在“一带一路”倡议和“走出去”战略深化发展的大背景下,我国跨境投资规模增长迅速,目前中国已成为名副其实的海外投资大国。《2022年度中国对外直接投资统计公报》数据显示,我国海外投资持续稳步有序发展。2022年,中国对外直接投资1 631.2亿美元,占全球总额的10.9%。然而,近年来经济不确定性持续上升,以中美贸易摩擦为代表的一系列重大事件加剧了汇率波动,在此情况下,很多中国海外投资企业开始使用外汇远期、期权、NDF等外汇衍生品来对冲汇率风险。实际上,就全球范围而言,跨国公司普遍使用外汇衍生品来对冲汇率、利率和商品价格等方面风险。随着中国企业在海外业务上的“开疆拓土”,汇率风险日益成为企业必须面对的重要议题,它们积极进入衍生品市场进行风险对冲,极大地推动了我国外汇衍生品市场的发展。据国家外汇管理局统计,2015年我国外汇衍生品交易额为9.5万亿美元,但截至2021年年底,外汇衍生品交易总额已高达22.7万亿美元。尽管企业可通过外汇远期、掉期和货币互换等多种方式降低汇率风险,但由于衍生品监管体系不完备、衍生品创新较快、企业风控体系不健全、外汇投机盛行等问题,不少企业仍然在遭受较大的汇兑损失。
在《统一资本计量和资本标准的国际协议:修订框架》中,巴塞尔银行监管委员会提出了在金融监管中运用信用评级的具体建议,鼓励各国通过信用评级加强金融监管。相较于发达国家,中国信用评级行业所处的市场环境尚不完善,目前中国经济正处于转型期,信用评级近期已在部分省份开始实施,但仍然处于“点”的状态。为了增强信用评级的公信力,2019年11月26日,中国人民银行、国家发展和改革委员会、财政部、中国证监会联合发布了《信用评级业管理暂行办法》,明确建立健全统一监管的制度框架。2013年,光大证券由于内控缺陷,证监会将其信用评级从AA级连降7级,直接下调至C级,光大“乌龙指”事件足以证明信用评级的不可或缺性以及社会对信用评级的高度关注。现阶段,企业信用评级模式也存在一些漏洞,例如发行人付费模式使得信用评级的公信力受到质疑,在“僧多粥少”的情况下,评级机构自律性不足,存在提级压价等道德风险,这将造成评级机构有动力扭曲评级信号。随着“一带一路”倡议和“走出去”战略的深化,中国企业海外投资规模逐步扩大,使用衍生品来对冲汇率风险的行为也愈加频繁,凸显了衍生品监管的重要性。在此背景下,本文将以中国企业为样本来探究衍生品监管与信用评级之间关系,以期拓展金融监管和信用评级相关领域的研究。
金融监管是金融市场有序运行的关键。张伟[1]比较了次贷危机前后美国监管体系的变化,发现危机后设立的金融稳定监督委员会强化了美联储宏观审慎监管的作用。Puidokas &Junevi
ius[2]认为,欧盟金融体系综合监管模式未能快速有效地应对金融危机,因此普通的欧洲金融监管体系(ESFA)不足以防止欧洲金融市场的分裂。金融衍生品是金融市场发展到高级阶段的产物,在20世纪70年代得到空前发展,但衍生品监管却未能同步发展。2008年次贷危机的爆发表明,现有监管体系对衍生品的监管存在重大缺陷。Posner &Weyl [3]指出,美国对衍生品的监管只是将监管权力转移到各监管机构,但未能从根本上控制衍生品的投机行为。现有监管规则并没有考虑互换等衍生品之间差异,因此需要构建一个可替代的监管框架以促进衍生品市场的发展。外汇衍生品监管与金融创新之间存在互相促进的动态调整机制,但在演进过程中需要监管规章与金融创新及时协调。陈柯晔[4]强调,由于我国外汇衍生品市场处于起步阶段,需要明确中央对手方的自律管理权与行政监管权边界,这有助于建立协调的外汇衍生品监管体制。
近年来,信用评级对金融市场的作用越发得到重视,信用评级的相关研究也成为学术界重点关注领域。一些文献聚焦企业财务因素对信用评级的影响。例如,Kaplan &Urwitz [5]发现,对企业进行信用评级时,营业收入、利润、费用等财务信息是评级机构的关键参考因素,诸如资产周转率、贝塔系数、利息保障倍数等更广泛的财务信息也可能对企业信用评级产生影响。此外,治理水平较高的公司从信用评级中获益更多,信用评级与盈余时效性、董事会独立性和董事会专业知识呈正相关关系,公司治理的改善与企业债券评级上升同样密切相关。当前,关于监管如何影响信用评级也进入了研究者视野。马林影、赵放[6]指出,对衍生工具的虚高评级助长了金融风险的蔓延,外部监管缺位使得评级机构的自利动机和负面行为难以得到有效控制。邓博文、曹廷贵 [7]认为,对信用评级机构的监管不足是美国次贷危机爆发的重要原因之一,为避免评级虚高,应采取非对称性监管模式加大对衍生品评级的监管力度。
综上所述,已有文献在金融监管、外汇衍生品监管和企业信用评级等方面各自都有涉及,但鲜见明确研究外汇衍生品监管与企业信用评级之间关系的文献,且仅有的少数定量研究也只是从宏观视角入手,无法识别微观企业层面的监管强度差异。有鉴于此,本文尝试借鉴La Porta et al.[8]提出的“法与金融学”思想,以中国跨境投资企业作为样本,深入剖析外汇衍生品监管对企业信用评级的作用机理。
本文可能的边际贡献表现在以下两个方面。(1)既有文献主要基于宏观视角构建金融监管指数[9],无法识别微观企业层面的监管强度差异。本文基于“法与金融学”思想,通过量化100余部中国外汇衍生品监管法规,并结合地区监管执法水平以及企业国际化程度、公司治理状况等企业微观特征,创新性地构建了“企业层面外汇衍生品监管指数”,这无疑是对已有研究的重要突破。(2)考虑到外汇衍生品在我国跨境投资企业中运用越来越普遍,衍生品监管的重要性也愈加凸显。因此,研究衍生品监管的经济后果正成为理论界与实务界的一个重要话题。为此,本文考察了外汇衍生品监管是否以及如何影响企业信用评级,从而为研究信用评级的影响因素提供了一个崭新视角。
党的二十大报告指出,“加强和完善现代金融监管,强化金融稳定保障体系,依法将各类金融活动全部纳入监管,守住不发生系统性风险底线”,而强化外汇衍生品监管是其中重要一环,并对企业信用评级产生深远影响。外汇衍生品监管的根本目的并非限制企业使用外汇衍生品,而是规范其衍生品交易行为。良好的外汇衍生品监管有助于消除监管差异和监管套利,塑造规范和透明的衍生品市场,更好地发挥其管理风险、配置资源和服务实体经济三大功能。较强的衍生品监管使企业在衍生品投资活动中更具合规性,并提升其衍生品交易信息披露水平,有效遏制衍生品投机和外汇欺诈行为,降低其因重大损失而影响信用评级的风险。此外,完善的外汇衍生品监管还可以促使企业优化内部治理机制,提升经营水平和外汇风险管控能力,推进企业稳健可持续发展,从而为其信用评级的提升奠定坚实基础。据此,本文提出如下假说。
H1:外汇衍生品监管能够显著提升企业信用评级。
从抑制企业违规的角度来看,外汇衍生品监管可能通过降低企业违规动机来提升企业信用等级。外汇衍生品监管越强,企业的合规动力也越强。如果企业因违规使用衍生品被处罚,那么投资者对其违规风险上升的预期就会增加,这不但降低了企业获得融资的可能性,还会提升企业融资成本。刘星、陈西婵 [10]研究发现,那些被证监会处罚过的企业非公开市场融资成功率大幅降低。而加强外汇衍生品监管可以促使企业在使用衍生品时更加规范,减少外汇投机行为并降低违规和违约风险。并且,评级机构在对企业进行信用评级时,企业违规风险是重要的考量因素。严格的监管有助于规范企业外汇衍生品对冲行为,降低其违规动机,提高信息传递真实性,而这有助于提升企业的信用评级。因此,外汇衍生品监管越严格,对企业的威慑作用越大。企业使用外汇衍生品时,越会严格遵守套期保值原则,减少外汇投机,从而降低了企业因冒险违规使用外汇衍生品而被惩处的概率,企业信用评级得以提升。据此,本文提出如下假说。
H2:外汇衍生品监管通过降低企业违规动机提升企业信用评级。
从降低信息不对称的角度来看,外汇衍生品监管可以通过增强企业的信息透明度来提升信用评级。2004年,中国银监会在制定《金融机构衍生产品交易业务管理暂行办法》时,专门将信息披露加入其中,要求金融机构应按照银监会的规定对外披露从事衍生产品交易的风险状况、损失状况、利润变化及异常情况。而2007年1月开始实施的新《企业会计准则》也明确要求,企业应在财务报表附注中详细披露衍生品的种类、账面价值、公允价值及变动收益方式等信息。对于企业自身而言,较高的信息透明度还向市场传递了高审计质量的信号。Demirtas &Cornaggia [11]研究发现,企业信用评级的偏离度与盈余管理活动密切相关,当企业实际评级低于或高于预期时,企业可能利用盈余管理活动实现预期评级的上调或下调。随着外汇衍生品监管的加强,企业会更加合规地使用外汇衍生工具,并会按照监管的要求披露其衍生品交易情况,审计质量得以提高,衍生品交易的信息透明度得以增强,其遵守监管规则的信号得以传递,而这些均有助于提升企业信用评级。据此,本文提出如下假说。
H3:外汇衍生品监管通过增强企业的信息透明度提升企业信用评级。
从抑制企业管理层盲目自大行为的角度来看,外汇衍生品监管可能通过降低管理者过度自信来提升企业的信用评级。叶玲等 [12]发现,管理者过度自信会对企业绩效产生负面影响,而企业绩效直接关系到债务的偿还,因此信用评级机构非常看重企业的收入、费用和利润等指标。此外,过度自信的管理者倾向于采用债务融资的方式获取资金,容易给企业带来较大的财务压力,导致企业杠杆率过高,从而影响企业信用评级。Leary &Roberts [13]研究发现,信用评级与企业短期债务水平和长期债务水平均显著负相关,而过度自信的管理者容易做出乐观的盈余预测,为了达到预期可能通过盈余管理高报盈余水平,故而管理者越是过度自信,越容易诱发盈余管理行为。盈余管理水平越高,企业的信用评级越低。然而,随着外汇衍生品监管的加强,企业利用衍生品交易进行盈余管理的空间被压缩,在一定程度上抑制了管理者的过度自信行为,这有助于管理者客观地做出经营决策,进而提升企业信用评级。据此,本文提出如下假说。
H4:外汇衍生品监管通过抑制管理者过度自信提升企业信用评级。
本文选取2007—2019年中国沪深A股上市跨境投资企业为研究样本,并对样本进行了如下处理:(1)剔除金融行业公司;(2)剔除ST、*ST、PT公司;(3)剔除财务指标缺失的公司。根据以上选取原则,最终得到3 369个观测值。本文的解释变量由作者自行构建而成。企业信用评级数据来源于万得(Wind)数据库,其他财务数据来源于国泰安(CSMAR)数据库。此外,本文还对所有连续变量进行了1%和99%分位点的缩尾处理,以消除极端值对回归结果的影响。
1.被解释变量
本文的被解释变量为企业信用评级(Ranking)。借鉴朱松[14]的做法,使用企业信用评级序数来测度企业信用评级,对不同等级的信用评级按照顺序进行赋值,将评级等级为C和B的企业分别赋值为1和2,评级等级为A-的企业赋值为3,评级等级为A的企业赋值为4,依此递增,等级为AAA的企业赋值为10。
2.解释变量
本文解释变量为企业层面外汇衍生品监管指数(FFDRI)。现有文献主要基于宏观视角构建金融监管指数[9],只能反映国家层面的监管强度,更多的是将外部监管视为对所有企业的一个共同冲击,无法识别企业间的监管强度差异。因此,本文受到已有文献对企业层面有效汇率[15]、政治风险[16]、产权保护[17]等指标测算的启发,创新性地构建了企业层面外汇衍生品监管指数。具体包含三个步骤:其一,借鉴La Porta et al.[8] 提出的“法与金融学”的思想,构建国家层面外汇衍生品监管指数,主要是基于各监管部门发布的多项监管法规,通过打分赋值法实施量化;其二,基于主成分法构建企业层面外汇衍生品监管强度感知指数,反映企业对国家衍生品监管强度的感知程度,这会由于企业所在地监管执法水平、企业国际化程度、公司治理状况等方面的影响而使其实际受到的监管水平存在较大差异;其三,将上述两个指数相乘得到“企业层面外汇衍生品监管指数”,以反映每一家企业所实际面临的外汇衍生品监管强度。
首先,基于打分赋值法构建国家层面外汇衍生品监管指数(FDRI)。借鉴La Porta et al.[8]和许年行、吴世农 [18]对投资者法律保护打分的做法,本文根据不同政府部门产生的影响力、法律法规所涉及的衍生品种类、发布法规是趋于严格还是放松而赋予不同分值,将国家层面外汇衍生品监管法规予以量化,具体的赋分原则参见表1。本文以国家外汇管理局1988年颁布的第一部外汇衍生品法规为起点,统计了截至2022年年末的100余部衍生品监管法规,通过打分赋值法得到国家层面外汇衍生品监管指数。
表1 国家层面外汇衍生品监管指数的赋值原则
场景具体条件法律或法规赋值当首次出台关于监管某项外汇衍生品的法律法规时全国人大、国务院或中国人民银行颁布的法律法规3其他监管部门发布的部门规章2当某项条款已由法律法规做出规定,后续出台的法律法规又对相同条款做出规定时新规定与旧规定相同新规定比旧规定更严格新规定比旧规定更宽松全国人大、国务院或中国人民银行颁布的法律法规1其他监管部门发布的部门规章0全国人大、国务院或中国人民银行颁布的法律法规2其他监管部门发布的部门规章1全国人大、国务院或中国人民银行颁布的法律法规-2其他监管部门发布的部门规章-1当废止某项监管外汇衍生品的法律法规时全国人大、国务院或中国人民银行宣布废止的法律法规-3其他监管部门宣布废止的部门规章-2
其次,基于主成分法构建企业层面外汇衍生品监管强度感知指数(FLDRPI)。主成分法采用“降维”的思想,用少数几个主成分来揭示多个变量之间的内部结构。基于监管执法环境、企业国际化程度、公司治理等维度,本文选择市场化程度、内部控制质量、跨境投资额、信息披露状况、中介组织发育和法治环境、海外营业收入、财务风险、股权制衡度等8个指标来衡量企业实际受到监管强度的差异。其中,企业所在地的监管执法环境以王小鲁等[19]的市场化指数、中介组织发育和法治环境指数来衡量。企业国际化程度以企业海外营业收入和跨境投资额来衡量。公司治理水平以企业内部控制质量、信息披露状况、财务风险和股权制衡度来衡量。其中:企业内部控制质量选取深圳市迪博公司发布的迪博·中国上市公司内部控制指数来度量;同时,参考夏立军[20]的做法,选取操纵性应计利润的绝对值来衡量信息披露状况;参考Altman[21]的做法,使用Z指数来衡量企业财务风险。本文通过主成分法[22]计算得出企业层面外汇衍生品监管强度感知指数,如式(1)所示。
FLDRPI=0.316 7F1+0.205 7F2+0.177 3F3+0.158 8F4+0.141 5F5
(1)
最后,构建企业层面外汇衍生品监管指数(FFDRI),如式(2)所示。
FFDRI=FDRI×FLDRPI
(2)
基于前文所述,FDRI代表国家层面外汇衍生品监管指数,FLDRPI代表企业层面外汇衍生品监管强度感知指数。
3.中介变量
本文的中介变量有三类,即企业违规、信息透明度和管理者过度自信。企业违规(Fraud)又包括企业违规次数(Fraud_num)、企业违规程度(Punishtype)两个变量,前者直接来自CSMAR数据库,后者根据企业未受到处罚、受到公开批评、受到公开谴责、受到公开处罚四类情况分别赋值为0、1、2、3。信息透明度(KV),参考徐寿福等[23]的做法,使用KV指数来衡量。管理者过度自信(OC)又包括盈余视角下的管理者过度自信(OC1)和收入视角下的管理者过度自信(OC2)两个变量,前者参考姜付秀等[24]的做法,采用企业盈余预测偏差进行度量;后者借鉴周杰、薛有志[25]的做法,采用企业销售收入预测偏差进行度量。
4.控制变量
借鉴国内外相关文献[7],本文将控制变量设置如下:企业规模(Size)、第一大股东持股比例(Top1)、总资产收益率(Roa)、盈余能力(Sc)、董事长总经理是否两职兼任(Power)、杠杆率(Alr)、审计意见(Opinion)、跨境投资额(Kuajing)。具体变量定义和计算方法参见表2。
表2 变量定义
变量类型变量名称变量符号变量说明被解释变量企业信用评级RankingC级,Ranking=1;B级,Ranking=2;A-级,Ranking=3;A级,Ranking=4;A+级,Ranking=5;AA-级,Ranking=6;AA级,Ranking=7;AA+级,Ranking=8;AAA-级,Ranking=9;AAA级,Ranking=10 企业信用评级调整动机Sign企业信用评级中带有“+”“-”号时取值为1,否则为0 解释变量企业层面外汇衍生品监管指数FFDRI主成分法构建的外汇衍生品监管指数企业违规次数Fraud_num以CSMAR违规处理数据库效果赋值企业违规程度Punishtype变量在企业未受到处罚时取值为0,受到公开批评时取值为1,受到公开谴责时取值为2,受到公开处罚时取值为3 中介变量信息透明度KV采用Kim & Verrecchia模型方法计算得出盈余视角下的管理者过度自信OC1企业当年的实际净利润小于当年预测净利润的下限,就视为管理者过度自信,变量取值为1,否则为0收入视角下的管理者过度自信OC2企业当年实际销售收入小于当年预测销售收入,就视为管理者过度自信,变量取值为1,否则为0控制变量企业规模Size企业总资产取对数第一大股东持股比例Top1第一大股东持股数/总股本总资产收益率Roa净利润/总资产盈余能力Sc留存收益/总资产董事长总经理是否两职兼任Power董事长总经理由同一人兼任时取值为1,否则为0杠杆率Alr总负债/总资产审计意见Opinion变量在事务所给出标准无保留意见时取值为0,事务所给出无保留意见加事项段时取值为1,事务所给出保留意见时取值为2,事务所给出保留意见加事项段时取值为3,事务所给出否定意见时取值为4,事务所无法发表意见时取值为5 跨境投资额Kuajing企业的跨境投资额取自然对数
由于企业信用评级(Ranking)的取值是多元有序的离散变量,借鉴已有文献的做法[22],本文在将Ranking作为被解释变量时,采用Ordered Logit或Ordered Probit回归模型。具体的回归模型设定如下。
1.外汇衍生品监管对企业信用评级的影响
为了探讨外汇衍生品监管对企业信用评级的影响,本文设定如下模型。
Rankingi,t=α0FFDRIi,t+A′Controlsi,t+εi,t
(3)
其中,i和t分别表示公司和年份,Controls表示一系列控制变量,ε代表随机扰动项。同时,除上述控制变量外,本文还控制了年份(Year)和行业(Ind)固定效应。
2.中介机制检验
为了考察在外汇衍生品监管对企业信用评级影响关系中是否存在合规效应、信号效应和管理者过度自信抑制效应,本文分别将企业违规(Fraud)、信息透明度(KV)、管理者过度自信(OC)作为中介变量,代入中介效应模型进行实证检验。中介效应模型的具体设定如下(这里仅以企业违规的中介效应检验为例进行相关说明)。
首先,考察外汇衍生品监管对企业信用评级的直接影响,检验模型如式(3)所示。
其次,考察外汇衍生品监管对中介变量的影响效应,设定如下检验模型。
Fraudi,t=β0FFDRIi,t+B′Controlsi,t+εi,t
(4)
最后,在式(3)中加入中介变量以检验合规效应是否存在,即设定如下模型。
Rankingi,t=γ0FFDRIi,t+γ1Fraudi,t+C′Controlsi,t+εi,t
(5)
主要变量的描述性统计结果如表3所示。企业信用评级(Ranking)的均值为7.388,中位数为7,表明大多数样本企业的信用评级都在AA级及以上。企业信用评级调整动机(Sign)的均值为0.418,说明大约有41.8%的企业信用评级都带有“+”“-”号,即存在调整信用评级的动机。企业层面外汇衍生品监管指数(FFDRI)的最小值为0.003,最大值为1.000,而标准差为0.156,表明不同企业实际所受到的外汇衍生品监管强度存在较大差异。企业规模(Size)的均值为23.340,最大值和最小值分别为28.520和19.138,标准差为1.369,说明我国跨境投资企业的资金实力存在较大差异。第一大股东持股比例(Top1)的均值为35.278,最大值和最小值分别为86.350和3.390,标准差为15.637,说明有些企业的股权集中度比较高,存在“一股独大”的现象。其他各项指标的描述性统计结果都在正常范围内。此外,本文还采用Pearson相关系数法检验了变量之间的相关性,发现控制变量之间不存在多重共线性问题,因此可以做进一步的回归分析。
表3 主要变量的描述性统计结果
变量观测值均值标准差最小值中位数最大值Ranking33697.3881.5961710Sign33690.4180.493001FFDRI33690.5870.1560.0030.6061.000Fraud_num33690.2320.667008Punishtype33690.2010.562003KV33510.5080.1850.0840.4821.127OC133690.0060.238001OC233690.4720.499001Size336923.3401.36919.13823.14028.520Top1336935.27815.6373.39032.98086.350Roa33694.4266.104-91.9144.14837.214Sc33690.4311.112-5.5840.14215.573Power33690.1530.360001Alr336954.71516.9733.05455.195125.914Opinion33690.0490.33003Kuajing336918.3072.9139.25318.72425.978
基于前文构建的计量模型,本文检验了外汇衍生品监管对企业信用评级的影响效应。本文主要以Ordered Logit模型来考察外汇衍生品监管对企业信用评级的影响,为了参考和对比,本文也同时使用了Ordered Probit回归模型和混合回归模型来进行拟合,具体回归结果如表4所示。
表4 外汇衍生品监管影响跨境投资企业信用评级的基准回归结果
变量RankingOrdered LogitOrdered Probit混合回归(1)(2)(3)FFDRI3.3890∗∗∗(12.89)1.8434∗∗∗(13.08)2.0919∗∗∗(13.82)Size0.8371∗∗∗(23.38)0.4233∗∗∗(23.65)0.4103∗∗∗(23.39)Top10.0311∗∗∗(12.99)0.0174∗∗∗(13.02)0.0176∗∗∗(12.57)Roa0.0364∗∗∗(5.12)0.0215∗∗∗(5.30)0.0227∗∗∗(5.16)Sc0.1360∗∗∗(4.09)0.0809∗∗∗(4.14)0.0698∗∗∗(3.70)Power-0.2587∗∗∗(-2.87)-0.1688∗∗∗(-3.24)-0.1610∗∗∗(-2.84)Alr-0.0024(-0.99)-0.0002(-0.19)-0.0001(-0.13)Opinion0.5783∗∗∗(5.48)0.3152∗∗∗(5.09)0.3702∗∗∗(5.49)Kuajing0.1310∗∗∗(9.91)0.0839∗∗∗(11.38)0.0884∗∗∗(11.40)Year FE是是是Ind FE是是是常数项18.2310∗∗∗(20.00)10.0532∗∗∗(22.87)-6.2940∗∗∗(-15.66)观测值336933693369R2/伪R20.21220.20330.4683
注：***、**和*分别表示在1%、5%和10%的水平下显著;括号内为T值。
在表4中,列(1)采用Ordered Logit回归模型来考察外汇衍生品监管对企业信用评级(Ranking)的影响。结果显示,企业层面外汇衍生品监管指数(FFDRI)的系数为3.389 0,变量在1%的水平下显著,即外汇衍生品监管显著提升了企业信用评级,H1得以验证。可能的原因在于,加强外汇衍生品监管抑制了企业的衍生品交易违规行为,促使企业加强对于外汇衍生品交易信息的披露,增强了企业的信息透明度,从而在一定程度上抑制了管理者过度自信的经营行为,并且加强外汇衍生品监管还会震慑大股东转移上市公司资金、关联交易、违规担保等侵害小股东利益的行为,从而在整体上有助于提升企业的信用评级。列(2)和列(3)是分别使用Ordered Probit回归模型和混合回归模型的回归结果,除系数大小稍有变化之外,与列(1)中使用Ordered Logit回归模型的结果差别不大,再次验证了H1。
1.PSM回归
当前,一些中国跨境投资企业使用了外汇衍生品做风险对冲,但另一些企业却没有使用,即可能存在自选择偏误导致的内生性问题。为此,本文采用倾向得分匹配法(PSM)进行匹配。具体地,协变量包括企业规模、代理成本、第一大股东持股比例、盈余能力、跨境投资额、杠杆率。在对样本进行PSM匹配之后,再次进行回归的结果如表5所示。实证结果表明,企业层面外汇衍生品监管指数(FFDRI)对企业信用评级(Ranking)的影响仍然在1%的水平下显著,除系数大小稍有变化外,系数方向并未发生变化。
表5 PSM回归结果
变量RankingOrdered LogitOrdered Probit混合回归(1)(2)(3)FFDRI3.5800∗∗∗(8.62)2.0120∗∗∗(8.77)2.2570∗∗∗(9.33)其他控制变量是是是Year FE是是是Ind FE是是是常数项19.1100∗∗∗(11.70)11.0000∗∗∗(14.74)-6.8740∗∗∗(-10.92)观测值136513651365R2 /伪R20.22880.22440.4745
注：***、**和*分别表示在1%、5%和10%的水平下显著;括号内为T值。
2.将解释变量滞后一期
由于外汇衍生品监管的政策效果可能存在一定的时滞,因此本文将企业层面外汇衍生品监管指数滞后一期再次进行实证检验,回归结果见表6。由列(1)可知,外汇衍生品监管指数滞后一期(FFDRI-1)的系数为5.052 0,变量在1%的水平下显著。使用Ordered Probit回归模型和混合回归模型的检验结果见列(2)和列(3)。不难发现,FFDRI-1的回归系数同样为正且变量依然显著,主要结论与基准回归保持一致。此外,本文还使用LSDV模型和双向固定效应模型进行实证检验,研究发现除系数大小有细微变化之外,企业层面外汇衍生品监管指数系数的符号和变量的显著性均与基准回归结果保持一致①。
表6 将解释变量滞后一期的回归结果
变量RankingOrdered LogitOrdered Probit混合回归(1)(2)(3)FFDRI-15.0520∗∗∗(12.76)2.8450∗∗∗(13.37)3.2160∗∗∗(14.20)控制变量是是是Year FE是是是Ind FE是是是常数项17.9400∗∗∗(16.02)10.2400∗∗∗(18.25)-6.2020∗∗∗(-12.25)观测值213221322132伪R20.21960.21640.4828
注：***、**和*分别表示在1%、5%和10%的水平下显著;括号内为T值。
在理论分析中,本文认为外汇衍生品监管可能通过合规效应、信号效应和管理者过度自信抑制效应影响企业信用评级。为验证相关假说,本文通过中介效应模型来检验是否存在“外汇衍生品监管→减少企业违规/提高信息透明度/抑制管理者过度自信→企业信用评级”的渠道路径。
1.合规效应检验:企业违规视角
为了验证合规效应是否存在,本文以企业违规次数(Fraud_num)为中介变量进行机制检验。此外,对于企业不同的违规行为,金融监管部门会给予不同的惩罚方式。为此,本文还参考戴亦一等[26]、周泽将等[27]的做法,按照企业违规程度(Punishtype)将样本分成四种状态,分别对应未受到处罚、公开批评、公开谴责(包括谴责和警告)、公开处罚(包括罚款、没收违法所得和市场禁入),当同时受到多种惩罚或多次受到处罚时,取最严重的惩罚类型进行赋值,数值越高,表明企业违规程度越严重,也将该变量代入中介效应模型进行机制检验。本文使用CSMAR数据库搜集了中国跨境投资企业衍生品交易违规处罚的相关数据。合规效应的检验结果见表7。
表7 合规效应检验结果
变量RankingFraud_numRankingRankingPunishtypeRanking企业违规次数企业违规程度(1)(2)(3)(4)(5)(6)FFDRI3.380∗∗∗(13.80)-2.473∗∗∗(-9.18)2.916∗∗∗(10.85)3.380∗∗∗(13.80)-2.508∗∗∗(-5.09)3.469∗∗∗(6.86)Fraud_num-0.0645∗∗(-2.17)Punishtype-0.0560(-0.64)控制变量是是是是是是Year FE是是是是是是Ind FE是是是是是是常数项17.87∗∗∗(21.24)-2.048∗∗(-2.42)20.89∗∗∗(18.60)17.87∗∗∗(21.24)-2.707∗(-1.77)11.03∗∗∗(5.76)观测值336933693369336933693369伪R20.21160.06570.19600.21160.08200.1603Sobel-Z-7.01 -4.09
注：***、**和*分别表示在1%、5%和10%的水平下显著;括号内为T值。
其中,列(1)给出了企业层面外汇衍生品监管指数(FFDRI)影响企业信用评级(Ranking)的总效应回归结果,列(2)给出了FFDRI影响中介变量企业违规次数(Fraud_num)的回归结果,列(3)给出了加入中介变量Fraud_num之后FFDRI影响Ranking的回归结果。由列(2)可知,解释变量FFDRI在1%的水平下显著且系数为负,这表明加强外汇衍生品监管可以对企业产生威慑作用,降低了企业违规使用外汇衍生品的次数。由列(3)可知,企业层面外汇衍生品监管指数(FFDRI)和企业违规次数(Fraud_num)均显著,同时Sobel-Z值为-7.01,小于临界值-0.97。由Baron &Kenny[28]中介模型原理可知,企业违规次数在外汇衍生品监管对信用评级的影响中发挥了中介作用,即加强外汇衍生品监管可以通过降低企业违规次数来提升企业信用评级。同理,将中介变量变换为企业违规程度(Punishtype)的回归结果显示,加强外汇衍生品监管可以通过降低企业违规程度来提升企业信用评级,H2得以验证。综合来看,加强外汇衍生品监管可以通过降低企业违规次数和违规程度来提升信用评级,即外汇衍生品监管的合规效应确实存在。
2.信号效应检验:信息透明度视角
外汇衍生品监管之所以会对企业信用评级产生积极影响,可能的原因在于高的信息透明度对外界产生了信号效应。为了验证该效应是否存在,本文参考徐寿福等[23]的做法,选取KV指数作为企业信息透明度的代理变量,进行中介效应检验,回归结果见表8。
表8 信号效应检验结果
变量RankingKVRanking(1)(2)(3)FFDRI3.3890∗∗∗(12.89)-0.7510∗∗∗(-5.88)3.2520∗∗∗(12.19)KV-0.145∗∗∗(-4.41)控制变量是是是Year FE是是是Ind FE是是是常数项18.23∗∗∗(20.00)4.230∗∗∗(12.57)17.54∗∗∗(18.49)观测值336933513351R2/伪R20.21220.06470.2151
注：***、**和*分别表示在1%、5%和10%的水平下显著;括号内为T值。由于KV指数有少量缺失值,观测值有所减少。
其中,列(1)给出了企业层面外汇衍生品监管指数(FFDRI)影响企业信用评级(Ranking)的总效应回归结果,列(2)给出了FFDRI影响中介变量企业透明度(KV)的回归结果,列(3)给出了加入中介变量KV之后FFDRI影响Ranking的回归结果。由列(2)可知,解释变量FFDRI在1%的水平下显著且系数为负,由于KV指数为负向指标,这表明加强外汇衍生品监管显著提升了企业的信息透明度。由列(3)可知,企业层面外汇衍生品监管指数(FFDRI)的系数为3.252 0,小于列(1)中的3.389 0,同时信息透明度(KV)仍然显著且系数为负。由中介效应模型原理可知,KV指数在外汇衍生品监管对信用评级的影响中发挥了中介作用,这表明外汇衍生品监管的信号效应确实存在,H3得以验证。
3.过度自信抑制效应检验:管理者过度自信视角
为了验证过度自信抑制效应是否存在,本文参考姜付秀等[24]以及周杰、薛有志[25]的做法,选取盈余和销售双重视角下的管理者过度自信指标作为中介变量,进行中介效应检验。事实上,张明等[29]就管理者过度自信的衡量指标进行了梳理,发现盈余视角下单一维度的管理者过度自信指标受到了不少学者的批判,认为其与我国实际情况不符[30],我国企业的大多数业绩预告日期与实际业绩披露日期十分接近,因而两者披露的业绩基本相近[31]。周杰、薛有志[25]认为,由于我国企业在披露经营状况时,更多的是预测销售收入而不是净利润,因此使用预测销售收入作为预测性盈利水平的替代指标更为合适。有鉴于此,本文同时使用双重维度的指标作为中介变量进行实证检验,回归结果见表9。
表9 管理者过度自信抑制效应检验结果
变量RankingOC1RankingOC2Ranking(1)(2)(3)(4)(5)FFDRI3.3800∗∗∗(13.80)-0.1140∗∗∗(-4.07)2.9140∗∗∗(10.97)-0.0442∗∗∗(-2.93)3.0100∗∗∗(11.33)OC1-0.292∗∗(-2.17)OC2-1.224∗∗∗(-4.79)控制变量是是是是是Year FE是是是是是Ind FE是是是是是常数项17.8700∗∗∗(21.24)0.1670∗∗(2.18)21.1200∗∗∗(18.38)0.5530∗∗∗(13.38)20.3600∗∗∗(17.47)观测值33693369336933693369R2/伪R20.21690.11630.21530.08800.2169
注：***、**和*分别表示在1%、5%和10%的水平下显著;括号内为T值。
其中,列(1)给出了企业层面外汇衍生品监管指数(FFDRI)影响企业信用评级(Ranking)的总效应回归结果,列(2)给出了FFDRI影响中介变量盈余视角下的管理者过度自信(OC1)的回归结果,列(3)给出了加入中介变量OC1之后FFDRI影响Ranking的回归结果。由列(2)可知,解释变量FFDRI在1%的水平下显著且系数为负,这表明加强外汇衍生品监管显著抑制了管理者的过度自信行为。由列(3)可知,企业层面外汇衍生品监管指数(FFDRI)的系数为2.914 0,小于列(1)中的 3.380 0,且OC1仍然显著且系数为负。由中介效应模型原理可知,OC1发挥了中介作用。列(4)和列(5)是使用收入视角下的管理者过度自信(OC2)作为中介变量的回归结果,其与列(2)和列(3)的结果类似,不再赘述。综合来看,加强外汇衍生品监管可以通过抑制管理者的过度自信行为来提升企业信用评级,这表明外汇衍生品监管的管理者过度自信抑制效应确实存在,H4得以验证。
中国是世界上规模最大的转轨经济体,法律和制度建设尚不完善,在信贷获取、税率优惠、政府合同获得等方面,国有企业与民营企业存在明显差别。因此,外汇衍生品监管对于企业信用评级的影响可能会因企业所有权性质的不同而产生差异。为了检验所有权异质性的影响,本文将全样本划分为国有企业和民营企业两个子样本分别进行回归,实证结果见表10。其中,列(1)和列(2)是使用Ordered Logit回归模型的实证结果,无论国有企业还是民营企业,企业层面外汇衍生品监管指数(FFDRI)均在1%的水平下显著且系数为正,再次证实了H1。系数大小方面,国有企业组FFDRI的估计系数为3.935 0,大于民营企业组的系数3.086 0,这表明外汇衍生品监管对国有企业信用评级的影响效应要比民营企业更大。可能的原因在于,相较于民营企业,国有企业的风险意识、风险控制机制和信息披露水平完善提升的空间更大。列(3)和列(4)是使用Ordered Probit回归模型的实证结果,除系数大小稍有变化之外,基本结论与列(1)和列(2)相同。
表10 基于企业所有权性质的异质性检验结果
变量Ranking国有企业民营企业国有企业民营企业Ordered LogitOrdered LogitOrdered ProbitOrdered Probit(1)(2)(3)(4)FFDRI3.9350∗∗∗(11.03)3.0860∗∗∗(7.62)2.1220∗∗∗(11.25)1.6740∗∗∗(7.68)控制变量是是是是Year FE是是是是Ind FE是是是是常数项17.1400∗∗∗(13.57)16.8600∗∗∗(11.51)9.6680∗∗∗(16.49)9.2110∗∗∗(12.78)观测值1938143119381431伪R20.24860.08880.24090.1422
注：***、**和*分别表示在1%、5%和10%的水平下显著;括号内为T值。
Kisgen [32]在考察不同信用评级公司的资本结构时发现,当信用评级中带有“+”或者“-”标志时,公司会在之后的一年内调整其资本结构。虽然AA+级、AA级、AA-级在大类上都属于AA级,但是AA+级是AA级别中信用评级较好企业,AA-级是AA级别中信用评级较差企业,故AA+级更有可能被上调至AAA级,而AA-级则存在被下调至A+级的可能性。所以与AA级相比,信用评级为AA+级和AA-级的企业更有动力采取措施提升评级或者防止评级下调。有鉴于此,本文将研究外汇衍生品监管对企业信用评级调整动机的影响。参考Ali &Zhang [33]的做法,设置虚拟变量Sign评估企业信用评级调整动机,当企业信用评级中有“+”或者“-”标志时,变量赋值为1,否则为0。由于Sign为虚拟变量,因此在讨论企业信用评级调整动机时,本文主要采用Logit回归模型。为便于对比,本文同时列示了Probit回归和混合回归的实证结果,如表11所示。
表11 企业信用评级调整动机检验结果
变量RankingLogit回归Probit回归混合回归(1)(2)(3)FFDRI-1.1080∗∗∗(-4.02)-0.6790∗∗∗(-4.04)-0.2550∗∗∗(-4.12)控制变量是是是Year FE是是是Ind FE是是是常数项6.2330∗∗∗(8.24)3.8760∗∗∗(8.39)1.8590∗∗∗(11.33)观测值336933693369R2/伪R20.05520.05560.0721
注：***、**和*分别表示在1%、5%和10%的水平下显著;括号内为T值。
列(1)采用Logit回归模型来考察外汇衍生品监管对企业信用评级调整动机的影响。结果显示,企业层面外汇衍生品监管指数(FFDRI)在1%的水平下显著且系数为负,即加强外汇衍生品监管能够抑制企业信用评级的调整动机。外汇衍生品监管的加强会弱化企业原先的信息优势,减少企业信用评级上调的动机。Ali & Zhang [33]研究发现,当公司信用评级临近信用等级变化时,公司会采取措施影响评级机构的调整评级决策。当监管环境趋严时,企业便不敢随意扩大盈余管理或者降低会计稳健性,因此抑制了评级上调行为。对于具有信用评级下调可能性的企业来说,如果企业多次出现违规事件或多次受到监管层调查,在严格的监管环境下,企业的监管压力将显著提升,这使得在实践中很少有企业愿意继续违规,进而招致信用评级下调[34]。故而,监管加强会降低企业信用评级下调的概率。列(2)和列(3)分别列示了Probit回归模型和混合回归模型的实证结果,除变量的系数大小有所区别之外,与基准回归的结论保持不变。
本文借鉴“法与金融学”思想,选取2007—2019年中国沪深A股跨境投资企业为样本,通过手工整理100余部外汇衍生品监管法规并考虑地区监管执法水平的差异以及微观企业对监管强度的感知差异等因素之后,利用主成分法构建了“企业层面外汇衍生品监管指数”,试图探究外汇衍生品监管与企业信用评级之间的关系,并进一步识别其内在机理。研究发现,加强外汇衍生品监管能够提高企业信用评级,且这种提升作用是通过合规效应、信号效应和管理者过度自信抑制效应来实现的。进一步研究发现,加强外汇衍生品监管可以抑制企业信用评级的调整动机。
本文的研究弥补了既有文献侧重于宏观层面而无法识别出微观企业层面金融监管强度差异的不足,研究成果不仅丰富了“法与金融学”、金融监管和企业信用评级等领域的理论研究,而且对政府完善外汇衍生品监管立法、提升企业信用评级质量也具有重要的实践启示。根据上述研究结论,本文提出以下三方面政策建议。
对于政府金融监管部门而言,首先应当优化现行的监管模式,使之与我国当前外汇衍生品市场的发展现状相适应,为企业使用衍生品提供良好的法律环境保障。其次,监管当局在出台监管法律时需要考虑提高企业信息披露要求和惩处企业违规等情形所产生的社会效应,尽可能地提高监管收益并降低监管成本,获得成本和收益的最优搭配。最后,由于信用评级直接关系到金融市场的稳定性,特别是债券市场的有效性,因此金融监管部门应当加强对企业信用评级行业的监管,提高评级机构违规和失信成本,引导各评级机构客观公正地对企业进行评级,提高评级行业的公信力。
对于企业而言,一方面应明晰使用外汇衍生品的原则。由于外汇衍生品是一把“双刃剑”,因此企业在进行衍生品交易时应该严守套期保值原则,避免衍生品过度投机,以降低衍生品交易的风险损失,这有助于提升企业的信用评级,在外部融资环节更为顺畅。另一方面,应练好内功,恪守外汇衍生品监管法规,健全公司治理结构,切实完善内部控制体系,提高衍生品交易的信息透明度,减少衍生品违规行为,这才是防范风险、提升企业信用评级最根本和最有效的方法。
对于信用评级机构而言,由于其是连接资本市场、投资者和企业的重要桥梁,因此评级机构应当克己守法、公平公正对企业进行信用评级。鉴于当前信用评级的发行人付费模式存在弊端,评级机构可考虑拓展其他收入来源,如通过出售评级出版物、评级报告、行业研究报告等获取收入,这会使评级机构更有动力凭借自身专业优势来树立市场公信力,减少对评级费用的依赖。
注 释：
① 由于篇幅所限,未披露具体回归结果,留存备索。作者邮箱:zfeng0361@163.com。
[1]张伟.对本轮危机前后美国金融监管体系变化的比较分析[J].国际金融,2014(10):64-68.
[2]PUIDOKAS M, JUNEVI
IUS A. Institutional change of the supervisory system of the EU financial market [J]. Procedia-Social and Behavioral Sciences, 2015, 213(2):55-60.
[3]POSNER E A, WEYL E G. An FDA for financial innovation: applying the insurable interest doctrine to 21st century financial markets [J]. Northwestern University Law Review, 2013, 107(1):1307-1358.
[4]陈柯晔.论我国外汇衍生品市场中央对手方自律管理权与行政监管权的配置[J].上海金融, 2017(4):66-72.
[5]KAPLAN R S, URWITZ G. Statistical models of bond ratings: a methodological inquiry[J].Journal of Business, 1979,52(2):231-252.
[6]马林影, 赵放.国际信用评级机构在危机中的行为分析及启示[J].国际贸易问题,2013(1):47-57.
[7]邓博文,曹廷贵.信用评级行业的监管与评级质量[J].国际金融研究, 2016(3):40-50.
[8]LA PORTA R, LOPEZ-DE-SILANES F, SHLEIFER A, et al. Legal determinants of external finance [J]. Journal of Finance, 1997, 52(3):1131-1150.
[9]MASCIANDARO D, QUINTYN M. The governance of financial supervision: recent developments [J].Journal of Economic Surveys, 2016, 30(5): 982-1006.
[10]刘星, 陈西婵. 证监会处罚、分析师跟踪与公司银行债务融资——来自信息披露违规的经验证据[J].会计研究, 2018(1):60-67.
[11]DEMIRTAS K O,CORNAGGIA K R. Initial credit ratings and earnings management [J]. Review of Financial Economics, 2013, 22(4):135-145.
[12]叶玲,王亚星.管理者过度自信、企业投资与企业绩效——基于我国A股上市公司的实证检验[J].山西财经大学学报,2013(1):116-124.
[13]LEARY M T, ROBERTS M R. Do firms rebalance their capital structures? [J]. Journal of Finance, 2005, 60(6):2575-2619.
[14]朱松.债券市场参与者关注会计信息质量吗[J].南开管理评论,2013(3):16-25.
[15]戴觅,徐建炜,施炳展.人民币汇率冲击与制造业就业——来自企业数据的经验证据[J].管理世界,2013(11):14-27.
[16]HASSAN T A, HOLLANDER S, LENT L V. Firm-level political risk: measurement and effects [J]. Quarterly Journal of Economics, 2019, 134(4): 2135-2202.
[17]LIN C, LIN P, SONG F. Property rights protection and corporate R&D: evidence from China [J].Journal of Development Economics, 2010, 93(1):49-62.
[18]许年行, 吴世农. 我国中小投资者法律保护影响股权集中度的变化吗?[J]. 经济学(季刊), 2006(3):893-922.
[19]王小鲁,樊纲,余静文.中国分省份市场化指数报告(2018)[M].北京:社会科学文献出版社,2019.
[20]夏立军. 盈余管理计量模型在中国股票市场的应用研究[J].中国会计与财务研究, 2003(2):94-154.
[21]ALTMAN E I. Financial ratios, discriminant analysis and the prediction of corporate bankruptcy [J]. Journal of Finance, 1968, 23(4):589-609.
[22]吕学梁,马吉雨.“不患寡患不均”——基于消费相对剥夺的家庭负债对居民主观幸福感影响研究[J].经济与管理评论,2023(5):36-51.
[23]徐寿福,徐龙炳.信息披露质量与资本市场估值偏误[J].会计研究,2015(1):40-47.
[24]姜付秀,张敏,陆正飞,等.管理者过度自信、企业扩张与财务困境[J].经济研究,2009(1):131-143.
[25]周杰, 薛有志. 治理主体干预对公司多元化战略的影响路径——基于管理者过度自信的间接效应检验[J].南开管理评论, 2011(1): 65-74.
[26]戴亦一,余威, 宁博, 等. 民营企业董事长的党员身份与公司财务违规[J].会计研究, 2017(6): 75-81.
[27]周泽将, 马静, 胡刘芬. 经济独立性能否促进监事会治理功能发挥——基于企业违规视角的经验证据[J].南开管理评论, 2019(6):62-76.
[28]BARON R M, KENNY D A. The moderator-mediator variable distinction in social psychological research: conceptual, strategic, and statistical considerations [J]. Journal of Personality and Social Psychology, 1986, 51(6): 1173-1182.
[29]张明, 蓝海林, 曾萍. 管理者过度自信:研究述评与展望[J].外国经济与管理, 2019(2): 17-29.
[30]王铁男, 王宇, 赵凤. 环境因素,CEO过度自信与IT投资绩效[J].管理世界,2017(9): 116-128.
[31]饶育蕾, 王建新. CEO过度自信、董事会结构与公司业绩的实证研究[J].管理科学, 2010(5): 2-13.
[32]KISGEN D J. Credit ratings and capital structure [J]. Journal of Finance, 2006, 61(3):1035-1072.
[33]ALI A , ZHANG W. Proximity to broad credit rating change and earnings management [Z]. SSRN Working Paper No.1163003, 2008.
[34]李晓溪,饶品贵,岳衡.年报问询函与管理层业绩预告[J].管理世界,2019(8):173-188.