信用风险传染、投资者情绪与债券发行定价

苏 洁 王 勇

一、引言

党的十九大以来，防范化解重大金融风险成为中央经济工作会议关注的重点，防控债券违约风险又是重中之重。自2014年“11超日债”违约之后，债市违约事件频发，尤其是2020年6月恒大集团商票出现兑付逾期，地产债的违约主体从中小房企发展至龙头企业，之后地产债出现违约潮，泰禾集团、天津房地产集团、四川蓝光发展、华夏幸福以及阳光城集团等房地产企业先后发生债券实质性违约。Wind数据显示，2020年累计违约地产债12支，违约金额达214.5亿元，2021年累计违约地产债37支，同比增长208%，违约金额高达531.9亿元，同比增长148%，2022年上半年累计违约地产债28支，违约金额已达221.6亿元。同时房地产企业发债融资明显减少，2017—2019年债券发行支数的年均增长率为17%，发行规模的年均增长率为10%，2020—2022年6月发行支数的年均增长率为-19%，发行规模的年均增长率为-12%。地产债连续违约导致行业内相关债券发行受阻，并进一步引发债券市场信用危机，打击了投资者信心。随着房地产行业债务危机的进一步演化，多家企业的项目暴露出停工烂尾风险，导致江西、武汉、郑州等地相继出现业主集体断供事件。为了避免停工规模的螺旋式增长，各地政府出台一系列救助方案，促使企业复工复产“保交楼”。房地产债务风险继续向其他行业蔓延，不仅加剧银行不良贷款率的提升，引发地产中介等相关行业失业人数剧增，供应商等关联企业也因为商票逾期等问题陷入债务困局。因此，基于行业维度研究债券违约的信用风险传染效应，不仅是保护债权人利益的需要，更是防范化解重大金融风险所必须重视的命题。

连续爆发的违约事件引发了市场的负面情绪，产生了巨大的经济运行成本。一方面，债务违约释放了信用风险信号，损害企业价值，造成投资者损失(Beneish和Press，1995[1]；Glover，2016[2])；另一方面，债务违约具有较强的传染效应(Acharya等，2007[3]；Jorion和Zhang，2009[4]；Boone和Ivanov，2012[5])，尤其会在行业内传染(Leitner，2005[6])，这将消耗同一行业内的信用资本，给整个行业的企业债务融资带来不利影响。理论上，行业内爆发的债券违约事件为市场提供了新信息，提高了投资者感知的信用风险水平(Bernet和Getzen，2008[7])，这将促使投资者对同行业企业发行的债券索取更高的风险溢价，进而提高企业的债务融资成本，构成信用风险传染的定价效应。目前在我国债券市场，已有相关研究相对匮乏，尤其缺乏针对债券违约传染的作用机制以及深入公司所有权性质、财务特征以及区域差异等角度的系统研究。

基于此，本文以2014年1月至2022年6月公开发行的公司债、企业债、中期票据以及短期融资券为研究对象，实证检验我国债券违约的信用风险传染效应。研究结果表明，与理论预期相一致，债券违约事件的爆发，会显著提高同行业公司债券的风险溢价，债券违约的规模越大，债券的发行定价水平也越高，而机构投资者情绪是债券违约风险传染效应的作用中介。同时发现债券违约还会显著降低债券的发行成功率，且对低评级企业的降低作用更明显。在尽可能控制发行人和债券的特征变量后，本文研究还发现信用风险传染的定价效应在不同所有制企业之间存在异质性，在民营企业中风险传染效应最强烈，其次是地方国有企业，最后是中央国有企业。进一步的研究发现，公司特征也会对债券的风险溢价产生重要影响，具体而言，公司的盈利能力较弱、没有上市、公司规模较小以及信用评级低，同行业债券违约越能显著提高公司债券的发行定价。另外，在房地产业高杠杆发展的时代背景下，相比制造业、批发和零售业，房地产行业中的风险传染效应更强烈。最后，随着地方政府融资平台相关监管政策逐渐趋严，研究发现相对于一般产业债，城投债的发行定价更容易受到信用风险的负面冲击，表现为债券信用利差更高。

本文可能的边际贡献在于：第一，立足于我国防范化解重大金融风险的政策背景，以及债券违约常态化尤其是地产债出现违约潮后引发银行、供应商等关联企业发生连锁债务危机的现状，本文首次对比研究了制造业、批发零售业和房地产行业中违约事件对债券发行定价的影响，针对不同行业特别是涉及房地产行业的探讨，不仅为研究信用风险传染的定价效应提供了新的视角，而且有助于增强本文研究的现实意义。第二，丰富了债券发行定价影响机制的相关研究。与以往研究相比，本文不仅关注同行业违约的传染效应，而且基于债市违约事件频发对投资者信心的冲击，创新性地挖掘了机构投资者情绪这一作用中介，补充了违约风险对债券发行定价微观机制的研究。相关结论对于监管部门重视市场沟通，及时回应市场关切，建立健全多元化的债券违约处置机制具有启发意义。第三，完善了信用风险传染效果的研究。首先针对债券违约规模进行门槛效应检验，研究发现同行业发生债券违约与债券的发行定价水平之间存在非线性特征；其次从企业的产权性质和财务特征等角度探讨了违约对债券发行定价的异质性影响；最后基于债券特征，考察违约的信用风险在城投债和产业债之间不同的传染效果。这为防范化解重大金融风险提供了更为细致和有针对性的实证依据。

二、文献综述与研究假设

(一)文献综述

现有文献对债券发行定价的影响因素展开了多维度研究。从发行人外部来看，Bernanke和Gertler(1995)[8]研究发现货币政策通过影响企业的资产负债表对债券的信用利差产生影响。Daniels和Vijayakumar(2007)[9]发现规模更大、声誉更高的承销商发行的债券利差更低，意味着承销商声誉有助于减少债券投资者和发行人之间的信息不对称。王雄元等(2015)[10]通过对短期融资券的研究发现宏观经济波动性能显著影响债券的风险溢价。王博森等(2016)[11]和钟宁桦等(2021)[12]研究表明政府的隐性担保预期会影响投资者对债券风险的判断，从而影响企业的债务融资成本，同时隐性担保预期在不同评级、不同地区以及不同债券种类中存在明显差异。林晚发等(2019)[13]研究也表明承销商评级通过降低发债的信息不对称和为发行人进行担保两种机制降低了债券信用利差。黄振和郭晔(2021)[14]研究显示纳入央行担保品管理框架的债券信用利差明显低于未纳入框架的债券，且在不同所有制企业中央行担保品管理框架降低债券信用利差的作用存在明显的异质性。徐思等(2022)[15]采用双重差分法发现我国“一带一路”倡议能显著降低公司债信用利差。从发行人基本面来看，何平和金梦(2010)[16]通过真实利息成本回归模型研究发现发行人主体评级与债券的发行定价负相关。Almazan和Suarez(2003)[17]、Lu等(2010)[18]、周宏等(2018)[19]研究表明良好的公司治理可以降低债券的信用利差。沈红波等(2018)[20]从银行授信的视角研究发现，通过为企业提供增量信息，银行授信额度的提升能显著降低债券的信用利差。佟岩等(2022)[21]研究表明企业集团的债券集中管理通过资源整合发挥共同保险效应，从而显著降低债券信用利差。从债券契约条款角度来看，Hsueh和Kidwell(1988)[22]研究得克萨斯州债券担保计划对州内债券借贷成本的影响，发现担保能够降低A级和Baa级债券的融资成本。陈超和李镕伊(2014)[23]研究发现发行人通过设计债券契约条款可以提高投资者保护强度，从而降低债券发行定价。陈关亭等(2021)[24]研究表明多重信用评级可以向市场传递更多的信息，从而显著降低债券信用利差。杨国超和蒋安璇(2022)[25]研究发现，交叉违约制度并未起到保护投资者利益的作用反而显著提高了债券信用利差，加剧了系统性金融风险。林晚发等(2022)[26]研究表明担保等条款释放了企业事前资质较差的信号，会提高债券的风险溢价。

随着债券违约的常态化，国内学术界开始关注债券违约的经济影响。黄小琳等(2017)[27]发现市场出现违约事件后，相比非涉事评级机构，涉事评级机构的市场份额会下降，评级意见的作用也会降低。王叙果等(2019)[28]研究发现，国企债券违约后不仅会显著提高自身的融资成本，而且还会降低省内其他国企的信用评级。张春强等(2019)[29]发现债券违约存在行业内的传染效应，违约能提高同行业债券的风险溢价，同时违约事件特征、公司特征以及产业结构都会影响债券违约对公司发债定价的作用效果。宁博等(2020)[30]发现，债券违约事件的发生将提高同城市非违约民营企业的融资约束，从而使其进行更多向上的真实盈余管理活动，但对同行业非违约企业的影响并不明显。王立夫和王一鸣(2021)[31]发现，违约频发时期，民营企业较低等级债券融资成本上升，而民企高等级债券和国企较高等级债券融资成本反而下降。

从以往的研究中可以看出，目前关于债券发行定价的研究主要从宏观政策、发行人基本面和债券契约条款等维度展开，为分析债券定价的影响机理提供了理论启发和文献依据；而既有对于债券违约经济影响的探究相对匮乏，且关于信用风险传染效应的研究尚未取得一致性结论，为此，本文基于行业维度考察债券违约对一级市场发债定价的影响。

(二)理论分析与研究假设

在公司正常经营的情况下，债券投资者无法完全获得公司内部的财务经营信息，导致债券发行人与投资者之间存在严重的信息不对称问题。债券违约作为影响较为恶劣的负面事件向债券市场释放了信用风险的信号，这将破坏投资者对同一行业非违约公司的信心，对同行业公司的债券融资成本造成不利影响。具体地，本文从投资者和发行人两个角度论述债券违约形成的信用风险在同行业的传染效应。

对债券发行人而言，同行业公司面临相同的宏观和行业冲击，这将导致行业内公司的业绩回报和风险变化呈现出同步性，为违约风险的传染提供了客观基础。在生产决策方面，公司的经营范围、产品定量定价、设备购置更新等都会受到同行业影响，因此行业内公司的经营风险会趋于同步。在财务政策方面，公司管理层将同行业公司的融资决策作为重要参考信息(Leary和Roberts，2014[32])，这种行为学习模式使得行业内公司在调整资本结构时会出现“同群效应”(陆蓉等，2017[33])，进而促使同行业公司财务风险的变化也逐渐一致。

对债券投资者而言，债券“刚性兑付”打破后，投资者对债券市场的信任逐渐下降，债券的频繁违约不仅使投资者不信任个别公司，甚至还因信任缺失而波及到同行业非违约公司。投资者情绪是投资者对证券未来现金流和违约风险的预期估值(Baker和Wurgler，2006[34])，投资者情绪波动会影响债券的发行定价(李永等，2018[35]；杨璐和方静，2021[36])。债券违约释放的信用风险加剧了投资者的恐慌情绪，这将提高投资者对信用风险的预期，进而促使投资者对同行业公司发行的债券索取更高的风险溢价。

综上所述，同行业公司的风险呈现同步变化是客观存在的，违约事件爆发后，信用风险会经行业途径进行传染，降低债券对投资者的吸引力并提高投资者感知的风险水平，由此导致投资者对同行业公司债券索取更高的风险投资回报要求，最终表现为发行人的债券信用利差显著提高、债券发行成功的概率显著降低。基于此，本文提出假设H1和H2：

H1：公司发债前，行业爆发违约事件，会显著提高债券的风险溢价。

H2：公司发债前，行业爆发违约事件，会显著降低债券发行成功率。

债券违约作为影响投资者情绪的负面事件，会对债券风险溢价产生影响。随着债券违约规模的变化，投资者情绪也逐渐调整。债券违约规模在一定阈值内对市场的冲击较小，特别是在债券违约常态化背景下，有限范围的小规模违约对投资者情绪的影响相对较小，也不会明显阻碍债券市场的长期健康发展。在违约规模超过一定阈值以后，大规模的债券违约会提高市场的关注度，一般而言，大额债券的发行人资产规模也更大，在行业内具有更重要的影响力，此时的债券违约事件更容易造成信用风险的传染，从而导致投资者情绪的波动，并最终提高债券的发行定价。综上所述，违约事件对债券风险溢价的影响会因违约规模的增加而呈现出变化，表现为门槛效应，只有当违约规模超越了一定的门槛水平，才可能显著提升债券的风险溢价。基于此，本文提出假设H3：

H3：违约事件对债券发行定价的影响具有非线性特征，在债券违约规模超过阈值之后，违约事件会显著提高债券的风险溢价。

三、研究设计

(一)样本选择

2014年中国债券市场首次出现实质性违约事件，基于此，本文的研究对象为2014—2022年6月发行的全部公司债、企业债、中期票据和短期融资券。首先剔除变量缺失和金融行业的数据，同时为避免异常值干扰结果，对财务变量进行上下1%的缩尾处理。本文使用的债券和发行人数据均来自Wind数据库，投资者信心指数、新股发行个数以及封闭式基金折价率等指标来自CSMAR数据库。

(二)模型设计与变量

为检验债券违约对一级市场发债定价的影响，本文参考Campbell和Taksler(2003)[37]、张春强等(2019)[29]、黄振和郭晔(2021)[14]的做法，构建模型(1)、(2)进行实证检验。

Spread=β0+β1Def+β2Controls

+β3∑Year+β4∑Province+ε

(1)

Success=P(δ0+δ1Def+δ2Controls

+δ3∑Year+δ4∑Province)+ε

(2)

式中，Spread为债券的信用利差。沿袭已有多数文献的处理方法(Campbell和Taksler，2003[37]；钟辉勇等，2016[38]；杨国超和蒋安璇，2022[25])，本文将信用利差定义为债券票面利率与发行当日同期限国债收益率的差值，如果债券期限无法与国债期限相匹配，则采用线性插值法估算相应期限的国债收益率。Success表示债券是否发行成功，取1时表示成功，取0时表示失败。Def为债券发行前同行业是否发生债券违约事件的虚拟变量。为尽最大可能保证传染效应的实证结果可信，本文的同行业是指同属于Wind行业的第四级行业。Wind资讯发布的最新行业分类标准显示，在全面借鉴了权威的国际标准GICS(Global Industries Classification Standard)的基础上，在我国构建了四级行业分类体系，其中包括11个一级行业，24个二级行业，69个三级行业以及161个四级行业。同时，借鉴张春强等(2019)[29]和王叙果等(2019)[28]的做法，若债券起息日之前的360天内发生同行业违约事件，则Def取值为1，否则为0。β1和δ1是本文重点关注的系数，β1表示同行业违约对债券发行风险溢价的平均影响，δ1表示违约对债券发行成功率的影响。

Controls为控制变量，参考DeBoskey和Gillett(2013)[39]、王永钦和徐鸿恂(2019)[40]、钟宁桦等(2021)[12]以及吕怀立等(2021)[41]的研究，本文的控制变量具体包括债券规模、期限、是否有担保等债券信息，发行人滞后一期的企业规模、总资产报酬率、资产负债率、已获利息倍数、Z值破产风险系数、第一大股东持股比例、信用评级、是否上市、是否国有企业等发行人信息。同时还控制了年份Year和省份Province固定效应。本文主要变量的定义如表1所示。

表1 变量定义

四、实证结果与分析

(一)主要变量的描述性统计

表2是变量的描述性统计结果。数据显示，债券信用利差的均值为1.804%，标准差为1.3，说明债券的风险溢价显著存在且个体之间差异较大。债券成功发行概率的平均值为0.941。同行业违约在总样本中占比为52.9%，表明自2014年“11超日债”违约以来，债券违约逐渐进入常态化阶段，针对债券违约的研究已不容忽视。此外，债券发行期限的均值为2.552年，发行人第一大股东持股比例的均值为80.3%，总资产报酬率的均值为3.449%，资产负债率的均值为62.63%，已获利息倍数的均值为8.759；主体评级的均值为4.131，说明整体上发行人信用评级落在AA+附近，债券特征和发行人基本面变量均存在较明显的差异，这为后续研究的开展提供了基础，同时变量的描述性统计结果也与已有研究较为相似(钟辉勇等，2016[38]；张春强等，2019[29]；黄振和郭晔，2021[14]；佟岩等，2022[21])。

表2 主要变量的描述性统计

为进一步观察债券违约事件发展的动态趋势，本文从违约数量、规模以及发行人企业性质等视角对违约事件进行梳理。总体来看，2014—2022年6月，债券市场共有665只债券发生实质性违约，随违约事件的发展，违约主体也逐渐向高信用等级、股东背景强的发行人转移。从违约数量和规模来看，2014年至2017年，债券违约情况相对较少，违约债券从2014年的6只上升到2017年的27只，违约金额从13.4亿元到220亿元，违约数量和金额呈现波动上升趋势；2018年后信用风险暴露，违约呈现大幅增长态势，违约债券突破100只，违约金额超过1 000亿元。从发行人企业性质来看，2014年6只民营企业债券发生违约打破了刚性兑付；2015年开始出现中央和地方国有企业的债券违约事件，但违约数量仍小于民营企业；2020年以来信用风险向国有企业迁移，2020年国企违约债券达到52只，民营企业违约债券为56只。

(二)基准回归

基于前文的研究设计，本部分检验债券发行前同行业违约对其发债定价的影响。表3分别列示了加入不同控制变量的回归结果，在这4列结果中，虚拟变量Def的回归系数均在1%的水平上显著为正。以列(4)为例，同行业债券违约提高了债券的信用利差0.153，由此可知在一级市场违约的信用风险经行业传染，确实提高了债券的发行定价。从经济意义上来看，同行业发生违约事件的公司其债券信用利差平均提高了15.3个基点，约等于债券信用利差平均值的8.48%，说明债券违约的信用风险传染效应具有显著的经济意义，本文的假设H1得到验证。

表3 同行业违约对债券信用利差的影响

同时，债券和发行人特征变量也会影响债券发行定价。表3结果显示，Rating与信用利差负相关，这是因为评级越高，发行人违约风险越低，从而债券的风险溢价也越低。SOE和List的回归系数显著为负，意味着发行人是国有控股或者上市，发行债券的信用利差都会更低。Guarantee的回归系数显著为正，意味着发行债券时采取担保措施反而会提高债券的信用利差，原因在于投资者认为担保是发行人资质较差的信号，从而要求更高的风险溢价(林晚发等，2022[26])。Lev的系数显著为正，意味着发行人偿债压力越大、破产风险越高，信用利差也越大。

接下来考察违约事件对同行业债券成功发行率的影响。在本文的样本区间，从Wind数据库获取未成功发行的企业债、公司债、短期融资券和中期票据，剔除财务数据缺失的样本，共得到3 162只信用债，债券发行失败的概率为5.94%，有可能为稀有事件。在这种情况下使用传统Logit二值模型进行估计时，即使样本量达到数千，依旧会产生稀有事件偏差，而补对数-对数模型可以修正这种偏差(陈强，2014[42])。出于稳健性考虑，本文同时使用Logit模型和补对数-对数模型估计同行业违约对债券发行成功率的影响，结果如表4所示。列(1)为Logit回归结果，Def的系数为-0.100并在5%的水平上显著，说明违约事件降低了同行业债券的发行成功率。列(2)为互补双对数模型回归结果，Def的系数为-0.028并在5%的水平上显著，关键变量Def的系数与列(1)相比，符号和显著性并未发生变化，说明稀有事件偏差并不影响本文结论的稳健性，债券违约事件发生后，同行业债券发行成功率显著下降，支持了假设H2。列(3)和列(4)使用补对数-对数模型分别检验违约对AAA评级企业和低于AAA评级企业发行债券成功率的异质性影响。列(3)中Def的系数为0.008但并不显著，列(4)中Def的系数为-0.053且在1%的水平上显著，说明违约事件对低评级企业的冲击更大，债券发行成功率显著下降，进一步验证了假设H2。

表4 同行业违约对债券发行成功率的影响

在本文的债券违约样本中，违约规模的差异较大，金额较小的债券违约事件对市场的冲击不大，投资者感知的风险水平也较低，只有当违约规模跨越一定的阈值之后，债券违约才容易引起资本市场的广泛关注。因此，本文认为在债券违约金额的不同区间，同行业违约释放的信用风险对债券发行定价的影响存在差异，为克服人为设置违约金额阈值导致的主观偏差，采用门槛回归模型对这一假设进行实证分析。首先，经过观察描述性统计结果发现，最大违约规模超过95%分位数后的样本均值是整体均值的五倍，同时波动性也远大于整体波动性，因此，为避免异常值干扰结果，剔除超过95%分位数的异常样本值。接下来进行门槛存在性的检验，经过Bootstrap自助法反复抽样300次，研究发现行业内最大违约金额门槛变量在1%的显著性水平上通过了单一门槛检验，门槛值为2.2，F统计量为325.011，自抽样P值为0，但并未通过多重门槛检验。同时本文剔除了超过90%分位数的异常样本值进行稳健性检验，研究发现，行业内违约金额门槛变量依旧在1%的显著性水平上通过了单一门槛检验，门槛值为2.2，F统计量为301.278，P值为0，同时在10%的显著性水平上通过了双重门槛检验，门槛值为2.2和18，显著性水平较弱，F统计量为3.008，自抽样P值为0.07，且门槛值18的95%置信区间为[4.943，19.245]，置信区间过大导致结果不可信，因此本文认为行业内最大违约金额门槛变量的多重门槛模型并不适合检验本文的假设。综上可知，在1%的置信水平上单一门槛更适合本文的分析，门槛值为2.2。基于此进行信用风险传染效应的门槛模型检验，回归结果如表5所示。表5列(1)结果显示，是否发生违约Def对债券信用利差的影响系数在门槛值2.2前后由-0.178 上升为0.193，且回归系数均在1%的水平上显著，说明违约与债券发行定价之间存在明显的非线性特征；表5列(2)稳健性检验的结果显示，是否发生违约Def对债券信用利差的影响系数在门槛值2.2前后由-0.168上升为0.190，且回归系数均在1%的水平上显著，说明违约与债券发行定价具有非线性特征的结论稳健。综上所述，债券违约金额对信用风险传染的影响存在门槛效应，Def的系数随着行业内违约金额的增大而逐渐增大，在债券违约规模超过阈值之后，同行业发生的大规模债券违约事件会严重冲击投资者的恐慌情绪，表现为债券的发行定价水平更高，假设H3得到验证。

表5 信用风险传染效应的门槛回归

(三)信用风险传染定价效应的作用机制检验

以上实证研究发现债券违约的信用风险会经行业进行传染，并最终提高同行业债券的发行定价水平。那么，信用风险通过什么样的机制作用改变债券信用利差？投资者情绪是否发挥了中介作用？基于此，本文在模型(1)基准回归的基础上构建如下中介模型进行机制检验：

Sent=γ0+γ1Def+γ2Controls

+γ3∑Year+γ4∑Province+ε

(3)

在模型(3)中，投资者情绪Sent为中介变量，即信用风险传染影响债券发行定价的机制变量。参考江艇(2022)[43]的做法，为克服中介效应逐步检验法的内生局限性，本文只考察自变量债券违约对中介变量机构投资者情绪的影响。

目前在我国债券市场上，债券发行时采取簿记建档的方式确定票面利率，这使得机构投资者会参考对债券相关风险的预期和估值来决定认购数量和价格，从而形成最终的债券发行利率。企业的负面信息会向市场释放信用风险的信号，从而引发投资者的消极情绪。受恐慌紧张等消极情绪的影响，投资者的风险偏好趋于保守，风险厌恶水平也相应提高，最终表现为债券风险溢价的显著提高。因此，机构投资者的情绪会对债券信用利差产生影响。基于易志高和茅宁(2009)[44]、李永等(2018)[35]的研究，本文选取债券发行只数、新股发行个数、封闭式基金平均折价率以及投资者信心指数并采用主成分分析法构造债券市场机构投资者情绪Sent，该变量数值越大，表明投资者情绪越高涨。为了避免指标单位差异对结果的干扰，在进行主成分分析之前首先对变量进行标准化处理，然后根据累计方差解释率达到85%的标准选取3个主成分，最后按照特征值的加权平均计算情绪指标Sent。同时参考Baker和Wurgler(2006)[34]的做法，采用第一主成分构造投资者情绪Sent1进行稳健性检验。基于投资者情绪的机制检验结果如表6所示，其中列(1)、列(2)的结果显示，是否发生同行业债券违约Def的系数γ1均在1%的水平上显著为负，意味着债券违约事件的频发，显著降低了市场的投资者情绪，说明债券违约释放的信用风险通过降低投资者情绪提高了债券的发行定价水平。

表6 信用风险传染效应的传导机制检验

(四)稳健性检验

1.内生性检验。

在实证检验中，为了避免潜在的反向因果关系，本文对于债券发行人的总资产报酬率、资产负债率、已获利息倍数、总资产等财务指标均进行了滞后一期的处理。进一步地，考虑到可能存在某些遗漏的宏观经济变量会同时影响债券违约和债券信用利差，导致债券违约存在潜在的内生性问题。为了检验债券违约对同行业债券发行定价的正向影响是否由宏观经济因素导致，本文参考杨国超和盘宇章(2019)[45]、黄振和郭晔(2021)[14]的研究，在模型(1)的基础上加入货币供应量的同比增长率、各省份人均GDP以及GDP的增长率等宏观经济变量，回归结果如表7所示。表7列(1)控制了人均GDP，列(2)控制了GDP增长率，列(3)控制了货币供应量的增长率，列(4)同时控制了这三个变量，虚拟变量Def的回归系数均在1%的水平上显著为正。结果表明，在控制了可能遗漏的宏观经济变量后，同行业是否发生违约事件依旧能显著提高债券的信用利差，本文的研究结论仍然得到验证。

表7 增加宏观经济变量的内生性检验

2.安慰剂检验。

本文的主回归表明，债券违约会显著提高同行业债券的信用利差，如果这一结论在随机指定债券违约的情境下依然存在，那么本文的研究结论将失去统计意义，说明债券违约只是安慰剂，对债券信用利差并没有实质性影响。为此参考许年行和李哲(2016)[46]、窦超等(2022)[47]的做法进行安慰剂检验。首先，为每只债券随机分配同行业是否发生违约事件，然后使用随机分配的违约与债券信用利差进行回归，最后将上述过程重复10 000次。回归结果如表8所示，是否发生同行业债券违约的回归系数β1显著为正和显著为负的占比差异较小，同时主回归t值为18.42，在安慰剂试验中属于小概率事件，意味着随机分配的虚拟处理效应并不存在，表明确实是债券违约显著提高了同行业债券的发行定价，证明了本文结论的稳健性。

表8 安慰剂检验

3.替换核心变量。

首先，本文对解释变量的度量方式进行替换，基准回归中，本文使用同行业是否发生违约事件度量债券市场的信用风险，考虑到债券违约发生的次数和规模也会影响投资者对信用风险的预期和估值，本文进一步设置虚拟变量Defnumber债券发行前同行业是否多次爆发违约事件、Maxdefault行业内债券最大违约规模以及Meandefault行业内债券平均违约规模这三个指标来度量解释变量。在表9列(1)，Defnumber的回归系数为0.154，在1%的水平上显著，意味着债券违约事件的频发会提高债券的发行定价，表9列(2)Maxdefault的回归系数为0.014，且在1%的水平上显著，表9列(3)Meandefault的回归系数也在1%的水平上显著为正，意味着债券违约规模越大，同行业债券的发行定价水平也越高，解释变量的替换并没有改变本文的假设。其次替换被解释变量，借鉴王雄元和张春强(2013)[48]的方法，本文使用债券的融资成本代替信用利差来度量债券的发行定价水平。表9列(4)的回归结果显示，Def的回归系数为0.152，且在1%的水平上显著，说明债券的发行定价与同行业是否发生债券违约事件存在显著的正相关关系，本文的假设仍然得到验证。

表9 替换核心变量的稳健性检验

4.重新设定违约传染的观测窗口。

鉴于样本区间的选择可能会影响实证结果的稳健性，本文参考黄振和郭晔(2021)[14]的思想，调整了观测信用风险传染效应的时间窗口，分别在原观测窗口的基础上将其缩短50%和扩展50%，表10列(1)和列(2)分别是时间窗口为180天和540天的回归结果，结果显示，改变时间窗口后Def同行业是否发生违约事件与Spread债券信用利差的关系依旧显著为正，意味着重新设定观测窗口并没有改变本文的结果。

表10 调整违约观测窗口的稳健性检验

5.发行人地域差异的稳健性检验。

本文考察信用风险的传染效应时已经尽可能控制了债券与发行人层面的控制变量，但是由于我国幅员辽阔，不同地域在制度环境、资源禀赋以及经济发展等方面存在显著差异，这可能会导致发行人对债券违约的敏感度不同，从而影响信用风险对公司发债定价的作用效果。基于此，本文在原模型的基础上，借鉴宁博等(2020)[30]、黄振和郭晔(2021)[14]的做法，根据发行人所在省份将样本分为西部、中部和东部三组，从而检验地域差异对信用风险传染效应的影响。表11列(1)、列(2)和列(3)的回归结果显示，不管是在经济发展较快的区域，还是经济发展较慢的区域，Def的回归系数均显著为正，意味着尽管与中、西部相比，东部地区整体的融资环境市场化程度较高，但债券违约加剧了投资者的紧张情绪，使得信用风险对债券发行定价水平的影响在西部、中部和东部都显著存在，表明本文结论是可靠的。

表11 发行人地域差异的稳健性检验

五、进一步分析

前述分析表明，在一级市场债券违约释放的信用风险确实会影响同行业债券的发行定价，那么公司特征和债券特征会如何调节信用风险的定价效应呢？本文基于发行人所有权性质、风险承受能力、所处行业差异以及债券不同属性展开深度研究。

(一)基于发行人所有权性质的视角

目前在债券市场，一般认为国家为国有企业债券提供了隐性担保，显著影响了债券定价(王博森等，2016[11])，这是因为国有企业是推动地区经济发展的重要引擎，虽然政府没有明确给予国企担保承诺，但迫于经济发展压力(Li和Zhou，2005[49])，政府会对国企有担保动机。因此，政府的信用背书可以降低国企的风险，缓解债券违约发生时投资者的恐慌情绪，进而降低信用风险在行业内的传染效应，所以，债券违约对同行业国有企业债券风险溢价的提升程度较小。相比国有企业，民营企业没有隐性担保，违约事件发生后投资者对民企债券的风险投资回报要求较高，缺乏政府的信用背书使得信用风险经行业传染，显著提升了同行业民营企业债券的风险溢价。由此可见，相比国有企业债券，债券违约能显著提高同行业民营企业债券的风险溢价。更进一步，政府对中央国有企业和地方国有企业的隐性担保存在差异。政府的财力状况越好，担保意愿和能力就越强，因而债券的信用风险越低(罗荣华和刘劲劲，2016[50])。地方政府的偿债能力明显弱于中央政府，因此政府对中央国有企业债券的隐性担保显著高于地方国有企业发行的债券(王博森等，2016[11])。相比中央国有企业债券，地方国有企业的政府信用背书较弱，债券违约事件显著提高了投资者感知的风险水平，由此导致投资者对同行业的地方国有企业债券索取更高的风险溢价。

为考察同行业爆发债券违约事件之后，信用风险的传染对不同所有制企业发债定价的异质性影响，本文将企业分为国有企业和民营企业，在模型(1)的基础上加入虚拟变量同行业是否有债券违约与发行人企业性质的交乘项，回归结果见表12。结果显示，Def×SOE的系数在1%的水平上显著为负，以列(4)为例，民营企业发债时，债券违约的信用风险经行业内传染，使得债券信用利差提高了0.396；当国有企业发债时，信用风险传染的定价效应使得债券信用利差提高了0.125(0.396-0.271)。该结果表明，同行业爆发债券违约事件之后，信用风险的传染对不同所有制企业的发债定价具有异质性影响，相比国有企业，其更能显著提高民企债券的信用利差。

表12 信用风险传染效应的产权异质性

为更进一步检验信用风险的传染对中央国有企业和地方国有企业发债定价的异质性影响，本文将国有企业分为中央国企和地方国企，在模型(1)的基础上分别加入虚拟变量同行业是否有债券违约与央企的交乘项Def×ZYSOE以及与国企的交乘项Def×DFSOE，回归结果见表13。结果显示，加入不同控制变量后，各列主要结论一致，Def×ZYSOE和Def×DFSOE的系数均显著为负，意味着信用风险传染的定价效应对民营企业债券信用利差的提升效果更大。同时，Def×ZYSOE与Def×DFSOE的系数存在显著差异，表明同行业发生违约事件对央企和国企的发债定价存在异质性。以列(4)为例，民营企业发债时，信用风险传染的定价效应使得债券信用利差提高了0.396，地方国有企业发债时，其提升效果为0.167(0.396-0.229)，中央国有企业发债时，同行业违约事件不仅没有提升违约信用利差，反而使其下降了0.063(0.396-0.459)。这可能是因为债券违约爆发后投资者恐慌情绪加剧，央企拥有更强的政府信用背书，对投资者更有吸引力，其发行债券的信用利差也呈下降趋势。结果表明，信用风险的传染对国有企业发债定价具有异质性影响，对地方国有企业债券信用利差的提升作用强于中央国有企业。

表13 信用风险传染效应对央企、国企的异质性

(二)基于发行人风险承受能力的视角

相对于风险承受能力弱的企业，风险承受能力强的发行人拥有更多的融资渠道(黄海杰和陈运佳，2022[51])，当同行业出现债券违约事件时，更容易通过银行信贷等途径筹措资金，受信用风险的冲击较小。相反，发行人的风险承受能力较弱时，债券市场融资环境的恶化会提高其融资成本，表现为债券信用利差更高。参考王叙果等(2019)[28]的研究，本文分别选取总资产报酬率、是否上市、企业规模以及主体评级来度量发行人的风险承受能力。在表14列(1)，交乘项Def×ROA的回归系数在1%的水平上显著为负，说明债券违约的传染效应在盈利能力弱的发行人中更强烈。在表14列(2)，交乘项Def×List的回归系数显著为负，说明债券违约的传染效应在没有上市的发行人中更强烈。在表14列(3)，交乘项Def×Asset的回归系数也显著为负，说明债券违约的传染效应在公司规模较小的发行人中更强烈。在表14列(4)，交乘项Def×Rating的回归系数仍显著为负，说明债券违约的传染效应在主体评级低的发行人中更强烈。上述实证结果表明，对于盈利能力较弱、没有上市、公司规模较小以及信用评级低的发行人，它们的风险承受能力较弱，债券市场违约的负面冲击对它们发债定价的影响较大，这促使投资者索取更高的风险溢价，并最终提高发行人发债定价的水平。

表14 发行人风险承受能力对信用风险传染效应的调节作用

(三)基于发行人所处行业差异的视角

经过二十多年的快速发展，房地产行业已成为影响经济增长的重要因素，然而房地产业的高杠杆发展，也加剧了我国的系统性金融风险。为进一步促进房地产市场健康平稳地长效发展，金融机构不断强化了监管政策，房地产行业各融资渠道受到明显阻碍。本文基于我国房地产行业融资环境收紧的政策背景，对比研究发行人行业差异对信用风险传染效应的调节作用，回归结果如表15所示。在表15列(1)房地产业中Def的回归系数为0.293，且在1%的水平上显著；在表15列(2)批发和零售业中Def的回归系数为0.065，仅在10%的水平上显著；在表15列(3)制造业中Def的回归系数为0.016，并不显著。这说明相比制造业、批发和零售业，债券违约释放的信用风险在房地产行业中的传染效应更为强烈，显著提高了债券的信用利差。这意味着处于房地产行业的发行人发生债券违约更容易造成投资者恐慌情绪蔓延，并最终提高行业内债券的发行定价水平。

(四)基于债券属性的视角

在我国债券市场，根据发行人业务类型的不同，可以将信用债分为产业债和城投债。产业债的发行主体为经营实体产业的企业，城投债的发行主体为地方政府融资平台。为应对2008年金融危机对经济造成的冲击，我国推出“四万亿”投资计划，并鼓励政府设立地方融资平台公司拓展融资渠道，随后城投债迎来迅速增长时期。Wind数据显示，仅2009年共发行城投债272只，发行规模为4 305亿元，分别较2008年同比增长249%和270%。城投债作为我国债券市场的重要组成部分，在推动地方基础设施建设、区域经济发展以及产业结构调整等方面发挥了重要作用(胡奕明和顾祎雯，2016[52]；贾俊雪等，2017[53]；郭玉清等，2017[54])。产业债与城投债的发行主体在运营方式和经营目标上存在较大差异。具体表现为，产业债的发行主体独立经营、自负盈亏，政府较少干预企业的日常事务，因此企业以利润最大化为目标，保障投资者利益；但是城投债的发行主体更多以完成地方公用事业建设为己任，基础设施项目的周期长、投资规模大、短期内难以回收资金且盈利性较差。当前经济周期下行压力增大，债券违约呈现常态化，叠加融资平台的相关监管政策趋严，当同行业出现债券违约事件时，投资者会质疑融资平台偿债资金来源的稳定性和持久性，因此相对于一般产业债，城投债的发行定价更容易受到信用风险的负面冲击，表现为债券信用利差更高。

为考察同行业爆发债券违约事件之后，信用风险的传染对城投债和产业债发行定价的异质性影响，本文在模型(1)的基础上加入虚拟变量同行业是否有债券违约与债券是否为城投债的交乘项Def×IFCT，回归结果见表16。结果显示，加入不同控制变量后，各列主要结论一致，Def×IFCT的系数均在1%的水平上显著为正，意味着信用风险传染的定价效应对城投债信用利差的提升效果更大。以列(4)为例，债券违约的信用风险经行业内传染，使得城投债的信用利差提高了0.228(0.135+0.093)；当债券为一般产业债时，信用风险传染的定价效应使得债券信用利差提高了0.135。该结果表明，同行业爆发债券违约事件之后，信用风险的传染对不同债券的发行定价具有异质性影响，相比一般产业债，其更能显著提高城投债的信用利差。

表16 基于债券属性的异质性检验

六、结论与启示

在百年未有之大变局的背景下，本文基于我国金融市场债券违约频发的现象，探究债券违约的信用风险对同行业公司债券发行定价的影响，对于提升金融服务实体经济质效、防范化解重大金融风险具有重要意义。本文以2014年1月至2022年6月公开发行的公司债、企业债、中期票据以及短期融资券为样本，研究发现，公司发债前，行业爆发债券违约事件，会显著提高公司债券的风险溢价并降低债券的成功发行率，同行业发生债券违约的规模越大，债券的发行定价水平也越高。影响机制分析表明，债券违约释放的信用风险降低了机构投资者情绪，进而提高了债券的发行定价水平。在进行内生性检验、安慰剂检验、替换核心变量、重新设定违约传染的观测窗口以及发行人地域差异检验等一系列稳健性检验后，结论仍然成立。进一步的检验发现，信用风险在同行业的传染效应对不同所有制企业具有异质性影响，在民营企业中风险传染效应最强烈，其次是地方国有企业，最后是中央国有企业。研究结果还表明，公司的盈利能力越弱、没有上市、公司规模越小以及信用评级越低，同行业债券违约越能显著提高公司债券的发行定价。另外，相比制造业、批发和零售业，房地产行业中的风险传染效应更强烈。最后基于债券属性研究发现，相对于一般产业债，城投债的发行定价更容易受到信用风险的负面冲击，表现为债券信用利差更高。

本文研究结论有助于推动出台我国债务风险防控政策，有助于维护金融市场稳定，并对于政府、发债公司和投资者都具有参考价值和启发意义。

第一，对政府而言，实证结果表明债券违约释放的信用风险会影响同行业债券的发行定价，且由于缺乏政府信用背书，信用风险的传染效应在民营企业中更为显著，因此，一方面监管机构应当重视债券违约的影响，建立健全多元化的债券违约处置机制，以促进债券市场长远健康发展，另一方面应积极推进债券产品多样化建设，适度降低债券融资门槛，为民营企业提供更多的融资渠道，降低债券违约对民营企业发债定价的负面影响。

第二，对发债公司而言，研究证实了公司特征、行业等都会影响信用风险的传染效应，因此，公司应当增强感知和应对债券市场融资环境风险变化的能力，根据自身特点，合理选择债券发行时间和条款，以便降低债券违约对发行人的冲击，从而提高融资效率，优化资源配置。同时，公司应当推动业务可持续发展，增强自身竞争优势，提高风险抵抗能力。

第三，对投资者而言，在债券违约常态化的背景下，应当重视信用风险的传染效应及其经济后果，尤其要关注风险承受能力弱、房地产等高杠杆行业的公司，合理评估此类公司发行的债券风险并索取相应的投资回报，从而有效提高资产配置效率。