直观地说，DM较高的公司更接近其违约边界VB，更有可能违约，而且，在我们的模型中，潜在的驱动因素可能是多方面的。与默顿模型所隐含的DM不同，它纯粹是由公司的基本信用质量所驱动的，我们的DM统一了我们模型的三个组成部分。此外，我们的DM所捕获的信息来自于这些组成部分的相互作用，这与使用这些组成部分的线性组合来解释信贷定价的常见经验做法相反。解释SOE溢价——我们进一步使用我们的模型暗示的DM来表明，我们模型的主要机制不仅在概念上而且在数量上都是有效的。
ABSTRACT
Studying China’s credit market using a structural default model that integrates credit risk, liquidity, and bailout, we document improved price discovery and deepening divide between state-owned enterprises (SOEs) and non-SOEs. Amidst liquidity deterioration, the presence of government bailout helps alleviate the heightened liquidity-driven default, making SOE bonds more valuable and widening the SOE premium. Meanwhile, the increased importance of government support makes SOEs more sensitive to bailout, while the heightened default risk increases non-SOEs’ sensitivity to credit quality. Examining the real impact, we find severe performance deteriorations of non-SOEs relative to SOEs, reversing the long-standing trend of non-SOEs outperforming SOEs.
1 Introduction
在本文中，我们从以下三个方面来探讨这一重要问题。首先，我们提供了文献中第一个关于中国国有企业和非国有企业之间相对信贷分配的全面证据。绕过银行贷款和影子银行这两个在中国比较不透明的信贷渠道，我们把注意力集中在新兴的信贷市场上，这个市场到2020年总额将达到4.5万亿美元，仅次于美国。与银行贷款不同，公司债券的市场价格完全由投资者对风险和收益权衡的关注所驱动，因此能够最好地反映公司层面的信用状况。国有企业和非国有企业之间的信贷定价差异，我们称之为国有企业溢价，可以用来量化国有企业在信贷分配中的优势程度。此外，由于信贷分配的流动性，国有企业溢价所捕捉到的来自信贷市场的信息是对中国所有信贷渠道中相对信贷分配的反映。
其次，我们将政府救助纳入He和Xiong（2012）的结构性违约模型，以区分国有企业和非国有企业，并将国有企业溢价直接与政府支持的价值联系起来。在He和Xiong（2012）的流动性驱动违约机制的基础上，我们的模型提供了一个重要的见解，即在整个市场流动性恶化期间，政府救助的存在可以帮助缓解由债务市场流动性不足引发的违约风险，使国有企业债券比其他相同的非国有企业债券更有价值。与我们模型的这一重要预测相一致，我们记录了2018年4月《新条例》出台后立即捕捉到的国有企业溢价的空前爆发。旨在控制中国资产管理公司的影子银行活动，这种政府主导的信贷紧缩无意中引发了信贷市场的流动性危机。虽然国有企业和非国有企业的债券都受到影响，但非国有企业的信用恶化明显比国有企业严重，凸显了我们模型的主要机制。
第三，关于信贷投放的实际影响，我们重点关注2018年4月新规出台后，记录了2018Q2之后非国有企业相对于国有企业的业绩快速持续恶化。在过去的几十年里，中国的非国有企业作为增长的巨大引擎，其表现一直比更有优势的国有企业更有效率。我们的经验证据表明，随着中国的非国有企业开始失去其业绩优势，这一趋势出现了前所未有的逆转。我们进一步将这种业绩恶化归因于2018年第二季度后的信贷恶化，我们表明，在2018年第二季度面临更强的信贷恶化的非国有企业随后表现得更加严重，而国有企业并没有表现出对信贷条件的这种截面敏感性。
估算SOE溢价——我们用国有企业溢价来量化国有企业优先进入信贷市场的程度，国有企业溢价被衡量为非国有企业和国有企业债券之间的信用利差，控制了信用评级和其他债券和发行人的特征。在2018年之前，中国上市公司的国有企业溢价在20个基点的稳定水平上波动，表明国有企业由于被认为是政府的支持而享有适度但不明显的溢价。在2018年4月新条例发布后，我们发现相对于国有企业，非国有企业面临的信用状况迅速恶化。国有企业的溢价在短短一个季度内爆发，从28个基点到2018年第二季度史无前例的98个基点。自2018年11月以来，认识到对私营部门的不利影响，中国政府提供了保证，并制定了支持私营部门的政策，但国有企业溢价或非国有企业折扣进一步恶化，在2019年第三季度达到154个基点的峰值。此后，它回落到100个基点以下，截至2020年第二季度为93个基点。
带有救助和气候冲击的模型——为了理解爆炸性的国有企业溢价，我们建立了一个统一的违约模型，将政府救助、信用风险和非流动性成本这三个因素结合起来。我们的模型建立在He和Xiong（2012）的模型上，其核心是流动性和信用风险之间的互动出现了流动性驱动的违约。债务市场流动性的增加迫使企业在滚动其到期债务时产生更高的损失，导致企业的股权持有人在更高的基本门槛VB上违约。正如He和Xiong（2012）的研究，流动性和信用风险之间的互动突出了短期债务在加剧滚动风险方面的作用，在我们的模型中，滚动风险和政府救助的可能性之间的互动突出了气候债券在缓解流动性驱动的违约方面的作用。
模型隐含的违约测度——在我们的模型下，ln（Vt/VB）是公司当前资产价值Vt与违约边界VB之间的距离，再除以公司的资产波动率σA，就成为标准化的违约距离
最低0.47元/天 解锁文章
119
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
