第二届中国信用风险年会
2015年5月16日,上海交通大学上海高级金融学院(英文名称为Shanghai Advanced Institute of Finance,以下简称“SAIF”)携手穆迪公司,联合举办“第二届中国信用风险年会”。来自中国乃至全球的顶级学术机构和金融组织的学术专家以及市场参与者们,就“信用研究领域的最新进展”进行了深入的分享和讨论。...[全文]
论坛速记

  时间:2015年5月16日星期六
  
  地点:上海高级金融学院
  
  严弘:欢迎大家来到第二届中国信用风险年会!我的名字叫做严弘,是上海高级金融学院的教授,欢迎大家来到今天的会场,今天的会议是由穆迪与上海高级金融学院联合举办的。大家都知道,这几个月以来一系列的信用事件激发了大家的热烈讨论,现在大家对信用风险的话题越来越关心了,尤其是放在中国的大背景下,所以今天我们来此讨论这个问题是再合适不过了,也希望能够借此了解有关信用领域的一些最重要的话题。今天我们会有很多学术演讲,还有业界的专家加入我们,讨论中国信用风险的话题。下面我们首先有请MIT讲席教授、SAIF学术委员会主席王江教授上台致辞!
  
  王江:首先我谨代表上海高级金融学院欢迎各位的光临,希望今天大家都能够有所收获。我要特别感谢穆迪公司的大力支持,与我们联合主办了此次信用风险年会。信用可以说是金融系统的一个核心,如果没有信用存在,金融交易就无从谈起。就中国而言,我们看到中国的经济发展在过去的三十年无比辉煌,但讲到具体金融行业还有很长的路要走。中国的股票市场已经是全球第二大市场了,但整个金融系统还有很多地方需要发展。我们之所以要举办这样的信用风险年会、之所以选择携手穆迪就是希望看一看在学术研究领域最新的成果。今天的日程排得很满,可以说的话题也非常多,学术研究方法各有不同。感谢严弘教授和Michael,他们精心策划了此次年会的日程,也感谢大家今天能够来到会场与我们分享你们的真知灼见,向我们介绍研究领域的最新进展。
  
  严弘:下面请穆迪公司全球首席信用官、首席投资官RichardCantor为我们进行全球信用展望。
  
  RichardCantor:感谢严教授和王教授,也要感谢上海金融学院携手穆迪组织这次论坛。过去几年让人感到非常振奋,对于未来我们也是信心满满。这里我想大概地和大家讲一讲穆迪对于全球经济和信用的展望,也是为全天的讨论奠定一个基础。可能会提到我们的预测和最主要的冲击,包括哪些传输的通道会把信用方面的冲击放大,最后简单地提一提这些对于中国来说意味着什么。
  
  这是我们对于二十国经济的预测,除此之外还有一些其它的国家和集团,总体来说增长还是非常有力的,中国增长的速度有点放缓,但中国的放缓是有控制的,也是大家期望之中的,虽然增长不像人们预期的那样强劲,但总体来说还是非常正向、非常积极。背后的主要驱动因素是什么呢?目前全球没有哪个国家正在实施非常严格的财政政策,虽然有些国家能够延续之前比较紧的财政政策,但并没有出台新的收紧政策。之前全球金融危机对于各个经济体有所冲击,包括对于油价的波动也有一定的冲击,但在投资方面总体上还是比较鼓舞人心的,虽然不是那么强劲。大家知道美元现在非常强劲,因为美国可以说也是现在增长最为强劲的经济体之一,这也支撑了强势的美元、并对出口有所影响。讲到美元,我有这样一个观点,虽然美元汇率可能会有波动,我也跟很多专家讨论过,大家觉得美元的波动在所难免,但总体认为美元长期走强是不成问题的。这张图上显示的是整个固定收益市场,也是全球投资者可以做的固定收益,差不多是四十五万亿美元,也就是说对于全球投资者来说开放市场总值达到了这样一个数量级,而且这样的市场之间是可以进行跨国界的交易,其中有日元、欧元、英镑和美元,中国通常不是全球投资者都可以随意投资,相对比较封闭一些。这个柱状的宽度代表了市场的规模,纵轴代表了它的收益率,这是非常一目了然的,日元和欧元基本没有什么收益率,如果是美元为计价单位的一系列固定收益产品收益率还是非常可观的。因为全球投资者可以在不同的市场之间自由流动,所以可以实现这样的套利,但总体来看美元的资产仍然是最具吸引力的固定收益资产,所以我们相信未来美元还会继续走强。
  
  刚才给大家介绍了一些背景信息,我认为世界增长在未来是积极正面的,但任何时候都会出现一些可能的潜在冲击,也会导致经济的震荡。很显然,美联储的紧缩政策就是其中之一,不过这不是我的基线场景,也不认为它是中期的可能性,我认为美联储的紧缩不太可能,但也有可能发生。如果发生的话很有可能出现市场全面暴跌,美元走强很可能会导致某些以美元借款的人的麻烦,从这个意义上来说美元太走强也是一个风险。当然,希腊和欧元区的谈判失败,如果希腊退出欧元区,这也是一个威胁到欧元区稳定性的可能性。现在欧元区的经济、贸易和金融都不是特别的强,人们就做出了很多心理的解释,只怕在能源领域价格反弹,如果油价继续下跌,跌到太低程度的话,现在已经在能源领域有了太多的固定资产投资,那么可能就会出现一些不对称的影响。不过我不觉得要太焦虑,地缘政治是一种破坏性很大的因素,还有中国经济的放缓,希望不会出现大型的对于全球经济的震荡。任何一个人如果相信股票市场和债券市场价格过高,人人都有这种共识并且采取行动的话就会有一种瞬间的暴跌,因为人人都想及时抽身而退,瞬间暴跌的概率是很难给定的。我们看到了一系列的风险,而每一个风险单独来看的话都是可以管理的,但我们担心的是一个风险的发生可能会导致涟漪效应波及全球导致整个金融体系的崩溃。不管未来我们会碰到什么样的冲击,多大程度上这个冲击会传导到其它的市场上呢?我会说一些关键的传导机制,过去可能是放大了冲击,现在这些传导机制就是被取消了,现在我们系统里面的期限错配和以前比起来不太明显了,所谓的期限错配就是贷款和存款期限之间的错配。我知道中国的影子银行很大,可是世界其它地方短期的贷款支持长期的贷款需求的现象是变少了。如果你们看一看美国的影子银行,有些商业的票据和货币市场的资产,自从危机以后出现了巨额的下滑,看起来就是流动性不强,但我觉得这是一种金融健康改善的表现。大家也都知道银行的资产负债平衡表比以前更加强大,其它金融市场发生的一些危机就不太可能传导到世界其它地方,尤其是在美国和欧洲有很多在2008年以后发生的交易,其实都是因为市场失灵导致的减价出售,而且是出售给了外国市场。现在这种事情很少了,你看到的结构性金融变少了,减价出售也变少了。最近有一种市场激发机制,就是保证金借款,追踪了二十年纽约证交所的指数,标普500趋势的变化是如影随形的,如果股价上升和下跌,这种保证金贷款参与股市的行为也会上升和下降,有的时候红线低于蓝线,有的时候红线高于蓝线,这就是现在的情况。这是中国的保证金借贷,上证综合指数也在上升,更有意思的是很多保证金信贷是用在支持中国的股票市场,可以看到中国现在保证金贷款大概支持了百分之八的股市,而在美国典型的支持率是百分之二左右,这就令人担心了,如果股价下跌的话就需要更多的保证金追加,也会影响到人们的持股头寸。
  
  讲到股票市场,其实美国和欧洲对于二级债券市场也有担心,尤其是公司债。对于中国的听众来说可能很奇怪,你们会觉得这里的公司债券市场流动性这么低,还要再怎么降低流动性有点不好想像,我来讲一讲对美国和欧洲二级债券的看法。公司债交易是比较少,而银行自营公司债的交易基本上已经关闭了,最大的固定收益持有者一般来说以前都是保险公司和养老金,现在却是货币基金这些每日要求有流动性的组织。因为券商的库存变少了,所以债务提供的缓冲就变少了,这样的想法让有些人表示担心,因为以前银行能够接下更多的债券和库存。这个图表是纽约美联储和华盛顿美联储联合做的,六个星期当中券商到底是增加了还是减少了,债券的头寸每一个点都是一个数据点,减少总头寸最多的区间就是市场波动性最高的区间,我的解读就是市场出现冲击,首先离市的就是这些券商,这就是为什么银行也关闭了他们的债券交易平台。还有一些图表是金融监管者经常讨论的,就是固定收益资产、公司资产越来越多地集中到了共同基金领域,而高收益率百分之十五到百分之二十以上很多都持有在共同基金手中,也就是说投资者可以把他们的钱一日就抽离,共同基金必须再去借款维持他们的仓位。有的人说这就是一个问题了,因为在一个简单的层次来说有没有可能能够向投资者提供比标的资产更多的流动性呢?乍一听你会说这是不可能的,但其实并不是这样,我们要看我们所持的股票和公司的资产,所以这是一种简化来看问题的方法,不过有一个真实的大问题是共同基金的确提高了这种可能性,也就是说很多基金会瞬间离市,这样的话在应对赎回的同时就可能有很大的力气花在维持共同基金的价值上。还有人争论说这是很难存在共同基金的一些资金,但万一出现了一些投资者的挤兑该怎么应对呢?这里还有一个技术上的先发优势,如果你对货币市场感到担忧,日中的NAV计算比别人算得精一点,你先退出的话投资结果就会比别人好一点。到目前为止,我们看到共同基金在管理资金外流方面还是相对比较稳定的,大家都记得上个星期全球债券收益率出现了一个尖峰,这是什么意思呢?是不是一个市场技术上的问题?还是一个基本面的问题?一个星期就能够增加收益率?是不是因为欧元区的表现比人们的预期好一点?还是美国市场经济更好?或者是市场过度抛售然后又回到了市场?这些都是引起了人们在午餐上面大辩论的议题。
  
  现在要来讲一讲中国了,刚才讲的这些和中国的关系不是非常的大,在全球中国出口展望还是不错的。随着时间的推移,美元还会继续走强,而市场对于美联储紧缩的适应将会是比较平顺的,全球资本市场最近的确经历了一些波动性,但是因为中国如果没有资本控制的激烈放松,中国的成长道路是不太可能被全球市场波动性改变。如果考虑的只是中国以外的人的资本利得或者资本损失,中国不放松资本管制的话,成长路径基本上还是由自己国内政策来推动。
  
  严弘:感谢Cantor博士为大家做了这样有趣和信息丰富的发言,难得听到这么具有洞察力的见解。
  
  嘉宾:穆迪有没有做过什么研究对比中国和国外的影子银行?
  
  RichardContor:我们做过很多研究,收集了很多影子银行的数据,其他的作者对此话题也很感兴趣。您可以上我们的网站,或者给我们一张名片,有些材料我们也可以公开发布。
  
  嘉宾:您提到世界经济会增长,但您有什么衡量措施确定世界经济会增长?衡量货币还是政府的宽松政策?或者是经济的实际产出?
  
  RichardContor:我们是用一些实际GDP的增长,还要看就业的增长,我们认为就业增长和实际GDP的增长是相关的,中国的就业增长很不错,尽管全球经济是放缓的。
  
  嘉宾:您确定中国的经济是在增长吗?中国人民还挺开心的,但中国经济总量似乎还在收缩。
  
  RichardCantor:可能我看到的数据不一定是对的。
  
  嘉宾:您讲到现在的错配现象得到了改善,这会不会影响到收益率的曲线?如果真是这样的话这到底是好消息还是坏消息?这个期限的错配的减少会不会导致其它问题?
  
  RichardCantor:以前我们是用很多的短期债来支持长期项目,刚才给你们看的趋势是从金融危机开始就这样了,期限结构变得很宽,就算今天平均来说人们对期限结构感兴趣的地方,美联储升息的话会导致很多的经济头痛,这种头痛需要等到基准利率和长期利率走平才会发生。
  
  严弘:接下来就要进入我们的学术讨论议程,有请来自美国乔治敦大学麦克多诺商学院的JennieBai。
  
  JennieBai:感谢把我们的论文纳入今天的讨论日程,我是来自乔治敦大学的,标题是企业债的分布特征是否可以预测未来收益。为什么要讨论这个话题呢?这是美国企业债市场过去三十年的情况,九十年代只有一点七四万亿美元,2014年已经达到了十一万亿美元。在这十五年中美国的企业债市场甚至比整个美国国库券的市场还要大,增长率是百分之八点五,2000年开始这个规模收益也在一百三十到二百亿美元之间,所以这个市场是非常大的,但是对于市场的研究却远远不足,所以我们非常想了解这个市场当中的风险是什么,我们这篇论文是从这一点出发,但特别强调了它的分布特征。
  
  如果一个投资者想要最大化他的投资组合,效用函数是怎样的?如果我们做一个尾部的扩展可以得到这样的结果,还做了一些非常中肯、非常保守的假设。按照传统的序列,投资者倾向于更高的回报,倾向于更高的风度。可以说麦克韦奇这个模型从五十年代就是主流,但有两个前提,一个是投资者的偏好,另一个是分布必须是正态分布,但是这两个假设在现实世界当中并不完全成立,尤其是在金融危机以后,我们知道投资者更喜欢正向的偏度,而且投资者非常讨厌这样的分布,因为现实的分布并不是正态分布的。大家应该对这个分布特征有更多的研究,我们列出了过去三十年研究的文献,无论是股票市场还是对冲基金市场,对于企业债的研究非常有限,我们论文是第一个研究企业债分布特征的论文。为什么对于企业债的研究那么少呢?原因之一就是高质量的数据非常有限,无论是前面讲的股票,甚至是对冲基金的数据现在都是相对容易获得的,但是企业债的数据非常不容易获得,可以说我们这篇论文汇集了多个论文来源,从1993年到2013年,而且我们特别选择了这样几个分布特征,也就是波动性斜度、风度和下行风险。这是我们研究结论的总结,无论是理论上还是实证数据表明,波动性和预期收益之间是有正向关系的,也就是说波动性最高的债的年化收益要多出百分之六到百分之七。我们发现斜度和预期收益之间的关系是反向的,这个方面的显著性是百分之三左右,但是风度方面没有发现明显的关联性,下行风险和债券收益之间的关联性就更强了,这可能是因为债券投资人在上行的时候收益有限,下行的过程当中风险敞口非常的高。因为我们对一系列的因子进行了控制,所以这个结论应该是非常有力的,前面讲过市场的数据非常有限,主要是因为市场流动性本身非常有局限的,所以我们做了各种因子的控制,包括交易的成本,把所有的这些因子进行了控制,最后得出了这样的结论,所以在这里如果总结一下就是企业债的分布特征可以说是其预期收益非常有力的预测指标。
  
  这是我们收集的企业债数据,来自于五个不同的来源。这个比股票的收益要复杂,因为我们需要计算各个不同的指标。计算的过程当中是非常严谨的,这里我就不展开叙述了,论文当中大家可以论证这个细节。大家看到从1973年到2013年平均的债券收益是在这样的数字,每年A股是900,我们一共有一万五千支债券,这是四千五百家公司发行的,可以说是目前为止最大的企业债总集。这是我们的主要变量,企业债的收益是基于其利息率和息票得出的,我们给出了六个月这样的时间窗口进行时间序列的分析,所有的这些都是在研究方面标准的程序。我们用的几个分布特征就是波动性斜度、偏度、风度和下行风险,价值风险设计的方式也是非常的严谨。我们做了投资组合的分析,每个月都追踪前百分之二十的投资组合分析,下一个月我们会测算其收益,一种是原始收益,还有一种是风险调整过的收益,做过这些收益以后我们就去看一下具体的债券,我们用回归做了单变量和多变量的回归,看一看横截面的收益上面是怎样的表现。我们把整个样本量分成五组,低波动性就是最后的百分之二十,还有最高波动性的百分之二十,还有平均的波动性,每五组之间的平均波动性是多少,这几列显示的是Alpha,我们做了五因子和七因子的Alpha。大家应该关注的是这里,如果按照波动性来排名的话,可以看到随着波动性的增加,预期收益也在增加,最高波动性就是年化收益率百分之六到百分之七。大家可以看到Alpha之间的差异,每个投资组合当中的特征是怎样的,同样是每一个分组当中评级从AAA到AAB,超过十就是高收益的组合。除了评级之外还有期限,期限越长波动性就相对越高,还有总量,可以看到波动性最高的总量相对也是最小的,所以波动性就是这样体现在投资组合的定价当中。各个变量之间的关系我们都做了汇总,现在我们来看A表,这里已经把结果简化了,每个月我们做双重分解。我们按照评级分成五组,每组当中我们再做一次排序,这样我们就给大家汇总出了平均收益,然后B表和C表就是在某一个投资级的债券级别当中做了一个排序,只在高收益的债券当中进行排序,投资级在企业当中是交易最为频繁、最为活跃的级别。这是所有债券的双重排序,如果我们只把投资级和非投资级进行比较的话,高级别债券收益肯定更高,但这个结果同样对全投资级别债券适用。
  
  这是我们对于信用级别作为控制变量所得出的结果,下面的控制变量就是期限,同样也是做了双重排序。第一重排序是所有债券,按照不同的期限比如一到五年和五到十年,按照短期中期长期,长期是十年以上进行排序,也看到了不同的Alpha的结果。可以说短期和长期表现都非常的强劲,中期相对来说表现比较疲弱,这是我们的另一个控制变量,也就是期限。还有一个控制变量就是规模,同样也是双重排序,按照每个规模的级别和波动性进行排序,所以大家看到小型债券超过预期收益明显要高于大型债券。对于大型债券来说这个结果也是非常显著的,只是不如小本债券明显,所以从预测性的角度来说预测能力非常之强。还有一个特征就是偏度,这里我们做了双重排序,按照它的偏度进行了五组分组,同样的波动性当中又按照偏度进行了排序。未来的收益和偏度之间的关系是反向的,主要的超过预期收益是来自于这些偏度较低的债券,波动性就不展开再说了,方法和偏差讲偏度是一模一样的,不一样的是偏度和收益之间的关系是反向的,波动性和收益之间的关系是正向的。
  
  到目前为止,我们做了投资组合的分析,接下来还有一个MacBech回归,如果大家对这个方式了解的话就知道我们的方式。波动性单独列出来是非常重要,但显著性可能不是那么强,如果波动性和偏度二者结合起来,对结果的影响是非常明显的,大家要记住把这三个分布特征放在一起,最重要最突出的就是这个波动性和偏度,可以说单独债券级别和整个投资组合级别来说这个结果都是一致的。我们再来看一看下行风险,这是VAR百分之五的情况。按照下行风险进行排序,同样是分成五组,下行风险和未来收益之间也有一个非常明显的正向关系,主要是来自于多头而不是来自于空头。如果要通过企业债来做空的话风险要高得多,因为这个市场的流动性是非常低的,我们又对评级、到期和规模三个控制变量进行了排序,所以这个结果是相当稳健的。这里我们做了一个单变量的回归,检查了下行风险,大家看到了有控制变量和无控制变量都会发现下行风险已经显著地进入了债券的定价。刚才已经讲过这个市场是相对流动性不足的,考虑到交易成本,流动性不足的影响有多大呢?我们做了两个对照研究,一个是GamaMeasure衡量临时性的转站要素,另一个是借助流动性的BETA,如果我们进行MacBeth的回归,针对流动性BETA做控制变量的话就可以衡量波动性偏度和风态,可以看到波动性的偏度还是存在,下行风险也存在,所以流动性的BETA并没有被抛离在分布特点之外。LBPW就是一些短暂要素,也是Gama的相关系数,按照百分比来算交易的成本,大家可以看到是百分之一点二五,如果你做更多非投资的债券,交易成本就会更高,大约是十九个基点。既然有交易成本,我们该怎么做呢?我们将要从刚才的五组数据当中统统扣除交易成本,计算一下经过交易成本以后的收益是多少。这是我们的总监,对于按照波动性排序的债券组合我们还是可以占到比较高的投资收益,最高收益是来自于根据收益和Alpha的价差排序。
  
  我们做了标准定价的回归,人们很长一段时间都没有关注过我们论文当中看到的波动性、偏度和下行风险对于预期收益的影响,波动性的确能够和预期的企业债收益有显著的正相关,偏度和企业债的预期收益有些负相关,如果各位熟悉股市的话这种证据在股市里面是正相关负相关都有的,可是债券市场为什么不一样呢?这就要求我们做更多的未来研究,固定收益和公司债的独特之处在哪里?我们怎么共同考虑股票和债券的收益?哪些结论适合债券市场?又有哪些适合股票和债券市场?这是一个很大的空白区域有待未来研究,希望我们的论文能够引发更多同行的兴趣。
  
  严弘:接下来有请清华大学周皓教授点评。
  
  周皓:今天天气明媚,这篇论文也写得很美。我认为Jennie和她的共同作者们做了一项很好的工作,这是第一个完整的有关债券市场收益和风险之间关系的论文,一个是预期收益,另一个是波动性,还有偏度和风态,她们讨论了这两组数值之间的关系。我不会复述她们所做的研究成果,我相信她们的研究做得非常利索,而且非常稳健,如果你们像我一样读过整篇论文的话一定会有同样的结论。我的评论是还是打包回家的好,不用再评论了,但Jennie是我的好朋友,所以我要对她进行无情、鸡蛋里挑骨头的分析和点评。
  
  我们考虑债券收益的时候可以把债券收益和股票收益怎么对比呢?比如我是一个对冲基金的投资者,马上就会想到进行资本的套利,我会把我权益投资的战略和公司债、基金战略协调起来,会把两家投资经理叫到办公室给他们看这篇论文,问他们有没有套利机会。作为一个教授和学者,我也会马上抓住论文里面的这一点,这篇论文可能是我们这个小圈子里面引用最多的一篇论文,他们的论文结论是股票的预期收益率和股票的波动性是显著负相关,不管怎么看结论的确就是如此。作为一个学者,我看到JennieBai的论文是债券的预期收益率和波动性是正相关的,刚才那篇论文说的是股票的预期收益率波动性是负相关,一个是负相关,一个是正相关,我怎么看待这两篇论文的结论呢?我觉得太有意思了,不但对我们研究者来说有意思,而且我本人也身兼首席投资官的角色,手下两个投资经理分别管股票和债券的投资,结论看似矛盾,但也许我们还是可以找出一致性的地方。所以我想通过两个方法分析:一个是从公司债的结构角度,另一个是从宏观金融的模型分析。必须承认,我很讨厌引用我自己的论文,因为太拿腔拿调了,可是因为时间有限,我没有别的模型,所以只好引用我自己论文里面的模型说明怎么来用结构模型和宏观金融模型进行债券的分析,实在是读到这篇论文已经太晚了,没有时间找别的论文里面有什么模型了,所以我用的是分析方法,再用一个债券结构模型。
  
  我们发现债券和股票二者的单一性完全被打破了,你可以把股票看成一个期权,波动性都可以求解,可以有效排除股票的波动率,也可以排除信用的价差,所以在我论文当中的第一步就是计算了股票的收益率以及股票的波动性,没有做债券方面的分析,我相信这二者之间是有联系的。对于这种结构式的模型分析来说,你会看到权益收益率和波动性之间的明确关系,也可以看到有可能存在一个偏度的溢价,但目前我对这个结论不感兴趣,我更感兴趣的是能不能找到一个既适用于债券又适用于权益的共同框架。当然了,结构化的模型必须是风格化的,常常有人说能把统计数据和论文当中的数据统一起来吗?我说不能,所以我建议大家去读一下这篇论文,找出一些非线性的有关收益的模型。
  
  除此之外我们还可以做些什么呢?如果我们真的想把资产定价的因素进行匹配的话可以进行宏观金融模型的分析,再次引用我自己的论文来做一个例子,如果你有一个现金流的动态,而又允许波动性是随机的,承认不确定性的话就得设出两个方程式,分别是波动性和不确定性,也会看到期权隐含的波动性体现在这个模型当中。和物理波动性的预期不同,这二者导致了所谓波动性风险溢价的产生,而在这个框架当中我还必须加上时间差T和T1,这个框架可以协调股票领域的收益和波动性之间关系的谜团,我们要讨论的是这个负相关极强的情况下该怎么办,就算是在横截面上面。隐含波动率减去预期波动率如果是大于零的话就能够解决这个所谓的预期收益和波动性之间的问题,有人会问为什么预期收益和波动性之间的关系是负的呢?如果用这个宏观金融模型就会知道有一个不确定性,而风险溢价是正的,但是波动性不是正的,因为波动性其实是现金流、风险和不确定性二者的结果,所以这是我们在股票估价过程当中来解决谜团的方法。这个模型是否适用于企业债呢?我自己没有算过企业债,但是算过国债,这个国债的算法还没有发表成正式的论文,这篇论文还在协作当中,如果把标准通胀的因素加入进去的话就可以计算政府的债券了,我们假设政府债券的收益将会主导任何公司债,先不考虑违约的风险,这样做的隐含意义是什么?债券的收益率如果要取一个国债的横截面的话就要考虑预期收益和波动性之间会有一个正相关,跟股票一样,我对公司债没有了解过,就不知道把违约风险加上去之后二者的关系到底会怎样,但有可能二者之间的关系还是正的,也有可能是负的,但是我没有研究过,还是请作者们以后去研究。
  
  总结一下,这篇论文写得很好,中心思想简单,但说服力很强大,已经可以复印了,没有什么要补充的。建议在结论部分更进一步,就是把债券风格化的事实之间找出一个关系,说不定你们自己还能挣点钱,我们需要一个更具结构性的框架解释预期收益率和波动性之间的关系。
  
  嘉宾:有关变量的问题,我没有看到相关性,企业债彼此之间的相关性是非常强的,你们有没有考虑到这个风险?
  
  JennieBai:现在我手头没有数据,但是我感觉这个相关性不是很强,就是收益之间和相关性之间的关系并不是那么强,所以这不是我们这篇论文的主要研究方向。回应一下周教授刚才的点评,他是我的联合作者,刚才说他要对我进行无情的点评,大家都是联合作者了,能无情到哪里去呢?刚才他提到另外两篇论文当中有一位也是我的研究作者,所以我们的研究方向都是共通的。您的问题这篇论文确实没有涉及,但大家都好奇的是企业债,虽然说企业债不是那么独特,但为什么这个趋势之前被人们忽视了呢?我们确实需要把股票市场和企业债市场联合起来看,取决于你的整个设计,但股票市场和债券市场之间的联系或者共通点确实是我们未来的研究方向。
  
  严弘:企业债流动性不强,很少有企业债频繁进行交易,你们用的数据是怎样的?
  
  JennieBai:我们的数据是1973年到2014年的矩阵数据,从1994年开始之前其实已经有实际交易的数据了,但是在此之前用的主要是历史的数据,这个模型当中我们必须要用实际交易的数据。
  
  RichardCantor:如果交易成本是X,会不会就没有超出预期收益?
  
  JennieBai:对于非投资级债券,把最高的交易成本减去最低的差不多是十九个基点,按照这种情况是差不多六十个基点,又加进去了四十个基点。
  
  嘉宾:所以债券的收益是有偏度的,大局好我们就能够挣到钱,大局不好这个钱就捞不回来,这个就是所谓的偏度,又是和评级联系在一起的,但是又做了评级的控制变量,所以我想问的是进行评级控制以后偏度开始增强了吗?
  
  JennieBai:这个方面我们还没有研究,但是我的直觉是可能和违约的概率关系不大,我们的下行风险其实是结合了偏度、风度和波动性,也不单纯只是偏度,所以我们觉得下行风险可能是一个综合的体现。目前我们只是看数据,就是从数据当中了解这个债券市场到底是怎样的,但是接下去进一步的就是按照您说的这个方向要去想怎么解释这个背后的原因。现在不能告诉我两个债券间偏度比较大,这可能是我下一步要做的,一年以后可能用另外一篇论文回应这个问题。
  
  嘉宾:如果是同一个发行者的话违约风险是一样的,评级也是类似的,是不是可以去比较它们的波动性和频度?有没有类似这样的方法?
  
  JennieBai:通过我们的方法,因为是双重的排序,已经把这个因素考虑进去了,所以这里我们更愿意去看横截面。按照您的方法,结果可能会和我们的非常类似,这里的论文是一百页长,我做的只是非常简单的介绍,后面还有很长的附件,列出了非常稳健的数据。
  
  (茶歇)
  
  严弘:国务院在过去几天当中提出了四百万亿人民币的ABS产品,接下来我们有请SeoyoungKim教授为我们讲解结构化金融工具的设计。
  
  SeoyoungKim:感谢有机会来做这次演讲,Sanjiv和我在这方面做过不少研究,今天就和大家汇报一下。
  
  结构金融工具可以说是人们用来规避风险并且获取资本的一个非常重要的平台,但是七八年前我们就发现结构金融产品失败了。所谓的安全金融占到总体金融产品的比例差不多是百分之三十到百分之三十五,但是构成却出现了明显的变化。五十年代的时候所谓的安全金融产品主要都是银行的存款,这是最为传统的商业银行业务,也就是新的存款,但我们快进到九十年代,尤其是在2000年左右我们看到商业银行吸收的存款作为一个安全的金融资产比例大大下降了,MBS和ABS所谓的影子银行部分大大崛起了,尤其近两年发展得越来越快。既然这个市场出现了这样的区分和分段,消费者和投资者显然有这样对于安全金融资产的需求,要么是用来做抵押,要么是希望获得额外的资本。既然有这样的市场存在,这些所谓的安全金融资产是否安全呢?影子银行规模从九十年代初期不到五万亿美元到了金融危机之前达到了顶峰,即便是现在也是十五万亿左右。因为这当中涉及到双重会计甚至三重会计,真正的规模并没有一个明确的数字。无论是平方还是立方,准确的数字我们得不到,但总体来说影子银行的规模在不断扩大是无可争辩的,到底什么是结构金融呢?所谓的结构金融也就是把资产进行汇总和分级,成为不同级别的现金流权益,所以当中可以是学生贷款、信用贷款、房屋贷款和汽车贷款,可以说构成非常多样。根据这样的方法,我们可以根据一系列的资产组合和分级可以形成AAA级权益产品。为了给予优先者进一步保护投资产品和SIV,会有一系列基本保障的条款,包括抵押品的质量、相关性、期限和流动性等等,除此之外我们还有一个所谓的杠杆测试,也就是说整个抵押价值相对于高级别负债的比例一定要有一个预先设定的预值。
  
  既然结构金融化产品非常复杂,也有越来越多的关于工具设计的研究,我们的重点不太一样,主要是看一下经营的风险,也就是说整个SIV的设计和分级当中经营的风险控制是怎么做到的。出现问题的时候到底是因为资产选错了还是资产没有问题,但设计和经营风险出了问题?假设SAIF资产的价格是一百美元,其中的优先级和高级别的规模是九十二美元,所以资本积或者基本权益级就是八美元,这样的比例就是一点零四,也就是说一旦价格达到了九十五点零八就会进入契约中止,这是一个触发的预值。在这样的情况当中减去九十二块钱,我们的优先级债务持有人就会拿到三块六毛八,也就是他们的损失达到百分之五十四,即便是抵押的产品本身可能远远不足AAA级,但通过这样的重组结构化的工具可以达到。现在有一个额外的问题就是所谓的资产抛售,如果出现这样的资产抛售大幅打折,即便是优先级债券的持有人回报率也会非常有限,比如只能拿回八十六块一毛一。前面讲过SAIF的资产量在金融危机之前达到了四千亿美元,但总体来说我们的优先级和损失率是百分之五十以上,至于所谓的资本级持有者基本上是血本无归了。本来设计的初衷是一款非常安全的金融工具,事实上是事与愿违,这就引发了一个疑问——这个风险到底是怎么回事?设计上到底出现了什么问题?刚才我们讲到了所谓的资产抛售出现的大幅折扣,SAIF的主要资产就是证券,这个资产本身是有二十美元的价格,但是突然进行了清算,一下子就冲向市场进行抛售,这个折扣非常的厉害。能够接盘的金融机构非常有限,这个因素是非常重要的,我们的论文就试图去了解这些关键因素对于金融资产的风险到底有什么影响,包括对于预期的损失会有什么影响,刚开始SAIF的设计当中是不是已经考虑到了这些风险因素。
  
  这是我们研究的一系列结论,我们发现事与愿违,这些所谓的安全金融工具并没有提供安全保障,越是严格的风险管理其实进一步加剧了这种损失,尤其是对于优先级持有者的损失。我们的预期损失对于杠杆控制非常敏感,希望风险管理是能够控制风险的,但事实上却正好相反,取决于你杠杆的控制。我们会看到所谓的抛售折扣率哪怕是很小的波动也会对最终的损失造成很大的影响,所以我们的压力测试不但要考虑到资产的波动性带来的巨大动荡,还得考虑到其他因素的动荡,比如大甩卖大折扣。
  
  简单介绍一下我们所用的符号和场景,标的资产池的价值是AT,资产价价放宽的因子是ST,杠杆制约因素叫做KA,优先级债券的规模叫做DB,股权的部分叫做DC,我们的期限叫做TR,减价折扣叫做Delta。如何补获废止的概率?SAIF将会进入废止模式,就是资产折价到了一个较低的程度,我们可以得出以下的预期,就是优先债券的损失,这里有一个条件,就是资产贬值到了一个预期约定的障碍。纵轴就是优先级债券持有人的损失,横轴就是控制因素,黑线是减价百分之五的甩卖,红线是减价百分之十的甩卖,如果百分之二是优先级的票据,预期的损失会更大,小规模优先级严格的风险控制带来的预期损失还是比较可控的。我们还发现AAA的评级在很大程度上取决于这个减价的折扣,如果是四年的期限,我们发现预期的收益实在太高了,根本不应该让那些优先级的票据获得AAA的评级。我们还包含了跳升,如果跳升很大的话预期的损失太高,不足以让这些优先级的票据获得AAA的评级,就算优先级票据只占百分之八十八。如果优先级票据所占的规模较小,跳升较大的话,一个更大的预值将会更可接受。现在我们在这里就把预期损失的百分比和CIGMA放在横轴纵轴上面,从左到右就是对风险控制的预值进行了增加,发现预期的损失是在越来越严格的杠杆预值的情况下越来越敏感,这里我们看到基线参数是百分之八十八,可以看出预期风险对于资产池的风险越来越敏感。
  
  我们发现优先级票据持有者的预期损失随着杠杆限制的增加而巨幅增加,杠杆制约的重要性程度在很大程度上取决于优先级票据所占的规模和假设的减价折扣,随着杠杆控制严格度的加强,预期的损失就越来越对标的资产的波动性更敏感,所以现在我们要来研究的就是最优SAIF的设计。现在我们把所有可能的配比都标了出来,预期的损失最大不大过百分之零点零一,然后我们来检查最优的优先级规模应该是多少,这个时候要看杠杆率的控制。在这里你可以有最大的,能够保持AAA评级优先票据的规模,这是一个基线参数。短期来说,不管你以为这个减价折扣是百分之十还是百分之十五,我们发现最大的、可行的、优先级所占的比例是一样的,所以正常的经济状态上会选择同样的SIV设计,但是如果我们把CIGMA进行变动的话,我们发现最优的、能够保持AAA评级的优先票据规模很大程度上取决于减价折扣是百分之十还是百分之十五。如果减价折扣是百分之十五的话,预期的损失就是百分之五点二,所以我们发现SAIF的设计在很大程度上预期损失取决于减价折售,更长的期限下我们发现SAIF的设计就算是正常的经济状况下都会有很大的差别,如果减价折扣算进去差别就更大了。我们还要看一看有没有帕雷托改进的救济,一种可能性就是要求注资,这个杠杆限制的条件违背的时候要求注资,而不是强迫SAIF进行终止,如果SAIF有一百块钱,优先级是九十块钱,现在不让SAIF进行废止,我们要求资本债券的持有人一次性注资,也就是说如果你优先级的债券降价太多就要求资本在票据的持有人一次性注资两块钱,这样的话优先票据的价值就降到了八十八块钱,而抵押价值还是九十三块六,如果这个新结构继续贬值的话,SAIF才被迫中止。当然,你也可以要求资本票据的持有人两次注资,我们想看一看这个事前设定的资本承诺可以怎样帮助减少资本票据持有人的损失,得到的是百分之八十八,如果想发行百分之九十的优先券的话就应该用百分之四,这对于AAA的评级来说太高了,如果有全面的资本调用的话,我们看到优先票据持有人的预期收益就是百分之零点零一。如果能够减价出租就可以降低优先级持有人的预期损失,整个来说我们对于结构化交易的风险管理做出了一些规范性的规定,有意思的是严格的风险管理并不能提供安全性,反而能够加速废止,并且可以大大增加优先级债券持有人的预期损失,此外预期损失对于标的资产池的风险会日间敏感,条件是杠杆率的控制变得越来越严格。
  
  严弘:下面有请穆迪公司的胡剑先生点评。
  
  胡剑:这篇论文已经发布了一段时间,我想感谢几位作者花了这么大的心血来研究结构金融工具,SIV在金融危机之前就存在,现在有的已经是失败了,我要祝贺几位作者,你们做了很好的研究工作,进行了敏感性的分析,看一看有哪些因素可能会影响到SIV发行的票据,你们给出了几种场景,现在我简单地总结一下这篇论文的主要结论:严格的风险管理控制会增加优先级票据持有人的预期损失,减价导致SIV更加脆弱,最优风险管理的选择在很大程度上取决于优先级的期限,预期的损失对于价差多动性的敏感性会随着杠杆风险控制的增加而增加,最后就是使用应急资本救济会降低优先级票据的预期损失。这里可以看到一些术语,相信大家都对这些术语有共同的认识,我们要知道结构金融工具和结构投资工具之间其实有很大的差别,这二者是完全不一样的,尤其是在今天的世界里面。SFV是结构金融工具,广义上来说包括各种各样的交易类别,还有ABS、CMBS、ABCB和代担保的债券。就算是在危机前和危机中SIV已经不再存在,很多已经改名了。我想指出这篇论文研究的是SIV,不是SFV。这是美国新进的SFV的发行,去年第三季度的信用卡、汽车、学生贷款和住宅抵押贷款、商业抵押贷款、杠杆贷款等等,你们可以看到政府赞助或者支持的学生债券、IMBS和其它的资产类别还是占到了非常重要的角色,在金融危机以后还是如此,但是有一些板块,比如杠杆贷款的板块,在这里就是结构金融的工具发挥了越来越大的作用,向实体经济提供金融支持。现在我想快一点把银行金融体系做一定对比,相信二者之间是有一定的类似之处。很显然,金融危机当中我们也募集了银行体系的重大困境,SAIF的金融工具也发生了重大的困难,这二者之间的一个共同特点是高杠杆率的,但是SAIF是高杠杆率的金融载体,通常投资于一系列的非传统和传统资产,在这里更要强调的是非传统资产,而非传统资产在资产投资组合当中的表现跟以前其它传统资产的表现不同。既然交易的杠杆率很高,在我看来高杠杆率就会放大资产的波动性,经过传导以后就会传导到SIV的负债方,甚至会传导到整个金融体系,这在金融危机当中都有发生。对于任何金融载体或者金融体系使用短期负债都会有一个重大的问题,就是流动性冲击,我自己写博士论文的时候引用了Dimon和Deff的文献,如果使用短期负债来为长期项目进行投资的话就会受流动性冲击的影响,需要存款和税等等做法来进行应对,而在金融危机当中我们看到了很多的长短期错配投资行为。Kim的论文显示杠杆率的测试和解决方案,金融危机爆发以后我们业界出现了很多争论和辩论,如何进行最优风险控制管理和监管,其中很多的创意和辩论的确也会用在SAIF结构投资工具上面,如果SIV能够重振旗鼓的话就必须实施这些新的风险控制管理和法律监管的改革。这里也是对比SIV和SFV,我想强调的一个重大差别是SIV有一个根本性的设计缺陷,就是期限错配,SIV是一个很好的例子,而SFV和期限是匹配的,所以表现也总体更好。SFV确实纳入了绩效测试,和各种各样的保护条款相比,当今的市场还是非常欢迎这些测试的,因为这些测试本身确实是对于优先级债券持有人提供了保护,但是在金融危机当中我们也吸取了教训,一旦出现违约可能会实行提前兑付,但并不能够迫使变卖资产。说到解决办法是不是临时注入资本呢?论文当中是给出了这样一个提议,一旦触发了预值,这个方法就是通过额外注入资本把优先级的票据持有人的票据回购过来,这个额外的资本可以通过信用或者流动性担保来实现。这个提议理论上是听上去很美,而且对于我们的优先级持有人来说也是另外一重信用保护,从大家的利益上来说也是比较能够协调的。实际当中大家已经看到了整个银行业改革文献真的要进行这种额外的注资是非常复杂的,整个触发预值的设计要非常精巧,到底什么情况下能够触发,触发以后如何实现这样的注资保证,包括能不能迫使这样的注资执行,这些复杂性放到现实的环境当中意味着人们可能不太愿意真正进行这样的注资,就算是真的注资了,涉及参与不同方之间的风险如何协调也是一个问题。
  
  SeoyoungKim:这个成本肯定要比我们论文的成本更高,是不是一开始就可以写清楚临时注资的条款?如果真的是这样的话可能会迫使人们刻意触发预值,就像您说的,确实要有第三方制约的机制以确保这种情况不会发生,无论是对于SAIF还是SFV来说都需要额外的设计。
  
  严弘:下面有请加拿大约克大学古里克商学院的DouglasCumming为我们讲解波动性、信用风险与收益。
  
  DouglasCumming:多年来,我与我的第二作者一起研究这个话题,这次还有一位共同的作者是FrankLiu,都是非常好的同事。其实这篇论文的出发点和最初的初衷就是因为大家在现实当中有非常强烈的需求,比如很多的基金经理,有的人自己开始这样母基金的时候会发现对私募债的文献研究非常有限,所以触发了我们来做这项研究,研究的过程当中我和Frank的合作非常愉快,他也给了我很多启发。之前研究的主要是私募股权和PE,尤其是过去十年当中我们把主要精力放在了PE上面,讲到私募债可以说除了美国之外很少有人涉足,但事实上这个资产类别机构的兴趣是非常强的,这个方面的投资也是非常的多。私募债的收益到底受到了哪些因素的影响?大家可能下意识地会想到是不是各国的法律框架会对此有影响,或者是因为市场情况发生了变化会对这种收益产生影响,还有就是我们基金经理交易的策略,比如到底是买入之后一直持有还是金融二级市场进行交易,这是大家的第一反应。我们的私募债可不可以放在一个时间序列当中建模?是不是相对公债有一个Alpha?我们也希望对此问题进行研究。到底是什么会影响到我们私募债的超预期回报?我们想去看一看这个波动性、信用风险以及市场的流动性。我们讲到了波动性、信用风险和市场,一般认为讲到收益的时候必然要看这三者,所以我们也会把这三个话题纳入到我们的研究当中。
  
  我们来看这篇论文的主要创新点在哪里。首先是私募债基金经理的投资或者交易的战略,他们到底是选择买入以后一直持有,就是始终处在一级市场还是进行二级市场进行活跃交投?另一个原创点在于这是我们第一个针对亚洲想去建立这样的私募债的收益指数,还有就是仔细地检阅了到底哪些因素会影响私募债的收益。讲到股票的时候不同的国家法律规定不同,会对PE的收益产生明显的影响。前面讲过Grant和我过去几年一直在研究PE,我们的投资总额超过十亿美金,涉及过不同的国家和市场,我们知道法律监管对于PE的重要性,但是私募债方面法律框架其实无关紧要。另一个主要的研究结论就是二级市场的收益要高于一级市场,前面提到这篇论文编制了这样一个指数,这个指数体现出来确实会有超预期的回报,而且这个回报还是比较稳定的,这个超额的回报是与波动性正向相关的,但不受市场流动性的影响,过去几天当中我们看到中国市场有一些特别的情况,所以从这个利差来看中国的情况确实是比较特别,也就是说回报和信用风险之间确实是呈现正相关,但是只适用于中国市场。
  
  我们的数据是通过十三个专业的信用投资基金当中提取出来的三百二十一家私有公司,他们是从2001年到2014年分布在十三个亚洲国家,这当中平均的基金经理都有十三年的基金管理经验,中止是十三年,平均数是十一点九年,他们中止的投资数额是十七亿美元,平均是在二十二亿美元左右。在这当中有十个是投资专业人员,大家可能觉得在亚洲市场当中私人企业不多,但事实上并不是如此,这是从我们数据当中得出来的结论。大家在所有的这些数据当中可以看到公司的具体信息,他们处于什么样的行业,包括债权的工具到底是优先级的贷款还是次级贷款,这些数据都会在我们的研究当中。当然,和公债相比这个数据不可能细节到那样的程度,但总体就我们的研究而言,可以说统计数字应该也是非常的详尽了。这个市场是很大的,三百多家企业有超过八十亿美金的私募债,收益也很可观,平均是在百分之三十以上,所以私募债的收益是相当的可观。当然,有些是出现了违约,我们要把违约去除出去,所以大家可以看到整体的范围是从负百分之一百到百分之一千三百一十这样的范围之内。哪十三个国家进入了我们的研究?样本量的一半都是来自于中国的企业,当然,我们的样本确实是涵盖了十三个国家和市场的,这个是一级市场和二级市场之间的比较,无论是内部的回报率还是优先级或者二级市场的回报率要远高于一级市场,但是对于次级市场来说区别不大。我们做了一个非常简单的ROI回归,可以看到二级市场也要平均高出一级市场百分之九点三,这个无论是经济上还是统计数据上都是一个非常显著的高出。这是一个非常简单的回归,我们做了一些其它的变量,比如国家的法律监管环境,但是我们发现这些变量都没有对这些国家产生显著的影响,所以这个当中最主要的就是到底是一级市场持有还是二级市场投资。
  
  论文的第二部分就相对复杂一些了,我们绘制了这样的信用指数,对于机构投资者来说肯定是最感兴趣的,这是亚洲的信用指数,问题是初期的投资期和最后的实现期,但不知道在这个过程当中发生了什么样的变化,只有起初和最终的数字。还有就是支付上面,虽然说这里是穆迪共同举办的会议,我们也用了很多穆迪的数据,但很多时候数据还是不足,我们想用穆迪的KMV模型,但公司具体的信息不够,无法预测预期的违约率。我们的解决办法是把这些预先支付的情况去除出去,把违约率分为违约和不违约的可能性,我们用了这样一个模型,每一个时间区段当中我们做了一个所谓的交易概率,也就是整个标普亚太区的投机级别当中所选出来的累计违约率,以此计算交易的概率。因为我们不知道息票的支付情况,下一页就是我们的解决办法,我们做了一个投资轨迹的模拟,我们知道首日和最终日,然后把当中的情况做了一个模拟,从当中提取出来了校准过的数值,最终得出的是超额收益的指数,也就是说把我们的指数减去JP摩根的亚洲信用指数得出了一个超额的收益指数。前面讲过我们做了六个不同的假设,因为不知道息票支付的情况,所以就对息票率做了六个不同的假设。我们参照的样本是JP摩根的亚洲信用指数,也给出了关于这个指数本身的细节信息,当中百分之七十六是投资级,百分之二十是非投资级,这是摩根的指数情况,再给了我们指数的构成情况。这张表格表现了两种指数的差异,可以看到平均而言我们私人的指数是正的,可以从幻灯片当中看到平均是百分之一点三到百分之一点六一个月,有的时候会更少,因为有偏度,有些年份是有比较高的正的、超额的收益,这是按照时间推演的图。有了指数以后就要分析一下有哪些因素会影响超额的收益,我们做了一个很简单的回归,就是把它和流动性进行一个回归,因为时间较短,我是午餐前最后一个发言人,所以不想多讲,如果大家想要更多的信息可以看一看我们的预测,我们觉得私募债券相对JP摩根的指数,高的价差就会有高的收益,而高的波动情况下私债就会有更高的收益率,相反,流动性会降低超额收益率,这些相关性的矩阵就不讲了,如果所有其它变量不同,我们和FIX相比是正相关,和波动性相比是负相关。整个亚洲来说FIX指数是统计学上具有显著意义的,这一点值得以后的论文继续研究。我们现在想要知道的是在中国的情况会一样吗?因为一半的数据是在中国的,所以我们对中国的这些指数进行了重新分析,发现了几个差别,这是我们为中国的数据重新画的图,你们会看到2008年前的中国私债平均来说是负的,然后在2008年之后是显著的超额收益为正了。另外一点就是又进行了回归的分析,我们专门用了中国的指数,不管是FIX还是TED跟中国数据之间都存在着显著的正相关,流动性是在百分之十的水平上具有显著意义。
  
  这篇论文围绕的是私债,尤其是国际私债和亚洲私债的研究。我们进行了一些收益率的分析,现在没有证据说有些制度的因素会在各个国家的私债当中有影响,主要还是看你是在一级市场上面买卖债券还是在二级市场上面买卖债券。我们也没有看到LBO和非LBO之间的私债有很大的差别,建立了一些专门为私债收益率做的指数,我们发现超额收益率平均是在百分之一点二到百分之一点五,值得警惕的是中国在2008年前超额收益率是负的,2008年以后才变成正的,中国是唯一一个特例的国家,影响到超额收益率的因素有哪些呢?我们发现FIX和中国超额收益率之间的关系特别的强。我们也看到了一些证据,就是FIX、TED和超额收益率之间也是正相关的关系。
  
  主持人:下面有请香港大学的汤勇军先生点评。
  
  汤勇军:这是一篇有趣的论文,我特意穿上了我最喜欢的衬衫以便和您的论文题目有一个漂亮的相衬,希望以这种方式表示我对您论文的好感。您的论文研究的是亚洲私债投资的绩效,这也是我的一个主要研究领域,我经常和一些基金经理业内人士进行交流,所以这篇论文很有意思、也很重要。尤其是因为我们对亚洲私债的学术研究还不够多,您收集了十四年的数据,来自十三个亚洲国家,这些数据都是十三个基金的三百二十一个投资的自有信息,您的研究结果是绩效跟投资的规模并没有很大的关系。另一个研究结论是交易比购买和持有的利润更高,也就是说二级市场买卖的利润更高,所以我觉得这是一个独特的数据,您做了很多的分析,尤其是对于中国的分析非常的详尽。您的论文的另外一个贡献就是提供了一种评估方向和方法,把JP摩根的指数作为了一个标杆构建了自己的指数。我的回应是,这个话题选得很及时,因为中国私债现在违约越来越多了,我在金融时报的中文版上面读到了一篇文章,因为中国私债的违约将成为新常态,亚洲其它国家也是如此,最近中国的国营企业也有发债违约的,所以我非常高兴,中国虽然只占到了百分之三十八,也看到了很多在香港上市的中国企业,所以您的研究结论可以适用于中国以及中国以外的亚洲其它地区。相信受困资产投资的机会未来在中国和亚洲将会有很多,一个例子就是叫华融的资产管理公司的IPO,为什么能够IPO呢?因为投资于受控基金,其它的资产管理公司也有意进行这方面的业务活动,所以我认为您的论文对中国的现状非常相关,而且投资可能会有回报,这是我对您数据组的评论。我们看到投资规模和绩效没有什么关系,还有投资的行业、国家和法律也没有特别的关系,这样看来好消息是投资的机会在中国还是很好的,在亚洲其它地方也是很好的,这样一来更多的外国投资者也可能会愿意进入到本地市场,我们也发现在海外可以用的投资技能在中国也可以用得上。另外要记得缺少证据并不意味着缺失证据,也许有一些狗还没有叫,因为如果在某些债券的发行当中投资规模大一点,其实可以要求更大的折价,还是有好处的,我跟业内人士谈过,他们也有同感,但是您的数据当中没有体现出来这一点,因为会有一些所谓的返点和折价,在您的数据里面都没有提到,建议以后这方面做更多的研究。此外就是基金经理们的技能,比如选债和买卖债券的时机把握都非常重要。任何公司层面的数据我们不知道借款方的数据,只有投资管理公司投资方的证据,也许我们可以看一看这两方的数据之间有没有什么相关性。还有就是时机的把握,如果是在重大的冲击之前和之后出手可能会影响到投资的绩效,刚才已经说过二级市场的参与利润高于一级市场,有些香港的投资经理跟我说他从来都不参加私债的募集,这是基于过去二十年的工作经验,总是会有一些基金后期出现流动性的冲击,这个时候再出手把那个困境的基金公司债券买过来,这也是一个二级市场投资比一级市场利润更高的原因。如果香港的借款人想筹集资金,一些基金经理说我才不买呢,但是到后面他们还会出于其它的原因买一点,比如是为了建立关系和搞好关系,或者是为了获得一些未来的收益。现在还有所谓的基金的基金,需要好好地选择基金经理人,为此也必须更好地了解私债,了解银行和非银行的差别,对于PE基金,这些都是更为老练的机构投资者,他们会更关注你的论文,如果有足够的数据支持的话很可能还要考虑基金经理的年龄、教育和关系网络,还有他们有没有一些额外的信息渠道可以让他们获得投资的先机。最后我认为新兴市场的债券不是一个容易研究和投资获利的话题,很多的投资者都烫到过手,尤其是在过去一轮的亚洲危机当中香港的银行投资于印度尼西亚就吃了苦头,最初投资于亚洲私债并且吃苦的基金和投资者学到了哪些经验和教训。听说一个基金到目前还没有投资过中国大陆的私债,基金经理之所以在观望就是为了等待更多的这种分析报告的出炉,如果这篇论文要在学术期刊上面发表,我还希望看到你有更多的历史数据的梳理和模型的建设。此外目前投资的收益率也许不是整个故事,比如有的投资者之所以现在出手投资是为了获得未来的其它信息。我觉得这个论文有独特的数据组进行了仔细分析,建议给我们看更多的数据挖掘成果,我们读了这篇论文以后看到了一个好消息,那就是中国和亚洲其它地方是一个好的投资领域,这里的市场变得流动性更强。去年我曾经读过中国非金融机构的公募债券市场,将会成为世界最大,私债市场规模也很大,不管是公债还是私债,做研究和做投资都是值得我们深入花更多心血的。
  
  嘉宾:刚才您说的是不是包含中国大陆和中国香港的数据?
  
  DauglasCumming:百分之三十八是中国大陆,还有其它的数据是专门用于香港的,论文不在我手上,所以说不出香港的数据。
  
  SheridanTitman:苹果、Google这样的公司可以吸引非常优秀的人员,因为其它公司的人员愿意在这家公司工作,我愿意付更高的价格购买i-Phone是因为我知道其他人也愿意使用,所以就是同样的道理,我们看到形成了一个良性的循环,一种好的印象能够产生更好的影响,而财务出现困境就会形成恶性循环,如果大家认为苹果陷入债务的话就会一拥而上,认为它不值得更多的投资。城市经济学的理论和这种感知也有关系,既有胜出的城市也有失败的城市,如果一个城市给人的印象是非常成功的城市,聪明的人都愿意去那里工作和生活,也就意味着这个城市可以聘请到最优秀的管理人才。为什么企业都喜欢到硅谷去呢?因为大家都觉得硅谷使精英荟萃之地,尤其是优秀的编程人员都会跑到那里找工作,因为那里有最优秀的企业,所以形成了这样的一个有力的、良性的循环,一定程度上决定了一些地方会比较成功,而一些地方就相对不那么成功。当前我的研究课题就是把这些看法汇聚在一起提出了这样的一个问题,就是公司财务在不同的城市应该做哪些不同的决定,考虑到这些城市的不同特点。
  
  因为我们大会的主题是信用,所以我从黑暗的角度分析光明的一面,包括在一些伟大的城市去做更大的投资取得更大的成功。如果是在一个失败的城市,你会发现这个城市更加腐败,也会产生一系列的恶果,尤其是对这个城市的企业而言,我也会向大家介绍一下,这不仅仅会影响到他们融资的能力,同时会影响到他们生存的能力。这篇论文是我课题研究的一个部分,讲到了城市的活力和企业的增长,我觉得要做这样良好的管理测试难度是比较高的,你很难测试一个好的管理团队能够创造多少价值,也很难找到一个替代物,我觉得其实一个好的替代的参数就是这个企业所在的地点。这家企业是在波士顿,波士顿是一个很好的城市,可以招聘到好的人才帮助他们进行连锁的管理,另外还有一家公司是在辛辛那提,这些城市的活力都影响到了企业的发展,城市的活力和企业的增长有很大的相关性,我们也有相关的证据支持这一观点。现在我们正在做的一个研究是跟我们最近完成的一篇论文有关,就是金融不当行为的地理影响。这个论文的数据库并不是我们自己收集的,而是JeffCaph收集的,我们这篇论文当中主要讲的是金融的欺诈。论文当中提出企业有这样的一个倾向,有的时候会做假帐,后期可能会受到起诉,这种欺诈性和做假帐的行为在某些城市会特别多,在某些城市会相对比较少,这不仅是在城市会有所差异,同时也会因为时间的改变而改变。这是另外一篇论文的结论,我们看了两个不同的指标:一个是关于这种不当行为的指标,我们把它叫做道德实验室,我们想考察一下这种不当行为无相关性的方面,看一看这些方面和不当行为会形成什么样的关系,金融不当行为讲的主要是财务会计做假的行为,也就是美国证监会会起诉的行为。另一个指标是政治腐败,比如政客受贿等等,这是司法部会起诉的行为。我们看到公诉人是有很大差异的,希望考核不同城市之间这种活动行为的关系,看到这两种不同的活动在不同的城市执法上面也是有差异的,因为警方也不一样。另外就是医学上的腐败,我主要是考察了医生以及他们开的药方,收集了一些相关的数据,另外我们还会看一个医药代表请医生去吃饭,或者是医生开药的记录,尤其是开的一些超规格的药。这些制药企业对于这种市场营销的成功认知,如果说一个企业市场营销成功的话可能意味着其中医疗腐败的现象更严重,某些城市当中我们发现这个医生很愿意被邀请去吃饭或者看足球赛,这些城市当中很可能就会受到医药代表的影响,这是一个腐败的指标。我们也做了序列分析,这几个指标是有相关性的,一个城市的文化当中会有一些因素,使得某些城市相较于其它城市更为腐败,这篇论文当中我们想回答的一个问题是作为一个信用市场的分析师,这些都是我们需要关注的问题,这些城市的文化特点会不会影响到一个企业获得信贷的能力?会对他们产生多大的影响?比如我们在达拉斯做了一个研究,这种金融不当行为比较泛滥。我们提出了几个问题,如果是银行的话他们看到这个城市当中金融不当行为比较多的话会不会提高他们的放贷要求?不是去看那些有罪的公司获得信贷的能力,而是看那些没有犯罪的公司会不会因为同在一个城市而受到牵连导致更难获得信贷,也就是说银行如果看到达拉斯的企业不会提高放贷要求。所谓的放贷要求涉及到几个方面,比如信贷利差会不会提高、契约要求会不会更严格,或者拿到的信贷金额会不会因此而减少。另外我们很关注的一个问题就是实业的决策以及财务方面的决策,前面我们讲到了我们会看企业在达拉斯融资的金额是不是会受到它所在城市印象的影响,也会看一看是不是会对实业的决策产生影响,达拉斯的企业如果被视为比较容易出现这种不当行为的话是不是意味着他们投资金额相对来说也会比较少。讲到和信用相关的问题就是地方性的这种不当行为和破产之间有没有关系,比如在达拉斯出现了一些欺诈的行为,是不是会使得人们认为整个企业都参与了欺诈,也会导致整个达拉斯的企业都会有类似的不当行为,从而影响到整个行业地区的发展。
  
  这个只是给了大家一个大概的概念,不同的城市之间金融的不当行为的确有较大的差异,这里列出了不当行为最高和最低,可以看到有百分之一到百分之三的差异。达拉斯的情况很糟糕,迈阿密是最糟糕的,还有阿普列斯州,应该是比较廉洁的城市,相对来说比较少一些,不同的城市之间差异是比较大的。另外我们认为这种不当行为是一波一波出现的,达拉斯从1999年到2001年这段时间欺诈率比较高,而其它的年份跟其它的地方似乎没有什么太大的差别,所以统计上我们觉得这种金融不当行为的时间序列也会有一些差异。不管你的企业是不是有出现过金融不当行为,我们通过这个回归分析发现只要在这个城市出现过这种不当行为,不管这个企业有没有参与,同时我们也看了这个行业的数据,也把企业的数据去除掉了,我们发现城市的不当行为率往往会预测,不管这个企业本身有没有出现这种行为都会产生和行业效应同样比较大规模的影响,这个影响的幅度是同样的。这是一个比较重要的回归分析,这些数据告诉我们每家企业的债务成本,还有银行的浮动利率减去Label数据,这是一个债的方面的利差。我们把这些数字做了回归分析,就是看一个城市当中的不当行为率,这里列出了一系列传统使用的比率。我们有些相应的代替,就是评级的替代,我们是作为一个控制变量来算的,金融的不当行为往往会和信贷利差产生很大的影响,即便是分级我们是作为一个控制变量,所以相关性是非常大的。这是一个样本,就是一系列的公司出现了金融不当行为,主要是被认为不当行为比较多的城市,不管你本身有没有这个行为,信贷利差都会比较高。另外还有一个需要解读,就是在一个城市当中如果金融不当行为的比率是在百分之二以上的话信贷利差都会较其它城市的同行更高。我们发现在有不当行为的城市当中借款成本相对其它城市而言要高出十四点五个基点,也想看到借款人是不是当地的借款人,还是外地的借款人,这一点也非常重要,我们发现如果银行是外地的银行,影响就更大了,对此我们也有几个解释,我不知道最好的解释是什么,如果银行是当地银行的话你很有可能就会和这些公司有非常紧密的关系,所以他们就不太可能会使用一些金融不当行为率来作为一个违约判定的标准。另外一点就是对于那些评级比较低或者无评级的公司,A评级的公司影响会比较小,对于评级比较低的公司受到的影响可能是评级比较高的公司受到的影响的两倍。对于贷款契约的指标还是比较粗的,这里选取了贷款契约的数量,采用的统计方法也是一样的,我们发现对于那些金融不当行为比较高的城市,比如超过百分之二的金融不当率可以看到他们的贷款合约当中条款的数量可能会更多,贷款的成本还要高出十五个基点,而且贷款的条款更加严格,这就是针对城市比较贪腐的情况而言。同时我们还分了当地和外地的银行,影响似乎没有那么大,但还是可以看出对于那些高评级的借款人来说可能对于贷款条款的影响会比较小一点,所以就是那些低评级、无评级的借款人受到的影响是比较大的。
  
  目前为止我们知道银行的贷款条款和贷款利差都会受到当地公司欺诈行为的影响,但这里还有两个局限性:现在我们只拥有了银行贷款的数据,还要看一看CBS的数据来进一步进行分析,同时还要取决于公司是真的要筹集资金,或许那些受到影响最大的银行可能根本就没有办法筹集资金,所以我们这个研究的前提是公司实际上是筹集了这个资金能够借款,如果是这样的话影响确实是负面的。当然,我们也想看一看贷款供应的问题,在这个回归算法当中我们会研究一下这个公司是不是能够增加其债务的发行达到百分之五以上。这里我们的自变量也是一样的,我们发现对于那些在财务不当率比较高的城市的这些公司就不太可能发行更多的债务,债务发行的规模会比较小。还有一个数列显示了债务和股票发行的数量,这些公司如果能够发行的话,他们往往发行的是股权而不是债权。当地的财务不当行为的这样一种余波会使得债务的成本越来越高,而且贷款的条款也会越来越严格,借款的规模也会比较小,所以我们有明显的证据表明一个公司的财务困境会跟财务不当行为有关,我们还研究的是那些并没有被指控有财务不当行为的公司。那么实际的商业决策是不是也会受到影响?或者也会受到城市里面金融不当行为的影响?我们会分析一下资本的投入以及人力资本投入的情况。
  
  现在我们看的是黑暗的一面,我们想要分析的是那些处在下行通道的行业,而不是欣欣向荣的行业。我所在的行业正在经历暂时的衰落,有了财务方面的问题,所以就去找银行,银行也看到了问题,但是我告诉银行这只是临时性的,我们没有资不抵债,只是一个流动性的问题,只要你借给我一点钱最后是没问题的。如果跟银行谈这样的问题,我是在达拉斯进行这样的问题,达拉斯又有财务不当行为的情况,银行会愿意吗?我们想要分析的是处在下行通道的行业,想要看一看进行外部融资的公司怎么样,这些公司就是没有钱,对于那些有钱的公司我们不会关心的,想要了解它和城市金融不当行为之间的关系,所以实际上这是一个三重的互动,我们看的是城市金融不当行为会影响到城市里面公司的投资情况。这些公司往往是陷入财务的困境,就是为了内部无法产生现金,所以我们会看三个因素:首先是撒谎的概率,撒谎确实很重要,如果银行不愿意借给你钱的话你就完蛋了,所以要看撒谎产生重大影响的情况,很多的论文都会采用这样的回归方式,我们这里资本的投入是应变量,同时还有其它的自变量,控制变量是不管行业投资得多还是投资得少,还有公司本身财务是否陷入困境,这些都是控制的变量,我们会看一看一个城市的金融不当行为和其他因素的影响。如果这家公司身处的城市财务或者金融不当行为非常高,所处的行业其它公司都是削减投资的,又陷入了财务困境,我有可能就会减少投资,已经控制了其它变量,比如行业陷入了下行通道,这个公司本身又陷入了财务困境,所以我想了解一下他们和财务不当行为之间的关系。同时还控制了其它的因素,比如现金流,如果我们不采用投资而是采用就业率来统计的话结果也是一样的。
  
  我们来看Y这个城市的就业情况,可以看到如果金融不当行为上升的话就业量就会大幅减少,所以对于公司的影响实际上是大范围的,整个城市的公司都会受到影响,不仅是一些少数的公司。这个问题应该是在座的观众最关心的,我们进行一个横向的分析,看一看公司的欺诈率和公司失败率之间的关系,实际上这二者之间拥有强相关的关系。这里我们只有二十个数据点,但是统计学上的意义却是重大的。我们预测您的公司是不是可能会经历破产,如果您所在的城市破产率非常的高,其它的变量保持不变的话,您的破产率也有可能会非常的高。这是金融不当行为和破产率之间的关系,大家可以看出即使控制了城市当中平均的一个公司的破产率,这个变量保持不变的话,或者您所在的城市金融不当行为在过去的两年非常多的话贵公司破产率也有可能会非常的高,所有的这些变量都是来自于Camble的一篇论文,也是要预测破产率的,他们在预测破产方面的模型是最好的,我们把金融不当行为添加到了他们的模式当中,这种影响是非常大的,如果您所在的城市银行不信任您,而您所在的行业又处在下行的通道,就不太可能会获得贷款,也很有可能陷入破产。
  
  我们的解释是信任在信用市场上面发挥了非常重要的作用,这可能不是什么新鲜的东西了,但是我们也发现您所在的这个城市也是非常重要的,如果您所在的公司是处在一个贪腐的城市,又陷入了财务困境的话就不太可能会获得贷款,因为银行如果不太愿意给您提供贷款的话就更有可能陷入破产,我们的结果是控制了一些固定的影响,比如评级,这就表明评级机构并没有充分考虑到金融不当行为的地区差异。
  
  嘉宾:什么样的公司更有可能会有这种金融不当行为?这些公司是因为本身成本很高、债务很高,所以就更有可能进行这种不当行为?
  
  SheridanTitman:刚才谈的这些问题可以从这篇论文当中获取,我想强调的是其实我们分析的并不是那些被指控陷入财务不当行为的公司,数据当中剔除了这些有罪的公司,我们看的是那些无罪的公司,我们会观察他们的行为,看一看这些行为会不会受到当地城市的影响。我们的目的是对于城市进行定性,会从不同的纬度对这个城市进行定性,这篇论文当中我们会根据这个城市不当行为的情况对城市进行定性,也会看一看城市不当行为是不是会对那些清白的公司产生牵连。
  
  嘉宾:我觉得这个研究非常有意思,您觉得个人金融和个人财务方面会不会受到同类的影响?
  
  SheridanTitman:您的意思是个人破产率会不会受到城市不当行为印象的影响吗?我猜也是如此,但我们没有相关的研究。
  
  嘉宾:您的研究当中有没有考虑过政治关系的影响?比如选举周期的影响和在某个时点政治家可能会更容易出现不当的行为,从而影响到企业和公司的不当行为?
  
  SheridanTitman:我们的论文当中看的主要是金融的不当行为,针对的是企业,刚才我讲过这和一个城市的政治家或者政客的不当行为有相关性,政治周期是不是会影响到政治腐败率呢?这并不会直接影响到企业的金融不当率,但可能会有一个溢出影响,所以刚才讲的是一个社会规范的问题,如果一个城市更容易出现腐败的话也就意味着这个企业会更容易发生腐败行为,比如在休斯敦安然有做假帐,也有可能其它的企业,比如安德森也在做假帐。他们可能认为这种行为本身在城市当中大家都能够接受,跟政治家的行为之间的关系,我们看到政治家当中一个城市的政治腐败率和大企业金融不当行为率可能相关性更高一些,与小企业的不当行为相关率会更小一些,大企业的CEO更可能会和政治家一起打高尔夫,而小企业他们一般不会去请。
  
  嘉宾:您的研究是不是能够延展到新兴市场?比如南欧和拉美,就是美国以外有没有相关的研究文献,有没有支持和证明对于一个区域的认知差别对于研究结果的影响,比如一个廉洁的城市,如果是在北美或者美国的北部,相对来说比较腐败的城市更多的是在美国的南部,这种是有意义的、重大的影响还是跟发展阶段有关系?也就是说在不太发达的地区或者城市人们可能更加会依赖关系、人脉来做事情,但是随着经济的发展,人们就会越来越专业,他们可能会更多地看重制度而非个人之间的关系,他们也会越来越重视透明、更加廉洁,这是否会影响到折现率?刚才您讲到基点会差百分之十四点五,很多银行主要是坐落在大都市地区,所以可能不廉洁的城市更容易有不当行为。
  
  SheridanTitman:我明白您的意思,如果您看一下不同国家的差异,但我们没有去研究不同的国家,因为没有办法把法制作为一个常数来考虑,要看不同的国家要考虑不同法制的特点,我们的研究当中都是在美国,同样的法制,而且都是看证监会的法规,所以我们可以控制不变。这种类型的关系相较于其它环境而言会更加重要,的确是如此,我的意思是某些国家当中关系可能会更重要。中国这种行为之间的离散程度也是比较高的,要看不同的领域、不同的部分,所以在中国也同样会有很大的离散现象。
  
  嘉宾:您的论文当中指出有些城市有金融不当行为,无辜的企业也会受到影响,您觉得这样一种信用污染的蔓延通道是什么?换言之,这种溢出效应发生的通道是什么?
  
  SheridanTitman:我觉得外界的感知和印象是很重要的,这种感知和印象有可能是理性的,比如您是在达拉斯,公司本身的行为应该说是非常正当的,不应该令别人产生怀疑。但因为在达拉斯,外界对达拉斯所有的企业都持一种怀疑的态度,可能不能区分哪些企业更有可能会有这种不当行为,他们看的是整个池子的情况,整个池子的情况都比较糟糕,你是池子里面的鱼,所以拿到的信贷就比较少,信贷的成本也比较高,主要是因为他们认为这个池子出现了问题,所以企业没有办法获得相应的信贷。
  
  王坦:下面有请严弘教授为我们讲解如何预测中国公司的财务困境。
  
  严弘:现在我们的研究还是非常初步的,就是过去几个月我们汇总起来的一些心得,也欢迎大家批评指正,包括下一步应该往什么方向走也请大家多提意见,这是中科院的高教授、杨教授几位一起共同完成的,所以如果大家有什么问题尽管发问,我们都很乐意回答。
  
  目前中国信用风险评估是一个非常具有挑战性的话题,主要出于以下原因:首先是我们在企业债市场的违约事件非常有限,一年之前超日发生了一次违约,但总体来说违约事件是非常的少,用来评估信用风险的样本就非常的少。而且在中国的政治环境当中对于信用信贷控制是非常严格的,尤其是中国银行市场主要是由国有银行主导,虽然还是有一些非国有银行的存在,但绝对的主体肯定是国有银行。当然,国有银行在稳定中国经济方面扮演着非常重要的角色,但本身也有局限。我们还有一个所谓的软约束的问题,可以说在整个借贷市场有些企业的议价能力、谈判能力是非常强的。讲到中国市场,透明度非常缺乏,执法也是不力的,这些形成了我们要对中国信贷市场评估非常困难,包括我们的整个中国企业陷入困境的风险用什么指标衡量都没有形成统一的意见。有基于此,我们通过一个非常独特的数据库,希望从这个数据库当中去寻找以下问题的答案。
  
  首先一个最简单也是最基础的问题就是公司贷款违约的决定因素是什么,这可能是最基础的一个问题,另一个问题是一个公司发生财务损失,如果股票是ST的话这个ST的可预测性背后的决定因素又是什么?也就是说这个公司已经连续两年出现了财务的亏损,这肯定反映出了公司的财务状况不佳,到底一个公司什么时候会成为ST?什么样的要素决定了这个公司可能会进入ST?由此又是否可以预测整个股市的信息?这就是我们试图回答的问题。我们研究了有无违约企业的区别在哪里,包括已经是ST公司和还没有ST之间的公司有什么样的区别,另外我们研究了中国发生贷款违约的可能性以及被戴上ST帽子的可能性,用的方法是单变量和多变量回归,我们做了一些样本外的预测,用的是延展窗口的方式,根据ST的观察做了一些预测,这个贷款到底会不会发生真正的违约。这是我们论文试图回答的问题,但是今天时间有限,可能不能一一讲明,但是把最基本的问题和大家阐述一下。
  
  我们的数据库是我的共同作者从银监会那里获得的,当中包括了中国前十七大银行的所有商业贷款,包括中国的五大银行和十二家合资银行,借贷方往往都是大型和中型企业,年均信贷额度超过了千万人民币。银监会怎么会拿到这样一份数据?根据银监会的规定,企业和银行要做自行报告,这个时间段是从2006年到2013年,在这个时间段当中有超过四百万份的贷款合同,涵盖三十一个省市和二十个行业。讲到ST企业,我们显然是只研究上市企业,针对于所有的上市公司,讲到贷款违约,我们只包括了目前已经上市的公司,也就是说把我们的贷款数据库和股市的数据库进行了融合,一个是国泰安的数据,一个是万德的数据。这个应变量我们选了两个:一个是贷款违约,一个是ST。ST其实是由证监会管辖的,也就是说这个企业如果连续两年发生亏损就会戴上ST的帽子。贷款违约稍微有一点复杂,这个违约怎么定义并没有通用的答案,比如按照西方还是什么样的定义,我们的研究当中用的是标准的行业定义,也就是根据巴塞尔协议来做这样的违约定义,比如公司破产了或者已经连续违约了三个月。稳健性方面我们用的是六个月和十二个月的检验方式,控制变量方面我们用的是Z得分公式,还有莫尔顿违约概率和违约期限,违约的定义方面和莫尔顿的KLV都是类似的,此外还有一系列的会计清算谈判议价能力以及市场用了这四个变量。我们会议网站上面也有这篇论文的全文,但还是跟大家提个醒,我们的论文现在还是比较初级的,不够完善。
  
  这是时间序列的变化,从2006年一直到2012年,从2005年一直到2014年。红线代表的是违约率,也就是贷款当中的比率,已经连续三个月发生这样的违约状况。蓝线代表的是违约的数量,可以看到蓝线和红线是基本重合的。还有在2007年的时候出现了一个峰值,和整个股市走势图还是非常类似的,因为上个月之前整个股市的顶峰也是在2007年。讲到按照自然年来划分的违约数量和ST的数量,2007年仍然是一个峰值,一直以来的违约,也就是拖欠债务和迟迟未付已经超过了三个月,也在不断累加。这里大家看到的是债务的偿还时间,也就是说这个贷款应该付的时间和最终实际偿还的时间,大部分是一年之内完成偿付,但还有相当的数量,时间长达五年甚至以上。这些ST大部分都维持了两年以上,一般两年以后这个公司进行重组以实现扭亏为盈,要么就要摘牌下市了,如果一个季度能够实现扭亏为盈,再下一个季度又出现了亏损的话还是会戴上ST的帽子,所以这就是为什么有些公司ST状态持续了很长时间。我们对于长期违约和ST进行了双重排序,正常来说仍然有些公司是ST,即便没有发生贷款违约或者没有陷入财务困难的公司也有可能进入ST,但是对于新出现违约的企业当中也只有一部分进入了ST,所以这个亏损和财务困难二者之间是有差距和差异的。贷款市场和股票市场之间的特征有什么不同吗?百分之七点九的贷款出现了违约或者拖欠,这是我们样本当中的一个数据,这些公司都是上市公司,同时也是发生了贷款的公司,其中进入ST的比例是百分之一点二,整个股票市场的情况发生违约的企业是占到了百分之六点三,进入ST的差不多是百分之二点三。根据我们的会计因子和清算因子进行分组,如果要对一个公司进行清算成本很高,无形资产比例很高的话对于议价能力,这些因子变量无论是在中国还是美国的研究文献当中都是非常常用的,这就显示了银行的谈判筹码和谈判能力,还有他们市值的对比,他们的市值也体现出了这个公司所处的地区经济的发达程度。很多的特征都有很大的差异性,无论是贷款市场还是股票市场,第一组的数据当中我们看到的是一些变量,这些变量不管是在违约还是非违约、ST还是无ST的帽子,他们都体现出了这两大类别的显著差异,影响的方式是类似的,无论是贷款市场还是股票市场,如果我们来看这一组的变量也会发现之间的差异,告诉我们贷款市场的决定因素和股票市场的差异因素很不一样。这一组变量的显著性体现在一个市场当中,要么是股票市场,要么是贷款市场,这就意味着贷款市场和股票市场之间还是存在着比较大的隔离。地方上的国营企业违约率会更高,这种差异非常之大,显示的是对于地方的国营企业来说有较强的跟银行进行议价的能力,而我说的银行也是各大行的地方分支行,这个影响对于中央政府旗下的国营企业来说并不是那么显著,虽然也有一定的影响,但是没有地方国营企业那么的影响。对于戴ST帽子的企业来说地方ST很多,央企的ST并不多,这也不令人惊讶,因为央企旗下的那些ST企业通常经营效率不高。银行能够影响贷款市场的违约率,但是和股票市场的违约率是负相关的。最显著的影响因素其实是银行的数量,也就是说如果有更多的银行愿意借钱给你,你的违约风险就会降低,我们采用的模型和Camble类似,还进行了其它的变量分析。这里是多变量的回归,我们发现对于贷款违约来说最重要的变量是企业和银行之间的议价能力会占到违约概率的四分之一,总的来说,这个议价能力的变量看起来是最具有显著影响力的。我们还进行了样本内的拟合,给我们的信息也是差不多的,这里告诉我们的是蓝线是样本内的拟合,是由会计的指标预测的,还有就是议价能力预测的,红线是总的拟合曲线。会计的变量能够更多地解释违约率,这是对于ST而言的,会计变量无法解释ST的违约概率,所以这是硬约束条件。
  
  我们的结论是在贷款市场和股票市场当中,贷款违约率的决定因素是不一样的,这也反映出了每个市场当中不同的融资困难,然后我们发现股东议价能力的变量最能够解释贷款违约,而会计变量是最能够解释ST企业的违约,还有一些有关政治关系和区域市场化措施,降低了贷款违约率和ST帽子的预测能力。
  
  王坦:下面有请美国克莱蒙特麦肯纳学院的余凡教授分享。
  
  余凡:这是一个非常及时的研究,去年中国出现了第一次债权违约,今年又有了几家房地产商的违约,还有一些离岸债券的违约,上个月有了第一个国营企业债券的违约,都是从媒体里面挖掘出来的消息,山东的影子银行说2012年到2014年间济南的历城区银行也违约了,这是首次的地方银行违约。江苏省本来是中国经济发展最强的一个省,但是发债出现了困难,因为他们给的收益率太低了,所以银行不愿意收购,也有更多的坏消息传来,这个研究就来得非常及时。任何时候如果出现了一个中国的谜团,通常是跟国家政府有关的,比如如果首次发债,我有一个本科生是在美国上学,是从CCSR当中挖掘出了一些数据,大部分的商业票据在2005年到2010年发行的话评级全都是最顶尖的,都是AAA或者AA,企业大部分都是AAA评级,很少是AA。这就说明政府在允许企业发债之前审批程序是非常严谨的,只有关系比较深厚或者最大最安全的公司才能发债,这样一来真正能发债的企业评级都是非常高的。我们也下载了到2011年为止的数据,大概是下载了六百多例的观察,发现了一些奇怪的现象,和美国公司债的违约是不一样的,美国市场是高评级低杠杆率,其实中国市场的高评级也是高杠杆率,再次说明只有关系深厚的公司才有可能被允许发债,也说明了为什么中国AAA债券的公司杠杆率这么高。如果看一看有关违约的新闻报道,一般来说政府是不允许企业违约的,任何企业如果真的能够违约,背后还有很多其它的企业想违约却没违约成,这是因为当地政府的出手干预或者当地银行的贷款斩期或者进一步注资等等。如果你这个公司真的进入金融困境,必须要违约的话就会有些政治关系强的公司进行战略性的违约以便从借款人那里获得更大的让步。严弘教授的作者识别出了CBRC的贷款数据,并且把这个数据和CSMR股市会计信息的数据库进行了融合,采取的数据时间段是2005年到2012年,调查了贷款违约和ST名称的决定因素,所谓的ST就是上市绩效表现不佳的公司,应该是有连续两年的收益回复标准,他们把这些影响因子分成了四大块,会计因素、清算成本、议价能力和市场因素,主要的论文研究结论是股东议价能力、对于贷款的违约和ST是非常重要的,而且还发现会计信息在预测ST名称方面更加重要。如果缺乏足够的会计信息就无法预测未来的表现,因此更容易戴上ST的帽子,最后一个研究结论是如果没有新颖的数据,因为在中国贷款违约不是公众信息,无论是公债还是私债,违约的次数还是很少的,数据缺乏的情况下如何找到违约风险的一些预测因素呢?人们在绝望当中看到了ST的帽子,红的结论是ST不能取代违约风险,我认为这是一个很好的结论。有关数据构建,如果要进行贷款方面的预测,使用了股市信息和会计数据,所以把CBRC数据和CESR数据匹配起来是有道理的,但是ST的预测其实大部分情况下不需要贷款信息,所以你们可能要有一个更广泛的样本,包含所有已上市的企业,这样可以找到更多的变量。对于数据库里面的每一份记录,我读过您的全篇论文,我发现每个记录都包括贷款规模、发行日、到期日和还款日,有些贷款可能永远都没有偿还。我还想知道贷款在违约前已经偿还了多少,这是一个很重要的考量,因为如果我们要讲股东的议价能力就要看一看清算价值或者违约情况下的残值是要和议价能力挂钩的,如果你的议价能力比较强,银行就愿意坦然地面对打击。此外论文当中也提到过,去年他们有一篇论文,其中研究了隐含帐期,把上一批贷款的还款日识别了出来,然后再看上一次的还款日之后是不是马上又有同样规模的贷款被放给了同样一个公司。因为在中国银行是不可以贷款展期的,所以一般要还清上一批贷款才能让银行发放下一笔贷款给你。这篇论文找到了三百个左右的展期,这也可以说是一种替代的违约,报纸上面还读到了银行们很有创意,他们会找到一个非正式的放款人,由放款人来提供过渡贷款给贷款人,这几个星期以后银行再要求贷款人还贷,银行体系在还款日到期之前可能会发挥一些创意,然后会有一些隐含的展期,这一点也应该反映在股东的议价能力当中。我们一方面看到了股东的战略违约,另一方面我们发现关系比较深厚的企业可以避免违约,所以整体的影响不是特别的清楚。企业的所有权对于贷款违约来说有一个非常连贯的负相关性,事前预测ST的可能性并不能够帮助我们预测违约,但如果我们看事后ST的状态,尤其是长期戴着ST帽子的公司,看起来是的确能够和贷款的违约相关起来的,所以建议你们可以包含一个持续ST的亚变量,进入你们的违约预测模型当中,而且将他们的论文显示出过去违约过的公司在未来更可能违约。对于贷款收缩的影响,如果股东的议价能力很重要的话,这是不是意味着会有更高的贷款利率?也许就要使用更多的贷款契约,这样的话才能让借款方减缓战略违约的潜在威胁。股东议价能力方面我们看到了不同的议价指标,这里需要进行协调,我们在讲到违约期限的时候,这其中应该更多列入市场因素而不是会计因素。总体来说,我觉得这篇论文非常有意思,你们也是第一个使用中国的企业贷款数据,之前从来没有人做过这件事情,所以绝对是一个创举。中国的违约刚刚开始,未来可能会出现更多的违约,这个时间节点上我们必须深入了解违约是怎么一回事。在中国的特殊环境下,大家知道政府的监管环境非常不一样,政策的力量非常之大,可能在中国的背景下我们可以更多地研究发生违约以后该怎么处理,讲到贷款的定价,如果有这方面的信息就更好了,这篇论文就更加完美了。
  
  嘉宾:论文写得非常精彩,我的问题是关于2007年您提到经济上也是中国光景非常好的一年,那一年同样也是出现了众多公司的新增违约,对此您怎么解释?
  
  严弘:这对我来说也是一个米体,我到现在也没有能够解开,我猜测是因为政策上的转变所以出现了一些企业的拖欠,但这只是我的初步猜测,没有经过严密的论证。其实我觉得不是股东对债权人,而是企业对银行之间的议价能力,但我觉得还应该不止这二者之间的对决,有的借款人第一笔钱没有还清,他们还能够借到第二笔钱,有些本地的国企对于当地的经济有着举足轻重的影响,所以不能轻易让他们违约。
  
  嘉宾:获取违约数据方面有多困难?
  
  严弘:刚才余教授也提到了这个问题,目前来说我们知道银监会没有什么改变,但确实是有些拖欠,通过这些管理公司接手,这个事情就抵消了,这是监管上面的一个漏洞,也有可能是五年以后在信报上面消失。
  
  嘉宾:下一位演讲人是信用公司评级治理方面的专家WilliamBradford,演讲的主题是公司治理对信用评级的影响。
  
  WilliamBradford:我的联合作者陈超是马里兰大学的学生,赵阳是复旦大学会计系的主任,下面我会讲一讲我的研究和理论分析,然后是样本和经验数据。
  
  大家都知道信用评级很重要,这也是今天我们会议的主题,信用评级可以作为一个违约风险的代替评价指标。大家知道2011年的时候标普调低了美国的主权债评级,从AAA调到了AA+,可以说由此引发了全球的债务危机,所以说评级非常重要。当然,这取决于你的数据来源,但总体来说中国的整个债券市场总是世界上数二数三的。要在债券市场当中看企业债可以说增长得非常快,从整个中国债券市场的百分之十涨到了2014年的近三分之一。今天我们讲的是公司治理和信用评级之间的关系,什么是公司治理呢?我们首先得把这个问题解决,公司治理就是公司控制和指导公司发展的一系列框架和系统,放在中国的背景下公司治理是非常重要的一个话题,具体要看两个事情:一个是公司治理的一些变量,总体来说会影响信用评级,另一个是具体哪些公司治理的变量是信用评级的决定性要素。
  
  公司治理确实是对于发行者和债券本身的评级都有着解释性的影响力,也就是说无论公司本身是一地上市还是两地上市,可以说公司治理的特征都有着非常重要的影响力,包括我们的债券持有人非常想了解的是这个股东的结构,包括整个财务披露的质量、董事会决策的流程等等。这个是和整个国企一致的,基本上我们看到债券的评级和发行者的评级是一致的,债券的评级同时是和国有企业控股程度以及两地上市的特征呈现出正相关,同时和CEO的在任年限呈负相关,此外抵押物对于整个债券的评级也有着重要的影响。我们在论文当中结合理论分析和经验实证分析,用了中国债券市场的数据,同时又是从债券持有人的角度来看公司治理,往往是从所有人或者股东的角度来看公司治理,但现在我们用的是债券持有人的角度,一共用了十三个全面的指标来阐述公司治理。中国企业债市场是怎样的呢?每一家企业是有一个评级企业来评级,这和美国的情况不一样,每一个债权发行人至少要获得AA-这样的评级,中国大部分发行债券的企业主体都是国企或者国有控股企业。其实公司治理的起源就是所谓的代理人理论,这可以说是整个公司治理的一个大的框架,从债务持有人的角度来看有两种互相冲突的代理人,一种是公司管理人,还有一种是股东。如果说公司治理是监督了经理,也是激励着经理的话,我们从公司的价值当中提取一定的比例,同时增强公司的现金流,对于债权人和股东来说都是好消息,但从股东的角度来看有一些公司治理其实是对股东有利,但是对债权持有人有害的。我们在选择经理和决定他们薪酬方面有更大的权力,这是相对美国来说,所以我们也许可以说在管理者和所有权之间的冲突比较小。关于少数股东的决定能力,也就是说少数股东的代理人问题在中国更为明显。这些代理人对于债券持有人来说意味着什么?这是我们研究的话题。
  
  信用评级公司会对公司进行评估,我们来看他们的评估框架。这是标普的框架,比如所有权的结构和影响、财务利益相关者的权利和关系,还有财务透明度和披露信息、董事会的结构和流程,可以说无论是中成信还是其它的评级机构用的都是类似的框架。当然,这是穆迪的会议,我的同事负责写这个部分,今天是不是至少把穆迪的框架拿过来讲一讲?昨天晚上我就上网了,想把穆迪的框架拿到我的演讲幻灯片里面,要拿到他们官方对于公司治理的信用评价框架,我要花五百五十美金,所以我就犹豫了,太贵了。根据我的观察,应该说穆迪的框架和标普、中成信差不太多,对于公司治理的看法和对信用评级的构架应该也是差不多的。还有现金充裕程度、流动性和财务灵活性,这些都是非常标准的财务指标。这些是获得更高评级的担保人的担保,肯定是对评级有利,所有的这些东西汇总起来我们就给出了这样一个模型,把这些相关的财务指标综合在一起是不是能够在信用评级当中反映出公司治理的特征?我们看了2007年到2014年11月份所有发行的公司债,数据库是万德,还有国泰安和同花顺,其中包括三百八十家企业发行的五百三十七支债券,就是从2007年到2014年11月份,其中有五百零六支股票是由上市公司发行的,最终汇总起来就有三百一十一个发行者的发行和三百九十九个债券的评级。我们的研究当中用的模型是逻辑回归,对于发行者的评级来说我们是看了他们的财务变量和公司治理变量,对于债券的评级来说除了财务变量和公司治理变量之外还有债券特征的变量,还有行业的控制变量等等。这是发行者的评级,一共有六个,债券的评级有四个,我们更关心的是企业治理的变量,我们一共有四组,控制变量是股东的所有权,还有所有权的平方,前十大股东的所有权集中度HR是下滑线,然后看CEO的力量,我们有一个CEO双重身份的亚变量,还有一个非执行董事所占的比率,也就是用来衡量董事会的独立性。还有一组变量是董事和执行董事的所有权、信息披露和金融财务透明性的一些变量,不管这些股票是在国内上市还是在A股以外的地方上市,我们有一个变量叫做双重上市。还有一个变量叫做审计费占总收入的比例,中国证监会披露的欺诈案件,这个公司有没有参与,最后一个就是董事会和管理层的薪酬。我们还有一个横跨刚才几组变量的公司治理变量,我们进行了主成分的分析,这些都是财务特点的变量,包括债务资产比、资产ROA、利息保障比率、公司的规模、固定资产比率、长期债务比、流动性比率、收入增长率等等。对于债券的模型我们用的变量是债券的期限、债券的规模和抵押,亚变量方面我们要看这个债券是不是有抵押品。
  
  我们的分析当中衡量指标没有事前的假设,比如控股股东的持股影响到底是正面的还是负面的,这会制约到刚才介绍过的业主和代理关系这样的因素,下一部分的论文数据是评级本身,也就是顶线部分,这是发行者的评级,我们看到的是前四分之一和四分之三,然后看一看债券的评级,我们看到中位值大概是三,现在想要具体地介绍一些跟公司治理变量有关的研究结果,也会总结财务的变量。讲到公司治理,这里有股东和股东的所有权,我们就要做一些回归,这个就是公司治理的变量,这里既有财务变量也有公司治理的变量。这个结果是股东持股比例跟信用评级正相关,所谓的SO就是国营国有,这里是董事会独立性,也就是董事会里面有多少是独董,还有信用评级正相关,最后双重上市,这个你们看不清楚,不管怎么说,双重上市也是正相关的,现在我们讲的都是发行者,最后我们运行了两个模型,一个模型是跟公司治理有关的因素,我们既考虑了财务变量,也考虑了公司治理变量,整体来说公司治理变量能够正面地影响信用评级,能够用公司治理预测信用评级。刚才看的是发行者,现在来看本身的评级,唯一的差别是我们没有找到一个更显著的结果,那就是独栋比率和债券本身的评级关系不是特别的强烈,如果CEO也是董事会主席的话,对于信用评级有负相关影响。讲到我们的统计分析,行业的变量也用了一些稳健的标准差,大概是百分之五左右,所以我们发现这样的结果是相当有说服力的。
  
  这张幻灯片的内容很多,传达了我想表达的重要信息,考虑到中国公司在全球市场的重要性以及中国金融市场的独特性,我们就得研究一下公司治理对债券和债券发行的影响。因为公司治理对于股票市场是很重要的,所以我们初步做了一些研究,想研究的是公司治理对于利率的影响,利率是受信用评级影响的,我们要评估的是信用评级方面跟公司治理有什么样的挂钩和相关性,论文只能体现公司治理和债券信用评级之间的初步关系。
  
  陈霞:感谢大会组织者邀请我来做讨论嘉宾,也要感谢几位作者写了这么有意思的一篇论文。澄清一下,我是学会计的,不是学金融的,我觉得这个论文对于学者和业界从业人员来说都是很有意思的。题目是公司治理对于信用评级的影响来自中国债券市场的佐证,我会先总结一下这篇论文,然后提供一些评论,希望能够对作者有帮助。我们想研究的是公司治理变量如何会影响公司债券的评级,样本包括了四百支债券,是由三百二十二家中国企业在2007年到2014年直接发行的。几位作者在论文当中所做的就是研究了发行者和债券的信用评级,他们的控制变量是财务的特点,更关注的是公司治理的变量,债券的信用评级跟债券的特点有关,他们使用了有序逻辑回归,这是很有趣的,而且中国的债券市场体量已经很大了,可能还会继续增长,现在政府对债券市场的管制非常的严格,将来市场可能会放开。因此中国债券市场还会进一步扩大,在这个情景下有必要好好地理解一下是什么因素影响了中国债券的评级。这个论文的优点是提供了一些新的证据,告诉我们公司治理会影响中国债券的评级,而且完整地提出了一系列公司治理的指标,也列出了四大类别的公司治理变量,包括所有权结构、控股股东、董事会治理、董事和执行董事的所有权,最后是信息披露和财务的透明性,此外还考虑到了其它的变量,比如董事和管理层的总薪酬,还要看这个公司有没有受过欺诈调查。作者进行了多变量的调查,对于这里的很多变量来说,如果只考虑股东的视角,很多的变量都对股东有利,我们看到了业主和代理之间的利益冲突。这篇论文的主要结论都有哪些?这里我用了不同的颜色标出作者认为最重要的变量,能够最大程度地影响到中国债券市场的评级,发行者的评级重要的变量包括控股股东的所有权是正相关的,还有一些非线性的关系,就是控股股东和发行者的评级之间的非线性关系,还有亚变量,就是国营企业,也是一个正相关的变量,百分之六十的样本讲的都是国有企业的债券。董事会CEO的双重任职是负相关的,另外一个就是双重上市,也是一个正相关的变量。讲到相对审计费,衡量的其实是审计对公司的重要性,但我们发现相对审计费对于债券评级的影响在各个模型当中没有一致的结论。几位作者不但对发行者的评级进行了检查,而且也对债券本身的评级进行了检查,他们的发现是差不多的,比如把控股股东所有权的平方、董事会的独立性,不但具有显著性,CEO的双重任职有显著的影响,这是跟上面的发行者评级有所不同的,几位作者发现有没有抵押品也有显著的相关性。这些都是论文主要的结论,接下来讲一讲我的评论。其实个人研究的也是这个问题,就是中国背景下的研究做得不够,包括这个论文的主题,本身在美国研究得非常充分,也就是我讲的公司评级和公司治理的问题在美国研究得非常透彻。这篇论文的很多结论和美国环境下的结论是非常相似的,所以这篇论文的作者把研究放在中国的背景下,它的特别之处就特别引人注目了,无论是理论分析还是实证分析。这里就是我汇总的中国特色,比如国有控股对于中国的评级非常重要,但不是说因为这些是中国的旗舰公司或者代表中国的形象,所以中国政府不会轻易地让这些国企倒台,但事实上中国特色远不止于此,他们样本当中的百分之六十是国企,但是还有很大一部分是非国企。这些论文也和前面一篇论文形成了很好的对照,讨论当中涉及到了一些对于地方经济有重要意义的企业,他们的情况也是中国的特色。我的建议是这篇论文的作者不仅是看中国整体,而是能够把中国细化成为具体的市场和具体的区域。另一个就是两重上市,目前对于两重上市的主要关键是信息披露和信息不对称,对于两重上市的公司是不是研究分析事业更多?研究得多获得的信息就更多,从而影响到他们的评级或者会不会有其它的影响。还有就是控股股东的情况,在美国如果所有权过度集中,对于债券的评级是有负面影响的,但是在中国这种情况正好相反,你要仔细地看一看到底谁是控股股东,如果控股是国有、个人或者家族,最后得出的结论就会不一样,讲到控股股东的时候可能要具体甄别一下股东的身份。还有一个中国特色就是在美国统计数据显示机构所有、管理层控股是一个非常重要的特征,但是在中国这样直接由管理层或者董事控股,或者是由机构控股的情况还不常见,所以没有这方面的结论,我建议也可以在这个方面多做一些研究。另外可以研究的事项包括政治影响力、政治背景和家族企业,建议还可以做一些子样本的分析,是不是有一些公司治理的变量对于某些非国企来说更重要呢?因为我觉得你们的样本量还是非常的大,所以可以从这个大的样本当中再分出一个具体的子样本出来。讲到审计费的时候,对于这个结果的解释应该更为谨慎,但刚才作者其实已经提到了。最后如果说中国扩展债券市场,那么你们的研究结果是否可以一般化呢?是不是具有一般的意义?现在研究的财务状况都非常不错,但是债券市场再进一步发展的话这个公司的财务情况可能就开始多变了。
  
  嘉宾:公司治理做得更好的企业和公司治理做得不好的企业在基本面上有没有根本的不同?评级是不是可以进一步因为这些基本面的情况出现变化?所谓的基本不同是财务上的不同吗?中国的企业债往往是集中在某些具体的行业当中,这个行业对他们有没有影响?
  
  WilliamBradford:这个模型已经做了行业的调整,如果单看某一个行业的话有些结果是会发生变化的,比如评级机构如何对这些行业进行评估确实是会有变化,我们这份研究当中并没有突出某一个行业的特征,如果分担行业与行业的比较,有些企业必须寻求外部融资。
  
  嘉宾:如果寻求发债可能会发行更高评级的债券,在中国会有不同吗?
  
  WilliamBradford:我们在研究当中已经有针对规模的变量控制,规模肯定是有影响,这也是为什么研究当中把规模作为变量进行控制。
  
  嘉宾:路透、彭博的数据为什么不拿呢?为什么从国泰安和万德拿数据呢?
  
  WilliamBradford:这个数据不是我采集的,而是另外两个联合作者采集的,如果说有中国方面的数据,我事后会去问一问他们。我们要控制这个样本量,因为不是所有的公司数据我们都拿得到。如果我们从其它的来源那里拿了数据,这个样本量可能就太大了,但是我觉得后续会去问一下其它的资源方和数据方。关键的问题是这个数据的真实性有多少,或者是评级机构的可信度有多少,应该是综合的因素,这是中国本土的评级机构,他们有点像标普或者穆迪的中国版,但在中国做事情要有关系。
  
  赵阳:这是国内的评级公司做的,和国际评级公司不在一个量级上面,我们在国内只看到AA+和AA-,但是国际评级最低的是CCC,一直到A和AA。
  
  嘉宾:这是两个不同的标准,怎么控制评级边界呢?因为标准不一样。
  
  WilliamBradford:从这个角度不能说两个标准之间要好多少,或者具体量化这个差异,我们的研究基于的不是绝对值,而是这个先后排名,所以并不是针对绝对值的分析,而是基于相对值的分析。
  
  (茶歇)
  
  王坦:下面我们有请LauraLiu讲解房地产行业冲击的挤出效应。
  
  LauraLiu:感谢大会组织者邀请我参加这次会议,我从会议当中得到了极大的收获。论文的共同作者是香港科技大学的博士生陈婷和在北京光华管理学院的同事周立安。其实研究动机用两句话就可以总结:一个是中国的房地产市场对中国很重要,而中国对世界很重要,因此理解中国的房地产市场非常重要。另一个是中国房地产市场的背景,基本上有十年的时间,中国的房地产市场一直在涨价,各个城市的房价差异很大,如果我们只看北京和上海这样的城市房价是上涨的,但其实有很多二三线城市的房价根本没有上升得这么快,有的城市近年甚至出现了房价的下跌。中国房地产市场各地的价差很大,几年前在2010年4月17号国务院发布了一个通知叫做“国十条”,警告说房地产市场出现了不合理现象,房价上涨太多,地方政府应该采取措施遏制房价上涨。发布以后几天北京首先做出了反应,限制了住房的购买,限制性很强,不但是通过了信用紧缩的政策,而且还限制了潜在买房人的买房,一定要跟北京的户口挂钩。这里每家只能买两套房,而且还是北京的常住居民,其它四十五个城市也效仿了,目前又开始放松甚至取消这样的规定。我们研究提出的问题是各种不同的公司是怎样对房地产价格上涨做出反应,而对负面政策的冲击又是怎样做出反应,然后会看投资行为以及投资效率。政府、学界和业内人士都有一个辩论,就是房地产市场能不能刺激经济的发展,我们也希望能够帮助解开这个谜团。
  
  我们所用的理论模型是两方面的:一方面叫做抵押物频道,我们的论点是企业某种意义上有财务制约因素,因此不能进行充分的投资,而房地产市场可以投资更多的项目,这样的论点已经有人研究过了,而且还有美国的一些市场证据的支持,可以在房地产市场繁盛的时候持有更多的土地、发展更多的项目,但日本的情况是正好相反的。最近还有一些理论性的工作记录了另外一个潜在的负面效应,就是挤出效应,这里列出了几篇论文的名称,有些是我的前同事写的,如果一个行业出现了泡沫,这个泡沫会导致投资,那就流向该行业,因此会挤出其它行业的投资,这就出现了资源的错配。这样的挤出效应可以通过信用的渠道得到放大,一个行业的价格上涨会导致信用更多分配给该行业的企业,挤出了其它行业可用的信用,因此这个信用的可用性又是一种挤出效应的体现。我们想看一看两种挤出效应在中国有没有,我们有从1998年到2012年的详细土地交易数据,样本非常完整,但其中只使用了一小部分的数据,因为我们要把这个土地交易的数据和公开上市公司的数据结合起来对照来用,其它的数据以后再考虑使用。我们为每家公司找到了土地价值的数据,既有全年的数据也有每个季度的数据,每片土地交易价格、买家是谁、主要卖家是当地政府,当然也有一个二级的土地市场。老实说,虽然我们的数据是从1998年开始收集的,但是1998年土地交易数量很少,只有后几年才出现了大量的土地交易和转让。我们采用的价格是最近的土地使用权拍卖的价格,更重要的是把土地进行了各种区分,可以是工业用地也可以是商业用地,因为他们有不同的价格,而且价差很大,稍候会给你们看一些具体的结果。
  
  我们有一个土地价值的变量,每家公司每年持有的土地价值都算了出来,但扣除了财务和保险,减掉了金融、保险、房地产、建筑和采矿行业。首先做的验证就是投资方面的实证验证,这里的关键变量是土地价值除以K,土地价格不变的情况下在美国文献中的预测就是BETA应该是大于零,和抵押渠道的效应是相关的,但是我们发现持有土地所在的城市如果有很多的投资机会的话就可以投资更多,所以在中国城市当中更强调的是投资的机会。IV变量就是地理措施,也就是说这个城市获得土地很难,还有在土地上面造楼有多难,香港的地块很小,要比上海造楼更困难,所以我们进行了结果的复制,这就是在美国看到的数据复制。我们用的是中国数据,如果一个公司土地价值上升的话就可以借更多的债,同时也可以投资更多。这是我们把投资进行了细分,一个是土地投资,一个是非土地投资,土地投资当中我们又进行了进一步的细分,就是工业地产和商业地产的投资。如果有了土地以后是继续投资做土地业务还是投资于其它的行业?证据表明现在企业越来越多地倾向于商业地产的投资,而且还在削减非土地的投资,但工业地产的投资没有变化,所以土地价值上升借更多的钱,而在投资的时候投资的比例有所改变,更多地倾向于商业地产,而且还减少了非土地的投资。
  
  接下来看一看限购政策,一共有四十六个城市,我们列出了城市的名字和限购政策出台的日期。第一个是国十条,下面的是四十五个城市,我们需要以下预测,政策的冲击会影响买房的需求,也会影响到土地的价格。出于几种原因,我们没有看到政策冲击对房产价格的直接影响,要看房地产开发商的土地有没有开发,借款的频率以及其它投资者的预期。就算投资者预期对土地价值有影响,也会影响到公司的投资决策和借款决策,我们来看这个预测在数据当中有没有得到表现。政策是不是会影响土地价格?这里的变量是土地价格,总共有三百五十六个城市的数据,如果这个城市是四十六个,亚变量就是一,否则的话是零。考虑到时间的变量,这里有一个公司,就是宣布限购的时间,我们可以看出这里的价格是商业地产的价格,商业用地的价格的确下降了,因为限购政策的出台,这是和其它没有限价的城市对比出来的。如果我们不用各个地方政府限价时间,而是用整个中央政府的限价政策的出台,而上海市政府还没有出台政策,但上海人预期上海市政府也会出台这样的政策,那么预期改变了,政策冲击就会导致商业地产价格的下降。
  
  我们对比一下工业土地的价格,没有受到政策冲击的影响,这是实证证据告诉我们的。我们做了DID检验,我们的研究是在2009年前四十六个城市拥有土地的公司,对照组是所有其他的公司,受调查的公司在这四十六个城市里面至少有一个地块。我们把这些公司分成三种:一种是所有其它公司,另一种是四十六个城市里面建了总部的所有其它公司,因为一般公司的总部都是会设在一线城市,今天也讲到了地段的重要性,所以我们又把公司总部设在四十六个城市的公司独立出来作为一个对照组,还有就是在四十六个城市没有地块和有地块的公司之间有很大的差别,所以就是有土地,但是不在这些限购城市里面,我们就用这三个对照组进行对照研究。基本的效应就是在政策冲击出现以后企业如果处在限购城市可以借到的钱更少了,投资也更少了,所以DID给我们的是差不多的数据。
  
  这是投资的细分,现在我们看到的是一种反向的效应,企业削减了商业地块的投资,增加了他们的非土地投资,这跟我们之前做的预测方向相反。下面要考察的就是非土地拥有者的子样本,为什么要对这个子样本感兴趣呢?这个样本在之前报告的调查结果当中没有得到体现,因此他们没有拥有土地,所以土地价值总是零,但更重要的是我们认为这个子样本能够帮助我们更好地理解挤出效应,如果没有挤出效应,只有这个抵押效应的话,这个子样本应该不出现任何的变化。这些公司不是没有拥有土地,他们的价值不会受到影响,不过如果真的有挤出效应,有的公司即使没有拥有土地,但他们会被其他在同一个城市的地产商挤出,因此非土地拥有人也会降低他们的投资。政策的冲击也能够扭转挤出的效应,四十六个城市里面如果没有土地投资的公司,政策出台之后应该有更多的钱可以投资才对。这是房价上升的正常期,如果这些企业总部所在城市的土地价值升值的话,这个企业就会少投资少借钱,这和挤出效应是相符合的,如果看工业地产价格的话没有这种效应。我们要对比的是在四十六个城市没有土地,但总部设在四十六个城市,我们发现如果是处在四十六个城市的公司情况更好,现在可以借更多的钱来投资,也就是说跟挤出效应方向相反。
  
  如果土地价值上升的话,非土地投资就会减少,更多的商业土地投资也会出现,如果地价上升的话,对于非地所有企业来说就会减少投资,也就是说受到这个影响更大,同时政策的冲击可以把以上的效应全部逆转过来。刚才说的是直接信贷的通道,之前在我的演讲当中拿掉了,但这个上面的数据很重要,所以想和大家分享一下。中国银行在各地都有分行,比如北京、上海和大连,每个分行的政策也会不一样,所以我们不知道某一笔贷款是出自于某一家分行,如果说这个城市的地价上升,我们就看一看这个银行发生的总贷款,这样的银行更可能把接受土地作为质押,也就是说当城市地价上升就会更多地出现以土地作为抵押。另一个也是亚变量,这个银行不太可能把贷款贷给非地产所有者,虽然可以用其它资产进行抵押,比如可以用你的机器,但这样的企业从银行拿到贷款的可能性要更低一点。这里还列出了贷款的规模,如果是非地产所有者,你拿到的贷款的量也比地产商拿到的贷款量要小,这一条是更加赤裸裸地证明了论文的观点,现在所有的证据都明确地指出了挤出效应。
  
  通过这样的挤出效应到底会对市场造成什么样的负面影响?说出这些负面效应之前我们还是要给大家看一看一些统计数字,也是一些直观的比较。土地所有者更多的是国企,通常规模也更大,员工数量也更多,而且总体上效率更为低下。这是全要素生产率来衡量的,当然,要是和国企的领导谈话,他们会告诉你肩上的责任很多,还要考虑社会责任等等。总体来说,他们在财务上的约束就更少了,小的企业规模小,但不一定是国企,反而受到的财务上的限制和约束更多,而且这两组之间的财务约束会越来越大,差距也越来越大,这个就是我们所谓的负面影响。这里看到的是最终数据列举,房地产市场繁荣以后到底产生了什么样的影响,也就是说整个市场的效率走低了,地价上升了,但效率下降了,就是因为资源更多地流向了低效率的部门。我们论文各个项目都证明了这种效应的存在,房地产市场的繁荣和发展加剧了土地所有者和非所有者之间的财务约束差,对于非土地所有者来说他们受到的影响更为巨大,借到的少了,因此投资也进一步减少了。此外整个房地产市场的发展也导致投机性的投资增加,这样就把非土地的投资挤兑出去了,那么地产发展到底能不能刺激投资呢?可能刺激的是低效率的投资。
  
  刘鹏:我是康乃尔大学的教授,主要是研究地产金融。这篇论文涉及到房地产市场,也是讲到了中国经济,我想先简单地总结一下。这篇论文确定了挤出效应的存在,也就是说拥有地产的企业,尤其是土地升值的企业可以借到更多的钱,也可以进行更多的投资,国家的限购政策对于投资和借贷都产生了影响。这样的一篇论文贡献就是在于确认了这样的挤出效应,房地产市场的上升其实是挤出了非地投资以及因此受影响的非地产类企业,非地企业受到的冲击更大,借到的钱更少,也没有办法追加投资。作者还指出整个投资的效率因此降低了,因为资金资源流向低效率的部门,这篇论文选取的样本非常的好,他们看了三百六十九个城市,这是我看到的房地产市场方面最为全面的样本,而且是从1998年一直到2012年整个时间的跨度也非常的广。采用的方法论都是正确的、可行的,包括采取的变量和选择也是非常的恰当。这里特别提到了有限购的四十六个城市,可以说这些城市因此限购的政策确实成了一个很好的试验田,我想这个切入点也是非常恰当的。我的建议是应该继续扩大你的样本量,但是就目前你们得出的研究结论已经是非常让人折服了。接下来要提出一些批评性的建议,我想把它提升到一个宏观的层面,也就是房地产市场在整个城市化的进程当中已经有好几年了。中国政府其实一直没有停止过插手房地产市场,城市化的进程已经开始七八年了,首先是把福利分房取消了,这可以说是一个所谓的恢复阶段,从百分之十七恢复到了百分之二十三,然后是一个平滑的发展阶段,从百分之二十三上升到了百分之二十七,还有一个加速上升期,这是从1992年开始,也是中国开始确立进行市场经济改革。这个时间当中大家可以看到城市化率翻番了,到了2012年已经达到了百分之五十三,也就是说用了二十年的时间中国实现了从百分之二十三到百分之五十二,我们用了整个三十年,几乎是从百分之十七到了百分之五十二,同样的规模,美国和英国用了多长时间?英国花了一百年,美国花了六十年,这是美国和中国城市化率进程的比较。这是英格兰、苏格兰和威尔士地区,1800年城市化率非常低,不到百分之二十,一百年后的十九世纪末才实现了翻番。随着城市化,我们看到了房地产市场的长足变化,这些都是国家层面的数据,当然,我们通常说房地产市场拿全国的数据根本说不了问题,比如在北京和上海看到的情况和全国平均情况是完全不一样的,北京五道口附近的小区我对这个地区非常了解,因为2000年左右我是德勤的审计师,所以那段时间就在那里工作,非常的熟。北京的华新家园现在是房地产价格非常的高,2000年的时候平均房价是五千人民币,大家知道现在是多少钱吗?十万,也就是原来的二十倍,这是一线城市和资源稀缺的小区房价惊人的上涨。为什么会出现这样的飞速上涨?这当然是和中国的经济增长模式相关的,各地的官员都是以追求GDP为目标,地产开发商通常都说可以带动这个地方的基础设施建设,所以他们可以以非常低的价格拿到地,最终房价被转嫁到了消费者的头上。房地产市场的问题到底在哪里?大家都在担忧中国的地产市场是不是泡沫到顶了、要崩了,整个地产市场已经出现了系统性的风险。这可以说是论文作者研究的原动力,但是最终也没有能够完全回答这个问题,也就是说大家都担心中国会不会步日本的后尘陷入长期的衰退。作者认为这个限购的政策改善了效率,我想了解这个效率怎么来衡量?会不会从社会福利的角度衡量这个效率?这个限购政策到底是不是一个好的政策?应不应该继续推行?未来我们还可以推出什么样的其它政策配合现在新的经济增长模式?对于管理层来说,最近中国的股市很不错,这是十年上证指数的一个变化,也就是从去年5月份到现在这个指数已经翻番了,这个和房地产市场有什么样的联系?这是我提议作者可以进一步研究的方向,希望你能够进一步对公司进行分类,现在主要是按照所有权的结构来分,比如国企,还可以从行业的角度分得更细一些。现在还有很多传统非地产开发类的企业手头拥有大量的地,比如有的企业原来的核心业务并不是房地产开发,现在地产在他们业务当中的比例可以占到百分之六十。大家知道限购刚开始并不完全是一个冲击,选择四十六个城市原来是因为房地产市场不健康的过快增长率,所以哪些城市选择实行这样的限购也有各自的考虑。
  
  嘉宾:农村和城市人口到底怎么去定义?城市化率是因为人们确实是从农村转向城市,还是原来的农村现在变成了城市?还有一个问题就是你用的是利率,因为中国的利率现在很低,所以会出现这样的挤出效应,为什么还有百分之六十四的公司现在手头都会有地?
  
  LauraLiu:土地一般是当地政府出售的,他们会规定这片土地是工业用地还是商业用地。
  
  嘉宾:我要问的是城和乡的土地。
  
  LauraLiu:没有这样的区分,我们看到的只是土地,如果是乡间的农村土地的话会更便宜。北京目前还在执行这个政策,我所住的公寓里大学实在太远,通勤要一个小时,希望可以取消限购,在校园旁边另外买房。另外从研究者的角度来看,我们是想支持这样的政策,为什么这个政策要采用?因为一些深层原因,地方政府税收要上交给政府,下一个论文将会写这个话题来解释为什么地产价格会上升,现在我们只是解决了谜团的一小部分。
  
  王坦:接下来我们会进行行业圆桌讨论,有请慕迪公司全球结构化产品部胡剑博士担任主持人。
  
  胡剑:希望在场的各位听众都从这些发言当中学到了东西,下面我们会讨论中国企业与政府融资平台债务的信用风险。有请慕迪公司大中华区信用研究分析部高级副总裁钟汶权先生、汇添富固定收益基金经理何旻先生、海通证券固定收益资深分析师李宁先生、清华大学五道口金融学院周皓教授。我们首先请钟总对现在企业的违约方面的情况和趋势做一个比较简短的Overview。
  
  钟汶权:以前都是国外有违约,国内是没有违约的,中国企业在海外也有违约的经验,从2002年开始有亚洲铝业,最近两三年我们看到了不同的事例。去年开始我们看到国内首次有企业在债券违约,因为之前企业银行贷款违约了,但是基于种种原因外部都是有刚性支付,其它债务有违约,像新钟基、山东海龙等等。今年第一单的违约是在私募债里面,但发觉担保方不承认,所以又带来了另外一个问题,原来担保不一定能够实现,最近国有企业也有违约,就是保定天威。违约好像已经扩散出去了,以前我们以为不会违约,后来又以为国有企业不会违约,现在我们都看到违约出现。现在有点未知的就是这些违约是怎么去做重组的,债权回收是怎样的,去年全年不寻常的状况是他们是本金和利息都是回收的,今年的几个案例还是在发展当中,也是一个比较有趣的现象,国内违约以后下一步我们怎么去做?
  
  胡剑:下面请何总和李总从基金和证券的角度对于企业违约现况和发展的趋势点评一下,刚性兑付的现象是不是在改变。
  
  何旻:刚才过来听了听会议的内容,还是非常的高端,也非常的学术化和精细化,对于我这个每天在市场里面杀进杀出的人投资都是简单粗暴的,所以也是受益颇多。谈到中国的债券投资有一个比较重要的品种就是城投债,这个品种比较特殊,因为和美国的市政债不太一样,其实是中国地方政府下面的投资公司发的债券。我们基金原先在城投债的时候是比较简单的,就是选择一些收益率比较高的债券,是从绝对收益方面来考虑,绝对收益高于百分之六我就买。原先我们的理解就是政府下面的投资机构发的债券,所以兑付是不会有风险的,在我们看来任何评级都是没有意义的,很早就是这样比较简单粗暴,百分之六以上就到市场上去买,不管是什么评级。后来市场逐渐开始变化了,发行人也有开始有违约的迹象出现,比如2011年6月份就有云南的一个公路投资公司说只付息不还本,这个事件发生以后大家开始对城投债重新审视。虽然9月份云南政府又说可以担保这个债券的还本,还是把它兜底下来,但整个市场开始变化了,投资者开始逐渐关心起这样一个事实。虽然最后还是刚性兑付了,但是整个市场上会有一个波动,对于投资基金经理来说整个投资上的估值就开始分化了,一些高风险地区的城投债收益率就开始上升,一些经济发达地区的债券收益率开始往下走,市场也有不同的风险偏好出现。之后我们就开始对城投债分析,建立了一个比较独特的投资模型,因为城投平台本身是不盈利的,和很多公司债是完全不一样的,我们分析的是它的财富状况是不是盈利,还有一些财务指标怎么样,城投债就很奇怪,大多数都是不盈利的,我们分析什么?分析的是发债这个地方政府的情况,比如政府的财政收入,因为中国地方政府财政收入分为公共财政预算收入,还有出让土地的收入,包括从中央政府那边退税还给地方政府,或者是其它补贴性的收入,这样几方面的收入来分析地方政府收入的稳定性,然后看一看这个城投公司跟地方政府的关系。这是一个地方政府直辖的公司,还有再下面一级的公司,还要分析开发区,和产业债不一样,分析方面是完全独立的一个模型,包括我们自己投资的时候内部会有一个独立的模型在那里。中国有几个大的评级机构,他们做的评级就比较粗略,和公司债一样,比如AAA就是省级,AA+就是地方级别的政府,县级进行比较粗略的划分,然后投资上还要更精细化一些,就是一个内部的模型。目前从来没有政府文件说兑付一定会对城投债兜底,通过新的预算法以后,目前来看城投债分为三类,一类是地方政府直接的债务,一类地方政府承诺会兑付的债务,还有一类是地方政府会救助的债务。现在市场上面的投资已经更加成熟了,对于这些债务也有很多划分。
  
  李宁:跟何总一样,很久没有参加这么高大上的会议了,我自己听了一段时间感觉总算有一个环节能够听懂并且参与了。为什么中国必须要踏出这一步?现在刚性兑付发生了一个巨大的变化,我的观点是刚性兑付正在发生巨大的变化,很快就会打破。为什么说我们一定要刚性兑付?很多人说中国一定要刚性兑付是因为中国市场有很多散户参与,中国的债券市场投资很奇怪,很多债券有大量的投资者可以直接参与,如果出现违约就会产生一个风险扩散的问题,很多个人投资者不承认风险自担的文化,在发债的过程当中应该有很多的猫腻,买了以后默认为这是刚性兑付的品种。这种文化的形成一定有深刻的原因,就是中国一旦资产变成不良以后是完全没有流动性的,没有一个违约后资产的市场。过去我们只有四大资产管理公司是做投资的,违约以后可以购买,但其它的是没有的,违约以后所有资产都是没有价格的。不管是政策、投资者还是监管者,一旦出现违约大家就非常茫然,不知道怎么处理。最简单的方法就是能够刚性兑付就刚性兑付,这一单就这么着了,下一单我们再说,随着政策的发展把这个问题解决。去年这种刚性兑付的打破就已经有了非常明显的变化,首先在培育风险自担的文化,表现在为出现违约以后在机制上做很多的准备,比如今年就要推出存款保险制度,以后存款五十万元以上的就不是刚性兑付了,信托产品以前是刚性兑付,现在是中国信托保障基金,相当于要上保险,一旦出现违约的情况就有一个顺畅的处理机制。只有非常低风险的EEE以上债券才可以散户参与投资,其它债券是不允许散户进行投资的,所以政策层面已经开始了这种为打破刚性兑付做很多的准备。现在刚性兑付的压力是非常大的,现在信用风险上升也是非常快的,我们自己做了一个统计,中国债券市场总共有信用事件的,只要有压力的信用事件都统计进去有二十四起,但是2014年以来我们是有十一起,近半都发生在这两年。我们自己发现整体或者宏观来看,企业资产负债表在2008年以后发生了一个巨大的变化,负债率是大幅上升的,工业企业的资产负债率在2008年之前是比较平稳的,甚至是有所下降的,整个经济的运行是良性循环,但是2008年以后企业资产负债表是大幅恶化的。站在这个时点上面,我们有大量的企业面临这样一个问题,可能就是债务到期很难偿付,所以今年出现了中小企业和国有企业的违约,大小企业都有。我们的政策针对很多刚性兑付开始铺垫,所以刚性兑付打破应该是很快的一件事情。
  
  胡剑:我们是从地方债、大企业、中小企业和刚性兑付慢慢打破,刚才何总提到了地方债的问题,周教授做了不少研究,能不能对地方债的情况和风险评估做一个大概的综述?
  
  周皓:很高兴来到这样一个高大上的场合,大家都很关心违约、刚性兑付和地方债的问题,今年财政部一万亿置换第一个计划失败了,行政摊派性质的定向发债是否能成功还有待我看待,所以有可能是中国未来引发广泛违约事件和金融风险的一个很重要的导火索,所以我觉得值得关注。我和我的同事是一年前开始关注这个问题,然后用何总的城投债做了一些分析。探讨中国地方政府债务特别是城投债信用风险违约的问题首先要基于它的经济分析,它的经济特点是什么,EconomicAnalysis是什么,我们认为关键是两种债的Mixture。系统性的风险都是定价在里面的,就是如果把城投债横截面对于系统性风险的因素,比如中国的CDS、对外支付帐户的余额、一年期政府央行的政策利率,你会发现这是非常好的PriceInCross-Section。如果真的是国债的话大家就会没有地区间的Cross-Section。一年以前城投债地方债也和地方政府的经济特点是联系在一起的,即使是很微小的差别也是有联系的,什么样的特性是联系在一起的呢?大家都能猜想得到,比如经济增长GDPGrowth对收益率是有影响的,地方政府的财务状况、财政收支缺口,最大的因素是什么?RealEstate,房地产价格是城投债影响最大的一个因素。房地产的增加值在一个地区所占的比例越大,像北京和上海这种地区,城投债的收益率越低,经济越好,房地产价值在经济当中占得越大的地方城投债反而是越Safe。另一个有趣的特点是流动性一开始不太好,这是和收益率非常显著的关系,什么样的城投债是TurnOver比较高的呢?我们知道在美国市场上CorporateDebt里面流动性越好、交易量越大的是Speculate,在中国是正好反过来的,应该是低收益的,就像今天早上列出来的那个特点。还有一个特点是城投债的收益率和地方政府腐败的程度是密切相关的,一个省越腐败收益率越高,背后是有经济原因的,什么样的指标衡量它的腐败程度呢?我们用的是中纪委调查的一个省被双规的人员和Ranking,还有总的Case的变化都作为对照,无论怎样Control都解释这个收益率。背后的原因是什么呢?地方经济的变量最重要的是RealState,地方政府是把地卖给城投公司,城市公司用更高的价格贿赂给某个房地产商,房地产商把钱弄过来,所有的这些都是联系在一起的,这些就是背后的EconomicStory。
  
  胡剑:大家都知道人民银行刚刚推出了一项新的政策,就是地方债可以让商业银行去买,大家有没有对这方面的评论,你们对这个是怎么看的?
  
  李宁:以前我们对地方政府债务做了很多研究,报告央行也在看,为什么江苏那个最后流产了呢?灾难之前央行就问如果我要真的发动地方政府债,对于利率的影响到底是怎样的?他问这个问题就表明是非常忧虑的,一旦一万亿的地方政府债务发出来,巨大的供给量一定是会冲击利率水平的,目前还要稳增长这样的以降息为主的环境里面一定是不可取的,还是要直接靠市场的容纳来解决。今年我们讨论的是一万亿的事情,但是地方政府债务截止到2013年6月末是有十万亿的规模,这仅仅是政府负有直接偿还责任的债务。目前很多政策要瞄准十万亿,当你瞄准这十万亿的时候就会发现央行除了自己买没有别的选择,或者是采取一种折中的方式,一部分通过市场化来消化,但一定会有央行通过某种手段直接参与政府债务置换这样的措施,否则的话这个东西你是解决不掉的。还有一个解释,越腐败的地方对利率越不敏感,因为不是经济导向,而是腐败导向,利率越高寻租的空间就越大。
  
  周皓:为什么市场对利率特别担忧?你说的是十万亿,我认识一个老总是内蒙古某一个县特别有钱的人,他们县在财政部核定的里面有十三亿,实际上有四十个亿,这是一个不好不坏的线,不是一个特别差的线,就是一个比较标准的线。我们把现在的十几亿再乘以三也不是不靠谱的数字,三四十亿潜在的、没有登记的地方政府债务也是很有可能的,所以一说置换市场利率预期马上上升,不是没有道理的,肯定是有道理的。
  
  何旻:地方政府债办法推出以后市场都松了一口气,前一段时间地方政府债要发行的时候国内债券市场的收益率都上行了,大家都非常担心供给量增大,但地方政府债的办法出来以后市场又开始往下走了,说明目前大家对这个办法是比较乐观的。前面也说地方政府债出来以后其实是一种摊派制,摊派给原来的商业银行,从贷款变成债券化的东西。我也是有一个问号在里面,这样的做法最后会不会成功?因为这个市场上面有一个悖论,如果地方政府债要发的话规定的利率上限是同期限国债利率上浮百分之三十,地方政府债的刚性肯定是地方政府发的。城投债也在那边,现在城投债的收益率都是百分之五点几,都比国债上浮百分之七十到百分之八十,甚至是一倍的收益率。那么到底哪个是刚性兑付?如果都是刚性兑付的话城投债的收益率下来还是地方政府债上去?或者商业银行都不认可地方政府债?因为收益率太低,就是这样的问题,最后的政策可行性还是有一些操作上的悖论。
  
  钟汶权:何总和李总都是市场参与者,我想从另外一个角度来看,他们肯定会更接近市场指导状况,我们会接触很多海外投资者,现在有五千多亿海外的钱投在国内债券市场。前两年很简单,由于刚性兑付,和何总讲得一样,我们只讲收益率最高的,每次问我都是刚性兑付某一天肯定没有,什么时候没有?下半年还有没有刚性兑付?地方政府债出来了,很多传统的投资者有兴趣,因为在国际市场里面地方政府债是一个收益率比国债好,但是相对稳定,而且比较长期的产品,所以他们听到马上就有兴趣看,他们反而会奇怪出来为什么没人买,背后几个专家也说得出来。这些地方政府债怎么才能卖得好、发展得好呢?首先要有一个过程,就是市场竞价,现在是上浮百分之三十或者百分之二十,大家都不知道,突然供应这么多,市场流动性是怎样的?政府的信用风险不会太差,问题是有这些市场状况,市场怎么调节?去年江苏的利率都非常低,以为应该以非常低的水平发出去,实际上不是,还有二级市场提供的流动性和回购,现在央行的种种作用也是朝着这个方向,最初是推出就有人买,未来两三年还有一个过程,大家也感觉到了每个地方之间有一个差异化。这个市场非常重要,为什么大家会这么怕地方政府?就是透明度的问题,也就是海外投资者想买,大家都说估值比较低,负债怎么样大家也不知道,资产方面我们都是看房地产,但负债的部分不知道。我们要分给城投处理债务,每个地方报到中央政府城投债,和实际上城投已经发出来的债,我相信你们也做过一些研究,大家都看着不太匹配,有些地方看出负债率很低,但城投也有很多。种种问题都需要市场,也需要地方政府知道,他们出来发债不是政府给你一些债你就去买,也要财务几率好、财务管理好、透明度要高,告诉大家未来三年财政是怎么处理,准备发多少债,后续希望监管机构不要太多干预,要让他们在市场上面竞争。大家都只关注定价,一些透明度的因素会帮助到你定价降低很多。
  
  周皓:我说一个支持你的观点,还是那个县。为什么你说得对?没有透明的财政,即使现在这种债收益率较高,上浮百分之三十为什么还是发不出去?原因是那个县只有两千个公务员,每年养这些人要花两千五百万,收入只有一千八百万,每年是四百万到七百万没有办法解决,就算那十三亿都给核销了,四十亿都给置换了也没有办法解决那七百亿。州政府、省政府都没有办法给它,国家财政预算体系也没有改变或者什么新的税收税种来解决,所以市场人士不知道将来能不能做。
  
  胡剑:大家分析得非常深刻,既有存量的问题又有增量的问题,中央政府和人民银行对这些问题也是了解的,正在想办法缓解,在座的各位有没有什么问题?
  
  嘉宾:据我所知,无锡一个市就是一万二千亿,所以中国十万亿是绝对不可能的。
  
  周皓:无锡算是比较好的市。
  
  嘉宾:据我所知房地产不是直接行贿的,是用会计推迟土地出让金和土地增值税,这些现金不流出,万科说现金流很大,但是利润不高,这个利润是留在万科的,这是利益互相输送,这个真的不是数量问题,这是会计问题,但必须要考虑到。
  
  李宁:这个问题已经发现了,据说当年上海是递延了的,不能老是讲负面的,相比吃饭来讲我们开会更容易被拍,所以还是得讲点正面的。我是有信心的,全世界所有的政府都是可以违法违约的,没有一个政府是有节操的,一定要考虑这个问题。
  
  胡剑:更负面了。
  
  李宁:为什么能够这样?一个正常的政府可以看它的负债率,没有下降的,没有说今天我过得好了把昨天的钱还掉,今天过得好只会借得更多,没法借了没办法,一定是一个接续的过程,只要不发生违约后面是可以默认你是无风险的利率。只要大部分债务由国内持有,比如日本,百分之二百五十的债务一样可以存活,所以一定会有一个过程的问题。目前这个时点上大部分的债务都是表外解决的,以后要回到表内,经过这个痛苦的过程或者采取强有力的政策,我觉得中国政府的资产负债表最好了,七十年以后把地重新卖一遍,法律上有无限的资产。
  
  周皓:我来加点正能量,虽然地方政府债务可能有十万亿或者三四十万亿,中央政府的债务是下降的,现在几乎是没有的,所以中国内债互相欠的问题外债是没有的,本质上中国所有的这些问题如果用过去行政的方法来解决一下子就可以解决了,现在的难度是用市场方法来解决,所以才那么困难。我们的困难是政府想要用好的方法来解决才那么困难,如果纯粹从中央政府财务三四万亿的外汇储备和几乎为零的外债来讲一点困难都没有,但我们要用市场的方法来做,所以很难。
  
  胡剑:地方债是一个非常困难的题目,讨论起来涉及到体制上的问题,我们稍微换一下题目。现在国内到国外融资非常之多,就是发美元债,当然,我们自己国内有人民币债,国外有些报道就是中国的企业对美元债的违约相对来讲比国内的要方便一些,或者是更加Easy,大家对这个有什么看法?
  
  钟汶权:首先从维稳的角度来说国内的债还是国内的人买的,大家都会觉得尤其是我们的破产法庭的程序也不是很成熟,相信在完善当中,但确实没有债券违约出现过。最近这些民营企业像佳兆业之前都会出现,国外的投资者基本上是很难通过法律手段去做回收的,很多时候他们在国内是法律之上不承认,只有少数央企的债是直接在总部担保的,大部分是通过资本金打进来的,所以他们法律上的权利就很低,加上很多时候跟政府的行政干预有关,政府维护国外投资者权益的动力没有维护国内投资者权益这么大,我们在国外发债都会把级别降低。还有一些最新的结构,不是通过担保,只是开一个壳公司,通过一个维好协议和股权回收这样的机制来提供一些征信,我们对这种征信是抱有怀疑的,更多的是从基本面来看会不会支持。整个制度之下就和安慰函一样,其实所有的结构都是到时候怎么把钱打出去,但是不愿意把钱打出去,只愿意把钱给国内的债权人,这个动力非常大,毕竟在国内经营和融资是首要的,海外违约的话可能面子说不过去,两边权衡的话肯定是国内的债权、国内的银行更为重要。一直以来,现在资本没有开放之下,国外债权人确实就会有一些担心。我们也看到从评级来说,大型央企尤其都有外管局担保,里面已经有登记了,级别可以跟国内一样,但通过其它结构发出来的债主体和债项是有差距的,面临同样的违约概率,但是回收方面到目前为止我们觉得国外还是处于一个相对不利的状况。
  
  胡剑:关于大中型企业和小企业之间的差别,大型企业可以到市场上面发债,中小企业不一定有发债的能力,你们觉得大型企业违约和中小企业违约是不是相关性很大?或者是在不同的轨道上面?现在大家提到不良贷款好像也有比较大的增长,银行到底在里面起到了什么作用?是不是影响了大小企业的违约差别?
  
  何旻:投资的时候我们也会比较注意企业的规模,因为目前来看我也是经常到海外和台湾香港投资者路演,他们也会问到你们为什么投资一个城投债或者产业债,组合里面偏好什么样的行业、什么样的公司,从评级上来说我们都接受在国内AA的企业和城投债。城投债方面可能会接受幅度更大一点,因为产业债和公司债我们只接受AA,城投债有政府的背书和担保,我们会接受AA,投资选择方面,我们觉得地方性的中小企业违约概率反而会比城投债更大一点,因为有的时候获得银行的贷款或者补充流动性的能力会比城投债更差一点,城投债毕竟是一个政府下面行政性的企业,如果发生了流动性困难和银行借钱更方便一些。对于一些钢铁行业或者煤炭行业,他们要出现一些流动性困难的话银行反而会放弃他们这样的一个企业,也会给他们进行追加贷款,这是前一段时间煤炭行业或者钢铁行业出现了一些信贷违约事件更多的主要原因,反而是地方性的中小企业流通资金链断链的可能性更大一点。
  
  李宁:银行肯定愿意给大中型企业贷款,本来就是风险高利率高,违约率也比较高,这两年违约都是小企业居多,大企业只有保利天威。
  
  胡剑:如果从刚性兑付的角度来讲中小企业有没有这种现象?还是不行就破产?
  
  李宁:肯定是这样。
  
  胡剑:刚性兑付还是针对大型国企?
  
  李宁:概率更大一些。
  
  嘉宾:我是泰康资产管理公司做城投债信用评估的,投资机构对城投债下半年的投资怎么看?现在是高配还是低配?
  
  何旻:简单地说,现在投资上是根据每个帐户或者每个基金的风险偏好来配置,有些从银行来的专户完全要投城投债,百分之五点五以上的城投债全部买,也有这种帐户过来,我们就全部给他们买。共同基金方面城投债其实也就是跟产业债各占一半,估计接下来也是这样去配的,他们二者本身都有各自的优缺点,没有特别配置的偏好,或者是一个比较特定的基金,只投城投债就全部买城投债。
  
  嘉宾:你们在投资融资平台发城投债的时候什么样的平台是有规避的?对于公益性的项目应该纳入地方政府债务,实际上又没有纳入,这种情况你们怎么看?投入城投债的时候会不会考虑债务是高还是低?
  
  何旻:有些城投债是有土地质押担保的,担保方面的价值其实是减少的,所以我们对这个方面也会规避土地担保,还有就是开发区,前面也说到开发区比较简单,都是商业性的收入,所以工业性方面的收入比较少,经济不好的情况下后面的收入也会逐渐减少,所以开发区我们一般也会规避。
  
  嘉宾:关于内蒙的县有一个说法,政府在控制矿资源,你们有没有做过类似的和其它国家的对比?比如跟美国的对比,中国政府的负债表到底是怎么样的?现在有一种说法是整个考虑下来中国政府的负债率还是比较低的,这个有没有定量上面相互之间的比较研究?
  
  周皓:社科院李阳搞了一个中国政府的资产负债表,但是从各方面的研究来看,要看绝对的外债和中央政府的负债是非常少的,这几年基本就没了,所以中国政府解决国内债务问题的能力是有的,现在的挑战是不要用计划经济摊派式的方式,而是用市场化的手段解决这个问题。
  
  嘉宾:我们在做城投债的过程当中有一个问题,一个是去年10月份第43号文件出台以后,还有一个是今年3月份中央政府的政策出台以后,市场是如何反应的?是不是更加明确哪些收益率要上升和下降?观察到了什么和出台政策之前不一样的市场行为?
  
  李宁:第43号文出来以后大家的解读基本都是分化,债务要分两类:第一类就是信用直接使用进去和置换出去,第二类就是转化,原先是Mixed,现在就要分清楚了,相当长的一段时间投资者都在猜到底哪些纳入地方政府债务,哪些不被纳入地方政府债务,我们也做了类似的研究,比如募集资金的投向、根据平台主营业务的情况判断发的城投债到底会不会纳入地方政府债务,市场就产生了城投债收益率的分化。总体趋势是对整个城投的影响还是正面的,置换以后空间也是变大了的,原先所有的东西都是自己重新再融资偿还债务,现在是给了我一笔钱来做这件事情,所以总体还是以正面为主。收益率的变化很多情况下不完全是这两个因素,还有市场的因素,去年城投债大跌的时候是因为调整质押比率出现了大幅度上行,反而跟这个事情是没有关系的。
  
  嘉宾:我们外国人看GDP是各种各样的东西都看,政府的债只是政府的,我们要么看税收,要么看整个国家的GDP,不能是一个公司收益和其它公司的债务去比。现在意大利的债务占到了百分之二百九十,分析的时候看买方和卖方,你是看整个国家的债务风险还是把这个债分成百分之五十和百分之二十然后计算各自的风险?这个债务是纯粹局限在国内范围的还是全球的范围?比如塞浦路斯和阿根廷的情况,他们基本上就打电话给全球的投资者说对不起,我们付不出来了,如果纯粹局限于国内怎么处理?
  
  周皓:如果是国内投资的话我们是不做这种区分的,但是在做国际投资的时候我们确实是有区分新兴市场和其它市场,或者是货币本身是自由兑换的还是受控的,我觉得不仅应该看负债占GDP的比率,同时还要看现金流。
  
  王坦:最后有请穆迪公司亚洲首席信用官MichaelTaylor来做闭幕总结致辞!
  
  MichaelTaylor:今天的日程排得很满,我们听到了很多精彩的发言,我在这里做一个简短的总结。首先要感谢严教授和王教授出色的策划,精心挑选了今天演讲的论文,也对各位作者表示衷心的祝贺,全天的演讲都非常的精彩。当然,我也要感谢各位上台的演讲人,还有各位点评人。这次的信用论坛是第二届,穆迪也很高兴能够出一份力,这样的论坛有助于让我们去了解中国的信用市场,也提供了一个很好的平台鼓励信用市场的学术研究,也许和我们的业务并不是直接相关的,但是我觉得能够为学术圈出一份力也感到非常荣幸。今天早上开场白当中提到了中国经济展望主要是由国内的因素决定,也就是说中国相对来说是与外部世界隔离的,同时对于整个中国经济的展望是总体乐观的。一年前我们在这个论坛上面进行了讨论和展望,一年之后发生了很多的变化。中国的经济是有控制的增速放缓,这是在人们的期望之中,我们相信中国的政策未来仍然会引导这样的一个有控制的增速放缓,这也是本届政府想要实现的一个目标,就是在2013年11月份确立下来的方针。这么做的直接后果首先是经济增长会放缓,经济的增长模式也会向偏重固定投资转向偏重消费,国内的需求自然非常重要,未来出口也会扮演一个非常重要的拉动角色,总体确立的是经济增速可能会放缓。反腐败其实是整个中国经济计划的一部分,最终也是和经济改革的目标联系在一起的,对于宏观经济的影响是非常有限的,主要受经济影响的应该是奢侈品行业占到整个零售行业不到百分之零点五的比例,所以不会对整个中国的内需造成多大影响,同时中国的五年计划也不会因为反腐败而产生动摇。接下来看一看影子银行,现在的影子银行已经受到了监督,在这个方面我们有相应的论文,现在每个季度都会发布对于中国影子银行的跟踪情况。这个方面我们采用的完全是公开的数据,并没有特别专属的数据,完全就是靠人民银行和银监会公开发布的数据尽量避免双重会计,每个季度的跟踪报告可以帮助大家跟踪整个影子银行发展的情况。最新的报告显示中国影子银行的发展速度有所放缓,但是整体的债务占GDP的比例仍然在减低,社会融资还是高于GDP的增速,中国还是希望控制这个方面的风险。这里有两个风险值得警惕:今天我们已经提到了表内的银行资产,包括大型国企放贷的业务,因为国企可以拿到银行正常的贷款,通常寻求影子银行的融资都是小规模的企业,随着影子银行的活动放缓也就是说中小企业的融资困难将会加剧。另一个是影子银行本身的构成在发生变化,因为现在对影子银行形成了诸多的限制,我们觉得影子银行可能会更多地出现保证金借款,保证金融资将会是一个全新的资产类别。股票市场出现了极大的的流动性,有一部分就是源自于我们保证金的融资,在这个地方可以说是有一个尾部的风险。最后就是中期的风险,如果放开过快、准备不足,这会成为一个中期的风险。我们认为经济改革是要按步骤进行的,这样才能保持稳定,如果说资本帐户放开快于金融系统的改革步伐,不仅是金融部门,国企都会因此受到影响,从而扭曲整个经济发展。对于国企来说,之前他们的资本成本可以说都是比较低的,但是资本帐户放开以后我们会看到资本的流出和流入。对于一个国外投资者来说,很多主流的国企现在还是大量受到政府的支持,一旦资本帐户过快放开将首当其冲受到影响。现在的局面本身也是扭曲的,资本帐户开放以后这个扭曲还会进一步加剧,我们觉得资本帐户开放太快的话是很难实现这样的软着陆或者软过渡。总体上这个情景还是良性的,增速会有控制地放缓,一旦增速慢于政府的预期,现在我们其实已经看到有点这样的迹象,我们相信存款利率方面会有改革的举措。所有的这些意味着中国经济改革一切都在计划之中,相信明年我们再聚的时候会就金融的改革有更多的话题可以讨论,也会非常多样和有趣,让我们对这些改变拭目以待。
  
  (全文结束)

论坛现场
大场景 大场景 点评-Dragon Tang 点评-Dragon Tang 点评-Hao Zhou 点评-Hao Zhou 点评-Jian Hu 点评-Jian Hu 点评-Peng Liu 点评-Peng Liu 点评-Xia Chen 点评-Xia Chen 点评-余凡 点评-余凡 行业圆桌讨论 行业圆桌讨论 会议总结-Michael Taylor 会议总结-Michael Taylor 嘉宾合影 嘉宾合影 开场致辞-王江 开场致辞-王江 主题演讲-Douglas Cumming 主题演讲-Douglas Cumming 主题演讲-Jennie Bai 主题演讲-Jennie Bai 主题演讲-Laura Liu 主题演讲-Laura Liu 主题演讲-Seoyoung Kim 主题演讲-Seoyoung Kim 主题演讲-Sheridan Titman 主题演讲-Sheridan Titman 主题演讲-William Bradford 主题演讲-William Bradford 主旨演讲-Richard Cantor 主旨演讲-Richard Cantor
论坛日程
活动时间 2015年5月16日 周六 8:30-17:45
活动地点 淮海西路211号 上海交通大学上海高级金融学院303大礼堂
活动日程  
8:30-9:00 媒体签到
9:00-9:10

开幕致词

王江,MIT 讲席教授 & SAIF院长

9:10-9:30

全球信用展望 

Richard Cantor,穆迪公司全球首席信用官

学术议程I 全球信用投资研究
  主持人: 严弘, 上海高级金融学院
9:30-10:15 

结构化金融工具的设计

Sanjiv Das、Seoyoung Kim,美国圣塔克拉拉大学 利维商学院

点评:胡剑,穆迪公司

10:15-10:30 茶歇
10:30-11:15

企业债的分布特征是否可以预测其未来收益?

Jennie Bai、Turan G. Bali、Quan Wen, 美国乔治敦大学麦克多诺商学院

点评: 周皓,清华大学五道口金融学院

11:15- 12:00

亚洲的私募债券投资:波动性、信用风险与收益

Douglas Cumming,加拿大约克大学斯古里克商学院;

Grant Fleming,澳大利亚Continuity Capital Partners公司

Frank Liu,西澳大利亚大学

点评:汤勇军,香港大学

12:00-13:30   午餐(上海银星皇冠假日酒店)
主题演讲 腐败的城市中挣扎的公司
主讲嘉宾 Sheridan Titman,美国德克萨斯大学奥斯丁分校
学术议程II 中国信用问题研究
  主持人: 王坦, 上海高级金融学院
14:00-14:45

预测中国公司的财务困境:贷款市场 vs. 股票市场

Haoyu Gao,中国科学院数学与系统科学研究院;

严弘,上海交通大学上海高级金融学院;

Xiaoguang Yang、Lin Zhao,中国科学院数学与系统科学研究院

点评:余凡,美国克莱蒙特麦肯纳学院

14:45-15:30

公司治理对信用评级的影响:来自中国债券市场的佐证

William Bradford,美国华盛顿大学福斯特商学院;

Chao Chen、Beini Zhang、Yang Zhao,复旦大学管理学院

点评:陈霞,新加坡管理大学

15:30-15:45 茶歇
15:45-16:30

房地产行业冲击的挤出效应:来自中国的佐证

Ting Chen,香港科技大学;

Laura Liu、Li-An Zhou,北京大学光华管理学院

点评:刘鹏,美国康奈尔大学

16:30-17:30

行业圆桌讨论:中国的企业与政府融资平台债务的信用风险

主持人:      胡剑,穆迪公司全球结构化产品部 董事总经理

讨论嘉宾:    钟汶权,穆迪公司大中华区信用研究分析部 高级副总裁

何旻, 汇添富固定收益基金经理

李宁, 海通证券固定收益资深分析师

周皓,清华大学五道口金融学院教授

17:30-17:45

会议总结

Michael Taylor,穆迪公司 亚洲首席信用官

会议专区
第二届上海国际投资论坛

在全球经济和政治充满不确定性的背景下,投资者面临着如何抓住新机遇、管理跨境风险的挑战。...[详情]

金融创新和人民币国际化论坛

2014年,全球各大经济体的经济分化贯串全年,尤其在下半年大有愈演愈烈之势。...[详情]

2015创新中国·春季

2015年创新中国春季总决赛即将在5月22、23日在北京国家会议中心展开,最优秀的创业者、最前沿的媒体和最顶尖的投资机构都将汇聚在此。...[详情]

2015全球总裁创新峰会

由国家外国专家局和深圳市人民政府主办的全球总裁创新峰会,于2015年4月18至19日在深圳会展中心举行。...[详情]

2015中韩企业家高峰论坛

2015年5月19日至21日在中国成都举办,由中国每日经济新闻报社和韩国每日经济新闻报社联合主办,并获得四川省成都市政府的全力支持。...[详情]

2015银行业创新论坛

2014年国内金融改革整体推进,金融市场进一步对外开放,国际金融中心建设步伐加快。金融改革的表率者银行业的发展创新与之相辅相成。...[详情]

郑重声明:东方财富网发布此信息的目的在于传播更多信息,与本站立场无关。东方财富网不保证该信息(包含但不限于文字、视频、音频、数据及图表)全部或者部分内容的准确性、真实性、完整性、有效性、及时性、原创性等。相关信息并未经过本网站证实,不对您构成任何投资建议,据此操作,风险自担。