貨幣政策支持對(duì)公司債信用利差的影響

摘" "要：使用我國(guó)滬深上市公司2019—2022年債券發(fā)行月度數(shù)據(jù)，利用雙重差分法探討貨幣政策支持對(duì)公司債信用利差的影響。結(jié)果表明：政策實(shí)施顯著收窄了債券信用利差，且實(shí)施效果在不同資產(chǎn)規(guī)模、發(fā)債規(guī)模、勞動(dòng)密集度、資本密集度下具有一定異質(zhì)性；將信用利差分解為流動(dòng)性利差與違約利差后，發(fā)現(xiàn)其主要通過(guò)降低違約利差來(lái)收窄信用利差。進(jìn)一步對(duì)觀測(cè)期內(nèi)具體貨幣政策工具操作進(jìn)行短期事件研究發(fā)現(xiàn)，下調(diào)中期借貸便利利率與常備借貸便利利率對(duì)信用利差的收窄作用呈現(xiàn)國(guó)有企業(yè)與高信用評(píng)級(jí)“偏好”，而下調(diào)金融機(jī)構(gòu)存款準(zhǔn)備金率引起的收窄作用并未有明顯差異。為更好地發(fā)揮貨幣政策對(duì)直接融資市場(chǎng)調(diào)控的功能，應(yīng)著力完善貨幣政策對(duì)債券市場(chǎng)信用利差結(jié)構(gòu)的影響框架，加快構(gòu)筑市場(chǎng)風(fēng)險(xiǎn)協(xié)同監(jiān)測(cè)機(jī)制。

關(guān)鍵詞：貨幣政策；信用利差；債務(wù)市場(chǎng)

中圖分類號(hào)：F832.51" "文獻(xiàn)標(biāo)識(shí)碼：A" "文章編號(hào)：1003-7543（2024）05-0137-19

突發(fā)公共衛(wèi)生事件往往因其成因復(fù)雜、廣泛傳播等特點(diǎn)嚴(yán)重威脅經(jīng)濟(jì)系統(tǒng)正常運(yùn)轉(zhuǎn)，其不確定性與緊迫性對(duì)全球經(jīng)濟(jì)發(fā)展產(chǎn)生了較大挑戰(zhàn)。新冠疫情（以下簡(jiǎn)稱疫情）導(dǎo)致我國(guó)總需求和總供給衰退，生產(chǎn)要素流通受阻，消費(fèi)、投資、出口三駕馬車(chē)均受到不同程度的損失。為有效應(yīng)對(duì)疫情的沖擊，中國(guó)人民銀行等五部門(mén)于2020年1月31日發(fā)布銀發(fā)〔2020〕29號(hào)文，明確提出通過(guò)公開(kāi)市場(chǎng)操作、常備借貸便利利率等多種貨幣政策工具強(qiáng)化預(yù)期引導(dǎo)，加大逆周期調(diào)節(jié)強(qiáng)度，引導(dǎo)金融機(jī)構(gòu)加大對(duì)實(shí)體經(jīng)濟(jì)的支持力度，以保持金融市場(chǎng)流動(dòng)性合理充裕，促進(jìn)貨幣信貸合理增長(zhǎng)。從貨幣政策信貸傳導(dǎo)機(jī)制中的銀行信貸渠道與企業(yè)資產(chǎn)負(fù)債表渠道來(lái)看，前者是指貨幣當(dāng)局通過(guò)政策調(diào)控對(duì)金融中介機(jī)構(gòu)的貸款規(guī)模進(jìn)行結(jié)構(gòu)性調(diào)整，以滿足不同主體的融資需求，進(jìn)而影響主體的債務(wù)融資成本；后者則是指貨幣政策通過(guò)影響借款者現(xiàn)金流，改變借款人信用狀況，促使銀行調(diào)整放貸規(guī)模，進(jìn)而影響借款人融資狀況和債務(wù)融資成本。從貨幣政策利率傳導(dǎo)機(jī)制來(lái)看，利率調(diào)整會(huì)通過(guò)改變企業(yè)資產(chǎn)凈值進(jìn)而影響其違約風(fēng)險(xiǎn)，或通過(guò)改變投資者風(fēng)險(xiǎn)偏好和預(yù)期，最終作用于信用利差。銀發(fā)〔2020〕29號(hào)文下的“一攬子”貨幣政策支持是否有效緩解了企業(yè)融資壓力、降低了企業(yè)債務(wù)融資成本，實(shí)施效果是否存在來(lái)自主體異質(zhì)性的結(jié)構(gòu)性差異等，需要進(jìn)行深入研討。合理評(píng)估重大突發(fā)公共衛(wèi)生事件下“一攬子”貨幣政策的支持效應(yīng)，不僅能印證流動(dòng)性注入能否有效降低企業(yè)債務(wù)融資成本，而且能有效評(píng)估政策實(shí)施對(duì)金融市場(chǎng)的結(jié)構(gòu)性影響。但現(xiàn)有文獻(xiàn)對(duì)于該政策實(shí)施效果的研究并未拓展至金融市場(chǎng)，尤其是我國(guó)的公司債券市場(chǎng)。

基于此，本文將銀發(fā)〔2020〕29號(hào)文的實(shí)施視作一項(xiàng)準(zhǔn)自然實(shí)驗(yàn)，運(yùn)用DID實(shí)證方法考察貨幣政策支持對(duì)公司債市場(chǎng)信用利差的影響；然后，探討不同發(fā)債主體、債券特征等的異質(zhì)性所引起的政策實(shí)施效果的差異。此外，為厘清該政策實(shí)施效果的具體作用機(jī)制，本文進(jìn)一步將信用利差分解為流動(dòng)性利差與違約利差展開(kāi)機(jī)制研究。

值得注意的是，銀發(fā)〔2020〕29號(hào)文強(qiáng)調(diào)了常備借貸便利利率、中期借貸便利利率等創(chuàng)新型貨幣政策工具的使用。近年來(lái)，受限于信用主體的融資軟約束、“二元”結(jié)構(gòu)以及利率雙軌制等多種因素影響，傳統(tǒng)價(jià)格型與數(shù)量型貨幣政策工具在流動(dòng)性調(diào)控時(shí)存在的結(jié)構(gòu)性問(wèn)題易導(dǎo)致貨幣政策傳導(dǎo)機(jī)制不暢。為更有效、精準(zhǔn)地實(shí)現(xiàn)流動(dòng)性調(diào)控，中國(guó)人民銀行自2013年起開(kāi)始運(yùn)用包括常備借貸便利利率、中期借貸便利利率在內(nèi)的一系列貨幣政策工具。相較于傳統(tǒng)貨幣政策工具，這些創(chuàng)新型貨幣政策工具主要以擔(dān)保形式為銀行注入流動(dòng)性，而非信用方式，通過(guò)將中小微企業(yè)貸款納入合格擔(dān)保品范圍等方式，實(shí)現(xiàn)對(duì)企業(yè)的定向資金注入，以疏通貨幣政策傳導(dǎo)渠道。通過(guò)梳理現(xiàn)有文獻(xiàn)可知，中期借貸便利利率、常備借貸便利利率等創(chuàng)新型貨幣政策工具多與企業(yè)融資成本、企業(yè)就業(yè)、資本市場(chǎng)穩(wěn)定等掛鉤，鮮有文獻(xiàn)研究這類貨幣政策工具操作對(duì)債券信用利差的影響［1-3］。因此，本文通過(guò)窗口期為［-10，10］的短期事件研究觀測(cè)期內(nèi)中期借貸便利利率與常備借貸便利利率這類創(chuàng)新型貨幣政策工具對(duì)公司債市場(chǎng)信用利差的影響，以完善本研究的整體框架。此外，考慮到存款準(zhǔn)備金率是我國(guó)較為常用的數(shù)量型貨幣政策工具，本文同樣對(duì)其進(jìn)行了研究。

本文的邊際貢獻(xiàn)主要體現(xiàn)在：與多數(shù)研究貨幣政策對(duì)公司債市場(chǎng)信用利差影響的文獻(xiàn)不同，本文從銀發(fā)〔2020〕29號(hào)文的實(shí)施這一特殊視角考察了其對(duì)公司債信用利差的影響及作用機(jī)制，并基于短期事件研究法探討了在觀測(cè)期內(nèi)下調(diào)中期借貸便利利率、常備借貸便利利率、金融機(jī)構(gòu)存款準(zhǔn)備金率對(duì)公司債信用利差的影響。

一、相關(guān)文獻(xiàn)綜述與研究假說(shuō)提出

貨幣政策調(diào)控的目的主要是通過(guò)促進(jìn)資源有效配置來(lái)實(shí)現(xiàn)預(yù)期經(jīng)濟(jì)目標(biāo)，但在實(shí)體傳輸渠道受阻時(shí)，貨幣政策調(diào)控帶來(lái)的流動(dòng)性易涌入金融市場(chǎng)［4］。已有研究認(rèn)為貨幣政策對(duì)金融市場(chǎng)的影響主要通過(guò)貨幣渠道、信貸渠道、資產(chǎn)價(jià)格渠道等傳導(dǎo)。自20世紀(jì)80年代起，隨著利率市場(chǎng)化進(jìn)程的推進(jìn)，學(xué)術(shù)界開(kāi)始逐漸關(guān)注貨幣政策對(duì)債券市場(chǎng)的影響。Bernanke和Blinder［5］、Bernanke和Gertler［6］通過(guò)對(duì)貨幣政策信用傳導(dǎo)渠道的研究指出，寬松的貨幣政策通過(guò)利率下降來(lái)提高企業(yè)資產(chǎn)負(fù)債表質(zhì)量，降低企業(yè)違約概率，進(jìn)而收窄信用利差。但Longstaff和Schwartz通過(guò)檢驗(yàn)1977—1992年的數(shù)據(jù)發(fā)現(xiàn)，利率水平與信用利差呈負(fù)相關(guān)［7］。Roley和Sellon發(fā)現(xiàn)并非所有數(shù)據(jù)均支持貨幣政策與債券市場(chǎng)利率間的關(guān)系，尤其對(duì)長(zhǎng)期利率的反應(yīng)是多變且模糊的［8］。Sensarma和Bhattacharyya通過(guò)宏觀金融分析方法指出貨幣政策在期限結(jié)構(gòu)中起主導(dǎo)作用，對(duì)公司債信用利差有強(qiáng)烈影響，且信用利差反過(guò)來(lái)也對(duì)貨幣政策具有一定影響［9］。Zhu則進(jìn)一步將貨幣政策沖擊分解為預(yù)期變化與未預(yù)期變化，發(fā)現(xiàn)信用利差對(duì)貨幣政策未預(yù)期的變化反應(yīng)更為敏感，且在經(jīng)濟(jì)衰退時(shí)期更為顯著［10］。王安興等基于NS方法估計(jì)我國(guó)公司債信用利差，發(fā)現(xiàn)公司債信用利差與無(wú)風(fēng)險(xiǎn)利率水平、利率期限結(jié)構(gòu)斜率以及公司杠桿率的變化方向相反，且主要受利率水平與流動(dòng)性性水平影響［11］。朱焱和孫淑偉基于貨幣渠道傳導(dǎo)分析，通過(guò)將貨幣供應(yīng)量作為貨幣政策的代理變量，發(fā)現(xiàn)寬松貨幣政策有助于降低我國(guó)公司債信用利差［12］。紀(jì)志宏和曹媛媛從我國(guó)信用債定價(jià)角度出發(fā)，基于剛性兌付預(yù)期和信用債套利交易模式分析了我國(guó)信用債信用利差中宏觀流動(dòng)性溢價(jià)的存在性，實(shí)證發(fā)現(xiàn)信用債信用利差對(duì)貨幣市場(chǎng)利率水平與波動(dòng)性反應(yīng)更為敏感［13］。陳貞竹等則使用金融市場(chǎng)高頻數(shù)據(jù)，指出我國(guó)貨幣政策傳導(dǎo)中存在“信號(hào)效應(yīng)”，以準(zhǔn)備金率為代表的數(shù)量型貨幣政策在一定程度上能通過(guò)引導(dǎo)公眾預(yù)期，進(jìn)而對(duì)債券信用利差產(chǎn)生影響［14］。

綜上，盡管貨幣政策與債券信用利差的研究較為豐富，但現(xiàn)有研究均未考察疫情期間貨幣政策支持對(duì)我國(guó)公司債信用利差的影響。信用利差一般作為發(fā)行主體信用風(fēng)險(xiǎn)衡量的關(guān)鍵指標(biāo)以及增量債務(wù)融資成本的度量方式。自2014年3月“ST超日債”首例利息違約案件打破我國(guó)債券市場(chǎng)“零違約”的怪象來(lái)，債券違約趨于常態(tài)化，如何降低違約風(fēng)險(xiǎn)、收窄信用利差，成為債券市場(chǎng)研究的核心問(wèn)題。目前，學(xué)術(shù)界將信用利差的主要影響因素分解為宏觀因素、流動(dòng)性因素以及企業(yè)個(gè)體微觀因素［15］。從宏觀因素來(lái)看，戴國(guó)強(qiáng)和孫新寶基于Merton的結(jié)構(gòu)化模型研究發(fā)現(xiàn)，我國(guó)企業(yè)債信用利差與GDP指數(shù)和M1發(fā)行量正相關(guān)，而與無(wú)風(fēng)險(xiǎn)利率和國(guó)債利率負(fù)相關(guān)［16］。王超指出信用利差在不同信用等級(jí)和違約概率下對(duì)經(jīng)濟(jì)周期、貨幣政策及其不確定性呈現(xiàn)顯著的敏感度差異［17］。從流動(dòng)性因素來(lái)看，Schwert［18］、Chen和Jiang［19］指出，盡管中國(guó)債券市場(chǎng)相較于發(fā)達(dá)國(guó)家市場(chǎng)流動(dòng)性較差，但債券信用利差中仍顯著包含部分流動(dòng)性溢價(jià)成分。從企業(yè)微觀因素來(lái)看，企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)與信用利差相關(guān)，經(jīng)營(yíng)風(fēng)險(xiǎn)越高，對(duì)應(yīng)要求的風(fēng)險(xiǎn)溢價(jià)回報(bào)也就越高。李萌和王近發(fā)現(xiàn)企業(yè)內(nèi)部控制質(zhì)量越高，其債務(wù)違約風(fēng)險(xiǎn)越低，對(duì)應(yīng)公司債信用利差也越低［20］。Ayres指出企業(yè)三級(jí)資產(chǎn)持有對(duì)債券信用評(píng)級(jí)具有負(fù)面影響，且與債券信用利差的增長(zhǎng)有關(guān)。史永東等發(fā)現(xiàn)控股股東股權(quán)質(zhì)押在發(fā)揮約束監(jiān)督的功能時(shí)，其控制權(quán)轉(zhuǎn)移影響到控股股東短期與長(zhǎng)期利益的權(quán)衡，通過(guò)資產(chǎn)轉(zhuǎn)移、資產(chǎn)替代、信息操縱等侵害債權(quán)人利益，進(jìn)而提高債券二級(jí)市場(chǎng)的信用利差［21］。

一般來(lái)說(shuō)，債券信用利差是債券到期收益率與無(wú)風(fēng)險(xiǎn)收益率之差，貨幣政策調(diào)控會(huì)通過(guò)企業(yè)資產(chǎn)負(fù)債表、投資者風(fēng)險(xiǎn)偏好及預(yù)期、融資流動(dòng)性等渠道影響債券信用利差。首先，從傳統(tǒng)貨幣政策的信用傳導(dǎo)渠道來(lái)看［22］，貨幣政策通過(guò)降低利率，引起公司資產(chǎn)與抵押品價(jià)值上升，同時(shí)通過(guò)降低企業(yè)借貸成本，增加企業(yè)營(yíng)運(yùn)現(xiàn)金流量，引起企業(yè)凈值上升。而這種凈值上升會(huì)提高企業(yè)債務(wù)償還能力，進(jìn)而通過(guò)降低企業(yè)違約風(fēng)險(xiǎn)來(lái)收窄信用利差。其次，從投資者風(fēng)險(xiǎn)偏好來(lái)看，貨幣政策引起的利率下降會(huì)提高公司債券價(jià)格，進(jìn)而提高債券持有者收入，而投資者風(fēng)險(xiǎn)容忍度會(huì)隨之降低，導(dǎo)致投資者要求公司債券的單位風(fēng)險(xiǎn)溢價(jià)減少，使相同風(fēng)險(xiǎn)下的公司債券在價(jià)格上升時(shí)其信用利差下降［23］。最后，金融市場(chǎng)融資流動(dòng)性也是債券信用利差的重要影響因素之一［24］。對(duì)于公司債市場(chǎng)來(lái)說(shuō)，融資流動(dòng)性匱乏會(huì)通過(guò)提高發(fā)債主體信用風(fēng)險(xiǎn)或投資者的負(fù)面預(yù)期引導(dǎo)放大債券信用利差。Marra在對(duì)危機(jī)期間美國(guó)金融市場(chǎng)的研究中，指出市場(chǎng)融資流動(dòng)性與信用利差呈負(fù)向關(guān)系，且主要影響機(jī)制在于融資流動(dòng)性引起的系統(tǒng)性風(fēng)險(xiǎn)累積［25］。李少昆等則證實(shí)了其在我國(guó)公司債市場(chǎng)的適用性，即融資流動(dòng)性與信用利差成反比［26］，即貨幣政策調(diào)控能通過(guò)改善發(fā)債主體融資約束程度，提高公司債市場(chǎng)融資流動(dòng)性，進(jìn)而收窄信用利差。銀發(fā)〔2020〕29號(hào)文的出臺(tái)能通過(guò)降準(zhǔn)降息、再貼現(xiàn)等貨幣政策操作為市場(chǎng)注入大量融資流動(dòng)性，結(jié)合信號(hào)釋放效應(yīng)引導(dǎo)投資者預(yù)期，并通過(guò)MLF操作等方式引導(dǎo)商業(yè)銀行為企業(yè)提高資金支持來(lái)緩解企業(yè)經(jīng)營(yíng)壓力、優(yōu)化企業(yè)資產(chǎn)負(fù)債表，進(jìn)而收窄信用利差，降低企業(yè)債務(wù)融資成本。綜上，提出基準(zhǔn)假說(shuō)H1：

H1：銀發(fā)〔2020〕29號(hào)文的實(shí)施收窄了公司債市場(chǎng)的信用利差。

為了分析具體的傳導(dǎo)機(jī)制，本文進(jìn)一步將信用利差分解為違約利差與流動(dòng)性利差展開(kāi)討論［27］。違約利差即違約風(fēng)險(xiǎn)溢價(jià)，是指投資者因持有債券而承受違約風(fēng)險(xiǎn)等所要求的額外風(fēng)險(xiǎn)補(bǔ)償，往往與發(fā)債主體的經(jīng)營(yíng)風(fēng)險(xiǎn)呈正向關(guān)系。當(dāng)企業(yè)融資環(huán)境較好、融資壓力較低時(shí)，企業(yè)經(jīng)營(yíng)狀況的改善會(huì)通過(guò)降低違約風(fēng)險(xiǎn)，推動(dòng)違約利差下降，進(jìn)而使信用利差降低。在上述假設(shè)基礎(chǔ)上，銀發(fā)〔2020〕29號(hào)文的實(shí)施能通過(guò)降低利率等方式為市場(chǎng)主體注入金融市場(chǎng)融資流動(dòng)性，以對(duì)沖疫情對(duì)市場(chǎng)主體融資帶來(lái)的負(fù)面影響，提高公司預(yù)期經(jīng)營(yíng)現(xiàn)金流量，改善公司營(yíng)運(yùn)狀況，進(jìn)而通過(guò)降低違約利差來(lái)收窄信用利差。

由于公司債在二級(jí)市場(chǎng)采取做市商制度交易，債券持有者和潛在投資者對(duì)債券的定價(jià)決定了買(mǎi)賣(mài)價(jià)差，一旦企業(yè)經(jīng)營(yíng)狀況惡化，就會(huì)引起二級(jí)市場(chǎng)債券流動(dòng)性降低、買(mǎi)賣(mài)價(jià)差擴(kuò)大、流動(dòng)性價(jià)差上升，進(jìn)而放大信用利差［28］。一方面，該政策的實(shí)施能有效改善疫情期間市場(chǎng)參與者的預(yù)期，減少投資者在疫情期間的持倉(cāng)觀望行為，通過(guò)降低買(mǎi)賣(mài)價(jià)差和增加債券流動(dòng)性來(lái)減少流動(dòng)性利差，進(jìn)而收窄信用利差；另一方面，該政策的實(shí)施能為市場(chǎng)提供足夠的流動(dòng)性來(lái)降低市場(chǎng)主體流動(dòng)性需求，減少投資者因流動(dòng)性問(wèn)題而拋售債券的行為，進(jìn)而降低債券交易成本，通過(guò)收緊流動(dòng)性利差以收窄信用利差。綜上，進(jìn)一步提出假說(shuō)H2a與H2b：

H2a：銀發(fā)〔2020〕29號(hào)文的實(shí)施通過(guò)降低公司債市場(chǎng)的違約利差，進(jìn)而收窄信用利差。

H2b：銀發(fā)〔2020〕29號(hào)文的實(shí)施通過(guò)降低公司債市場(chǎng)的流動(dòng)性利差，進(jìn)而收窄信用利差。

二、研究設(shè)計(jì)

（一）樣本選取與數(shù)據(jù)來(lái)源

為縮小樣本選擇偏誤，本文樣本觀測(cè)期的選擇參考了曾嶒和唐松的做法［29］，并考慮到貨幣政策實(shí)施效果可能具有一定時(shí)滯性，選取滬深上市公司2019年1月至2022年12月二級(jí)市場(chǎng)公司債的月度數(shù)據(jù)作為初始樣本，然后進(jìn)行如下數(shù)據(jù)處理：剔除交叉上市的公司樣本；剔除發(fā)債主體被ST和ST*的樣本；剔除金融類公司樣本；剔除債項(xiàng)評(píng)級(jí)為AA級(jí)以下的樣本；剔除債券發(fā)行日期在2020年及以后的樣本；剔除主要財(cái)務(wù)數(shù)據(jù)缺失的樣本，最終得到9 527個(gè)觀測(cè)值，來(lái)自174家上市公司發(fā)行的391只公司債券。具體而言，研究樣本僅選取上市公司發(fā)行的債券，而未包含中期票據(jù)與短期融資券等的原因在于：在分析債券信用風(fēng)險(xiǎn)時(shí)，控制發(fā)債主體財(cái)務(wù)變量必不可少，且相較于非上市公司，上市公司信息披露與外部審計(jì)更為嚴(yán)格。本文財(cái)務(wù)數(shù)據(jù)與債券數(shù)據(jù)來(lái)源于Wind數(shù)據(jù)庫(kù)和國(guó)泰安數(shù)據(jù)庫(kù)。為消除離群值的影響，本文對(duì)連續(xù)變量在1%和99%的水平上進(jìn)行了Winsorize處理。

（二）識(shí)別策略與模型設(shè)定

本文使用雙重差分法考察銀發(fā)〔2020〕29號(hào)文的實(shí)施對(duì)公司債市場(chǎng)信用利差的影響。在自然實(shí)驗(yàn)情形下，雙重差分法能有效克服因果關(guān)系與其他遺漏變量的影響，通過(guò)對(duì)照政策實(shí)施后實(shí)驗(yàn)組與對(duì)照組的差異，來(lái)識(shí)別變量間的因果關(guān)系。

實(shí)踐中，政策實(shí)施產(chǎn)生的影響具有較大的異質(zhì)性，政策實(shí)施效果往往會(huì)因市場(chǎng)主體特征差異而不同。實(shí)際上，為識(shí)別政策實(shí)施與信用利差之間的因果關(guān)系，現(xiàn)有文獻(xiàn)近乎均以政策試點(diǎn)作為天然的對(duì)照組與實(shí)驗(yàn)組進(jìn)行DID檢驗(yàn)，鮮有文獻(xiàn)通過(guò)企業(yè)或者債券層面的差異切入構(gòu)造對(duì)照組與實(shí)驗(yàn)組，以檢驗(yàn)這種“一刀切”政策的實(shí)施效應(yīng)。但錢(qián)雪松和方勝的研究為我們提供了一定參考［30］，我們從該政策實(shí)施對(duì)不同債券信用利差影響的差異性構(gòu)建對(duì)照組與實(shí)驗(yàn)組，在此基礎(chǔ)上通過(guò)構(gòu)建DID模型來(lái)檢驗(yàn)政策的實(shí)施效應(yīng)。具體來(lái)說(shuō)，按照債券信用評(píng)級(jí)高低來(lái)構(gòu)建對(duì)照組與實(shí)驗(yàn)組，處理原因如下：債券信用利差在不同信用評(píng)級(jí)下呈現(xiàn)顯著差異。債券評(píng)級(jí)機(jī)構(gòu)作為連接投資者與發(fā)行人的重要金融中介，既需為社會(huì)提供企業(yè)的資信狀況，又需為投資者提供決策依據(jù)，從而在一定程度上緩解二者間的信息不對(duì)稱。理論上，在假定信用評(píng)級(jí)是全面且有效的前提下，信用評(píng)級(jí)越高的債券往往越受投資者青睞，對(duì)應(yīng)較低的信用利差，尤其是在受到宏觀經(jīng)濟(jì)沖擊或政策調(diào)控時(shí)，債券市場(chǎng)中呈現(xiàn)顯著的評(píng)級(jí)劃分［31］。高信用評(píng)級(jí)不僅意味著發(fā)債主體具有良好的發(fā)展前景和營(yíng)運(yùn)能力，而且對(duì)應(yīng)著較低的違約風(fēng)險(xiǎn)，所以投資者往往要求較低的投資回報(bào)率。在疫情的外部沖擊下，由于市場(chǎng)整體的不確定性與避險(xiǎn)情緒的存在，該政策難以迅速改變低信用評(píng)級(jí)的發(fā)債主體的經(jīng)營(yíng)窘境及投資者的悲觀預(yù)期。但對(duì)于信用評(píng)級(jí)較高的債券而言，由于信用評(píng)級(jí)的隱性擔(dān)保存在，該政策的出臺(tái)在疫情期間釋放的市場(chǎng)信號(hào)與融資流動(dòng)性更能有效作用于投資者和發(fā)債主體，進(jìn)而能有效收窄其信用利差，降低主體債務(wù)融資成本。相較而言，信用評(píng)級(jí)較低的債券在疫情發(fā)生前后，均面臨較高的違約風(fēng)險(xiǎn)，政策實(shí)施很難改變投資者預(yù)期和風(fēng)險(xiǎn)偏好，因而受政策影響效果有限。簡(jiǎn)言之，在疫情背景下，與信用評(píng)級(jí)較低的債券相比，信用評(píng)級(jí)越高的債券受該政策的影響效果越明顯。

具體地，本文依據(jù)樣本內(nèi)債券的信用評(píng)級(jí)進(jìn)行劃分，將信用評(píng)級(jí)為AAA級(jí)的債券界定為實(shí)驗(yàn)組，信用評(píng)級(jí)在AA+級(jí)及以下的債券界定為對(duì)照組。本文為識(shí)別疫情背景下貨幣政策支持對(duì)公司債信用利差的影響，在控制雙重固定效應(yīng)后構(gòu)建的模型如下：

Spreadi，j，t=α0+α1Postt×Treatedi，j+α2Postt+α3Treatedi，j+α4Controlsi，j，t+γj+δt+εi，t（1）

其中被解釋變量Spreadi，j，t代表企業(yè)j發(fā)行的債券i在t時(shí)的信用利差。本文同現(xiàn)有文獻(xiàn)做法保持一致，采用公司債日收盤(pán)到期收益率減去同期相同剩余期限國(guó)債收益率來(lái)度量日度信用利差，若剩余期限無(wú)法匹配則通過(guò)插值法進(jìn)行計(jì)算，進(jìn)而通過(guò)月度平均計(jì)算月度信用利差。Postt為時(shí)間虛擬變量，由于該政策實(shí)施的時(shí)間為2020年2月1日，我們將2019年1月至2020年1月定義為0，2020年2月至2022年12月定義為1。Treatedi，j是一個(gè)指示變量，以2019年最新的債券信用評(píng)級(jí)為劃分依據(jù)，當(dāng)j企業(yè)的債券i處于實(shí)驗(yàn)組時(shí)，該變量取值為1，否則為0。我們主要關(guān)注的是Postt×Treatedi，j的估計(jì)系數(shù)α1，它衡量了該政策實(shí)施帶來(lái)的DID效應(yīng)。

控制變量選取方面，本文參考黃振和郭曄的做法［32］，分別從發(fā)債主體特征與債券特征兩個(gè)層面控制了可能影響債券信用利差的因素，其中與發(fā)債主體特征有關(guān)的包括公司規(guī)模（Size）、資產(chǎn)負(fù)債率（Lev）、總資產(chǎn)凈利率（ROA）、股權(quán)制衡度（Balance），與債券特征有關(guān)的包括實(shí)際發(fā)行量（Amount）、發(fā)行期限（Term）、票面利率（Rate）、投資人回售條款（Putable）、發(fā)行人贖回條款（Callable）。有關(guān)控制變量的具體定義見(jiàn)表1（下頁(yè)）。

上述變量的描述性統(tǒng)計(jì)結(jié)果見(jiàn)表2（下頁(yè)）。Spread的統(tǒng)計(jì)結(jié)果顯示，其均值為2.709，最小值為-0.207，最大值為17.760。該數(shù)據(jù)表明在觀測(cè)期間內(nèi)部分研究樣本受外部因素的影響導(dǎo)致到期收益率低于同期國(guó)債收益率。其余各變量的描述性統(tǒng)計(jì)結(jié)果均與現(xiàn)存文獻(xiàn)基本一致，在此不過(guò)多贅述。

三、實(shí)證檢驗(yàn)

（一）基準(zhǔn)回歸分析

首先，對(duì)變量間的共線性問(wèn)題進(jìn)行檢驗(yàn)，結(jié)果顯示各變量間并不存在嚴(yán)重的共線性問(wèn)題（見(jiàn)表3，下頁(yè)）。其次，對(duì)模型（1）進(jìn)行逐步回歸，以檢驗(yàn)疫情下該政策實(shí)施對(duì)公司債券市場(chǎng)信用利差的影響，回歸結(jié)果見(jiàn)表4。表4列（1）和列（2）分別為穩(wěn)健標(biāo)準(zhǔn)誤估計(jì)下未加入控制變量與加入控制變量后的估計(jì)結(jié)果，Post×Treated的估計(jì)系數(shù)均顯著為負(fù)，說(shuō)明該政策的實(shí)施顯著降低了公司債市場(chǎng)的信用利差水平，這一結(jié)果初步驗(yàn)證了假說(shuō)H1。控制變量的統(tǒng)計(jì)結(jié)果表明，加入投資人回售條款和發(fā)行人贖回條款能有效防范市場(chǎng)利率風(fēng)險(xiǎn)，進(jìn)而控制融資成本，收窄公司債信用利差；資產(chǎn)規(guī)模與債券信用利差成反比，而總資產(chǎn)凈利率（ROA）與債券信用利差成正比，可能是由于樣本中發(fā)債主體資產(chǎn)規(guī)模較大的這類公司，往往對(duì)應(yīng)較低的ROA，與此同時(shí)，資產(chǎn)規(guī)模較小的這類公司對(duì)應(yīng)的ROA較高，但其發(fā)行債券信用等級(jí)相對(duì)較低，因而信用利差較大；資產(chǎn)負(fù)債率與信用利差成正比，其主要原因在于資產(chǎn)負(fù)債率上升可能會(huì)引起債務(wù)風(fēng)險(xiǎn)上升，通過(guò)提高違約風(fēng)險(xiǎn)進(jìn)而擴(kuò)大信用利差。

（二）穩(wěn)健性檢驗(yàn)

1.平行趨勢(shì)檢驗(yàn)

前文結(jié)果表明，該政策的實(shí)施能有效降低公司債市場(chǎng)信用利差，但仍需通過(guò)平行趨勢(shì)檢驗(yàn)來(lái)驗(yàn)證本文識(shí)別策略的可靠性，即如果該政策并未實(shí)施，對(duì)照組與實(shí)驗(yàn)組應(yīng)該呈現(xiàn)相同的變化趨勢(shì)。因此，參考陳國(guó)進(jìn)等［33］的做法，使用事件研究法來(lái)研究該政策實(shí)施的動(dòng)態(tài)效應(yīng)。具體模型如下所示：

其中，DS代表政策實(shí)施時(shí)點(diǎn)的啞變量（D0表示實(shí)施時(shí)間為2020年2月），S為負(fù)數(shù)表示政策提出前S月，S為正數(shù)表示政策提出后S月。我們將該政策提出前13個(gè)月、提出后21個(gè)月設(shè)為基準(zhǔn)組，圖1描繪了估計(jì)系數(shù){β-13，β-12，…，β20，β21}的政策動(dòng)態(tài)變化趨勢(shì)以及相應(yīng)90%的置信區(qū)間。從圖1中可以看出，政策提出前系數(shù)估計(jì)值均不顯著，即以信用評(píng)級(jí)劃分的對(duì)照組與實(shí)驗(yàn)組的信用利差無(wú)顯著差異；政策實(shí)施當(dāng)月，實(shí)驗(yàn)組的信用利差也并未產(chǎn)生顯著的收窄作用，即政策實(shí)施具有一定滯后期；但長(zhǎng)期來(lái)看，政策實(shí)施顯著降低了公司債市場(chǎng)的信用利差。綜上，平行趨勢(shì)檢驗(yàn)結(jié)果不僅證明了事前平穩(wěn)趨勢(shì)的假設(shè)，而且表明了政策提出后在長(zhǎng)期內(nèi)能有效降低信用利差。

為進(jìn)一步增強(qiáng)基準(zhǔn)估計(jì)結(jié)果的穩(wěn)健性，這里進(jìn)一步通過(guò)重新替換對(duì)照組與實(shí)驗(yàn)組、調(diào)整樣本觀測(cè)期、傾向得分匹配與安慰劑檢驗(yàn)重新回歸。

2.更換對(duì)照組與實(shí)驗(yàn)組劃分方式

本文的基準(zhǔn)研究以債券信用評(píng)級(jí)來(lái)構(gòu)建對(duì)照組與實(shí)驗(yàn)組，為保證研究結(jié)論的穩(wěn)健性，我們進(jìn)一步以來(lái)自發(fā)債主體層面的政府隱性信用擔(dān)保重新劃分。為此，我們參考了王嘉鑫等［34］在研究2013年央行全面放開(kāi)金融機(jī)構(gòu)貸款利率管制對(duì)企業(yè)融資約束影響的做法，從發(fā)債主體所有權(quán)性質(zhì)切入。對(duì)于國(guó)有企業(yè)發(fā)行的債券而言，其所有的政府信用隱性擔(dān)保既能降低投資的不確定性風(fēng)險(xiǎn)，又能使融資與資產(chǎn)銷售相關(guān)的債券條款更有效地降低融資成本，進(jìn)而利于收窄信用利差，即政府隱性擔(dān)保能在一定程度上引導(dǎo)投資者行為［35-36］。綜上，相較于發(fā)債主體為非國(guó)有企業(yè)的債券，在疫情影響下這種來(lái)自政策支持的信用利差收窄作用在國(guó)有企業(yè)發(fā)行的債券中更強(qiáng)。此外，將劃分標(biāo)準(zhǔn)由債券信用評(píng)級(jí)替換為發(fā)債主體所有權(quán)性質(zhì)的優(yōu)勢(shì)在于，無(wú)論是違約事件還是外部性負(fù)面沖擊，信用評(píng)級(jí)與所有權(quán)性質(zhì)對(duì)投資者預(yù)期的影響方向大體保持一致。因此，我們以2019年數(shù)據(jù)為準(zhǔn)，將發(fā)債主體為國(guó)有企業(yè)的債券界定為實(shí)驗(yàn)組，非國(guó)有企業(yè)界定為對(duì)照組。結(jié)果如表5（下頁(yè)）列（1）所示，Post×Treated的估計(jì)系數(shù)在1%的水平上顯著為負(fù)，與上文結(jié)果保持一致，這表明在新分組下該政策實(shí)施對(duì)信用利差的收窄作用依然存在。

3.調(diào)整樣本觀測(cè)期

為避免受外部宏觀經(jīng)濟(jì)變動(dòng)與其余政策變動(dòng)引起的混雜效應(yīng)，本文采用子樣本回歸方法解決潛在的樣本選擇偏誤所引致的內(nèi)生性問(wèn)題。具體來(lái)說(shuō)，我們剔除掉2022年觀測(cè)數(shù)據(jù)，將樣本觀測(cè)時(shí)間縮短至2019年1月至2021年12月重新進(jìn)行測(cè)試，結(jié)果如表5列（2）所示，Post×Treated的估計(jì)結(jié)果與主結(jié)論的結(jié)果保持一致，估計(jì)系數(shù)在1%的水平下顯著為負(fù)，即本文的基準(zhǔn)回歸結(jié)果具有一定的穩(wěn)健性。

4.傾向得分匹配

考慮到可能存在因樣本自選擇引起的估計(jì)偏誤，本文進(jìn)一步利用傾向得分匹配模型（PSM），減少由對(duì)照組和實(shí)驗(yàn)組間的截面異質(zhì)性導(dǎo)致的系統(tǒng)性偏差，以減少DID估計(jì)的偏誤。具體來(lái)說(shuō)，選取所有控制變量作為協(xié)變量，結(jié)果變量為信用利差，按照1∶1的比例進(jìn)行有放回的近鄰匹配。平衡性檢驗(yàn)結(jié)果表明，在進(jìn)行協(xié)變量匹配后，各變量在實(shí)驗(yàn)組與對(duì)照組間的偏差顯著降低，偏差絕對(duì)值均維持在10%以內(nèi)，即實(shí)驗(yàn)組與對(duì)照組的特征差異得到了處理，通過(guò)平衡性檢驗(yàn)，保證了PSM-DID估計(jì)的有效性。進(jìn)一步基于基準(zhǔn)模型使用PSM-DID進(jìn)行檢驗(yàn)，結(jié)果如表5列（3）所示，Post×Treated在1%的水平下顯著為負(fù)，即本文基準(zhǔn)回歸結(jié)果具有良好穩(wěn)健性。

5.Heckman檢驗(yàn)

鑒于本文研究樣本選取并非所有A股上市公司發(fā)行的公司債，這樣可能造成樣本選擇偏誤導(dǎo)致的內(nèi)生性問(wèn)題。為控制由樣本選擇偏誤帶來(lái)的潛在影響，本文利用Heckman兩階段矯正模型進(jìn)行討論。具體地，使用與前文一致的控制變量作為協(xié)變量，在一階段構(gòu)建Probit模型估計(jì)債券樣本是否處于觀測(cè)樣本的概率，并求出逆米爾斯比率（IMR）。在第二階段，將在第一階段估計(jì)的逆米爾斯比率作為控制變量加入模型（1）重新回歸，以糾正基準(zhǔn)模型的樣本選擇偏誤，結(jié)果如表5列（4）所示。可以發(fā)現(xiàn)：核心解釋變量的估計(jì)系數(shù)仍在1%的顯著性水平下為負(fù)，表明該政策實(shí)施對(duì)公司債信用利差的收窄作用并不會(huì)受樣本選擇問(wèn)題的實(shí)質(zhì)性影響。

6.安慰劑檢驗(yàn)

為排除其他不可觀測(cè)的因素對(duì)本文基準(zhǔn)結(jié)論的干擾，即排除該政策實(shí)施后公司債市場(chǎng)信用利差的收窄是由其他政策或隨機(jī)因素引起的，我們通過(guò)構(gòu)建反事實(shí)事件的方式來(lái)檢驗(yàn)前文結(jié)論的穩(wěn)健性。通過(guò)采用隨機(jī)抽取個(gè)體作為實(shí)驗(yàn)組，與雙重差分設(shè)置的時(shí)間虛擬項(xiàng)交乘構(gòu)造雙重差分項(xiàng)來(lái)進(jìn)行安慰劑檢驗(yàn)，并重復(fù)上述操作500次，若抽取樣本的雙重差分項(xiàng)t值大部分不在顯著范圍內(nèi)，或與基準(zhǔn)回歸雙重差分項(xiàng)t值存在明顯差異，則安慰劑檢驗(yàn)通過(guò)。從圖2結(jié)果來(lái)看，無(wú)論是抽取樣本的雙重差分項(xiàng)t值分布狀況，還是與基準(zhǔn)回歸雙重差分項(xiàng)t值（-3.86）間的差異，結(jié)果均通過(guò)安慰劑檢驗(yàn)。換言之，這說(shuō)明隨機(jī)設(shè)定的雙重差分項(xiàng)并未體現(xiàn)出明顯的政策效應(yīng)，反推出該政策實(shí)施對(duì)實(shí)驗(yàn)組產(chǎn)生的影響是真實(shí)存在的。綜上所述，該政策對(duì)信用利差的收窄作用并非因非觀測(cè)因素所引起，即本文基準(zhǔn)回歸結(jié)論具有一定穩(wěn)健性。

（三）異質(zhì)性分析

考慮到銀發(fā)〔2020〕29號(hào)文的實(shí)施效果可能在不同發(fā)債主體以及債券中存在結(jié)構(gòu)性差異，這里進(jìn)一步通過(guò)發(fā)債主體資產(chǎn)規(guī)模、債券發(fā)行規(guī)模以及不同要素密集度等視角檢驗(yàn)重大突發(fā)公共衛(wèi)生事件下貨幣政策支持對(duì)公司債信用利差的異質(zhì)性影響。

一是不同發(fā)債主體資產(chǎn)規(guī)模的異質(zhì)性分析。債權(quán)人關(guān)注發(fā)債主體經(jīng)營(yíng)狀況最為直觀的指標(biāo)之一就是資產(chǎn)規(guī)模。從資產(chǎn)消耗角度來(lái)看，公司破產(chǎn)往往出現(xiàn)在資產(chǎn)消耗完全之前，而非完全消耗之時(shí)［37］。公司實(shí)力越雄厚，抵御風(fēng)險(xiǎn)的能力越強(qiáng)，即具有規(guī)模優(yōu)勢(shì)的發(fā)債主體的信用風(fēng)險(xiǎn)更低。這使得在疫情沖擊下具有規(guī)模優(yōu)勢(shì)的發(fā)債主體更容易從貨幣政策支持中增強(qiáng)融資流動(dòng)性，進(jìn)而其信用利差的收窄效果更大。本文按照年度橫截面數(shù)據(jù)以發(fā)債主體資產(chǎn)規(guī)模平均數(shù)來(lái)劃分大資產(chǎn)規(guī)模與小資產(chǎn)規(guī)模，回歸結(jié)果如表6（下頁(yè)）Panel A所示。可以發(fā)現(xiàn)，僅在大資產(chǎn)規(guī)模分組中Post×Treated的估計(jì)系數(shù)在1%的水平下顯著為負(fù)，在小資產(chǎn)規(guī)模分組中盡管統(tǒng)計(jì)不顯著，但仍具有收窄作用。

二是不同債券發(fā)行規(guī)模的異質(zhì)性分析。發(fā)行規(guī)模是由發(fā)行人和承銷商在考慮市場(chǎng)對(duì)該債券潛在接受度后所決定的，市場(chǎng)接受度越高，在二級(jí)市場(chǎng)中發(fā)行規(guī)模越大，即債券具有較低的違約風(fēng)險(xiǎn)以及較強(qiáng)的流動(dòng)性特點(diǎn)。通常來(lái)說(shuō)，發(fā)行規(guī)模越大的債券，其募集資金所支持的產(chǎn)業(yè)和項(xiàng)目具有較大可靠度，相較于其他融資項(xiàng)目信用程度越高，進(jìn)而對(duì)應(yīng)較低的信用利差［38］。且較大發(fā)行規(guī)模的債券會(huì)降低投資者的信息搜尋成本，更會(huì)被投資者關(guān)注；較小發(fā)行規(guī)模的債券往往由于流通盤(pán)更小，流動(dòng)性的限制會(huì)使投資者要求更高的流動(dòng)性溢價(jià)。由于疫情沖擊與投資者預(yù)期的催化，市場(chǎng)流動(dòng)性更傾向于注入發(fā)行規(guī)模較大的債券，進(jìn)而其信用利差的收窄效應(yīng)會(huì)更為明顯。本文采取上文對(duì)發(fā)債主體資產(chǎn)規(guī)模的劃分方式，將債券發(fā)行規(guī)模進(jìn)行同樣的處理，回歸結(jié)果如表6 Panel B所示。可以發(fā)現(xiàn)，Post×Treated的估計(jì)系數(shù)均顯著為負(fù)，但在較大發(fā)行規(guī)模分組中的收窄效果更強(qiáng)。

三是不同要素密集度的異質(zhì)性分析。勞動(dòng)密集型企業(yè)的日常生產(chǎn)經(jīng)營(yíng)活動(dòng)對(duì)勞動(dòng)力依賴較大，其受疫情的影響程度更大。資本密集度越高的企業(yè)在機(jī)械設(shè)備方面的投入較多，勞動(dòng)力需求量較少，受疫情影響程度相對(duì)較小。綜上，高勞動(dòng)密集度與低資本密集度的發(fā)債主體受疫情影響更為嚴(yán)重，運(yùn)營(yíng)壓力更大。銀發(fā)〔2020〕29號(hào)文強(qiáng)調(diào)引導(dǎo)金融機(jī)構(gòu)加強(qiáng)對(duì)實(shí)體經(jīng)濟(jì)特別是受困企業(yè)的支持力度，因而本文認(rèn)為這種信用利差收窄效應(yīng)在高勞動(dòng)密集度與低資本密集度的發(fā)債主體中更強(qiáng)。據(jù)此，本文參考高文靜等的做法［39］，使用2019年年末的發(fā)債主體員工人數(shù)占比（員工人數(shù)/營(yíng)業(yè)收入）和固定資產(chǎn)占比（固定資產(chǎn)凈額/總資產(chǎn)）衡量其勞動(dòng)密集度和資本密集度，以避免疫情帶來(lái)的長(zhǎng)期影響，并且按要素密集度的中位數(shù)來(lái)劃分高低兩組類別，回歸結(jié)果如表7所示。

由表7 Panel A的結(jié)果可知，Post×Treated的估計(jì)系數(shù)均顯著為負(fù)，但高勞動(dòng)密集度分組中估計(jì)系數(shù)的絕對(duì)值要顯著大于低勞動(dòng)密集度分組，即這種信用利差收窄作用在高勞動(dòng)密集度分組中更強(qiáng)；由Panel B的結(jié)果可知，Post×Treated的估計(jì)系數(shù)均顯著為負(fù)，但在低資本密集度分組中估計(jì)系數(shù)的絕對(duì)值更大，即這種信用利差收窄作用在低資本密集度分組中更強(qiáng)。以上結(jié)果表明，政策實(shí)施效果在發(fā)債主體屬于高勞動(dòng)密集度與低資本密集度的債券更為顯著，即該政策的實(shí)施在一定程度上實(shí)現(xiàn)了對(duì)受疫情影響較大的發(fā)債主體的紓困。

此外，考慮到疫情在不同時(shí)期的影響程度不同，該政策實(shí)施效果可能在時(shí)間維度上存在一定差異，因而本文進(jìn)一步分別考察該政策在2020年、2021年、2022年的實(shí)施效果。具體來(lái)說(shuō)，將模型（1）中的Postt×Treatedi，j替換為Postt×Treatedi，j×PeriodNum（Num=2020，2021，2022），其中PeriodNum是虛擬變量。具體來(lái)說(shuō)，Period2020是指將2020年2月至2020年12月的數(shù)據(jù)均賦值為1，其余均為0，Period2021和Period2022則是分別對(duì)年內(nèi)數(shù)據(jù)均賦值為1，其余均為0，回歸結(jié)果如表8所示。無(wú)論是2020年、2021年還是2022年，Post×Treated×PeriodNum的估計(jì)系數(shù)均在1%的顯著性水平下為負(fù)，且對(duì)信用利差的收窄效果逐漸增強(qiáng)（0.389lt;0.459lt;0.682），即政策實(shí)施效果不僅在當(dāng)年實(shí)現(xiàn)了顯著的收窄作用，且實(shí)施效果隨時(shí)間推移逐漸放大。

（四）傳導(dǎo)機(jī)制檢驗(yàn)

為檢驗(yàn)假說(shuō)H2a與H2b，本文將信用利差分解為流動(dòng)性利差與違約利差進(jìn)行討論。由于我國(guó)金融市場(chǎng)無(wú)法通過(guò)CDS息差來(lái)估計(jì)違約風(fēng)險(xiǎn)，本文參考陳選娟等［40］的做法，將Amuihud指標(biāo)作為債券流動(dòng)性風(fēng)險(xiǎn)測(cè)度指標(biāo)［41］，計(jì)算獲取流動(dòng)性利差（Liquidity Spread，LS），具體計(jì)算方法如下所示：

其中，Pi，d是指?jìng)痠在第d日的收盤(pán)價(jià)，Pi，d-1是指?jìng)痠在第d-1日的收盤(pán)價(jià)，Qi，d是指?jìng)痠在第d日的總成交金額，Ni，m代表債券i在t月的交易天數(shù)。該指標(biāo)的值越大，意味著價(jià)格對(duì)單位成交量變化越敏感，即債券流動(dòng)性越低。進(jìn)一步，從債券信用利差中剔除流動(dòng)性利差部分，剩余部分即違約利差（Default Spread，DS）。為增強(qiáng)結(jié)論的穩(wěn)健性，我們將債券信用利差作為被解釋變量，流動(dòng)性利差作為解釋變量，構(gòu)建模型（4）進(jìn)行回歸處理，提取回歸結(jié)果殘差項(xiàng)作為新的違約利差部分（NDS），重新對(duì)模型（1）進(jìn)行回歸檢驗(yàn)，結(jié)果如表9（下頁(yè)）Panel A所示。此外，我們進(jìn)一步替換了流動(dòng)性利差的度量方式。具體而言，使用債券的日度買(mǎi)賣(mài)價(jià)差數(shù)據(jù)并按月取均值，來(lái)度量債券的流動(dòng)性利差。通過(guò)與上文一致的處理，重新基于模型（1）進(jìn)行回歸檢驗(yàn)，結(jié)果如表9 Panel B所示。

Spreadi，t=c0+c1LSi，t+εi，t（4）

表9列（1）—（2）與列（4）—（5）顯示，在替換違約利差的不同度量方式后，Post×Treated的估計(jì)系數(shù)均在1%的水平下為負(fù)，表明該政策實(shí)施能有效降低公司債違約利差，假說(shuō)H2a成立。列（3）與列（6）顯示，Post×Treated的估計(jì)系數(shù)顯著為正，但統(tǒng)計(jì)系數(shù)較小，意味著該政策的出臺(tái)具有擴(kuò)大流動(dòng)性利差的趨勢(shì)，即假說(shuō)H2b不成立。其原因可能在于：一方面，由于投資者避險(xiǎn)情緒難以迅速扭轉(zhuǎn)，贖回固定收益類產(chǎn)品的動(dòng)機(jī)增加，機(jī)構(gòu)投資者為應(yīng)對(duì)其贖回壓力被迫拋售流動(dòng)性尚可的債券資產(chǎn)，加之我國(guó)公司債市場(chǎng)流動(dòng)性較差，易致使流動(dòng)性風(fēng)險(xiǎn)上升進(jìn)而引起流動(dòng)性利差擴(kuò)大［42］；另一方面，由于外部不確定性因素過(guò)多，政策支持給債券投資者帶來(lái)過(guò)多“想象空間”，傾向于持倉(cāng)觀望以獲取穩(wěn)定票息，進(jìn)而引起流動(dòng)性利差的擴(kuò)大［43］。綜上，本文認(rèn)為該政策的實(shí)施主要通過(guò)降低違約利差來(lái)收窄我國(guó)公司債市場(chǎng)的信用利差。

四、進(jìn)一步分析

為進(jìn)一步評(píng)估銀發(fā)〔2020〕29號(hào)文發(fā)布后具體貨幣政策工具操作對(duì)公司債信用利差的影響，本文分別選取了觀測(cè)樣本期內(nèi)在政策提出后的主要貨幣政策工具操作（見(jiàn)表10）。由于本文研究的貨幣政策工具操作不適合作為連續(xù)時(shí)間序列變量，為此，本文采用事件研究法來(lái)考察貨幣政策工具操作對(duì)公司債信用利差的影響。我們重點(diǎn)研究公司債信用利差對(duì)貨幣政策工具“宣布調(diào)整”事件的反應(yīng)，通過(guò)累計(jì)平均異常值（CAAR）曲線觀測(cè)信用利差在“宣布調(diào)整”事件前后的變化，并通過(guò)t檢驗(yàn)來(lái)觀測(cè)“宣布調(diào)整”事件對(duì)信用利差影響的大小與方向的顯著性［44］。

具體來(lái)說(shuō)，我們將事件窗口設(shè)置為［t-10，t+10］，即“宣布調(diào)整”事件前10個(gè)交易日與后10個(gè)交易日，且由于“宣布調(diào)整”事件均發(fā)生在交易日，對(duì)t為“宣布調(diào)整”事件日不需作任何調(diào)整。進(jìn)一步，本文將t-10日的信用利差作為基準(zhǔn)，研究事件發(fā)生前后10個(gè)交易日內(nèi)信用利差的變化情況。我們從發(fā)債主體層面與債券層面出發(fā)，按照發(fā)債主體所有權(quán)性質(zhì)與信用評(píng)級(jí)將樣本進(jìn)行劃分處理研究。此外，本研究并未選擇更長(zhǎng)的事件窗口期，以防止過(guò)長(zhǎng)窗口期內(nèi)其他消息變動(dòng)帶來(lái)的影響，導(dǎo)致無(wú)法解釋市場(chǎng)信用利差波動(dòng)的真正原因。

（一）調(diào)整中期借貸便利利率

為了保證銀行體系資金流動(dòng)性總體穩(wěn)定和貨幣信貸規(guī)模合理增長(zhǎng)，2014年9月中國(guó)人民銀行創(chuàng)設(shè)中期借貸便利（Medium-term Lending Facility，MLF）。中期借貸便利是中央銀行提供中期基礎(chǔ)貨幣的貨幣政策工具，金融機(jī)構(gòu)通過(guò)質(zhì)押方式從央行獲取3個(gè)月至1年不定期的資金流動(dòng)性。中期借貸便利利率通過(guò)發(fā)揮中期政策利率的作用來(lái)調(diào)節(jié)金融機(jī)構(gòu)獲取中期融資的成本，通過(guò)資產(chǎn)負(fù)債表渠道與引導(dǎo)市場(chǎng)預(yù)期為符合政策導(dǎo)向的實(shí)體經(jīng)濟(jì)企業(yè)提供低成本資金。

從圖3來(lái)看，2020年2月17日央行宣布下調(diào)MLF中標(biāo)利率，公司債市場(chǎng)均未提前對(duì)該“宣布調(diào)整”事件作出提前反應(yīng)。從事后反應(yīng)來(lái)看，下調(diào)MLF利率僅使AAA級(jí)債券與國(guó)有企業(yè)債券的信用利差逐漸收窄，且國(guó)有企業(yè)債券信用利差收窄幅度明顯大于AAA級(jí)債券。與之相反的是，下調(diào)MLF利率并未使AA+級(jí)及以下債券與非國(guó)有企業(yè)債券的信用利差作出明顯反應(yīng)，其信用利差仍保持增長(zhǎng)趨勢(shì)。

（二）調(diào)整常備借貸便利利率

為滿足金融機(jī)構(gòu)期限較長(zhǎng)的大額流動(dòng)性需求，2013年中國(guó)人民銀行創(chuàng)設(shè)常備借貸便利（Standing Lending Facility，SLF），以便金融機(jī)構(gòu)通過(guò)“合格”資產(chǎn)抵押獲取1個(gè)月至3個(gè)月的短期資金支持，主要操作對(duì)象是商業(yè)銀行的高信用債券資產(chǎn)及優(yōu)質(zhì)信貸資產(chǎn)等［45］。常備借貸便利作為管理市場(chǎng)短期流動(dòng)性的重要手段，其核心在于通過(guò)調(diào)節(jié)政策利率與利率走廊來(lái)穩(wěn)定利率與市場(chǎng)流動(dòng)性。SLF利率是利率走廊的上限，下調(diào)SLF利率能有效增加對(duì)企業(yè)可貸資金的支持力度，進(jìn)而降低企業(yè)的外部融資成本。

從圖4（下頁(yè)）來(lái)看，2020年4月10日央行宣布下調(diào)隔夜、1天、1個(gè)月SLF利率，僅非國(guó)有企業(yè)債券未提前對(duì)該“宣布調(diào)整”事件作出提前反應(yīng)，且在窗口期內(nèi)仍保持持續(xù)上升趨勢(shì)；盡管AA+級(jí)及以下債券在“宣布調(diào)整”期間短暫作出調(diào)整，但信用利差整體呈增長(zhǎng)趨勢(shì)；國(guó)有企業(yè)債券與AAA級(jí)債券均呈現(xiàn)顯著收窄趨勢(shì)，且國(guó)有企業(yè)債券信用利差收窄幅度明顯大于AAA級(jí)債券，這與信用利差對(duì)MLF利率下調(diào)事件的反應(yīng)類似。綜上，從下調(diào)MLF利率與下調(diào)SLF利率這兩個(gè)事件“宣布調(diào)整”后的市場(chǎng)反應(yīng)來(lái)看，這類貨幣政策帶來(lái)的流動(dòng)性更易注入國(guó)有企業(yè)信用擔(dān)保或高信用評(píng)級(jí)保證的債券中，因而其收窄信用利差的效果更為顯著。但由于發(fā)債主體信用擔(dān)保以及信用評(píng)級(jí)保證的影響，投資者在短期內(nèi)難以扭轉(zhuǎn)對(duì)于非國(guó)有企業(yè)債券與低信用評(píng)級(jí)債券的預(yù)期，因而并未能顯著降低其信用利差。

（三）調(diào)整金融機(jī)構(gòu)存款準(zhǔn)備金率

不同于常備借貸便利與中期借貸便利這種“價(jià)格型”主導(dǎo)的結(jié)構(gòu)性貨幣政策，調(diào)整存款準(zhǔn)備金率是我國(guó)調(diào)節(jié)資金流動(dòng)性的主要數(shù)量型貨幣政策工具，通過(guò)作用經(jīng)濟(jì)整體來(lái)釋放流動(dòng)性，以穩(wěn)定經(jīng)濟(jì)發(fā)展水平。現(xiàn)有文獻(xiàn)研究基本一致認(rèn)為，短期內(nèi)央行降準(zhǔn)政策能有效增加市場(chǎng)流動(dòng)性，收窄市場(chǎng)信用利差。從圖5（下頁(yè)）來(lái)看，2021年7月15日宣布下調(diào)金融機(jī)構(gòu)存款準(zhǔn)備金率0.5個(gè)百分點(diǎn)（不含已執(zhí)行5%存款準(zhǔn)備金率的金融機(jī)構(gòu)），無(wú)論是AAA級(jí)還是AA+級(jí)以下的債券，或是國(guó)有企業(yè)債券均對(duì)事件“宣布調(diào)整”作出反應(yīng)，信用利差收窄幅度迅速擴(kuò)大。而非國(guó)有企業(yè)債券則是在事件“宣布調(diào)整”后短期內(nèi)迅速收窄，但隨著時(shí)間的推移，其信用利差仍呈現(xiàn)不斷擴(kuò)大趨勢(shì)。

從三個(gè)事件“宣布調(diào)整”前后的累計(jì)平均異常值（CAAR）曲線趨勢(shì)圖來(lái)看，在短期內(nèi)，投資者更青睞國(guó)有企業(yè)對(duì)債券的隱性背書(shū)和AAA級(jí)信用評(píng)級(jí)的顯性擔(dān)保，央行釋放流動(dòng)性的貨幣政策操作能有效收窄其信用利差。對(duì)于CAAR（-10，10）的t檢驗(yàn)與顯著性檢驗(yàn)均支持上述結(jié)論（見(jiàn)表11，下頁(yè)）。發(fā)債主體為非國(guó)有企業(yè)和AA+級(jí)及以下的債券呈現(xiàn)不同反應(yīng)，其原因主要在于：常備借貸便利與中期借貸便利這種結(jié)構(gòu)性貨幣政策操作一般要求金融機(jī)構(gòu)具有“優(yōu)質(zhì)”或“合格”資產(chǎn)抵押，因而更易于通過(guò)金融機(jī)構(gòu)流向優(yōu)質(zhì)企業(yè)或國(guó)有企業(yè)，難以改變發(fā)債主體為非國(guó)有企業(yè)與AA+級(jí)及以下債券呈現(xiàn)短期的信用利差上升趨勢(shì)；對(duì)于金融機(jī)構(gòu)存款準(zhǔn)備金率的操作，由于政策受惠范圍廣，AA+級(jí)及以下信用評(píng)級(jí)的債券信用利差顯著收窄；盡管發(fā)債主體為非國(guó)有企業(yè)的債券利差未顯著收窄，但MLF利率下調(diào)和SLF利率下調(diào)事件前后累計(jì)信用利差變動(dòng)幅度呈現(xiàn)明顯的下降趨勢(shì)（1.558lt;11.079lt;14.307）。

五、研究結(jié)論與政策建議

本文將銀發(fā)〔2020〕29號(hào)文的發(fā)布視作一項(xiàng)準(zhǔn)自然實(shí)驗(yàn)，運(yùn)用雙重差分法實(shí)證研究貨幣政策支持對(duì)公司債信用利差的影響及作用機(jī)制，并基于發(fā)債主體特質(zhì)和債券特征等異質(zhì)性探討了政策實(shí)施效果的差異性。此外，還通過(guò)事件研究法分析了政策提出后不同貨幣政策工具操作的短期市場(chǎng)反應(yīng)。主要得到以下結(jié)論：一是該政策的實(shí)施顯著收窄了公司債市場(chǎng)信用利差，且結(jié)論在平行趨勢(shì)檢驗(yàn)、安慰劑檢驗(yàn)等一系列常規(guī)穩(wěn)健性檢驗(yàn)后，依舊保持穩(wěn)健；二是異質(zhì)性分析結(jié)果表明，該政策的實(shí)施效果在資產(chǎn)規(guī)模較大、發(fā)行規(guī)模較大、勞動(dòng)密集度較高、資本密集度較低的樣本中更強(qiáng)，且實(shí)施效果隨著時(shí)間變化逐漸增強(qiáng)；三是在將信用利差分解后，發(fā)現(xiàn)該政策的實(shí)施主要通過(guò)降低違約利差來(lái)收窄信用利差，但對(duì)流動(dòng)性利差具有一定的正向影響；四是短期貨幣政策工具操作的市場(chǎng)反應(yīng)表明，常規(guī)貨幣政策工具能顯著收窄市場(chǎng)信用利差，而類似于常備借貸便利與中期借貸便利這類操作，更傾向于收窄發(fā)債主體為國(guó)有企業(yè)或者高信用評(píng)級(jí)債券的信用利差。

基于上述研究結(jié)論，提出如下政策建議：

第一，充分發(fā)揮貨幣政策優(yōu)化融資環(huán)境的作用，將市場(chǎng)信用利差維持在合理水平。本文研究結(jié)果表明，政策實(shí)施效果仍存在由發(fā)債主體或債券層面的規(guī)模效應(yīng)等引起的貨幣政策調(diào)控效果的非對(duì)稱性差異。因此，貨幣當(dāng)局在制定政策時(shí)應(yīng)考慮市場(chǎng)主體具有的規(guī)模優(yōu)勢(shì)及其他差異，不斷完善貨幣政策對(duì)債券市場(chǎng)的傳導(dǎo)機(jī)制，通過(guò)動(dòng)態(tài)調(diào)整政策力度以確保市場(chǎng)流動(dòng)性的合理注入，以最大限度降低市場(chǎng)主體債務(wù)融資成本。

第二，優(yōu)化市場(chǎng)運(yùn)作機(jī)制，加強(qiáng)市場(chǎng)風(fēng)險(xiǎn)的協(xié)同監(jiān)測(cè)，提高貨幣政策實(shí)施的針對(duì)性和有效性。貨幣政策調(diào)控應(yīng)注重對(duì)多風(fēng)險(xiǎn)的同時(shí)監(jiān)控，以防尾部風(fēng)險(xiǎn)累積對(duì)金融體系健康運(yùn)轉(zhuǎn)產(chǎn)生負(fù)面影響。隨著利率市場(chǎng)化進(jìn)程的不斷推進(jìn)，債券市場(chǎng)在金融系統(tǒng)中的作用不斷增強(qiáng)。在不斷提高債券在社會(huì)融資總額中比重的同時(shí)，應(yīng)積極完善做市商交易機(jī)制，充分提高債券市場(chǎng)流動(dòng)性，通過(guò)激勵(lì)約束機(jī)制以形成合理的債券市場(chǎng)信用利差結(jié)構(gòu)。同時(shí)，重點(diǎn)加強(qiáng)違約風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn)的交互協(xié)同監(jiān)測(cè)，動(dòng)態(tài)評(píng)估貨幣政策的實(shí)施效果，以實(shí)現(xiàn)債券市場(chǎng)穩(wěn)定運(yùn)轉(zhuǎn)。

第三，注重傳統(tǒng)型與結(jié)構(gòu)性貨幣政策工具協(xié)調(diào)配合，優(yōu)化債券市場(chǎng)利率期限結(jié)構(gòu)，以完善貨幣政策利率市場(chǎng)傳導(dǎo)機(jī)制，提高貨幣政策傳導(dǎo)效率。貨幣當(dāng)局應(yīng)注重常備借貸便利與中期借貸便利等結(jié)構(gòu)性貨幣政策“結(jié)構(gòu)”與“定向”的特點(diǎn)，協(xié)調(diào)綜合運(yùn)用傳統(tǒng)型貨幣政策工具，以實(shí)現(xiàn)“多政策調(diào)控目標(biāo)”。在我國(guó)推動(dòng)利率“雙軌合一軌”的過(guò)程中，應(yīng)進(jìn)一步完善基準(zhǔn)利率體系建設(shè)，增強(qiáng)政策利率對(duì)直接融資市場(chǎng)的傳導(dǎo)，同時(shí)充分發(fā)揮貨幣政策對(duì)市場(chǎng)參與者的預(yù)期引導(dǎo)作用。尤其要注意不同貨幣政策操作與債券市場(chǎng)信用利差的關(guān)系，發(fā)揮債券市場(chǎng)信用利差對(duì)市場(chǎng)融資的調(diào)節(jié)功能，疏通貨幣政策傳導(dǎo)機(jī)制，進(jìn)而充分發(fā)揮債券市場(chǎng)的直接融資功能，營(yíng)造促進(jìn)實(shí)體經(jīng)濟(jì)高質(zhì)量發(fā)展的金融環(huán)境。

參考文獻(xiàn)

［1］李增福，李銘杰，湯旭東．貨幣政策改革創(chuàng)新是否有利于抑制企業(yè)“脫實(shí)向虛”？ ——基于中期借貸便利政策的證據(jù)［J］．金融研究，2022（12）：19-35．

［2］LIU X， WU Y， ZHANG H. Collateral-based monetary policy and corporate employment： Evidence from Medium-term Lending Facility in China［J］. Journal of Corporate Finance， 2023， 78： 102333.

［3］陳宇森，許藝煊．新型貨幣政策工具操作能夠穩(wěn)定資本市場(chǎng)嗎？——基于中國(guó)股指收益率的經(jīng)驗(yàn)證據(jù)［J］．系統(tǒng)工程，2019（1）：86-100．

［4］潘俊，余一品，王亮亮，等．貨幣政策、發(fā)行主體差異與地方政府債券定價(jià)［J］．會(huì)計(jì)研究，2019（12）：72-77．

［5］BERNANKE B S， BLINDER A S. Credit， money， and aggregate demand［J］. The American Economic Review， 1988， 78（2）： 435-439.

［6］BERNANKE B S， GERTLER M. Inside the black box： the credit channel of monetary policy transmission［J］. Journal of Economic Perspectives， 1995， 9（4）： 27-48.

［7］LONGSTAFF F A， SCHWARTZ E S. A simple approach to valuing risky fixed and floating rate debt［J］. The Journal of Finance， 1995， 50（3）： 789-819.

［8］ROLEY V V， SELLON G H. Monetary policy actions and long-term interest rates［J］. Federal Reserve Bank of Kansas City Economic Quarterly， 1995， 80（4）： 77-89.

［9］SENSARMA R， BHATTACHARYYA I. The impact of monetary policy on corporate bonds in India［J］. Journal of Policy Modeling， 2016， 38（3）： 587-602.

［10］ZHU X. Credit spread changes and monetary policy surprises： the evidence from the fed funds futures market［J］. Journal of Futures Markets， 2013， 33（2）： 103-128.

［11］王安興，解文增，余文龍．中國(guó)公司債利差的構(gòu)成及影響因素實(shí)證分析［J］．管理科學(xué)學(xué)報(bào)，2012（5）：32-41．

［12］朱焱，孫淑偉．貨幣政策、信息環(huán)境與公司債利差［J］．證券市場(chǎng)導(dǎo)報(bào)，2016（3）：24-31．

［13］紀(jì)志宏，曹媛媛．信用風(fēng)險(xiǎn)溢價(jià)還是市場(chǎng)流動(dòng)性溢價(jià)：基于中國(guó)信用債定價(jià)的實(shí)證研究［J］．金融研究，2017（2）：1-10．

［14］陳貞竹，李力，余昌華．我國(guó)貨幣政策傳導(dǎo)效率及信號(hào)效應(yīng)研究——基于金融市場(chǎng)高頻識(shí)別的視角［J］．經(jīng)濟(jì)學(xué)（季刊），2023（1）：56-73．

［15］郭曄，黃振，王蘊(yùn)．未預(yù)期貨幣政策與企業(yè)債券信用利差——基于固浮利差分解的研究［J］．金融研究，2016（6）：67-80．

［16］戴國(guó)強(qiáng)，孫新寶．我國(guó)企業(yè)債券信用利差宏觀決定因素研究［J］．財(cái)經(jīng)研究，2011（12）：61-71．

［17］王超．經(jīng)濟(jì)政策不確定性與信用利差影響及其作用機(jī)制研究［J］．上海金融，2020（2）：14-20．

［18］SCHWERT M. Municipal bond liquidity and default risk［J］. The Journal of Finance， 2017， 72（4）： 1683-1722.

［19］CHEN Y， JIANG L. Liquidity risk and corporate bond yield spread： Evidence from China［J］. International Review of Finance， 2021， 21（4）： 1117-1151.

［20］李萌，王近．內(nèi)部控制質(zhì)量與企業(yè)債務(wù)違約風(fēng)險(xiǎn)［J］．國(guó)際金融研究，2020（8）：77-86．

［21］AYRES D R. Fair value disclosures of level three assets and credit ratings［J］. Journal of Accounting and Public Policy， 2016， 35（6）： 635-653.

［22］史永東，宋明勇，李鳳羽，等．控股股東股權(quán)質(zhì)押與企業(yè)債權(quán)人利益保護(hù)——來(lái)自中國(guó)債券市場(chǎng)的證據(jù)［J］．經(jīng)濟(jì)研究，2021（8）：109-126．

［23］趙勝民，何玉潔．貨幣政策的公司債券信用價(jià)差影響分析［J］．當(dāng)代經(jīng)濟(jì)科學(xué)，2017（5）：39-47．

［24］BRUNNERMEIER M K， PEDERSEN L H. Market liquidity and funding liquidity［J］. The Review of Financial Studies， 2009， 22（6）： 2201-2238.

［25］MARRA M. The impact of liquidity on senior credit index spreads during the subprime crisis［J］. International Review of Financial Analysis， 2015， 37： 148-167.

［26］李少昆，朱晶晶，蔣濤．融資流動(dòng)性、融資流動(dòng)性風(fēng)險(xiǎn)與公司債信用價(jià)差［J］．證券市場(chǎng)導(dǎo)報(bào)，2017（6）：50-54．

［27］CHEN H， CUI R， HE Z， et al. Quantifying liquidity and default risks of corporate bonds over the business cycle［J］. The Review of Financial Studies， 2018， 31（3）： 852-897.

［28］張雪瑩，劉茵偉．資本市場(chǎng)開(kāi)放、流動(dòng)性與債券利差——基于陸港通的實(shí)證檢驗(yàn)［J］．國(guó)際金融研究，2021（7）：76-85．

［29］曾嶒，唐松．新冠疫情下國(guó)有企業(yè)的經(jīng)濟(jì)穩(wěn)定器作用——基于供應(yīng)鏈扶持的視角［J］．經(jīng)濟(jì)研究，2023（3）：78-96．

［30］錢(qián)雪松，方勝．擔(dān)保物權(quán)制度改革影響了民營(yíng)企業(yè)負(fù)債融資嗎？——來(lái)自中國(guó)《物權(quán)法》自然實(shí)驗(yàn)的經(jīng)驗(yàn)證據(jù)［J］．經(jīng)濟(jì)研究，2017（5）：146-160．

［31］NOZAWA Y， QIU Y. Corporate bond market reactions to quantitative easing during the COVID-19 pandemic［J］. Journal of Banking amp; Finance， 2021， 133： 106153.

［32］黃振，郭曄．央行擔(dān)保品框架、債券信用利差與企業(yè)融資成本［J］．經(jīng)濟(jì)研究，2021（1）：105-121．

［33］陳國(guó)進(jìn)，丁賽杰，趙向琴，等．中國(guó)綠色金融政策、融資成本與企業(yè)綠色轉(zhuǎn)型——基于央行擔(dān)保品政策視角［J］．金融研究，2021（12）：75-95．

［34］王嘉鑫，汪蕓倩，張龍平．利率管制松綁、企業(yè)會(huì)計(jì)信息披露質(zhì)量與融資約束［J］．經(jīng)濟(jì)管理，2020（4）：139-157．

［35］方紅星，施繼坤，張廣寶．產(chǎn)權(quán)性質(zhì)、信息質(zhì)量與公司債定價(jià)——來(lái)自中國(guó)資本市場(chǎng)的經(jīng)驗(yàn)證據(jù)［J］．金融研究，2013（4）：170-182．

［36］GONG G， XU S， GONG X. Bond covenants and the cost of debt： Evidence from China［J］. Emerging Markets Finance and Trade， 2017， 53（3）： 587-610.

［37］齊天翔，葛鶴軍，蒙震．基于信用利差的中國(guó)城投債券信用風(fēng)險(xiǎn)分析［J］．投資研究，2012（1）：15-24．

［38］陳志遠(yuǎn)，郭凱，閆實(shí)．我國(guó)綠色債券發(fā)行利差及影響因素的實(shí)證研究［J］．地方財(cái)政研究，2022（4）：92-104．

［39］高文靜，施新政，陸瑤，等．勞動(dòng)力保護(hù)與企業(yè)風(fēng)險(xiǎn)——來(lái)自2008年新《勞動(dòng)合同法》的證據(jù)［J］．金融研究，2022（1）：76-94．

［40］陳選娟，楊剛，賈志敏．經(jīng)濟(jì)政策不確定性、展期風(fēng)險(xiǎn)與債券利差［J］．國(guó)際金融研究，2022（9）：77-86．

［41］AMIHUD Y. Illiquidity and stock returns：Cross-section and time-series effects［J］. Journal of Financial Markets， 2002， 5（1）： 31-56.

［42］CHOI J， HOSEINZADE S， SHIN S S， et al. Corporate bond mutual funds and asset fire sales［J］. Journal of Financial Economics， 2020， 138（2）： 432-457.

［43］類承曜，鄧晴元．不確定性帶來(lái)觀望+期待空間？——經(jīng)濟(jì)政策不確定性對(duì)債券利差的影響［J］．投資研究，2023（3）：100-120．

［44］王伯英．貨幣政策沖擊、宏觀經(jīng)濟(jì)變動(dòng)與信用利差調(diào)整［J］．南方金融，2018（12）：32-40.

［45］隋建利，張龍，申瑛琦．結(jié)構(gòu)性貨幣政策工具的學(xué)術(shù)鏡鑒、政策應(yīng)用與未來(lái)實(shí)踐展望［J］．經(jīng)濟(jì)學(xué)家，2021（12）：72-80．

The Impact of Monetary Policy Support on Corporate Bond Credit Spreads

LI Jia" "XU Yi-bo" BIAN Ze-yang

Abstract： Using monthly data from 2019-2022 on bonds issued by listed companies in China's Shanghai and Shenzhen， we use the double-difference method to explore the impact of monetary policy support on credit spreads in the corporate bond market. The results show that the policy implementation significantly narrows bond credit spreads， and the implementation effect is somewhat heterogeneous under different asset sizes， debt issuance sizes， labor intensities， and capital intensities; after decomposing credit spreads into liquidity spreads and default spreads， it is found that it narrows the credit spreads mainly by reducing default spreads. A further short-term event study of specific monetary policy instrument operations during the observation period found that the narrowing effect of the reduction of the medium-term lending facility rate and the standing lending facility rate on credit spreads showed a \"preference\" for state-owned enterprises and high credit ratings， while the narrowing effect caused by the reduction of the reserve requirement ratio for financial institutions was not significantly different. In order to better utilize the function of monetary policy in regulating the direct financing market， efforts should be made to improve the framework for the impact of monetary policy on the structure of credit spreads in the bond market， and to accelerate the construction of a coordinated monitoring mechanism for market risks.

Key words： monetary policy；credit spread； bond market