力規(guī)模上限；Di,j是城市間的空間距離，經(jīng)濟引力伴隨距離增加遞減；Ki,j為引力系數(shù)，代表影響引力大小和方向的其他因素.

引力模型已被廣泛用于城市經(jīng)濟學研究，通過對參數(shù)的適當定義和調(diào)整，即可用于分析不同類型的城市間網(wǎng)絡及交互作用[32]. 考慮到生產(chǎn)要素流動是空間溢出的重要媒介，本文選擇基于引力模型對城市間生產(chǎn)要素流動的潛在規(guī)模和引力大小進行度量(2)由于官方統(tǒng)計資料中并未公開城市間資本流動、人口遷徙等具體生產(chǎn)要素流動數(shù)據(jù)，所以難以基于真實數(shù)據(jù)構(gòu)建生產(chǎn)要素流動網(wǎng)絡. 而已有研究表明引力模型在解釋區(qū)域間要素流動問題上具有扎實的微觀理論和實證經(jīng)驗基礎[33]，因此本文選擇基于引力模型構(gòu)建城市群生產(chǎn)要素流動網(wǎng)絡，對城市間潛在生產(chǎn)要素流動進行刻畫.，進而構(gòu)建城市群網(wǎng)絡.

其次，參考白俊紅等[33]的研究，引入對生產(chǎn)要素流動具有重要影響的指標變量對引力系數(shù)K進行修正，綜合衡量城市對勞動力、資本和技術(shù)三類流動性生產(chǎn)要素的相對吸引力，即

(2)

(3)

其中t代表年份；wi→j,t表示在t時期城市j對城市i生產(chǎn)要素的吸引力；S、T、DI、P和GDP分別為城市的城鎮(zhèn)單位員工平均工資、宏觀稅負、產(chǎn)業(yè)多樣化程度、城鎮(zhèn)常住人口和GDP；Li,j為城市間的地理距離，ρ為城市高速公路密度.

此外，還可以在式(3) 基礎上計算得到t時期城市j生產(chǎn)要素的潛在總流入(RI) ，即城市j在城市群生產(chǎn)要素引力網(wǎng)絡中的點入度中心度

(4)

2.2 NARMA模型構(gòu)建及變量選取

借鑒Gen?ay等[38]提出的NARMA模型對城市群空間溢出進行檢驗. NARMA模型將空間溢出效應描述為節(jié)點鄰居對節(jié)點表現(xiàn)的直接影響，既包括節(jié)點鄰居表現(xiàn)的影響也包括節(jié)點鄰居其他特征的影響. 如果令y代表節(jié)點的產(chǎn)出表現(xiàn)，x是一個n維節(jié)點特征向量(xj是節(jié)點j的特征屬性)，W是一個n×n的空間權(quán)重矩陣，則(P，Q) 階NARMA模型的溢出效應遵循以下隨機過程

(5)

考慮到同一生產(chǎn)要素短時間內(nèi)通常不會在多個城市間連續(xù)流動，因此本文基于NARMA(1,1) 模型研究城市群空間溢出對本城市城投債信用風險的影響，具體模型如下

Bond_CSk,i,t=α+β1CScity_Lagi,t-1+

δ2Firm_Lagk,t-1+δ3Province+δ4Year+ε

(6)

其中被解釋變量Bond_CSi,k,t是城市i發(fā)行的城投債k在t時期的信用風險溢價，信用風險溢價越高，城投債潛在信用風險越大.

解釋變量中CScity_Lagi,t-1是城市i在t-1時期所發(fā)行債券的平均信用風險溢價，系數(shù)β1用于衡量本城市信用風險水平的時間滯后效應；ECOcity_Lagi,t-1是城市i在t-1時期的經(jīng)濟金融特征向量，包括人均GDP、土地出讓收入以及金融發(fā)展水平三個變量，分別用于反映城市的經(jīng)濟基礎、地方財政和金融環(huán)境三類可能影響城投債信用風險溢價的城市經(jīng)濟金融因素[3-5]，系數(shù)β2用于衡量本城市經(jīng)濟金融發(fā)展的時間滯后效應.

表1 變量含義及計算方法Table 1 The meaning and calculation method of variables

2.3 樣本與數(shù)據(jù)

基于2009年—2019年長三角地區(qū)41個城市構(gòu)建城市群生產(chǎn)要素引力網(wǎng)絡，選取長三角地區(qū)城投債作為債券樣本，所用數(shù)據(jù)來源為Wind數(shù)據(jù)庫、CSMAR數(shù)據(jù)庫，以及省市統(tǒng)計年鑒、中國土地市場網(wǎng)和官方交通地圖. 本文對特殊債券樣本及缺失數(shù)據(jù)做如下處理: 1)剔除浮動利率債券和城投公司財務指標缺失的債券；2)債項發(fā)行評級缺失的數(shù)據(jù)使用發(fā)行時城投公司評級替代；3)為避免極端值影響，對債券信用風險溢價和公司總資產(chǎn)收益率做上下1%的Winsorize處理. 最終，得到2009年—2019年506家城投公司發(fā)行的1 459只城投債的年度樣本.

2.3.1 城市群生產(chǎn)要素引力網(wǎng)絡構(gòu)建結(jié)果

首先，以2019年為例報告城市群生產(chǎn)要素引力網(wǎng)絡構(gòu)建結(jié)果. 表2中提供了生產(chǎn)要素引力最高即潛在生產(chǎn)要素流動規(guī)模最大的10組城市間流動關(guān)系，以及生產(chǎn)要素潛在總流入規(guī)模最高的10個城市. 結(jié)合圖3中展示的城市群生產(chǎn)要素引力網(wǎng)絡圖，可以發(fā)現(xiàn): 在長三角城市群內(nèi)部，生產(chǎn)要素主要向以上海市、江蘇省和浙江省部分主要城市為中心的區(qū)域集聚；同時，還存在南京市-合肥市-滁州市-馬鞍山市-蕪湖市、常州市-揚州市-鎮(zhèn)江市-泰州市、徐州市-淮北市-宿州市-蚌埠市等局部生產(chǎn)要素往來密切的子網(wǎng)絡.

表2 2019年長三角城市群潛在生產(chǎn)要素流動關(guān)系示例Table 2 The examples of potential production factor flow within Yangtze River Delta Urban Agglomeration in 2019

圖3 2019年長三角城市群生產(chǎn)要素引力網(wǎng)絡Fig.3 The gravitational network of production factors within Yangtze River Delta Urban Agglomeration in 2019注: 圖中城市的顏色代表潛在生產(chǎn)要素總流入規(guī)模大?。痪€條的粗細代表潛在生產(chǎn)要素流出規(guī)模；線條的箭頭代表潛在生產(chǎn)要素流出方向；圖中僅展示了潛在生產(chǎn)要素流出規(guī)模前10%的流動方向.

2.3.2 空間相關(guān)性檢驗

其次，本文基于生產(chǎn)要素流出引力矩陣，使用全局莫蘭指數(shù)(Moran’sI) 對城市特征空間相關(guān)性進行初步檢驗，由于篇幅有限，結(jié)果圖表見附錄.根據(jù)檢驗結(jié)果: 三項經(jīng)濟金融特征，即人均GDP、土地收入以及金融發(fā)展水平均始終存在顯著的空間正相關(guān)，為基于空間計量模型研究城市群經(jīng)濟發(fā)展的空間溢出提供了可行性依據(jù)；城市間城投債信用風險溢價自2014年起呈現(xiàn)顯著正相關(guān)性、且顯著性逐步提升，說明基于空間計量模型研究城投債信用風險的空間溢出具有可行性. 2014年前后信用風險空間相關(guān)性的顯著性發(fā)生變化可能是受到監(jiān)管政策趨嚴的影響，后文將基于外生政策沖擊對這一特殊變化做進一步檢驗.

2.3.3 主要變量描述性統(tǒng)計

最后，對主要變量的統(tǒng)計描述進行報告，如表3所示.在1 459支城投債樣本中，信用風險溢價均值為2.718%，標準差為1.185，波動范圍為0.290%～5.804%，經(jīng)過Winsorize處理后信用風險溢價分布基本合理；高評級(AAA級)債券占比13.16%，債券評級均值為2.620，說明多數(shù)城投債評級介于AA到AA+；87.5%的城投債具有含權(quán)附加條款，27.5%的城投債具有擔保條款. 城投公司層面，總資產(chǎn)收益率平均為1.276%，資產(chǎn)負債率平均為54.9%，資產(chǎn)負債率最高值達到86%，可以看出城投公司普遍盈利能力較弱、負債壓力較重.

表3 變量描述性統(tǒng)計結(jié)果Table 3 Descriptive statistics for variables

3 實證結(jié)果與分析

3.1 城市群空間溢出效應檢驗

表4報告了城市群空間溢出效應的實證結(jié)果，其中第(1) 列為僅包含本城市特征的回歸結(jié)果，第(2)列～第(3) 列為逐步加入城市群風險特征及經(jīng)濟金融特征后模型的回歸結(jié)果.

表4 城市群空間溢出效應的實證結(jié)果Table 4 The empirical results of urban agglomeration spatial spillover effect

首先，觀察本城市經(jīng)濟金融特征對城投債信用風險的時間滯后效應，可以發(fā)現(xiàn)人均GDP、土地出讓收入以及金融發(fā)展水平對城投債信用風險呈負向影響，與既有研究基本一致. 其中，本城市人均GDP影響系數(shù)的絕對值最大，說明城投債信用風險與本城市經(jīng)濟基礎緊密相關(guān). 此外，本城市信用風險水平同樣具有時間滯后效應，上一期平均的信用風險溢價對當期城投債風險溢價具有顯著正向影響.

其次，依次加入城市群中其他城市的風險特征和經(jīng)濟金融特征后模型擬合程度提高，說明其他城市的空間溢出對城投債信用風險有較強的解釋力度. 其中: 其他城市的信用風險溢價對本城市城投債風險溢價有顯著的正向影響，支持前文假設H1，信用風險在城市群內(nèi)部存在空間溢出；其他城市的金融發(fā)展水平對城投債信用風險具有顯著的負向影響，支持前文假設H2.1，說明城市群的金融協(xié)同存在正外部性；其他城市人均GDP的提升將會加大本城市城投債的信用風險，支持假設H2.2，競爭關(guān)系下城市群中其他城市的經(jīng)濟發(fā)展對本城市存在負外部性. 此外，控制變量的回歸結(jié)果與既有研究基本一致. 上述實證結(jié)果充分說明，城市群中其他城市的信用風險和經(jīng)濟金融發(fā)展均存在空間溢出，會對本城市城投債信用風險產(chǎn)生顯著影響.

3.2 城市群空間溢出效應的異質(zhì)性分析

本節(jié)針對中心城市和外圍城市受到或產(chǎn)生空間溢出影響的異質(zhì)性進行檢驗. 首先，根據(jù)城市在生產(chǎn)要素引力網(wǎng)絡中的入度中心度劃分中心城市和外圍城市，入度中心度越大代表城市潛在的生產(chǎn)要素總流入規(guī)模越大，對其他城市生產(chǎn)要素的吸引力越強，符合中心城市虹吸效應內(nèi)涵. 其次，引入城市分組虛擬變量(Typei,t)， 選取t時期點入度中心度最大的10座城市作為中心城市，其Type值賦予1；其他城市在t時期的Type值賦予0，即外圍城市.

針對兩類城市受到空間溢出影響的異質(zhì)性，本文采用交互項回歸進行檢驗，如表5所示. 相比外圍城市，中心城市城投債總體上受到信用風險溢出負外部性的影響程度更高，這可能是因為生產(chǎn)要素集聚導致中心城市承擔了更大的系統(tǒng)性風險，也更容易受到區(qū)域信用風險的傳染沖擊[30]；相比中心城市，外圍城市總體上受到城市群經(jīng)濟發(fā)展負外部性的影響程度更高，這可能是因為外圍城市在經(jīng)濟競爭中處于劣勢地位，會因為惡性債務競爭或企業(yè)生產(chǎn)率下降，導致城投債信用風險提升[27]. 同時，中心城市和外圍城市受金融發(fā)展溢出的影響無顯著差異. 上述結(jié)果充分說明，城市群空間溢出對中心城市和外圍城市城投債的影響程度呈現(xiàn)異質(zhì)性，支持前文假設H3.1.

表5 城市群空間溢出對中心城市和外圍城市影響的異質(zhì)性Table 5 The heterogeneous impact of urban agglomeration spatial spillover on central and peripheral cities

針對兩類城市產(chǎn)生的異質(zhì)性空間溢出影響，本文基于式(7) 和式(8) 分別檢驗中心城市和外圍城市的溢出影響. 考慮到外圍城市屬于生產(chǎn)要素流失的一方，因此針對外圍城市的溢出影響使用生產(chǎn)要素流入引力矩陣作為空間權(quán)重矩陣，即根據(jù)外圍城市流入本城市的潛在生產(chǎn)要素規(guī)模，界定不同外圍城市的相對重要程度. 此外，本文還在此基礎上進一步引入上文構(gòu)建的城市分組變量進行交互項回歸，以檢驗不同類型城市彼此間異質(zhì)性的空間溢出影響

(7)

(8)

如表6所示，在中心城市層面，其人均GDP提升會顯著增加其他城市城投債的信用風險，尤其是對外圍城市的負面影響更加明顯，體現(xiàn)了中心城市的虹吸效應[27]；同時，信用風險在中心城市間的空間溢出可能性相對更大，這可能是因為中心城市間的金融業(yè)務往來更為頻繁[31]. 在外圍城市層面，其信用風險水平對不同類型的城市均呈顯著的空間溢出效應；同時，與中心城市類似，其人均GDP提升會顯著增加其他城市城投債的信用風險，尤其是對其他外圍城市的影響更加明顯，說明外圍城市彼此間也存在競爭效應帶來的負外部性；此外，相比中心城市，外圍城市的經(jīng)濟金融發(fā)展能提供更多的收益外部性，土地出讓收入及金融發(fā)展水平提升，均能夠降低其他城市城投債的信用風險. 本文推測這是因為外圍城市的土地交易活躍將帶動房地產(chǎn)業(yè)和基礎設施行業(yè)發(fā)展，能夠為其他城市的城投公司提供更多的產(chǎn)業(yè)協(xié)同機會[24]；同時，外圍城市的資本和金融資源流出，可以為其他城市尤其是中心城市的企業(yè)提供流動性補充[30].

表6 中心城市和外圍城市產(chǎn)生的異質(zhì)性空間溢出效應Table 6 The heterogeneous spatial spillover effects of central and peripheral cities

3.3 識別受空間溢出負外部性影響較大的城市

在上述研究基礎上，本文進一步對受空間溢出負外部性影響較大的具體城市進行識別，以期能夠為相關(guān)地方政府政策制定及系統(tǒng)性金融風險防控提供依據(jù). 本文引入城市個體虛擬變量(Urbani)，并逐一與其他城市的人均GDP和信用風險水平進行交互項檢驗. 集合前文實證結(jié)果，若交互項系數(shù)顯著為正，則說明當其他城市群信用風險上升或人均GDP增加時，本城市城投債信用風險上升更加明顯、受空間溢出負外部性的影響更加顯著. 由于引入城市虛擬變量控制了城市個體固定效應，所以模型中不再加入本城市特征變量且不再控制省份固定效應

(9-1)

β4Urban+δ1Bondk, t+

δ2Firmk, t-1+δ3Year+ε

(9-2)

本文根據(jù)交互項系數(shù)大小初步繪制了受空間溢出負外部性影響程度的城市熱力圖，如圖4.與其他城市相比，淮南市、池州市、蚌埠市、六安市等城市受到信用風險空間溢出的影響較大，池州市、金華市、淮南市等城市受到其他城市經(jīng)濟發(fā)展的負外部性影響較大；同時，部分城市城投債的信用風險受到上述兩類負外部性的影響均較為明顯，需要格外警惕城市間競爭惡化和系統(tǒng)性金融風險.

(a) 受信用風險溢出的影響程度

(b) 受經(jīng)濟發(fā)展負外部性的影響程度圖4 受空間溢出負外部性影響程度的熱力Fig.4 The heat map of the degree of influence by the negative externality of spatial spillover注: 圖中淺色代表與其他城市相比，該城市受空間溢出負外部性影響無顯著的程度差異

此外，本文嘗試對相關(guān)城市的共性特征進行初步分析和總結(jié)( 數(shù)據(jù)結(jié)果見附錄) ，并發(fā)現(xiàn): 容易受城市群信用風險溢出影響的城市均屬于外圍城市，其經(jīng)濟體量、財政自給率和地方政府土地出讓收入相對更低，這可能導致當區(qū)域風險信號或情緒在市場蔓延時，這些城市更容易被波及，投資者對其信用預期下降更明顯[13]. 容易受城市群經(jīng)濟發(fā)展負外部性影響的城市中，除南通市以外同樣均屬于外圍城市，因此受虹吸效應和“集聚陰影”的影響可能更大[27]，同時其金融發(fā)展水平相對較低，進一步增大了城投公司獲得融資緩解流動性壓力的難度[30].

3.4 穩(wěn)健性檢驗

3.4.1 公司及債券特征的交互作用分析

本文通過設置城投公司或城投債分組虛擬變量及交互項回歸對城市群空間溢出與城投公司特征及債券特征之間的交互作用進行檢驗. 其中，城投公司分組維度包括總資產(chǎn)規(guī)模、資產(chǎn)負債率和總資產(chǎn)收益率；城投債分組維度包括發(fā)行期限、有無擔保條款和有無特殊含權(quán)條款.

表7報告了交互作用檢驗結(jié)果. 首先，在城投公司特征層面，總體上并未觀察到其與空間溢出效應明顯的交互作用，其中城投公司資產(chǎn)負債率與其他城市風險特征的交互作用顯著，說明杠桿率較高的城投公司所發(fā)行城投債受城市群信用風險溢出的影響相對更大. 其次，在債券特征中，發(fā)行期限與空間溢出效應的交互作用顯著，期限越長的債券，受到信用風險空間溢出的影響更強，受城市群經(jīng)濟發(fā)展溢出負外部性的影響更弱；有擔保的城投債受其他城市金融發(fā)展正外部性的影響減弱，有特殊含權(quán)條款的城投債受城市群信用風險空間溢出的影響較小.

表7 交互作用檢驗Table 7 The test of interaction

3.4.2 外生政策沖擊檢驗

本文從以下兩個維度檢驗外生政策沖擊的影響: 第一，針對影響所有城市的外部政策沖擊，包括財政政策改革及財政政策不確定性的沖擊，使用政策虛擬變量與核心解釋變量的交互項回歸進行檢驗；第二，針對僅影響部分城市的長三角區(qū)域發(fā)展規(guī)劃演變，使用雙重差分模型對政策沖擊的影響以及實證結(jié)果可能存在的內(nèi)生性問題進行檢驗和處理.

首先，在財政政策改革層面，本文以2014年頒布《中華人民共和國預算法》和《國務院關(guān)于加強地方政府性債務管理的意見》兩項與城投債息息相關(guān)的綱領性政策文件作為外生沖擊，引入虛擬變量Sup(7)若城投債發(fā)行年份在2014年之前，則Sup=0，反之Sup=1.進行交叉項檢驗. 從表8 Panel A可以看出城市群信用風險空間溢出的影響在改革后更加顯著，這與前文空間相關(guān)性檢驗的結(jié)果一致，說明城投債監(jiān)管政策趨嚴是導致長三角城市群內(nèi)部城投債信用風險空間相關(guān)性顯著增加的重要原因.

表8 財政政策沖擊檢驗Table 8 The test of fiscal policy shock

最后，在長三角地區(qū)發(fā)展規(guī)劃演變層面，2016年經(jīng)國務院會議通過并正式實施的《長江三角洲城市群發(fā)展規(guī)劃》首次提出“長三角城市群”概念，該政策一方面會促進城市群內(nèi)部生產(chǎn)要素流動，從而增強基于生產(chǎn)要素引力網(wǎng)絡的城市群空間溢出；另一方面可以促進城市群內(nèi)部的協(xié)同創(chuàng)新和產(chǎn)業(yè)鏈深度融合，城投公司承接的基建項目數(shù)量以及獲得的項目收入可能增加，所發(fā)行城投債的信用風險可能降低. 由此可知，該規(guī)劃實施對城投債信用風險及城市群空間溢出均會產(chǎn)生影響，所以可能會導致前文結(jié)果存在內(nèi)生性問題.

基于DID雙重差分模型對該政策的外生沖擊影響進行控制和檢驗.設置城市群分組虛擬變量Treatedi，將被納入長三角城市群的城市作為實驗組(Treatedi=1)，其余長三角地區(qū)城市作為控制組(Treatedi=0)(9)《長江三角洲城市群發(fā)展規(guī)劃》所劃定城市群范圍包括上海市、江蘇市、浙江省和安徽省的26個城市，長三角地區(qū)其余15個城市并不包含在內(nèi).；設置規(guī)劃時間節(jié)點虛擬變量Timet，規(guī)劃實施前( 2012年—2015年)Timet=0，實施后( 2016年—2019年)Timet=1. 表9報告了實證結(jié)果，可以看出規(guī)劃實施后被納入城市群范圍的城市所發(fā)行城投債的信用風險顯著降低，符合上文對于城市群發(fā)展規(guī)劃所產(chǎn)生影響的理論分析；同時，核心解釋變量所得結(jié)論與前文一致，說明在控制外生政策帶來的內(nèi)生性問題后本文實證結(jié)果穩(wěn)健.

表9 長三角城市群政策沖擊檢驗Table 9 The Test of the Yangtze River Delta urban agglomeration policy shock

3.4.3 內(nèi)生性問題處理

此外，本文還從以下方面對其他可能的內(nèi)生性問題進行處理. 首先，針對變量測量誤差和遺漏變量的內(nèi)生性問題，通過更換解釋變量和控制變量對內(nèi)生性問題進行檢驗和處理:

第一，將本城市歷史信用風險溢價和其他城市的信用風險溢價兩項解釋變量由算數(shù)平均更換為以發(fā)行規(guī)模為權(quán)重的加權(quán)平均進行計算，如表10中第(8)列所示，更換計算方法后主要結(jié)論保持穩(wěn)??；此外，考慮到使用當期的其他城市特征可能存在的數(shù)據(jù)穿越問題，本文對相關(guān)變量做滯后一期處理，如第(9)列所示，結(jié)果保持穩(wěn)健.

表10 更換解釋變量及控制變量的結(jié)果Table 10 The results of replacing the explanatory and control variables

續(xù)表10Table 10 Continues

第二， 第(10) 列～第(12)列 依次報告了將控制變量含權(quán)條款細化為可回售條款(Put)、提前償還條款(Call)、可贖回條款(Redemption)3個變量；將擔保條款分為抵質(zhì)押擔保(Gua_PL)、擔保機構(gòu)連帶責任擔保(Gua_COM)、一般企業(yè)連帶責任擔保(Gua_TP) 3個變量；以及增加行業(yè)固定效應控制后的回歸結(jié)果，結(jié)論同樣保持穩(wěn)健.

表11 更換空間權(quán)重矩陣的結(jié)果Table 11 The results of replacing the spatial weight matrix

最后，針對本城市城投債信用風險與其他城市信用風險水平之間可能存在互為因果的內(nèi)生性問題，本文選用以下兩種工具變量進行處理: 第一，參考學者們的一般做法[42]，使用滯后一期的其他城市城投債信用風險溢價作為工具變量，由于滯后一期的其他城市信用風險溢價基本不會受本城市當期其他變量的影響，因此工具變量的選取較為合理；第二，考慮到滯后項作為工具變量是否足夠外生目前仍存在爭議，本文進一步參考趙奎等[43]的研究，使用滯后一期的其他城市信用風險溢價與當期全國城投債信用風險溢價變化比率共同構(gòu)建Bartik工具變量(10)本文采用Bartik工具變量基于如下考慮：第一，由于全國城投債信用風險溢價不會明顯地受到某個城市城投債信用風險溢價的影響，因此全國城投債信用風險溢價的變化對具體城市而言是相對外生的；第二，只要單個城市沒有重要到其信用風險同整個國家的信用風險顯著相關(guān)，Bartik工具變量就是有效的.，具體公式如下

W_CScity_Bari,t=W_CScity_Lagi,t-1×(1+ΔCSChina,t)=

(10)

上述兩種工具變量均分別采用兩階段最小二乘法估計(2SLS) 和GMM估計進行回歸檢驗，所得結(jié)果如表12，采用工具變量法回歸的其他城市風險特征的系數(shù)依然顯著為正，并通過Wald檢驗，拒絕“弱工具變量”的原假設，因此可知研究結(jié)論具有穩(wěn)健性.

表12 工具變量估計結(jié)果Table 12 The results of instrumental variable estimation

4 結(jié)束語

近年來，城投債潛在的信用風險已成為防范區(qū)域系統(tǒng)性金融風險的焦點問題. 在國家大力發(fā)展城市群建設的背景下，城市間的協(xié)同競爭以及風險的空間關(guān)聯(lián)對城投債信用風險的影響不容忽視. 本文基于修正后的引力模型構(gòu)建生產(chǎn)要素引力網(wǎng)絡，以2009年—2019年長江三角洲城市發(fā)行的城投債作為研究樣本，對城市群信用風險及經(jīng)濟金融發(fā)展的空間溢出進行了研究.

研究發(fā)現(xiàn)，城市群的空間溢出是影響城投債信用風險的重要因素: 第一，城投債信用風險具有空間溢出性，城市群內(nèi)部城投債信用風險溢價同向變動；第二，城市間的金融協(xié)同能夠產(chǎn)生正外部性，將降低本城市城投債信用風險；第三，城市間的經(jīng)濟競爭會產(chǎn)生負外部性，將提升本城市城投債信用風險；第四，中心城市與外圍城市受到或產(chǎn)生的空間溢出影響存在異質(zhì)性.

本文的研究結(jié)論對于我國防范城投債信用風險具有以下啟示和意義: 第一，在融資平臺轉(zhuǎn)型期，城投公司作為城投債的發(fā)行主體，應當進一步優(yōu)化資產(chǎn)負債結(jié)構(gòu)、降低杠桿率、提升經(jīng)營性項目盈利水平，從而夯實企業(yè)應對城市群經(jīng)濟波動和信用風險溢出所造成負面影響的核心競爭力. 第二，金融監(jiān)管部門在監(jiān)測識別城投債信用風險時，不僅需要關(guān)注城投公司及其所處城市的潛在風險，還應當充分評估區(qū)域宏觀環(huán)境和金融風險的溢出影響，牢牢守住不發(fā)生系統(tǒng)性風險的底線. 第三，對于地方政府尤其是外圍城市，一方面應當合理制定地方財政政策和基礎設施建設規(guī)劃，充分利用城市群協(xié)同的收益外部性，避免因基礎設施盲目擴張而導致過度負債、增加城投公司負債壓力和風險；另一方面應當合理制定人才引進政策、稅收政策和產(chǎn)業(yè)發(fā)展政策，加強城市對核心生產(chǎn)要素的吸引力，減輕生產(chǎn)要素流失和中心城市經(jīng)濟發(fā)展溢出對本城市企業(yè)的負面影響.

附錄

附表1 空間相關(guān)性檢驗結(jié)果Attached Table 1 The test results of spatial correlation

附表2 空間溢出負外部性影響較大的城市列表Attached Table 2 The list of cities with large negative externalities of spatial spillovers

附表3 容易受負外部性影響的城市特征均值比較Attached Table 3 The comparison of mean values of urban characteristics vulnerable to negative externalities