法治建设与债券信用利差——基于新《证券法》审议通过的准自然实验研究

甄红线 李佳

(东北财经大学会计学院/中国内部控制研究中心，辽宁 大连 116021)

一、引言

党的二十大报告指出，要加强和完善现代金融监管，强化金融稳定保障体系，依法将各类金融活动全部纳入监管，守住不发生系统性金融风险底线。近年来，中国债券市场发展迅速，已成为世界第二大债券市场1，在推动经济高质量发展过程中发挥着不容忽视的作用。2然而，随着债券市场的快速扩张，债券违约事件频发，违约金额巨大，且违约数量持续增加，引起资本市场业界和学术界的密切关注(王叙果等，2019；王茹婷等，2022；翟淑萍等，2022)。Wang et al.(2023)研究指出债券信用风险的累积和爆发将严重打击投资者信心，带来信用收缩与信用利差提高等不利影响。与此同时，债券违约不仅会通过风险传染对非违约企业的经营活动产生负面影响(宁博等，2020)，而且能够迅速传递至金融系统中的其他市场(徐楠芝等，2022)，影响金融市场稳定，进而对整个实体经济运转产生负面影响。因此，探究如何有序释放和平稳化解债券违约风险至关重要。

党的二十大报告明确指出，必须更好发挥法治固根本、稳预期、利长远的保障作用，在法治轨道上全面建设社会主义现代化国家。资本市场的规范要求极强，其高质量发展离不开法治建设保驾护航。“法与金融”学派认为对投资者和债权人保护越完善的经济体，其资本市场越发达(La Porta et al.，1998)。2019年12月28日，第十三届全国人大常委会第十五次会议审议通过了修订后的《中华人民共和国证券法》(以下简称新《证券法》)。本次修订是自2005年以来的第二次全面修订，成为我国资本市场向市场化、法治化、国际化方向迈进的重要一步。强化投资者保护是新《证券法》的立法核心。其中，增加投资者保护专章是最突出的“明线”，信息披露是对投资者知情权的保护，提高违法成本是对损害投资者利益违法行为的威慑。目前，已有研究主要关注新《证券法》审议通过对股票市场的影响(陈运森等，2020；赖黎等，2022；巫岑等，2022；李娜等，2022)。Wind数据显示，截至2022年末，债券融资与股权融资在社会融资总规模中的占比分别为9.0%和3.1%，债券市场规模和融资能力强于股票市场，却鲜有文献关注新《证券法》审议通过对债券市场的影响。新《证券法》首次在法律层面确认债券持有人会议的投资者治理机制，以及债券受托管理人作为债券投资者利益代言人的法律地位。3因此，预期新《证券法》审议通过将加强债券投资者保护力度，从而降低其要求得到的风险补偿。

有鉴于此，本文基于债权人法律保护视角，以2018―2021年A股上市公司发行的一般公司债和中期票据季度数据为研究样本，以2019年第四季度新《证券法》审议通过这一具有准自然实验性质的事件为外生冲击，构建双重差分模型，实证检验了法治建设对债券信用利差的影响效果及其作用机制。研究发现，新《证券法》审议通过后，标的债券信用利差显著降低。机制检验发现，提高债券流动性与降低债务违约风险是法治建设降低公司债信用利差的重要途径。异质性分析发现，从债券特征看，当债券融资依赖度高、债券契约条款少、承销商声誉差时，法治建设对公司债信用利差的降低作用更强；从公司层面看，这一影响在投资者交易意愿低、投资者保护力度弱、公司信息披露质量差以及违法违规风险高时更为显著。

本文的边际贡献主要体现在以下三个方面：

第一，从债权人法律保护的视角出发，探究法治建设对降低债券信用利差的影响，补充了新《证券法》立法影响力的证据，完善了中国特色背景下“法与金融”理论框架。已有研究多依赖于一国债权人保护水平或破产效率指标，探究债务合约实施的法律环境对企业融资成本的影响(La Porta et al.，1997，2002；Djankov et al.，2008；Qian and Strahan，2007)。然而，法治建设是难以量化的抽象概念，本文基于中国新《证券法》审议通过这一外生事件，很好地解决了指标构建效度的争议。同时，以往学者基于抵押物价值事后角度，探讨《物权法》扩大担保范围与《破产法》和成立破产法庭提高破产后执法效率对债权人保护的影响(钱雪松等，2019；王红建等，2023；王永钦和薛笑阳，2022)。相比之下，《证券法》对资本市场具有基础性和系统性影响，对投资者保护的影响更为直接。本文以新《证券法》审议通过为外生事件，探究了根本性法治建设的实施效果。

第二，借助于新《证券法》审议通过这一重要实验场景构建双重差分模型，有助于识别债券投资者保护与债券信用利差之间的因果关系。已有关于防范化解债券违约风险的研究主要关注债券契约条款(史永东和田渊博，2016)、公司治理(周宏等，2018)、会计信息质量(Ahmed et al.，2002)、降低债务代理成本(史永东等，2021)以及数字金融(翟淑萍等，2022)等因素的有效性，忽视了法治建设这一重要因素。区别于以往内生于公司特征和债券特征的债券投资者保护方式，本文基于新《证券法》审议通过这一外生冲击对因果关系进行识别。

第三，有助于深入理解法治建设在防范化解债券违约风险方面的关键作用，为未来贯彻落实新《证券法》、推动债券市场法律制度统一化与保护债券投资者合法权益提供经验借鉴。

此外，本研究发现完善的投资者保护制度、设立债券契约条款以及较高的信息披露质量能够降低债务违约风险，为健全市场化、法治化、多元化的债券违约风险化解机制提供了决策参考。

二、制度背景

(一)中国债券市场简要介绍

债券市场是中国资本市场的重要组成部分，主要有利率债和信用债两类。截至2022年末，中国债券市场存量规模达141.31万亿元，超过同年全国GDP总额，其中信用债44.23万亿元，占比约31.3%。4非金融企业发行的债券主要包括公司债、企业债和债务融资工具三种。其中，企业债是由中央国企、地方重点企业发行，在银行间和交易所市场发行、流通，筹集资金主要用于国家重点项目或基础设施建设的债券，其发行主体、交易市场和资金用途与公司债和中期票据存在明显差异，不具有可比性。因此，本文关注公司债和中期票据两种债券，两者属性在一定程度上有所类似。从发行主体来说，非金融上市公司既可以发行公司债，也可以发行中期票据。从交易主体类型来说，中期票据仅限机构投资者，而公司债虽然没有限制投资者类型，但仍有投资者适当性限制，实践中更鲜有个人投资者参与。从交易特征来说，公司债与中期票据均不要求强制评级与担保，债券发行期限主要分布在3～5年区间。从资金用途来说，所募集资金均可用于偿还有息债务、补充流动资金和项目建设等。综上可见，非金融上市公司发行的公司债与中期票据具有可比性。

(二)新《证券法》简要介绍

2019年12月28日，新修订的《证券法》审议通过，并于2020年3月1日起正式实施。原《证券法》共240条，新《证券法》共修改了166个条款，删除了24个条款，同时新增了24个条款，是一次“大刀阔斧”的修订。与此同时，新《证券法》审议通过是政府为完善资本市场法治建设不断推进的结果，对微观企业而言是一次外生冲击，为识别法治建设与债券信用利差间的因果关系提供了良好的研究契机。新《证券法》第二条规定，“在中华人民共和国境内，股票、公司债券、存托凭证和国务院依法认定的其他证券的发行和交易，适用本法”。5可以看出，新《证券法》主要调整的是证监会主导下的资本市场法律关系，在“证券”范围的界定上仍然固守原来的股票、公司债与企业债的调整范围，遗漏了债务融资工具这一债券品种(田春雷，2022；李敏，2021；刘俊海，2020)。因此，中期票据的发行与管理不适用新《证券法》，这天然形成了实验组和控制组，借助这一准自然实验能够得出更加干净的因果关系。

三、研究假设

(一)法治建设与债券信用利差

“法与金融”学派认为对投资者和债权人保护越完善的经济体，其资本市场越发达(La Porta et al.，1998)。《证券法》对于投资者保护的影响更为直接，其修订将对债券市场产生基础性、长期性和系统性的影响。一方面，全面推行注册制是新《证券法》的重要举措。中期票据发行长期以来实施注册制，受新《证券法》全面推行注册制的影响较小。相比之下，新《证券法》审议通过之后，公司债发行由核准制转向注册制，这将显著降低债券发行准入门槛，激发债券市场活力，从而提高债券流动性(洪艳蓉，2020)，降低债券信用利差(叶彦艺和杨晓光，2023)。另一方面，强化投资者保护是新《证券法》的立法核心。其中，增加投资者保护专章是最突出的“明线”，信息披露是对投资者知情权的保护，提高违法成本是对损害投资者利益违法行为的威慑。王永钦和薛笑阳(2022)研究指出，加强投资者保护将显著降低债券投资者要求得到的风险补偿。基于上述分析，本文提出如下研究假设：

H1：新《证券法》审议通过之后，标的债券信用利差显著降低。

(二)债券流动性的中介效应

流动性是公司债价格的重要决定因素(Bao et al.，2011；Lin et al.，2011；Acharya et al.，2013)。新《证券法》规定了更宽松的公司债发行条件，删除了部分数量化指标要求，取消了发行公司债时对公司业绩与债券余额等方面的限制6，并删去了申请公司债公开发行需要报送“资产评估报告和验资报告”的要求。7洪艳蓉(2020)研究指出，突破设立门槛的事前管控手段有助于建立更具市场化特征的债券融资投资机制，该机制能够根据发行人的资金需求、信用风险以及市场资金情况进行灵活调整，激发债券市场活力。这不仅有助于提高债券投资者的交易意愿(瞿强，2001)，提升债券流动性，而且能够促进债券市场交易数据和信息流动，降低债券流动性风险(高强和邹恒甫，2015)。叶彦艺和杨晓光(2023)研究指出，持有流动性较好的信用债的投资者会降低要求得到的风险补偿，降低债券信用利差。基于此，本文提出如下研究假设：

H2：新《证券法》审议通过能够提高标的债券流动性，从而降低债券信用利差。

(三)债务违约风险的中介效应

债务违约风险是决定债券信用利差的重要因素(Tang and Yan，2010)，并以风险溢价的形式反映在信用利差中(高强和邹恒甫，2015)。新《证券法》中关于投资者保护、信息披露与违规处罚等内容的修订，为保护债券投资者提供了法律基础与有力的制度支撑，能够降低债务违约风险。首先，在投资者保护方面，新《证券法》首次在法律层面确认债券持有人会议作为投资者治理机制，以及债券受托管理人作为投资者利益代言人的法律地位和决议效力。这不仅有利于集中债券持有人的意见(张钦昱，2018)，提高维权效率，而且能够充分发挥债券受托管理人的监督能力，降低债务违约风险。其次，在信息披露方面，新《证券法》单独设立了“信息披露”章节，信息披露的原则、内容与重点发生改变8，提高了公司的信息披露质量(陈运森等，2020)，进而能够缓解债券市场信息不对称。最后，在处罚力度方面，新《证券法》大幅提高了违规处罚力度与违法违规成本9，降低了认定违法主体和法律追责的难度10，对损害投资者利益的违法行为形成威慑效应。出于维护声誉与避免诉讼风险的考虑，事前的证券诉讼威胁能够减轻代理冲突(Crane and Koch，2018)，降低债务违约风险(Leuz et al.，2003)。吴育辉等(2020)研究指出较低的债务违约风险能够使债券信用利差收窄。基于此，本文提出如下研究假设：

H3：新《证券法》审议通过能够降低债务违约风险，从而降低债券信用利差。

四、研究设计

(一)样本选择与数据来源

由于新《证券法》于2019年第四季度审议通过，为保证样本在实施前后都有足够的观测值以及政策实施前后样本期间的平衡性，本文以2018―2021年季度数据作为初始研究样本，关注由中国A股上市公司公开发行的公司债和中期票据，并进行如下筛选：(1)剔除金融行业样本；(2)剔除ST、*ST样本；(3)剔除年度内无有效交易的样本；(4)剔除数据缺失的样本；(5)对于同一家上市公司在某一年内发行的多只存续期债券，保留剩余到期年限最长的样本。为消除极端值的影响，所有连续变量均进行上下1%的缩尾处理，最终得到5193个公司-季度观测值。债券发行规模与网络搜索指数数据来源于CNRDS数据库，债券市场数据来自Wind数据库，其他数据均来自CSMAR数据库。

(二)模型设计与变量定义

借鉴已有文献(王永钦和徐鸿恂，2019；史永东等，2021；张军，2021)，本文构建模型(1)进行实证检验：

其中，被解释变量CSb,i,t为公司i发行的债券b在t季度的信用利差，借鉴史永东等(2021)的研究，由公司债每日到期收益率与同期相同剩余期限的中债国债到期收益率之差的季度有效交易日的算术平均值计算得到(单位：%)。Treatb表示债券b是否为新《证券法》标的，参考王永钦和徐鸿恂(2019)、田春雷(2022)的做法，如果债券b为公司债，则定义为实验组，Treatb取1，表示为新《证券法》标的债券；如果债券b为中期票据，则定义为控制组，Treatb取0，表示为非标的债券。Postt为时间虚拟变量，与正式实施日相比，将法律通过日作为事件日会使研究场景更加干净(Berkowitz et al.，2015；陈运森等，2020)，因此，本文根据新《证券法》审议通过的时间，当观测期为2019年第四季度及之后时，Postt取值为1，否则取值为0。Treatb×Postt的系数反映法治建设对标的债券信用利差的影响。Ctrls为控制变量，各变量具体定义详见表1。同时，本文参考吴育辉等(2022)的方法，在模型(1)中加入了固定效应α和δt，α分别由公司固定效应(αi)和债券类型固定效应(αb)表示，δt为季度固定效应。

表1 控制变量定义

(三)描述性统计

表2为全样本的变量描述性统计结果，变量特征与已有研究相近(史永东等，2021)。Treat均值为0.593，意味着59.3%观测值受到新《证券法》审议通过的影响。Post均值为0.571，表明57.1%的观测值位于新《证券法》审议通过之后，其与新《证券法》标的债券交互项(Treat×Post)的均值为0.357，表明在新《证券法》审议通过后约有35.7%的观测值属于标的债券。

表2 变量的描述性统计结果

五、实证结果与分析

(一)基本回归结果

本文采用双重差分法对模型(1)进行回归，表3为法治建设是否影响二级市场公司债信用利差的回归结果。Treat×Post的回归系数至少在5%水平上显著为负，这意味着新《证券法》审议通过之后，标的债券信用利差显著降低，验证了研究假设H1。就经济显著性而言，Treat×Post的回归系数为-0.308，表明新《证券法》审议通过使得标的债券信用利差平均下降约12.3%(=-0.308/2.494)，具有显著的经济意义。

表3 法治建设与债券信用利差

(二)双重差分的适用性检验

1.平行趋势检验

双重差分模型估计的有效性依赖于平行趋势检验。本文参考李建强等(2020)的研究，构建模型(2)进行平行趋势检验：

其中，当观测期处于新《证券法》审议通过前(后)k期时，Before-t(After+t)取值为1，否则为0；当观测期处于新《证券法》审议通过当期时，Currentt取值为1，否则为0。回归结果显示(限于篇幅，检验结果略)，在新《证券法》审议通过之前，实验组和控制组的债券信用利差分布趋势并不存在显著差异，说明不存在“预期效应”。在新《证券法》审议通过当期显著降低标的债券信用利差，为DID估计的有效性提供了证据支持。

2.安慰剂检验

为避免基准回归结果由偶然因素导致，本文借鉴巫岑等(2022)的研究，随机抽取相同数量的实验组样本(3079个观测值)作为伪实验组进行检验，重复上述过程1000次，绘制回归系数的分布密度图，结果如图1所示。可以发现1000次随机过程中的估计系数集中分布于0附近，与基准回归的系数值(-0.308)存在明显差异。结果表明，真实的基准回归估计属于随机生成分布的极端值，因此可以反推未观测到的因素对本文的估计结果影响较小，排除了未观测遗漏变量与非随机因素的影响。

图1 安慰剂检验

(三)稳健性检验

1.改变核心变量度量方法

首先，借鉴李青原等(2022)的做法，不论是将2019年第四季度之后(不含当期)Post_2赋值为1，还是剔除2019年第四季度样本，结果均保持不变。其次，参考史永东等(2021)的研究，选取5年期中债国债的到期收益率作为基准利率，重新计算得到MCS，结果如表4列(1)～(3)所示，结论稳健。

表4 改变核心变量度量方法

2.改变研究样本

首先，考虑上市公司既发行公司债又发行中期票据的影响。第一，剔除既发行公司债又发行中期票据的上市公司重新进行回归。第二，借鉴王彦慧和傅仁辉(2022)的研究，将样本期间只发行公司债以及既发行公司债又发行中期票据的公司，定义为实验组，TREATi取1；将样本期间只发行中期票据的上市公司定义为控制组，TREATi取0，其余部分与基准模型(1)保持一致。其次，通过改变数据频率，分别使用月度数据和半年度数据进行稳健性检验。最后，改变债券筛选方法。对于同一家上市公司在某一年内发行的多只存续期债券，分别保留发行额度最大或者票面利率最高的债券。改变研究样本的回归结果如表5列(1)～(6)所示，结论稳健。

表5 改变研究样本

3.排除同时期其他事件的影响

第一，排除同时间处于审议过程的《民法典》草案的影响。借鉴李青原等(2022)、陈运森等(2020)的研究，在模型(1)中将固定资产比例(Fa)、应收账款比例(Accounts)和担保总额(Grt)作为控制变量，同时加入各变量与Post的交互项。第二，排除新冠疫情的影响。借鉴杨子晖和王姝黛(2021)的研究，以债券发行人注册地所在市本季度新增新冠病例确诊病例数(Covid_19)作为控制变量。第三，控制宏观因素。参考王茹婷等(2022)的做法11，将GDP、M2增速、CPI作为控制变量，在模型(1)中同时加入各变量与Post的交互项。排除同时期其他事件影响的回归结果如表6列(1)～(3)所示，结论稳健。

表6 排他性解释

4.样本匹配回归

采用样本匹配方法为新《证券法》标的债券匹配特征相似的债券。借鉴王彦慧和傅仁辉(2022)的研究，采用PSM-DID方法，选择对债券信用利差有重要影响的公司规模、杠杆率、流动资产比率、自由现金水平、盈利能力、成长性、债券跟踪评级、债券发行规模和剩余期限作为自变量进行回归，使用Logit模型计算倾向得分，选取最邻近且有放回的1:2配对方法匹配，并进行DID回归。协变量平衡性检验结果(限于篇幅，检验结果略)显示，匹配后的样本满足平衡性假设。由于前文所用的PSM方法可能会造成样本损失(Hainmueller，2012)，并且高度依赖于第一阶段Logit模型设定，本文借鉴杨国超和蒋安璇(2022)的做法，采用熵平衡法缓解非随机处理效应。本文对控制变量的一阶和二阶矩均进行平衡，经过该方法加权后实验组与控制组特征变量的均值、方差、偏度均接近一致，并无显著差异。表7列(1)(2)结果显示，在使用匹配样本重新进行检验后，Treat×Post的系数均显著为负，结论依然稳健。

表7 样本匹配回归

六、进一步分析

(一)影响机制

1.债券流动性

为验证债券流动性的中介效应，本文构建模型(3)和模型(4)，采用温忠麟等(2004)提出的中介效应程序进行检验。其中，Amihudb,i,t为公司i发行的债券b在t季度的债券非流动性，选择Amihud(2002)非流动性指标作为代理变量，Amihud数值越大，债券流动性越差。Ctrls表示控制变量，与基本回归中的控制变量保持一致。

表8列(1)显示，Treat×Post的系数在1%水平上显著为负，表明法治建设能够提升标的债券的流动性。列(2)显示，Treat×Post的系数在5%水平上显著为负，Amihud的系数在1%水平上显著为正。由温忠麟等(2004)的中介效应检验理论可知，债券流动性在新《证券法》审议通过降低标的债券信用利差中发挥了显著的中介效应，即新《证券法》审议通过能够提高标的债券流动性，从而降低债券信用利差，验证了研究假设H2。

表8 作用机制检验

2.债务违约风险

为验证债务违约风险的中介效应，本文构建模型(5)和模型(6)，采用温忠麟等(2004)提出的中介效应程序进行检验。其中，中介变量为债务违约风险(EDP)，本文借鉴吴育辉等(2020)的研究，选取KMV模型(Merton，1974)推导出的违约距离的概率作为代理变量，EDP数值越大，债务违约风险越高。Ctrls表示控制变量，与基本回归中的控制变量保持一致。

表8列(3)显示，Treat×Post的系数在1%水平上显著为负，表明法治建设能够降低债务违约风险。列(4)显示，Treat×Post的系数在1%水平上显著为负，EDP的系数在10%水平上显著为正。由温忠麟等(2004)的中介效应检验理论可知，债务违约风险在新《证券法》审议通过降低标的债券信用利差中发挥了显著的中介效应，即新《证券法》审议通过能够降低债务违约风险，从而降低债券信用利差，验证了研究假设H3。

(二)异质性分析

1.债券特征的异质性分析

第一，债券融资依赖度的异质性影响。债券融资依赖度高说明公司借入的债务规模较大，在面对经济变动和债务压力时，往往承担更大的风险。本文以应付债券占有息负债的比重衡量债券融资依赖度(Bddep)；进一步地，在基准模型(1)中引入Bddep以及该变量与各核心解释变量的交互项。表9列(1)显示，Bddep×Treat×Post的系数在5%水平上显著为负，说明在债券融资依赖度高的公司，新《证券法》审议通过的作用效果更大。

表9 异质性分析：债券特征

第二，债券契约条款的异质性影响。史永东等(2017)研究指出契约条款具有保护债券投资者的本质属性，能够减少债权人承担的风险，从而降低债券信用价差(史永东和田渊博，2016)。本文借鉴甄红线等(2019)的方法，采用债券契约条款总数度量契约条款使用频率(SpeSum)，进而在模型(1)中引入SpeSum以及该变量与各核心解释变量的交互项。表9列(2)显示，SpeSum×Treat×Post的系数在5%水平上显著为正，说明当债券契约条款较少时，新《证券法》审议通过能够在更大程度上降低公司债信用利差。

第三，承销商声誉的异质性影响。新《证券法》明确压实中介机构市场“看门人”的法律职责。Booth and Smith(1986)研究发现，良好的承销商声誉可以反映其专业能力和信誉度，更好地发挥信息生产和认证筛选功能，帮助企业降低融资成本。借鉴郭海星等(2011)的做法，本文以债券承销商当年总承销金额(单位：万亿元)作为承销商声誉(UnderAmt)的代理变量；进一步地，在基准模型(1)中引入UnderAmt以及该变量与各核心解释变量的交互项。表9列(3)显示，UnderAmt×Treat×Post的系数在5%水平上显著为正，说明当债券承销商声誉较差时，新《证券法》审议通过能够在更大程度上降低公司债信用利差。

2.公司特征的异质性分析

第一，投资者交易意愿的异质性影响。投资者预期对投资者决策有着重要影响。Barber et al.(2008)研究发现，由于时间和精力的限制，投资者更愿意交易其所关注公司的证券。因此，投资者关注对其交易行为具有预测作用，投资者关注度越高，交易意愿越强，交易越活跃。借鉴杨涛和郭萌萌(2019)的研究，本文采用CNRDS网络搜索指数数据库中投资者使用上市公司股票代码、公司简称、公司全称等为关键字的网络搜索值之和加1取自然对数衡量投资者关注度(Attention)。进一步地，在基准模型(1)中引入Attention以及该变量与各核心解释变量的交互项。表10列(1)显示，Attention×Treat×Post的回归系数在1%水平上显著为正，说明当投资者交易意愿较低时，新《证券法》审议通过的作用效果更明显。

表10 异质性分析：公司特征

第二，投资者保护的异质性影响。公司层面的投资者保护能够提升会计信息质量，改善公司治理水平和股价表现，增强公司的偿债能力，与新《证券法》之间表现为一种替代作用。本文参考吴秋生和独正元(2022)的研究，以北京工商大学“会计与投资者保护”项目组(2014)建立的投资者保护指数的自然对数(Protect)作为代理指标，数值越大，投资者保护水平越高。进一步地，在基准模型(1)中引入Protect以及该变量与各核心解释变量的交互项。表10列(2)显示，Protect×Treat×Post的系数在5%水平上显著为正，说明新《证券法》审议通过为债券投资者保护提供了法律基础与有力的制度支撑，能够有效弥补公司层面投资者保护不足的情况。

第三，信息披露质量的异质性影响。公开信息是债券投资者评估公司偿债能力的重要信息来源，当信息披露质量较差时，债权人无法及时、准确判断公司到期回收债权的可能性，提高了债券信用利差(周宏等，2018)。参考Kim and Verrecchia(2001)的方法，本文采用KV指数度量信息披露质量(KV)，KV值越大，信息披露质量越差。进一步地，在基准模型(1)中引入KV以及该变量与各核心解释变量的交互项。表10列(3)显示，KV×Treat×Post的系数在5%水平上显著为负，说明新《证券法》审议通过能够提高信息披露质量，这一影响在信息披露质量较差的公司中更为显著。

第四，违法违规风险的异质性影响。王腊芳等(2023)研究指出，违法违规行为将提高债权人的信息甄别成本和由于道德风险带来的损失。有鉴于此，本文参考陈运森等(2020)的做法，选取公司是否被监管机构处罚与是否收到问询函两个变量来衡量违法违规风险(VioRisk)，是则赋值为1，否则为0。进一步地，在模型(1)中引入VioRisk以及该变量与各核心解释变量的交互项。表10列(4)(5)显示，VioRisk×Treat×Post的系数至少在5%水平上显著为负，说明新《证券法》审议通过提升了法律威慑力，从而能在更大程度上降低标的债券的信用利差。

七、结论与建议

债券投资者保护对于化解债券违约风险与维护金融稳定至关重要。本文从投资者保护的视角出发，深入探究法治建设对公司债信用利差的影响。研究发现，新《证券法》审议通过显著降低了标的债券信用利差。机制分析表明，法治建设可以通过提升债券流动性、降低债务违约风险等渠道来降低标的债券信用利差。本文进一步考察了债券特征与公司特征的异质性影响，研究发现，对于债券融资依赖度高、债券契约条款少、承销商声誉差的债券，以及投资者交易意愿低、投资者保护力度弱、信息披露质量差、违法违规风险高的公司而言，新《证券法》审议通过能够在更大程度上降低标的债券的信用利差。

据此，本文提出如下政策建议：首先，回归各类债券品种的证券本质并将其纳入《证券法》的统一调整，深入贯彻落实新《证券法》。本文发现新《证券法》审议通过能够显著降低标的债券信用利差、建议将非金融企业债务融资工具纳入新《证券法》的调整范围，实现债券市场法律制度统一化。其次，健全资本市场功能，促进资本市场健康有序发展。本文发现完善的投资者保护制度、设立债券契约条款以及较高的信息披露质量能够实现债券投资者保护。因此，建议充分发挥市场风险定价功能，健全市场化、法治化、多元化的债券违约风险化解机制。最后，压实承销商等中介机构市场“看门人”的法律职责。声誉优良的承销商能够更好地发挥其信息生产和认证筛选功能，为发行公司、投资者与监管者搭好沟通交流的桥梁。因此，建议监管部门压实承销商等金融中介对债券承销的后续责任，督促承销商恪守独立履责、诚实守信、勤勉尽责义务。 ■

[基金项目：国家社会科学基金重大项目“宏观经济稳增长与金融系统防风险动态平衡机制研究”(19ZDA094)、国家自然科学基金项目“系统性风险对技术创新的影响：基于风险分层和交叉传染的视角”(71971046)、国家自然科学基金面上项目“公司债券违约风险防范：基于公司债特殊条款和政府参与评级的视角”(72172029)、国家社会科学基金后期资助项目“精准扶贫、绿色治理与中国经济高质量发展研究”(21FJYB032)]

注释

1.根据Wind数据库统计的数据，截至2022年底，中国债券市场托管余额144.8万亿元，已成为全球第二大债券市场。

2.数据显示，截至2022年末，债券融资与股权融资在社会融资总规模中的占比分别为9.0%和3.1%，债券市场规模和增长速度强于股票市场，债券余额占GDP的比重也不断增加，为服务实体经济发展和国家重点项目建设提供了有力支持和保障。

3.详见新《证券法》第六章投资者保护第九十二条第19页。

4.数据来源：Wind数据库。

5.详见新《证券法》第一章总则第二条第1页。

6.详见新《证券法》第二章证券发行第十五条第4页。

7.详见新《证券法》第二章证券发行第十六条第4页。

8.详见新《证券法》第五章信息披露第七十八条第15页、第八十条第16页和第八十四条第17页。

9.详见新《证券法》第十三章法律责任第一百九十七条第39页。

10.新《证券法》将信息披露义务人的责任推定修改为“过错推定责任”，信息披露方需主动证明自身无过错，否则将承担连带责任，从而降低了认定违法主体和法律追责的难度。详见新《证券法》第五章信息披露第八十五条第18页。

11.国内生产总值(GDP)与居民消费价格指数(CPI)的数据来源：国家统计局http://www.stats.gov.cn/。货币供应量增速(M2)的数据来源：中国人民银行http://www.pbc.gov.cn/。