【《承销商声誉影响资产证券化产品定价的实证分析案例》16000字】

承销商声誉影响资产证券化产品定价的实证分析案例1.1研究假设本文假设，首先，高声誉度承销商对企业具有更专业的优秀团队，能够为发行人和投资者提供更专业的金融中介服务，因此不但具有更好的信息识别功能，对企业具有更合理、更全面的判断，还拥有较高的违约风险识别能力，可以有效降低投资者的投资风险。其次，高声誉的承销商对自己的声誉更加看重，会严格选择项目，把控项目质量，而高质量的项目会降低发行利差。基于以上分析提出假设1:H1:承销商商誉会降低资产证券化产品发行利差，即声誉越高，发行利差越低。在发行阶段，发行方会确定主承销商，主承销商可能会在发行规模过大、销售较困难等情况下选择组织承销团，让其他承销商加入进行分销，又叫辛迪加模式。但辛迪加模式在合作模式、发行效率等方面区别与独立承销商模式。本文认为，组建承销团后风险会更低，在一定程度上可以降低发行利差。原因在于，首先，承销团的参与一定程度上可以代表多重保障，向市场传递一种可以减轻信息不对称程度的消息，并且承销团成员之间可以相互配合，相互牵制，防止一家承销商漏报、瞒报、伪造消息等情况。其次，多个承销商拥有更加广阔的销售渠道，可以把产品推荐给更多的潜在投资者，减少项目因为发行规模过大或者项目质量不高等原因导致发行失败的可能性。基于以上分析提出假设2：H2:承销团模式下承销商声誉对资产证券化发行利差的降低程度更高，即承销团比单承销商承销的资产证券化产品发行利差更低。1.2数据选取本研究选择了自2015-2021年在银行间和交易所上市的资产证券化产品作为研究对象，包括信贷ABS、企业ABS、ABN等，数据来源于WIND专项数据库，其中信贷资产证券化发展最早最完备，企业资产证券化自2015年以来迅速发展，是目前发行项目数量最大的品种，资产支持票据自推出信托型SPV后发行量上升，但仍非市场主流。承销商市场份额选取了各承销商从2015年至2021年度的债券总承销商金额及资产证券化总承销金额所占市场份额整理而来，数据来源于WIND。承销商每年的证监会评级数据从证监会官网通知公告获取而来。为保证结果的准确性，需要剔除缺失的部分样本数据，同时对全量数据在两侧1%处进行缩尾处理排除特殊值对结果的影响，最终选取共计3198只样本产品。1.3变量定义关于模型使用的变量，本文选取了资产证券化产品发行时的信用发行利差作为被预测变量，将承销商市场份额设置为主要解释变量，并结合承销商市场份额*承销团交叉项变量，控制变量本文参考文献研究内容选取了发行规模等产品本身特征变量，以及发行人的企业性质等发行主体特征变量。表1.1变量定义变量名变量名简称定义预计关系被解释变量发行利差Spread资产证券化产品发行利率与无风险利率的差值/解释变量承销商债券市场份额Share承销商承销债券的总金额市场占比-承销商市场份额*承销团Share×Syn加入承销团考虑的市场份额，定义如果承销商大于等于2个syn为2，否则syn为1-承销商资产证券化市场份额Share_ABS承销商承销资产证券化产品的总金额市场占比-承销商分类评级Rank产品发行当年的证监会公布的证券公司评级，评级为C时定义Rank为1，评级为CC定义为2，依次类推后取数-产品特征变量信用评级CreditAAA定为4、AA+定为3、AA定为2、A定为1、BBB定为0-发行规模Size取规模自然对数-发行期限Maturity发行期限+担保增信Secured有担保取1，无担保取0-信用支持Creditsupport分层结构中，其他层级可为优先级提供的偿还比例-企业特征变量主体性质SoE若发行主体为国有企业则取1，否则取0-上市情况Listed若发行主体为上市公司取1，否则为0-行业Industry若发行主体为金融行业取1，否则取0-地区Area若发行主体所在地为较发达地区则取3，较落后地区取1，其余地区取2-营业收入Revenue营业收入的自然对数-资料来源：手工整理被解释变量。鉴于次级资产多由发行人自持，缺少发行数据，本模型中的被解释变量资产证券化产品发行时的信用发行利差（Spread）指标多为优先级发行利差。本文的发行利差计算方法为票面利率与无风险收益率的利率差值，其中无风险利率使用产品同期内发行且期限相同或相近的国债到期收益率。解释变量。解释变量为承销商声誉（Share）和考虑承销团影响的承销商声誉（Share×Syn），其中承销商声誉是选取标的承销商当年所承销的全部债券的市场份额百分比来进行衡量。这是因为资产证券化属于债券的一种，承销商很多时候会采用同样的团队，并且销售渠道相似，承销商在债券领域的业务水平一定程度上可以代表资产证券化的业务水平，而且资产证券化作为新兴市场，一些承销商虽进入市场较晚市场份额不高，但并不代表承销能力差，因此本文主要解释变量采用债券市场承销份额。若采取承销团模式则取主承销商的债券市场承销份额作为承销商声誉等级。承销团（Syn）为承销团的虚拟变量，如果采用了承销团模式进行销售取值为2，否则为1，承销商市场份额*承销团（Share×Syn）表示有承销团的影响。考虑稳健性检验，需要替换解释变量进行回归。首先，选取标的承销商当年所承销的全部资产证券化产品的市场份额百分比来替换标的承销商当年所承销的全部债券的市场份额百分比进行稳健性检验，因为资产证券化是债券的细分市场，本文认为需要用资产证券化市场份额来做稳健性检验。其次，参考林晚发（2019），采用《证券公司分类监管规定》中的评级构建虚拟变量承销商分类评级（Rank）替换市场份额（Share）。这是因为在我国资本市场初期阶段，各项监管措施也正在探索中，证监会评级是目前市场上非常权威的对券商的综合评分。证监会作为资本市场监管机构可以获取到很多投资者无法获取的证券公司内部消息，并对证券公司做出评级，采用证券公司评级数据可以在一定程度上减弱信息不对称程度，对市场份额做出一定的补充。证券公司的评级等级分为AAA,AA,A,BBB,BB,B,CCC,CC,C，本文将评级C的Rank定义为1,CC的Rank定义为2，以此类推。控制变量。参照以往关于资产证券化发行定价影响因素的相关文献研究内容，本文选取了控制变量并将它们分为两大类，同时对各控制变量与发行利差的关系做出预测，具体见表3.1。产品本身特征的相关变量，包括信用评级（Credit）、发行规模（Size）、发行期限（Maturity）、担保增信（Secured）、信用支持（Creditsupport）。①发行规模（Size）指的实际发行总额。发行规模大一般代表市场的认可度较高，流动性好，而流动性是影响定价的重要因素从而导致投资者对流动性风险的补偿要求较低，因此本文预计发行利差与发行规模成反比。本文对发行规模取自然对数。②发行期限（Maturity）指的是产品的存续期限，期限长代表对应的风险越高，本文预计发行成本则越高。③信用评级（Credit）是指专业的资信评级机构对资产证券化产品进行的信用级别评级，是一定时期内评级机构给予产品的综合评价等级，分为AAA级、AA+级、AA级等逐级递减。一般来说，评级越高，代表产品质量越高，也就意味着发行成本越低。然而对于资产证券化产品来说，由于进行了分级等一系列增信措施，大部分优先A档评级为AAA级或AA+级，评级的参考性有所下降，但结合以往文献，信用评级依旧为最重要的影响因素之一。本文将AAA定为4、AA+定为3、AA定为2、A定为1、BBB定为0。④担保增信（Secured）是指外部增信手段，一般为第三方的担保，包括保证担保、差额补偿、不可撤销连带责任担保、回售和赎回承诺等手段。在我国资产证券化实践中，信贷ABS多采用内部增信手段，而企业ABS中的一部分产品会采用外部增信来保证能按时、足额地支付投资者利息和本金以提升评级。因此一般认为担保增信手段可以降低发行利差。本文将有担保取1，无担保取0。⑤信用支持（Creditsupport）指分层结构中其他层级可为优先级提供的偿还比例。我国ABS的内部增信方式有结构化分级、超额覆盖、信用触发机制、流动性支持等，其中结构化分级是指产品分优先级、次优级等不同层级，原始权益人对不同层级的本金和收益偿付顺序按照从优先级开始一直到次级结束的规则，次级享受的是其他层级全部偿付完毕后的剩余收益。本文采用信用支持指标来代表内部结构化分级。本文认为信用支持的高低一定程度上代表了发起人对基础资产整体质量的筛选情况，本文预计信用支持越高，基础资产整体质量越高，风险越低，从而降低发行利差。笔者认为，信用支持高代表风险补偿越低，也就意味着发行利差越低。发行主体特征的相关变量，包括主体性质（SoE）、上市情况（Listed）、行业（Industry）、地区（Area）、营业收入（Revenue）。①主体性质（SoE）指发行主体是否是国资背景的企业。实际融资过程中，国有背景往往被默认为有强大股东支持信用水平更高，投资人对民营企业的债务偿还能力往往保有怀疑的态度。本文认为民营企业因没有信用背书发行成本高于国有企业，将发行主体为国有企业则取1，否则取0。②上市情况（Listed）指发行主体是否在A股上市，在美股和港股上市忽略不算。A股市场的上市公司信息披露制度有利于投资者获取公司的经营信息等，信息较为公开透明且获取方便快捷，本文认为上市公司融资成本低于非上市公司，定义发行主体为上市公司取1，否则为0。③行业（Industry）是指发行人所处的行业是否为金融业。从历史数据可以看到发行ABS的发行人企业中金融行业的占比最高，由于一般投资者认为金融类发行企业具有金融知识的专业优势，更易使用创新金融工具，对市场上的新型融资工具更加敏感，当ABS发行人处于金融行业时会得到市场投资者更多关注和信任，因此本文认为行业可以影响行利差，定义金融业取1，否则取0。④地区（Area）是指发起机构所处的地域，经济发达地区和经济不发达地区发行的产品对投资者的吸引力是有区别的，笔者认为地区因素会影响到发行利差。在这里对地区数据进行处理。若发行主体所在地为A区则取3，包括北京、上海、江苏、浙江等地；B区取2，包括重庆、四川、河北等地；C区取1，包括内蒙古、宁夏、新疆等地。⑤营业收入（Revenue）指发行人的营业收入金额，单位为亿元，考虑到数据较大，本文对营业收入金额做对数处理。同时，财务数据具有时效性，为保证回归结果的准确性，采用发行年份的上一期年报数据。市场通常认为营业收入高的公司偿债能力和偿还意愿较强，投资风险较低，因此本文认为营业收入与发行利差成反比。1.4回归模型1.1.1主回归模型本文发行定价相关数据为一次性的截面数据，因此基本回归均采用普通最小二乘法回归的方法。构建模型（1）和（2）分别如下：Spread=c+β1Share+β2Credit+β3Size+β4Maturity+β5Secured+β6Creditsupport+β7SoE+β8Listed+β9Industry+β10Area+β11Revenue+ε 式（1.1）Spread=c+β1Share×Syn+β2Credit+β3Size+β4Maturity+β5Secured+β6Creditsupport+β7SoE+β8Listed+β9Industry+β10Area+β11Revenue+ε 式（1.2）其中，Spread为被解释变量，Share和Share×Syn为解释变量，βi为解释变量和控制变量的系数，Credit、Size、Maturity、Secured、Creditsupport是与产品特征有关的控制变量，SoE、Listed、Industry、Area、Revenue是与发行主体有关的控制变量。ε为随机扰动项，c为截距项。建立回归模型（1）是为了检验为承销商声誉对发行利差的影响情况，建立回归模型（2）是为了检验有承销团的影响下的承销商声誉对发行利差的影响作用，通过交乘项承销商声誉×承销团表示考虑了承销团的承销商声誉，其中如果采用承销团模式syn取值为2，否则为1。1.1.2稳健性检验模型考虑到稳健性，本文将从两个角度分别构建稳健性检验模型。首先，利用证监会评级指标代替原债券市场份额进行稳健性检验，对应的回归模型（3）如下：Spread=c+β1Rank+β2Credit+β3Size+β4Maturity+β5Secured+β6Creditsupport+β7SoE+β8Listed+β9Industry+β10Area+β11Revenue+ε 式（1.3）其中，Spread为被解释变量，Rank为解释变量，βi为解释变量和控制变量的系数，Credit、Size、Maturity、Secured、Creditsupport是与产品特征有关的控制变量，SoE、Listed、Industry、Area、Revenue是与发行主体有关的控制变量。ε为随机扰动项，c为截距项。然后，使用承销商当年所承销的全部债券的市场份额百分比替换标的承销商当年所承销的全部资产证券化产品的市场份额百分比，进行稳健性检验，对应的回归模型（4）如下：Spread=c+β1Share_ABS+β2Credit+β3Size+β4Maturity+β5Secured+β6Creditsupport+β7SoE+β8Listed+β9Industry+β10Area+β11Revenue+ε 式（1.4）其中，Spread为被解释变量，Share_ABS为解释变量，βi为解释变量和控制变量的系数，Credit、Size、Maturity、Secured、Creditsupport是与产品特征有关的控制变量，SoE、Listed、Industry、Area、Revenue是与发行主体有关的控制变量。ε为随机扰动项，c为截距项。1.1.3内生性检验模型考虑承销商声誉与发行利差可能的内生性问题，需要对内生性问题进行处理。这是因为，第一,高声誉的承销商更容易拿到好的项目，还款能力较强的企业拥有更多选择，在面临众多选项时自然倾向于选择高声誉的承销商以更顺利完成发行并希望获得更低的发行利率；；第二，高声誉的承销商为了保证自身发行项目的总体质量水平，会主动选择经营状况良好的企业以维持自身的高声誉。以上问题可能会造成内生性问题，即变量不都是外生的。本文参照Deku（2019）、刘丹等（2021）的研究,选择引入年度资产证券化产品发行金额总额(Amount)作为工具变量构成式（1.5）。通过式（1.1）和式（1.5）结合做两阶段最小二乘估计(2SLS)，即Heckman两阶段模型，定义为模型（5）。Share=c+β1Amount+β2Credit+β3Size+β4Maturity+β5Secured+β6Creditsupport+β7SoE+β8Listed+β9Industry+β10Area+β11Revenue+ε 式（1.5）其中，Spread为被解释变量，Amount为工具变量，βi为工具变量和控制变量的系数，Credit、Size、Maturity、Secured、Creditsupport是与产品特征有关的控制变量，SoE、Listed、Industry、Area、Revenue是与发行主体有关的控制变量。ε为随机扰动项，c为截距项。1.5实证检验结果分析1.5.1主回归模型从表1.2中可以看到：被解释变量资产证券化产品发行利差（Spread）最小值为-1.85%，最大值为5.29%，虽然已经去除掉了两侧1%的数据，差距还是存在的，均值约为1.38%，标准差为1.36。衡量承销商声誉的承销商债券市场份额（Share）的均值为2.49，表明选择的样本中解释变量承销商的债券市场平均占有率在2.49%左右，平均份额不大，最大值为6.13，代表着最大市场份额的承销商在全债券市场占有率为6.13%，标准差为1.95，承销商市场份额*承销团（Share×Syn）的均值为3.79，标准差3.38。行业内各家承销商差别明显，头部效应明显。（3）控制变量中的产品层面变量：发行规模（Size）为了数据标准化，将其取对数，对数后均值为1.47。发行期限（Maturity）指标的最大值为36年，均值为1.25年，标准差为1.56，说明市场上的ABS期限差异较大，既有3个月、半年左右的短期限品种，也有5年及以上的长期限品种，发行期限差异性比较大。担保增信（Secured）均值为0.28，说明有近28%的ABS使用了外部担保手段。主体评级（Credit）取值0-4的情况下均值可以达到为3.75，标准差0.58，说明市场上的ABS优先级整体评级水平较高，很多可以达到AAA级，评级差异化不大。信用支持（Creditsupport）均值15.69，标准差17.62，说明市场上大多产品的次级占比指标差别较大。（4）控制变量中的公司层面变量：从主体性质（SoE）可以看出发行主体中约68%都是国有企业，而从上市情况（listed）可以看出发行主体中仅有约27%为上市公司，比例不高。发行地区（Area）来看，在取值为1-3的情况下，均值可以达到2.67且标准差仅0.67，说明发行企业集中在较发达地区，较偏远地区参与较少。从行业（Industry）来看，均值0.66，说明66%的企业来自金融行业，参与主体以金融企业为主。描述性统计结果如下：表1.2描述性统计结果N最小值最大值平均值标准差Spread3198-1.8505.2901.3811.360Share31980.0106.1302.4911.952Share×Syn31980.01012.2603.7883.379Size3198-2.2541.7451.4741.416Maturity31980.24736.0251.2451.558Secured31980.0001.0000.2800.449Credit31981.0001.0003.7500.578Creditsupport31980.00099.97415.69417.616Area31981.0003.0002.6700.674Industry31980.0001.0000.6600.475SoE31980.0001.0000.6800.466Listed31980.0001.0000.2700.442Revenue3198-5.2409.0861.4002.669数据来源：SPSS统计结果1.5.2相关性分析表1.3显示，承销商声誉衡量变量（Share）和发行利差（Spread）显著负相关，说明承销商声誉越高，发行成本也就越低，与开始的假设初步符合，但这并不能直接证明假设H1，因为未结合产品特征以及公司特征。同样的，承销商市场份额*承销团（Share×Syn）和发行利差（Spread）成负相关，且相关性显著，但说明在加入承销团后承销商声誉仍然对发行利差的影响负相关，这并不能直接证明假设H2，因为未结合回归分析结果，还需进一步验证。从产品特征方面的控制变量相关系数来看，产品特征方面，发行利差（Spread）与发行规模（Size）和信用评级（Credit）显著负相关，符合预期。然而发行利差（Spread）与发行期限（Maturity）成显著负相关关系并不符合预期，与担保增信（Secured）显著正相关同样与预期不符，后续将结合回归结果进行论证。信用支持（Creditsupport）与发行利差（Spread）的相关关系不显著，这里笔者认为可能是在实际发行中较少考虑信用支持的因素，各级别的债项相对较独立，但仍需结合回归结果分析。从主体特征方面的控制变量相关系数来看，发行利差（Spread）与发行人上市情况（listed）、企业性质（SOE）、行业（Industry）、地区（Area）、营业收入（Revenue）显著负相关，与预期相符。总体来看，Pearson相关性检验结果可以初步表现变量间相关关系，且相关关系大多符合实际情况并有经济含义，但仍需回归验证。由于承销商市场份额（Share）与承销商市场份额*承销团（Share×Syn）分别属于两个回归模型，不考虑它们的相关性。排除后，相关系数大部分处于0.3以下，可以基本认为没有相关性。相关系数最大值为发行利差（Spread）和发行规模（Size）之间的相关系数-0.567，因此可以初步排除多重共线性的可能。Pearson相关分析结果如下：表1.3变量的相关性分析SpreadShareShare×SynSizeMaturitySecuredCreditCredit-supportAreaIndustrySoEListedSpread1-.215**-.318**-.567**-.162**.120**-.389**-0.003-.201**-.290**-.182**-.533**Share-.215**1.884**.122**0.004-.125**-0.034.045*.047**.067**0.021.100**Share×Syn-.318**.884**1.234**.052**-.133**.041*.117**.169**.099**.037*.256**Size-.567**.122**.234**1.246**-.088**.448**.073**.203**.215**.082**.415**Maturity-.162**0.004.052**.246**1-.077**0.0210.021.112**-.236**.061**.248**Secured.120**-.125**-.133**-.088**-.077**1.120**-.220**0.002-.121**.106**-.206**Credit-.389**-0.034.041*.448**0.021.120**1-.040*-0.01.077**.162**.111**Creditsupport-0.003.045*.117**.073**0.021-.220**-.040*1.170**.169**-.073**.174**Area-.201**.047**.169**.203**.112**0.002-0.01.170**1-.085**-.216**.255**Industry-.290**.067**.099**.215**-.236**-.121**.077**.169**-.085**10.029.246**续表1.3变量的相关性分析SpreadShareShare×SynSizeMaturitySecuredCreditCredit-supportAreaIndustrySoEListedSoE-.182**0.021.037*.082**.061**.106**.162**-.073**-.216**0.02910.021Listed-.533**.100**.256**.415**.248**-.206**.111**.174**.255**.246**0.0211Revenue-.474**.155**.227**.427**.196**-.199**-0.013.159**.162**.154**.048**.641**注：**.在0.01级别（双尾），相关性显著。*.在0.05级别（双尾），相关性显著。数据来源：SPSS统计结果由表1.4可知，模型（1）共线性诊断结果中VIF的平均值为1.411，最大为2.02，最小1.047，也就是VIF值均在（1,10）之间。模型（2）共线性诊断结果中VIF平均值为1.421，最大为2.035，最小1.113，VIF值同样的处于（1,10）区间内。结果表明发行利差与产品变量、企业变量等变量之间不存在多重共线性问题。因此本文可以继续往下做回归分析。表1.4变量的共线性检验模型(1)模型(2)容差方差膨胀因子（VIF）容差方差膨胀因子（VIF）Share0.9551.047Share×syn0.8881.126Size0.5331.8760.5301.888Maturity0.7891.2670.7891.267Secured0.8691.1510.8701.149Credit0.6981.4320.7001.428Creditsupport0.8891.1250.8881.127Area0.8081.2380.7991.251Industry0.7621.3120.7621.312SoE0.9011.1100.8991.113Listed0.4952.0200.4912.035Revenue0.5131.9480.5161.939MIN1.4111.421数据来源：SPSS统计结果1.5.3主模型回归结果由表1.5可知，单变量回归结果中承销商声誉（Share）和资产证券化产品发行利差（Spread）显著负相关，但调整后R方仅有1.6%，F值通过联合统计检验且在1%水平下显著，说明利用承销商声誉单变量进行回归解释力度是不够的，故还需将控制变量加入进行分析，具体结果如表1.5多变量回归结果所示，模型（1）调整后的R方从1.6%升到51.8%，解释能力变高，模型整体显著，回归分析结果可靠，说明本文建立的该模型对资产证券化产品发行利差具有较高的解释程度。回归结果显示，承销商声誉越高，资产证券化产品发行利差越小，也就是说假设H1得到了证明即高声誉的承销商可以有效为融资者降低发行成本。下面具体分析产品层面和公司层面的控制变量对资产证券化产品发行利差的解释。（1）控制变量中的产品层面变量。发行规模（Size）相关性与设想的一致，但显著且系数为负值，说明大额发行规模代表企业对自身偿债能力的肯定，更加安全，从而发行金额越大发行利差越低。信用评级（Credit）变量回归系数为负且显著，与前文的设想一致即信用评级越高风险越低，发行利差越低，符合实际经济含义。与预想的方向不一致的变量有发行期限（Maturity）、担保增信（Secured）和信用支持（Creditsupport）。发行期限不符合预期的原因笔者认为市场上投资者对期限的长短并不那么敏感，长期产品虽然有一定的不能如期收回利息和本金的风险但也意味着更多的利率补偿，且短期产品大多是持有到期，而长期产品市场流动性在逐渐增强，相应的流动性风险溢价低。担保增信和信用支持两种增信手段的系数均为正且显著，说明不管是内部增信还是外部增信措施都没有像预想的那样可以降低资产证券化产品的发行成本反而提升了利率。笔者认为原因是由于资产证券化产品更多的是与现金流相关，而非发行人本身。另外，选择采使用担保措施的发行企业可能是因为自身情况较差，自身资质好的企业一般不需要担保，而资质差的企业如不采取一定的外部担保措施投资者很难放心，较容易导致发行失败，导致发行成本变高，另外市面上投资者由于投资限制等原因一般会投资优先级，对次级并没有过多的关注，对次级占比这个因素就不够敏感。（2）控制变量中的主体层面变量。公司所处的行业（Industry）、地区（Area）、主体性质（SoE）、上市情况（Listed）、营业收入（Revenue）这些变量均在1%的显著水平下负相关，表明该些变量越高，发行人资产证券化产品发行成本越低，均与预期结果相符。这也说明目前资产证券化产品发行实践中对主体信用的依赖程度较高，资产信用作用可能会被主体信用掩盖，部分产品即使资产信用水平不高但在主体信用的加持下也能发行成功。且资产信用信息复杂，传递链条不完善，较难以规范化的信息模式传递给投资者，且时效性差，投资风险判断较困难并难以后续跟踪，因此主体信用依旧占有重要的地位，即使资产信用良好若主体信用不好也会因为投资者对主体信用的担忧而无法顺利融资。例如国内首单ABS违约案例大成西黄河大桥通行收费权项目中，基础资产本身风险较大，受经济和特定行业影响的风险大，并不是很适合做底层资产，相对较脆弱，因而发生违约。模型（1）回归结果如下：表1.5模型（1）回归结果被解释变量：Spread变量系数标准错误标准化系数t显著性单变量回归Share-0.1500.012-0.215-12.4650.000调整后R方0.046F155.388（p<0.001)多元回归Share-0.0900.008-0.129-10.5670.000Size-0.1820.016-0.189-11.6050.000Maturity-0.0100.004-0.034-2.5620.010Secured0.1680.0390.0551.3370.000Credit-0.6000.033-0.255-17.9120.000Creditsupport0.0100.0010.12910.2170.000Area-0.2690.027-0.133-10.0750.000Industry-0.4850.039-0.17-12.4480.000SoE-0.3710.037-0.127-10.1360.000Listed-0.6680.052-0.217-12.8490.000Revenue-0.0950.008-0.187-11.2670.000调整后R方0.548F352.978（p<0.001)数据来源：SPSS统计结果由表1.6单变量回归结果可知，承销商声誉*承销团（Share×Syn）和发行利差（Spread）显著负相关，调整后R方为10.1%，说明考虑承销团后承销商声誉的解释能力上升，但单变量回归仍解释力度不够，存在遗漏变量问题，故还需将控制变量加入到回归模型中进一步验证，具体结果如表1.6多变量回归结果所示，模型（2）调整后的R方为51.8%，F值通过联合统计检验，模型整体显著，回归分析结果可靠，说明整体来看该模型对发行利差也具有较高的解释程度，但加入控制变量后承销商声誉作用显著性有明显的下降，解释能力不如模型（1）。回归结果显示，加入承销团考虑后，比较承销商市场份额（Share）与加入承销团的承销商市场份额（Share×Syn）的t值，加入Syn的交乘项承销商市场份额*承销团（Share×Syn）的系数的结果更加显著，t统计量的值也更大，即承销团机制下的承销商声誉对发行利差的影响增加。表明，采取承销团模式进行承销可以起到补偿信用风险的作用，承销团因为更多的承销商参与会起到更大的信息不对称缓解作用，且议价能力变强，让承销团承销模式比单一主承销商承销模式的发行成本更低，与假设2相符。但增强的效果不大，因为在实际情况中承销商数量并不是越多越好，第一，承销团模式一般是声誉较好的一家承销商来牵头，联席承销商在发行过程中起到的作用更多是分销，而有时项目分销会向市场传达一个项目不好出售的信号，对信息披露的监督作用较弱。第二，承销团成员之间存在内部利益分配问题，可能会引发矛盾，以及会面临内部合作协调问题，有时是发行过程的障碍。从控制变量来看，相关性和显著性基本与模型（1）回归结果保持一致，说明采用承销商模式后控制变量对发行利差的影响并未出现明显改变，在此不再赘述。模型（2）回归结果如下：表1.6模型（2）回归结果被解释变量：Spread变量系数标准错误标准化系数t显著性单变量回归Share×Syn-0.1280.007-0.318-18.9520.000调整后R方0.101F359.179（p<0.001)多元回归Share×Syn-0.0540.005-0.134-10.6400.000Size-0.1760.016-0.183-11.2170.000Maturity-0.0100.004-0.034-2.5760.010Secured0.1730.0390.0571.4640.000Credit-0.5890.033-0.250-17.6130.000Creditsupport0.0100.0010.13510.6980.000Area-0.2460.027-0.122-9.1620.000Industry-0.4870.039-0.170-12.4950.000SoE-0.3600.037-0.123-9.8270.000Listed-0.6090.052-0.198-11.6670.000Revenue-0.0990.008-0.194-11.7020.000调整后R方0.548F353.280（p<0.001)数据来源：SPSS统计结果1.5.4稳健性检验结果首先将原解释变量承销商承销债券的金额在全市场中所占比例替换为证券公司评级结果对回归结果的稳健性进行检验。但由于主承销商为银行时无证监会评级指标可用，需要去除没有评级结果的887个样本，剩余2311个样本，利用这些样本分别对模型（1）和模型（3）进行回归。根据表1.7回归结果，替换解释变量后利用证监会券商评级指标所构建的解释变量进行回归得到的标准化回归系数依然保持为负，且与主回归模型（1）的标准化回归系数相近，显著性也与模型（1）回归结果相差不大，说明回归结果稳健。主回归模型中参考M-W排名法采用了市场份额衡量承销商声誉，但是市场份额虽应用广泛但未必是最公正的方法，接下来会使用证监会评级数据替换市场份额进行稳健性检验。原因是：首先，这几年的资本市场处于快速变动中，券商的业务水平和风险控制能力均会发生变动，承销商份额在新兴市场中可能不够客观，不能完全展现承销商可能具有的风险，比如承销商为追求提升市场份额提高承销规模而隐瞒信息销售质量差的项目的道德风险，发生监管惩罚事件等情况，这些信息会通过评级综合展现出来。其次，投资者和发行人在选择合作券商时会参考证监会的监管评级，评级高的券商发生风险事件可能性小，有的银行甚至设置了合作门槛，比如要求合作券商评级不低于BBB。但是，评级是对券商各项业务的综合评价，部分银行会对券商各类业务进行拆分得到内部评分，国资背景的券商会获得一定程度的加分，且团队的专业性也是一个非常重要的考量。还有，证监会给出的券商评级指标为券商综合评价指标，而券商发行资产证券化产品所在的投行业务与其他业务比如证券经纪业务等存在隔离，每家券商在各个领域的优势不同，在研究ABS产品在一级市场发行成本利差时，数据越是贴近一级市场，解释效果会越好。稳健性检验模型（3）回归结果如下：表1.7模型（3）稳健性检验结果被解释变量：Spread模型（1）回归结果模型（3）稳定性回归结果Share-0.148**

（-10.027）Rank-0.155**

(-10.121)Size-0.16**

（-8.159）-0.159**

(-8.112)Maturity-0.053**

（-3.267）-0.042**

(-2.576)Secured0.044**

（2.833）0.055**

(3.53)Credit-0.258**

（-11.953）-0.245**

(-11.261)Creditsupport0.124**

（8.09）0.13**

(8.497)Area-0.109**

（-6.741）-0.12**

(-7.398)Industry-0.179**

（-10.702）-0.157**

(-9.262)SoE-0.155**

（-10.259）-0.16**

(-10.568)Listed-0.222**

（-11.033）-0.244**

(-11.93)Revenue-0.199**

（-9.997）-0.185**

(-9.146)调整后R方0.5240.524F231.835**232.181**注：“**”为在1%的水平下显著，“*”为在5%的水平下显著，括号内为t统计量值。数据来源：SPSS统计结果然后，考虑到用证监会评级指标回归数据不全，进一步的，本文将原解释变量承销商承销资产证券化产品的金额在全市场中所占比例替换为承销商承销债券的金额在全市场中所占比例对回归结果的稳健性进行检验。根据表1.8回归结果，模型（4）的调整后R方为0.541，比模型（1）的拟合优度较弱。承销商承销债券的市场份额回归系数依旧显著为负，说明承销商资产证券化承销市场份额对发行利差具有显著负向影响，控制变量与模型（1）回归结果也出入不大，虽不如模型（1）的解释力度，但仍可说明回归结果稳健。稳健性检验模型（4）回归结果如下：表1.8模型（4）稳健性检验结果被解释变量：Spread模型（1）回归结果模型（4）稳定性回归结果Share-0.129**

（-10.567）Share_ABS-0.099**

（-8.001）Size-0.189**

（-11.605）-0.203**

（-12.394）Maturity-0.034**

（-2.562）-0.034*

（-2.512）Secured0.055**

（1.337）0.062**

（1.805）Credit-0.255**

（-17.912）-0.249**

（-17.423）Creditsupport0.129**

（10.217）0.127**

（10.011）Area-0.133**

（-10.075）-0.139**

（-10.401）Industry-0.17**

（-12.448）-0.159**

（-11.477）SoE-0.127**

（-10.136）-0.129**

（-10.251）Listed-0.217**

（-12.849）-0.229**

（-13.354）Revenue-0.187**

（-11.267）-0.178**

（-10.519）调整后R方0.5480.541F352.978**343.694**注：“**”为在1%的水平下显著，“*”为在5%的水平下显著，括号内为t统计量值。数据来源：SPSS统计结果综上所述，两种解释变量进行的稳健性检验回归结果均显著，因此模型结果的稳健性得到了证明。1.5.5内生性检验结果由表1.9为模型（5）的两阶段最小二乘估计回归结果，第二阶段结果显示变量Share的系数为-1.784且1%的水平下显著，说明控制内生性问题后，本文探讨的承销商声誉对发行成本的抑制作用依然存在，可以进一步证明承销商声誉与资产证券化产品发行利差成反比，再次验证了研究假设1。但是Share的系数明显大于主模型（1）回归的结果，说明内生性问题可能使主回归模型的普通最小二乘估计结果产生误差。表1.9两阶段回归结果被解释变量：Spread变量系数二阶段回归结果Share-1.784**

（-3.52）Size-0.005

（-0.071）Maturity-0.107**

（-2.59）Secured-0.104

（-1.767）Credit-0.378**

（-7.15）Creditsupport0.123**

（3.731）Area-0.085*

（-2.26）Industry-0.138**

（-3.763）SoE-0.064

（-1.697）Listed-0.259**

（-5.641）Revenue-0.016

（-0.228）调整后R方0.148F51.488**注：“**”为在1%的水平下显著，“*”为在5%的水平下显著，括号内为t统计量值。数据来源：SPSS统计结果分析这种结果的原因，一方面，高声誉的承销商更容易拿到好的项目，承揽渠道丰富，有着强大的客户资源，承销商都想获取质量高风险小的发行企业的项目。这样承销商寻找合适的投资者并不困难，销售难度较低，发行失败的风险较低，另一方面，承销商为了获取更多的承销费用收入也会更愿意选择优质项目。发行人获得一个比较可观的发行定价结果，获得更多融资，承销商也能获得更多的收益。虽然有时看似为了市场份额放弃承销利润，但通过这种项目可以逐步累积树立自身在资本市场发行的形象，就可以继续承接优质项目。对于投资者来说，高声誉的承销商发行资产证券化产品时会向投资者释放优质的信号，投资者可以借助这一工具做出投资决策，从而提升资金配置效率。1.6影响机制分析前文已经证明承销商声誉会对资产证券化产品定价产生抑制的作用，本节进一步探究承销商声誉对资产证券化产品定价产生影响的内在机制。总结研究成果，承销商声誉之所以能降低发行利差，既可能是因为投资者更愿意相信高声誉的承销商的信息，也可能是因为高声誉的承销商获取的承销项目质量也更高。本节将对这个两个影响机制进行检验。1.6.1信息认证传导机制为了验证信息认证实际传导机制的存在，本文将对信息风险程度和信息不对称程度不同的企业分别验证承销商声誉对发行利差产生的效应是否有差别，以此来说明承销商通过信息中介和认证中介功能发挥作用。首先，将样本发行人按照是否具为国有企业进行分组。一般来说国资背景的企业国有背景的企业具有隐性担保的背书功效，信息质量更高，信息风险水平低，融资违约较低。接下来分别对信息风险水平低的国有企业和信息风险水平高的非国有企业进行模型（1）的回归分析。从表1.10中可以明显看出，非国有企业组中承销商市场份额的标准化系数更高，表明承销商声誉对非国有企业的信息不对称改善发挥了更大的作用，国有企业的信息质量高从而对信息不对称的改善影响不如非国有企业，符合之前的猜想，初步印证了承销商声誉通过信息认证作用传递给发行利差这一传导机制。表1.10不同信息风险水平下的承销商评级与发行利差关系被解释变量：Spread国有企业非国有企业Share-0.122**

（-8.806）-0.148**

（-5.953）Size-0.146**

（-7.235）-0.251**

（-8.365）Maturity-0.08**

（-5.235）0.043

（1.592）Secured0.033*

（2.261）0.09**

（3.618）Credit-0.214**

（-13.714）-0.292**

（-9.49）Creditsupport0.144**

（9.914）0.101**

（3.962）Area-0.155**

（-10.075）-0.069**

（-2.744）Industry-0.174**

（-10.934）-0.164**

（-5.972）Listed-0.226**

（-9.951）-0.222**

（-7.769）Revenue-0.233**

（-10.569）-0.143**

（-1.721）R2-adjusted0.6030.408F332.162**71.008**N21791017注：“**”为在1%的水平下显著，“*”为在5%的水平下显著，括号内为t统计量值。数据来源：SPSS统计结果然后，为进一步验证信息效应，本文还利用发行企业是否是上市指标做进一步检验，该指标可用来衡量发行过程中的信息不对称程度。因为上市公司需要在招股说明书、定期报告等披露经营信息和财务数据等，这些公开信息可以供投资者参考判断公司的内在价值和投资风险，对投资者来说上市公司披露的数据是可靠的数据来源，做投资价值判断时会对风险做出价格调整。接下来将分别对信息不对称程度低的上市企业和信息不对称程度高的非上市企业进行模型（1）的回归分析从表1.11中可以明显看出，非上市企业组中承销商市场份额的标准化系数更高，表明承销商声誉对非上市企业的信息不对称改善发挥了更大的作用，对于非上市企业，投资者需要靠谱的金融中介进行信息披露，上市企业的信息质量高从而对信息不对称的改善影响不如非上市企业。回归结果可以很好的解释信息认证传导机制，进一步印证了承销商声誉通过信息认证作用传递给发行利差这一传导机制。回归结果如下：表1.11不同信息不对称程度下的承销商评级与发行利差关系被解释变量：Spread上市企业非上市企业Share-0.067**

(-2.757)-0.144**

（-8.162）Size-0.14**

（-3.973）-0.227**

（-10.945）Maturity-0.086**

（-3.217）0.002

（0.093）Secured0.053

（1.781）0.028

（1.572）Credit-0.166**

（-6.255）-0.336**

（-16.233）Creditsupport0.149**

（5.889）0.153**

（8.614）Area-0.039

（-1.499）-0.147**

（-7.831）Industry-0.372**

（-12.444）-0.092**

（-1.703）SoE-0.119**

（-1.412）-0.124**

（-6.783）Revenue-0.225**

（-6.837）-0.116**

（-6.386）R2-adjusted0.5230.326F91.016**111.372**N8502346注：“**”为在1%的水平下显著，“*”为在5%的水平下显著，括号内为t统计量值。数据来源：SPSS统计结果综上，如前文所述，发行参与主体包括多个机构，且根据产品结构的差异会存在不同的参与机构，由于参与主体的错综复杂，从而导致发行人与投资者存在信息不对称问题甚至反向选择和道德风险等问题。同时，从资产的角度来看，资产证券化的基础资产种类日益丰富，部分管理情况混乱，透明度低，很难转化为可传递的标准化信息，且伪造难度并不高，实际案例中就有原始权益人向中介机构提供了不实的信息而没有被中介机构发现的情况，以上问题造成评估难度大，导致主体信用和承销商信用更加成为可以信赖的要素，以此控制违约风险。面对风险较高的企业和资产时更加需要高评级、信誉良好的金融中介介入以更好的把关基础资产质量，严查风险点，从而为投资者提供更多的保障，投资者面临的风险相对更小，因此高评级的承销商对缓解信息不对称的作用比低评级的更显著。1.6.2质量担保传导机制本节将通过分组验证进一步验证承销商声誉通过质量担保传导机制对发行利差进行影响。本文认为较大规模的承销商会主动收到资质较好的企业的承销工作，发行成本本身就比较低，这样会向市场传达质量担保的信息，而信用评级最能代表项目质量水平。故本文选取信用评级（Credit）对ABS产品进行分类，设置评级为AAA的为高评级，即项目质量高的组其余的为低评级，用来验证承销高评级ABS产品的承销商声誉更高。由表1.12结果，通过比较高评级ABS产品和低评级ABS产品回归结果可以看出，解释变量承销商市场份额与发行利率均显著相关，且系数为负，而低评级ABS产品中，承销商声誉（Share）变量标准化系数从-0.073变为-0.216，变量标准化系数增加，同时t值从-5.122变为-5.538。所以，承销商声誉在低评级ABS产品中对于信用利差的影响更显著，同时高评级的ABS产品承销商市场份额更高，声誉高的承销商在声誉承销的项目资质较好，对发行成本的影响更强，质量担保效应存在。结合内生性检验结果，可知高声誉的承销商更容易拿到好的项目，而发行人也倾向于寻找高声誉的承销商为自己服务，这样循环往复下去会向市场的投资者传递一个隐含的信号，就是高等级的承销商承销的项目质量水平普遍较高，具有更高的投资价值。承销商会因为重视自己在投资者心中的形象从而更加谨慎负责地审核项目风险点，而且如果后续面临产品违约，高评级承销商因业务水平较高也会使用展期、债务重组等不同工具处理违约尽量让损失降到最低，合适地处理违约以维持自己地声誉。而市场上地投资者一旦认识到承销商的这一质量担保效应，相关发行利差也会降低。分组回归结果如下：表1.12不同项目质量下的承销商评级与发行利差关系被解释变量：Spread高评级ABS低评级ABSShare-0.073**

（-5.122）-0.216**

(-5.538)Size-0.238**

（-13.485）-0.139**

(-3.365)Maturity-0.044**

（-2.763）-0.033

（-0.811）Secured0.059**

（3.957）0.026

（0.685）Creditsupport0.115**

（7.778）0.178**

（1.647）Area-0.166**

(-10.65)-0.054

（-1.369）Industry-0.166**

(-10.1)-0.174**

（-1.326）SoE-0.146**

(-9.955)-0.191**

（-1.814）Listed-0.26**

(-12.491)-0.231**

（-5.568）Revenue-0.155**

(-7.383)-0.156**

（-3.47）R2-adjusted0.4990.234F257.695**19.984**N2575621注：“**”为在1%的水平下显著，“*”为在5%的水平下显著，括号内为t统计量值。数据来源：SPSS统计结果1.7进一步检验1.7.1不同发行地点的异质性由于国内银行间市场和交易所市场并非像国外发达市场那样自由连接，处于相对独立的状态，这就造成了跨市场发行价格的差异，且转托管的限制阻碍了套利使价差存在，国内有学者对不同市场的定价差异相关问题进行了研究。比如袁东（2004）通过对比不同市场久期和凸性等指标，发现交易所市场的利率敏感度和流动性均好于银行间市场。徐小华等（2014）对比国债和企业债发现银行间市场受信息影响更敏感。究其原因，徐荟竹等（2018）认为债券市场分割，流动性损失会损害市场的价格发现功能，同时信息不均衡需要付出成本，从而影响价格的有效性。朱玉杰等（2021）表示银行间市场和交易所市场的不同发债审核机制下承销商声誉降低债券融资成本的效果不同。本文研究对象包含了信贷ABS（银行间市场发行）、企业ABS（交易所市场发行）、ABN（银行间市场发行），发行地点不同，而银行间市场和交易所市场因监管主体和规则的差异存在一定割裂性。市场存在割裂的情况具体可以表现在监管体系、产品类型、交易主体等方面。监管体系方面，人民银行、证监会等不同的监管部门设计了不同的法律法规、审批流程、审核标准等，中债登、中证登和上清所等不同的托管结算机构，制定了不同的托管制度和繁琐的操作流程，限制了跨市场流通和协调发展。交易主体方面，从上交所和深交所披露的投资者结构数据来看，交易所企业ABS的持有人中银行是主要的投资者，其次券商资管、公募基金、保险机构等均有参与。而银行间市场中银行自营为ABS最大的投资者，其次为银行理财、公募基金、各地城商行和券商资管等，其中各机构的偏好也均有所不同。在这种背景下，不同市场的分割可能会导致价格形成机制差异的形成，承销商声誉机制在三个市场的作用是否有区别有待探究。将数据根据上市地点进行分类为银行间市场、上交所市场和深交所市场，对模型（1）进行回归。由表1.13可以看到，承销商声誉在银行间市场上对发行利差的影响在5%的显著水平下显著，而在两个交易所市场承销商声誉对发行利差的影响在1%的显著水平下都显著，并且承销团制度下同样可以发挥承销商声誉机制的影响。究其原因可能是由交易所市场和银行间市场的产品和制度等存在不同导致的。首先，虽然交易所市场是场内市场二级交易，但银行间债券市场发展更早更健全。从实际交易规模看，银行间市场较交易所市场二级交易量更大并且ABS的换手率高于公司债，尤其是期限长的产品，价格更加市场化，而承销商在其中发挥的作用就比较有限了。其次，笔者认为原因还可能是银行间市场流动的主要品种为信贷资产证券化，发起机构为金融机构，信息不对称程度低，且金融机构掌握专业知识，承销商在定价中发挥的作用较小。再次，由于目前政策条件的不成熟，市场上的做市商无法通过做市促进价格回归内在价值。从控制变量上来看，三个市场中的各控制变量指标并不完全相同，需要进行分类探讨。具体来看，信用评级（Credit）、信用支持（Creditsupport）、企业性质（SoE）、上市情况（Listed）、营业收入（Revenue）在银行间和交易所市场都对发行利差有显著影响，说明信用评级、信用支持、发行人的企业性质和财务水平始终是发行定价会考虑的因素，尤其是信用评级重要性最高，而发行期限（Maturity）始终不明显。不同的是深交所市场的发行规模（Size）、地区（Area）、行业（Industry）不显著；银行间市场的外部担保增信显著。回归结果如下：表1.13不同上市地点的承销商评级与发行利差关系被解释变量：Spread银行间上交所深交所Share-0.04*

（-2.045)-0.144**

(-6.787)-0.201**

(-6.061)Size-0.206**

(-7.578)-0.121**

(-6.787)-0.055

(-1.333)Maturity-0.039

(-1.733)-0.022

(-0.925)-0.034

(-0.98)Secured0.123**

(5.616)-0.017

(-0.778)0.018

(0.554)Credit-0.212**

(-9.217)-0.283**

(-11.971)-0.611**

(-11.118)Creditsupport0.151**

(7.417)0.185**

(8.273)0.236**

(7.326)Area-0.042*

(-2.084)-0.179**

(-7.806)-0.014

(-0.367)Industry-0.199**

(-8.53)-0.157**

(-6.456)0.012

(0.302)SoE-0.072**

(-3.332)-0.162**

(-7.394)-0.178**

(-1.636)Listed-