中国债券市场违约正在进入高发期。根据Wind数据显示,2016、2017年分别共有56、34只债券违约,违约金额分别为393.77、312.49亿元;而到了2018、2019年,违约债券数目激增至125、179只,违约金额分别达1209.61、1444.08亿元。不同以往的是,近两年的违约主体不乏评级较高的上市公司,这不禁引发了对中国信用评级是否有效的思考。信用评级本质上是对债券未来违约概率的估计,有效的信用评级应当能够包含关于企业信用风险的信息,从而减轻投资者与发行者之间的信息不对称,并降低发行债券的融资成本。由于我国信用评级市场的发行人付费模式,导致评级选购的现象非常普遍,加上我国的监管对债券的发行评级有要求,这就导致了我国信用评级向上扭曲的状况。同样影响信用评级机构行为的还有声誉机制,声誉可以理解为信用评级机构在投资者中的口碑,是一种无形资产,评级机构为了维护声誉,会倾向于给出更加符合债券真实信用风险的评级。上述两种影响因素对信用评级的作用机制正好相反。本文认为不同的评级机构维持声誉的动力不同,主要考虑的是是否与国际评级机构合作这一因素。目前我国的信用评级市场不对外开放,国外信用评级机构与国内机构展开合作的原因可能是为进入中国市场做准备,所以会更加注重在中国市场的声誉积累,或者是通过中国评级市场的实践积累经验,探究中国市场影响信用评级的因素与海外市场的差异,以便日后进入中国市场。无论是出于哪种动机,信用评级机构的国际合作背景都会对信用评级产生影响。假设上述成立,并且投资者观测到了不同类型评级公司给出的信用评级差异,则会给予不同评级公司给出的债券不同的风险溢价,进而影响债券的融资成本。简单来说,具有国际合作背景的信用评级公司和本土评级公司给出同样的评级,投资者会认为本土评级公司的评级结果“信用膨胀”程度较高,评级显示的债券的信用风险程度比真实的违约风险要高,所以投资者会要求更高的风险溢价,从而导致融资成本增加。本文构建了Ordered Probit模型和多元回归模型,分别以信用评级和企业的债务融资成本作为被解释变量,并以信用评级机构是否有国际合作背景作为虚拟变量,将其作为解释变量纳入到回归模型中。结果发现有国际合作背景的信用评级机构给出的信用评级相对较低,并且具有国际合作背景的评级机构给出的评级更能够降低企业的债务融资成本。