褚晓凌、刘婷、王守清/清华大学；陆征/哥伦比亚大学；伍迪/中国国际工程咨询公司研究中心

 

内容提要：公私合作项目资产证券化（PPP-ABS）产品利差的合理定价对于PPP项目再融资以及投资人进行投资决策至关重要。本文利用我国2014年1月至2017年6月间公开发行的PPP-ABS产品与基础设施收费收益权资产证券化（ABS）产品的数据，建立多元线性回归模型研究影响PPP-ABS利差定价的关键因素。研究结果表明：证券的信用评级、发行规模、到期期限和发行年份均对利差具有显著性影响；PPP-ABS融资成本逐年显著性降低；基础设施项目的收益风险也会对PPP-ABS产品的利差产生显著性影响。本文根据项目所在行业的风险高低将样本划分为两个子样本分别建立回归模型进一步分析，发现选取的自变量依然都具有显著性影响，但发行规模对“高风险”行业ABS产品的利差与“低风险”行业ABS产品的利差具有相反的显著性影响。

关键词：PPP  基础设施  资产证券化  定价  利差

 

一、引言

近几年来PPP（Public-Private Partnership）模式在我国的大力推广有效促进了基础设施建设，同时减轻了政府财政负担，提高了公共服务的效率。但由于很多基础设施和公共事业项目所具有的“公共物品”或“准公共物品”属性，其产品或服务的价格限制较为严格，社会资本无法在较短时期内收回成本并盈利，导致很多PPP项目难以吸引社会资本投资。另一方面，资产证券化这一结构化融资工具可以盘活固定资产，增强PPP项目对社会资本的吸引力。资产证券化是指以基础资产所产生的现金流为偿付支持，通过结构化等方式进行信用增级，在此基础上发行资产支持证券的业务活动。2016年12月21日，发改委与证监会联合发布《关于推进传统基础设施领域政府和社会资本合作（PPP）项目资产证券化相关工作的通知》（发改投资〔2016〕2698号），为我国PPP项目开展资产证券化业务提供了重要的政策支持。虽然PPP-ABS属于资产证券化产品的子门类，但由于其标的资产为基础设施未来产生的现金流，与债权类资产证券化产品的特征有所不同，因此本文致力于探究影响PPP-ABS产品利差定价的决定因素。

此外，我国从2005年开始发行基础设施收费收益权ABS产品，与PPP-ABS产品十分相似，都是将原始权益人所持有的基础设施收费收益权进行资产证券化，因此本研究将两类产品合并进行研究，并借助于“中国资产证券化分析网”上的公开数据探讨该类型产品的定价问题。本研究可以为未来我国PPP-ABS产品的定价提供借鉴，并为产品交易的各参与方提供决策依据。

二、相关研究现状

目前来看，我国对PPP项目资产证券化的研究，尤其是PPP项目资产证券化定量方面的研究少之又少，对资产证券化的研究也多是分析美国，欧洲等发达地区资产证券化对我国的启示^[1,2]，或是从制度，法律等角度对资产证券化进行定性分析^[3,4]。国际方面，美国自2008年次级贷款引发全球性经济危机之后，资产证券化业务就开始逐年萎缩，且多是以住房贷款，信用卡贷款，汽车贷款等为标的资产，与基础设施无关，近些年来美国的基础设施项目融资一般通过发行市政债券（municipal bond）来完成，因此学术界也很少关注基础设施资产证券化的研究。而欧洲的基础设施项目融资主要借助于担保债券（covered bond），虽然与资产证券化有一定共性，但也存在诸多差别。基于以上研究现状，本文首先对固定收益证券领域的文献进行梳理，识别出可能影响PPP-ABS利差定价的主要因素。

目前国内外对于公司债利差定价的研究已经比较充分，理论研究方面，主流的定价模型分别是结构模型和简约模型。结构模型由Merton在1974年提出，他将债券的违约风险看做公司总资产的欧式看跌期权，在此基础上构建了债券定价的理论框架^[5]，但实证研究表明根据结构模型得出的信用利差往往低于实际值。简约模型由Jarrow和Turnbull在1995年提出，该模型认为市场只能获取部分信息，违约会受到外生性因素的影响，违约强度用泊松过程表示^[6]。

为了提高对利差定价预测的准确程度，许多学者从实证角度对利差定价的关键因素进行了研究。王安兴等分析了公司债利差与无风险利率、利率期限结构斜率、公司杠杆比率、股票收益波动率、换手率、零交易天数比率、信用评级和剩余期限等影响因素之间的相关性^[7]。何平和金梦通过建立真实利息成本（TIC）回归模型，分析了信用评级对债券在一级市场定价的影响，结果显示债券评级和主体评级均对债券的定价有显著性影响，但债券评级的影响大于主体评级^[8]。方红星等分析了产权性质，信息质量对公司债定价的影响，得出结论国有产权可以降低投资者面临的违约风险，从而降低公司债的利差，上市公司自愿披露高信息质量的内部鉴证报告可以传递积极信号，降低投资者面临的信息风险，从而降低公司债的利差^[9]。赵静和方兆本基于信用风险结构化模型，发现无风险利率的期限结构、发债公司历史波动率、宏观行业、金融市场和债券流动性对公司债的利差具有显著性影响，但与发达国家市场相比，公司的资本结构和股票波动率对债券利差的影响不足^[10]。陈超和李镕伊分析了公司债的融资成本和债券契约条款设计之间的关系，研究结果表明公司债的债权人保护条款设计的越好，融资成本越低，公司债的发行规模与融资成本负相关，到期期限与融资成本正相关；有担保的公司债券融资成本更低^[11]。

国际方面，SING、ONG、FAN等使用结构模型与强度模型来估计新加坡ABS债券的信用利差，考虑的输入变量包括资产价格波动率、无风险利率、市场波动率、增信措施、损失回收率^[12]。Faltin-Traeger，Johnson，Mayer，等从票据类型、信托类型、原始评级、主体评级、交易参与方、发起方个数等维度分析了信用质量与资产证券化定价之间的联系^[13]。Landschoot基于结构模型，经过实证检验发现期限结构、市场收益、隐含波动率和流动性风险都会对利差产生显著性影响，但这些影响因素很大程度上取决于债券的特征，低评级的债券会更大程度上受到金融和宏观经济相关的新闻以及流动性风险的影响^[14]。

根据以上研究综述，国内外对于公司债这种基于主体信用进行融资的固定收益类证券的定价已经有了较为详实且完善的研究，而对于基础设施资产证券化这种基于项目未来现金流进行融资的固定收益证券定价的研究则比较匮乏，目前国内还几乎没有结合市场数据对基础设施资产证券化产品进行定价的实证研究。此外，基础设施资产证券化与信贷等其债权资产证券化也有所不同，后者是由许多资产组成的资产池，其现金流服从大数定律，风险可以根据数学公式进行较为准确的评估，而前者是一个独立的项目，风险相对不可控。基于以上研究现状，本文在借鉴公司债利差定价的研究基础上，将通过建立多元回归模型探讨PPP-ABS产品利差定价的决定因素。

三、研究方法

（一）样本选择

本文从“中国资产证券化分析网”中“收费收益权”和“PPP”两个子门类收集了96支产品530条已经进入“存续期”的基础设施收费收益权类ABS产品的证券信息（因为多数产品会发行若干不同到期年限的证券，如1年期，2年期等等），并从中做了进一步筛选，筛选标准如下：

第一，剔除信息不全的6支产品22条证券信息。

第二，剔除个别采用浮动利率进行定价的2支产品2条证券信息。

第三，由于几乎所有产品的信用评级均为AA级及以上，只有两条证券评级分别为A+和A-，为避免过少的样本量引起误差，将这2条证券信息剔除。

第四，由于从2005年开始发行资产证券化产品至2013年总共只有6支产品19条证券信息，由于不同年份的宏观经济条件存在差异，为避免过少的样本量引起误差，将这些产品剔除。

最终选取了82个产品的485条证券信息作为模型的样本数据。本文采用SPSS22.0软件对样本进行数据分析。

（二）变量选择

ABS产品作为固定收益证券的一个子门类，其利率的定价可以认为是无风险利率与利差之和，无风险利率可以认为是国债利率，而利差的大小则反应了该种证券风险的大小，即由于证券风险产生的溢价，故作为本文研究模型的因变量。一般而言，固定收益证券的风险主要包括信用风险，流动性风险和宏观风险^[15]，事实上，公司层面的特征、债券发行特征以及宏观经济变化均会对上述风险造成一定的影响^[16]。

通过前文文献综述对固定收益证券定价因素的梳理，本文认为证券的到期期限，发行规模与信用评级属于其定价的通用性决定因素，信用评级可以刻画信用风险，发行规模和到期期限可以刻画流动性风险，因此应该放入自变量中。本文选择证券发行年份作为刻画宏观风险的变量。此外，考虑到基础设施ABS产品基础资产的特殊性，本文在回归模型中也加入了基础设施项目所在行业这一自变量。

（三）变量定义

1.利差（Spread）

根据前文的分析，ABS产品的利差=ABS产品实际利率-国债实际利率。

根据证券发行价格和票面面额的关系，证券发行分为折价发行、平价发行和溢价发行三种方式。本研究样本中涉及的ABS产品均采用平价发行的方式，即产品的实际利率等于发行的票面利率，无需进行换算；而国债的实际利率则是同期可比的国债到期收益率，数据来自Wind数据库。通过计算两者的差值即可求得因变量利差的值。

2.行业（Industry）

样本中共涉及供热、供电、供水、供气、公路、铁路、港口、污水处理、保障房共九个行业，由于铁路、港口、污水处理、保障房四个行业的产品样本数量过少，若按行业定义变量则可能导致结果产生误差。考虑到其中一些行业具有相似特征，本文将公路、铁路、港口三种行业划分为一类，该类行业共同的特征是均为使用者付费，且需求量相对不太稳定，项目运营期间现金流波动率比较大，故风险相对较大。其他行业划分为一类，该类行业共同的特征是需求相对稳定，且涉及到政府付费或政府补贴，故风险相对较小。当某ABS产品属于前一类行业时，虚拟变量Industry取值为1，否则取值为0。本文假设属于前一类行业ABS产品的利差显著地大于后一类。

3.发行年份（Year_i）

本文主要从微观层面研究PPP-ABS产品的定价，对于宏观变量的选取不作过多探讨，考虑到宏观经济环境会对PPP-ABS产品的定价产生一定影响，故本文以证券发行的年份Year_i作为控制变量。以2014年作为基准，2015, 2016, 2017年分别对应虚拟变量Year_i（i=1,2,3）。本文假设由于宏观经济环境的变化，不同发行年份的利差存在显著性差异。

4.发行规模（Size）

发行量越大的产品具有越强的流动性，风险越小。因此，本文假设发行规模与利差负相关。

5.信用评级（Credit）

信用评级越低表示发行主体的违约风险越大，信用评级与产品能否顺利发行，融资成本的高低直接相关^[8]。本文借鉴通常做法，将信用评级分别赋值：AAA=2，AA+=3，AA=4^[9]。本文假设信用评级对应的数值与利差正相关。

6.到期期限（Maturity）

到期期限越长的产品流动性就越差，风险越大。本文假设到期期限与利差正相关。

（四）模型构建

基于前面的工作，本文建立如下多元线性回归模型以估计PPP-ABS产品的利差。

四、实证研究结果分析

（一）描述性统计

表1-4统计了我国ABS产品的发行规模、到期期限、发行年份与信用评级对利差的影响。从表中可以看出：

第一，从2014年至2017年平均利差在逐年减少。

第二，利差水平会随着信用评级的下降而上升。此外，资产证券化产品的信用评级多数集中在AA+或AAA，风险水平较低。

第三，证券发行规模与利差之间看不出显著的相关性关系，这点与本文的假设可能不一致，后文将通过回归模型进一步探讨该因素对利差定价的影响。

第四，随着到期期限的增加，利差会先增大后减小，多数证券的期限在6年以下。这一点与本文的假设可能不一致，后文将通过回归模型进一步探讨该因素对利差定价的影响。

表1  证券发行年份对利差的影响

 

表2  证券信用评级对利差的影响

 

表3  证券发行规模对利差的影响

 

表4  证券到期期限对利差的影响

 

（二）多元回归分析

本文首先选择全样本进行多元线性回归，结果如表5中模型（1）所示。

根据模型（1）的结果，调整后R方达到53.3%，说明该模型拟合程度较高，具有较好的解释能力。此外，本文所选择的所有变量均是在统计意义上均是显著的。从多重共线性角度考虑，本模型中各变量的方差膨胀因子（VIF）的最大值为3.364，表明不存在严重的多重共线性问题。综合来看，本文所建立的模型可以较好地对PPP-ABS产品进行定价。

从各个自变量来看，回归结果与本文假设相一致，利差与证券发行规模呈负相关关系，与信用评级对应的数值和到期期限呈正相关关系。从统计结果来看，证券的发行规模每增加1亿元，利差降低1.6bp；信用评级从AA到AAA每提高一个等级，利差降低96.4bp；到期期限每增加1个月，利差增加0.6bp。

发行年份方面，由于本文以2014年作为基准年份，根据模型（1）的结果，2015年、2016年、2017年与2014年发行的ABS产品相比，利差分别降低了56bp、122.5bp、152.6bp，说明近几年来随着ABS产品规模的扩大以及运作机制变得更加成熟，市场对该类产品的风险评估更加乐观，这也意味着原始权益人可以以更低的融资成本发行ABS产品，ABS逐渐成为PPP项目较为主流的、受欢迎的融资方式。

此外，在同等情况下，需求量较为不稳定的公路、铁路等“高风险”行业的ABS产品要比其他“低风险”行业的ABS产品利差高29.1bp，说明PPP项目层面的收益风险会在PPP-ABS产品的定价层面上反映出来。

表5  多元线性回归结果

模型编号		(1)		（2）			（3）
自变量名		系数	T-test值	系数	T-test值		系数	T-test值
常量	1.073		4.824***	-1.271		-2.279*	1.063	3.498***
Size	-0.016		-3.281**	0.021		2.395*	-0.022	-0.002***
Year1	-0.560		-4.804***	-0.631		-5.354***	-0.538	-2.635***
Year2	-1.225		-9.815***	-2.552		-11.838***	-1.164	-3.948***
Year3	-1.526		-9.263***	-3.255		-7.729***	-1.339	-3.984***
Industry	0.291		2.719**	--		--	--	--
Credit	0.964		15.318***	1.887		10.275***	0.933	7.206***
Maturity	0.006		4.597***	0.005		2.354*	0.009	-3.033***
Adj. R2	0.533			0.880			0.529
F-test值	79.986***			69.332***			81.072***
样本量	485			57			428

注：***、**、*分别表示变量在0.001、0.01和0.05水平上显著。

（三）对基础设施项目所属行业的进一步讨论

根据模型（1）结果，PPP项目所属行业会对ABS产品的利差产生显著性影响，本文分别对“高风险”行业和“低风险”行业两个子样本建立回归模型，结果如表5中模型（2）、模型（3）所示。

根据模型（2）结果，本文选取的所有自变量均会对“高风险”行业ABS产品利差的定价产生显著性影响，但利差与发行规模呈显著正相关关系，说明对于“高风险”行业的ABS产品而言，市场认为较大的发行规模会导致更高的风险水平。如果从机会主义行为理论来解释，信息不对称会引发“逆向选择”与“道德风险”，ABS产品的原始权益人对项目状况更加了解，如果认为项目存在较大收益风险，则会发行较大规模的证券以变相的持有一份该项目的“看跌期权”，即当项目收益较差时可以通过违约减少自己的损失。此外，该模型的调整R方达到88%，说明本模型的解释能力很好。

根据模型（3）的结果，“低风险”行业样本与全样本自变量的正负符号一致，均对利差有显著性影响。

从统计结果来看，“高风险”行业与“低风险”行业相比从2014年到2017年利差的平均水平下降更多，且信用评级对利差的影响更为显著，因此对于“高风险”行业而言，较高的信用评级对于降低融资成本效果显著。

此外，以上两模型的VIF值均小于5，因此均不存在多重共线性的问题。

综合来看，由于较多数量的“低风险”行业样本掩盖了较少数量的“高风险”行业样本，导致总样本呈现出与“低风险”行业样本较为接近的回归结果，但发行规模对不同行业ABS产品的利差具有相反的显著性影响。因此在对PPP-ABS利差定价时应根据行业的不同分别采用模型（2）与模型（3）。

五、结语

本文以2014年至2017年6月我国发行的PPP-ABS产品与基础设施收费收益权ABS产品为样本，通过建立多元线性回归模型研究影响PPP-ABS利差定价的关键因素，结果表明：本文所选取的变量发行规模、到期期限、信用评级、发行年份和所属行业均会对因变量利差产生显著性影响。近些年来随着ABS市场规模的扩大，其融资成本也在逐年降低。此外，发行规模对“高风险”行业ABS产品的利差与“低风险”行业ABS产品的利差具有相反的显著性影响。

根据本文研究成果，对于投资人而言，应根据PPP-ABS产品所属的不同行业采用不同的模型对利差进行定价。对于原始权益人而言，若想降低ABS产品的融资成本，除了传统的增信等措施，还可以根据项目所属的行业调整发行的规模。“低风险”行业的项目可以适当增加发行规模，以增加产品的流动性，降低风险溢价。在未来现金流一定的情况下，“高风险”行业的项目可以适当减少发行规模以向市场传递“不会违约”的信号，以降低风险溢价。

综上所述，本文为PPP-ABS产品的定价提供了一种方法，可以有效地帮助原始权益人衡量PPP项目进行资产证券化的融资成本以及帮助投资人进行投资决策。未来的研究可以基于更大的PPP-ABS产品样本进行分析，或者结合PPP项目的特点，研究如资本结构、治理结构等因素对PPP-ABS产品利差定价的影响。

 

参考文献：

〔1〕邹晓梅, 张明, 高蓓. 美国资产证券化的实践:起因、类型、问题与启示[J]. 国际金融研究, 2014, 332(12):15-24.

〔2〕邹晓梅, 张明, 高蓓. 欧洲的资产证券化:发展历程、特色产品及其对中国的启示[J]. 上海金融, 2015(1):79-84.

〔3〕尹龙. 资产证券化:动力、约束与制度安排[J]. 金融研究, 1999(2):58-63.

〔4〕李尚公, 沈春晖. 资产证券化的法律问题分析[J]. 法学研究, 2000(4):19-30.

〔5〕Merton R C. On the Pricing of Corporate Debt: the Risk Structure of Interest Rates[J]. The Journal of Finance, 1974, 29(2):449-470.

〔6〕Jarrow R A, Turnbull S M. Pricing Derivatives on Financial Securities Subject to Credit Risk[J]. The Journal of Finance, 1995, 50(1):53-85.

〔7〕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, 15(5): 32-41.

〔8〕何平, 金梦. 信用评级在中国债券市场的影响力[J]. 金融研究, 2010(4): 15-28.

〔9〕方红星, 施继坤, 张广宝. 产权性质、信息质量与公司债定价——来自中国资本市场的经验证据[J]. 金融研究, 2013(4): 170-182.

〔10〕赵静, 方兆本. 中国公司债信用利差决定因素——基于结构化理论的实证研究[J]. 经济管理, 2011(11): 138-148.

〔11〕陈超, 李镕伊. 债券融资成本与债券契约条款设计[J]. 金融研究, 2014(1): 44-57.

〔12〕TIEN FOO SING, SEOW ENG ONG, GANGZHI FAN, et al. Pricing Credit Risk of Asset-Backed Securitization Bonds in Singapore[J]. International Journal of Theoretical & Applied Finance, 2005, 08(3):321-338.

〔13〕Faltin-Traeger O, Johnson K W, Mayer C. Issuer Credit Quality and the Price of Asset Backed Securities[J]. American Economic Review, 2010, 100(100):501-505.

〔14〕Van Landschoot A. Determinants of Euro Term Structure of Credit Spreads [J]. Ssrn Electronic Journal, 2004, 132(12): 1303-1315.

〔15〕Fabozzi F J, Modigliani F, Jones F J. Capital Markets : Institutions and Instruments[M]. 中国人民大学出版社, 2010.

〔16〕Boubakri N, Ghouma H. Control/ownership structure, creditor rights protection, and the cost of debt financing: International evidence[J]. Journal of Banking & Finance, 2010, 34(10): 2481-2499.