数字普惠金融对债券信用利差的影响研究

■张雪莹 刘茵伟 于露

一、引言

我国已成为全球第二大债券市场，债券种类也日益丰富。但由于我国债券市场起步较晚，存在诸多不完善之处，例如信息透明度低和政府隐性担保等问题，在一定程度上阻碍了债券市场融资效率的提高。尤其是中小企业债券融资往往面临较高的融资成本。2016年，G20 杭州峰会首次提出数字普惠金融的概念。数字普惠金融即借助互联网技术，立足于机会平等、可持续的原则，为有金融服务需求的社会各阶层和群体提供适当的、有效的金融服务[1]，对于缓解金融市场信息不对称和降低金融市场融资成本等问题具有重要意义。近年来，国家高度重视普惠金融的发展，例如：2013年11月，党的十八届三中全会通过的《中共中央关于全面深化改革若干重大问题的决定》提出发展普惠金融的理念；2015年底，国务院在《推进普惠金融发展规划（2016—2020）》中明确提出大力发展普惠金融以向社会各阶层和群体提供有效金融服务；2021年十三届全国人大四次会议指出要运用金融科技和大数据降低服务成本，增强数字普惠金融支持实体经济的精准性。在过去的普惠金融实践中，银行是实施普惠金融战略的主力军，虽然取得了一定成效，但仍然面临着一系列的现实问题。近年来，以移动互联网、大数据、云计算、人工智能、区块链等为代表的金融科技飞速发展，金融科技与普惠金融高度融合，数字普惠金融取得长足进步。数字普惠金融的发展对于解决传统普惠金融所存在的问题具有重要意义。债券市场作为中国多层次资本市场的重要组成部分，不仅为国家货币政策和财政政策奠定了市场化基础，还为中央政府、企业、金融机构等提供了便利的融资渠道。数字技术对债券市场的业务模式、流程与产品研发有着极其深远的影响，对于提高债券市场效率、降低运行成本、增强债券市场透明度等具有重要意义。在此背景下，考察数字普惠金融对债券市场发展的影响至关重要。

与已有文献相比，本文主要有以下几点创新之处：第一，拓展了债券定价方面的研究。已有文献发现影响债券信用利差的因素主要有政府隐性担保[2，3]、会计信息质量[4，5]、契约条款[6，7]、市场违约事件[8，9]等，本文考察了数字普惠金融发展对债券定价的影响。第二，深化了数字普惠金融的影响研究。已有文献主要阐述了数字普惠金融与经济增长[10]、收入分配[11]、精准扶贫[12]、居民消费[13，14]以及企业创新[15]等的关系，本文则考察了数字普惠金融与债券信用利差的关系。第三，本文进一步考察了数字普惠金融对债券信用利差影响的异质性，这在当下中小企业融资难以及区域发展不均衡的背景下具有较强的现实意义。第四，在债券违约日益常态化的背景下，本文考察了数字普惠金融对债券市场整体违约风险程度的调节效应，提出了具有针对性的债券违约处置建议。

二、文献综述与研究假设

数字普惠金融的重点体现在“数字”和“普惠”两个方面。“数字”主要是指互联网相关技术，互联网技术的应用对于缓解金融市场中的信息不对称问题至关重要；“普惠”主要指立足于机会平等的原则，为需要金融服务的群体特别是中小企业提供适当的金融服务。因此，数字普惠金融会通过缓解信息不对称和其“普惠”特征两个渠道来影响我国的债券市场。

信息不对称对债券融资成本有重要影响。我国债券市场透明度相对较低，存在着较为严重的信息不对称问题。信息不对称会导致“道德风险”和“逆向选择”问题，进而对债券融资成本产生重要影响。其中，“道德风险”是一种“事后”的信息不对称，是指在交易协定签订后，交易双方中具有信息优势的一方，可能会为了自身利益最大化而损害到对方利益的风险。投资者和债券发行人相比，债券发行人往往是有信息优势的一方，其在获取投资者的资金后，为了自身利益最大化，可能会违背资金使用的本意，而从事一些高风险的经营活动。从而导致债券发行人有可能到期无法偿还本息，进而损害投资者的利益。为缓解道德风险问题，投资者往往要求债券发行人给予一定的风险补偿，导致债券融资成本提高。“逆向选择”是一种“事前”的信息不对称，就本文的研究而言，由于较多企业财务信息披露不完全，投资者有时候不能够很好地分辨债券发行企业资质的好坏，因此，投资者会要求一定的风险补偿，从而推高整体债券融资成本，但这可能对好的企业造成“误伤”。信息不对称的存在会严重损害资本市场运作效率，因此，缓解债券市场中的信息不对称问题对于降低债券市场融资成本具有重要意义。较多的学者经研究发现，信息不对称的降低能够显著降低债券融资成本。例如，何志刚等[16]以2002—2014年发行的城投债数据为样本，采用真实利息成本模型，探讨了包含信用评级、承销商认证以及担保机制在内的第三方金融认证对缓解城投债发行市场的信息不对称的效果，发现金融认证机制有助于缓解债券融资的信息不对称，降低债券融资成本。周宏等[17]基于2008—2016年的债券数据研究发现，良好的公司治理能通过降低管理者与投资者之间的信息不对称来减少债券的信用利差。数字普惠金融能借助大数据、云计算、人工智能等技术，对海量企业的商务数据、信用数据等进行充分的挖掘、分析和处理，极大缓解了信息不对称问题[1]。数字普惠金融的发展有利于大幅降低征信成本、风控成本、金融交易成本。为此，本文提出如下研究假设：

H1：数字普惠金融能够显著降低债券信用利差。

数字普惠金融的普惠特征对不同产权、是否上市公司的债券信用利差可能产生不同影响。长期以来，我国市场主体普遍存在政府刚性兑付预期，而且传统金融体制遵循“二八定律”的原则，导致过多的资金流向了大型国有企业，而数量众多的中小民营企业难以获得银行贷款，加之近年来债券市场民企债违约事件层出不穷，民营企业融资约束问题愈加凸显。2018年11月国家发展改革委为解决民营企业融资难的问题，积极研究出台政策措施，助力民营企业通过债券市场开展市场化融资，拓宽民营企业融资渠道。有学者研究发现，数字普惠金融有利于民营企业发展。万佳彧等[18]研究发现，数字普惠金融的发展有利于缓解中小民营企业为代表的长尾市场①的融资约束问题。首先，作为一种外部改善机制，相较于可以轻易获取银行贷款且自身资金充沛的大型国有企业来讲，数字普惠金融的发展对民企债利差具有更好的降低作用。其次，相较于资金来源广泛的上市公司来讲，众多的非上市公司的融资渠道较为狭窄。同时，相比于非上市公司来说，投资者更容易获取上市公司的信息，所以上市公司所发行债券的透明度更高，投资者面临的逆向选择成本更低[19，20]。数字普惠金融对于拓宽非上市公司的融资渠道和缓解非上市公司的信息不对称问题的作用更加显著，进而对非上市公司的债券信用利差作用效果更强。最后，数字普惠金融以中小企业等弱势群体为重点服务对象。这也会通过“信号传递效应”增强投资者对中小企业的认可，有利于引导资金向中小企业转移，进而有利于降低中小企业的融资成本。由此，本文提出如下研究假说：

H2：与国企债和上市公司债相比，数字普惠金融的发展对民企债和非上市公司债信用利差的降低效果更明显。

市场化发展程度以及地域状况会影响数字普惠金融的实施效果。郭峰等[1]运用全局Moran 指数和局部Moran指数检验了数字普惠金融的空间集聚性和空间依赖性。虽然数字金融在理论上可以具有某种超地理特征，但在现实中并不能完全摆脱地理限制。造成这种现象的原因在于：相较于发达的东部地区，中西部地区由于经济实力相对较弱、传统金融机构相对不完善、网络基础建设状况较差以及市场化指数较低等，导致数字普惠金融发展的空间相对有限。由此，本文提出如下研究假说：

H3：市场化程度高的地区受数字普惠金融的影响更显著。相较于中西部地区，东部地区受数字普惠金融的影响更大。

三、数据与模型设定

（一）样本选取与数据来源

本文以2011—2018年在沪深交易所债券市场发生过交易的公司债和企业债为研究对象。按照如下标准对初始样本中的债券数据进行处理：剔除跨市场交易的重复债券；剔除浮动利率债券，只保留固定利率债券；由于债券评级为AA-以下的样本占总样本的比重过小，本文只考察AAA、AA+、AA、AA-四个评级的债券；剔除剩余期限不足两个月的债券；剔除金融行业发行的债券；由于中外合资企业债券、公众企业债券、外商独资企业债券和集体企业债券的样本量较小，本文也将其剔除，只保留中央国有企业债券、地方国有企业债券和民营企业债券；最后，剔除数据缺失较为严重的样本。本文用个券日度数据的月末收盘到期收益率数据与无风险国债到期收益率进行匹配得到月度债券信用利差，且鉴于普惠金融指数只有年度数据，将各变量求平均值转化为年度数据。对样本进行处理后，最终得到1674只债券共4853个年度观测值。

本文所用到的公司财务数据、宏观层面的变量、无风险国债到期收益率数据来自Wind数据库；债券层面的数据，主要是日度数据，来自Resset 数据库；数字普惠金融指数等数据来自北京大学数字普惠金融指数，同时为剔除异常值对回归结果的影响，对最终用于回归的连续变量使用Winsor2 命令进行1%的双边缩尾处理。

（二）模型设定

为检验数字普惠金融指数对债券信用利差的影响，本文设计如下基准计量模型：

其中，被解释变量SPi,t为债券信用利差，本文借鉴大多数学者的做法，计算每只债券的到期收益率yi,t与同期相同剩余期限国债到期收益率yGB i,t之差得到每一时点t各只债券i的信用利差，即：

Digital为数字普惠金融指数。该指数由北京大学数字金融研究中心课题组编制，包括数字普惠金融指数、数字金融覆盖广度、数字金融使用深度以及普惠金融数字化程度，此外使用深度指数中还包含支付、信贷、保险、信用、投资、货币基金等业务分类指数。指数范围涵盖中国31 个省（直辖市、自治区，简称“省”），部分地区数据存在缺失，暂未包括港澳台地区数据。若假设H1成立，即数字普惠金融指数越高，债券信用利差越低，则β1＜0。

Controls 为控制变量，具体包括：公司层面的变量，如是否为上市公司、发债公司所在地、总资产报酬率、资产负债率等；债券层面的变量，包括债项评级、债券期限、发行规模等；同时考虑到债券违约对信用利差产生了重要影响，违约变量在债券定价中不可忽视，为此，本文基于Wind 数据库对市场整体债券违约数目进行了统计和整理，以此表征市场整体违约程度。τi表示时间固定效应，μi表示行业固定效应，εi,t为误差项。具体变量定义如表1所示。

表1 变量定义

根据表2的描述性统计结果可知，信用利差的平均值为2.246，数字普惠金融指数的平均值（取对数）为0.918。产权和信用评级的平均值分别为0.658 和2.835，说明本文的样本中的国企债样本和AA 评级以上的样本占比较大。其余变量均在合理范围内，此处不再赘述。

表2 描述性统计

四、回归结果与分析

（一）基准回归结果

基准回归结果如表3所示。表3（1）列只使用了核心解释变量即数字普惠金融指数；（2）列和（3）列在（1）列基础上，分别加入了公司层面和债券层面的控制变量；（4）列将各变量共同加入回归模型。实证结果显示：数字普惠金融指数在1%的水平上显著为负，说明数字普惠金融的发展能够显著降低债券信用利差，证实了假说H1成立。同时，由表3（4）列的回归结果得知，Default 的回归系数显著为正，说明债券违约会抬升债券信用利差；Listed 与State 的回归系数显著为负，说明上市公司与国有企业属性能够显著降低债券信用利差。

表3 基准回归结果

（二）异质性检验

数字普惠金融发展对不同产权、是否上市公司债券信用利差的影响可能存在差异。本文进一步将回归样本划分为国企债样本组与民企债样本组以及上市公司债样本组和非上市公司债样本组。分别考察两对样本组中数字普惠金融发展指数变量回归系数的显著性水平与回归系数差异水平，以此来分析数字普惠金融发展的异质性影响，回归结果如表4所示。由表4可知，各样本组中数字普惠金融变量均在1%的水平上显著为负，说明数字普惠金融能够在整体上降低债券的信用利差，体现了数字普惠金融普惠的特征。不同分组样本中，数字普惠金融的回归系数大小存在显著差异，与国企债、上市公司债相比，数字普惠金融的发展对民企债和非上市公司债的利差降低效果更强，显著缓解了民营企业和非上市公司的融资约束问题。支持了假说H2。

表4 企业异质性检验

数字普惠金融受到市场发展水平、经济发展水平和地理位置的影响。根据市场化指数的均值，本文将市场化指数大于均值的地区称为高市场化指数地区，反之则是低市场化指数地区。同时，本文进一步按照地理位置和经济发展状况把中国划分为东部地区和中西部地区，以此来考察数字普惠金融指数对债券信用利差的异质性影响，回归结果如表5所示。由表5可知，不同样本组之间的回归系数存在显著差异：在市场化指数高的地区，数字普惠金融对债券信用利差有显著影响；而在市场化程度低的地区，数字普惠金融指数变量不显著。从区域差异视角来看，数字普惠金融对东部地区债券信用利差的影响效果更大，对中部地区的影响次之，对西部地区的影响最小。这与本文的研究假说H3一致。

表5 市场环境、区域差异检验

（三）稳健性检验

本文通过替换数字普惠金融发展指数代理变量、检验遗漏变量问题以及内生性检验对回归结果进行了稳健性分析。

首先，替换数字普惠金融指数变量。本文使用北京大学数字金融研究中心提供的数字普惠金融深度指数、数字普惠金融广度指数以及普惠金融数字化程度对数字普惠金融指数进行替换。

其次，关于遗漏变量对回归结果的影响问题。近年来，债券违约事件愈演愈烈。大规模债券违约事件的发生，会使得流动性对债券信用利差影响显著增强[21，22]。本文基于Resset 数据库中的日度数据计算个券流动性水平，记债券流动性变量为Amihud。

最后，个券信用利差的变动一般不会影响数字普惠金融政策，即数字普惠金融政策可能是外生的。为了避免债券信用利差与数字普惠金融之间出现双向因果关系，克服模型的内生性问题，本文借鉴谢绚丽等[23]使用的各省互联网普及率数据表作为工具变量进行两阶段最小二乘回归（TSLS），互联网普及率数据是根据中国互联网络信息中心（CNNIC）发布的统计报告及公开数据整理而成的。

稳健性检验结果如表6所示。在各种检验形式下，核心解释变量的系数符号与显著性水平未发生明显改变，说明本文的回归结论是稳健的。在遗漏变量检验中，流动性对债券信用利差的影响显著为正，说明流动性对债券定价产生了重要影响，与王永钦等[24]的研究结果一致。

表6 被解释变量替换与遗漏变量的稳健性分析

五、扩展性分析

（一）数字普惠金融深度指标进一步分析

随着金融服务的不断创新发展，金融服务已呈现多元化和多层次发展的特征，数字普惠金融指数也发生了显著的变化。北京大学数字金融研究中心课题组[25]认为数字金融使用深度的增长成为数字普惠金融指数增长的重要驱动力。我国数字普惠金融已进入深度拓展的新阶段，因此深入研究数字金融深度指标对债券信用利差的影响至关重要。数字金融深度指标包括支付（Payment）、保险（Insurance）、货币基金（Fund）、投资（Invest）、信贷（Credit）等业务分类指数。各分类指数对债券信用利差影响的回归结果如表7所示。研究发现，数字金融使用深度指数的各子类发展均显著降低了债券的信用利差，这进一步证实了数字普惠金融发展对债券信用利差影响的稳健性。

表7 数字金融使用深度子类对债券信用利差的影响

（二）数字普惠金融对债券违约风险的调节效应

自2014年“11超日债”违约以来，违约对债券市场发展产生了深远持久的影响，尤其是2018年以后，金融监管趋严，债券违约规模呈爆发式增长。2020年11月，辽宁省国资委旗下重点国有企业华晨汽车集团控股有限公司发行的“17 华汽05 债”以及拥有AAA 评级的河南省国企永城煤电控股集团有限公司旗下债券“20永煤SCP003”发生的“超预期违约”事件，在一定程度上冲击了债券市场稳定。我国债券违约处置机制虽在持续完善但仍有不足，如何加强债券市场风险防范能力是一个亟待解决的问题。借鉴王叙果等[9]的做法，本文进一步用债券违约金额（每月新增债券违约金额和违约利息之和）来度量债券市场整体违约程度。本文将债券违约规模超过其均值的时期定义为高违约程度时期，反之则为低违约程度时期。

回归结果如表8所示。结果表明，在两种债券违约度量方式下，相较于债券违约程度较低的时期，数字普惠金融在债券违约程度较高的时期对债券信用利差的影响更大，说明数字普惠金融的发展有助于缓和债券市场违约对债券信用利差的影响，这使得发展数字普惠金融在当今债券违约日益常态化的背景下具有重要的现实意义。

表8 不同债券违约程度时期数字普惠金融对债券信用利差的影响

六、研究结论与政策建议

基于沪深交易所债券数据，本文考察了数字普惠金融对债券信用利差的影响，发现数字普惠金融显著降低了债券信用利差，尤其是显著降低了民企债和非上市公司债的信用利差，有效缓解了长尾市场的融资约束问题。进一步研究发现数字普惠金融指数发展对债券信用利差的影响受到市场化程度的制约，由于东部地区相较于中西部地区拥有更好的经济发展水平、更丰富的传统金融机构以及更发达的网络体系，数字普惠金融对东部地区债券信用利差的降低作用更加明显。同时，在债券违约频发的背景下，数字普惠金融显著降低了市场整体违约状况对债券信用利差的影响，有利于债券市场平稳运行。基于此，本文提出以下政策建议：

第一，由于数字普惠金融能够显著降低债券信用利差，缓解长尾市场融资约束问题，降低债券违约影响，国家应进一步加强对数字普惠金融的政策支持，提高数字金融的覆盖广度、使用深度和数字化程度，以实现包容性发展，提高金融服务实体经济的效率，维护金融市场稳定性。第二，考虑到互联网使用状况对数字普惠金融有显著的促进作用，应继续加强互联网基础设施建设，尤其是加强中西部地区的互联网建设，同时进一步深入实施西部大开发战略，加强中西部地区的金融市场基础设施建设，从而充分发挥数字普惠金融在中西部地区的发展潜力，缩小区域经济发展差异。第三，作为金融创新的产物，数字普惠金融发展突飞猛进，而金融监管在部分领域还存在缺失，因此，国家在鼓励数字普惠金融发展的同时，要增强监管创新的能力，制定并完善相关政策法规，防范金融风险。■

注 释

①最早是用来比喻亚马逊之类的网站商业模式，指需求较小但商品数量众多的尾部所占份额与需求较大但商品数量较少的头部所占份额大体相当。但是在后来人们也把难以获得传统金融服务的市场主体称为金融需求的“长尾”，如中小企业、民营企业等。