论文部分内容阅读
摘要：近年来，我国的债务风险问题引起社会的广泛关注和担忧，并对资产定价产生重要影响。综合使用2004年第一季度至2017年第四季度上市公司财务数据和股票价格数据，参考Moody's KMV方法构造违约概率指标，研究违约风险与股票收益的关系。实证分析显示，在2014年之前，我国A股市场出现过“高违约风险—低股票收益”的“违约异象”。但在2014年之后，随着上市公司债务违约事件出现，违约风险—股票收益的关系逐步扭转，上述异象消失。研究还发现，上市公司是否为国企，会显著影响股票收益对违约风险的敏感性。具体而言，在2014年之后，非国企背景股票的收益率对违约风险变化的敏感性要比国企背景股票高出1倍多。
关键词：A股市场;违约风险;股票收益;国企背景;公司债券;资产价格
中图分类号：F830 文献标识码：A 文章编号：1007-2101（2019）02-0037-10
一、引言
近年来，我国的债务风险问题日趋凸显，并引起社会的广泛关注和担忧。在资本市场上，债务问题的极端表现形式就是债务违约。自2014年出现第一起债券违约事件以来，我国开始逐步打破债券的“刚性兑付”惯例。2014—2017年，国内分别有6只、23只、77只和40只债券出现违约，违约额度总计分别为13.4亿元、126.1亿元、385.44亿元和356.5亿元。资本市场上频繁出现的违约事件打破了市场的“刚性兑付”预期，迫使投资者更加关注违约风险对资产价格的影响。
2018年是我国供给侧改革“去杠杆”最关键的一年。政策压力和市场现状决定了未来债券集中违约的可能性仍然较高，并可能对市场造成较大的负面影响。在此背景下，有必要结合我国实际情况，深入研究违约风险与债券、股票、房地产等资产价格的关系，从而对投资者优化资产组合形成參考。笔者在综合考虑数据可得性、样本规模、研究意义等因素后，以A股市场为研究对象，探讨违约风险与股票收益的关系。进一步探讨具有国企背景的公司在陷入财务困境时易于获得地方政府或部分金融机构的支持，而非国企背景的公司显然很难有这方面的优势。由此可见，在面临相同的违约风险时，是否具备国企背景很可能会影响到未来的债务重组进程和最终结果，并影响到股东实际承担的风险和收益。鉴于此，还将进一步研究国企背景对违约风险—股票收益关系的影响。
二、文献综述
违约风险（defaul trisk）又称为信用风险，是指借款人在债务到期时无法还本付息的风险。企业的违约风险通常很难直接观测，对企业违约风险的度量需要整合一系列的因素或者借助金融产品计算得来，主流的度量方法包括Z值法、公司债利差法和Moody’s KMV法。这三种方法的着重点各有不同。其中，Z值分析法是美国学者Altman（1968）[1]发明的一种衡量企业破产风险的方法，在实践中被人们广泛应用。
公司债利差（Yield Spread）又称为“信用差价”（Credit Spread，CS），指投资者要求公司债提供高于到期日相同的国债收益的额外收益部分。Merton（1974）[2]最早对公司债利差的形成提出了理论性的解释。他认为公司债利差应由公司的违约风险程度、资产价格波动幅度以及债务期限等因素决定。在实证方面，Fama和French（1993）[3]、Longstaff等（2005）[4]等学者通过美国债券市场的数据，研究表明违约风险和债券剩余期限解释了公司债利差的主要部分。随着我国债券市场的发展，冯宗宪、郭建伟、孙克（2009）[5]，王永钦、陈映辉、杜巨澜（2016）[6]等学者尝试过借助公司债或地方债利差变化来衡量违约风险。
Moody’s KMV法是另一广为被人们运用的度量违约风险方法。国外学者运用该方法时一般会直接使用Moody-KMV公司公布的上市公司期望违约概率指标（Expected Default Frequency，简写为EDF。也有文献将其称为Probility of Default，简写为PD）度量违约风险，例如Garlappi等（2008）[7]、Filipe等（2016）[8]等。但是，Moody-KMV公司没有公布中国A股市场上市公司的EDF指标，因此国内学者在应用该方法时都需要自行构建EDF指标。EDF指标是基于Scholes和Black（1973）[9]、Merton（1974）[2]为期权定价的理论框架，经由Kealhofer（2003a，2003b）[10] [11]改造后得到的Vasicek-Kealhofer模型计算所得。陈艺云（2016）[12]、杨世伟、李锦成（2015）[13]等学者基于类似方法研究中国上市公司股票或债券的违约风险。
除了上述三种主流方法外，还有其他度量违约风险的方法，多数是基于计量经济学的理论。多因素线性回归分析（MCLP）是其中一种被认为在信用评分领域有潜力可以超越现有方法的信用分析方法。这种方法在对银行信用卡客户的分析上取得不错的成功，但在公司研究领域运用还较少（Li，Yu和Liu，2013;陈莹等，2015）[14][15]。
由于违约风险会对资产价格产生影响，所以才引起人们的关注。也正是因此，国内外学者在这方面的研究成果最为丰富。根据所研究的对象是债券还是股票，研究方法和结论又有差异。其中，早期研究违约风险的文献，绝大多数是将其与公司债券定价或信用评级相联系。例如，Merton（1974）[2]、Longstaff 和Schwartz（1995）[4]、Duffie和Singleton（1999）[16]、Zhou（2001）[17]、Elton等（2001）[18]、林鸿熙、林建伟（2011）[19]、王安兴等（2012）[20]等在不同时期、使用不同样本、通过各具特色的计量或理论模型研究违约风险对债券溢价的影响。近年来，研究违约风险与股票收益的文献有所增多。这些文献都通过构建违约概率指标来度量违约风险，具体方法有两种：一是基于市场数据，在Merton（1974）结构化模型的基础上构建违约概率指标，二是使用财务数据来构建指标，例如Campbell等（2008）[21]。由于指标构建方法的差异，以及分析范式和研究样本的区别，目前在违约风险—股票收益关系方面尚未出现广受认同的一致结论。 部分研究认为股票收益与违约风险呈正相关关系。这种观点是将违约风险看成系统性风险的一个类型。Denis（1995）[22]较早认为违约风险是由宏观经济因素导致的，因而与经济周期密切相关属于系统性风险。因为系统性风险无法通过分散投资的方式进行消除，所以根据投资组合理论，在市场均衡时高违约风险的股票必然对应着高的股票收益率。基于这一观点，违约风险常被用来解释股票收益在横截面数据中的差异性。Fama和French（1996）[23]在研究多因子模型时提出规模效应、账面市值比效应与公司陷入财务困境的程度有关。在此基础上，Vassalou和Xing（2004）[24]使用美国数据，通过二维分组方法研究发现，在违约风险处于高位时，拥有较低市值、较高账面市值比的公司能获取更高的收益。因此，他们认为违约风险是系统性风险，能够通过影响规模效应和价值效应来改变股票收益。另外，Avramov等（2007）[25]的研究认为，在信用评级较低从而违约风险较高的样本中，动量效应具有显著的影响。因而违约风险是通过影响动量效应才实现了与股票收益的正相关关系。Chava和Purnanandam（2010）[26]、Aretz等（2013）[27]的研究也支持违约风险与股票收益的正相关关系。
另一部分学者的观点则恰好相反，认为股票收益与违约风险之间存在着负相关关系。Dichev（1998）[28]利用O-score方法（Ohlson，1980）[29]与Z值法来度量违约风险，发现股票收益与违约概率存在反向关系。Griffin和Lemmon（2002）得到类似的结论[30]。他们在低账面市值比、高财务困境风险、低公司收益的样本中，发现了股票收益与违约风险的反向变动关系。Campbell等（2008）在研究导致公司破产的决定性因素时，结合使用季度会计数据和日度行情数据，通过条件logistic回归模型预测违约概率，发现高破产概率的公司傾向于获得更低的平均收益。基于美国市场数据得出类似结论的还有Avramov等（2013）[31]、Da和Gao（2010）[32]以及Conrad 等（2012）[33]等。Bauer和Agarwal（2014）[34]使用英国市场数据、Gao等（2012）[35]使用跨国数据的结论也认为违约风险与股票收益存在负相关关系。因为这一结果与“高风险，高收益”的经典理论不相符，被解释为市场的定价偏误，并称之为“违约异象”（default anomaly）。也有一些学者从其他角度寻求解释，例如Garlappi 等（2008）、Garlappi和Yan（2011）[36]提出股东优势理论，认为更高的股东议价能力或公司清算成本会降低股东的剩余索取权风险，从而降低了股票的必要报酬率;Avramov等（2011）提出长期风险理论，认为市场预期濒临违约的公司会因为破产而无法长久生存，反而处于较少的风险暴露，导致其具有较低的收益;Filipe等（2016）则从违约风险中分解出特质性风险部分，认为这才是导致违约异象的根源。此外，还有学者从公司荣誉、投资者心理、定价信息相关性等方面对违约异象进行解释（Conrad等，2012;Gao等，2012;Bauer和Agarwal，2014）。
众所周知，在中国A股市场IPO不仅难度大，而且程序繁琐，加上公共利益、“壳资源”的稀缺性、政府社会责任和声誉等因素的综合作用，导致各方面的利益相关者在公司濒临破产时，仍然会极力选择重组而非退市和清算（何旭强、周业安，2006）[37]。这就使得我国上市公司面临的违约风险与股票收益之间也存在异于一般认知的关系。叶军（2008）[38]选取A股上市公司1997年1月4日至2007年12月28日数据，实证研究结果表明中国股票市场存在明显的违约异象。但是，李一帆（2012）[39]选取35家申请破产的公司数据进行回归分析却发现破产风险与股票收益正相关。以上两项研究不仅结论存在冲突，而且二者的样本都相对较小，数据也有些过时，难以对当前的投资决策提供足够的参考价值。笔者认为，在2014年出现上市公司债券违约事件之后，投资者对于金融资产“刚性兑付”的预期被打破，这势必会使以往的风险—收益关系发生微妙变化。因此，从违约风险角度来看，需要对2014年前后A股市场上违约风险—股票收益关系是否出现变化，哪些因素会影响到违约风险—股票收益的关系展开研究。
三、研究假设与研究设计
（一）研究假设
2014年，我国发生了第一起公司债违约事件。以此为分界线，中国市场对违约风险的理解和处理方式发生了重要变化。这将会在违约风险—股票收益的关系上体现出来。
在2014年之前，为了维护市场稳定，不论是地方政府还是公司发行的债券，都不允许出现违约。长期以来，市场上也的确没有发生过违约事件。在此背景下，投资者形成了国内各类债券不会违约的预期。这种预期一旦形成，就会歪曲市场的投资逻辑并对资产定价造成扭曲。在股票投资中，上述“刚性兑付”的预期最终使得公司的违约风险变化无法传导到股票价格上，所以市场上并不会出现传统金融理论所认为的“高风险—高收益”关系。相反，投资者甚至会将公司受到隐性担保的能力、公司的违约风险与公司的价值相挂钩。这说明，如果公司敢于承担的违约风险越高，就意味着公司能够得到的隐性担保越强。因此对投资者而言，就算这类公司最终违约了，投资损失也可能更小，但如果公司的经营取得成功，投资者却能够收益颇丰。在这种情况下，公司的违约风险高，反而会成为安全性和收益性的集中体现。基于此，市场上便有了一种怪异的投资逻辑：公司违约风险高，意味着公司得到的隐性担保程度高，意味着公司的实际投资风险低和潜在收益高，于是投资者愿意接受更低的风险溢价。这种“高违约风险—低股票收益”的关系，就是“违约异象”。
然而，在2014年之后，随着第一起公司债违约事件发生，长期以来形成的“刚性兑付”预期被打破，上述的投资逻辑无法继续成立。投资者突然意识到中国的债券也有可能发生违约，而且也预期到未来还将有更多债券违约。这种预期一旦确立，违约风险对资产价格的影响方式便发生了本质变化。投资者将审慎考虑公司面临的违约风险以及遭受破产清算的可能性，并据此决定股票的交易价格。于是，违约风险更高的股票，就需要有更高的风险溢价对投资者进行补偿，亦即“违约异象”消失，而传统金融学理论认为的“高风险—高收益”关系逐步显现。根据以上分析，提出假设1。 假设1：在2014年之前，A股市场存在“违约异象”;在2014年之后，A股市场的“违约异象”消失。
正如前文所述，在“违约风险高—隐性担保高—实际风险降低—股票收益率降低”的投资逻辑下，隐性担保程度的高低成为决定股票价格的重要影响因素。而在所有能够起到隐性担保作用的因子中，国企背景显然是其中最为突出的一个。如果上市公司具备国企背景，那么在相同的违约风险下，投资者会愿意接受更低的风险溢价，从而表现出更显著的“违约异象”。基于此，提出假设2。
假设2：在2014年之前，在相同的违约风险下，相比非国企股票，国企股票中存在的“违约异象”更加明显。
另外，在2014年之后，尽管市场的预期发生了扭转，但上市公司的国企属性显然还会继续发挥作用。因为相比于非国企，拥有国企背景的上市公司如果违约，背后仍有各级政府会负责公司的债务重组和偿付安排，几乎不可能进入破产清算的阶段。然而，非国企背景的上市公司一旦违约，则很难取得相同的政府支持。于是，投资者会更加重视违约风险对非国企背景股票的影响，而相对轻视国企背景股票的违约风险。基于此，提出假设3。
假设3：在2014年之后，在相同违约风险下，相比非国企股票，国企股票对违约风险的敏感性更低。
（二）变量与数据
本文涉及到的主要变量，包括个股季度收益率（RET）、市场季度收益率（RM）、个股季末的市净率（PB）、个股季末流通市值的对数（lnSIZE）等。其中，市场季度收益率RM是使用本季度A股市场所有股票的季度收益率根据流通市值加权平均计算所得。笔者运用Moody’s KMV方法计算违约概率（probability of default）来衡量违约风险，记作PD，具体计算过程参考Filipe等（2016）。此外，笔者以Dum_2014表示时间虚拟变量，即如果在2014年之前（含2014年），则Dum_2014=1，否则Dum_2014=0;以Dum_Sateowned表示国有背景虚拟变量，即如果公司为国有企业，则Dum_Sateowned=1，否则Dum_Sateowned=0。与此对应，使用PD_2014和PD_Sateowned分别表示PD与Dum_2014和Dum_Sateowned的交互项。
本文的数据全部来自国泰安数据库（CSMAR），时间跨度为2004年第一季度到2017年第四季度。为了排除次新股股价异常波动的影响，文中剔除上市未满12个季度的股票，同时也剔除部分数据异常的观察值和全部金融类公司，最终剩余2 404只股票，合计包含46 926个观察值。
为了验证假设1，笔者以2014年为界限，将全样本分割成两部分，样本1中包含2004年第一季度到2014年第四季度的数据，共包含41 447个观察值;样本2中包含2015年第一季度到2017年第四季度的数据，共包含5 479个观察值。此处之所以将2014年归入样本1，是因为笔者认为2014年刚刚出现违约事件，投资者可能还需要一段时间适应这种变化，随后才能调整对违约风险溢价的要求。而在完全适应之前，市场更可能仍旧沿用原来的投资思路对资产进行定价。因此，将2014年的观察值归入样本1中会更为合适。当然，笔者也试过将2014年归入样本2中以及将2014年的观察值删除的做法，这些都没有改变本文的基本结论，故不作详细报告。
（三）实证模型
本文重点关注违约风险与股票收益的关系，因此建立模型（1）作为基础模型：
RETi，t=？琢+？茁0PDi，t-1+？着t（1）
其中，RETi，t表示第i只股票在第t个季度剔除了无风险收益率之后的季度收益率;PDi，t-1表示第i只股票在第t-1个季度的违约概率;？着t是残差项，假设服从白噪声分布。基于模型（1）得到PDi，t-1的系数估计值？茁0，只能夠粗略描述RETi，t与PDi，t-1的相关性并不能说明太多问题。因此，笔者吸纳单因子、三因子和四因子模型的思想（Fama和French，1993;Carhart，1997）[40]，在模型（1）的基础上依次添加控制变量，得到模型（2）-（4）：
RETi，t=？琢+？茁0PDi，t-1+？茁1RMt+？着t（2）
RETi，t=？琢+？茁0PDi，t-1+？茁1RMt+？茁2PBi，t-1+？茁3lnSIZEi，t-1+？着t（3）
RETi，t=？琢+？茁0PDi，t-1+？茁1RMt+？茁2PBi，t-1+？茁3lnSIZEi，t-1PBi，t-1+
？茁4RETi，t-1+？着t（4）
其中，RMi，t表示在第t个季度的市场收益率;PBi，t-1表示第i只股票在第t-1个季度末的市净率;lnSIZEi，t-1表示个股在第i只股票在第t-1个季度末的流通市值的对数。分别使用全样本、样本1和样本2的数据对上述的模型（2）-（4）进行回归，并观察PDi，t-1系数估计值？茁0的差异，笔者可以验证假设1。
随后，笔者将已有样本进一步划分为国企组和非国企组，再使用上述的多因子模型进行估计，最后通过比较PDi，t-1系数估计值的差异来验证假设2和假设3。
为了确保结果稳健，笔者在上述的多因子模型中依次添加年份虚拟变量Dum_2014、交互项PD_2014、虚拟变量Dum_Stateowned、交互项PD_Stateowned。如果以模型（3）为基础，则最终完整的模型如下：
RETi，t=？琢+？茁0PDi，t-1+？茁1RMt+？茁2PBi，t-1+？茁3lnSIZEi，t-1+？茁5Dum_2014i，t+？茁6PD_2014i，t+？茁7Dum_Stateownedi，t+？茁8PD_Stateownedi，t+？着t（5） 考虑到行业因素可能造成的影响，笔者将在稳健性检验部分进一步根据交易所公布的上市公司行业分类结果对全样本进行分组，然后使用模型（5）进行估计。
四、描述性统计、相关性分析和初步的实证检验
（一）相关性分析
图1显示了每个季度的平均违约概率与市场收益率的关系。其中，平均违约概率是每个季度样本内所有股票违约概率的算术平均值，市场收益率是每个季度全市场正在交易的所有股票根据流通市值加权的收益率。显然，仅仅通过图1很难发现平均违约概率与市场收益率之间是否存在稳定的关系模式。
表1显示了当期的违约概率PDi，t及滞后一期的违约概率PDi，t-1与其他主要变量的相关系数。从全样本来看，PDi，t与PDi，t-1之间存在正相关性，但相关系数不大，仅为9%。此外，二者与个股季度收益率RETi，t都存在正相关关系。这否认了“违约异象”的存在。另外需要注意的是，PDi，t和PDi，t-1与个股季度收益率RETi，t的关系在两个子样本中存在重要差异。具体而言，样本1的结果与全样本没有太大差别，即无论是PDi，t还是PDi，t-1，都与RETi，t正相关。但是在样本2中，PDi，t与RETit负相关，但PDi，t-1与RETi，t正相关。这初步说明在2014年之后，违约风险对股票收益率的影响可能更加显著，而且违约风险的上升会促使股价在当期立刻就出现较大的下跌，导致股票当季的收益率减小;同时，由于违约风险上升，投资者要求更高的溢价补偿，就使得股票未来的收益率增大。
（二）初步的实证检验
分别基于全样本、样本1和样本2对模型（1）-（2）进行估计（结果见表2），在表2的第（1）（3）和（5）列中，PDi，t-1的系数都显著为正，验证“高风险—高收益”的传统金融学观点。但是，这三次回归的adj-R2值都极小，所以并不具有太大的解释意义。
进一步观察表2的第（2）（4）和（6）列中，由于控制了市场收益率的影响，所以不仅adj-R2明显提高，而且PDi，t-1的系数在样本1和样本2中出现了明显差异。具体而言，在表2第（4）列中可以看到PDi，t-1的系数显著为负，值为-0.335;在表2第（6）列中可以看到PDi，t-1系数显著为正，值为2.448。可见，在2014年之前，在我国A股市场上的确出现了“违约异象”，但是在2014年之后，随着“刚性兑付”被打破，投资者开始重视违约风险在资产定价中的作用，A股市场上的“违约异象”消失。此后，个股如果面临更高的违约风险，便需要相应的风险溢价对投资者进行补偿。
五、进一步的实证检验
（一）基于多因子模型的检验
表3显示的是对模型（3）-（4）的估计结果。观察发现，PDi，t-1的系数在表3第（3）列中显著为负，在表（3）第（5）列中显著为正。可见，基于三因子模型的估计结果再次说明在2014年之前A股市场存在“违约异象”，而在2014年之后，该异象消失。在表3第（4）和第（6）列中，基于四因子模型的估计结果也显示，在2014年之后不再出现显著的违约异象。然而，考虑到表1中PDi，t与RETi，t的相关系数较为显著，因此PDi，t-1与RETi，t-1同样会显著相关。这种情况下，如果让PDi，t-1与RETi，t-1同时出现在模型中，则会对估计结果造成干扰。因此，在进一步的研究中，笔者主要依据模型（3）进行估计。
（二）考虑公司属性的影响
在每个季度根据公司是否为国企，将样本进一步分为国企和非国企两组，继而使用模型（3）进行估计，结果显示在表4中。观察发现，在表4第（3）-（4）列中，PDi，t-1的系数都显著为负，而在第（5）-（6）列中，PDi，t-1的系数都显著为正。这一对比结果再次说明，“违约异象”主要出现在2014年之前。进而分别关注樣本1和样本2。在样本1中，第（3）列非国企组PDi，t-1的系数估计值虽然为负但不显著，而第（4）列国企组的PDi，t-1系数估计值显著为负。这表明在2014年之前，“违约异象”集中出现在国企股票上，“违约异象”在非国企股票上表现并不明显。由此证明了假设2。
在样本2中，第（5）和第（6）列的PDi，t-1系数估计值虽然都显著为正，但前者（4.986）远大于后者（2.142）。这表明在2014年之后，不仅“违约异象”消失，而且非国企的股票收益率对违约风险变化的敏感性远超国企。即，在2014年之后，相比于国企，非国企股票的违约风险溢价更高。由此证明了假设3。
六、稳健性检验
（一）使用交互项
表5显示了对模型（5）进行估计的结果。其中，PDi，t-1的系数全部显著为正，表明在模型中添加了虚拟变量和交互项之后，估计结果仍然表明越大的违约风险，需要越高的股票收益率进行补偿。该结论极为稳健。
虚拟变量Dum_2014i，t的系数全部显著为负，意味着平均而言，在2014年之前的11年中，季度平均收益率低于之后三年的季度个股平均收益率。另外，交互项PD_2014i，t的系数也都显著为负，并且绝对值上都略大于PDi，t-1的系数，再次说明在A股市场“违约异象”主要存在于2014年之前。在2014年之后，该异象不再显著。这再次证明假设1。
进一步分析可知，虚拟变量Dum_Stateownedi，t的系数在表5第（3）-（4）列中都不显著。这意味着公司是否具有国企背景，本身并不会直接对股票收益造成稳定的影响。但是在表5第（4）列中，交互项PD_Stateownedi，t的系数显著为负。这表明在相同的违约风险下，相比于非国有企业，国有企业的股票收益率对违约风险变化的敏感性更低、风险溢价更小、出现“违约异象”的可能性更大。由此再次验证假设2和3。
（二）不同行业的情况 考虑到行业因素会对本文的结论带来影响，因此本部分将全样本按照行业属性分为五个部分，分别为公用事业、房地产、综合、工业和商业，然后再使用模型（5）进行重新估计，结果见表6。从表6中可以看出，PDi，t-1的系数都显著为正。这说明对于所有行业而言，“高风险—高收益”的传统理论观点都成立。另外，交互项PD_2014i，t的系数也全部显著为负。可见在所有行业中，“违约异象”主要是出现在2014年之前。同时还要注意到，交互项PD_Stateownedi，t的系数仅房地产和工业两项显著为负，其余行业并不显著。这一方面是因为公用事业类公司多数为国企，而综合类与商业类公司则多数为非国企，从而影响到了估计结果;另一方面也说明并不是对于每一个行业而言，国有企业的属性都能够显著降低股票收益对违约风险的敏感性。
七、结论与建议
本文通过实证分析得出以下结论：第一，A股市场在2014年之前确实存在较为明显的“违约异象”，即股票的违约风险越高，未来的收益率反而会越低。然而，在2014年之后，随着债券违约事件频繁出现，“刚性兑付”预期被打破，违约风险与股票收益的关系发生了明显变化。此后A股市场上违约风险更大的股票需要对投资者承担的风险进行相应的溢价补偿，其收益率也变得更高。第二，上市公司是否为国企，会显著影响股票收益对违约风险的敏感性。具体而言，在2014年之前，“违约异象”主要集中出现在国企背景的上市公司股票中，对于非国企背景的股票，“违约异象”并不显著。在2014年之后，违约风险与股票收益的关系表现为正常的“高风险—高收益”关系，但是分组回归的结果显示，非国企背景股票的收益率对违约风险变化的敏感性要比国企背景股票高出一倍多。换言之，国企属性显著降低了股票收益对违约风险变化的敏感性，使违约风险溢价减小。
基于本文的研究，笔者认为国家自2014年起逐步打破我国金融产品“刚性兑付”的做法有利于市场的健康发展。打破“刚性兑付”预期，有助于市场回归理性，审慎客观地评估相关资产的违约风险，并将违约风险作为一个重要的影响因子纳入到资产定价体系之中，从而进一步发挥出市场价格发现的功能。为了继续完善中国资本市场，未来还需要继续坚持打破“刚性兑付”预期的政策。最后，由于公司是否拥有国企背景能够显著影响股票收益对违约风险变化的敏感性，因此，在构建资产组合的过程中，投资者需要将对违约风险与国企属性进行综合考虑，据此调整资产组合的构成，以改善投资收益。
参考文献：
[1]Altman E I. Financial Ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy[J]. Journal of Finance，1968，23（4）：589-609.
[2]Merton R C. On the Pricing of Corporate Debt：The Risk Structure of Interest Rates[J]. Journal of Finance，1974，29（2）：449-470.
[3]Fama E F，French K R. Common risk factors in the returns on stocks and bonds ☆[J]. Journal of Financial Economics，1993，33（1）：3-56.
[4]Longstaff F A，Schwartz E S. A Simple Approach to Valuing Risky Fixed and Floating Rate Debt[J]. Journal of Finance，1995，50（3）：789-819.
[5]冯宗宪，郭建伟，孙克.企业债的信用价差及其动態过程研究[J].金融研究，2009（3）：54-71.
[6]王永钦，陈映辉，杜巨澜.软预算约束与中国地方政府债务违约风险：来自金融市场的证据[J].经济研究，2016，51（11）：96-109.
[7]Garlappi L，Shu T，Yan H. Default Risk，Shareholder Advantage，and Stock Returns[J]. Review of Financial Studies，2008，21（6）：2743-2778.
[8]Filipe S F，Grammatikos T，Michala D. Pricing Default Risk：The Good，The Bad，and The Anomaly ☆[J]. Journal of Financial Stability，2016，26：190-213.
[9]Scholes M S，Black F S. The Pricing of Options and Other Corporate Liabilities[J]. Journal of Political Economy，1973，81（3）：637-654.
[10]Kealhofer S. Quantifying Credit Risk I：Default Prediction[J]. Financial Analysts Journal，2003，59（1）：30-44.
[11]Kealhofer S. Quantifying Credit Risk II：Debt Valuation[J]. Social Science Electronic Publishing，2003，59（3）：78-92.
[12]陈艺云.中国公司债违约风险度量的理论与实证研究[J].系统工程，2016（1）：26-33. [13]楊世伟，李锦成.信用风险度量、债券违约预测与结构化模型扩展[J].证券市场导报，2015（10）：41-48.
[14]Li A，Yu Y，Liu Z. Sensitivity Analysis of b in MCLP Model for Credit Card-Holders Classification[J]. Procedia Computer Science，2013（17）：1023-1031.
[15]陈莹，等.基于MCLP模型的个人住房抵押贷款违约风险研究[J].审计与经济研究，2015（1）：105-112.
[16]Duffie D，Singleton K J. Modeling Term Structures of Defaultable Bonds[J]. Review of Financial Studies，1999，12（4）：687-720.
[17]Zhou C. The term structure of credit spreads with jump risk[J]. Journal of Banking & Finance，2001，25（11）：2015-2040.
[18]Elton E J，Gruber M J，Agrawal D，et al. Explaining the Rate Spread on Corporate Bonds[J]. Journal of Finance，2001，56（1）：247-277.
[19]林鸿熙，林建伟.考虑对手方违约风险首次违约互换合约的定价[J].系统工程学报，2011（6）：785-791.
[20]王安兴，解文增，余文龙.中国公司债利差的构成及影响因素实证分析[J].管理科学学报，2012（5）：32-41.
[21]Campbell J Y，Hilscher J，Szilagyi J. In Search of Distress Risk[J]. Journal of Finance，2008，63（6）：2899–2939.
[22]Denis D J，Denis D K. Causes of financial distress following leveraged recapitalizations ☆[J]. Journal of Financial Economics，1995，37（2）：129-157.
[23]Fama E F，French K R. Multifactor Explanations of Asset Pricing Anomalies[J]. Journal of Finance，1996，51（1）：55-84.
[24]Vassalou M，Xing Y. Default Risk in Equity Returns[J]. Journal of Finance，2004，59（2）：831-868.
[25]Avramov D，Chordia T，Jostova G，et al. Momentum and Credit Rating[J]. Journal of Finance，2007，62（5）：2503-2520.
[26]Chava S，Purnanandam A. Is Default Risk Negatively Related to Stock Returns？[J]. Review of Financial Studies，2010，23（6）：2523-2559.
[27]Aretz K，Florackis C，Kostakis A. Do Stock Returns Really Decrease with Default Risk？New International Evidence[J]. Ssrn Electronic Journal，2013.
[28]Dichev I D. Is the Risk of Bankruptcy a Systematic Risk？[J]. Journal of Finance，1998，53（3）：1131-1147.
[29]Ohlson J A. Financial Ratios and the Probabilistic Prediction of Bankruptcy[J]. Journal of Accounting Research，1980，18（1）：109-131.
[30]Griffin J M，Lemmon M L. Book-to-Market Equity，Distress Risk，and Stock Returns[J]. Journal of Finance，2010，57（5）：2317-2336.
[31]Avramov D，Chordia T，Jostova G，et al. Anomalies and financial distress ☆[J]. Journal of Financial Economics，2013，108（1）：139-159.
[32]Da Z，Gao P. Clientele Change，Liquidity Shock，and the Return on Financially Distressed Stocks[J]. Journal of Financial & Quantitative Analysis，2010，45（1）：27-48.
[33]Conrad J S，Kapadia N，Xing Y. What Explains the Distress Risk Puzzle：Death or Glory？[J]. Ssrn Electronic Journal，2012. [34]Bauer，Julian，Agarwal，Vineet，2014. Distress Risk and Stock Returns：The Neglected Profitability Effect. Working Paper.
[35]Gao P，Parsons C A，Shen J. The Global Relation between Financial Distress and Equity Returns[J]. Ssrn Electronic Journal，2012，41（4）：536-550.
[36]Garlappi L，Yan H. Financial Distress and the Cross-section of Equity Returns[J]. Journal of Finance，2011，66（3）：789-822.
[37]何旭強，周业安. 上市公司破产和重整的选择机制、经济效率及法律基础[J]. 管理世界，2006（7）：125-131.
[38]叶军. 股票收益中的违约风险[D].厦门：厦门大学，2008.
[39]李一帆. 破产风险、股东优势与股票收益——来自中国市场的经验证据[D].上海：上海交通大学，2012.
[40]Carhart M. On persistence in mutual fund returns[J]. Journal of Finance，1997.
责任编辑：李金霞
Did the Default Anomaly Disappear in A-share Market？
Wang Hongliang1，Zhang Jin2，Chen Hui3
（1.College of Finance and Statistics，Hunan University，Changsha 100088，China;2.School of Economics，Peking University，Beijing 100871，China;3.School of Economics，Huazhong University of Science and Technology，Wuhan 430074，China）
Abstract： In recent years，Chinese debt risk has aroused widespread concern while exerting an important impact on asset pricing. By combining corporate accounting data and stock price data from the first quarter of 2004 to the fourth quarter of 2017，and referring to Moody 's KMV method to construct an indicator which measures probability of default，this paper studied the relationship between default risk and stock returns. Empirical analysis showed that before 2014，there had a "default anomaly" in Chinese A-share market，which means "high default risk with low stock return". But after 2014，with the occurrence of debt defaults，the relationship between default risk and stock returns gradually reversed，and the default anomaly disappeared. The research also finds that whether listed companies are state-owned or not will significantly affect the sensitivity of stock returns to the default risk. Specifically，the yields of non-state-owned background stocks are almost twice as sensitive to changes in default risk as those of state-owned background stocks.
Key words：A-stock market，default risk，stock returns，state-owned enterprise background，corporation bonds，asset price
关键词：A股市场;违约风险;股票收益;国企背景;公司债券;资产价格
中图分类号：F830 文献标识码：A 文章编号：1007-2101（2019）02-0037-10
一、引言
近年来，我国的债务风险问题日趋凸显，并引起社会的广泛关注和担忧。在资本市场上，债务问题的极端表现形式就是债务违约。自2014年出现第一起债券违约事件以来，我国开始逐步打破债券的“刚性兑付”惯例。2014—2017年，国内分别有6只、23只、77只和40只债券出现违约，违约额度总计分别为13.4亿元、126.1亿元、385.44亿元和356.5亿元。资本市场上频繁出现的违约事件打破了市场的“刚性兑付”预期，迫使投资者更加关注违约风险对资产价格的影响。
2018年是我国供给侧改革“去杠杆”最关键的一年。政策压力和市场现状决定了未来债券集中违约的可能性仍然较高，并可能对市场造成较大的负面影响。在此背景下，有必要结合我国实际情况，深入研究违约风险与债券、股票、房地产等资产价格的关系，从而对投资者优化资产组合形成參考。笔者在综合考虑数据可得性、样本规模、研究意义等因素后，以A股市场为研究对象，探讨违约风险与股票收益的关系。进一步探讨具有国企背景的公司在陷入财务困境时易于获得地方政府或部分金融机构的支持，而非国企背景的公司显然很难有这方面的优势。由此可见，在面临相同的违约风险时，是否具备国企背景很可能会影响到未来的债务重组进程和最终结果，并影响到股东实际承担的风险和收益。鉴于此，还将进一步研究国企背景对违约风险—股票收益关系的影响。
二、文献综述
违约风险（defaul trisk）又称为信用风险，是指借款人在债务到期时无法还本付息的风险。企业的违约风险通常很难直接观测，对企业违约风险的度量需要整合一系列的因素或者借助金融产品计算得来，主流的度量方法包括Z值法、公司债利差法和Moody’s KMV法。这三种方法的着重点各有不同。其中，Z值分析法是美国学者Altman（1968）[1]发明的一种衡量企业破产风险的方法，在实践中被人们广泛应用。
公司债利差（Yield Spread）又称为“信用差价”（Credit Spread，CS），指投资者要求公司债提供高于到期日相同的国债收益的额外收益部分。Merton（1974）[2]最早对公司债利差的形成提出了理论性的解释。他认为公司债利差应由公司的违约风险程度、资产价格波动幅度以及债务期限等因素决定。在实证方面，Fama和French（1993）[3]、Longstaff等（2005）[4]等学者通过美国债券市场的数据，研究表明违约风险和债券剩余期限解释了公司债利差的主要部分。随着我国债券市场的发展，冯宗宪、郭建伟、孙克（2009）[5]，王永钦、陈映辉、杜巨澜（2016）[6]等学者尝试过借助公司债或地方债利差变化来衡量违约风险。
Moody’s KMV法是另一广为被人们运用的度量违约风险方法。国外学者运用该方法时一般会直接使用Moody-KMV公司公布的上市公司期望违约概率指标（Expected Default Frequency，简写为EDF。也有文献将其称为Probility of Default，简写为PD）度量违约风险，例如Garlappi等（2008）[7]、Filipe等（2016）[8]等。但是，Moody-KMV公司没有公布中国A股市场上市公司的EDF指标，因此国内学者在应用该方法时都需要自行构建EDF指标。EDF指标是基于Scholes和Black（1973）[9]、Merton（1974）[2]为期权定价的理论框架，经由Kealhofer（2003a，2003b）[10] [11]改造后得到的Vasicek-Kealhofer模型计算所得。陈艺云（2016）[12]、杨世伟、李锦成（2015）[13]等学者基于类似方法研究中国上市公司股票或债券的违约风险。
除了上述三种主流方法外，还有其他度量违约风险的方法，多数是基于计量经济学的理论。多因素线性回归分析（MCLP）是其中一种被认为在信用评分领域有潜力可以超越现有方法的信用分析方法。这种方法在对银行信用卡客户的分析上取得不错的成功，但在公司研究领域运用还较少（Li，Yu和Liu，2013;陈莹等，2015）[14][15]。
由于违约风险会对资产价格产生影响，所以才引起人们的关注。也正是因此，国内外学者在这方面的研究成果最为丰富。根据所研究的对象是债券还是股票，研究方法和结论又有差异。其中，早期研究违约风险的文献，绝大多数是将其与公司债券定价或信用评级相联系。例如，Merton（1974）[2]、Longstaff 和Schwartz（1995）[4]、Duffie和Singleton（1999）[16]、Zhou（2001）[17]、Elton等（2001）[18]、林鸿熙、林建伟（2011）[19]、王安兴等（2012）[20]等在不同时期、使用不同样本、通过各具特色的计量或理论模型研究违约风险对债券溢价的影响。近年来，研究违约风险与股票收益的文献有所增多。这些文献都通过构建违约概率指标来度量违约风险，具体方法有两种：一是基于市场数据，在Merton（1974）结构化模型的基础上构建违约概率指标，二是使用财务数据来构建指标，例如Campbell等（2008）[21]。由于指标构建方法的差异，以及分析范式和研究样本的区别，目前在违约风险—股票收益关系方面尚未出现广受认同的一致结论。 部分研究认为股票收益与违约风险呈正相关关系。这种观点是将违约风险看成系统性风险的一个类型。Denis（1995）[22]较早认为违约风险是由宏观经济因素导致的，因而与经济周期密切相关属于系统性风险。因为系统性风险无法通过分散投资的方式进行消除，所以根据投资组合理论，在市场均衡时高违约风险的股票必然对应着高的股票收益率。基于这一观点，违约风险常被用来解释股票收益在横截面数据中的差异性。Fama和French（1996）[23]在研究多因子模型时提出规模效应、账面市值比效应与公司陷入财务困境的程度有关。在此基础上，Vassalou和Xing（2004）[24]使用美国数据，通过二维分组方法研究发现，在违约风险处于高位时，拥有较低市值、较高账面市值比的公司能获取更高的收益。因此，他们认为违约风险是系统性风险，能够通过影响规模效应和价值效应来改变股票收益。另外，Avramov等（2007）[25]的研究认为，在信用评级较低从而违约风险较高的样本中，动量效应具有显著的影响。因而违约风险是通过影响动量效应才实现了与股票收益的正相关关系。Chava和Purnanandam（2010）[26]、Aretz等（2013）[27]的研究也支持违约风险与股票收益的正相关关系。
另一部分学者的观点则恰好相反，认为股票收益与违约风险之间存在着负相关关系。Dichev（1998）[28]利用O-score方法（Ohlson，1980）[29]与Z值法来度量违约风险，发现股票收益与违约概率存在反向关系。Griffin和Lemmon（2002）得到类似的结论[30]。他们在低账面市值比、高财务困境风险、低公司收益的样本中，发现了股票收益与违约风险的反向变动关系。Campbell等（2008）在研究导致公司破产的决定性因素时，结合使用季度会计数据和日度行情数据，通过条件logistic回归模型预测违约概率，发现高破产概率的公司傾向于获得更低的平均收益。基于美国市场数据得出类似结论的还有Avramov等（2013）[31]、Da和Gao（2010）[32]以及Conrad 等（2012）[33]等。Bauer和Agarwal（2014）[34]使用英国市场数据、Gao等（2012）[35]使用跨国数据的结论也认为违约风险与股票收益存在负相关关系。因为这一结果与“高风险，高收益”的经典理论不相符，被解释为市场的定价偏误，并称之为“违约异象”（default anomaly）。也有一些学者从其他角度寻求解释，例如Garlappi 等（2008）、Garlappi和Yan（2011）[36]提出股东优势理论，认为更高的股东议价能力或公司清算成本会降低股东的剩余索取权风险，从而降低了股票的必要报酬率;Avramov等（2011）提出长期风险理论，认为市场预期濒临违约的公司会因为破产而无法长久生存，反而处于较少的风险暴露，导致其具有较低的收益;Filipe等（2016）则从违约风险中分解出特质性风险部分，认为这才是导致违约异象的根源。此外，还有学者从公司荣誉、投资者心理、定价信息相关性等方面对违约异象进行解释（Conrad等，2012;Gao等，2012;Bauer和Agarwal，2014）。
众所周知，在中国A股市场IPO不仅难度大，而且程序繁琐，加上公共利益、“壳资源”的稀缺性、政府社会责任和声誉等因素的综合作用，导致各方面的利益相关者在公司濒临破产时，仍然会极力选择重组而非退市和清算（何旭强、周业安，2006）[37]。这就使得我国上市公司面临的违约风险与股票收益之间也存在异于一般认知的关系。叶军（2008）[38]选取A股上市公司1997年1月4日至2007年12月28日数据，实证研究结果表明中国股票市场存在明显的违约异象。但是，李一帆（2012）[39]选取35家申请破产的公司数据进行回归分析却发现破产风险与股票收益正相关。以上两项研究不仅结论存在冲突，而且二者的样本都相对较小，数据也有些过时，难以对当前的投资决策提供足够的参考价值。笔者认为，在2014年出现上市公司债券违约事件之后，投资者对于金融资产“刚性兑付”的预期被打破，这势必会使以往的风险—收益关系发生微妙变化。因此，从违约风险角度来看，需要对2014年前后A股市场上违约风险—股票收益关系是否出现变化，哪些因素会影响到违约风险—股票收益的关系展开研究。
三、研究假设与研究设计
（一）研究假设
2014年，我国发生了第一起公司债违约事件。以此为分界线，中国市场对违约风险的理解和处理方式发生了重要变化。这将会在违约风险—股票收益的关系上体现出来。
在2014年之前，为了维护市场稳定，不论是地方政府还是公司发行的债券，都不允许出现违约。长期以来，市场上也的确没有发生过违约事件。在此背景下，投资者形成了国内各类债券不会违约的预期。这种预期一旦形成，就会歪曲市场的投资逻辑并对资产定价造成扭曲。在股票投资中，上述“刚性兑付”的预期最终使得公司的违约风险变化无法传导到股票价格上，所以市场上并不会出现传统金融理论所认为的“高风险—高收益”关系。相反，投资者甚至会将公司受到隐性担保的能力、公司的违约风险与公司的价值相挂钩。这说明，如果公司敢于承担的违约风险越高，就意味着公司能够得到的隐性担保越强。因此对投资者而言，就算这类公司最终违约了，投资损失也可能更小，但如果公司的经营取得成功，投资者却能够收益颇丰。在这种情况下，公司的违约风险高，反而会成为安全性和收益性的集中体现。基于此，市场上便有了一种怪异的投资逻辑：公司违约风险高，意味着公司得到的隐性担保程度高，意味着公司的实际投资风险低和潜在收益高，于是投资者愿意接受更低的风险溢价。这种“高违约风险—低股票收益”的关系，就是“违约异象”。
然而，在2014年之后，随着第一起公司债违约事件发生，长期以来形成的“刚性兑付”预期被打破，上述的投资逻辑无法继续成立。投资者突然意识到中国的债券也有可能发生违约，而且也预期到未来还将有更多债券违约。这种预期一旦确立，违约风险对资产价格的影响方式便发生了本质变化。投资者将审慎考虑公司面临的违约风险以及遭受破产清算的可能性，并据此决定股票的交易价格。于是，违约风险更高的股票，就需要有更高的风险溢价对投资者进行补偿，亦即“违约异象”消失，而传统金融学理论认为的“高风险—高收益”关系逐步显现。根据以上分析，提出假设1。 假设1：在2014年之前，A股市场存在“违约异象”;在2014年之后，A股市场的“违约异象”消失。
正如前文所述，在“违约风险高—隐性担保高—实际风险降低—股票收益率降低”的投资逻辑下，隐性担保程度的高低成为决定股票价格的重要影响因素。而在所有能够起到隐性担保作用的因子中，国企背景显然是其中最为突出的一个。如果上市公司具备国企背景，那么在相同的违约风险下，投资者会愿意接受更低的风险溢价，从而表现出更显著的“违约异象”。基于此，提出假设2。
假设2：在2014年之前，在相同的违约风险下，相比非国企股票，国企股票中存在的“违约异象”更加明显。
另外，在2014年之后，尽管市场的预期发生了扭转，但上市公司的国企属性显然还会继续发挥作用。因为相比于非国企，拥有国企背景的上市公司如果违约，背后仍有各级政府会负责公司的债务重组和偿付安排，几乎不可能进入破产清算的阶段。然而，非国企背景的上市公司一旦违约，则很难取得相同的政府支持。于是，投资者会更加重视违约风险对非国企背景股票的影响，而相对轻视国企背景股票的违约风险。基于此，提出假设3。
假设3：在2014年之后，在相同违约风险下，相比非国企股票，国企股票对违约风险的敏感性更低。
（二）变量与数据
本文涉及到的主要变量，包括个股季度收益率（RET）、市场季度收益率（RM）、个股季末的市净率（PB）、个股季末流通市值的对数（lnSIZE）等。其中，市场季度收益率RM是使用本季度A股市场所有股票的季度收益率根据流通市值加权平均计算所得。笔者运用Moody’s KMV方法计算违约概率（probability of default）来衡量违约风险，记作PD，具体计算过程参考Filipe等（2016）。此外，笔者以Dum_2014表示时间虚拟变量，即如果在2014年之前（含2014年），则Dum_2014=1，否则Dum_2014=0;以Dum_Sateowned表示国有背景虚拟变量，即如果公司为国有企业，则Dum_Sateowned=1，否则Dum_Sateowned=0。与此对应，使用PD_2014和PD_Sateowned分别表示PD与Dum_2014和Dum_Sateowned的交互项。
本文的数据全部来自国泰安数据库（CSMAR），时间跨度为2004年第一季度到2017年第四季度。为了排除次新股股价异常波动的影响，文中剔除上市未满12个季度的股票，同时也剔除部分数据异常的观察值和全部金融类公司，最终剩余2 404只股票，合计包含46 926个观察值。
为了验证假设1，笔者以2014年为界限，将全样本分割成两部分，样本1中包含2004年第一季度到2014年第四季度的数据，共包含41 447个观察值;样本2中包含2015年第一季度到2017年第四季度的数据，共包含5 479个观察值。此处之所以将2014年归入样本1，是因为笔者认为2014年刚刚出现违约事件，投资者可能还需要一段时间适应这种变化，随后才能调整对违约风险溢价的要求。而在完全适应之前，市场更可能仍旧沿用原来的投资思路对资产进行定价。因此，将2014年的观察值归入样本1中会更为合适。当然，笔者也试过将2014年归入样本2中以及将2014年的观察值删除的做法，这些都没有改变本文的基本结论，故不作详细报告。
（三）实证模型
本文重点关注违约风险与股票收益的关系，因此建立模型（1）作为基础模型：
RETi，t=？琢+？茁0PDi，t-1+？着t（1）
其中，RETi，t表示第i只股票在第t个季度剔除了无风险收益率之后的季度收益率;PDi，t-1表示第i只股票在第t-1个季度的违约概率;？着t是残差项，假设服从白噪声分布。基于模型（1）得到PDi，t-1的系数估计值？茁0，只能夠粗略描述RETi，t与PDi，t-1的相关性并不能说明太多问题。因此，笔者吸纳单因子、三因子和四因子模型的思想（Fama和French，1993;Carhart，1997）[40]，在模型（1）的基础上依次添加控制变量，得到模型（2）-（4）：
RETi，t=？琢+？茁0PDi，t-1+？茁1RMt+？着t（2）
RETi，t=？琢+？茁0PDi，t-1+？茁1RMt+？茁2PBi，t-1+？茁3lnSIZEi，t-1+？着t（3）
RETi，t=？琢+？茁0PDi，t-1+？茁1RMt+？茁2PBi，t-1+？茁3lnSIZEi，t-1PBi，t-1+
？茁4RETi，t-1+？着t（4）
其中，RMi，t表示在第t个季度的市场收益率;PBi，t-1表示第i只股票在第t-1个季度末的市净率;lnSIZEi，t-1表示个股在第i只股票在第t-1个季度末的流通市值的对数。分别使用全样本、样本1和样本2的数据对上述的模型（2）-（4）进行回归，并观察PDi，t-1系数估计值？茁0的差异，笔者可以验证假设1。
随后，笔者将已有样本进一步划分为国企组和非国企组，再使用上述的多因子模型进行估计，最后通过比较PDi，t-1系数估计值的差异来验证假设2和假设3。
为了确保结果稳健，笔者在上述的多因子模型中依次添加年份虚拟变量Dum_2014、交互项PD_2014、虚拟变量Dum_Stateowned、交互项PD_Stateowned。如果以模型（3）为基础，则最终完整的模型如下：
RETi，t=？琢+？茁0PDi，t-1+？茁1RMt+？茁2PBi，t-1+？茁3lnSIZEi，t-1+？茁5Dum_2014i，t+？茁6PD_2014i，t+？茁7Dum_Stateownedi，t+？茁8PD_Stateownedi，t+？着t（5） 考虑到行业因素可能造成的影响，笔者将在稳健性检验部分进一步根据交易所公布的上市公司行业分类结果对全样本进行分组，然后使用模型（5）进行估计。
四、描述性统计、相关性分析和初步的实证检验
（一）相关性分析
图1显示了每个季度的平均违约概率与市场收益率的关系。其中，平均违约概率是每个季度样本内所有股票违约概率的算术平均值，市场收益率是每个季度全市场正在交易的所有股票根据流通市值加权的收益率。显然，仅仅通过图1很难发现平均违约概率与市场收益率之间是否存在稳定的关系模式。
表1显示了当期的违约概率PDi，t及滞后一期的违约概率PDi，t-1与其他主要变量的相关系数。从全样本来看，PDi，t与PDi，t-1之间存在正相关性，但相关系数不大，仅为9%。此外，二者与个股季度收益率RETi，t都存在正相关关系。这否认了“违约异象”的存在。另外需要注意的是，PDi，t和PDi，t-1与个股季度收益率RETi，t的关系在两个子样本中存在重要差异。具体而言，样本1的结果与全样本没有太大差别，即无论是PDi，t还是PDi，t-1，都与RETi，t正相关。但是在样本2中，PDi，t与RETit负相关，但PDi，t-1与RETi，t正相关。这初步说明在2014年之后，违约风险对股票收益率的影响可能更加显著，而且违约风险的上升会促使股价在当期立刻就出现较大的下跌，导致股票当季的收益率减小;同时，由于违约风险上升，投资者要求更高的溢价补偿，就使得股票未来的收益率增大。
（二）初步的实证检验
分别基于全样本、样本1和样本2对模型（1）-（2）进行估计（结果见表2），在表2的第（1）（3）和（5）列中，PDi，t-1的系数都显著为正，验证“高风险—高收益”的传统金融学观点。但是，这三次回归的adj-R2值都极小，所以并不具有太大的解释意义。
进一步观察表2的第（2）（4）和（6）列中，由于控制了市场收益率的影响，所以不仅adj-R2明显提高，而且PDi，t-1的系数在样本1和样本2中出现了明显差异。具体而言，在表2第（4）列中可以看到PDi，t-1的系数显著为负，值为-0.335;在表2第（6）列中可以看到PDi，t-1系数显著为正，值为2.448。可见，在2014年之前，在我国A股市场上的确出现了“违约异象”，但是在2014年之后，随着“刚性兑付”被打破，投资者开始重视违约风险在资产定价中的作用，A股市场上的“违约异象”消失。此后，个股如果面临更高的违约风险，便需要相应的风险溢价对投资者进行补偿。
五、进一步的实证检验
（一）基于多因子模型的检验
表3显示的是对模型（3）-（4）的估计结果。观察发现，PDi，t-1的系数在表3第（3）列中显著为负，在表（3）第（5）列中显著为正。可见，基于三因子模型的估计结果再次说明在2014年之前A股市场存在“违约异象”，而在2014年之后，该异象消失。在表3第（4）和第（6）列中，基于四因子模型的估计结果也显示，在2014年之后不再出现显著的违约异象。然而，考虑到表1中PDi，t与RETi，t的相关系数较为显著，因此PDi，t-1与RETi，t-1同样会显著相关。这种情况下，如果让PDi，t-1与RETi，t-1同时出现在模型中，则会对估计结果造成干扰。因此，在进一步的研究中，笔者主要依据模型（3）进行估计。
（二）考虑公司属性的影响
在每个季度根据公司是否为国企，将样本进一步分为国企和非国企两组，继而使用模型（3）进行估计，结果显示在表4中。观察发现，在表4第（3）-（4）列中，PDi，t-1的系数都显著为负，而在第（5）-（6）列中，PDi，t-1的系数都显著为正。这一对比结果再次说明，“违约异象”主要出现在2014年之前。进而分别关注樣本1和样本2。在样本1中，第（3）列非国企组PDi，t-1的系数估计值虽然为负但不显著，而第（4）列国企组的PDi，t-1系数估计值显著为负。这表明在2014年之前，“违约异象”集中出现在国企股票上，“违约异象”在非国企股票上表现并不明显。由此证明了假设2。
在样本2中，第（5）和第（6）列的PDi，t-1系数估计值虽然都显著为正，但前者（4.986）远大于后者（2.142）。这表明在2014年之后，不仅“违约异象”消失，而且非国企的股票收益率对违约风险变化的敏感性远超国企。即，在2014年之后，相比于国企，非国企股票的违约风险溢价更高。由此证明了假设3。
六、稳健性检验
（一）使用交互项
表5显示了对模型（5）进行估计的结果。其中，PDi，t-1的系数全部显著为正，表明在模型中添加了虚拟变量和交互项之后，估计结果仍然表明越大的违约风险，需要越高的股票收益率进行补偿。该结论极为稳健。
虚拟变量Dum_2014i，t的系数全部显著为负，意味着平均而言，在2014年之前的11年中，季度平均收益率低于之后三年的季度个股平均收益率。另外，交互项PD_2014i，t的系数也都显著为负，并且绝对值上都略大于PDi，t-1的系数，再次说明在A股市场“违约异象”主要存在于2014年之前。在2014年之后，该异象不再显著。这再次证明假设1。
进一步分析可知，虚拟变量Dum_Stateownedi，t的系数在表5第（3）-（4）列中都不显著。这意味着公司是否具有国企背景，本身并不会直接对股票收益造成稳定的影响。但是在表5第（4）列中，交互项PD_Stateownedi，t的系数显著为负。这表明在相同的违约风险下，相比于非国有企业，国有企业的股票收益率对违约风险变化的敏感性更低、风险溢价更小、出现“违约异象”的可能性更大。由此再次验证假设2和3。
（二）不同行业的情况 考虑到行业因素会对本文的结论带来影响，因此本部分将全样本按照行业属性分为五个部分，分别为公用事业、房地产、综合、工业和商业，然后再使用模型（5）进行重新估计，结果见表6。从表6中可以看出，PDi，t-1的系数都显著为正。这说明对于所有行业而言，“高风险—高收益”的传统理论观点都成立。另外，交互项PD_2014i，t的系数也全部显著为负。可见在所有行业中，“违约异象”主要是出现在2014年之前。同时还要注意到，交互项PD_Stateownedi，t的系数仅房地产和工业两项显著为负，其余行业并不显著。这一方面是因为公用事业类公司多数为国企，而综合类与商业类公司则多数为非国企，从而影响到了估计结果;另一方面也说明并不是对于每一个行业而言，国有企业的属性都能够显著降低股票收益对违约风险的敏感性。
七、结论与建议
本文通过实证分析得出以下结论：第一，A股市场在2014年之前确实存在较为明显的“违约异象”，即股票的违约风险越高，未来的收益率反而会越低。然而，在2014年之后，随着债券违约事件频繁出现，“刚性兑付”预期被打破，违约风险与股票收益的关系发生了明显变化。此后A股市场上违约风险更大的股票需要对投资者承担的风险进行相应的溢价补偿，其收益率也变得更高。第二，上市公司是否为国企，会显著影响股票收益对违约风险的敏感性。具体而言，在2014年之前，“违约异象”主要集中出现在国企背景的上市公司股票中，对于非国企背景的股票，“违约异象”并不显著。在2014年之后，违约风险与股票收益的关系表现为正常的“高风险—高收益”关系，但是分组回归的结果显示，非国企背景股票的收益率对违约风险变化的敏感性要比国企背景股票高出一倍多。换言之，国企属性显著降低了股票收益对违约风险变化的敏感性，使违约风险溢价减小。
基于本文的研究，笔者认为国家自2014年起逐步打破我国金融产品“刚性兑付”的做法有利于市场的健康发展。打破“刚性兑付”预期，有助于市场回归理性，审慎客观地评估相关资产的违约风险，并将违约风险作为一个重要的影响因子纳入到资产定价体系之中，从而进一步发挥出市场价格发现的功能。为了继续完善中国资本市场，未来还需要继续坚持打破“刚性兑付”预期的政策。最后，由于公司是否拥有国企背景能够显著影响股票收益对违约风险变化的敏感性，因此，在构建资产组合的过程中，投资者需要将对违约风险与国企属性进行综合考虑，据此调整资产组合的构成，以改善投资收益。
参考文献：
[1]Altman E I. Financial Ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy[J]. Journal of Finance，1968，23（4）：589-609.
[2]Merton R C. On the Pricing of Corporate Debt：The Risk Structure of Interest Rates[J]. Journal of Finance，1974，29（2）：449-470.
[3]Fama E F，French K R. Common risk factors in the returns on stocks and bonds ☆[J]. Journal of Financial Economics，1993，33（1）：3-56.
[4]Longstaff F A，Schwartz E S. A Simple Approach to Valuing Risky Fixed and Floating Rate Debt[J]. Journal of Finance，1995，50（3）：789-819.
[5]冯宗宪，郭建伟，孙克.企业债的信用价差及其动態过程研究[J].金融研究，2009（3）：54-71.
[6]王永钦，陈映辉，杜巨澜.软预算约束与中国地方政府债务违约风险：来自金融市场的证据[J].经济研究，2016，51（11）：96-109.
[7]Garlappi L，Shu T，Yan H. Default Risk，Shareholder Advantage，and Stock Returns[J]. Review of Financial Studies，2008，21（6）：2743-2778.
[8]Filipe S F，Grammatikos T，Michala D. Pricing Default Risk：The Good，The Bad，and The Anomaly ☆[J]. Journal of Financial Stability，2016，26：190-213.
[9]Scholes M S，Black F S. The Pricing of Options and Other Corporate Liabilities[J]. Journal of Political Economy，1973，81（3）：637-654.
[10]Kealhofer S. Quantifying Credit Risk I：Default Prediction[J]. Financial Analysts Journal，2003，59（1）：30-44.
[11]Kealhofer S. Quantifying Credit Risk II：Debt Valuation[J]. Social Science Electronic Publishing，2003，59（3）：78-92.
[12]陈艺云.中国公司债违约风险度量的理论与实证研究[J].系统工程，2016（1）：26-33. [13]楊世伟，李锦成.信用风险度量、债券违约预测与结构化模型扩展[J].证券市场导报，2015（10）：41-48.
[14]Li A，Yu Y，Liu Z. Sensitivity Analysis of b in MCLP Model for Credit Card-Holders Classification[J]. Procedia Computer Science，2013（17）：1023-1031.
[15]陈莹，等.基于MCLP模型的个人住房抵押贷款违约风险研究[J].审计与经济研究，2015（1）：105-112.
[16]Duffie D，Singleton K J. Modeling Term Structures of Defaultable Bonds[J]. Review of Financial Studies，1999，12（4）：687-720.
[17]Zhou C. The term structure of credit spreads with jump risk[J]. Journal of Banking & Finance，2001，25（11）：2015-2040.
[18]Elton E J，Gruber M J，Agrawal D，et al. Explaining the Rate Spread on Corporate Bonds[J]. Journal of Finance，2001，56（1）：247-277.
[19]林鸿熙，林建伟.考虑对手方违约风险首次违约互换合约的定价[J].系统工程学报，2011（6）：785-791.
[20]王安兴，解文增，余文龙.中国公司债利差的构成及影响因素实证分析[J].管理科学学报，2012（5）：32-41.
[21]Campbell J Y，Hilscher J，Szilagyi J. In Search of Distress Risk[J]. Journal of Finance，2008，63（6）：2899–2939.
[22]Denis D J，Denis D K. Causes of financial distress following leveraged recapitalizations ☆[J]. Journal of Financial Economics，1995，37（2）：129-157.
[23]Fama E F，French K R. Multifactor Explanations of Asset Pricing Anomalies[J]. Journal of Finance，1996，51（1）：55-84.
[24]Vassalou M，Xing Y. Default Risk in Equity Returns[J]. Journal of Finance，2004，59（2）：831-868.
[25]Avramov D，Chordia T，Jostova G，et al. Momentum and Credit Rating[J]. Journal of Finance，2007，62（5）：2503-2520.
[26]Chava S，Purnanandam A. Is Default Risk Negatively Related to Stock Returns？[J]. Review of Financial Studies，2010，23（6）：2523-2559.
[27]Aretz K，Florackis C，Kostakis A. Do Stock Returns Really Decrease with Default Risk？New International Evidence[J]. Ssrn Electronic Journal，2013.
[28]Dichev I D. Is the Risk of Bankruptcy a Systematic Risk？[J]. Journal of Finance，1998，53（3）：1131-1147.
[29]Ohlson J A. Financial Ratios and the Probabilistic Prediction of Bankruptcy[J]. Journal of Accounting Research，1980，18（1）：109-131.
[30]Griffin J M，Lemmon M L. Book-to-Market Equity，Distress Risk，and Stock Returns[J]. Journal of Finance，2010，57（5）：2317-2336.
[31]Avramov D，Chordia T，Jostova G，et al. Anomalies and financial distress ☆[J]. Journal of Financial Economics，2013，108（1）：139-159.
[32]Da Z，Gao P. Clientele Change，Liquidity Shock，and the Return on Financially Distressed Stocks[J]. Journal of Financial & Quantitative Analysis，2010，45（1）：27-48.
[33]Conrad J S，Kapadia N，Xing Y. What Explains the Distress Risk Puzzle：Death or Glory？[J]. Ssrn Electronic Journal，2012. [34]Bauer，Julian，Agarwal，Vineet，2014. Distress Risk and Stock Returns：The Neglected Profitability Effect. Working Paper.
[35]Gao P，Parsons C A，Shen J. The Global Relation between Financial Distress and Equity Returns[J]. Ssrn Electronic Journal，2012，41（4）：536-550.
[36]Garlappi L，Yan H. Financial Distress and the Cross-section of Equity Returns[J]. Journal of Finance，2011，66（3）：789-822.
[37]何旭強，周业安. 上市公司破产和重整的选择机制、经济效率及法律基础[J]. 管理世界，2006（7）：125-131.
[38]叶军. 股票收益中的违约风险[D].厦门：厦门大学，2008.
[39]李一帆. 破产风险、股东优势与股票收益——来自中国市场的经验证据[D].上海：上海交通大学，2012.
[40]Carhart M. On persistence in mutual fund returns[J]. Journal of Finance，1997.
责任编辑：李金霞
Did the Default Anomaly Disappear in A-share Market？
Wang Hongliang1，Zhang Jin2，Chen Hui3
（1.College of Finance and Statistics，Hunan University，Changsha 100088，China;2.School of Economics，Peking University，Beijing 100871，China;3.School of Economics，Huazhong University of Science and Technology，Wuhan 430074，China）
Abstract： In recent years，Chinese debt risk has aroused widespread concern while exerting an important impact on asset pricing. By combining corporate accounting data and stock price data from the first quarter of 2004 to the fourth quarter of 2017，and referring to Moody 's KMV method to construct an indicator which measures probability of default，this paper studied the relationship between default risk and stock returns. Empirical analysis showed that before 2014，there had a "default anomaly" in Chinese A-share market，which means "high default risk with low stock return". But after 2014，with the occurrence of debt defaults，the relationship between default risk and stock returns gradually reversed，and the default anomaly disappeared. The research also finds that whether listed companies are state-owned or not will significantly affect the sensitivity of stock returns to the default risk. Specifically，the yields of non-state-owned background stocks are almost twice as sensitive to changes in default risk as those of state-owned background stocks.
Key words：A-stock market，default risk，stock returns，state-owned enterprise background，corporation bonds，asset price