公司债券违约与金融脆弱性的关系研究

李 程，闫增芹

（天津工业大学经济与管理学院, 天津 300387）

一、引言

实体企业往往需要从各个金融机构和人民币市场上获得资金，公司债券发行是其中重要的一种融资手段。2014年3月以来，民营企业违背债券合约事件频发，央企债券违约也开始显露，多家地方大型国企“超预期”违约。与此同时，我国金融脆弱性的问题逐渐暴露。2015年以来，金融市场主要领域发生了起个重大风险投资事件：2015年，股市多次出现了数千只股票暴跌，其流动性几乎耗尽；2018年，我国民营企业连续出现严重违约；2019年，在包头商业银行资不抵债而发生信用违约、被迫破产清算事件的影响下，市场对央行打破刚性兑付的预期增加，流动性趋于收紧。这些现象都是金融脆弱性的表现。此外，宏观经济下行，周期性行业压力上升，新型冠状病毒肺炎疫情也在不同程度上对经济产生了负面冲击，使金融脆弱性风险增加。

债券违约和金融脆弱性是相互联系的。以煤炭行业为例，受下游电力、化工、建材行业开工率不足的影响，2020年上半年，煤炭消费下滑，煤炭整体价格呈下行态势；2020年下半年以来，随着实体经济持续修复，煤炭行业需求有所回升，但整体仍处于较弱水平。2020年11月，拥有“AAA”主体评级的永煤控股旗下债券“20永煤SCP003”10亿元超短期融资宣告实质性违约，河南多只煤炭企业主体发行的债券在二级市场上遭遇抛售，价格巨幅下跌，多只债券基金净值遭受重创，市场流动性发生变化，整个信用债市场受到冲击。信用债违约冲击波迅速传导至一级发行市场，导致几十只债券被取消或延期发行，多家金融中介机构也因此被审查。该事件打破了信用债市场的“国有企业信仰”，被认为是新的“黑天鹅”事件，说明宏观流动性边际收紧预期下，金融脆弱性的提升具有很大的必然性，这又会导致债券市场的违约可能性加大。

债券违约对我国金融体系有着深刻的影响，防范金融风险一直是中央经济政策的一个重点目标，因此，有必要探究债券违约对金融脆弱性的影响，并研究二者的互动关系以及如何避免出现系统性金融风险。

二、文献综述

从金融脆弱性的角度探讨公司债券市场的信用违约问题，有助于改善和应对公司债券市场的信用违约问题。国内外已有不少学者对金融脆弱性的成因、影响因素，以及债券违约现象进行分析研究。

（一）国外文献情况

Minsky和Hyman（1982）对金融系统脆弱性进行了研究，明确指出金融机构的负债经营特征是金融系统脆弱性产生的一个根本原因，这会使得整个金融体系存在着随时破坏甚至崩溃的危险。国外学者大多针对债券违约处置方式及其引发的原因进行研究，如Ødegaard（2017）研究发现，2009年以后，挪威的监督管理部门通过规定公司债券上市交易的双重批准规则，有效控制了公司债券市场的信用违约风险水平。随着全球资产价格的普遍上升，一些学者开始关注房地产价格变动等因素对金融系统脆弱性的影响，Bian和Pedro（2015）对该影响的原因进行了分析，认为金融是否稳定与贷款周期密切相关。还有一些学者对金融系统脆弱性的警戒指标进行了研究，如Gerdesmeier等(2011)通过实证分析认为信贷可以比较有效、更精确地预测金融系统的脆弱化程度，而Acharya等(2012)提出用系统风险指数估算和判断其在边际上的期望亏损，进而判断金融系统的脆弱性状态。Aldasoro和Alves（2016）、Lundqvist和Vilhelmsson（2018）以金融机构作为研究对象，将企业风险与宏观债务风险或金融系统性风险相联系。Xu（2017）认为，金融系统具备多层次的网络属性，单层的网络模型难以反映多重微观风险传染机制，应该建立系统性、多层次的风险模型。Alfaro等（2019）研究了新兴市场国家企业债务和金融脆弱性之间的关系。

（二）国内文献情况

2014年3月以来，我国大型国企债券“超预期”违约事件频发，引发市场关注。国内学者纷纷发表文章，从中国债券违约率情况、违约事件引发的系统风险、如何应对“超预期”违约等方面进行了梳理总结与探究：（1）公司债违约对金融风险的影响。马勇等(2016)认为公司债券市场上累积的违反银行信用合同的风险可能会直接引发系统性金融风险；唐晋荣和李湛(2018)指出，一些极端情况下的巨额信用违约给证券市场的稳定性造成了冲击；张艳丽和方兴劼（2019）分析了信用债违约的市场特征，认为东北地区和中西部地区违约率相对较高，行业特征已经不明显，并提出了相关处置方案；（2）公司债违约的影响因素。吴涛等（2019）认为，中国公司债市场存在显著的监管效果周期，而周期转换机制受到来自监管政策、公司债发行规模、社会融资规模等多种因素的动态相互影响；陈芳等（2020）认为应关注利率波动带来的债券市场风险过度集中问题；高颖超和赵治纲（2021）对国有企业债券违约的原因和影响进行了分析，认为违约主要在于国企内部原因，而且容易恶化区域系统性金融风险；（3）系统风险的计量和监测研究。陶玲和朱迎(2016)提出了包含7个维度的系统性金融风险综合指数，在采用马尔科夫状态转换方法对综合指数进行实证分析的基础上，识别和判断风险指标的状态和拐点；吴德胜等（2021）构建了双层交易对手方风险传染网络模型，发现企业债务具有系统重要性，债务间存在较强关联性，是潜在的区域系统性风险源。

综上所述，已有文献对公司债券违约和金融脆弱性问题分别做了较为广泛、深入的研究，但是少有研究二者关系者。本文将我国公司债市场的信用违约问题与金融脆弱性相联系，先从债券市场的含义、具体表现以及金融脆弱性的内涵等方面作为切入点进行理论分析，接着论证金融脆弱性与债券违约率的关系。实证部分根据郭娜等（2020）的做法，将金融脆弱性拆分为债务存量、债务增量、金融地产三大类数据指标，采取主成分分析法将10个指标合成金融脆弱性指数，接着进行VAR回归模型分析、计数模型分析以及马尔可夫区制转换模型，论证金融脆弱性和公司债券违约率的相互影响，为规范债券市场、降低金融脆弱性提供政策参考。

三、理论分析

金融脆弱性(financial fragility)有狭义、广义之分。狭义的金融脆弱性是指金融业以高负债形式经营的业界特征，有时也被称为“金融内在的脆弱性”；广义的金融脆弱性是指一种趋于高风险的金融状态，在信贷、金融市场等所有融资业务领域的风险积聚，有时也被简称为“金融脆弱”（黄金老，2001）。本文采用广义的金融脆弱性概念。

当金融脆弱性积累到一定程度时，或者说达到某一临界状态时，如果得不到及时控制与消除，最终就会发展成金融危机。一旦金融危机爆发，将会对经济造成极强的危害性和破坏力，而人为干预的力量将会显得微不足道，所以必须重视金融脆弱性。

债券违约虽然只是资本市场动荡的表现，但其实是金融体系脆弱性的一个反映和重要组成部分。债券违约和金融脆弱性的关系主要有两方面的表现。

（一）债券违约促进了金融脆弱性程度的提高

第一，违约主体的高负债特征容易导致金融脆弱性。总体来看，大部分违约主体采用高负债经营的模式，承受较高的债务偿还压力，容易发生信用风险。这些企业往往债务金额大，投资人数多，极易给市场带来冲击。内部资金来源充裕、债务正常滚动时，企业偿还债务能力较好；如果企业内部、外部资金来源受到限制，就有可能面临严峻的兑付危机。而企业债务风险违约大面积发生，必然导致风险的传染，触发金融脆弱性。

第二，债券违约通过各个企业违约风险的交叉传导实现对金融脆弱性的影响。企业债务之间是相互关联的，企业通过互相担保和联合担保为融资提供便利，使得债务链条延长，股权关系比较复杂，形成债务风险传染网络，而企业之间形成的风险网络会向系统性金融风险传导，加剧金融脆弱性。中泰证券课题组等（2021）研究发现，发债主体之间存在关联交易时，容易粉饰财务报表，实现提高增信水平的意图；一旦担保链条上一个环节出现问题，就会迅速传导到整个担保圈，出现“一损俱损”的现象。

第三，债券违约通过跨金融市场、跨区域的传导影响金融脆弱性。金融市场的各个部分是相互联系的，债券市场出现问题，会对股票、黄金、衍生品等市场产生一系列影响，违约风险在不同金融机构和金融市场中传播，出现牵一发动全身的效果，极容易触发系统性风险，这也导致金融脆弱性。高颖超和赵治刚（2021）认为，国企债券的集中违约，容易导致“信任危机”，恶化金融环境，而且出现风险的交叉传导，企业信用风险向金融部门扩散，导致系统性风险。

（二）金融脆弱性增加了债券违约出现的可能性

张艳丽和方兴劼（2019）认为，造成债券违约的原因包括：一是再融资渠道不畅，信用环境偏紧；二是强监管使得融资体系变化，债券到了偿付期，企业流动性压力较大；三是企业债务结构不合理，借短贷长，投资于高风险行业，违约风险加大。金融脆弱性会增加企业债券违约发生的可能性。中泰证券课题组等（2021）认为，外部流动性枯竭是企业违约的重要诱因，而流动性枯竭正是金融脆弱性在经济下行期的表现，即便采取宽松货币政策，也会出现流动性分层，使得中小企业违约增多。金融风险具有累积性，前期积累的债务问题已经造成了金融体系的脆弱性，而我国的去杠杆和强监管政策加大了企业资金链断裂的可能，企业借新还旧的模式难以继续，偿付压力增大，流动性风险增加，在企业利润率下降、社会整体信用收缩的背景下，原有的金融脆弱性使得企业债券违约可能性加大，出现互相推动的局面。

具体来说，我国宏观经济的减速严重影响了一部分企业的生产和经营，行业内的企业利润率降低，经营现金流减少。2017年的金融严格监督管理、金融去杠杆对企业的融资产生了很大影响，特别是民营企业融资途径和渠道的结构性收缩，使其再融资能力下降甚至干涸，无法应对在高速发展、信用扩张时期债券的集中变现。2018年，市场信用环境从信用扩张逐渐迈入信用收缩，导致一部分依赖“借新还旧”的企业很容易显露流动性风险，市场融资变得困难，融资成本也有所上升，债券违约规模急速升高。2020年以来，中国非金融企业的杠杆率显著上升，很多公司有息负债中的债券比例居于高位。此种情境下，宏观流动性一旦开始限制，债券产品就会给企业带来硬性约束和刚性兑付压力，从而导致违约风险。以往债券违约的主体以民营企业为主，近几年，国有企业开始呈现债券违约事件“高频化”、违约品种“多样化”和违约主体“高评级化”三大特征（高颖超和赵治刚，2021）。一般认为，国有企业有政府隐性担保，即存在所谓“国企信仰”，但这种风险更容易被忽视而导致更大的风险，在市场总体环境恶化的条件下，政府的担保作用也在弱化，加剧了债券违约的可能性。

总的来看，金融脆弱性和企业债券违约是相互促进的，企业债券违约导致金融脆弱性增加，而金融脆弱性也会加剧企业债券违约风险暴露，二者具有累积因果的关系。

四、实证分析

（一）金融脆弱性指数测度

探究金融脆弱性与公司债违约率的关系，需要首先构建金融脆弱性指标体系，测度出能够反映出我国的金融脆弱程度以及变化情况的金融脆弱性指数。

1.金融脆弱性指标体系的构建

金融脆弱性指标体系的指标应该全面、充分，且具有代表性，能够体现和突出某个特定方面的金融市场环境的特点，国内外很多学者测量过金融脆弱性，选择指标各有特色和侧重。本文借鉴张晓晶和刘磊（2020）的研究，考虑到数据的可获取性，从债务存量、债务增量、金融地产三个角度选取选取10个指标作为金融脆弱性基础指标，以综合反映我国的金融脆弱性程度以及变化情况，详见表1。

表1 金融脆弱性基础指标

2.数据标准化处理

本文选取2014－2020年的月度数据，相关数据来源于中国人民银行、国家统计局、Wind数据库和锐思数据库。缺失数据用EViews进行插值法补齐，例如债务存量原始数据为季度数据，本文采用线性插值和二次插值，将季度数据的各点以折线形式连接成月度曲线，完成数据的整理。由于经济时间序列的季节性波动非常显著，往往会掩盖或混淆经济发展中的其他客观变化，因此还需对个别数据进行季节调整。

本文采用极差法对原始数据进行标准化处理，以消除各个指标趋势和量纲不同的直接影响。处理公式如下：

其中，zij表示标准化处理后的基础指标数据，Xij表示表示各基础指标的原始值，Ximax、Xinin分别表示第i个基础指标在各月中的最大值、最小值。由此，将所选取时间区间内所有基础指标数值最终标准化为0～1的规范值。

3.因子分析

（1）KMO统计量检验。本文采用PCA方法来构建金融脆弱性指数。对标准化后的数据进行KMO统计量检验，KMO值为0.648，表明该指标可以进行主成分分析；P值小于0.05，表明检验结果是显著的。

（2）主成分分析。本文运用SPSS软件进行主成分提取，前四个主成分累积贡献程度为81.812%（见表2），表明前四个主成分已经覆盖全部指标所含信息量的绝大多数，满足了分析精度（大于75%）的要求，可以用其作为金融脆弱性指标体系的主成分来代替原有的10个基础指标。

表2 前四个主成分分析结果

（3）主成分得分计算。为了便于解释和分析，本文采用最大方差法对原始矩阵进行正交旋转，得到新的负荷矩阵，并通过旋转后的主成分负荷系数矩阵计算主成分得分。各主成分的得分计算公式为：

其中，Fi为 第i个主成分的得分，βi为第i个主成分在各基础指标上的载荷系数，Cn（n=1，2，3，···，10）为各基础指标特征值。这四个主成分得分的表达式如下所示：

金融脆弱性指数F是各主成分F1、F2、F3和F4的线性组合，具体方法是用每个主成分得分乘以相应的方差贡献率再除以提取主成分的累计方差贡献率，再相加求和，转化函数为：

由于数据标准化处理后得出的金融脆弱性指数F缺乏参照系，所以借用指数的相对大小来衡量金融脆弱性的脆弱程度。

（4）合成指数结果。2014－2020年我国金融脆弱性指数变化趋势如图1实线（左轴）所示，可以看出，该指数呈波动上升趋势，表明中国金融体系的脆弱性在震荡中持续上升。其原因在于：与发达国家成熟市场相比，我国金融体系尚不完善，金融技术创新和法律监管滞后，金融体系抗风险能力略显薄弱；同时，由于我国正处于经济结构转型的关键时期，经济摩擦的加剧会对金融市场的健康运行产生一定影响。目前，我国经济发展相对平稳，政府也出台一系列政策进行宏观调控，因此金融体系脆弱性仍处于可控范围。

图1 2014－2020年我国金融脆弱性（左）和债券违约金额（右）变化趋势

（二）金融脆弱性和债券违约率关系的计量经济学分析

为了研究债券违约和金融脆弱性的关系，本文首先进行计数模型，分析金融脆弱性和债券发行规模大小对公司债券违约数目的影响，接着使用VAR回归模型研究金融脆弱性指数、债券违约金额和债券发行规模三者的影响关系，再采用马尔可夫区制转换模型探究在不同脆弱性水平下的影响机制是否一致，最后得出实证分析结论。

1.解释变量说明和描述性统计

本文采用2014－2020年公司债违约规模及金额、违约笔数来表示公司债违约情况，变量符号及含义详见表3。相关数据来源于Wind数据库、中国债券信息网。

表3 解释变量说明

解释变量的描述性统计见表4。可以看出，样本期内违约金额和债券发行规模的标准差都比较大，说明这两个指标的波动都比较大。

表4 解释变量的描述性统计

2014－2020年我国公司债券违约金额变化情况如图1虚线（右轴）所示。可以看出，金融脆弱性和违约金额总体上都呈现波动向上发展的趋势，说明金融脆弱性和债券违约具有某种意义的正相关关系，这种关系在2018年以后更加明显。从违约金额角度看，2014－2020年出现过3次违约潮，时间节点分别为2016年上半年、2018年下半年和2019年。第一次信用债违约发生在2014年3月5日，2016年上半年开始增多；2018年，信用债违约事件呈爆炸态势，违约主体数、违约债券支数和违约金额的增加量与前一年相比大幅度上涨，这种态势维持到2019年，违约行为已经开始常态化；2020年10月下旬以来，多只大型公司债券不能按时偿还，频繁冲击市场的投资信念。

2.计数模型分析

公司债违约数目（Number）是计数变量，是离散的非负整数，数值较小且零元素的数据出现比较频繁，离散特征十分明显，因此有必要构建计数模型，研究金融脆弱性指数（F）和债券发行规模（Ic）对公司债违约数目（Number）的影响。

利用EViews软件进行回归，运行结果如公式（8）所示。

公式（8）表明，金融脆弱性的高低和债券发行规模的大小对公司债违约数目有显著影响，金融脆弱性越高，债券发行规模越大，公司债违约数目越多；反之，金融脆弱性越低，债券发行规模越小，公司债违约数目相对越少。

3.VAR回归模型分析。

本文选取金融脆弱性指数、债券违约金额、公司债券发行量作为互相影响的变量，运用VAR模型，实证研究金融脆弱性与公司债违约之间的影响机制。建立如下模型：为相应的系数矩阵。VAR模型的数据处理用

其中，α为常数项，i为滞后期数，Eviews10.0计量软件操作实现。

（1）变量的平稳性检验。本文采用带断点的平稳性检验，检验结果见表5。三个变量序列均在10%水平下显著，且Default和Ic的ADF统计值小于单位根检验的5%的临界值，F的ADF统计值小于单位根检验的10%的临界值，即三个变量均拒绝了存在单位根的原假设，全部通过了平稳性检验。

表5 各变量序列的ADF单位根检验结果

（2）选择滞后阶数。一般而言，在确定VAR模型滞后阶数上，通常以信息准则作为选取依据。滞后阶数的各种准则检验结果见表6。在滞后阶数为1时，LR、FPE、AIC、SC和HQ5种信息准则均确定1为最优滞后阶数，故本文直接选取滞后期为1的VAR模型。

表6 滞后阶数似然比检验及信息准则

（3）模型的稳定性检验。判定VAR模型稳定性的条件要求是模型中所有的AR特征多项式根都位于单位圆内。模型稳定性检验结果如图2所示，模型中AR根的倒数都在单位圆曲线内，即表明文中所估计的VAR（1）模型是稳定的。

图2 模型的单位根检验

（4）脉冲响应分析。金融脆弱性指数、债券违约金额和债券发行规模三者之间的互相冲击影响如图3所示。图3（a）为金融脆弱性对债券违约金额和发行规模冲击的响应，可以看出，当债券违约金额和债券发行规模受到金融脆弱性的一个标准差的新息冲击后，金融脆弱性指数对债券违约金额的影响是正向的，对债券发行规模的影响是负向的，即金融脆弱性指数增大，债券违约金额也随之增大，但会使债券发行规模减小。图3（b）为债券违约金额对金融脆弱性和债券发行规模冲击的响应，可以看出，当金融脆弱性指数和债券发行规模受到债券违约金额的一个标准差新息冲击后，债券违约金额对债券发行规模和金融脆弱性的影响都是正向的，债券违约金额增加会使债券发行规模扩大、金融脆弱性指数上升；图3（c）为债券发行规模对金融脆弱性和违约金额冲击的响应，可以看出：当金融脆弱性指数和债券违约金额受到债券发行规模的一个标准差的新息冲击时，债券发行规模对债券违约金额为正向效应，债券违约金额先上升、后下降；债券发行规模对金融脆弱性指数的影响为负，即债券发行规模降低，金融脆弱性指数增大。

图3 金融脆弱性、债券违约金额和债券发行规模之间的互相冲击影响

4.马尔可夫区制转换模型（分区制回归）

本文在构建金融系统的脆弱性指数的基础上，采用马尔可夫区制转换模型（MSVAR）测定我国金融系统的脆弱性指数状态。MS-VAR模型主要有以下特征：（1）该模型可以通过状态变量的脆弱性水平之间的平滑过渡来确定观测样本中的状态，不需要主观设定金融系统脆弱性的警戒值来判断风险的大小，也不需要估计高风险可能发生的时间，避免了主观因素的干扰；（2）以往的模型大多是静态模型，但金融体系的脆弱性是一个动态过程，MS-VAR模型通过状态转移变量反映金融体系脆弱性指数的动态变化，可以更准确地识别金融风险状态。本文设定低脆弱性（st=1）和高脆弱性（st=2）两个区制，描绘不同状态下变量的基本特征，模型如下：

模型估计结果如表7所示。可以看出，模型很好地识别了高、低脆弱性两个区制，对应的值分别为-0.0985和0.5153，而且两个区制的维持概率都很高，显示出比较稳定的特征。模型的区制转移概率图如图4所示。

图4 区制转移概率图

表7 马尔可夫区制转换模型的估计结果

根据转移区制图，2014年1月至2017年5月为“低脆弱性”时段，2017年6月至2020年12月为“高脆弱性”时段。将两个时段的金融脆弱性指数与债券违约率分别进行回归，结果如表8所示。

表8 转换区制回归结果

由表8可见，“低脆弱性”时段的P值为0.2749，大于0.1000，故接受原假设，说明在“低脆弱性”条件下，债券违约率对金融脆弱性影响不显著；“高脆弱性”时段的P值为0.0171，小于0.0500，故拒绝原假设，说明在“高脆弱性”条件下，债券违约率对金融脆弱性影响显著，即债券违约率越高，金融脆弱性越大，二者相互影响，同向变动。由此可见，中国金融脆弱性指数是呈波动上升趋势的，只有在“高脆弱性”时段，债券违约率才显著增大金融脆弱性。

5.稳健性检验

实证结果表明，金融脆弱性导致债券违约数量增加，债券违约也使得金融脆弱性上升，但这种影响效果在脆弱性程度比较高的阶段才显著。为了进一步验证这种关系，本文引入门限模型来分析二者的关系。以债券发行金额为门槛，研究金融脆弱性和债券违约之间可能存在的非线性关系，回归结果如表9所示。

由表9可以看出，违约金额和违约数量对金融脆弱性一直是促进的作用，但是在债券发行金额较大的区间，促进效果和显著性都明显增强，说明在债券发行金额较大时，债券违约更能够增加金融脆弱性。这从另一角度证明了债券违约对金融脆弱性的非线性影响。

表9 以债券发行额为门槛的回归结果

以金融脆弱性为门槛进行回归分析，回归结果如表10所示。

表10 以金融脆弱性程度为门槛的回归结果

由表10显示，金融脆弱性程度较低时，债券违约的影响不显著，脆弱性程度较高时，影响显著为正，这个结果和前面的马尔科夫转换模型所得到的结果相一致。为了体现对金融脆弱性影响的非线性效应，

综上所述，说明前文实证结果是稳健的。

五、研究结论与政策建议

（一）研究结论

本文构建金融脆弱性指数指标体系，并通过计量模型来探究与债券违约率的关系。主要采用主成分分析法（PCA）来度量宏观金融脆弱性指数，通过金融脆弱性指数图可以看出我国金融脆弱性呈波动上升趋势。

加入债券违约数目以及债券发行规模，建立计数模型分析金融脆弱性和债券发行规模对债券违约数目的影响。结果表明，金融脆弱性和债券发行规模对公司债违约数目有显著影响，金融脆弱性越高，债券发行规模越大，公司债违约数目越多；反之，金融脆弱性越低，债券发行规模越小，公司债违约数目越少。

在此基础上，构建了包含债券发行规模、债券违约金额和金融脆弱性指数的向量自回归模型（VAR），并进行实证检验。结果显示，三者之间互相影响，债券发行规模的扩大会促进债券违约率的升高，并且会对金融脆弱性产生显著正向影响，债券违约率和金融脆弱性的增大会使债券发行规模缩减，金融脆弱性和债券发行量也会使违约率上升。

为了进一步验证债券违约率对金融脆弱性的影响是否在不同时期保持一致，本文运用马尔可夫区制转换模型进行时间序列分段回归，结果表明：在“低脆弱性”状态下，债券违约率对金融脆弱性的影响不显著；在“高脆弱性”状态下，债券违约率对金融脆弱性影响显著，即债券违约率越高，金融脆弱性越大。

此外，分别以债券发行额和金融脆弱性为门槛，研究了债券违约金额和违约数量对金融脆弱性的非线性影响，验证了实证结果的稳健性，说明在金融脆弱性程度较高、债券发行额较大的情况下，债券违约更易触发金融脆弱性。

总之，我国的金融脆弱性有上升趋势，金融脆弱性和债券违约相互推动，在高脆弱性阶段尤为明显，债券发行规模也会促进违约率提高和金融脆弱性增加。

（二）政策建议

第一，构建早期风险预警体制。监管部门应该设计一套适合我国国情的监督管理指标，建立明确的金融监督管理框架，形成一套行之有效的金融脆弱性监测、评价和报警机制，规范发行人违约事件处理的周期和事件处理的效率，避免发行人违约事件处理久拖不决，保护广大投资者的合法和正当利益。在经济下行压力不断增大的情形下，尤其更有必要。

第二，切实加强债券保证人的职责和义务，重视债券投资者的权利，避免出现权利的不对称性、同券不同权等问题。

第三，建立健全相应的规则和法律机制，强化合同约定和发行人信用观念机制，严格规范和控制发行人的债务偿还义务，坚决避免债务人隐瞒个人信息、恶意逃废债、强行延期、折价兑付、债务周转等违规行为。要强化信息披露义务，树立信用合同精神，从根本上纠正债务违约观念问题。