債券信用評級抑制債券違約風險的信息機制研究

李曉東 朱蓮美

關鍵詞：公司債券;債券評級;債券違約;博弈模型

一、引言

近年來，隨著我國金融市場改革的逐步深入，我國企業的融資方式由銀行貸款的單一模式逐漸轉變和優化（周子學，2013），債券融資成為我國企業近年來主要的融資方式之一，債券市場也成為了我國金融市場的重要組成部分。Wind 數據顯示，截至2020 年底，我國債券市場存量規模已達114.33 萬億元，遠超股票融資規模。債券融資方式拓寬了企業的融資渠道，降低了企業的融資成本，對改善我國企業外部融資環境、解決企業融資難問題發揮著不可磨滅的作用。然而自2014 年“11 超日債”發生實質性違約以來，違約債券數量不斷攀升，違約種類也逐漸從公司債券擴展到所有債券類型并逐漸“常態化”（竇鵬娟，2016）。據Wind 數據統計，2020 年，我國債券市場發生實質性違約債券達145 只，數量上較2019 年略有下降，但是違約債券金額更大，相較2019 年上漲10%，達到1 647 億元。在發生實質性違約的債券中不乏“AA+”“AAA”信用級別的債券，引發越來越多的學者對債券評級公司的評級結果產生質疑。在此背景下，研究信用評級機構能否為預測債券違約提供增量信息不僅有助于評價信用評級機構的作用，為債券投資者提供重要的參考，而且有助于促進我國債券市場的健康發展。

債券市場的發展離不開信用評級機構。作為從事信用評級的金融中介，信用評級機構在進行債券信用評級時通過對各種要素的綜合分析并發布信用評級結果。國內外學者對債券信用評級的研究主要分為三個方向：第一類主要研究債券評級對債券市場的作用。孟慶斌等（2018）認為，評級公司根據市場環境以及受評公司的償債能力和違約風險做出評級決策，使投資者可以基于評級標準迅速準確地了解發債公司的風險特征，是債券投資者投資債券時的重要參考指標。何平和金夢（2010）基于中國企業債數據實證檢驗了我國信用評級機構在債券市場的影響力，發現評級信息有助于減少債券市場的信息不透明度，對提高我國債券市場運營效率發揮了重大的作用。

Becker 和 Milbourn（2011）認為，評級機構能夠對發債公司、債券市場甚至國家金融體系產生巨大的影響，但由于現有評級機構多采用發行人付費模式，發債主體和評級公司成為明顯的雇傭關系，在信用評級市場競爭不激烈的情況下容易引發“評級購買問題”而導致信用評級膨脹，從而信用評級提供的額外信息有限。

第二類主要研究債券信用評級的主要影響因素。最早的信用評級出現在1909 年的美國，但關于信用等級的劃分標準很長一段時間都是一個“黑箱子”。Fisher（1959）基于公司財務數據并采用最小二乘法來衡量企業債務違約風險，開創了采用回歸分析方法評測企業信用風險的先河。

Horrigan（1966）以及Pogue and Soldofsky（1969）在Fisher（1959）的基礎上較早研究了債券評級的影響因素，發現企業杠桿率和收益率和債券等級顯著正相關。Altman（1968）提出的判別式分析法為研究信用評級帶來了新的研究方法，Perry 等（1984）基于此方法研究了債券信用等級的影響因素，發現流動比率、杠桿率、利潤率和公司規模的長期均值和波動率和債券評級顯著正相關，而且對于不同的行業以上比率均有不同的表現。McKelvey 和Zavoina（1975）提出的有序Probit 模型為研究債券評級提供了更有效的方法。Chan 和Jegadeesh（2004）基于有序Probit 模型研究了利潤率、股票收益率、資產收益率、資產負債率、流動比率等對債券評級的影響，發現這些指標可以準確預測債券評級等級，且有序Probit 模型的預測結果優于OLS 模型和判別式模型。

第三類主要研究信用評級對債券發行定價或信用利差的影響。Hand 等（1992）以及Hite 和Warga（1997）研究發現，標普（Standard and Poor’s）或穆迪（Moody’s）的評級負向調整會顯著影響債券價格以及評級變化后公司債券的發行成本，而評級正向調整對債券價格的影響較小。

Hull 等（2004）的研究認為評級調整會對CDS 市場形成顯著的影響， 且評級下調的影響更大。何平和金夢（2010）基于我國2007-2009 年發行的企業債數據研究發現，債券評級和主體評級對債券發行成本有顯著影響。然而寇宗來等（2015）認為，我國信用評級對發債成本的效應明顯降低且不顯著，說明我國信用評級機構并未獲得市場認可的公信力，評級膨脹不會真正降低企業發債成本。因此，關于我國債券評級是否能夠提供有效信息目前并無定論。

在關于債券違約的研究中，學者們主要從公司財務指標（Beaver，1966;Altman，1968;吳世農和盧賢義，2001）、股價表現（Merton，1974）以及外部宏觀經濟形勢（Duffie 等，2007）三個方面進行考察。Beaver（1966）基于單因素判別分析法研究了違約企業和非違約企業之間財務指標的差異，發現資產收益率、營運資本與總資產之比以及現金流量比越高的企業發生債務違約的概率越低，而資產負債率越高的企業發生債務違約的概率越高。Ohlson（1980）以及Huffman和 Ward（1996）發現規模越大、收入增速越快以及營業資金越充足的企業破產的概率越小，而負債率越高的企業發生破產的概率越大。McDonald 和 Gucht（1999）認為債券的評級、發行規模、發行時間、期限和票面利率對債券違約均有一定的影響，“BB-”評級以下的債券以及票面利率高的債券發生債務違約的概率較大。Duffie 等（2007）將生存分析模型和時間序列模型結合起來研究發現，公司的違約距離、股票回報率、國庫券利率和標普500 指數年回報率可以有效預測公司破產和違約事件。吳世農和盧賢義（2001）選取我國70 家財務困境公司和70 家財務正常公司進行對比研究后發現，在財務困境發生前1 到2 年，凈資產報酬率對財務困境的判別成功率最高，且Logit 模型預測誤判率最低。

上述國內外文獻極大地豐富了債券評級以及債券違約的相關研究，但仍存在需要進一步深化之處：第一，在上述關于債券信用評級的研究中，大多文獻僅基于企業自身的財務指標，很少有文獻考慮到企業所在行業景氣情況以及企業面臨的外部經濟金融環境。本文在研究債券信用評級時不僅考慮了企業的財務信息，還考慮了企業所處的行業特征和外部融資環境特征。第二，現有文獻均未從債券違約的角度來研究債券評級能否為市場提供增量信息，本文的研究很好地填補了這一缺口。第三，本文基于理論模型推導出了債券發行人、評級機構和債券投資者的博弈均衡，從理論上說明了評級公司的評級策略選擇并提出相關假設，基于實證研究對相關假設進行了驗證，文章結論更具理論性和說服力。鑒于此，本文在前人研究的基礎上搜集整理了中國A 股非金融上市公司2010-2018 年到期或發生實質性違約的債券信息，通過匹配債券發行企業的財務數據以及M2 增長率數據實證檢驗了本文的相關假設，為后續相關研究提供了一個可供參考的模板。

二、理論分析與研究假設

根據Bolton 等（2012）、Hirth（2014）以及馬榕和石曉軍（2016）的研究，本文建立包含債券發行人、債券評級公司和債券投資者三類參與人的博弈模型進行分析。假設三類參與人均為理性參與者，且均為風險中性偏好，其中債券評級公司可以獲得關于債券的專有信息。債券發行人發行優劣兩種債券，優質債券占比為 ，假設優質債券不會發生違約，而劣質債券一定會發生違約（即對于任意發行的債券，其違約概率為1 ? ）。由于信息不對稱的原因，債券投資者無法區分債券違約風險。債券不發生違約時，1 單位債券到期后獲得支付1 + R > 1。債券發生違約時，1 單位債券僅能收回部分投資金額 ∈ [0，1）。在沒有任何關于債券的額外信息時，債券投資者的預期收益為：

表明評級公司可以緩解信息不對稱程度。假設評級公司會給所有發行的債券高、低兩個評級，由于低評級債券一定會違約，投資者只會購買高評級的債券。同時，由于低評級債券不能正常發行，債券發行人不會選擇購買低評級結果。

除了債券發行者，市場上還存在投資者，假設投資者相信評級公司的概率為 ∈ [0，1]，當選擇相信時他們會購買高評級的債券。而當債券發生違約時，其不再相信評級公司的評級結果，進而對債券評級公司的聲譽造成 ≥ 0的損失。當投資者不相信評級公司時，對于所有高評級的債券，投資者會花費費用 來判斷債券等級是否被評級公司高估，當其發現債券存在高估時，不會購買債券，且會對評級公司的聲譽造成 ≥ 0的損失。

債券評級公司對債券評級需要消耗成本 ，假設評級公司以概率 ∈ [0，1] 選擇如實匯報評級結果（是否在評級結果中包含專有信息），且評級公司能夠準確分辨債券的優劣。如果評級公司選擇如實匯報評級結果，其只有在對優質債券給出高評級時才能獲得評級費用 （， ）。當其選擇不如實匯報評級結果時，會對所有類型的債券給出高評級并獲得評級費用 （， ）。

對于債券發行人來說，假設發行人愿意為高評級債券支付 Φ ≥ 0 的評級費用。投資者購買高評級債券遵循如下貝葉斯法則：

上式表明，評級費用和債券的購買意愿相關，因此債券發行者會基于其預期收益和債券評級公司進行議價。

當投資者選擇不相信評級公司時，對于所有的高評級債券，其總會投入費用來判斷債券

如果評級公司選擇不如實公布評級結果，由于其總是給出高評級，所以評級公司總能收到評級費用 （， ）。當評級公司對劣質債券給予高評級時，不相信評級公司評級結果的投資者能夠準確分辨并不再相信該評級公司的評級結果，給評級公司造成聲譽損失 ;當高評級的劣質債券發生違約時，選擇相信評級公司的投資者不再相信評級公司的評級結果，同樣給評級公司造成聲譽損失 。假設債券發生違約時，監管者對評級公司罰款 ，為防止出現混合策略均衡狀況，本文參考馬榕和石曉軍（2016）的方法，對 施加不確定性約束： ∈ [ ? ， + ]， → 0。所以，評級公司不如實匯報評級結果時的預期收益為：

鑒于我國債券評級市場逐漸形成了債券發行前評級和跟蹤評級的形式，本文接下來分析債券發行前首次評級和跟蹤評級時投資者和評級公司的策略選擇。

首先分析首次評級。對于債券發行人來說，發行人總是想要將所有債券都以高評級發行，由公式（3）可知，評級費用和債券的購買意愿相關，而投資者不會購買低評級的債券。當發行人發行的債券為優質債券時，評級公司總是選擇如實匯報評級結果，（， ） = Φ;當發行人發行的債券為劣質債券時，發行人為了獲得高評級和評級公司進行博弈，當評級公司選擇如實匯報評級結果時，評級公司無法獲得收益，當評級公司選擇不如實匯報評級結果時，評級公司的收益為（， ） = （1 ? ）Φ。鑒于我國信用評級市場起步較晚、外部監管不完善以及評級公司聲譽資本較弱的現實，以及基于我國債券評級市場寡頭壟斷的特性（錯誤評級很難對評級公司的業務產生較大的影響）和資本的逐利性，評級公司總是選擇給予債券高評級，發行人將總是支付 Φ 的評級費用。

因此，評級公司對債券發行人的收費和投資人相信評級結果的程度有關。根據前面的分析，投資人的最優策略為完全相信評級公司（ = 1），此時評級公司總是選擇給予債券高評級且債券發行人將總是購買該評級結果。因此，評級公司在定價策略上總是對債券發行人收取最高價 Φ（與評級公司策略選擇無關）。鑒于我國信用評級行業起步較晚、外部監管不完善以及評級公司聲譽資本較弱的現實，以及基于我國債券評級市場寡頭壟斷的特性（錯誤評級很難對評級公司的業務產生較大的影響），我們提出假說H1：H1：評級公司對首次發行的債券有普遍給予高評級的動機，其評級結果不包含評級公司獲得的債券專有信息，此時，首次評級的債券專有信息對債券違約無顯著影響。

其次分析跟蹤評級。評級公司對債券進行跟蹤評級時，同樣可以選擇如實評級和總是給予高評級。由于初期評級公司已經知道債券優劣信息，因此假設跟蹤評級不會產生評級成本。在評級公司選擇如實公布評級結果的情況下，當債券為優質債券時，評級公司可以獲得評級費用 Φ′，當債券為劣質債券時，評級公司可以獲得部分聲譽資本 ， （ ∈ [0，1]）。因此，選擇如實公布情況下，評級公司的預期收益為：?′ = Φ′ + （1 ? ）。在評級公司選擇總是給予高評級的情況下，當債券違約時監管者會對其罰款 （假設對于違約債券，如果評級公司兩次均給了高評級，監管者會對評級公司進行雙倍罰款）。此時，評級公司的預期收益為：′ = Φ′ + （1 ? ）。因此，評級公司選擇是否如實匯報評級結果的收益之差為：

隨著評級業務逐漸發展，評級公司逐漸積累聲譽資本，使得評級公司有選擇如實匯報評級結果的動機。根據《銀行間債券市場信用評級機構評級收費自律公約》，評級公司對長期公司債和企業債的跟蹤評級收費僅為初次評級的20%，對短期融資債券的跟蹤評級收費為初次評級費用的50%。此外，在債券發行后，債券發行人也沒有動機再為債券評級支付更高的評級費用。因此，可以得出 Φ′< Φ。由于評級費用減少，評級公司有動機選擇如實匯報評級結果。綜上，本文提出假說H2：H2：由于再評級時評級公司商譽的積累以及評級費用的減少，評級公司更傾向于在評級信息中如實包含債券專有信息，此時，跟蹤評級的專有信息對于預測債券違約具有顯著幫助。

三、研究設計

（一）樣本和數據

本文以中國A 股上市公司發行的在2010-2018 年間到期或者發生實質性違約的企業債券、公司債券、短期融資券、中期票據以及非公開發行公司債為研究對象，采用債券評級作為信用等級的衡量指標。以上債券數據均來自銳思數據庫，債券違約數據來自Wind 咨詢，債券發行公司對應的企業財務數據均來自國泰安數據庫。參考現有文獻的做法，本文刪除了金融類上市公司發行的債券樣本;為消除價格因素影響，本文對企業財務數據進行了相應的平減處理;為控制極端值對實證結果的影響，本文對相應的財務數據進行了兩端1%的縮尾處理（winsorize）。

本文的樣本包含2 219 只債券，表1 報告了全樣本債券以及違約債券的類型分布。短期融資券是我國企業債券主要的融資工具，在本文樣本中占比達到64.49%，短期融資券、公司債券和中期票據合計占比超過總樣本的95%。公司債券發生違約數量達到13 只，短期融資券和中期票據均有8 只債券發生實質性違約，非公開發行公司債有6 只發生違約。

表2 和表3 分別報告了債券發行時和債券到期前或者違約前半年時點時債券的信用級別等級分布。債券發行時的信用級別超過72.6%在AA 級及以上，其中AA 級數量最多，占37.22%。債券到期或違約前半年時債券評級級別超過73.3%在AA 級及以上，其中AA 級數量最多，占34.34%。

對比首次評級和債券到期或違約前半年時的跟蹤評級分布來看，僅有3 只債券的跟蹤評級下調至A-以下，跟蹤評級中AA+和AAA 評級債券數量增加，AA 評級數量出現下降。

（二）實證模型

參考馬榕和石曉軍（2016）的做法，本文首先對債券信用等級從CC 到AAA 依次進行賦值為1 到19 作為評級等級指標①。參照Agarwal 和 Hauswald（2010）的正交分解方法，本文將債券等級信息分解為市場公開信息和評級公司專有信息，其中市場公開信息包括企業財務信息和企業面臨的外部宏觀環境信息，專有信息為評級公司向市場提供的增量信息。參考沈紅波和廖冠民（2014）的方法，本文以評級信息為因變量并按如下模型對企業特征和宏觀環境信息進行回歸分析：

上式中，控制變量包括債券是否具有擔保人（Guar）、債券期限（Term）、代表宏觀經濟環境的廣義貨幣增長率（M2）和企業所在省份的GDP 增長率（GDP）、企業主體評級（Rate）、資產負債率（Lev）、流動比率（Liquid）、資產收益率（ROA）、資產周轉率（Turnover）、銷售增長率（Sgrow）、董總兼任（Duality）、企業規模（Size）、企業性質（SOE）以及代表行業（Ind）和年份（Year）的固定效應。本文使用模型（13）估計的殘差來代表評級公司提供的債券專有信息（SpecInfo）。

由于債券是否違約采用二元虛擬變量進行賦值，在實證研究中應采用二元離散選擇模型進行回歸分析。參考陳德球等（2013）的研究，本文建立如下Logit 模型來驗證本文的假設H1 和假設H2：

根據前文的理論分析，評級公司對債券進行初次評級時有動機對債券給予高評級，從而評級信息不包含債券專有信息，那么初次評級的專有信息變量在預測債券違約時將不顯著;由于評級公司有動機如實匯報跟蹤評級的評級結果，則評級信息將包含債券專有信息，那么跟蹤評級的債券專有信息對于預測債券違約有顯著幫助，我們預期此時變量 的系數顯著為負。

（三）變量定義與描述性統計

本文所用變量定義如下：Default = 1 表示債券發生實質性違約，反之表示沒有發生違約;債券評級根據債券等級依次賦值設定;債券利差為債券票面利率和無風險利率之差，參考孟慶斌等（2018）的做法，無風險利率選擇和債券期限對應的相同期限國債收益率;Guar = 1表示有擔保人對債券提供擔保，反之則沒有;Term 為債券發行期限;M2 為我國廣義貨幣增長率;GDP 為債券發行企業所在省份的GDP 增長率;Rate 為企業的主體評級情況;Lev 為企業資產負債率，等于總負債/總資產;Liquid 為流動比率，等于流動資產/流動負債;ROA 為資產收益率，等于凈利潤/總資產;Turnover 為總資產周轉率，等于主營業務收入凈額/總資產;Sgrow 代表銷售收入增長率;Duality = 1 表示董事長和總經理為同一人，反之不是;Size 為企業規模，取企業總資產的自然對數;SOE = 1 表示公司為國有企業，反之為非國有企業。表4 報告了本文所用變量的描述性統計。

四、實證結果

（一）債券信用評級的決定因素

為了得到評級公司的專有信息，需要對信用評級的影響因素進行考察。根據模型（13），本文分別以債券發行評級和債券跟蹤評級為因變量對市場公開信息進行回歸。表5 中第（1）列為債券發行評級的回歸結果，第（2）列為跟蹤評級的回歸結果。

從第（1）列可以看出，企業主體評級、流動比率、擔保人和企業規模與債券信用等級具有顯著正相關關系。這是因為主體評級越高代表企業具有較強的應對風險能力，流動比率較大、有擔保人為債券提供擔保以及較大的資產規模可以為企業發行的債券提供隱性或者顯性的擔保，此類企業發行的債券具有較高的信用等級。企業性質顯著為負，表明國有企業發行的債券普遍具有較高的信用等級，可能的原因為政府對國有企業存在隱性擔保。債券期限變量顯著為負，說明債券期限和債券信用等級負相關。這可能是因為長期債券面臨未來的不確定性較大，更容易受外部經濟環境的影響。表5 第（2）列的結果同樣表明企業主體評級、流動比率、擔保人與跟蹤評級等級正相關，債券期限和跟蹤評級等級負相關。不同的是，M2 增長率顯著為正，表明外部融資環境越寬松評級公司傾向于給予跟蹤評級更高的信用等級;企業性質不再顯著，而企業規模顯著為負，發生了系數符號的顯著變化，以上說明評級公司在對債券進行跟蹤評級時更少關注企業債券的顯性擔保和隱性擔保，更傾向于根據企業實際情況給債券真實的評級。

對比第（1）列和第（2）列的擬合優度（R）來看，被解釋變量為債券發行評級時的調整R 為0.543，表明所有解釋變量可以解釋債券發行信用等級的54.3%。而對于跟蹤評級來說，債券跟蹤評級模型的調整 R 為0.272，僅為債券發行評級模型調整 R 的50%，說明市場公開信息對于跟蹤評級的解釋能力更弱，可能的原因為跟蹤評級等級包含了更多的專有信息。這也與前文的理論分析一致，評級公司為獲得評級收益會對債券初次評級普遍給予更高的信用等級，而在對債券進行跟蹤評級時有動機選擇如實匯報評級結果。以上結論也表明，評級公司獲得的專有信息會影響到企業債券的信用等級，并且更傾向于在跟蹤評級時將專有信息如實反映在債券評級中。

（二）不同階段評級信息對企業債券違約的影響

為了檢驗假設H1 和H2，本文考察了債券專有信息對債券違約的影響。本文以模型（13）估計的殘差來代表評級公司提供的債券專有信息，首先，分別以債券發行評級和債券跟蹤評級作為被解釋變量按模型（13）進行回歸，然后將兩次回歸結果的殘差作為債券專有信息的替代變量，債券專有信息分別記為債券專有信息（發行）和債券專有信息（跟蹤）。最后按照模型（16）進行回歸分析。

表6 列出了該回歸結果。第（1）列不包含任何債券專有信息的回歸結果，第（2）列為加入債券發行評級的專有信息的回歸結果，第（3）列為加入債券跟蹤評級專有信息的回歸結果。從第（1）列的結果可以看出M2 增長率、企業性質和銷售收入增長率三個變量的系數顯著為負，說明在外部融資環境寬松時債券違約概率較小、國有企業發證債券違約的概率顯著小于非國有企業、企業成長性越好的企業發生債券違約的概率越小。債券利差在1%水平下顯著為正，說明利差越大的債券發生違約的概率越大。資產負債率在5%水平下顯著為正，表明負債水平越高的企業發生債券違約的概率越高。擔保人系數在5%水平下顯著為正，可能的原因為，高風險的債券為了順利發行更傾向于尋找擔保人進行擔保，從而表現為擁有擔保人的債券違約概率越大。

從表6 中第（2）列可以看出，債券專有信息（發行）系數為負且不顯著，說明債券發行評級不包含評級公司獲得的債券專有信息。該結論與本文假設H1 一致，即評級公司對首次發行的債券有普遍給予高評級的動機，其評級結果不包含評級公司獲得的債券專有信息，導致首次評級結果中的債券“專有信息”對于預測債券違約無顯著影響。對比表6 中第（1）列可以看出，第（2）列中所有其他控制變量均未發生顯著變化，模型的偽 R 從0.598 上升到0.620，增加了2.2%。

從表6 中第（3）列可以看出，債券專有信息（跟蹤）系數為負且在1%水平下顯著，這意味著當評級公司掌握的關于債券的專有信息比較正面時，債券違約的概率較小，說明債券跟蹤評級包含了評級公司獲得的債券專有信息。該結論與本文假設H2 一致，即在跟蹤評級時，評級公司更傾向于在評級信息中如實包含債券專有信息，此時跟蹤評級的專有信息對于預測債券違約具有顯著幫助。以表6 中第（1）列進行對比可以看出，第（3）列中其他控制變量均未發生顯著的變化，模型的偽 R 從0.598 上升到0.712，增加了11.4%，遠大于第（2）列中偽 R 增加的2.2%。從AUC 值來看，加入債券專有信息后模型預測準確度也有所上升。以上結果說明債券專有信息對于預測債券違約的幫助是重要的。

（三）穩健性分析

表6 中的回歸結果對本文的兩條假設H1 和H2 均提供了支持，為進一步驗證以上結論的穩健性，本文分別使用長期債券樣本和非國有企業樣本進行穩健性分析。回歸結果見表7。

表7 中（1）-（2）列為長期樣本的回歸結果。其中，首次評級中的債券專有信息系數為負且不顯著，跟蹤評級中的債券專有信息在1%水平下顯著為負，以上結論同樣支持本文假設H1 和H2。從控制變量來看，（1）-（2）列中 M2 增長率、企業性質、銷售收入增長率、債券利差、資產負債率和擔保人與全樣本的結果一致。上述結論表明對于長期債券而言，本文的結論依然成立，說明本文結論具有穩健性。

表7 中（3）-（4）列為非國有企業樣本的回歸結果。對比可知，首次評級中的債券專有信息系數為負且不顯著，跟蹤評級中的債券專有信息在1%水平下顯著為負，以上非國有企業樣本的結論支持本文假設H1 和H2。從控制變量來看，（3）-（4）列中 M2 增長率、債券利差、銷售收入增長率和擔保人與表6 中全樣本的結果一致。上述結論進一步證明了本文結論具有穩健性。

五、結論與啟示

本文通過構建包含債券發行人、債券評級公司和債券投資者的博弈模型，在分析不同博弈參與者最優策略選擇的基礎上，發現評級公司對債券首次評級和跟蹤評級會選擇不同的評級策略，據此我們提出了相應的研究假設。基于我國滬深兩市A 股上市公司發行的2010-2018 年到期和發生實質性違約的債券樣本，通過相應的研究設計實證驗證了本文的研究假設。研究結果表明，債券評級公司對首次發行的債券有普遍給予高評級的動機，其評級結果通常不包含評級公司獲得的債券專有信息;而在跟蹤評級時，評級公司更傾向于在評級信息中如實包含債券專有信息，此時跟蹤評級結果更能反映債券的真實風險情況;評級公司所擁有的債券專有信息對于預測債券違約具有顯著作用。穩健性檢驗結果表明，以上結論對于長期債券樣本和非國有企業樣本依然有效。

基于理論分析和實證研究得到的結果，本文的政策啟示如下：第一，進一步打擊“信用評級交易”行為，加大對債券評級機構違規行為的懲罰力度。信用評級行業懲罰力度過小的問題應引起高度重視，根據理論分析部分公式（9），懲罰力度 F 的大小直接關系到債券評級公司是否如實匯報評級結果。加大懲罰力度可以減少評級公司的預期收益，促使評級公司選擇如實匯報評級結果，提升評級質量。

第二，加快引進國外優質評級機構，逐步建立“雙評級”制度。“雙評級”制度即債券發行前必須同時由國內與國外兩家信用評級機構進行信用評級。2018 年3 月，銀行間市場交易商協會發布的《銀行間債市信用評級機構注冊評價規則》，開始允許境外評級機構的注冊。對此，我國應在對境外評級機構進行嚴格審核的同時也要為通過審核的評級機構掃清進入障礙。引入國外評級機構不僅可以為國內評級機構帶來更成熟、先進的信用評級模型，還可以成為國內評級公司的競爭者，為原有的博弈模型引入新的參與者，改變原有評級博弈參與者的最優策略選擇，提升國內評級公司的評級質量。

第三，逐步推行投資者付費模式，從根本上改變債券評級公司的評級策略。現有文獻對投資者付費模式進行了廣泛的研究，發現這種評級方式能夠較好地解決債券信用評級虛高的問題（Bongaerts 等，2012）。此外，Beaver 等（2006）認為投資者付費模式下評級機構提供的評級結果包含的信息更多，且能夠對好壞兩種信息做出迅速的反應。從本文的理論模型來看，投資者付費模式可以直接切斷債券發行人與評級公司之間的雇傭關系，評級公司沒有動機為債券提供虛高的評級。此時，評級公司將傾向于選擇如實匯報評級結果。

第四，鼓勵中立評級機構發展，擴大中立評級機構市場份額。中立評級機構可以對現有發行人付費評級機構產生一定的監督作用，有利于促進現有評級機構進行獨立、客觀和公正的信用評級，在一定程度上解決發行人付費評級模式中存在的問題。孟慶斌等（2018）研究發現，我國首家中立評級機構中債資信的信用評級通過聲譽機制和學習機制對發行人付費評級機構產生重要影響。中債資信的評級可以揭示更多發行人付費評級機構未掌握的私有信息，促使發行人付費評級機構在獲取信息后對發債主體評級進行調整。