債券違約風險研究綜述

(廣西大學 廣西 南寧 530004)

2014年3月4日“11超日債”宣告正式違約，徹底打破了我國債券市場的剛性兌付。此后的幾年，債券市場違約事件頻發，2015-2017年的債券違約數量分別為30只、56只和45只，違約規模分別為140.70億元、323.31億元和382.01億元，特別是2018年違約潮的爆發，違約債券數量和涉及規模猛增，僅2018年一年，違約債券數量高達165只，違約規模達到1558.48億元，超過了前三年的總和，至此債券違約逐漸常態化。而2019年全年的違約債券數量為232只，涉及規模達到1839.65億元，無論是違約數量還是違約規模，2019年均明顯放量。在此趨勢下，未來違約債券的數量和規模很可能繼續增多，研究債券違約風險顯然意義重大，一方面，當前剛性兌付已經打破的情形為債券違約風險的研究提供了較好的條件，有利于填補我國債券風險相關研究的空白，豐富我國債券理論的研究成果，促進我國債券市場健康發展；另一方面，2017年中央經濟工作會及2018年中共中央政治局會議皆表明了我國對金融風險的高度重視，研究債券違約風險對監管者防控金融風險、對我國制定政策同樣具有重要的現實意義。

本文試圖從違約風險的相關概念、度量方法、影響因素和違約債券的處置等方面對國內外債券違約的研究現狀進行總結，以期對債券研究有一定促進作用。

一、違約風險的定義

違約風險又稱為信用風險，是指借款人、證券發行人或交易因種種原因，不愿或無力履行合同條件而構成違約事件，致使銀行、投資者或交易對方遭受損失的可能性。債券違約風險，即債券發行人不能按照契約如期足額地償還本金和支付利息的風險。

二、違約風險的度量

(一)傳統的違約風險度量方法

在債券市場上，一般通過外部評級機構所評定的信用等級來估計或測量債券的違約風險，該方法根據被評級主體的財務和歷史情況對被評級發行主體的等級做出劃分，不同的等級對應著不同的信用風險，即違約概率。以目前國際上最具代表性的債券評級機構——美國標準普爾公司和穆迪投資服務公司的等級標準為例，美國標準普爾公司的等級標準從高到低劃分為AAA級到D級；穆迪公司則分為Aaa級到C級，一般認為前四個信用等級的債券(即標準普爾公司的AAA級到BBB級；穆迪公司的Aaa級到Baa級)信譽高、違約風險小，屬于“投資級債券”，從第五級開始的債券信譽低、違約風險大，屬于“投機級債券”，也就是所謂的“垃圾債券”。

雖然信用評級便于理解，在一定程度上也可以直觀地反映違約風險，但是大量理論研究表明，債券信用等級僅確認了信用債已經存在的風險，并無對未來風險的預測功能，因此面對愈加復雜、不斷變化的違約風險，僅憑債券評級估算違約風險是遠遠不夠的。

(二)現代化違約風險度量模型

隨著金融理論、金融工具和計算機技術的迅猛發展，一些現代化違約風險度量模型出現，使得我們在度量違約風險上更為精確。這些模型主要有Z評分模型、ZETA模型、Logit回歸模型、Probit回歸模型、Credit Risk+模型以及KMV模型。

Z評分模型運用5個財務比率，并根據其對財務危機預警作用的大小給予不同的權重，然后進行加權計算得到一個企業的綜合風險分，即Z值，將Z值與臨界值對比就可知企業財務狀況。Z值與企業發生財務危機的可能性成反比，Z值越小，企業發生財務危機的可能性就越大，違約風險越高，Z值越大，企業發生財務危機的可能性就越小，違約風險就越低。ZETA模型是對Z評分模型的擴展，變量由5個財務比率變為7個，適用范圍更廣，比Z評分模型更為準確有效。

Logit回歸模型采用一系列財務比率變量來預測企業破產(或違約)的概率，其判別方法是先根據多元線性判定模型確定企業破產(或違約)的Z值，然后推導出企業破產(或違約)的條件概率，如果概率大于0.5，表明企業破產(或違約)的概率比較大；如果概率低于0.5，可以判定企業為財務正常。

Probit回歸模型假定企業破產的概率為p，并假設企業樣本服從標準正態分布，其概率函數的p分位數可以用財務指標線性解釋，其計算方法是先確定企業樣本的極大似然函數，通過求似然函數的極大值得到參數，然后利用公式求出企業破產的概率，其判別規則與Logit模型判別規則相同。

Credit Risk+模型是基于財險精算方法設計出的違約模型，該模型只考慮違約或不違約兩種狀態，同時假定違約率是隨機的，通過輸入違約率、違約波動率可得到違約頻率(違約頻率的百分即為違約率)，對數據的要求較少。

KMV模型以MM理論、B-S期權定價模型為理論基礎，其核心是公司股權特征與資產特征之間的相關關系，通過給定資產特征(即資產價值和其波動性)以及公司的違約臨界值，可以使用KMV模型求解出公司違約風險。

上述模型皆被廣泛應用于違約風險的度量，但陳丹彤(2019)認為KMV模型是其中較優的選擇，因為Z評分模型、ZETA模型、Logit回歸模型和Probit回歸模型都過于依賴企業的財務指標，這些指標都是歷史數據，難以反映企業未來的發展情況。此外，Credit Risk+模型的違約概率波動性并不能直接獲得，因此通過借助股票價格波動所含的可信度信息來度量上市企業信用風險的KMV模型更好。

自KMV模型提出以來，學者運用該模型進行了廣泛的研究。Matthew Kurbat & Irina Korablev(2002)、Peter Crodbie & Jeff Bohn(2003)驗證了KMV模型的有效性，我國學者馬若微等(2014)、王秀國和謝幽篁(2012)、顧乾屏等(2010)、孫小琰等(2008)亦驗證了KMV模型的適用性，同時結合我國實際對KMV模型進行了修正與改進。張智梅和章仁俊(2006)對KMV模型進行了參數的改進，通過對滬市上市企業的信用風險評估的檢驗，充分證明參數調整后的KMV模型能夠及時準確地識別出我國上市企業的信用質量變化趨勢，與張玲等(2004)的研究結果一致；王秀國和謝幽篁(2012)提出了基于條件在險值(CVaR)和GARCH(1，1)的擴展KMV模型，并選取中國滬市A股14個企業進行了實證分析，表明用擴展的KMV模型對樣本企業的信用風險評估具有良好的效果，并且很好地對市場的信用風險狀況做出預警；馬若微等(2014)通過設置動態違約點修正KMV模型，構建了大樣本下違約距離DD和經驗EDF的映射關系，在此基礎上檢驗KMV模型的區分能力，發現違約距離具有較高的風險區分能力，與顧乾屏等(2010)的結論一致。由此可見，KMV模型在測度違約風險方面取得不錯的效果。

(三)其他違約風險度量方法

由于我國債券市場缺乏歷史違約數據，還無法擬合出基于KMV模型的預期違約率EDF函數，因此有學者從其他角度對企業債券違約風險進行量化。

Giesecke et al(2011)從債券市場角度計算債券違約風險，即將每年進入財務困境的年度債券子集的票面總額與每年年初包含在歷史來源中的所有非金融企業債券的總面值之比視為債券違約風險。吳建華等(2017)利用信息噪聲的偏倚性捕獲財務報告信息中對資產價值的故意扭曲，推導了信息偏誤下資產價值的條件分布、違約概率和信用價差的解析表達式，并以公募債“11超日債”違約事件為例，實證檢驗了該模型可以較為準確的刻畫財務信息扭曲下的債券違約風險。陳藝云(2016)依據結構方法對企業資產和負債價值的分析，采用信息過濾的方法構建了中國企業債違約風險度量的理論模型，實證結果表明基于不完全信息假設和風險中性測度的企業債違約風險度量模型可以準確的預測上市企業的違約。

還有一部分文獻則是從利差分解角度計算債券違約風險。研究表明，債券利差主要由流動性風險溢價和違約風險溢價兩個重要部分組成，用債券利差表示違約風險存在高估違約風險的問題。Dick-Nielsen et.al(2012)首先通過債券收益率利差對流動性利差的回歸，獲得流動性利差，再將剩余利差歸因于違約風險，即債券違約風險等于債券收益率利差減去流動性利差的部分。Schwert(2017)、王永欽等(2016)均運用了相同的方法從利差中分解出流動性風險溢價成分，再以此求出違約風險溢價。

三、違約風險的影響因素

(一)外部因素

1.宏觀因素

楊星(2009)認為，企業債券利差中的信用溢價部分是由不可預測的跳躍性違約及市場違約傳染所致，具有系統性風險的特征。Fama & French(1993)、Campbell et al.(2008)亦表示違約風險是宏觀經濟環境中的一種系統性風險，違約事件的發生無法通過風險管理來解決。違約風險，在經濟下行期間會因為經濟形勢不佳而出現風險聚集的情況，使得風險不斷加大；而在經濟上行期間，則會因為償付資金充足而減少風險。Giesecke et al(2011)以美國債券150年的歷史為背景，以商業周期循環為視角，研究發現GDP增長率對債券違約有顯著的預測作用，而通貨膨脹率和行業生產率對債務違約風險的影響則沒有通過檢驗。Tang & Yan(2010)和Collin-Dufresne(2001)以CDS利差作為違約風險的代理變量進行分析時，發現宏觀經濟影響在債券利差變化中占有的約11%的比例。周宏等(2011)、戴國強和孫新寶(2011)、晏艷陽和劉鵬飛(2014)的研究證明，宏觀經濟因素對債券信用利差的影響顯著，宏觀經濟因素有經濟周期、通貨膨脹率、股票市場波動率等。

2.行業因素

行業因素對債券違約風險的影響已經得到學者們的認同，因此，在文獻中行業因素更多的作為控制變量體現，而不進行更多深入的研究與探討。

(二)內部因素

Altman(2011)基于會計指標建立了適用于非上市企業、效果可以和Merton模型相媲美的違約概率預測模型，所涉及的會計指標包括總資產比總負債、流動負債比非流動負債等一些財務報表的指標。而非財務指標對違約風險的影響，主要集中在企業治理以及管理層特征上，如Hsu et al.(2015)表明企業創新投資與違約風險存在負相關關系；姜付秀等(2009)、畢曉方等(2015)、劉柏等(2017)則證明了財務危機、流動性風險、管理者過度、債務結構選擇等諸多方面均對違約風險產生影響。

四、違約債券的處置問題及建議

盡管2018年以來債券違約呈常態化，但如何處置違約債券仍是棘手難題。根據中債資信的統計顯示，截至2019年8月末，全市場329只違約債券中，已啟動違約處置的債券有281只，其中53只債券完成了處置，尚未完成處置的債券共計228只；而海通證券研究報告統計發現，以違約部分累計回收額與違約金額之比計，截至2019年12月4日，中國債券市場違約部分累計回收率平均約12%-13%。

由此可見，目前中國債券市場對違約債券的處置十分低效，究其原因，乃是因為我國債券市場存在債券違約處置機制不健全、相關法律法規不完善、缺乏有效的風險管理手段等問題。

為了我國債券市場的健康發展，違約債券的處置問題亟需解決，建議從完善債券受托人機制、加強中介機構職責、豐富違約債券處置方式和工具等方面提升違約債券的處置效率。