六个多月之前，以中国信用债市场为对象，以中资美元债巿场为参照，在尽可能详尽控制各种影响因素的情况下，我们试图理解中国信用溢价的决定过程及其动态演化。回归结果清楚地显示了所有制溢价的变动，以及其与去杠杆等外在冲击因素的交互作用，估计了城投债的隐性担保的影响程度，刻画了南北不同区域地方政府财力差异及信用文化不同所产生的影响。近段时间以来，各方面对城投债的信用风险的讨论日趋增多，扩大财政刺激对信用市场影响的分析也广受关注，鉴于此背景，我们公开推送这一报告，以期成为引玉之砖。

内容提要

通过对百万条债券估值数据的回归，和常识一致，评级、企业规模、流动性和行业景气度对信用利差影响显著，通过控制行业、评级、到期期限、企业规模、行业景气度、流动性、到期期限等因素，发现国内债券市场的所有制和地域定价差异存在已久，并且在2018年去杠杆、2020年永煤事件、2021年恒大事件这三个节点后，差异程度不断加深。

差异程度加深的背后是违约率的上升，风险事件后，市场会调整因子的风险溢价。综合考虑利差和违约情况，市场对评级因子的定价处于均衡状态，因此在不断吸收新风险事件带来的变化；而所有制和区域因子的利差始终难以补偿违约的损失，风险事件后，差异程度上升是非常自然的结果。

近年以来民营企业违约率上升与经营理念和宏观环境变化关系不大，可能与困境中融资可得性更低有关。从长期来看，随着企业的出清和制度完善，违约率下降和回收率的上升或将出现，所有制和区域定价差异或将弱化。

风险提示：（1）历史规律失效；（2）隐性债务风险超预期

一、方法介绍

我们通常使用信用利差的中位数来表征信用环境，既可以看整体变化，也可以观察不同企业性质、区域、行业和评级等结构变化。这种方法优点是相对简单和及时，但缺点在于无法控制不同因素的相互关联，因此也难以精确地把握某个因素单一的影响。

比如某个民企占比高的行业景气度下降，导致该行业信用利差上升，将推动民企信用利差中位数的上升，但是这仅是行业景气度的影响，与企业性质关联不大。此外，单一维度的比较也难以衡量市场定价情况，行业景气度、企业性质等对企业盈利、经营、融资等方面都可能存在影响，信用利差也难以表征某一因素的影响。

为了全方位考察各种因素对债券信用利差的影响，我们考虑了行业、评级、区域、企业性质、到期期限、企业规模、行业景气度、流动性等因素，并将 2018年的去杠杆、2020年的永煤事件、2021年的恒大违约作为三个重大信用风险事件冲击，使用OLS回归的方法，分析不同因素和事件对信用利差的影响情况以及信用风险事件影响在企业性质、地区、评级等层面的异质性，详细信息见附录一。

二、国内信用债回归分析

总体来看，行业、评级、区域、企业性质、到期期限、企业规模、行业景气度、流动性等与信用利差均有显著的相关性，1%和1‰缩尾处理处理后的结果总体上比较接近，表明结果比较稳健。

和常识一致，更宽松的流动性、更大的企业规模、更好的行业景气度、属于城投债均对信用利差有显著的降低作用。回归详细列表见附录三。

除此之外，我们还有以下三点直接结论：

1、在控制了行业、评级、到期期限、企业规模、行业景气度、流动性等各种因素后，在去杠杆之前，区域和企业性质对融资成本有显著影响，债券市场早已存在所有制歧视和区域歧视现象。

在2018年前，控制了各种因素后，相比北方企业，同等条件的南方企业的信用利差低19.2个BP；相比央企，同等条件的民营企业信用利差要高110.5个BP，地方国企要高31个BP。

如果对比同期市场评级对信用利差的影响，就可以看出所有制歧视和区域歧视十分严重。在同一时期，AA+评级的利差比AAA评级高38.4个BP，而AA评级的利差仅比AAA评级高71.3个BP。

在2018年前，从债券估值的角度来看，企业性质和区域因素对信用利差的影响要远远高于市场评级因素。而且随着时间的推移，歧视的现象是在加强而非减弱，债券市场的信用环境分化加剧。

去杠杆后至今，在其他条件完全相同的情况下，民营企业的信用利差累计要比央企平均高144.3个BP，北方企业的信用利差累计要比南方企业平均高76.3个BP，这些足以抵消评级、企业规模、行业景气度、到期期限等因素的影响。

分阶段来看，去杠杆后到永煤事件发生之前，相比央企，民营企业的信用利差抬升了81.8个BP，地方国企抬升了11.6个BP，显示去杠杆对民营企业的压力更大；相比于南方企业，北方企业的信用利差上升了20.6个BP。

去杠杆在2018年主要体现为影子银行融资的急速收缩，而民营企业由于银行的信贷供应受限，融资更加依赖影子银行渠道。这一融资渠道的快速收缩对企业的现金流产生较大压力，也使得民营企业在2018年开始大规模违约。民营企业的利差上升也是其违约率上升的体现。尽管融资渠道的收缩是一次性的，但是利差的影响是长久的，民营企业的信用利差持续走高，这在后面的永煤事件同样明显。

永煤事件则不同，地方国企违约后，信用利差受影响更大的是民营企业。在永煤事件到恒大违约前这段时间内，相比央企，地方国企信用利差上升了25.1个BP，但民营企业上行幅度却远超地方国企，达到40.1个BP，说明投资者的所有制歧视仍在加强。北方企业的信用利差比南方上升了45.4个BP，说明永煤事件对不同区域的冲击大于对不同企业性质的冲击，这可能是由于在永煤事件中北方企业违约与市场区域歧视叠加，两因素同方向拉升北方信用利差。

恒大违约后，民企和南方企业的信用利差相比国企和北方继续拉大。相比央企，民企信用利差上升了22.4个BP；相比南方，北方信用利差上升了10.3个BP。

从上述三个信用事件影响的异质性可以看出，不管信用风险冲击来源于国企还是民企、南方还是北方，民企和北方企业的信用利差都会相对走扩。

针对上述现象的一种可能的解释：市场将信用风险冲击视为一个整体风险加大的信号，由此认为未来信用市场中最脆弱的部门的压力将加大。按照这一逻辑，每一次信用风险事件发生后，都是此前更脆弱的民营企业、北方企业和评级更低的企业受到的冲击更大。由此看来，相比于关注信用风险背后的特殊原因，发掘新的定价因子，市场更倾向于将对旧有因子重新定价。

2、信用风险冲击对信用评级作用凸显，市场对风险重新定价

一直以来，很多研究都表明在我国债券市场上，信用评级对发债成本影响不大，一方面可能是因为我国金融市场不完善、评级公信力不高，另一方面可能是因为在刚兑信念下投资者对信用评级的关注度不够。而三个重要的信用事件冲击改变了市场参与者此前的定价假设，加强对信用评级的关注。

以去杠杆为例，去杠杆前不同评级间的利差和其他影响因素相比并不高，原因可能是整体债券违约率非常低，市场基本处于刚兑状态。2018年开始，信用债违约率陡升。同时，评级利差显著上升，相比于AAA评级，AA上升71.4个BP，AA+上升35.4个BP。这反应了打破刚兑后，市场对违约风险重新定价。

而永煤冲击则不同，从回归结果来看，相比于AAA评级， AA+评级的信用利差并未显著变化，甚至在1‰水平的样本缩尾处理下相对略微下降。这可能是因为，违约前永煤仍是AAA评级，因此在其违约后市场意识到部分AAA评级的债券的风险被低估，修正了此前的观点。

恒大违约也是同理，由于违约前的恒大是AAA评级，因此违约后市场对AA+评级的信用风险评估并未显著上升，只是对信用等级更低的AA级企业升高了风险溢价。

3、恒大违约后，新发债对民企的质量要求和民企的发债门槛显著提高，融资约束增强

回归除了能告诉我们价格上的信息，还能告诉我们数量和结构上的变化。之前我们提到，在选取回归样本的时候，以恒大违约的标志性事件（2021年7月19日）之前市场发行的信用债作为研究对象，考虑其在14年初到21年末的信用利差变化。

这是出于对减少样本结构偏误的考虑：我们假设，恒大违约发生后，民企信用债受到的冲击不仅反映在信用利差的变化上，还反映在发行门槛的提高上，即恒大违约后新发行的民企债券比例和数量显著减少，且能发出来的都是较为优质的债券，因此民企新发债的信用利差中枢降低。在回归方程中，每一支债券存在个体固定效应（不随时间而随个体变化的特征，如优质程度不同的债券的信用利差中枢不同），且整个债券市场存在时间固定效应（不随个体而随时间变化的特征，如恒大违约后的时间里新发民企信用债的整体信用利差中枢下降），而由于在之前回归中难以控制这两种固定效应，因此在样本的选取时就需要格外注意，防止将恒大违约后的新发行信用债纳入样本后产生样本选择偏误，从而影响回归系数的无偏性。

事实上，如果我们将恒大违约后的新发债（剔除缺失值后共1599支国内信用债，14417个样本）也添加到回归样本当中，并和之前的回归结果对比，如附录四所示，便会发现在恒大违约后民企信用利差变化反而不显著了。在这样一种民企信用风险事件的冲击下，这是有悖常理的，这恰好验证了我们刚才的假设：恒大违约后新发行的民企债券比例和数量显著减少，且能发出来的都是较为优质的债券，因此新发债的信用利差中枢降低，进而拉低了民企存续信用债的整体利差，从而在表面上造成恒大违约后民企整体信用利差未发生显著变化的假象。

和价格数据显示的情况一致，在发行数量上，我们同样发现民营企业发行债券金额出现了显著的负增长。发行数量减少和信用利差下降的本质原因是债券发行口径出现了调整，此前高收益的民营房企债券可能永久性退出了市场。

三、中资美元债回归分析

为了与国内信用债市场形成对比和交叉验证，我们对中资美元债的估值数据进行分析。由于中资美元债的估值数据历史较短，2018年之前的发行和存续的中资美元债数量较少，因此选取2018年1月1日-2021年12月31日存续的信用债，

由于数据的缺失，中资美元债的回归没有在企业规模、区域和评级上进行控制，得到的结果仅有一定的参考意义。但结合国内信用债的回归结果来看，我们依然能获得有价值的信息。回归方程和详细结果见附录五。

结果显示，行业景气度和流动性的松紧对中资美元债信用利差影响十分显著。

中资美元债回归结果和国内信用债相同的地方在于，永煤事件爆发之前，中资美元债市场也给予民营企业高于国企的风险利差，并且在恒大违约后民企的信用利差相比于国企上升幅度非常大，说明美元债市场对来自民企的信用风险冲击的反应比国内更加剧烈。

不同的地方在于：永煤事件发生后，中资美元债市场并未像国内信用债市场那样更加歧视民企，而是较为理性地缩小民企和国企之间的信用利差。

永煤事件后到恒大违约前，中资美元债市场上央企、地方国企和民企三者的风险利差总体上呈现收敛趋势，原先信用利差最大的民企收敛得最明显，其次是地方国企。而当恒大违约发生后，三者的风险利差又恢复走扩，且原先信用利差最大的民企走扩得最明显。

这种前后反差的原因可能是，相比于国内市场将信用风险看作整体信号，中资美元债市场定价反应更快，幅度更剧烈，对市场新变化吸收的更为彻底。 

四、分析与展望

综合国内信用债和中资美元债的研究结果，可以认为国内市场更加倾向将每一次信用冲击视为一个整体事件，进一步抬升原本信用不佳的部门的信用利差。二级市场的估值会传导至一级市场，进而影响发行量。

2018年初是民营企业信用债发行占比最高的时间点，此后随着去杠杆从18.5%的高位下降至10%的位置，永煤事件发生后下降约2个百分点，恒大事件爆发后至2021年底下降至5%，甚至低于2014年的水平。

用分省新增社融中企业债分项作为指标，可以看出南方和北方的分化早已发生，但在永煤事件前南北分化的速度相对缓和，永煤事件后分化大幅加速，至2021年3季度才边际出现缓和。

合并价格和数量，我们可以认为所有制歧视和区域歧视程度已经较为严重，部分主体已经接近退出信用债市场。

那么为什么在债券这样一个市场化的机制下，还能出现严重的歧视现象？

一个可能的解释是成本收益比：2018年后，民营企业的违约率在8%的中枢波动，而地方国企和央企基本不超过0.5%。考虑到国内债券违约后回收率偏低，根据安信证券固收组的统计，整体回收率仅为11.2%，国有企业略高一些，也不到20%。而民营企业和央企的利差在去杠杆前、永煤事件前、恒大冲击前和冲击后分别为111、191、232和254个BP，民企和地方国企的利差分别为80、150、165和188个BP。直接使用违约率和回收率的去计算债券的回报，并且和所有制的利差乘以期限进行比较一定引入了偏误，因为前者没有控制行业、企业规模等变量。但考虑到违约企业样本数量较少，细分行业再处理会放大偶然因素的影响，采用这一简单的方法得到结论仍有一定参考价值。

2017年以来到期债券的余额加权期限中枢在2.6年附近，总体相对稳定。尽管 到期年限对信用利差影响显著，但由于系数较低，和直接使用所有制信用利差乘以加权到期期限得到的收益率差异不大。

事后来看，仅考虑违约率和回收率，在2018-2021年期间投资民营企业债券相比投资国企债券有7个百分点左右的负收益。

而考虑到利差和持有期限，在去杠杆前，利差带来的回报为2-3个百分点，去杠杆后，达到4-5个百分点，恒大冲击后达到6个百分点左右。

可以认为，去杠杆前，市场显著低估了民企的违约风险，后续的民企利差上升是一种风险补偿的修正。尽管如此，这一修正也不能说完全抵消了信用风险。尽管投资者可以通过择券来降低违约风险，但这种投资成本收益比为负，考虑到研究的机会成本，歧视现象的发生较为合理。

同样的机制也能部分解释南方企业与北方企业的分化。尽管南方企业的债券发行和到期规模都显著大于北方，但是其违约金额小于北方。区域歧视产生的信用利差可能也难以弥补违约率差异产生的损失。

而不同于所有制和区域歧视在不断加剧，评级方面的歧视没有一刀切的现象。永煤事件后，AA+与AAA的利差变化不大，恒大冲击也是类似的情况。

其中一个重要原因是不同于企业性质和区域是固定的，评级是不断调整的，如果使用债券在违约时的评级，AA及以上评级的债券违约率都比较低，恒大冲击后AA和AAA的利差达到1.7个百分点，评级利差足以覆盖违约率的损失。如果使用发行口径，评级利差远远不能弥补违约风险。

实际的情况应该在两者之间，评级变更前后债券价格往往发生较大变化。考虑到信用债成交不活跃，评级变更后需要大幅折价卖出，但在评级变化前还有卖出的时间。因此，持有AA和AA+评级的信用溢价可能和违约风险相当，从而使得评级利差在面临信用冲击时，评级因子是吸收新的信息重新定价，而非加码脆弱的部分。

对比所有制、区域和评级歧视的变化来看，我们认为国内市场面对风险事件的反应相对合理的，均将定价向更均衡的方向推进。所有制和区域这两个因子的定价偏离均衡较远，新的变化对均衡位置的改变小于当前的偏离程度，所以每次风险事件后定价都是向均衡移动，而非吸收新的变化；而评级因子可能大致处于市场均衡附近，所以每次风险事件后定价反应了新的变化。而海外中资美元债市场反应更加剧烈，调整一次到位。

合并不同类型价格、发行量和违约情况综合来看，一个更全面的图景如下：前期部分主体以低于风险溢价的利率成功融资，市场在很长时间内都低估了真实风险。随着违约事件的不断爆发，市场逐步吸收风险，对各种风险因子重新定价，在评级方面表现为及时的调整，在所有制和区域方面表现为歧视程度不断加深。

市场低估风险的重大因素一方面是违约率高于预期，另一大因素是回收率偏低，以穆迪2020年公开报告为例，其所有评级债券违约后一年的回收率为37.92%，显著高于国内市场。如果国内债券市场的违约回收率看齐国际水平，相比投资央企，投资民营企业的收益率损失会下降接近2个百分点。

2018年后，随着违约的发生，市场不断修正对于风险的判断，区域歧视和所有制歧视不断加剧。恒大事件后，所有制歧视的利差溢价大致可以补偿违约风险带来的损失，市场逐步进入平衡状态。

如果中短期内再次爆发影响较大的信用风险事件，违约债券回收率仍然处于低位，市场的利差变化或将取决于信用风险的种类和性质，所有制歧视的利差溢价会沿着新方向演化。像永煤事件那样，加码脆弱部门的现象可能不再发生。

放眼更长的时间，高风险企业在债券市场融资难度已经显著上升，未来企业的违约率或将在某一时刻出现下行，如果未来债券违约的回收率出现提升，当下的民企利差在覆盖违约风险或许还有盈余。

以上的分析和展望是基于利差和违约情况的数据，但是对产生这样数据的机制并未进行讨论。

首先在违约方面，为什么在债券市场从2018年后民营企业的违约率要显著高？

一个理由是民营企业经营理念相对更加激进，国有企业更加保守。而近几年随着经济增长减速、融资环境发生变化，此前激进的风格为民企带来了更强的增长，而近期则导致民营企业可能面临更多的出清。

我们使用股票市场的数据，来验证这一点。我们使用申万二级行业分类，将当年营收在细分行业内前25%的企业定义为头部，后25%的定义为尾部，其余部分定义为中部。定义某个行业头部企业留存率为上一年的头部企业在下一年仍然是头部的概率，然后再计算行业的平均值得到整体情况。由于不断有新企业上市，每一年动态调节样本池，比较上一年有财报的企业在下一年的表现。将企业分为民营企业和非民营企业，用留存率作为代理指标，从结果上观察不同性质企业是否存在不同的经营表现。

从尾部企业留存率来看，除了2011-2014年这段时间，大部分时间内尾部的民营企业更难离开尾部，这意味着弱势的民企在竞争格局中改善的希望更低。但这一裂口在2015年后也没有进一步扩大，弱势民营企业的环境没有恶化。

从中部企业留存率来看，民企和非民企留存率相对接近。

从头部企业留存率来看，2014年后民营企业和非民营企业表现接近，民企从掉出头部的概率并不显著得高。

对于没有层级发生跃迁的企业，头部是向下掉，尾部企业向上升，方向是确定的。对于中部企业，存在向上进入头部和向下进入尾部两种可能。2010年后，中部民营企业向下掉落的可能性显著更高，表明竞争力偏弱，但这一趋势保持稳定多年，难以解释2018年后民营企业违约率显著上升的事实。中部的非民企向上和向下的概率接近。

总体来看，权益市场的财务数据显示民营企业竞争能力在2010年后相对稳定，总体处于中性状态，经营理念难以构成对民企违约率更高的解释。

另一个理由是国有企业拥有更多的金融支持。从规上工业企业的资产负债情况来看，随着约束地方政府和国有企业杠杆政策的推进，2018年开始，在工业企业领域，信贷资源边际上更多的流向非国有部门。规上国有工业企业的负债占比持续回落，非国有企业的负债和资产均扩张得更快，信贷市场边际上已经出现配置的调整和改善。在国有业杠杆率下降的同时，非国有企业杠杆率维持稳定。

那么如何理解信用债市场和整体融资市场的分化？

第一个层面是地方政府的支持。

“官场+市场”双重竞争机制能较为有效地把握地方政府行为模式。在竞争的驱动下，地区层面政商之间形成了“政绩—业绩”交换互惠的纽带。官员关心的政绩（GDP、税收）需要辖区企业创造，而企业关心的经营业绩也依赖地方政府的赋能和助力，政府政绩与企业业绩由此结成了相互依赖、互惠交换的利益纽带。在这样的格局下，地方政府同样会支持高附加值、高成长的民营和外资企业。[1]

差异在于，出于风险和道德的考量，地方政府对民营企业是“救急不救穷”，支持力度相对有限；对国有企业是“救急且救穷”，存在兜底的可能。[2]市场已经形成了地方政府对国有企业公募债券担保的一致预期，永煤事件对河南省社融的巨大冲击也表明打破这一预期对地方融资的巨大损害，加剧了地方政府提供担保的压力。

由于地方政府对优秀企业的支持是不分所有制的，叠加国有企业整体受杠杆率约束，因此民营企业在总量上债务增速超过国企也不难理解。但在边际上，对于困难企业，相比国企，地方政府救助民营企业的责任和压力要小得多，民营企业在债券市场的违约率要显著高于国企。

第二个层面是债权人利益保护程度。

当企业面临违约风险时，银行贷款的回收率要显著高得多。目前市场普遍把不良贷款损失率估计为50%，而从部分披露资本充足率报告的银行来看[3]，在其内部评级法中，对公贷款损失率中枢约为45%，显著低于债券违约后的损失率，如果违约债券回收率达到这一程度，违约损失将大幅减少。

此外，当下高收益债市场尚不健全，债券投资者处理违约债券的机会成本要远大于银行面对不良贷款，也推升了利差上行幅度。

而永煤事件及其后续发展则凸显了这两个机制的相互关联。由于债权人利益保护程度有限，隐性担保极其重要，如果这一担保被打破，市场反应非常剧烈。那些没有担保的企业则需要承担更高的信用利差，这也使得这部分企业逐渐退出债券市场。

往后看，随着制度健全，债务违约后损失率或将下降，同时伴随债券市场的出清，剩余企业的违约率回落，所有制利差有望收敛。此后，更多优质的企业能够不再承担额外的信用利差，或将重返债券市场进行融资。

[1] 周黎安. 地区增长联盟与中国特色的政商关系[J]. 社会, 2021, 41(6):40.

[2] 周黎安. 地区增长联盟与中国特色的政商关系[J]. 社会, 2021, 41(6):40.

[3] 参考中国银行、工商银行、农业银行、建设银行、交通银行等历年《资本充足率报告》中违约损失率（LGD）数值

附录一 回归数据说明

对于国内信用债，研究对象为2014年1月1日-2021年12月31日时间段内新发或存续信用债，采用周频数据，剔除数据不全的债券后，总计22768支信用债，2530993个样本。对于中资美元债，研究对象为2018年1月1日-2021年12月31日时间段内新发或存续信用债，采用周频数据，剔除数据不全的债券后，总计2756支中资美元信用债，196582个样本。考虑到恒大违约后民企发债的难度显著增大，因此样本没有包含恒大违约后的新发信用债，以免由于样本结构偏误造成回归结果有偏。

由于国内信用债样本中的信用利差方差较大，为防止极值对回归结果的影响，我们采用缩尾处理（Winsorize）方法，按照周频将信用利差变量中小于1%的数值替换为其1百分位数值、大于99%的数值替换为其99百分位数值；为了增强稳健性，我们用同样的方法进行1‰水平的缩尾处理。对于中资美元债样本，我们则分别进行3%和1%水平的缩尾处理，阈值设置较国内信用债稍大，原因是中资美元债数据方差更大且解释变量较少，具体解释见下文。

为避免组内相关性和组间异方差影响估计系数的无偏性和有效性，我们用聚类稳健标准误替代一般标准误。

附录二 回归方程说明

国内信用债回归公式如下：

Y=β0+β1Type+β2Location+β3Industry+β4Rating+β5Liquid+β6Yield+β7Term+β8Net_asset+β9Total_asset+β10ROE+β11CT+β12HD+β13QGG+β14YM+β15Type*HD+β16Location*HD+β17Rating*HD+β18Term*HD+β19Type*YM+β20Location*YM+β21Rating*YM+β22Term*YM+β23Type*QGG+β24Location*QGG+β25Rating*QGG+β26Term* QGG+ε

（回归样本个体为某一支债券i在时间t上的各变量情况。为了简洁，此处省略了变量下标“_it”）

回归公式的各变量含义如下：

Y代表信用利差，用估值收益率减去同期限国开债利率得到，债券估值收益率采用中债估值的周频数据，因此下述各解释变量中月频和季频数据均拆分至周频。

Type代表企业性质，采用Wind的企业性质和实控人属性，将企业分为中央国企、地方国企和民营企业三类，中央国企作为基准组，分别考察地方国企和民企相对于央企的影响。

Location为虚拟变量，代表企业注册地是否为南方，南方为1，北方为0 。在省份划分方面，南方为江苏、浙江、安徽、福建、江西、湖北、湖南、广东、广西，北方为甘肃、河北、河南、黑龙江、吉林、辽宁、内蒙、宁夏、青海、山东、山西、陕西、四川、天津、云南、贵州、新疆、重庆。这一划分有两点值得说明的地方，一是没有包含注册地在北京和上海的企业，因为这些企业大多是全国性企业，信用利差不具有代表性；二是这里的南北划分不纯粹是地理划分，而是治理模式和债务率的划分，是对“投资不过南宋版图”的一种验证，因此地理上处于南方的云南、四川、重庆和贵州都被定义为北方。

Industry代表行业，使用申万一级行业分类。由于行业分类较多导致生成的虚拟变量较多，且作为控制变量而非主要研究对象，因此在下面的回归表格中没有展示其回归系数。

Rating代表评级，样本仅考虑AAA、AA+和AA三种评级的信用债。以AAA评级作为基准组，分别考察AA+和AA级相对于AAA级的影响。

Liquid代表广义流动性，使用社融余额同比增速作为代理指标。

Yield代表狭义流动性，采用月度平滑后的DR007作为代理指标。

Term代表到期年限，为到期日、回售日和赎回日中的最小值减去当天日期。

Net_asset代表净资产，Total_asset代表总资产，作为衡量企业规模的代理指标，单位为千亿。

ROE代表股市中申万一级行业的ROE，作为行业景气度的代理指标。考虑到企业ROE偏低时对债务偿还有显著影响，当行业景气度高到某一水平后，企业很难出现风险，ROE继续增长对债务偿还影响不大，因此对ROE进行对数处理，降低了ROE高值部分的影响。又考虑到负值的影响，因此对于i行业在t时刻，使用ln（ROEit+Min(ROE)+1）作为行业景气度的衡量指标。

CT为虚拟变量，代表是否是城投债，是为1，不是为0。

HD为虚拟变量，代表恒大违约标志性事件（2021年7月19日）是否发生，发生后为1，否则为0 。

YM为虚拟变量，代表永煤事件（2020年11月10日）是否发生，发生后为1，否则为0。

QGG为虚拟变量，代表去杠杆（2018年3月15日）是否发生，发生后为1，否则为0 。

*代表交互项，衡量了恒大违约、永煤事件、去杠杆三个信用风险事件对不同企业性质、区域、到期期限和评级的债券信用利差的影响异质性。

附录三 国内信用利差面板回归结果（1）

附录四 国内信用利差面板回归结果（2）

附录五 中资美元债回归方程和回归结果列表。

样本为周度数据，总计2542支中资美元信用债，192430个样本。

回归方程如下：

Y=β0+β1Type+β2Industry+β3Term+β4Yield+β5Liquid+β6Type*YM+β7Term*YM+β8Type*HD+β9Term*HD+β10YM+β11HD+β9ROE+ε

（回归样本个体为某一债券i在时间t上的各变量情况。为了简洁，此处省略了变量下标“_it”）

回归方程各变量的具体含义如下：

因变量Y为每支债券的中债估值信用利差，用中债估值收益率减去同期

限美国国债收益率得到。

Type为企业性质，分为央企、地方国企和民企，以央企为参照组，分别考

察地方国企和民企的影响。

Industry为虚拟变量，代表行业分类，由于分类较多，其回归系数在表格中未展示。

Term为债券到期年限。

Yield为月度平滑后的TED spread，代表狭义流动性。

Liquid为BIS统计的Global liquidity indicators中国非银部门的美元融资额（类似中国的社融概念），代表广义流动性。

HD为虚拟变量，代表恒大违约是否发生，以未发生为参照组。

YM为虚拟变量，代表永煤事件是否发生，以未发生为参照组。

ROE为不同行业的净资产收益率（取对数），代表行业景气度。

*代表交互项，衡量了永煤事件和恒大违约两个信用风险事件对不同企业性质和到期年限的债券信用利差影响的异质性。

由于大量的美元债的企业在北京上海，去掉这部分企业后样本数量大幅减少，因此没有考虑区域的影响。而企业规模、评级等数据披露的偏少，因此也没有考虑。

由于去杠杆之前的美元债样本数据较少，所以这里暂不考察去杠杆的影响。

由于企业境外发行债券主体名称较为复杂，已有数据对应的企业性质和行业分类存在较多缺失值或分类错误的情况，因此我们综合查询到的债券发行公告、企业股权构成、实际经营业务、债券担保主体等情况，对这两个变量进行重新判断和数据完善。

由于美元债数据极端值较多，且控制变量减少导致回归拟合度下降，因此分别采用3%、1%水平下的缩尾处理（Winsorize）方法来增加回归方程的解释力。回归结果如表3所示：