城投债风险多重溢出效应研究—以信用债市场为媒介的视角_范小云
范小云,邹小备,杨昊晰.城投债风险多重溢出效应研究——以信用债市场为媒介的视角[J].财贸经济,2023,44(07):39-56.
研究问题
从信用债投资者的视角，对城投债风险溢出的多重路径进行探究，明确了不同地区间城投债风险的溢出机制，以及城投债风险对信用债市场整体的溢出效应及其反馈效应
理论机制
在实证模型选择方面，有关债务风险溢出效应的研究大致可以分为两类。一是利用描述地区之间关联程度的可观测变量，在空间计量模型的框架下开展实证分析。基于空间计量模型的溢出效应研究能够充分利用可观测变量来刻画地区之间的关联程度，但相比于时间序列模型，其劣势在于不能有效地分析溢出效应的动态特征。二是基于时间序列模型。基于VAR模型及其拓展模型的溢出效应研究充分发挥了时间序列模型在刻画动态特征方面的长处;不过在描述地区之间关联时，这些研究则是将其完全归为不可观测因素并以主成分、待估时变参数等形式呈现，忽视了对可观测变量的运用。鉴于以上两种研究方法各有所长，近年来也有研究尝试在GVAR、NAR的框架下将二者结合。
局部地区的地方政府债务风险总要通过金融系统的作用才可能进一步向其他地区蔓延。具体到城投债这种地方政府债务形式，其风险的外溢离不开其发行、交易所在的市场，即信用债市场。在我国债券市场当中，信用债与利率债、金融债相对应，均为依据发行主体类型划分的债券种类。信用债指除政府、金融机构以外的企业主体所发行的债券，其中发行主体为城投平台的即为城投债，发行主体为其他企业的则称为产业债。虽然城投债与产业债同为信用债，但决定二者信用风险的因素存在较大差别:对于城投债而言，因为其被视为地方政府的一种融资渠道，故而其风险主要取决于平台对应地区、对应级别地方政府的综合财力，以及基于此形成的兜底能力和兜底意愿，即所谓隐性担保;而产业债信用风险主要取决于企业自身的经营状况以及其所在行业的景气程度。隐性担保的存在，使城投债获得了产业债所不具备的竞争优势，从而挤出了对产业债的投资。城投债与产业债共同构成了信用债投资者的投资组合。典型的信用债投资者包括公募与私募基金、各大银行旗下的理财业务部门(资管新规落地后均转型为理财子公司)、各大券商旗下的自营业务部门等，均为专业的机构投资者;个人投资者直接参与信用债投资的情况较少，一般通过购买相应的基金、理财产品等间接投资信用债，以下将其称为出资人。相对于利率债、金融债而言，投资于信用债的意义在于通过适当承担信用风险来赚取溢价，故而对于投资组合管理者的风险管理能力和组合配置能力有着更高的要求。由于资金成本和行业竞争，信用债投资组合管理者面临一定的业绩压力，这集中表现为来自出资人的赎回压力:在一定的信用风险水平上，投资组合所实现的收益越低，出资人的出资意愿就越低，这迫使信用债投资组合的管理者缩减组合规模、抛售部分投资标的，以应对来自出资人的赎回请求。另外，对城投债的隐性担保使城投债成了信用债投资者眼中的“低垂果实”，即在赚取一定的信用风险溢价的同时，实际承担的信用风险却是偏低的。于是信用债投资者便会追逐城投债———这实质上降低了信用债投资者承担风险的意愿，扭曲了信用债市场的风险定价机制。当城投债这种信用债品种的风险水平整体上升时，对信用债投资组合当中的其他部分乃至对组合整体的风险溢出。具体而言，其中包括两种机制，这里分别称之为赎回机制与替代机制。第一，赎回机制。信用债投资者面临来自出资人的赎回压力，而城投债风险的上升则会加剧这种压力:当城投债风险上升时，市场将依据新的风险水平对城投债重新定价，导致城投债持有者蒙受资产减值损失———具体表现为出资人所持有的理财、基金等产品的收益率下降———这促使出资人提出更多的赎回要求。为了应对新增的赎回要求，信用债投资组合管理者被迫缩减组合规模，优先抛售低评级、高风险的债券以获得流动性。换言之，信用债投资者的投资策略变得更加保守，风险厌恶程度上升。这一转变进一步收紧了包括城投平台在内的各类信用债发行人所面临的融资约束，加剧了其信用风险，从而促使上述赎回机制自我强化。第二，替代机制。随着城投债风险上升，信用债投资者自然会更加侧重于对非城投债的配置。值得注意的是，这种变化不仅仅反映在信用债投资者的组合配置重点上，更是反映在投资风格的方向转变上。城投债虽名为企业债，但是有来自政府的隐性担保，故而被视为信用债市场中的“低垂果实”。正因为有这一选择，信用债投资者才有机会在获得风险溢价的同时不必承担与之相应的风险，故而缺少动机改进其针对信用风险的研究与管理能力，其承担信用风险、配置非城投信用债的意愿亦是偏低的。然而自新《预算法》出台以来，随着地方债务改革深入推进，隐性担保日渐式微，信用债风险定价扭曲也在逐渐地被纠正:“低垂果实”的消失会倒逼信用债投资者提高其针对信用风险的研究能力与风险管理水平，促使其更为积极地通过合理承担风险来赚取风险溢价。上述投资风格的转变有助于缓解信用债市场当中城投债对于产业债的挤出效应，降低产业债的信用风险水平。最终，信用债投资者对于产业债的信心和投资热情因为产业债风险的边际改善而进一步提高，故而上述产业债对城投债的替代机制将自我强化。对比赎回机制和替代机制，可以发现二者既有相同之处又存在显著区别。相同之处在于:二者均由城投债风险上升所引发，都存在自我强化的倾向，且最终都导致了信用债投资者配置城投债的意愿下降、城投债风险进一步上升。二者的区别则主要体现在信用债投资者的风险偏好变化上面:在赎回机制之下，信用债投资者因为赎回压力的增加而被迫采取更为保守的投资策略，风险偏好下降，这削弱了信用债市场整体的活跃度和融资能力;而在替代机制之下，隐性担保弱化虽然将城投债的风险暴露出来，但迫使信用债投资者减少对“低垂果实”的追逐，倒逼其通过合理承担信用风险以赚取更高收益，故而其风险偏好是上升的，这有助于其他非城投主体通过信用债市场获得融资。实践当中，赎回机制和替代机制理应是同时存在并发挥作用的，关键在于考察究竟哪种机制占据主导:若赎回机制占据主导，那么在实证结果当中，城投债风险越高，信用债投资者的风险偏好应当越低;反之，若替代机制占据主导，则应出现与之相反的实证结果。于是，分析城投债风险与信用债投资者风险偏好的关系，对于全面评价城投债风险变化的影响、综合考察地方政府债务治理改革的经济效益而言，均具有重要意义。
测度指标体系
模型见底部原文，指标如下：
主要有以下几类指标，具体指标的计算和获取介于篇幅原因，见原文：
1.省级行政区城投债利差指数
2.GVAR模型全局因子
3.信用债投资者风险偏好因素
4.流动性控制因素
5.其他控制因素
结论
本文从信用债投资者的视角出发，拓展了已有研究当中关于城投债风险溢出效应的分析框架，提出了城投债风险的多重溢出机制:一方面，某个地区城投债风险上升会由于地方政府的“自上而下的标尺竞争”行为和信用债投资者的信号反馈行为而溢出至关联地区;另一方面，城投债这一信用债品种的风险水平整体上升时，亦会经由信用债投资者的作用、通过赎回机制和替代机制对非城投信用债乃至信用债投资组合整体产生溢出效应，并进一步反作用于城投债，从而形成自我强化的循环。在赎回机制下，城投债风险上升将迫使信用债投资者收缩组合规模以应对赎回压力，这使非城投主体在信用债市场上的融资同样变得更为困难;然而在替代机制下，城投债风险上升将倒逼信用债投资者减少对隐性担保的依赖，更为积极地通过合理承担信用风险来赚取溢价，这将改善非城投主体在信用债市场上的融资环境。
基于此分析框架，本文有针对性地设计了实证模型，以包含上述多重的城投债风险溢出机制。该模型将GVAR与FAVAR有机结合，其中GVAR成分用于刻画不同地区之间城投债风险的相互传染，而FAVAR成分则用于刻画城投债风险对于信用债市场整体的溢出及其反馈效应。模型估计结果显示:微观层面，局部地区的城投债风险会对关联地区产生显著的溢出效应，这与已有研究的结果一致;宏观层面，城投债风险上升会对信用债市场整体产生显著的溢出效应，且相对于赎回机制而言，替代机制占据主导地位，即城投债风险的上升虽然给信用债投资者带来了一定的赎回压力，但更主要的效应还是释放信贷资源、倒逼信用债投资者更为积极地承担信用风险赚取溢价，从而使得非城投企业主体更容易从信用债市场获得融资。在短期冲击传导方面，本文以来自贵州和江苏两地的城投债风险冲击为例，基于GIRF进行了对比分析。总体而言，贵州省城投债风险冲击的影响范围有限，且其外溢效应表现为信用在不同地区城投债之间的再配置，而并未造成全国城投债风险的系统性上升;而江苏省城投债风险冲击的溢出效应更为剧烈，并且造成了绝大部分地区城投债风险的系统性上升。
小结
太精妙深奥了，同时又具有极大参考学习价值
本文以时间序列VAR模型为基础，采用GVAR模型的形式刻画不同地区之间城投债风险的相互传染。为了能够更为完整地刻画城投债风险经由信用债市场而产生的多重溢出效应，本文在GVAR模型的基础上又加入了FAVAR模型的要素，因为后者更适合于刻画城投债风险的宏观溢出效应，即对信用债市场整体、对信用债投资者的溢出效应。
Pesaran等(2004)之所以提出GVAR模型，是为了构建并估计适合于国际宏观经济学研究的简约VAR模型。为了考察多个经济体的相互影响或者宏观经济政策对他国的外溢效应，实证研究需要将若干个经济体的宏观变量统一置于一个VAR模型中。由于涉及的经济体众多，此时简约VAR模型的估计容易面临自由度不足的问题。于是，研究者需要对包含多经济体的简约VAR模型进行合理的简化，通常做法是对数据进行降维，以减少待估参数个数、增加估计的自由度。例如，Helbling等(2011)将多个经济体的宏观变量提取主成分，并在此基础上构建FAVAR模型以分析国际传染效应。值得注意的是，经济体之间联系程度并非完全无迹可寻，经济理论和经验事实均表明，许多可观测的变量可以对其进行刻画(如双边贸易额、资金流动规模以及地理联系等)，而FAVAR模型的数据降维方法则忽视了这一点。相比之下，GVAR模型在数据降维时则充分考虑了这些刻画联系程度的可观测变量，因而更适合于分析区域间的传染效应。