江西省政府專項債券風險測度與預警研究

周碩 萬舟

摘要：新《預算法》頒布以來，地方政府專項債券已成為各地政府穩經濟增長的重要工具。江西省近年來也通過專項債有效拉動了地方經濟。本文運用修正的KMV模型對江西省2023—2025年的專項債券違約風險進行測算。結果顯示違約概率均明顯超過0.4%的違約概率標準，違約風險較高。因此，本文針對江西省政府合理控制未來專項債違約風險給出了相應建議，以期幫助江西省政府有效防范違約風險。

關鍵詞：地方政府專項債券；違約風險測度；KMV模型；地方財政

中圖分類號：F23文獻標識碼：Adoi：10.19311/j.cnki.16723198.2024.11.045

0引言

自2015年1月1日起，我國施行新《預算法》中規定，禁止地方政府及其所屬部門以其他任何方式舉借債務，只能通過發行地方政府債券的方式舉借債務。近年來，為應對經濟下行壓力，各地方政府專項債券在不斷加大加快發行力度，地方政府專項債券已成為穩增長、補短板的重要抓手。然而，隨著地方政府債務余額的增加，且存在部分項目專項收入周期長、資金回籠慢等情況，政府債券償還壓力也隨之增大。據統計，2019年末存量政府專項債余額已經超過了當年政府基金收入。政府性基金收入中占高額比例的土地出讓收入波動性較強，隨土地政策的持續收緊，將進一步給可償債政府性基金收入帶來不確定性。因此，隨著地方專項債規模增大，合理預估專項債券違約概率，能提前預警違約風險，將風險控制在可控范圍，成為當前亟待解決的重要議題。本文以江西省政府專項債券的違約風險為切入點，研究地方政府專項債的違約概率和適度債務規模，并基于測算情況給出相應建議。

1江西省財政實力及債務情況

1.1江西省基本經濟財政情況

圖12015—2022年江西省國有土地出讓收入占政府性基金預算收入比例情況

根據2016年財政部發布的《地方政府專項債務預算管理辦法》規定，專項債務本金可以通過對應的政府性基金收人、專項收人、發行專項債券等償還；專項債務利息通過對應的政府性基金收入、專項收入償還，不得通過發行專項債券償還。因此，政府性基金收入為專項債最主要的償債來源。在政府性基金預算收入方面，江西省政府性基金預算收入自2020年起，開始逐年降低，主要原因在于其中國有土地出讓收入的減少。江西省政府性基金預算收入的土地依賴程度較高，土地出讓收入占政府性基金預算收入的比例基本維持在80%～90%，其中2020年突破90%。

1.2專項債務發行情況

近年來，江西省政府關注社會發展重點領域、重大項目，按照市場化原則，開展專項債券發行工作。2015—2022年，專項債券發行總額分別為36億元、407億元、677億元、551億元、751億元、1606億元、1628億元、1844億元。在專項債券的投資領域上，自2019年開始，江西省政府專項債券的投資領域逐漸擴大，重點投向交通基礎設施、市政建設、棚戶區改造、公共衛生、農林水利、文化教育等領域補短板建設。

在發行期限上，2018年以前，江西省政府專項債券以3年、5年、7年、10年期為主。從2019年開始，專項債券期限逐步增加，省政府開始嘗試發行15年及15年期以上的長期限債券。據統計，2022年發行的15年及以上期限專項債券1113.56億元，占當年專項債券發行總額的60%以上。江西省專項債券的期限結構在逐漸拉長，這與投資的項目周期更加匹配，一定程度上平滑了債券存續期壓力。

2江西省地方政府專項券違約風險實證分析模型

2.1KMV模型基本原理

1995年美國KMV公司基于期權定價公式和風險債務理論，開發了KMV模型。該模型通過對比企業到期應償還的債務總量（B）和當前企業價值（VA）來測算債務違約概率。若到期企業應償還的債務量高于企業當前價值（即B>VA），便會出現違約風險。該模型假設企業VA的變化符合幾何布朗運動，則未來T時刻企業VA的期望值E（VA）到債務總量所表示的違約點DP之間的距離為違約距離（DD）?；谀骋痪唧w違約距離DD所對應的N（-DD）表示企業在T時刻的預期違約率EDF。

2.2構建修正的KMV模型

本文將運用在企業融資的傳統的KMV模型進行修正，應用在測算地方政府專項債券風險上。地方政府舉債融資本質上與企業融資相似，因此可調整相應參數，比較到期政府可償債收入與需償還的專項債券本息情況，來測算其專項債券的違約概率。原模型中的企業資產價值VA可以替換成政府性基金預算收入乘以一定比例所得的可償債收入S，當可償債收入S小于當期應償還的本息之和時，則發生違約。

可償債收入服從對數正態分布，在t時刻可償債收入滿足以下關系：

St=f（Xt）（1）

Xt為服從標準正態分布的隨機變量，St為t時刻的可償債收入。設在到期日T時，需償還的本息和為BT，可償債收入為ST，若ST

P=P［ST

定義違約距離為DD=-f-1（BT），所以違約概率又可以表示為N［-DD］。

假設地方政府可償債收入在一段時期內服從馬爾可夫隨機過程：

dStSt=gdt+σdwt（3）

其中，g和σ分別代表增長率和波動率，t表示初始時刻到T時刻的增量，dwt表示維納增量。根據伊藤引理可知：

d（lnSt）=（g-12σ2）dt+σdw（4）

lnSt漂移率為g-12σ2，波動率為σ2，服從廣義維納過程。lnSt在0到T時刻的變化服從正態分布，則：

E（lnSt）=lnS0+（g-12σ2）t=lnS0+1n-1∑n-1i=1lnSi+1Si（5）

Var（lnSt）=σ2t=1n-2∑n-1i=1（lnSi+1Si-1n-1∑n-1i=1lnSi+1Si）2（6）

根據公式（5）和公式（6）聯立求解，得到增長率g和波動率σ：

g=1n-1∑n-1i=1lnSi+1Si+12σ2tt（7）

σ=1n-2∑n-1i=1lnSi+1Si-1n-1∑n-1i=1lnSi+1Si2t（8）

將增長率g和波動率σ的數值代入公式（2），即可得出地方政府專項債券的違約概率：

P=P［-lnS0-lnBT+g-12σ2TσT≥ε］=N-lnS0-lnBT+g-12σ2TσT=N-DD

T=1，2，3（9）

根據上面的推導結果，違約距離為：

DD=lnS0-lnBT+g-12σ2TσTT=1，2，3（10）

3江西省政府專項債券違約風險預測及分析

通過對傳統的KMV模型修正，測算出的違約概率即可表示地方政府專項債券的信用風險。根據前面模型的構造過程可知，需要測算的變量有：2023—2025年政府性基金預算收入及其增長率、波動率，可償債收入占政府性基金預算收入的比例，2023—2025年到期應償還的本息合計數。實證步驟為：首先，基于2003—2022年江西省政府性基金預算收入的歷史數據，運用ARIMA模型來預測江西省2023—2025年的政府性基金收入，并得出其增長率和波動率指標；其次，結合江西省歷年專項債券發行情況，測算2023—2025年到期應償還專項債券本息合計額；最后，以2015—2022年專項債券規模占當年政府性基金預算收入的平均比例作為可償債收入的比例，代入前步驟所得數據，運用修正的KMV模型對2023—2025年到期專項債券償還的違約概率及安全發債規模展開測算。

3.1江西省政府專項債券可償債收入預估

根據圖1，2002—2022年江西省政府性基金預算收入不斷增長，雖然在后兩年內出現了遞減的趨勢，但總體上呈現一定的趨勢性。因此本文采用ARIMA移動自回歸模型來進行預測。

3.1.1單位根檢驗與白噪聲檢驗

通過STATA軟件對2002—2022年政府性基金預算收入的原始數據進行ADF檢驗后，發現數據序列不平穩，因此需要對原序列進行平穩化處理。本文對政府性基金預算收入序列取對數處理，將政府性基金預算收入對數變量Lns進行單位根檢驗。檢驗結果如下：ADF統計量為Z（t）=-2.987，小于-2.567，顯著性P值為0.41%，意味著在1%的顯著水平下，Lns是平穩序列，為平穩過程。同時，對政府性基金預算收入對數序列進行白噪聲檢驗，檢驗結果P值為０，驗證對數序列為非白噪聲序列。所以可運用ARIMA模型分析。

3.1.2ARIMA模型構建

隨后對Lns變量進行自相關和偏相關檢測，以確定ARIMA模型p和q的階數。發現Lns變量自相關圖二階拖尾，偏自相關圖一階拖尾，適合選擇ARIMA（1，0，1）模型。

為了更準確的確定ARIMA模型的最優P與Q值，本文對不同的ARIMA模型進行AIC值比較，選取AIC最小的模型。對比AR取值0、1、2，MA取值0、1、2的模型，經測算可知，ARIMA（1，0，1）的AIC值與BIC值都最小，因而確定最優模型為ARIMA（1，0，1）。

根據STATA輸出結果，ARIMA（1，0，1）模型的輸出結果擬合優度為80.6%，擬合較好。得到的擬合方程為：

LnSt=5.742+0.957LnSt-1+0.738εt-1（11）

對擬合方程的殘差項的相關性進行Q檢驗，殘差序列滯后1～8期的Q統計量概率值均大于0.05，殘差序列無自相關與偏自相關，屬于白噪聲序列，因此ARIMA（1，0，1）模型殘差項通過相關性檢驗。

3.1.3政府性基金預算收入預測

采用上述模型對江西省2003—2025年的政府性基金進行預測，2023—2025年政府性基金預算收入預測值分別為2359億元、2465.45億元、2570.95億元。在《關于江西省2022年全省和省級預算執行情況與2023年全省和省級預算草案的報告》中確定了江西省2023年政府性基金預算收入的預算安排數額為2399.4億元，所以2023年的政府性基金預算收入采用報告中的數額進行后續測算。

3.1.4可償債收入預測

政府性基金預算收入專項用于特定公共事業發展，是償還地方政府專項債券的最主要來源。除用于償還專項債務外，因政府性基金收入還需要投入到各項特定公共事業中，所以，用于償還專項債券的可償債收入只占政府性基金預算收入的一定比例。

在確定可償債收入比例時，本文假設當地政府往期在確定專項債券的發行規模及定價時，考慮了未來政府是否有能力償還到期債務。因此，本文將2015—2022年江西省政府發行專項債券的規模占當年政府性基金預算收入的比例取平均值，得到可償債收入占政府性基金預算收入的比例。通過計算，該比例的值為39.73%，出于謹慎性考量，本文將比例擬定為35%。所以，2023—2025年專項債券可償債收入分別為825.65億元、862.91億元、899.83億元。

3.2政府性基金預算收入波動率和增長率

通過對江西省2003—2022年以及預測的2023—2025年的政府性基金預算收入數據進行整理，帶入公式（7）和（8），計算得出2023—2025年的政府性基金預算收入的年平均增長率g分別為0.2724、0.1574、0.1147，波動率σ分別為0.3128、0.3074、0.3023。

3.3還本付息額測算

截至2022年12月31日，地方政府債務平臺官網顯示，江西省存續的地方政府專項債券一共175只，余額合計6323.24億元，年限包括5年、7年、10年、15年、20年與30年期限，到期時間從2023—2053年不等。設BT為T時期到期應償還的本息和，則：

BT=∑riBVi+∑（1+rj）BVj（12）

其中∑（1+rj）BVj表示T時期到期專項債券的本金與利息和，∑riBVi表示T時期未到期專項債券的利息和。其中，計算2024年與2025年的償債內容時，需要考慮2023年與2024年新增發行的專項債券利息額。自2015年起，江西省發行的專項債期限基本是3、5、7、10年期和15年以上的超長期，未發行1、2年期短期債券，故忽略2023年以后發行的專項債券本金，只考慮增發債券的利息部分。通過SPSS軟件進行指數平滑法預測，2023年與2024年發行的專項債券金額為2100億元與2359億元?；谥袊胤秸畟畔⒐_平臺的存量債券數據，測算出2023—2025年應償還的本息額分別為：749億元、862億元、581億元。

3.4計算違約概率

將上述2023—2025年計算所得的到期應償還專項債券本息總額，可償債收入的波動率、增長率代入公式（9）與公式（10），得到2023—2025年的專項債券違約概率如下：

表6結果可知，在可償債收入比例為20%同時不考慮再融資專項債償還本金的情況下，江西省2023—2025年政府專項債券的違約概率分別為22.20%、38.64%、16.40%，違約概率高。這表明僅憑政府性基金預算收入中35%的可償債收入難以償還到期債務。

3.5安全發債規模的測算

對于江西省地方政府專項債券的安全發債規模測算，本文參考穆迪公司測度的信用等級在標普BBB-或者穆迪Baa以上的公司債券違約概率0.4%為標準，倒推2023—2025年江西省的安全債務規模。

選取PD=0.4%，即N（-DD）=0.4%，則倒推出DD=2.56，把DD=2.56及2023—2025年的政府性基金收入增長率波動率代入公式（10），進一步倒推BT，得到2023—2025年的安全發債規模分別為430.20億元、308.78億元、242.13億元。債券還本付息總額應分別控制在該規模下，才能保證專項債券的違約概率在0.4%以內。根據實際測算情況，2023年到期本金為531.88億元，2024年為598.51億元，遠遠超過安全違約率0.4%下的到期債務規模。若使用專項債資金的項目現金流無法按計劃實現，江西省仍然按當前發行規模增長率發行專項債券，大概率會需要依靠再融資債券收入償還本金。事實驗證，截至2023年11月中旬，江西省政府2023年專項債的再融資債券金額累計543億元，已達2022年專項再融資債券的5倍之多，符合實證預期結果。

4結論與建議

4.1結論

本文基于修正的KMV模型，對江西省2023—2025年政府專項債券的違約發生概率進行測算。研究結果顯示，江西省2023—2025年專項債券的違約概率分別為22.20%、38.64%、16.40%。若以信用等級在普爾BBB或穆迪Baa3公司債券的違約概率0.4%為標準，江西省政府專項債預計未來3年的違約概率均明顯超過0.4%。結合近年來土地政策持續收緊，政府性基金預算收入不斷下跌，江西省政府需高度重視專項債券的違約風險并加以防范，合理控制未來專項債券的發行規模。

前文的研究未考慮再融資專項債券的收入作為還本來源，考慮到地方政府可能對即將到期的專項債券進行置換，或者加大發行再融資專項債券對已經到期的專項債券本金進行償還，實際的違約風險還有一定下降空間。

4.2建議

一是加強專項債項目的前期評估，健全項目庫。在項目申報階段，引入第三方獨立機構進行項目前期的可行性評估，科學估算專項債資金項目的成本、收益與投資風險情況，充分考量區域整體情況，避免出現同類項目扎堆申請。增強項目的自營收能力，從源頭上保證專項債券項目收益與融資方案的平衡。

二是降低專項債期限錯配。一方面，增加長期專項債券發行額度的比例，減輕短期還本付息壓力。對于擬發行的新增專項債券，根據存量債券還本付息要求、債券市場情況、預算方案等因素，合理設置償債期限；另一方面，合理利用再融資專項債，在調整已有債券現金流，降低專項債券到期還本風險的同時，也要避免對再融資債券的過度依賴。

三是加強項目生命周期管理，提高債券資金使用效率。加強資金使用階段的進度審查，建立對存續專項債項目資金的跟蹤管理，對資金的使用情況、項目的進展情況、收益情況等進行定期核查，督促項目主管部門及時將債務資金轉化為項目進度。

四是完善專項債券違約風險動態監控體系。目前衡量地方政府債務風險的指標多為債務率、新增債務率、償債率、逾期債務率等靜態指標，單純依靠某一靜態風險指標只能說明一部分問題。本文建議可以完善動態監控體系，結合當地政府性基金收入及其變動趨勢、專項債券余額、還本付息規模、再融資專項債發行規模等，動態評估安全的專項債發行規模，控制專項債券的信用風險。

五是科學設置政績考核指標與問責機制。樹立穩增長防風險的政績觀，將專項債券違約風險率、財政自給率等債務指標納入政績考核，約束盲目舉債行為。同時，以“誰舉債、誰負責”為根本原則，建立終身問責機制，避免當地政府官員為追求短期政績忽視長期風險隱患。

參考文獻

［1］凌華，周會洋，沈云，等.地方政府專項債券的風險測度與預警研究[J].會計之友，2021，（04）：6167.

[2]樊懌霖.地方政府專項債券風險測度及優化建議——以H省為例基于KMV模型的實證分析[J].西部金融，2021，（03）：6771.

[3]潛力，馮雯靜.地方政府專項債券違約風險——基于KMV模型的分析[J].統計與信息論壇，2020，35（07）：3544.

[4]譚佩佩，方希婧，鐘永紅，等.基于kmv模型的政府一般債券債務違約風險預測[J].金融經濟，2021，（04）：3745.

[5]何德旭，王學凱.地方政府債務違約風險降低了嗎？——基于31個省區市的研究[J].財政研究，2020，（02）：926.

[6]江西省財政廳債務管理處課題組，鄧忠.地方政府專項債券資金使用與管理分析及政策建議[J].債券，2022，（06）：1720.

[7]劉蔚，喬瑞，王華波，等.基于KMV模型地方政府專項債務風險研究——以A省為例[J].西部金融，2023，（05）：7683.

[8]李紅霞，張陽.疫情沖擊下地方專項債績效管理與風險防范[J].當代財經，2021，（01）：2738.

[9]王鴻，鄒梓琛.基于KMV模型的地方政府債務規模適度性研究——以黑龍江省為例[J].會計之友，2020，（21）：98104.

[10]洪源，胡爭榮.償債能力與地方政府債務違約風險——基于KMV修正模型的實證研究[J].財貿經濟，2018，39（05）：2137.