Regulatory Shock and the Effect of Credit Ratings on Bond Financing Cost: Empirical Evidence from the Perspective of Dagong Event’s Industry Effect

Ling-min XIE

Journal of Central University of Finance & Economics ›› 2024, Vol. 0 ›› Issue (1) : 87-101.

PDF(1282 KB)
PDF(1282 KB)
Journal of Central University of Finance & Economics ›› 2024, Vol. 0 ›› Issue (1) : 87-101.

Regulatory Shock and the Effect of Credit Ratings on Bond Financing Cost: Empirical Evidence from the Perspective of Dagong Event’s Industry Effect

Author information +
History +

Abstract

We explore how regulatory shock to credit rating agencies caused by a regulatory action against Dagong affects investors’ perception of the quality of credit ratings issued by other rating agencies.We find that market participants increase their reliance on credit ratings as a whole, yielding a stronger negative relation between credit ratings and bond spreads after the event.The effect is stronger for issuers rated by credit rating agencies with low reputation, issuers in areas with weak legal environments, state-owned enterprise issuers, and issuers in top-level rating segment.We further find a stronger reaction of stock investors to credit rating changes after this reputational shock.Our findings enrich the studies on the important role of reputation and regulation in credit rating industry and have policy implications for regulators.

Key words

Credit rating agency / Reputation / Financing cost effect / Regulation shock

Cite this article

Download Citations
Ling-min XIE. Regulatory Shock and the Effect of Credit Ratings on Bond Financing Cost: Empirical Evidence from the Perspective of Dagong Event’s Industry Effect[J]. Journal of Central University of Finance & Economics, 2024, 0(1): 87-101

一、引言

信用评级机构因发布具有误导性的虚高评级而受到广泛质疑,评级行业声誉约束机制失效在某种程度上导致了始于2007年的全球金融危机(Bayar,2014[1])。因此,近年来各国纷纷加强对信用评级机构的监督管理(①例如,美国国会于2010年7月通过的《多德-弗兰克华尔街改革和消费者保护法》纳入重要条款以强化对信用评级机构的监管。)。我国信用评级行业的自我监管体系较薄弱,声誉机制对我国信用评级机构的约束作用并未得到广泛认同(寇宗来等,2015[2];马榕和石晓军,2016[3];宋敏等,2019[4])(长期以来,中外投资者对我国的信用评级机构持有质疑态度,认为我国评级机构出具的评级存在虚高、信息含量低等问题(施先旺等,2021[15];Jiang和Packer,2019[16];Sheng,2019[17])。自2014年以来,随着我国债券市场违约案例逐年上升,信用评级机构的社会公信力和行业声誉面临更大挑战。)。为了预防金融风险并有效发挥信用评级在金融市场中的作用,我国监管机构也相继采取了一系列措施来提高评级质量、强化声誉机制对评级机构的约束作用。
2018年8月17日,大公国际资信评估有限公司(以下简称“大公”)被中国银行间市场交易商协会和中国证监会暂停债券评级业务一年,这被认为是我国针对信用评级机构出具的“史上最严处罚”。与此前较为温和的处罚方式(如,出具警示函、监管谈话等)不同,此次针对大公的重磅罚单将极大地冲击评级机构的市场声誉,并提高评级机构所面临的监管风险。本文利用大公事件,研究针对评级机构的监管处罚事件如何影响信用评级机构的市场公信力,即对信用评级融资成本效应的影响(信用评级的债券融资成本效应使用债券发行利差对信用评级的敏感度来衡量。)。
声誉机制有助于抑制评级机构的虚高评级活动(邢天才等,2016[5];林晚发等,2017[6];王浩等,2018[7])。对评级机构的声誉冲击会影响投资者对评级质量和评级信息含量的判断,从而改变他们在债券市场中对信用评级的信任和使用程度。现有研究表明评级机构的声誉会影响信用评级与债务融资成本的关系(王雄元和张春强,2013[8];黄小琳等,2017[9];DeHaan,2017[10];Bedendo等,2018[11];Sinha和Vincent,2018[12];Sethuraman,2019[13];Xu和Liu,2021[14])。大公事件后,信用评级的融资成本效应取决于投资者如何看待此次监管事件对评级机构行为的影响。
大公事件预期从两个方面影响评级机构市场声誉,进而影响其他评级机构所出具评级的债务融资成本效应。一方面,法律和监管风险可以增强评级行业中声誉机制的约束力和有效性(Beaver等,2006[18]; Goel和Thakor,2011[19]; Atilgan等,2015[20])。大公事件开启了我国针对评级行业的强监管时代,当评级机构意识到未来面临更高的法律和监管风险时,在评级过程中将更加勤勉、谨慎以维护自身声誉。因此,如果投资者将此次声誉冲击理解为促使评级机构重建声誉机制的惩戒性事件(Abad-Romero等,2019[21]),那么投资者事后将增加对信用评级的信任程度,即信用评级的融资成本效应提高,本文称之为“声誉恢复”假说。然而,另一方面,大公事件给评级行业造成了巨大的声誉损失。此次处罚之前,大公是我国位列前三位的评级机构之一(在大公事件之前,中国排名前三的信用评级机构为中诚信国际信用评级有限责任公司、联合信用评级有限公司、大公国际资信评估有限公司。),具有较高的市场地位。大公事件会冲击整个评级行业的市场公信力,进一步降低投资者对信用评级的信任程度,导致行业中其他评级机构给出的评级的融资成本效应也随之下降,本文称之为“声誉受损”假说。总体而言,此次监管事件是否以及如何影响评级行业的声誉机制以及信用评级的融资成本效应,尚需进一步的实证检验。
以我国非金融企业于大公事件发生前后发行的商业票据、中期票据、企业债券和公司债券为研究对象,本文首先发现信用评级与债券发行成本显著负相关,这与文献中信用评级在我国具有融资成本效应的研究发现一致(王雄元和张春强,2013[8]; Livingston等,2018[22] ;Jiang和Packer,2019[16]) 。进一步研究显示,在大公事件后,来自其他评级机构的信用评级与债券发行成本之间的负向关系增强,表明在监管事件后信用评级的融资成本效应增强,支持了“声誉恢复”假说。为进一步验证上述研究发现,本文进行了一系列稳健性检验,包括用债券评级代替发行人评级、增加公司层面控制变量、使用公司-年度月份固定效应、开展安慰剂检验以及时间趋势检验。上述稳健性检验均未改变本文的基本结论。
分组检验表明,当由市场声誉较低的评级机构出具评级、当发行人注册地位于法律环境较薄弱地区、当发行人为国有企业以及当发行人存在较高评级购买动机时,大公事件对信用评级融资成本效应的增强作用更为显著。分组检验结果为“声誉恢复”假说提供了进一步支持:针对大公事件带来的监管约束有助于恢复整个评级行业的市场声誉,而这种“声誉恢复”效应对原市场声誉较低的信用评级价值更大。
本文进一步检验发现其他评级机构下调评级的意愿以及所出具评级对信用风险水平的揭示作用在大公事件后增强,为其他评级机构在监管事件冲击下提升评级质量、重建声誉机制提供了直接证据。最后,本文以具有股票交易信息的上市公司所发行债券为样本,研究发现此次监管冲击后股票市场投资者认为信用评级调整的信息含量增加,对信用评级的信任和依赖程度增加,进一步支持了“声誉恢复”假说。
本文的研究发现从两个方面补充了相关文献。首先,本文依托于外生的监管冲击事件,为行业声誉如何影响信用评级的债券融资成本效应提供了新证据。声誉机制被视为保障评级机构公正性和可信度的关键因素(Smith和Walter,2002[23];Becker和Milbourn,2011[24];Gounopoulos和Pham,2017[25])。根据文献,声誉损失会减少投资者对信用评级的依赖和信任(DeHaan,2017[10];Sinha和Vincent,2018[12];Xu和Liu,202114]),而强化监管和法律责任则能够增强声誉机制的积极约束作用(Alp,2013[26];Dimitrov等,2015[27])。大公事件预期对评级机构市场声誉产生两种相反的作用:引发评级行业的直接声誉损失,以及通过增加监管和法律风险间接促进行业中其他评级机构的声誉提升。因此,本文的研究发现在综合分析大公事件复杂性、我国评级市场及监管特点的基础上,丰富了声誉机制影响信用评级融资成本的相关研究成果。
其次,本文的研究发现丰富了监管效应的相关研究,为我国深化评级行业监管提供了参考依据。现有文献主要关注发达国家针对信用评级行业监管机制的效应问题(①例如,美国针对信用评级机构实施的法案和监管措施对信用评级机构行为和评级质量的影响在文献中有广泛的研究(Jorion等, 2005[28]; Dimitrov等, 2015[27]; Bedendo等, 2018[11]; Sethuraman, 2019[13]; Toscano, 2020[29])。),而较少探讨我国监管部门所采取的措施对评级机构以及信用评级融资成本效应的影响。行政监管手段是我国监管部门维持评级行业市场秩序的常用措施,因此有必要深入研究我国行政监管措施的经济后果和有效性。为提高信用评级在风险披露和风险定价中的作用、改善企业的融资环境并预防金融风险,我国监管和立法部门已采取各种措施加强对评级行业的监督和审查。然而,多数处罚手段对评级机构带来的威慑力和声誉损失较小,因此研究相应经济后果的必要性降低。对大公“停业一年整顿”的重度处罚给评级行业带来了巨大冲击,影响其市场公信力。此外,不同于国际上被广泛研究的声誉冲击事件(如,全球金融危机、美国具有投资等级公司破产案例)对评级机构造成单一的声誉损失(②例如,DeHaan(2017)[10]发现全球金融危机中金融工具评级失败对评级机构声誉的损害波及市场参与者对企业信用评级的信任。Sethuraman(2019)[13]基于2002年安然(Enron)和世界通讯(WorldCom)等几家备受瞩目的具有投资级别评级水平公司破产事件之后的监管调查事件研究声誉损失对公司信息披露的影响。),大公事件对我国评级行业市场声誉的影响更为复杂,即在导致直接行业声誉受损的同时通过增加法律和监管约束起到加强行业自律、重建声誉机制的作用。因此,通过研究这一监管措施对评级融资成本效应的影响,能够为如何通过监管恢复中国信用评级行业的市场公信力提供参考和启示。

二、研究假设

信用评级机构是债务融资工具市场的“守门人”,通过对发行人和融资产品开展信用评级,降低投资者与发行人之间的信息不对称性,在金融市场中发挥着重要的中介作用(③文献已经针对公司评级、主权评级及其经济影响进行了广泛研究(例如,Bedendo和Colla,2015[33];Almeida 等,2017[34];Driss等,2019[35];Kisgen,2019[36])。)。声誉被认为是信用评级机构最有价值的资产(Smith和Walter,2002[23];Covitz和Harrison,2003[30]),文献中普遍认为声誉机制对约束评级膨胀、提高评级质量有重要作用(宋敏等,2019[4];Becker和Milbourn,2011[24];Bedendo等,2018[11];Hu等,2019[31])。然而,尽管评级机构声称他们依赖于严格的分析程序和公开公认的风险评估方法,针对评级对象的信用风险提供理性、独立、前瞻性的专业意见(Morgenson,2008[32]),但评级机构在安然、世通等具有投资级别评级水平公司的破产事件以及2008全球金融危机中的过失表现令其市场公信力严重受损。
信用评级的融资成本效应取决于评级机构的声誉水平和评级质量。例如,DeHaan(2017)[10]研究发现评级失败造成的声誉受损在不同类型评级产品之间具有传染效应,虽然全球金融危机主要与评级机构对金融衍生工具的虚高评级有关,而公司评级并未有此问题,但投资者依然减少对公司评级的信任和依赖程度。Sinha和Vincent(2018)[12]研究发现,在2008全球金融危机以及安然和世通公司破产造成声誉冲击后,信用评级和债券利差之间的负向关系有所减弱,表明声誉损失降低了信用评级的融资成本效应。Sethuraman(2019)[13]研究发现当投资者由于评级机构声誉受损事件(2002年萨班斯-奥克斯利法案针对评级机构展开的调查)而对评级信息信任程度下降时,会要求企业披露更多的信息。而当投资者由于声誉强化事件(2006年通过《信用评级机构改革法案》)而对评级信息的信任程度上升时,会减少对企业信息披露的要求。因此,投资者对信用评级的信任和依赖(表现为评级的融资成本效应)取决于评级机构的市场声誉。
基于我国债券市场,Xu和Liu(2021)[14]研究发现,当联合资信评估股份有限公司在中国银行间市场交易商协会开展的评级机构排名中名次下降时,由其出具评级的中期票据的平均收益率差上升,表明评级机构的声誉损失降低了其出具评级的融资成本效应。Hu等(2019)[31]基于我国债券市场研究发现信用评级的声誉与债券发行利差之间存在负向关系,为评级机构声誉影响评级融资成本效应提供了直接证据支持。黄小琳等(2017)[9]研究发现债券违约事件中的涉事评级机构由于声誉受损,其后续的市场份额下降,出具评级的融资成本作用下降。
本文依托于我国针对评级机构的重要监管事件,从信用评级融资成本效应的角度探究监管的经济后果。2018年8月17日,大公因严重违规(如直接向受评企业提供咨询服务,收取高额费用等)被中国证监会和中国银行间市场交易商协会禁止从事债券评级业务一年。此次针对大公的监管处罚行动对评级行业的市场声誉具有双重影响。
一方面,对大公的处罚措施是迄今为止我国针对评级机构开出的“最重罚单”,此次处罚事件被视为开启了我国针对评级机构的“强监管”时代,预期将极大增加评级机构面临的法律和监管风险。如果投资者认为在大公事件后其他评级机构为了恢复声誉和规避潜在监管风险而提高其评级质量,那么此次事件后投资者对信用评级的信任程度会上升,信用评级的融资成本效应会增加。本文称之为“声誉恢复”假说。
另一方面,鉴于事件前大公在中国评级市场中的重要地位(①从市场份额上看,根据Wind提供的新发行债券数据,2014—2017年期间新发生的债券中,由大公评级的债券从数量(融资额)上占比约为20.0%(20.2%)。从市场声誉上看,大公在被处罚之前是我国债券评级市场的领头羊之一,在中国银行间市场交易商协会(国家发展和改革委员会)开展的年度绩效评估中,大公在针对五(六)大评级机构考核中排名第二(二)位。),此次监管处罚事件将会严重动摇投资者对其他评级机构的信心,进而损害整个评级行业的声誉。基于此,本文预期大公事件将导致评级机构市场公信力进一步丧失,投资者对信用评级的信任程度下降,信用评级的融资成本效应降低。本文称这一观点为“声誉受损”假说。
基于以上分析,大公事件将从两个相反的方向影响信用评级的融资成本效应。根据“声誉恢复”假说,投资者认为大公事件起到惩戒约束作用,受声誉机制和监管风险的约束,评级机构将提高评级质量,因而对信用评级的信任程度提高,即评级的融资成本作用增加。根据“声誉受损”假说,大公的过失行为导致市场参与者质疑整个评级行业的公信力,因而市场参与者在投资时对信用评级的信任和依赖减少,即事件后信用评级融资成本效应降低。

三、样本选择

本文以2018年8月17日宣布处罚的时间点为窗口中心构建样本,样本包括2017年4月1日(2018年9月1日)—2018年7月31日(2019年12月31日)的16个月作为事前期间(事后期间)(②由于针对大公的处罚在2018年8月中旬实施,事件发生月份被排除在样本期之外。中国人民银行、国家发展和改革委员会、财政部、证监会联合发布的《信用评级业管理暂行办法》于2019年12月26日正式实施,因此为了避免此《办法》的干扰,样本期于2019年12月31日结束。)。本文的研究对象包括由非金融企业发行并由其他八家“发行人付费”模式评级机构评级的商业票据、中期票据、企业债券和公司债券(①被大公出具评级的新发行债券被排除在研究对象之外,主要基于以下两个方面的考虑。首先,大公自2018年8月起被强制暂停评级业务一年,直到2019年11月才被允许恢复评级业务。因此,自处罚生效后的样本期间内大公基本无法针对新发生债券开展评级活动。其次,尽管大公于2019年11月恢复运营,但作为处罚对象,其所有权结构及面临的市场状况发生了重大变化,因此与其他评级机构不具有可比性。)。
本文有关信用评级和债券发行数据来源于Wind数据库,样本包括来自1 362家企业新发行的4 468份债券。为满足分析需要,每个新发行债券要求具有发行人长期信用评级、债券发行信用评级、发行利息率和其他作为控制变量的债券特征。

四、实证分析

(一)基本回归分析

本文首先研究大公事件对信用评级融资成本效应的基本影响。根据文献(黄小琳等,2017[9];Hu等,2019[37]),本文对发行人长期信用评级进行赋值处理,根据不同的评级赋值依次从19(AAA评级)到1(C评级)。本文根据文献(黄小琳等,2017[9];张广婷等,2021[38];DeHaan,2017[10];Livingston等,2018[22];Bae等,2019[39])设定以下回归模型:
Ln(Spread)=β0+β1Rating×Post+β2Rating+β3Post+Controlsi+Industry+YearMonth+εi
(1)
模型(1)中,Spread代表债券发行成本,根据文献(寇宗来等,2015[2];张春强等,2019[40];Hu等,2019[31])通过两种方式计算而得:发行时债券收益率(Spread1)及债券发行收益率与可比期限国债收益率的差额(Spread2)。Rating指债券发行人的长期信用评级所对应的赋值水平。Post为虚拟变量,当债券为事件后(即2018年9月1日至2019年12月31日)发行时取值为1,为事件前(即2017年4月1日至2018年7月31日)发行时取值为0。根据文献,模型(1)控制了一系列债券层面的特征指标,Bondsize为债券面值的自然对数;Put为虚拟变量,对包括回购条件的新发行债券取值为1,否则为0;Call为虚拟变量,对包含可赎回条件的新发行债券取值为1,否则为0;Guarantee为虚拟变量,若新发行债券拥有第三方担保则取值为1,否则为0;Fixed为虚拟变量,对固定利率支付型债券取值为1,否则为0;Markettype指示债券的发行市场,当债券为交易所市场交易则取值为1,在银行间债券市场交易则为0;Bondtype为离散变量,用来指示债券类型,当债券为公司债券时取值为1,为企业债券时取值为2,为中期票据时取值为3,为商业票据时取值为4。对于发行人层面的特征指标,模型控制了发行人的上市状态(Listed)和所有权结构(Soe),模型中同时包括行业(Industry)和年度-月份(Year-Month)固定效应。
上述变量的详细定义见表1表2报告了主回归样本中所使用变量的描述性统计。
表1 变量定义表
变量 定义
Spread1 债券发行时的到期收益率
Spread2 债券发行时的到期收益率与可比期限国债收益率的差异
Rating 离散变量,表示发行人信用评级水平对应的赋值,从19到1分别对应评级水平AAA—C
Bondsize 债券发行面值(1亿元人民币)的自然对数
Duration 债券的存续年数
Put 虚拟变量,若债券含有投资者回售条款,则Put=1,否则Put=0
Call 虚拟变量,若债券含有发行人赎回条款,则Call=1,否则Call=0
Guarantee 虚拟变量,若债券发行时有来自银行或其他机构的担保,则Guarantee=1,否则Guarantee=0
Fixed 虚拟变量,若债券为固定利率债券,则Fixed=1,否则Fixed=0
Markettype 虚拟变量,若是交易所债券市场交易的债券,则Markettype=1;若是银行间债券市场交易的债券,则Markettype=0
Bondtype 离散变量,若为公司债券,则Bondtype =1;若为企业债券,则Bondtype=2;若为中期票据,则Bondtype=3;若为商业票据,则Bondtype=4
Listed 虚拟变量,若债券发行人为上市公司,则Listed=1,否则Listed=0
Soe 虚拟变量,若债券发行人为国有企业,则Soe=1,否则Soe=0
CRA 以市值加权平均法计算的市场回报率(等权平均法计算的市场回报率)为基准,发行人在以评级变动生效日期为中心的三天窗口期内的累积超常收益率的绝对值
ABS_RAT_CHG 评级数值变化的绝对值
DAYS_CHG 自上次评级变化以来间隔天数的自然对数
表2 统计性描述
变量 观测值 平均值 标准差 下四分位 中位数 上四分位
Spread1 4 468 5.352 1.314 4.270 5.100 6.500
Spread2 4 468 2.790 1.350 1.680 2.550 3.850
Rating 4 468 1.669 0.866 1.000 1.000 2.000
Bondsize 4 468 2.226 0.802 1.609 2.303 2.708
Duration 4 468 3.491 1.655 3.000 3.000 5.000
Put 4 468 0.348 0.476 0.000 0.000 1.000
Call 4 468 0.113 0.316 0.000 0.000 0.000
Guarantee 4 468 0.111 0.314 0.000 0.000 0.000
Markettype 4 468 0.482 0.500 0.000 0.000 1.000
Listed 4 468 0.234 0.423 0.000 0.000 0.000
Soe 4 468 0.717 0.450 0.000 1.000 1.000
本文关注模型(1)中的交互项系数β1,用来衡量大公事件对信用评级融资成本效应的影响,反映大公事件造成评级行业声誉冲击后来自其他评级机构的信用评级对债券定价作用的变化。如果市场参与者在大公事件后增加了对信用评级的信任和使用(“声誉恢复”假说),那么本文预期信用评级与债券发行成本之间的负向关系得到加强,即β1为负数。然而,若市场参与者在大公事件后减少对信用评级的信任(“声誉受损”假说),本文预期信用评级与债券发行成本之间的负向关系弱化,即β1是正数。
表3中报告了基本回归结果,Spread1和Spread2在列(1)、列(2)中分别作为衡量债券发行成本的指标。Rating的回归系数显著为负,表明总体上信用评级在我国债券市场上具有融资成本效应,即信用评级越高,债券发行成本越低,这与文献结果一致(Dhawan和Yu, 2015[41]; Livingston等, 2018[22]; Jiang和Packer, 2019[16])。交互项Rating×Post的系数在两列回归中均为负数(β1分别为-0.330,-0.309)且在1%的显著性水平上统计显著(t值分别为-11.151,-10.185),表明大公事件后信用评级对新发行债券的定价功能提高,即信用评级的融资成本效应提高。该研究发现为“声誉恢复”观点提供了证据,即投资者认为在大公事件后,评级机构为了恢复声誉和规避监管风险,将提高评级质量。
表3 基本回归结果
变量 (1) (2)
Spread1 Spread2
Rating×Post -0.330***
(-11.151)
-0.309***
(-10.185)
Rating -0.538***
(-19.989)
-0.558***
(-20.245)
Post 5.721***
(10.493)
5.140***
(9.210)
Bondsize -0.105***
(-5.538)
-0.133***
(-6.885)
Duration 0.047***
(5.415)
-0.097***
(-10.962)
Put 0.143***
(4.133)
0.157***
(4.440)
Call 0.486***
(12.173)
0.269***
(6.569)
Guarantee -0.443***
(-9.673)
-0.491***
(-10.481)
Markettype 0.261***
(4.389)
0.061
(0.994)
Listed -0.293***
(-9.740)
-0.320***
(-10.411)
Soe -0.769***
(-23.764)
-0.759***
(-22.913)
Observations 4 468 4 468
R-squared 0.636 0.639
CRA FE YES YES
Industry FE YES YES
Year-Month FE YES YES
注:括号内为t值,***、**和*分别表示在1%、5%、10%的水平上显著。下同。

(二)稳健性检验

接下来,本文开展了一系列稳健性检验以提供进一步的实证支持。首先,基于参考文献(如,吴育辉等,2020[42];刘琳和查道林,2018[43];Sethuraman, 2019[13]; Hu等, 2019[37]),上述回归分析中Rating用债券发行人长期信用评级衡量。在我国债券市场,债券发行时,评级机构会同时出具发行人信用评级和债券评级。因此,本文将模型(1)中的Rating替换为债券评级(①由于商业票据的债券评级标准与其他类型债券的评级标准不同,这一部分的分析剔除了商业票据。)。回归结果见表4中的列(1)、列(2),基本回归结果保持不变(②尽管这两类信用评级捕获的信用信息略有不同(Hu等, 2019[37]),但它们都在一定程度上反映了评级机构对债券发行人信用和偿还风险的评估。)。
表4 稳健性检验
变量 (1) (2) (3) (4) (5) (6)
Spread1 Spread2 Spread1 Spread2 Spread1 Spread2
Rating×Post -0.296***
(-9.436)
-0.298***
(-9.349)
-0.479***
(-17.628)
-0.470***
(-17.084)
-0.308***
(-10.417)
-0.282***
(-9.291)
Rating -0.556***
(-19.107)
-0.551***
(-18.677)
-0.043
(-0.794)
-0.155***
(-2.825)
-0.468***
(-16.148)
-0.496***
(-16.707)
Post 5.026***
(8.656)
5.058***
(8.592)
8.239***
(16.280)
7.975***
(15.538)
5.278***
(9.666)
4.625***
(8.262)
Baseline controls YES YES YES YES YES YES
Additional firm-level controls NO NO NO NO YES YES
Observations 3 852 3 852 4 468 4 468 4 254 4 254
R-squared 0.640 0.636 0.929 0.931 0.664 0.666
CRA FE YES YES YES YES YES YES
Firm FE NO NO YES YES NO NO
Industry FE YES YES NO NO YES YES
Year-Month FE YES YES YES YES YES YES
其次,模型(1)中控制了行业和时间固定效应,为了消除不随时间变动的公司层面遗漏变量的影响,本文加入公司固定效应来进一步缓解内生性问题。回归结果(表4中列(3)、列(4))显示,在控制公司固定效应后,Rating×Post的系数仍显著为负。
再次,鉴于发债公司财务数据披露不完整,上述分析中公司层面特征只控制了公司的上市状态和所有权结构。为进一步控制公司层面因素的影响(Dhawan和Yu, 2015[41]; DeHaan, 2017[10]; Sinha和Vincent,2018[12]; Hu等, 2019[37]),模型中进一步加入公司层面特征,包括公司规模、杠杆水平、现金持有水平、资产回报率、公司成长性、短期流动性风险以及利息保障倍数(① 因公司层面的数据披露不完整,因此本部分回归分析所用样本规模缩小。)。研究结果报告于表4列(5)、列(6)(②为简洁起见,自表3开始不再报告控制变量的回归结果。)。在加入更多公司层面控制变量后,Rating×Post的回归系数仍显著为负。总体而言,表4报告的结果表明,本文的研究结论在控制不同类型固定效应及加入更多公司层面控制变量后保持稳健(③作为稳健性检验,本文进一步把事件前后的窗口期分别改为12个月和3个月。较短的窗口期有利于避免其他可能影信用评级融资成本效应的事件的干扰。基于较短样本期的结果与表2中报告的结果基本保持一致,因此本文的结果不随样本期间的改变而变化。)。
最后,如果信用评级与债券发行成本的负向关系存在一个不断增强的时间趋势,那么即使没有监管冲击,本文也可以观察到上述结果。例如,随着近年来债务违约风险的加大,债券投资者更加关注债券的风险,因而更加依赖信用评级的风险揭示和风险定价作用。为了排除这种替代解释,本文首先进行了两次安慰剂检验。首先选择大公事件前6个月作为第一次安慰剂检验的样本期间。具体地,样本期为2018年2月至2018年7月,包括事前事后期间各3个月。第二次安慰剂检验的样本期为2018年9月至2019年2月,包括事前事后期间各3个月。基于表5报告的结果(列(1)、列(2)为第一次安慰剂检验,列(3)、列(4)为第二次安慰剂检验),两组安慰剂检验中交互项的系数均不具有统计显著性,为所选外生冲击事件的有效性提供证据。
接下来,本文进一步分析大公事件前信用评级与债券发行成本的关系趋势以及大公事件冲击带来的影响。具体地,本文基于事件前样本期间构建三个时间虚拟变量,分别为Pre3(当样本期间为2017年8月1日至2017年11月30日时取值为1,否则为0), Pre2(当样本期间为2017年12月1日至2018年3月31日时取值为1,否则为0)以及Pre1(当样本期间为2018年4月1日至2018年7月31日时取值为1,否则为0),构建指示事件后样本期间的虚拟变量Post2(当样本期间为2018年9月1日至2019年12月31日时取值为1,否则为0)(④经过上述时间虚拟变量的构建可以看出,2017年4月1日至2017年7月31日这一期间的样本为基准样本。),相关回归结果如表5列(5)、列(6)所示。根据Rating×Pre3、Rating×Pre2以及Rating×Pre1的回归系数,本文并未发现在大公事件前信用评级的融资成本效应存在增强趋势,而Rating×Post2的系数显著为负,表明信用评级与债券发行成本的负向关系在大公事件后显著增强。表5报告的结果有助于排除时间趋势这一解释,为大公事件强化了信用评级与债券发行收益率负向关系的结论提供了进一步的支持。
表5 时间趋势检验
变量 (1) (2) (3) (4) 变量 (5) (6)
Spread1 Spread2 Spread1 Spread2 Spread1 Spread2
Rating×Post -0.111
(-0.978)
-0.165
(-1.503)
-0.046
(-0.332)
-0.044
(-0.315)
Rating×Pre3 0.120**
(2.028)
0.116*
(1.922)
Rating -0.694***
(-9.706)
-0.671***
(-8.066)
-0.931***
(-10.780)
-0.967*** Rating×Pre2 0.316***
(4.869)
0.322***
(4.848)
Post 1.666
(0.821)
2.613
(1.326)
-0.085
(-0.032)
-0.106
(-0.040)
Rating×Pre1 -0.029
(-0.455)
-0.034
(-0.517)
Rating×Post2 -0.232***
(-4.827)
-0.211***
(-4.297)
Rating -0.634***
(-13.619)
-0.653***
(-13.700)
Pre3 -1.595
(-1.492)
-1.609
(-1.471)
Pre2 -4.898***
(-4.151)
-5.181***
(-4.289)
Pre1 0.974
(0.830)
0.866
(0.721)
Post2 3.957***
(4.539)
3.391***
(3.801)
Baseline controls Yes Yes Yes Yes Yes Yes
Observations 696 696 919 919 4 468 4 468
R-squared 0.673 0.705 0.596 0.600 0.639 0.641
CRA FE YES YES YES YES YES YES
Industry FE YES YES YES YES YES YES
Year-Month FE YES YES YES YES YES YES

(三)分组回归分析

上述研究结果表明,大公事件加强了信用评级的融资成本效应。为解释这一影响,本文提出“声誉恢复”观点:投资者认为评级机构在大公事件后有动机提高评级质量,以修复事件造成的声誉损害,并规避不断增加的监管和法律风险。本节将通过横截面分析为“声誉恢复”假设提供进一步的支撑。
1.根据信用评级机构市场声誉进行分组。
本文将研究结果归因于对大公的监管行动有助于恢复评级行业的声誉机制。如这一观点成立,则可以预期上述结果对由市场声誉相对较低的评级机构出具评级的债券更为显著,即声誉强化效应对原市场声誉较低的评级机构更有价值。
为验证这一观点,本文根据大公事件前的市场声誉水平将样本中八家评级机构分为两组。本文利用中国银行间市场交易商协会开展的针对评级机构的评估排名作为衡量信用评级机构声誉的标准,分别利用2017年12月22日和2018年9月4日公布的针对2016年度和2017年度的评估结果作为判断评级机构声誉水平的依据。其中,中诚信国际信用评级有限责任公司和上海新世纪资信评估投资服务有限公司在连续两年评估中均入围前三名,因此被认定为具有高市场声誉的评级机构,其余评级机构则划分为低声誉组。
本文定义虚拟变量Lowrep,当债券发生人被低声誉组评级机构出具信用评级时Lowrep取值为1,当债券发生人被高声誉评级机构出具评级时Lowrep取值为0,并构建模型(2)如下:
Ln(Spread)=β0+β1Rating×Post×Lowrep+β2Rating×Post+β3Rating×Lowrep+β4Post×Lowrep+β5×Rating+β6×Post+β7×Lowrep+Controlsi+Industry+YearMonth+εi
(2)
其中,β1衡量在不同的评级机构声誉水平下,监管冲击对信用评级和债券收益率之间负向关系的影响。模型(2)的回归结果报告于表6中。Rating×Post×Lowrep的系数β1显著为负,即大公事件对信用评级融资成本效应的增强在由低声誉组评级机构出具评级的债券中更为显著。这一研究结果进一步支持了“声誉恢复”假说。
表6 基于信用评级机构市场声誉的分组分析
变量 (1) (2)
Spread1 Spread2
Rating×Post×Lowrep -0.106*
(-1.786)
-0.122**
(-2.016)
Rating×Post -0.293***
(-7.934)
-0.266***
(-7.014)
Rating×Lowrep -0.093**
(-2.019)
-0.080*
(-1.687)
Post×Lowrep 1.961*
(1.810)
2.306**
(2.079)
Rating -0.503***
(-15.667)
-0.528***
(-16.053)
Post 5.042***
(7.418)
4.328***
(6.221)
Lowrep 1.215
(1.365)
0.842
(0.923)
Baseline controls Yes Yes
Observations 4 468 4 468
R-squared 0.639 0.641
CRA FE YES YES
Industry FE YES YES
Year-Month FE YES YES
2.根据发行人所在地法律环境进行分组。
法律环境影响市场中介机构的发育、公司行为和投资者的风险感知(Chan等, 2013[44]; Houqe等, 2014[45]; Bradshaw等, 2019[46])。在更好的法律环境下,发行人从事评级兜揽活动动机减弱,同时评级机构更有可能对发行人进行尽职调查,并基于真实的信用风险情况出具信用评级。因此,本文认为投资者对位于法律环境水平较高地区的发行人的信用评级更为信任。相比之下,位于法律环境较弱地区的发行人的信用评级更容易受到投资者质疑,因为发行人在缺少诉讼和法律风险约束的情况下更有可能进行评级购买从而获得虚高评级。因此,本文预期大公事件的“声誉恢复”效应对注册地位于法律环境薄弱地区的发行人所发行的债券更为显著。
本文采用樊纲市场化指数中的“市场中介组织的发育和法治环境”指数(樊纲等, 2018[47]) 作为法律环境水平的衡量指标(①樊纲市场化指数被广泛用于衡量中国各地区的市场化发育程度 ( 如,Lan等, 2013[48]; Choi等, 2015[49]; Gaur等, 2018[50])。)。根据2018年发布的中国分省份市场化指数报告中“市场中介组织的发育和法治环境”这一标准,排名前五的省市(上海市、江苏省、浙江省、北京市、广东省)被认定为法律环境水平较高的地区(②报告在2018年发布,但其指数涵盖期间为2008—2016年。)。本文定义虚拟变量Lowlegal,若债券发行人注册地为以上五个地区时取值为0,否则为1。接下来,模型(2)中Lowrep被替换为Lowlegal,回归结果见表7Rating×Post×Lowlegal 的系数在两列中均显著为负,表明由大公事件引发的“声誉恢复”机制对位于法律环境较薄弱地区的债券发行人来说更为显著,与预期结果一致。
表7 基于发行人所在地法律环境的分组分析
变量 (1) (2)
Spread1 Spread2
Rating×Post×Lowlegal -0.112**
(-1.989)
-0.132**
(-2.292)
Rating×Post -0.246***
(-6.110)
-0.211***
(-5.136)
Rating×Lowlegal -0.025
(-0.579)
-0.030
(-0.684)
Post×Lowlegal 2.178**
(2.112)
2.566**
(2.441)
Rating -0.498***
(-14.809)
-0.514***
(-14.993)
Post 4.102***
(5.491)
3.250***
(4.267)
Lowlegal 0.805
(1.032)
0.913
(1.148)
Baseline controls Yes Yes
Observations 4 468 4 468
R-squared 0.658 0.663
CRA FE YES YES
Industry FE YES YES
Year-Month FE YES YES
3.基于发行人所有权特征进行分组。
在我国,与非国有企业相比,国有企业拥有政府的隐性担保(Dong等,2021[51]),因此更容易获得银行贷款和更优惠的贷款条款(Bailey等, 2011[52])。同样,在我国债券市场中,鉴于政府隐形担保的存在,国有企业能够获得更高的债券评级以及更低的融资成本(Livingston等, 2018[22]),并且信用评级的融资成本效应被政府隐形担保这一稀缺资源弱化,即信用评级的融资成本效应在由国有企业发行的债券中较弱。例如,Gao等(2022)[53]研究发现,增信措施的融资成本效应在非国有企业中更为显著。
然而,随着 “打破刚性兑付”过程的不断推进以及由国有企业所发行债券的违约案例不断增加(Ai等, 2019[54]),政府隐性担保体系被打破,债券定价市场化程度提高,因而针对国有企业及其债券产品的评级信息对于投资者而言变得尤为重要。因此,若大公事件的“声誉恢复”效应存在,那么本文预期该效应对国有企业债券发行人更为重要,因为针对国有企业及其产品的信用评级在事件发生前所包含的信用信息较少,那么“声誉恢复”效应对其更有价值。
为检验这一预测,本文定义虚拟变量Soe,对国有企业发行的债券,其取值为1;对非国有企业发行的债券,则为0。模型(2)中的Lowrep被替换为Soe并进行回归分析,结果报告在表8中。三项交互项的系数显著为负,表明大公事件后由国有企业发行债券的信用评级的融资成本效应提高得更多,与预期一致。
表8 基于发行人所有权特征的分组分析
变量 (1) (2)
Spread1 Spread2
Rating×Post×Soe -0.135**
(-2.142)
-0.120*
(-1.876)
Rating×Post -0.170***
(-3.374)
-0.151***
(-2.930)
Rating×Soe -0.148***
(-3.135)
-0.162***
(-3.337)
Post×Soe 2.121*
(1.863)
1.828
(1.569)
Rating -0.505***
(-12.853)
-0.522***
(-12.983)
Post 3.051***
(3.369)
2.541***
(2.744)
Soe 2.092**
(2.455)
2.361***
(2.709)
Baseline controls Yes Yes
Observations 4 468 4 468
R-squared 0.644 0.647
CRA FE YES YES
Industry FE YES YES
Year-Month FE YES YES
① 报告在2018年发布,但其指数涵盖期间为2008—2016年。

(四)进一步分析

1.评级可靠性检验。
本文将上述研究发现归因为“声誉恢复”假说,即投资者预期在大公事件后评级机构为规避潜在监管风险将提高其评级质量,因而增加了对信用评级的信任程度。接下来,本文通过两方面的分析为“评级机构提高评级质量”这一逻辑提供支持。
首先,本文通过统计样本期的评级调整事件发现,样本中的八家评级机构在事前样本期间的16个月内共上调评级887次,下调评级258次,下调评级在评级调整活动中占比22.533%;在事后样本期间的16个月内共上调评级356次,下调评级343次,下调评级在评级调整活动中占比49.070%,并且整体评级调整活动下降幅度达38.952%。这在一定程度上表明评级机构在大公事件后出具的评级水平更为合理地反映了企业的信用风险,因而后续的评级调整活动减少,下调评级程度(占比)的明显增强也表明评级机构在事件后更为关注信用风险上升的情况。
其次,为了进一步表明大公事件后信用评级更充分地反映债券发行人的信用风险水平,本节构建如下模型(3):
Rating=β0+β1CreditRisk×Post+β2CreditRisk+β3Post+Controlsi+Industry+YearMonth+εi
(3)
其中,CreditRisk为衡量债券发行人信用风险水平的指标,本文根据文献(Nashikkar等, 2011[55]; Baghai等, 2014[56]; 李刚等,2019[57];许红梅和李春涛,2020[58])采用两种方式衡量发行人信用风险:短期流动性风险指标(LiquidityRisk)及针对上市公司发行人的预期违约概率指标(DefaultRisk)。在模型(3)中,β2衡量发行人信用风险水平对信用评级的影响,风险程度越高,信用评级水平越低,即β2为负。交互项系数β1衡量信用评级对发行人信用风险的敏感度在大公事件前后的变化。如果评级机构在大公事件后的评级活动中更为重视发行人的信用风险水平,则债券发行人的信用风险对信用评级水平的影响程度更大,即β1显著为负。
相关的回归结果报告于表9中,交互项CreditRisk×Post的系数在两列回归中均显著为负,这表明大公事件后评级机构在开展评级活动时更为关注发行人自身的信用风险,信用评级揭示信用风险和偿还风险的功能提高,为“声誉恢复”观点提供了进一步的支撑。
表9 评级可靠性检验
变量 (1) (2)
Rating Rating
CreditRisk=LiquidityRisk CreditRisk=DefaultRisk
CreditRisk×Post -0.037**
(-2.245)
-0.020***
(-3.219)
CreditRisk -0.102***
(-7.015)
-0.024***
(-3.936)
Post 0.211***
(3.150)
0.337***
(2.677)
Baseline controls Yes Yes
Observations 4 254 986
R-squared 0.661 0.833
CRA FE YES YES
Industry FE YES YES
Year-Month FE YES YES
2.评级区间检验。
长期以来,我国信用评级机构由于出具高评级被广泛质疑(①Jiang和Packer(2019)[16]发现我国评级机构对我国公司的评级远高于国际评级机构针对同一公司出具的评级水平。)。本文认为,评级购买和评级膨胀发生在高评级债券中的可能性更大,因为获得高的信用评级对发行人而言至关重要。例如,中国证监会和中国人民银行规定,从2016年开始,不允许货币市场基金投资于发行人信用等级低于AA+的债券(②http://www.csrc.gov.cn/shanghai/xxfw/gfxwj/201601/t20160113_289870.htm。)。因此,由于债券发行人更倾向于购买高评级来扩大其发行债券的投资者范围,高水平的评级更有可能存在评级虚高。如果大公事件通过“声誉恢复”机制加强评级的融资成本效应,这种作用预期在具有较高评级的债券中更为显著。
为检验上述预测,本节将模型(1)中的Rating替换为两个虚拟变量。具体地,信用评级低于AA+级的样本为基准样本。若发行人评级为AAA,则AAAR=1,否则AAAR=0;若发行人评级为AA+,则AA+R=1,否则AA+R=0。本节使用这两个虚拟变量重新进行模型(1)的回归,结果报告在表10中。可以看出,信用评级与债券发行成本的负向关系基本在各组评级中均有增强,并且这个增强的程度随着评级水平的提高而增加,即监管冲击带来的“声誉恢复”在最容易出现虚高的评级水平中更为显著。
表10 基于评级区间的分析
变量 (1) (2)
Spread1 Spread2
AAAR×Post -0.744***
(-11.552)
-0.704***
(-10.839)
AA+R×Post -0.282***
(-3.938)
-0.243***
(-3.372)
AAAR -1.264***
(-22.846)
-1.292***
(-23.161)
AA+R -0.520***
(-9.718)
-0.539***
(-10.015)
Post 0.156
(1.516)
0.039
(0.377)
Baseline controls Yes Yes
Observations 4 468 4 468
R-squared 0.661 0.675
CRA FE YES YES
Industry FE YES YES
Year-Month FE YES YES
3.基于股票市场的证据。
接下来,本文基于股票市场数据以期为“声誉恢复”假说提供进一步的证据。具体地,本文分析事件发生前后,股票投资者对债券评级调整反应的变化(③ 债券评级调整的数据取自Wind数据库,上市公司发行人的股票回报数据取自CSMAR数据库。)。因只有上市公司拥有股票交易数据,本部分检验的样本量减少。根据参考文献(Jorion等, 2005[28]; Bannier和Hirsch, 2010[59]; Sethuraman, 2019[13]),本节基于以下模型研究大公事件如何影响信用评级在股票投资者中的市场声誉:
CAR1/CAR2=β0+β1POST+β2ABS_RAT_CHG+β3DAYS_CHG+ε
(4)
其中:CAR1、CAR2衡量发行人以评级变更日为中心的三天窗口期(-1、0,+ 1)的累积超额收益的绝对值(①累积超常收益是由日超额收益相加而得,用于计算CAR1(CAR2)的日超常收益为债券发行人的日股票收益率与同期市值加权平均法计算的市场回报率(等权平均法计算的市场回报率)之差。本文使用为期三天的窗口期间计算累计超常收益,因为更长的窗口期容易受到其他公司特定事件(如新闻发布等)的干扰。);POST为虚拟变量,如果评级调整发生在大公事件后,则取值为1,否则为0;ABS_RAT_CHG为评级变化程度的绝对值;DAYS_CHG指自上次评级变更以来间隔天数的自然对数;模型(4)中还控制了行业和年度月份固定效应。POST的回归系数(β1)衡量股票投资者在大公事件前后对评级调整反应的变化程度。与之前的分析保持一致,本文预期β1显著为正,即在大公事件造成评级市场声誉冲击后,股票市场投资者认为评级机构声誉会有所恢复,信用评级调整具有更多的信息含量,因此对评级调整的市场反应更为强烈。表11报告的结果显示,β1显著为正,表明大公事件促进评级市场声誉机制的重建,增加了评级的信息有效性。
表11 基于股票市场反应的分析
变量 (1) (2)
CAR1 CAR2
Post 0.015 7**
(2.229 8)
0.015 8**
(2.178 6)
ABS_RAT_CHG 0.000 2
(0.812 8)
0.000 2
(0.704 5)
DAYS_CHG -0.000 3**
(-2.037 7)
-0.000 3*
(-1.956 0)
Observations 409 409
R-squared 0.265 0.261
CRA FE YES YES
Industry FE YES YES
Year-Month FE YES YES

五、结论

本文研究对特定信用评级机构的监管处罚事件是否影响我国债券市场其他评级机构给出评级的融资成本效应。2018年8月,监管机构对大公实施“停业一年”的处罚措施。基于这一声誉冲击事件,本文研究发现信用评级与债券发行成本之间的负向关系在事件后增强,该研究结果在用债券评级取代发行人评级、控制公司固定效应、增加公司层面控制变量、进行安慰剂检验和时间趋势检验后保持稳健。此外,本文进一步研究发现上述结果在由声誉水平较低的评级机构出具评级的发行人、注册地在法律环境水平薄弱地区的发行人、国有企业发行人以及高评级水平发行人所发行的债券中更为显著。最后,本文发现大公事件后其他评级机构下调评级的意愿增强、出具的信用评级对企业信用风险水平的敏感性提高,股票投资者对信用评级调整的市场反应更强烈。上述研究发现为“声誉恢复”观点提供了支持,即市场参与者认为,大公事件带来的声誉冲击和监管约束会促使评级机构提高评级质量、重塑市场声誉,因而投资者在债券定价时更加关注评级信息。
本文的研究结论对于理解我国信用评级市场、投资者行为和监管效果具有一定的价值,也为我国后续实施评级行业监管措施提供一定的实证参考。研究结论的启示在于:第一,对于评级行业而言,面临严监管和市场开放带来的双重压力,应当努力加强行业自律和独立性,提升评级质量和区分度。第二,对于投资者而言,应当合理审慎使用信用评级结果,增强风险防范意识和风险识别能力。第三,对于监管机构而言,可以考虑建立多层次的监管体系、完善监管措施、加大惩罚力度,使信用评级在我国资本市场中真正发挥风险揭示和风险定价等方面的作用。

References

[1]
Bayar Y. Recent Financial Crises and Regulations on the Credit Rating Agencies[J]. Research in World Economy, 2014, 5(1): 49-58.
[2]
寇宗来, 盘宇章, 刘学悦. 中国的信用评级真的影响发债成本吗?[J]. 金融研究, 2015(10): 81-98.
[3]
马榕, 石晓军. 中国债券信用评级结果具有甄别能力吗?——基于盈余管理敏感性的视角[J]. 经济学(季刊), 2016(4): 197-216.
[4]
宋敏, 甘煦, 林晚发. 债券信用评级膨胀:原因,影响及对策[J]. 经济学动态, 2019(3): 136-149.
[5]
邢天才, 詹明君, 王文钢. 评级机构竞争,声誉与债券信用评级质量[J]. 财经问题研究, 2016(6): 66-71.
[6]
林晚发, 何剑波, 周畅, 等. “投资者付费”模式对“发行人付费”模式评级的影响:基于中债资信评级的实验证据[J]. 会计研究, 2017(9): 62-68.
[7]
王浩, 刘士达, 刘淳. 用评级功能与评级质量影响因素——文献综述与研究展望[J]. 投资研究, 2018(11): 16-33.
[8]
王雄元, 张春强. 声誉机制,信用评级与中期票据融资成本[J]. 金融研究, 2013(8): 150-164.
[9]
黄小琳, 朱松, 陈关亭. 债券违约对涉事信用评级机构的影响——基于中国信用债市场违约事件的分析[J]. 金融研究, 2017(1): 130-144.
[10]
DeHaan E. The Financial Crisis and Corporate Credit Ratings[J]. The Accounting Review, 2017, 92(4): 161-189.
[11]
Bedendo M, Cathcart L, El-Jahel L. Reputational Shocks and the Information Content of Credit Ratings[J]. Journal of Financial Stability, 2018, 34: 44-60.
[12]
Sinha K, Vincent L. The Bond Market Effects of Reputational Shocks to Credit Rating Agencies[R]. Northwestern University Working Paper, 2018.
[13]
Sethuraman M. The Effect of Reputation Shocks to Rating Agencies on Corporate Disclosures[J]. The Accounting Review, 2019, 94(1): 299-326.
[14]
Xu W, Liu Y. Does Reputational Capital Affect Credit Rating Agencies? Empirical Evidence froma Natural Experiment in China[J]. European Journal of Law and Economics, 2021, 51(3): 433-468.
[15]
施先旺, 刘琪, 李腾. “发行人付费”下债券信用评级质量演变:2008—2018[J]. 中央财经大学学报, 2021(3): 37-57.
本文以 2008—2018年我国发行公司债、 企业债和中期票据的公司为对象, 考察债券信用评级标准的时间序列变化, 以研究我国债券信用评级质量的演变。 研究发现: 我国债券信用评级标准呈逐年放松态势; 并且, 上述现象仅存在于 “发行人付费” 的评级机构中; 当评级市场竞争更为激烈、 发行人首次获得评级或评级机构首年进入某地区时, 评级标准放松现象更为明显; 相比于国有企业, 民营企业债券评级标准放松的现象也更为显著。 进一步分析发现: 债券投资者识别出了评级公司较低的评级标准, 并要求了更高的风险溢价; 同时, 还排除了评级机构放松评级标准是由于发行人信用资质更好所致的替代性解释。 本文研究表明, “发行人付费” 下评级机构与发行人间的利益冲突是导致我国信用评级标准放松的根本前提, 金融脱媒加剧了评级公司间的业务竞争, 从而进一步促进评级标准放松。
[16]
Jiang X, Packer F. Credit Ratings of Chinese Firms by Domestic and Global Agencies: Assessing the Determinants and Impact[J]. Journal of Banking & Finance, 2019, 105: 178-193.
[17]
Sheng J. The Debt Ratings Debate and China’s Emerging Credit Rating Industry: Regulatory Issues and Practices[J]. Athens Journal of Law, 2019, 5(4): 375-404.
[18]
Beaver W H, Shakespeare C, Soliman M T. Differential Properties in the Ratings of Certified Versus Non-certified Bond-rating Agencies[J]. Journal of Accounting and Economics, 2006, 42(3): 303-334.
[19]
Goel A M, Thakor A V. Credit Ratings and Litigation Risk[R]. SSRN No.1787206, 2011.
[20]
Atilgan Y, Ghosh A A, Yan M, et al. Cross-listed Bonds, Information Asymmetry, and Conservatism in Credit Ratings[J]. Journal of Money, Credit and Banking, 2015, 47(5): 897-929.
[21]
Abad-Romero P, Ferreras R, Robles M D. Informational Role of Rating Revisions after Reputational Events and Regulation Reforms[J]. International Review of Financial Analysis, 2019, 62: 91-103.
[22]
Livingston M, Poon W P H, Zhou L. Are Chinese Credit Ratings Relevant? A Study of the Chinese Bond Market and Credit Rating Industry[J]. Journal of Banking & Finance, 2018, 87: 216-232.
[23]
Smith R C, Walter I. Rating Agencies: Is There an Agency Issue?[M]//Levich R M, Majnoni G, Reinhart C M.Ratings, Rating Agencies and the Global Financial System[M].The New York University Salomon Center Series on Financial Markets and Institutions.Springer US, Boston, MA, 2002: 289-318.
[24]
Becker B, Milbourn T. How Did Increased Competition Affect Credit Ratings?[J]. Journal of Financial Economics, 2011, 101(3): 493-514.
[25]
Gounopoulos D, Pham H. Credit Ratings and Earnings Management around IPOs[J]. Journal of Business Finance & Accounting, 2017, 44(1/2): 154-195.
[26]
Alp A. Structural Shifts in Credit Rating Standards[J]. The Journal of Finance, 2013, 68(6): 2435-2470.
[27]
Dimitrov V, Palia D, Tang L. Impact of the Dodd-Frank Act on Credit Ratings[J]. Journal of Financial Economics, 2015, 115(3): 505-520.
[28]
Jorion P, Liu Z, Shi C. Informational Effects of Regulation FD: Evidence from Rating Agencies[J]. Journal of Financial Economics, 2005, 76(2): 309-330.
[29]
Toscano F. Does the Dodd-Frank Act Reduce the Conflict of Interests of Credit Rating Agencies?[J]. Journal of Corporate Finance, 2020, 62: 101595.
[30]
Covitz D M, Harrison P. Testing Conflicts of Interest at Bond Rating Agencies with Market Anticipation: Evidence that Reputation Incentives Dominate[R]. SSRN No.512402, 2003.
[31]
Hu X, Huang H, Shi J, et al. CRA Reputation and Bond Yield: Evidence from the Chinese Bond Market[J]. Asia-Pacific Journal of Financial Studies, 2019, 48(2): 185-209.
The paper examines the reputation effect of credit rating agencies (CRAs) in China. We find a negative association between CRAs' reputation and public bonds' offering yield spreads after controlling for endogeneity. Analyses of the correlation between CRA reputation and bond return volatility in the aftermarket and cross-sectional variations of reputation effects alongside a host of information environment proxies for issuers, we identify the information channel through which CRA reputation plays its role. This is further supported when we utilize an exogenous event, the introduction of an independent CRA (the China Bond Rating Co. Ltd), to explore the potential changes of the reputation effect.
[32]
Morgenson G. Debt Watchdogs: Tamed or Caught Napping?[N]. New York Times, 2008-2-06.
[33]
Bedendo M, Colla P. Sovereign and Corporate Credit Risk: Evidence from the Eurozone[J]. Journal of Corporate Finance, 2015, 33: 34-52.
[34]
Almeida H, Cunha I, Ferreira M A, et al. The Real Effects of Credit Ratings: The Sovereign Ceiling Channel[J]. The Journal of Finance, 2017, 72(1): 249-290.
[35]
Driss H, Massoud N, Roberts G S. Are Credit Rating Agencies Still Relevant? Evidence on Certification from Moody’s Credit Watches[J]. Journal of Corporate Finance, 2019, 59: 119-141.
[36]
Kisgen D J. The Impact of Credit Ratings on Corporate Behavior: Evidence from Moody’s Adjustments[J]. Journal of Corporate Finance, 2019, 58: 567-582.
[37]
Hu X, Huang H, Pan Z, et al. Information Asymmetry and Credit Rating: A Quasi-natural Experiment from China[J]. Journal of Banking & Finance, 2019, 106: 132-152.
[38]
张广婷, 金晨, 沈红波. 地方政府隐性债务风险与信用评级的有效性[J]. 中央财经大学学报, 2021(4): 38-48.
城投债市场存在的一个突出问题是信用评级未能同步反映地方政府隐性债务风险,这阻碍了地方政府债务的良性发展。本文采用地级市的城投企业有息债务之和除以公共财政收入衡量地区的隐性债务风险,研究了地方政府隐性债务风险与城投债信用评级以及信用利差之间的作用机制。实证研究发现:(1)城投债发行时,信用评级未能有效反映地方政府债务风险;(2)地方政府债务风险越高,信用评级降低信用利差的作用越弱;(3)进一步采用信用评级残差的方法度量信用评级的软信息,证得软信息能显著降低债券发行利差,但随着地方政府债务风险的提高,软信息降低信用利差的作用减弱。本文的研究成果表明,当前城投债信用评级体系尚不完善,无法及时反映发债主体风险水平,且不断增加的地方政府债务风险将对信用评级降低信用利差的作用产生显著的负面影响。地方政府不能过度依赖低融资成本的城投债,不断扩张其债务规模。优化债务结构、打破刚兑才是长期可持续发展路径。
[39]
Bae K H, Driss H, Roberts G S. Does Competition Affect Ratings Quality? Evidence from Canadian Corporate Bonds[J]. Journal of Corporate Finance, 2019, 58: 605-623.
[40]
张春强, 鲍群, 盛明泉. 公司债券违约的信用风险传染效应研究——来自同行业公司发债定价的经验证据[J]. 经济管理, 2019(1): 174-190.
[41]
Dhawan R, Yu F. Are Credit Ratings Relevant in China’s Corporate Bond Market?[J]. The Chinese Economy, 2015, 48(3): 235-250.
[42]
吴育辉, 翟玲玲, 张润楠, 魏志华. "投资人付费"vs."发行人付费":谁的信用评级质量更高?[J]. 金融研究, 2020(1): 134-153.
[43]
刘琳, 查道林. 付费模式、声誉与信用评级质量——基于我国债券市场的经验证据[J]. 中南财经政法大学学报, 2018(3): 107-115.
[44]
Chan A L-C, Hsu A W-H, Lee E. Does Mandatory IFRS Adoption Affect the Credit Ratings of Foreign Firms Cross-listed in the U.S.?[J]. Accounting Horizons, 2013, 27(3): 491-510.
[45]
Houqe M N, Easton S, Van Zijl T. Does Mandatory IFRS Adoption Improve Information Quality in Low Investor Protection Countries?[J]. Journal of International Accounting, Auditing and Taxation, 2014, 23(2): 87-97.
[46]
Bradshaw M T, Huang A G, Tan H. The Effects of Analyst-Country Institutions on Biased Research: Evidence from Target Prices[J]. Journal of Accounting Research, 2019, 57(1): 85-120.
Prior research demonstrates that a strong institutional infrastructure in a country moderates self-serving behavior of market participants. Cross-country economic activities have increased significantly, presenting a research opportunity to examine the relative influence of local versus foreign institutional infrastructure on individual market participants. We utilize variation in analyst-country location relative to covered firm location to examine institutional determinants of optimism in analyst research. Focusing on target prices, where persistent optimism is well documented, we find that analysts domiciled in countries with stronger institutional infrastructures exhibit significantly attenuated target price optimism and more value-relevant target prices. Our results demonstrate the importance of domestic country-level institutional factors in moderating self-serving behavior of market participants engaged in cross-country activities.
[47]
王小鲁, 樊纲, 胡李鹏. 中国分省份市场化指数报告[M]. 北京: 经济科学出版社, 2018: 28-32.
[48]
Lan Y, Wang L, Zhang X. Determinants and Features of Voluntary Disclosure in the Chinese Stock Market[J]. China Journal of Accounting Research, 2013, 6(4): 265-285.
[49]
Choi J J, Jiang C, Shenkar O. The Quality of Local Government and Firm Performance: The Case of China’s Provinces[J]. Management and Organization Review, 2015, 11(4): 679-710.
[50]
Gaur A S, Ma X, Ding Z. Home Country Supportiveness/Unfavorableness and Outward Foreign Direct Investment from China[J]. Journal of International Business Studies, 2018, 49(3): 324-345.
[51]
Dong Y, Hou Q, Ni C. Implicit Government Guarantees and Credit Ratings[J]. Journal of Corporate Finance, 2021, 69: 102046.
[52]
Bailey W, Huang W, Yang Z. Bank Loans with Chinese Characteristics: Some Evidence on Inside Debt in A State-controlled Banking System[J]. Journal of Financial and Quantitative Analysis, 2011, 46(6): 1795-1830.
[53]
Gao H, Huang Y, Mo J. Boosted Credit Ratings in China: The Effects of Credit Enhancement on Bond Pricing[R]. SSRN No.3549270, 2022.
[54]
Ai J, Bailey W, Gao H, et al. Corporate Default with Chinese Characteristics[R]. SSRN No.2955110, 2019.
[55]
Nashikkar A, Subrahmanyam M, Mahanti S. Liquidity and Arbitrage in the Market for Credit Risk[J]. Journal of Financial and Quantitative Analysis, 2011, 46(3): 627-656.
[56]
Baghai R P, Servaes H, Tamayo A. Have Rating Agencies Become More Conservative? Implications for Capital Structure and Debt Pricing[J]. The Journal of Finance, 2014, 69(5): 1961-2005.
[57]
李刚, 张亚京, 王基凡, 等. 基于Wilcoxon检验的小型工业企业债信评级模型及实证[J]. 管理评论, 2019(11): 3-19.
[58]
许红梅, 李春涛. 劳动保护,社保压力与企业违约风险——基于《社会保险法》实施的研究[J]. 金融研究, 2020(3): 115-133.
[59]
Bannier C E, Hirsch C W. The Economic Function of Credit Rating Agencies-What does the Watchlist Tell Us?[J]. Journal of Banking & Finance, 2010, 34(12): 3037-3049.
PDF(1282 KB)

204

Accesses

0

Citation

Detail

Sections
Recommended

/