信用评级调整对我国企业资本结构影响的实证研究

关键词：资本结构；信用评级；融资决策；级别调整；影响关系

西南交通大学硕士研究生学位论文第III页AbstractThecapitalstructuretheoryisoneofthemostimportantsubjectsincorporatefinancefieldandhasbeenwidelystudiedbyscholarsinfinanceworld.AndtherehasbeensomanycapitalstructuretheoriesemergingsincetheMMtheorywaspublished.BasedontheMMtheory,nationalandinternationalscholarshavebeenexploringwhatkindoffactorsaffectcapitalstructureofenterprisesandhowtheymaketheeffectbycombiningwithpracticalexperience.Meanwhile,thebondmarketinChinahasbeenexperiencingsuchgreatdevelopmentsincetenyearsagothattheamountoftotaldebtissuancegrowsverylarge,andparticipantsandbondproductvarietiesincreasesmoreandmorewithoutanysignofstopping.WiththedevelopmentofthebondmarketinChina,creditratingindustryalsomakesbigprogressingrowing.Bothbondissuersandinvestorsareincreasinglyawareoftheimportanceofcreditratings,whoseinfluenceonthecapitalstructureofenterprisesisbecomingmoreandmoresignificant.Soasitimplies,moreorless,achangeofonecreditratingtoanotherwilldefinitelyhassomeeffectonthecapitalstructuredecisions.Basedonthispoint,thispapercontributestothetheoreticalandempiricalcapitalstructuredecisionframeworksbyexaminingtheinfluenceofcreditratingsoncapitalstructure

Firstofall,thispaperelaboratestheselectedtopicbackgroundandresearchsignificance.InretrospectofthosefamousopinionsofcapitalstructureandhowthebondmarketandcreditratingsindustryinChinadeveloped,thispaperexplainsthesignificanceofthestudy,brieflyintroducesthebasicconceptsanddifferentbusinesstypesofcreditratings,andputsforwardtheideaandmethodsofthestudy.Secondly,thispapercarriesouttheliteraturereviewoftheresearchtopic.StartingwiththeMMtheory,itbrieflyreviewsthosefamouscapitalstructuretheory,andthenintroducestheknowledgeandinformationofhowfarwehavegotaboutthosestudysuchaswhatkindofimpactcreditratingshasonthewholecapitalmarket.Thirdly,thispaperputsforwardthehypothesis,explainsitbytheoreticalderivationwhichishowcreditratingsmakedifferenceonthefinancingcostofacompany,andthenstartstodescribe

西南交通大学硕士研究生学位论文第IV页theempiricaldesignonthebasisofthehypothesis.Lastly,thispapercarriesoutempiricaltestswithBroadratingsmeasureandMicroratingsmeasure,andanalyzestheresults,whichinthisprogressincludessampledatamining,transferringcreditratingsintodependentvariables,selectingcontrolvariables,runningempiricaltests,andfinallymakingconclusionbasedontheresults.

Accordingtothetests,itisfoundthatcreditratingshavesignificantinfluenceoncapitalstructureofenterprises.IntheBroadratingsmeasuretest,theimplicationoftheresultisthatfirmsneararatingchangewillhavemoreconservativedebtfinancingpoliciesormoreaggressiveequityfinancingpoliciesthanfirmsnotneararatingchange,nomatterwhetheritisastate-ownedfirmornot.IntheMicroratingmeasuretest,theresultimpliesthatfirmsneargettingahigherratingstendtotakethisadvantageandissuemoredebtthanequitytogetfinanced,whileifthecreditratingsaregoingdown,astateownedfirmwon’tcareaboutit,butanon-stateownedfirmwillpaymoreattentiontoitscreditratingandwillsignificantlyreduceitsdebtissuanceamounttomaintainthecurrentcreditrating.

Keywords：CapitalStructure;CreditRatings;FinancingPolicies;Bondmarket;Debt

issuance

西南交通大学硕士研究生学位论文第V页目录第1章绪论..................................................................................................................1

1.1研究背景及其意义...........................................................................................1

1.1.1研究背景.................................................................................................11.1.2研究意义.................................................................................................51.2相关概念界定...................................................................................................6

1.2.1资本结构理论.........................................................................................61.2.2信用评级的基本概念.............................................................................91.2.3信用评级业务分类...............................................................................121.3研究思路和框架.............................................................................................13

1.3.1研究思路...............................................................................................131.3.2论文框架...............................................................................................151.3.3创新与不足...........................................................................................16

第2章文献综述........................................................................................................18

2.1信用评级产生的经济影响.............................................................................18

2.1.1信用评级的国外研究综述...................................................................182.1.2信用评级的国内研究综述...................................................................192.2信用评级对企业资本结构的影响.................................................................20

2.2.1国外研究综述.......................................................................................202.2.2国内研究现状.......................................................................................20

第3章研究假设与研究方法....................................................................................22

3.1信用评级对企业融资成本的影响.................................................................22

3.1.1监管因素成本.......................................................................................223.1.2信用评级的市场信号作用...................................................................233.1.3信用评级对企业的直接影响...............................................................233.2研究假设及方法.............................................................................................24第4章信用评级对资本结构决策影响的实证分析................................................28

4.1实证样本与变量的选取.................................................................................28

4.1.1样本选取...............................................................................................28

西南交通大学硕士研究生学位论文第VI页4.1.2变量选取...............................................................................................284.1.3描述性统计结果...................................................................................294.2大类信用级别判定思路下的回归分析.........................................................31

4.2.1回归模型选择.......................................................................................314.2.2实证结果及分析...................................................................................324.3微调信用级别判定思路下的回归分析.........................................................35

4.3.1Z值模型的建立.....................................................................................3.3.2回归模型选择.......................................................................................374.3.3实证结果及分析...................................................................................38

结论..............................................................................................................................44致谢..............................................................................................................................46参考文献......................................................................................................................47

西南交通大学硕士研究生学位论文第1页第1章绪论1.1研究背景及其意义1.1.1研究背景

资本结构理论研究

在金融研究领域中，关于企业资本结构的问题一直是国内外学者们最关注的问题之一，也是研究最广泛、成果最多的一个领域。资本结构理论基于实现企业价值最大化或股东财富最大化的目标，研究企业全部资金来源中债权资本和股权资本之间比例的关系及其变动对企业价值的影响，如何确定企业最优的资本结构以及影响企业资本结构的主要因素则是资本结构理论研究的核心。企业的资本结构不仅直接影响企业的资本成本和市场价值，还会作用于企业的管理结构以及激励约束机制，进而关系到企业的行为特征和企业绩效，所以企业资本结构是金融研究领域中一个复杂而重要的问题。

二十世纪五十年代，来自美国的两位学者莫迪利安尼和米勒（Modigliani&Miller）发表了《资本成本、公司财务与投资管理的关系》，文中提出在不考虑公司所得税，且企业经营风险相同而只有资本结构不同时，公司的资本结构与公司的市场价值无关。该理论在诸多严格的假设条件之下，利用数理推导揭示了公司资本结构与其市场价值的关系，虽然在实践中存在局限性，但是仍然具有十分重要的指导意义，后来被人们称之为MM理论。从那儿以后，西方各个国家的学者以MM理论为前提，通过结合实际，不断完善理论中的假设条件，推导出更加接近于现实条件的研究成果，由此形成了代理理论、权衡理论、优序融资理论等众多公司资本结构理论，极大地丰富了公司资本结构这一研究领域的视野和内容。这些理论针对性地解释了企业在融资过程中的不同现象，但是由于其依然是建立在诸多严格的假设条件之下，面对现实世界中各种各样的企业融资行为，目前现有理论尚且无法一一作出解释，因此有关资本结构的理论仍有很大的研究空间。

自MM理论出现以来已经过了半个多世纪，一方面，西方国家的资本结构理论一直在迅速发展，而我国对资本结构的研究相对缓慢，目前仍处于初步阶段。

西南交通大学硕士研究生学位论文第2页另一方面，在实际操作中，由于我国是发展中国家，处于经济转型时期，我国企业资本结构是在残缺的市场条件和不健全的经济制度以及国家直接干预的环境下，被动地适应而形成的。因此，缺乏符合国情的理论指导并受制于市场和等现实因素，导致了大多数企业的资本运用结构表现为权益资本与债务资本比例失衡，负债水平过高，权益资本比重较小，资本流动性差，股权结构呈畸形状态，这严重地制约了企业的发展。

我国债券市场概况

从2005年信用债市场迎来大发展至今，中国债券市场整体实现了大踏步、跨越式`的发展。截至2015年底，中国债券市场存量债券规模近48万亿元，GDP占比超过70%，债券品种二十余个，主要市场参与者数量达9600余家，已成长为亚洲第二大、全球第三大的债券市场。

图1-1

数据来源：Choice资讯终端中国债券市场规模

2005年，为扩大企业直接融资，央行重启了短期融资券的发行工作。重新推出的短期融资券在发行与交易规则方面有重大突破，具体包括首次采用发行备案制管理、上市交易以及发行利率不需要审批以及募集资金用途不限于一般企业债的投资项目等。这些新突破使得短期融资券很快受到发行人和投资者的青睐，当年内短期融资券的发行和交易规模分别为1430亿元和2537亿元。2006年末，首次推出可分离交易的可转债，在传统可转债的基础上将其分离为纯债和认股权证，赋予了上市公司“一次发行，两次融资”的机会。2007年，又开始推行公司债试点，公司债采取“一次核准、多次发行”的方式，不要求采

西南交通大学硕士研究生学位论文第3页取担保措施并放宽募集资金用途，发行定价采取市场询价的方式。2008年，银行间交易商协会发布一系列发行规范或指引文件，正式推出中期票据，与短期融资券一同采取了发行注册的办法，直接同公司债和企业债形成竞争态势。可以看出，2005年至2008年间，一级市场上各债券品种尤其是主要信用债品种陆续登场，资产证券化产品开始试点发行，银行间市场开始对境外开放，离岸人民币债券市场初步建立。监管层面上，交易商协会、、三足鼎立的格局已基本形成。无论从市场还是监管格局来看，我国债券市场的体系基本成型。

2009年，为缓解资金压力，央行和银监会提出支持有条件的地方组建投融资平台，发行企业债等融资工具，再加上也明确表态要扩大企业债券发行规模，2009年融资平台类债务迅速扩张，规模总计22万亿元，较2008年扩大3倍。2010年发生的多起平台公司偿债危机事件引起了监管层的高度重视，及其他监管部门相继发文加强融资平台的管理。2010年和2011年城投债发行规模分别为2338亿元和2362亿元，发行增速明显放缓。2012年，由于基础设施建设仍有大量资金需求，因而发行城投债成为了平台融资的重要渠道。当年城投债发行总量高达5837亿元，超过2011年发行量的2倍。总体上看，得益于上一阶段债券市场体系的基本完善，2009年至2012年，我国债券市场面对金融危机的挑战，抓住了市场发展的机遇，实现了稳步发展。

2013年以来，债券市场发行与交易规模逐年增加，创新券种陆续推出，交易规则也更加便利化和规范化。地方债方面，财政部进一步增加地方债发行限额，由2012年的2500亿元增加至3500亿元，并将地方自行发债的试点范围进一步扩大，在存量债务置换以及发行改革的推动下，地方债的发行量大幅增加；企业债方面，2013年8月，实施了加快和简化企业债审批流程等一系列，推动了企业债发行量明显增加，然而2014年“43号文”的推出大大收紧了城投企业的融资渠道，这对经济增长产生了一定负面影响，2015年监管部门又放宽了城投公司及在建项目的融资及再融资，企业债的规模又开始逐步增长；公司债方面，在2013年底开始启动《公司债券发行试点办法》的修订工作，酝酿了一年后在2015年1月正式发布，将发行范围扩大至所有公司制法人，并取消公司债券公开发行的保荐制和发审委制度，直接由核准，简化了审核流程。这些措施直接推动了公司债的火爆行情，2015年全年发行量

西南交通大学硕士研究生学位论文第4页甚至超过了截至2014年底的公司债存量规模。总体上看，自2013年至今债券市场得到了突飞猛进的发展。

信用评级行业简介

为了解决资本市场中买卖双方信息不对称的问题，信用评级机构应运而生，它是投资者与发行人之间众多中介机构的一员，在资本市场的运行中扮演着重要角色。

信用评级最早起源于美国。19世纪末，美国正处于工业化带来的经济迅速发展时期，出于铁路建设的资金需求，许多公司开始发行债券进行融资。但是进行融资的公司在质量上出现较大差距，有些运营状况较好，有些存在严重的财务问题，甚至还有诈骗公司混在其中。那时金融市场的运行并不规范，投资者缺乏可靠的信息来源，也没有用来评估债券信用风险的专业方法，投资者面临很高的投资风险。1909年，穆迪投资者服务公司（Moody’sInvestorsService，以下简称“穆迪”）开展了铁路债券的评级业务，后来这项业务拓展到了各种金融产品和发债主体。随着投资者对于评级服务需求的增长，市场上逐渐出现了其他信用评级公司。1916年，普尔出版公司开始对股票和债券产品进行评级。1922年和1924年，标准统计公司和惠润出版公司（现在更名为Fitch，以下简称“惠誉”）相继进入评级行业。1941年，普尔出版公司和标准统计公司合并为现在的标准普尔公司（Standard&Poor’s，以下简称“标普”）。

20世纪30年代，第一次经济危机爆发，大量公司破产，债券到期无法偿还，投资者蒙受巨大损失，然而投资者们发现信用级别较高的债券却很少出现违约，由此信用评级逐渐开始进入投资者视野，并得到更多重视，监管机构开始规定利用评级机构的评级结果作为投资准则。20世纪70年代起，信用评级行业逐步走向成熟，信用评级机构除了开展各类债权、商业票据、基金等金融工具的评级业务外，还对企业、金融机构乃至国家主权进行评级。穆迪、标普和惠誉三家信用评级公司通过兼并与收购，确立了在评级行业内的主导地位，成为国际上最有影响力的评级公司。

与国外信用评级市场发展相比较，我国的信用评级业务起步较晚。鉴于美国评级机构的发展模式，20世纪90年代初，我国信用评级机构相继成立。2004年以前，我国债券市场中需要取得信用级别的债券品种非常稀少，信用评级业务

西南交通大学硕士研究生学位论文第5页的需求不大，所以从需求端了信用评级行业的发展。2005年，我国债券市场开始迅速发展，我国主要的几家评级机构也随之逐渐壮大并初具规模。其中中诚信国际信用评级有限责任公司、联合资信评估有限公司、大公国际资信评估有限公司合计瓜分了国内90%的市场份额，是目前国内评级行业中的三大巨头。

1.1.2研究意义

近年来，我国债券市场中越来越多的债券出现了违约，未能及时还本付息的情况时有发生，市场参与者逐渐认识到了信用评级的重要性。信用评级是对企业信用风险的一个外部评价，如果信用评级机构在市场中受到的认可度高，那么企业信用级别的差异就会导致企业发行债券的成本不同。这一点无论是在公司金融领域的研究成果中，还是在国内外资本市场的实际运作中都已有所体现。而信用评级机构在评估企业信用风险时也会关注到资产负债率、总资本化率等体现企业资本结构的指标，那么我们有理由推测，企业在制定融资决策时必然会考虑到信用评级这一因素，因此信用评级会对企业的资本结构产生影响。

纵观国内外资本市场发行活动，企业管理层不断制定出新的融资决策，改变企业的资本结构，从而获得更高的信用级别或者避免信用级别被调低。例如2004年，华尔街日报曾报道了EDS公司为了避免自身级别的降低而发行了10亿美元的股份；2003年，巴伦周刊也曾报告过李尔公司竭尽一切努力为了在标准普尔评级公司那里获得BBB的投资级别，减少了它的有息负债；2002年，根据华尔街日报，菲亚特汽车公司疯狂地减持公司债务规模，原因是它越来越担忧公司的信用级别有可能被下调。由此可见，随着信用评级在市场中发挥的作用越来越强，信用评级对企业资本结构的影响也会越来越显著。

基于这一点，国外学者已经开始意识到并试图探究两者之间的关系，但是目前学者们仅以国际资本市场为主要研究对象，并且研究成果并不多，也没有形成任何关于这方面的理论。国内针对这一问题的探讨仍然偏少，目前可以看到的文章主要是以上市公司为样本数据做实证分析，然而在国内资本市场的实际运作中，非上市公司所发行的债务规模远大于上市公司。就公司债而言，据统计截至2015年底，非上市公司共发行622期，募集资金7.019.15亿元；上市公司共发行208期，募集资金2.931.41亿元，约为非上市公司发行规模的1/2。所以国内过往的研究在样本选取上相较片面，由此可能会导致其研究结果不够准确，对于结论也

西南交通大学硕士研究生学位论文第6页很难阐述充分。本文将选取国内近十年全市场的数据作为样本，尝试用理论推导的模型进行实证回归分析，更加全面地探索信用评级对企业资本结构的影响，对既有研究成果作有效的补充，希望能让更多的学者意识到企业的融资行为中，由于受信用评级这一因素的影响，可能会采取一些特定的融资手段来合理地规避可预见的风险，同时也可以强化信用评级在整个市场中的信号作用，使更多的投资者透过信用评级的信号来更为理性地进行投资分析，作出更为合理的投资决策。

1.2相关概念界定1.2.1资本结构理论

MM理论

二十世纪五十年代，美国两位学者莫迪利安尼和米勒（Modigliani&Miller）发表了《资本成本、公司财务与投资管理的关系》一文，文中提出当市场充分有效时，如果不考虑税收及交易成本，且企业经营风险相同，那么企业的资本结构与企业的价值无关。该理论设定了诸多假设条件，并经过严格的数学推导，揭示了公司资本结构与其市场价值的关系，后来被人们称之为MM理论。具体公式如下：

V=VL=VUA=

EBITEBIT=KWKEU(1.1)

其中，V表示企业的内在价值；VL代表有负债企业的内在价值；VUA代表无负债企业的内在价值；EBIT为企业息税前利润；KW为有负债企业的融资成本；KEU为无负债企业的融资成本。

上式表明，虽然企业在经营过程中会产生负债，但是负债并不会影响企业平均资本成本。在其他条件相同的情况下，有负债企业与无负债企业的平均资本成本实际并无差异，因此企业的资本结构与企业价值没有关联关系。这一理论虽与现实情况并不相符，但数学推导过程却无懈可击，并且文中所运用的分析方法和逻辑启发了众多金融研究领域中的学者，极大地促进了之后资本结构理论的发展。1963年，莫迪利安尼和米勒针对学术界对其理论提出的质疑，又发表了《公司所得税与资本成本率的修正》一文，文中在推导模型中引入了企业所得税这一现实因素，并提出在同样的假设条件下，由于有息债务的利息费用可以在所得税前

西南交通大学硕士研究生学位论文第7页扣除，进而减少企业所得税的税额，所以企业价值会随着企业有息债务规模的增加而增加，具体公式如下：

VL=VUA+T∗D

(1.2)

其中，T为企业所得税率；D为企业债务总额。

MM理论经修正后所得到的结论从一个极端走到另一个极端，虽然在实践中依然存在较大的局限性，但MM理论的出现奠定了现代资本结构理论的发展方向及研究方法的基础，具有十分重要的指导意义。

权衡理论

经过修正的MM理论仅仅考虑了有息债务为企业带来的税盾效应，却忽略了增加有息债务也会让企业面临更大的破产风险。当大量有息债务到期，如果企业无法及时偿还，那么企业就会面临破产的风险，即使最终免于破产，企业也必然会为此付出巨大的代价，即支付大量的额外费用来解决债务偿还问题。权衡理论即在修正的MM理论基础上考虑了增加有息债务同时也会增加企业破产成本的因素，从而提出企业的最优资本结构是企业对有息债务的税盾效应及破产成本之间权衡较量后的结果，因此企业价值应该在修正MM理论的基础上再减去破产成本。具体公式如下：

VL=VUA+PV税盾−PV破产成本(1.3)

其中，PV（税盾）表示税盾效应的现值；PV（破产成本）表示预期破产成本的现值。

权衡理论引入了企业破产风险的因素，使资本结构理论变得更加符合实际，同时也指出企业的最优资本机构客观存在，在结合了MM理论的基础上找到了新的研究方向。但是与税盾效应不同，破产成本无法准确计算，尤其是间接破产成本。即当企业陷入财务危机时，企业的客户、供应商、债权人等利益相关者为了控制自身利益的损失，对企业采取种种的风险防范措施，这往往会使企业失去大量的市场份额，使财务危机进一步恶化，这一系列的负面影响均很难量化计算。因此，权衡理论虽可以表达为公式（2.3）的形式，但是依然存在PV（破产成本）无法计算这一缺陷，不可否认，权衡理论缺乏多角度和多层次的研究。

Miller模型

1976年，MM理论的创始人之一Miller在美国金融学会的年会上对MM理

西南交通大学硕士研究生学位论文第8页论作了进一步修正，得出企业资本结构对企业价值无任何影响的结论。Miller将个人所得税引入到模型当中，认为在上一次修正的MM理论中，有息债务的税盾效应被高估了。在其他假设条件不变的情况下，引入个人所得税之后，经过重新推导，这个因素完全抵消了企业所得税因素，因此再一次得到了企业的资本结构与企业的价值无关的结论，实际上经历了再一次修正之后的MM理论又回到了最初的无税模型。

委托代理理论

1976年，Jensen和Meckling发表《企业理论：管理行为，代理成本和所有权结构》一文，首次将委托代理的问题引入到资本结构理论当中，为公司金融研究领域打开了新的局面。委托代理问题是指在企业中拥有控制权的管理层更倾向于利用企业平台上所提供的资源实现自身利益的最大化，而这样做的结果往往会损害企业的股东利益，从而违背了企业价值最大化或股东利益最大化的目标。

1990年，Stulz发现股东更偏爱于将企业净利润以现金的方式分红，而管理者更加希望将未分配利润进行再投资来扩大再生产，所以管理者和所有者之间在利润处置决策上的分歧必然会使两者发生摩擦并产生矛盾。Stulz还提出减少负债会使企业管理层所支配的现金流规模减少，可以有效防止企业过度的无效率投资，让企业管理层更加专注于回报率更高的投资项目，但同时也必然会使企业企业错过净现金流为正的项目。

优序融资理论

1984年，Myers和Majluf吸取前人的研究成果，提出优序融资理论（PeckingOrderTheory），即当企业所有权和控制权出现分离时，就会产生信息不对称的问题，而由于不对称信息的存在，投资者和企业管理层在获取投资机会的时间点上就会存在差异，这种差异会导致企业最终错失有利可图的投资机会。对于企业管理层而言，为了投资更多的高收益项目，管理层首先需要筹集资金，而通过向外传递高收益项目的信息不仅可以达到外部融资的目的，同时还能体现管理层的业绩优异，并提高股价。然而在成熟市场的条件下，外部投资者由于缺乏专业知识，一般并不会主动去相信企业管理层的宣传，在这种信息不对称的情况下增发股票的融资成本就会比预期的更高，甚至还可能传递出企业陷入财务困境的信号，而最终导致企业的股票价格下降。因此，企业管理层在预见了这些可能发生的不利

西南交通大学硕士研究生学位论文第9页情况后，便不得不放弃一些净现金流为正的投资项目，或采用企业内部资金来筹集资金对高收益项目投资。

优序融资理论解释了企业在为新项目融资时的融资结构的选择问题，即内部资金的成本要比外部融资成本更低，然而如果新项目的收益在扣除外部融资成本后依然有利可图，企业通常也会考虑外部融资的方式。但是在一般情况下，相较于增发股票募集资金，发行债券的融资成本更低，所以企业会倾向于以债权融资为优先选择，最后才会选择股权融资。

上述理论从多个角度对企业资本结构与企业价值的关系进行了探讨，为资本结构理论这一课题的研究和发展做出了一定的贡献。但是，这些理论大多是根据实践经验而进行的归纳和总结，没有经过严格的数学证明，其中被专家、学者认为运用数学推导最多的MM理论，在关键的地方也是主观推断的，主管推断色彩浓厚使得这些理论在实践中的指导作用大打折扣。在权衡理论以后的资本结构理论，虽然表现出多角度、多层面地探讨资本结构问题的局面，但明显偏离了从数学关系上揭示资本结构核心与本质的研究方向。

1.2.2信用评级的基本概念

信用评级（CreditRating），是指由的第三方信用评级机构以大量搜集到的宏观经济、相关行业市场以及企业自身运营等数据和信息，对被评级对象未来一定时期内可能面临的各种信用风险进行综合归纳分析，通过判断被评级对象到期履行契约还本付息的能力及意愿来进行评估打分，并最终以信用评级符号揭示其违约风险的过程。从定义中可以看出，信用评级具有以下几个要素：首先信用评级是由专业的、的中介机构出具的，此类中介机构要具备、客观、公正的评级立场，只有在此基础上进行的信用评级行动才能够真实完整的对公司信用风险进行揭示。其次，评级中介机构在对受评主体或债项进行评级行动时，采用的是一整套科学的综合分析和评级方法。评级结果根据受评主体和债项的相关定性以及定量信息，通过科学的定量模型以及分析方法产生，而非根据人为主观判断产生。再次，信用评级综合考察了受评主体或债项的两方面内容，分别为偿债能力和偿债意愿，只单独考虑其中任何一项都无法得出最终的信用评级结果。最后，为了让市场参与者可以快速准确的掌握信用评级所解释的信用屏显水平，信用评级的结果采用简单明了的符号对不同信用级别进行区分。通过对市场参与

西南交通大学硕士研究生学位论文第10页者提供公开的信用评级信息，信用评级实现了为投资者传递信息、提供服务的信息传递者角色。与国际上信用评级相似，目前我国信用评级的受评对象涵盖了主权国家、地方（包括类投融资平台公司）、工商企业和金融机构等，信用评级的金融工具种类涵盖了商业票据、结构化融资产品、公司债、企业债等券种。

对于信用评级这一概念，通常可以从以下几个方面进行理解：

第一，信用评级的结果在本质上是对投资风险的判断，即评级分析师通过搜集和分析信息及数据，对被评级对象是否会按时并且按条件偿还债务的能力及意愿所作出的判断，但并不构成投资性建议。这种判断以简单的信用评级符号来展现，信用评级符号代表了信用评级机构对被评级对象还本付息能力及意愿判断的结果，同时也揭示了其违约风险。

第二，为了使信用评级更好地服务于投资者、发行人、金融分析师以及监管机构，信用评级结果必须要客观公正，信服于人，因此信用评级机构及其人员无论在形式上还是实质上，都要与被评级对象分割开，保持高度的性，以此来避免与任何一方的利益冲突，提供真实反映投资风险的评级结果，从而更好地发挥信用评级在资本市场中的中介服务职能。

第三，投资者是信用评级机构的主要服务对象。为了达到服务于广大投资者的目的，信用评级机构向资本市场公开评级观点，揭示投资风险，向投资者提供被评级对象信用风险程度的相关信息。由于存在市场信息不对称的情况，投资者并不能够充分的掌握发行人的具体经营状况，从而无法把握投资风险，这就会造成到投资者对发行人的投资缺乏积极性，为了解决市场信息不对称的缺陷，信用评级机构应运而生，以更加专业的信息搜集和分析能力，真实反映发行人的投资风险，改善投资者信息相对匮乏的投资环境；同时发行人也可以利用自身信用级别向市场传递信号，将自己与其他投资风险水平不同的发行人区分开，以相应合理的融资成本顺利筹集到所需资金。

第四，信用评级是对未来的预期。目前在资本市场上能够提供关于发行人经营信息的中介机构除了信用评级机构外，还存在一些征信机构也在开展类似的业务。但不同的是，征信机构仅仅能够提供发行人的历史信用记录，而信用评级机构还会以现有信息对被评级对象未来能否还本付息的可能性进行分析，从而以给

西南交通大学硕士研究生学位论文予信用级别的方式对发行人未来偿还能力和偿还意愿进行评价和总结。

第11页第五，为了对被评级对象做出科学合理的信用评价，在评定出信用级别之前信用评级机构需要大量搜集数据和信息。这其中不仅包括被评级对象本身的经营信息、还需要宏观经济环境和相关行业市场发展的信息等。因此信用评级机构只有在大量搜集信息并分析整理之后，才能更加客观、准确地对发行人的信用风险进行评价，为投资者的投资决策和发行人的融资决策提供有参考价值评级结论。

第六，信用评级结果具有一定的有效期。由于信用评级机构在对被评级对象进行评级时，是以某一时点获取的数据作为分析依据的，而市场在不断地变化，企业自身也持续的经营中或盈或亏，所以在这种条件下得出评级结果仅能支撑被评级对象在未来一段时期内的信用风险水平，且不同的被评级对象覆盖的有效期也不同。特别地，当被评级对象的相关信息发生重大变化或者有新的信息出现且对被评级对象的信用风险影响较大时，信用评级机构需要及时跟踪被评级对象的发展，并根据新的信息对评级结果进行调整和说明。

信用评级的主要特征包括如下三点：首先，信用评级的目的是判断被评级对象违约的可能性，揭示其信用风险的大小，其他可能会影响投资者收益的非信用风险，并不在信用评级的考虑范围内；其次，企业本身内在价值或经营业绩的上升或下降是信用评级机构在评定级别的过程中所考虑到的众多因素之一，而最终目标是合理分析出被评级对象能否按照合同约定如期履行还本付息义务的能力和意愿；最后，信用评级是的第三方为投资者针对受评主体和金融工具未来可能存在的信用风险提供的一种专业机构意见，尽管信用评级机构相对于市场中其他参与者而言拥有自身独特的技术优势和专业经验，但并不意味着这种意见能够替代资本市场投资者制定投资决策。

需要注意的是，信用评级是对被评级对象未来还本付息能力和意愿的判断，通过信用评级符号所反映的是债务预期损失程度及其利息获得及时支付和本金在法定到期日以内足额偿付的可能性，信用评级符号所代表的信用风险大小实际上是相对的比较，而非绝对的判断。不同的信用等级所代表的信用风险相对大小不同，在欧美国家市场已发展成熟，不同行业间的信用级别代表的相对信用风险大小等级相同，即信用等级越高，违约风险越小，信用等级越低，违约风险就越大；而我国资本市场还处于发展中状态，截至目前发生债券违约的情况依然较少，

西南交通大学硕士研究生学位论文第12页还未能建立起健全的违约概率与违约损失率和信用等级之间的完整对应关系。因此尽管我国目前也采取低信用级别对应高违约风险、高信用级别对应地违约风险的对应关系，但是不同行业间的公司所取得的信用等级并不能进行横向比较。

1.2.3信用评级业务分类

按被评级主体是否自愿接受评级划分，可将信用评级分为主动评级（UnsolicitedRatings）和被动评级（SolicitedRatings）。如果信用评级机构是接受被评级主体的委托来开展评级工作，则被称为被动评级，在这种情况下，被评级主体会配合信用评级机构，主动参与尽职调查过程，信用评级机构可以掌握比较可靠的信息，因此也得出比较准确的信用级别。如果被评级主体没有委托信用评级机构开展评级工作，而是评级机构自发地对被评级主体进行评级，则被称为主动评级。在这种情况下，信用评级机构仅能根据市场已有的公开信息对被评级对象的信用风险进行分析评估，被评级对象一般不会主动配合信用评级机构的评级工作，因此信用评级机构所能掌握的基础资料可能相对片面、不完整，因此在主动评级的情况下，评级结果可能会产生歪曲。

按信用评级所覆盖的期限不同，可以将信用评级分为短期评级（ShortTermRatings）和长期评级（LongTermRating）。短期评级下的债券产品通常在一年以内到期，而长期评级下的债券产品则一般在超过一年的期间到期。在实际操作中，长期评级和短期评级所采用的评级体系和评级方法并不相同，原因在于不同期限的债券产品具有不同水平的信用风险，因此信用评级机构需要调整信用评级过程中的重点关注方向，对不同期限产品进行有差异化的评级。

根据评级对象不同，可以划分为债务人评级（ObligorRatings）和债项评级（FacilityRatings）。债务人评级主要是针对债券发行主体的整体信用风险水平作出评价，因而也被称为主体评级，主权国家信用评级、地方信用评级、工商企业信用评级、金融机构信用评级等都属于主体评级业务。信用评级机构在对发行主体进行评级时，主要是以发行主体的基本信用质量和整体违约风险进行分析，而不局限于发行主体的某一存续期限内的债券产品，因此主体评级的评级结果代表的是债务发行人的基本信用级别。按照全球性评级机构发布的研究方法研究报告，这种基本分析都使用了“穿越周期”的方法，也就是说，主体评级业务中所得出的评级结果考虑了整个经济周期的变化状况，覆盖的期限大多长达3~5年以上，

西南交通大学硕士研究生学位论文第13页信用评级机构通过定期、不定期的跟踪评级来对发行主体信用风险进行监控。债项评级主要是针对发行主体所发行的某一特定债券的评级，例如公司债、企业债、中期票据、短期融资券、商业银行次级债、资产支持证券评级等。债务人评级和债项评级在评级指标、分析重点等方面存在一定的差异。在债项评级中，信用评级结果除了反映债务的违约可能性，还应对债务违约之后可能发生的损失情况有所揭示；而在债务人评级中，信用评级结果一般仅仅揭示债务人的违约可能，而无法对违约损失情况进行量化。因此，信用评级机构在对债项进行评级时，主体评级的结果仅仅是一个参考因素，而没有决定性的作用。

1.3研究思路和框架1.3.1研究思路

在理论推导方面，本文以信用评级直接和间接地影响企业融资成本为理论依据。企业通过发行债券来进行债权融资时，其信用级别的表现会直接决定债券收益率的高低，这是对企业融资成本产生影响的直接表现；同时信用评级还会从其他方面间接地影响企业的融资成本：首先，在实际市场运行当中，一些针对债券投资的监管规则是直接以信用评级作为触发机制的：比如由于企业信用级别低于标准，银行、养老基金等资金方在向企业投资时会直接被安全条例禁止；还有例如保险公司、券商等机构投资者在持有企业债券时会因为债项级别的不同而触发不同的风险资本计提比例。再者，信用评级还能够传递市场信息，作为企业经营状况的信号传达给投资者。如果它在市场中受到的认可度高，那么不同企业就会因为相同的信用级别而被投资者甚至整个市场看作同一风险水平的投资对象，这样一次信用级别的调整就会导致企业资本成本的变化。另外，信用级别的调整在实际的投融资活动中还会触发一些法定条款，比如债券收益率的变化，债券的回购机制，又或者是进入票据市场许可权的丧失等等。因此，以资本市场的实际运行中信用评级的变化对企业产生的影响为依据，可以推导出如果企业预期信用级别接近于被调升，那么为了获得更高的信用级别从而降低债务融资各方面的成本，企业就有可能会降低自身的债务规模来实现信用级别的上调；如果企业预期信用级别接近于被调低，那么企业也会降低自身的债务发行量，甚至增加股权融资，来防止其信用级别的下调。同时，考虑到不同信用级别水平的企业可能对其信用

西南交通大学硕士研究生学位论文第14页级别的重视程度不一样，本文将所取得的样本企业按照信用级别进行筛选和划分，再进行检验。

在实证分析方面，本文主要借鉴DarrenJ.Kisgen在《CreditRatingsandCapitalStructure》中所建立的模型方法及思路：从时间维度来看，同一企业在持续经营状态下其信用质量在不断发生变化，即企业信用风险与其相对应的信用级别会发生偏离；从空间维度来看，企业之间的差异性也使得同一信用级别下的不同企业其信用质量也不会完全相同，那么在资本市场现存的信用评估体系下，就会导致尽管有些企业的信用评级为AA，实际上其信用风险水平却略低于同级别的其他企业；而有些企业虽然勉强维持AA的信用级别，却比同级别的其他企业的信用风险略高。这样我们不难推测，在一个信息较充分的市场环境下，若企业的信用质量发生较大变化，其信用级别就会在未来某段时间内被信用评级公司做出调整。

本文首先将信用级别有可能被调整的企业和信用级别相对稳定的企业进行区别和划分，并根据划分结果对各个企业在每一年的信用评级表现进行赋值。而为了判定企业的信用级别是否接近于调整，并基于上述情况的考虑，本文总共运用了两种不同的划分思路及方法：第一种被称作大类信用级别预期调整的判定，在大类信用级别判定方法中，我们将同一信用级别序列下包含“+”、“-”号的微调级别归为同一信用等级，例如大类AA级包含了“AA+”、“AA”和“AA-”，那么我们便可以很明确地分辨出在大类AA级的企业中，“AA+”的企业是那些实际信用风险略低于其他大类AA级的企业，并可以预期在未来这部分企业的信用级别有可能被上调至大类AAA级；同理，“AA-”的企业即为那些勉强维持在大类AA级，预期在未来有可能被下调至大类A级的企业；而“AA”的企业则是信用风险变化不大，并预期在未来将持续稳定在大类AA级的企业。因此，本文在大类信用级别方法下的实证分析中，将信用级别中带有“+”、“-”号的企业判定为其信用级别预计可能会调整的企业；对于信用级别中不带有此类符号的则判定为其信用级别近期不会被调整的企业，然后根据实证模型来检验相比于信用级别相对稳定的企业，信用级别有可能被上调或者下调的企业是否会发行更少的债务或者更多的股票。第二种被称作微调信用级别预期调整的判定，由于在资本市场的实际运行中，每一个微调信用级别之间的信用风险水平是有明显差距的（例如AA+级的企业其信用质量要明显优于AA级的企业），所以在微调信用级别方法

西南交通大学硕士研究生学位论文第15页下，AA级仅仅代表AA级，而不再包含AA+和AA-。但即便在同一个微调信用级别的所有企业中，依然会存在其信用质量有差异的情况，即表现为一个经营管理能力较强的AA+级企业可能其信用风险水平略低于其他AA+级的企业，或者一个财务状况正在恶化的AA+级企业可能其信用风险高于其他AA+级企业。为了对不同微调信用级别的企业判定是否预期可能调整级别，本文采用了Z值模型判定方法，即通过Z值模型对每个样本企业的信用质量进行打分，然后根据信用质量分数将同一微调信用级别的企业进行排序，那么位于前1/3的企业则判定为预期上调级别的企业，位于后1/3的企业则判定为预期下调级别的企业。判定工作完成后，再次引入控制变量进行回归检验。

1.3.2论文框架

根据上述研究内容和研究思路，本文可以分为四章：

第一章为引言。首先回顾了资本结构理论的概况与中国债市及信用评级的发展，然后分析了研究信用评级对企业资本结构影响这一问题的理论意义和实践意义，紧接着简要综述以MM理论为起点国际上已形成的资本结构理论和信用评级的基本概念和业务种类，最后在前文的基础上提出了本次研究的思路和方法。

第二章是文献综述和理论基础。这一章主要分为两部分，第一部分介绍了国内外学者对信用评级在资本市场中产生的经济影响的研究；第二部分总结了近几年国内外学者探讨关于信用评级对企业债务融资的影响这一课题获得的成果。

第三章是研究理论的分析及研究假设的提出。在现有的研究背景下，结合过去国内外学者的研究成果，在理论层面推导信用评级是怎样影响企业融资成本的，并以此为理论依据，对本文的回归模型分析背后的研究假设加以阐述，为本文的实证分析做好铺垫。

第四章是实证过程及结果分析。以前一章的研究假设为基础，选取变量及样本，进行描述性统计，然后以大类信用级别和微调信用级别两种判定思路分别进行实证回归检验，并对实证结果进行分析，结合国内市场实际情况，得出合理的结论。

本文试图借鉴国外学者已有的研究理念和方法，采用国内某知名评级公司统计的市场评级数据，并结合国内资本市场实际运行状况，利用实证分析检验信用评级对企业融资决策乃至资本结构的影响。

西南交通大学硕士研究生学位论文第16页1.3.3创新与不足

创新之处：

本文通过借鉴DarrenJ.Kisgen在《CreditRatingsandCapitalStructure》一文中的研究思路和研究方法，在其基础上加以改进，并运用到国内的资本市场中去，并结合国内现行市场运作及监管法规等特征，总结出符合实际情况的结论。

实际上，针对信用评级对企业资本结构影响这一问题的研究国内早已有之，但是国内学者所取样本数据仅仅局限于上市公司，而考虑到中国债券市场的实际运行情况，仅以上市公司作为样本相较片面，实证结果有失准确，对其结论也很难阐述充分。本文将选取国内近十年全市场的公开数据作为样本，尝试用理论推导的模型进行实证回归分析，更加全面地探索信用评级对企业资本结构的影响，对既有研究成果形成有效的补充。

不足之处：

一方面，本文只研究了信用评级的预期调整对企业资本结构的影响，而未对企业信用级别调整之后的融资决策进行分析；另一方面，在样本选取方面，对于在市场中仅发行过私募产品的企业，目前的监管并不要求在市场中公开信息，因此对于仅发行过私募产品的企业没有统计。

本章小结本章主要阐明了本文的研究背景与研究意义，研究的主要思路和方法以及文章的创新与不足。本文的研究背景在于我国信用评级行业在债券市场发展中扮演着极为重要的角色，近几年我国债券市场实现了飞速的发展，同时也有越来越多的债券出现了违约情况，债券发行人和投资者都愈发地认识到了信用评级的重要性。研究意义可以分为两方面：一方面可以让更多的学者意识到企业在考虑信用评级因素时会采取哪些融资手段来合理地规避可预见的风险，另一方面也可以强化信用评级在整个市场中的信号作用，使更多的投资者可以通过信用评级来更为理性地进行投资分析和投资决策，以此呈现出最为合理的投资行为。研究思路是综合前人的研究成果，借鉴相关的模型和方法，对我国信用评级对企业资本结构的影响进行实证检验和评价，并最终得出结论。创新之处在于本文所选取的样本数据包含了我国全市场的评级状况，实证结果更加准确，并且结合了我国债券市

西南交通大学硕士研究生学位论文第17页场的实际情况得出符合国情的有效结论。本文不足之处在于本文只研究了信用评级的预期调整对企业资本结构的影响，而碍于数据获取的难度，未能对企业信用级别调整之后的融资决策进行分析。

西南交通大学硕士研究生学位论文第18页第2章文献综述2.1信用评级产生的经济影响2.1.1信用评级的国外研究综述对于信用评级机构以及信用评级在资本市场中的重要作用，Grossman（1980）认为，资本市场面临严重的信息不对称问题，信息有效市场可能是不存在的，投资者的搜集和处理信息的成本非常高昂。而当信用评级机构对公司进行信用评级并将评级结果公开后可以显著降低投资者搜集和处理信息的成本，这会使市场中的流动性得到提高，也使市场中的资源得到更好的配置。Faulkender和Petersen（2006）的研究显示，信用级别能够减少公司面临的信贷约束，从而使那些拥有信用级别的公司可以获得更多贷款。这一结论在Sufi（2007）的研究中获得验证。Sufi通过对辛迪加银团贷款的研究发现，如果借款公司未取得信用级别，主承销银行就不得不自己消化借款中的一大部分，而当借款人有信用级别，就会有更多的投资者参与到借贷活动中。

Boot（2006）通过模型对信用级别的作用进行了推导，结果显示出投资者在基于评级基础上所做出的理性投资和定价决策这一过程中，信用级别是非常关键的因素。Poon和Chan（2008）将研究范围由信用级别在资本市场中的作用进一步扩展到信用级别变化对于资本市场的影响。通过对中国信用评级市场进行研究，Poon和Chan发现市场中的投资者非常关注上市公司的信用评级，此外相对于上市公司信用级别的调升，公司信用评级级别的调降可以为股市提供有效信息。这一结论表明公司的信用级别与其在股市中的表现密切相关，投资者会根据公司信用级别的变化调整其在股市中的投资行为。

此外，对于信用评级的研究还多见信用级别对上市公司二次增发的影响方面。Wruck（19）发现发达资本市场中上市公司非公开发行股票时存在非常普遍的折价现象，Hertzel（1993）、Barclay（2007）认为上述折价发生时的折价率大约在10%~20%之间。Mola和Loughran（2004）提出，上市公司定向增发折价的主要因素有两个，一是市场中信息不对称的程度，二是上市公期价值的不确定性。Chan（2008）通过实证检验验证了信用评级通过给予公司信用等级揭示了

西南交通大学硕士研究生学位论文第19页公司的风险情况，投资者进而通过公司的信用评级获取了关于公司的信息，由此降低了上市公司与投资者之间的信息不对称程度，缓解了在IPO过程中双方的信息不对称问题。进一步的，Liu和Matalesta（2010）通过对非公开发行股票前已取得信用评级和未取得信用评级的上市公司进行实证研究，发现发行股票前已取得信用评级的上市公司的发行折价程度明显低于未取得信用评级的公司。这一实证结果证实了信用评级具有降低二次增发过程中信息不对称的作用。

2.1.2信用评级的国内研究综述

我国信用评级业务起步较晚，但从相关研究结果的整体水平来看，与国际相关领域研究相比并无明显差距。根据已有文献来看，目前我国信用评级领域的研究结果主要体现在信用评级对定向增发折价、债券发行成本的影响以及我国评级制度相关问题上。

蔡国喜（2013）认为信用评级在资本市场中发挥了几方面的作用，首先最重要的是信息传递作用，信用评级降低了市场信息不对称的程度，降低投资者收集信息的成本以及发行人的融资成本，从而提高了市场效率，并且增加了市场流动性；此外信用评级还担当着信用风险检测官的角色，通过跟踪评级、评级观察以及评级展望等手段揭示企业信用风险的变化。马黎政和杨奔（2015）通过对2006年~2009年中国A股上市公司定向增发数据和新华远东中国上市公司公开信息（PI）中评级信息的考察，得到信用评级信息对定向增发折价有显著影响而信用等级对定向增发折价影响不显著的结论。章向东（2015）认为信用评级不但为资本市场中的参与者提供信用风险结论，而且这些信用评级结论还在很大程度上决定了金融产品的市场定价。这一结论印证了马黎政和杨奔（2015）关于信用评级对定向增发的作用，同时与何平、金梦（2010）和寇宗来、盘宇章（2015）得到的“较高的信用评级能够有效降低债务融资成本”结论相吻合。这些结论说明债券市场对信用评级所传递的信息价值认可度高，信用评级结果对债券产品的定价及投资者的决策过程都产生了积极的影响。

在我国评级机构的公信力上目前并未得到一致性结论。寇宗来、盘宇章（2015）认为我国评级机构并没有获得市场认可的公信力，但何平、金梦（2010）早于寇宗来提出，虽然目前我国评级市场存在不足，以致约束了评级对于信用市场的作用，但本土评级机构已经建立起了一定的社会公信力。

西南交通大学硕士研究生学位论文第20页2.2信用评级对企业资本结构的影响2.2.1国外研究综述

Harvey和Graham（2001）发现公司的信用级别是其管理层在制定融资决策时的第二大考虑因素，经过调查统计，57.1%的企业首席财务官认为合理安排公司的债务规模和资本结构时，信用评级是比较重要甚至非常重要的考虑因素。实际上，在Harvey和Graham的研究中发现，在资本结构的影响因素中，信用评级的重要性甚至高于其他传统理论中所讨论的因素；DarrenJ.Kisgen（2006）通过将企业以财务指标分组，证实了不同信用评级的企业其融资成本不同，越是接近信用级别上调或下调的公司越倾向于减少债务规模，DarrenJ.Kisgen（2009）还在研究中发现，相较于其他公司，信用级别下调后的公司也会减少发行债务，但这一检验结果只在公司信用级别下调至投机级时才会显著，而信用级别上调的公司没有显著的增发债务的倾向。

2.2.2国内研究现状

国内对于信用评级对企业资本结构影响的研究开始的相对较晚，但仍然取得了一定的成果。周晖（2005）的研究开创了以信用风险代表信用评级，结合现代资本结构理论，从实现股东价值最大化的角度出发引入了信用评级这一因素，并探究了其对最优资本结构的影响。雷锟（2005）根据委托代理和股东财富最大化等理论为根据，通过研究信用风险与企业资本结构之间的实证关系，得出随着信用风险变大，企业的负债率会降低的结论。李聪（2008）提出对于非ST上市公司，无论选择股权融资还是债权融资，信用风险小的公司相较而言，均比信用风险大的公司更具优势，但仍然更倾向于债券融资；而对于ST上市公司，由于其经营指标及财务数据可信度低，真实性有待考究，所以很难判断其信用风险的大小，也无法解释其对资本结构的影响。史学勇（2005）建立了信用评级的指标体系，并得出信用评级从微观层面影响企业资本结构的结论。田强（2013）从公司信用评级可能发生调整的预期角度研究了信用评级对公司资本结构的影响，并得出当公司的信用评级处于可能升级或者降级的边缘时，公司更加倾向于通过增加股权来解决资金融通的结论。潘越（2015）在田强的基础上还分析了信用评级变更后企业资本结构的特征，得出我国上市公司中AAA的企业在制定融资决策时

西南交通大学硕士研究生学位论文第21页会更多地考虑自身的信用级别，当信用级别稳定时增加债务融资，而当信用级别下调后会减少债务融资；国有性质的企业在主体信用级别调升后会充分利用级别升高带来的融资成本降低的优势而显著增加债务融资，非国有企业则对自身的信用级别认可度不高。田强和潘越两人的实证研究中所采用的样本数据均局限于上市公司范围。

西南交通大学硕士研究生学位论文第22页第3章研究假设与研究方法本文的研究假设是信用级别接近调整的企业，考虑到级别调整后对融资成本的影响，会显著减少债务的发行或者增加股权的发行，以此来降低企业的债务率。所以对于信用级别接近调整的企业来讲，信用级别这一因素会直接作用于企业管理层的资本结构决策。本章主要总结了在实际市场操作中，信用评级是从哪几个方面来影响企业融资成本的，并以此为理论基础提出研究假设。

3.1信用评级对企业融资成本的影响3.1.1监管因素成本

无论在国内还是国外的资本市场，均存在着监管机构为了资本市场健康有序的运行，针对于金融机构和其他中介机构在债券市场中的投资活动制定一些监管规则，并且这些监管法规是以信用评级为判定标准的。早期的研究发现，以信用评级为作为标准的监管规则实际已经被全市场的监管机构所采用。国外由于资本市场发展较快，相关的法律法规颁布也比较早：1936年和1994年，美国商业银行和储蓄贷款机构分别被禁止持有投机级债券；1951年，美国监管机构决定建立以信用评级为基础的打分系统，并以发债企业的信用风险分数来计算保险机构投资者的风险资本计提比例。1975年，美国证券交易管理委员会（SEC）制定新规则，为了更合理地计提风险资金比例，以发债企业信用评级表现作为基数来计算券商所持债券的价值。此外，在养老基金的指引方案中也经常提到对于养老基金的投资范围要求在投资级债券的范围内。而我国各金融监管机构也同样对其监管对象实施了类似的管制要求：2012年，我国发布《保险资金投资债券暂行办法》，通知规定保险资金投资的商业银行金融债券需达到国内信用评级机构评定的A或以上的长期信用级别，证券公司金融债券需达到AA或以上的长期信用级别，非金融债券（包括企业债券、公司债券、短期融资券和中期票据）的发行主体需达到A级或以上的长期信用级别。

由于上述的这些监管因素的存在，投资者对于某些特定债券产品的投资成本就会增加，也就是说在一些特定债券产品市场当中由于监管机构法律法规的，一些投资者会因某些指标未达标而不能进入这些债券产品的市场，或者投资者为

西南交通大学硕士研究生学位论文第23页了进入这些债券产品的市场，参与投资活动，而主动满足监管要求，这无形中必然会增加其投资成本。为了与监管力度较低的债券产品抢占市场，监管力度相对较高的债券产品就不得不提高收益，从而导致一些企业受制于自身的信用级别，不得不为了发行债权而付出更高的利息，即使这些企业的信用风险并没有那么高。

3.1.2信用评级的市场信号作用

在我国现行评级制度下，评级机构在对发债企业评定出最终信用级别之前，需要对发债企业进行尽职调查，发债企业也要配合调查工作，据实反映企业的经营情况及财务状况，同时在尽职调查的工作中，一般还会有券商、会计师事务所及律师事务所参与进来，这使得尽职调查更加客观真实。这一系列的评级流程以及评级机构在市场中收集企业信息的专业能力让评级机构可以掌握更多更有价值的发债企业信息。比如企业考虑到其同行业竞争者的因素，不愿将企业的重大战略项目公布于市场等信息，评级机构都有能力获取的到；除此之外，评级机构还对信息的收集筛选和估值评价程序非常专业，所以评级机构可以对发债企业的信用风险水平有更加准确、可靠的评估。

如果评级机构在市场中受到的认可度高，那么投资者就会认为评级机构最终评定出的信用级别包含了发债企业更多的非公开信息。信用评级作为发债企业信用风险的信号在市场发挥着传递作用，获得同一信用级别的企业会被归为一类，极端地说，所有获得同一信用级别的企业就会被评估有相似的违约率，所发行的债券收益率也不会相差太多。这样就会导致一个相对较为优质的AA-级别的企业，所发行的债券收益率并不会低于其他AA-级别的企业。所以接近于信用级别下调的企业就会有内在动力去保持现有级别，否则如果企业的信用级别被下调，它就会与其他信用级别更低的企业一样，获得更高的发行成本；同理，接近于信用级别上调的企业就会努力去获得这一更高的信用等级，以降低其发行债券的利率，减少其发行成本。

3.1.3信用评级对企业的直接影响

不同的信用评级也会直接对企业的运营造成影响，例如进入票据市场的权限，对债券产品的披露要求，以信用级别为触发机制的债券强制赎回条款等，信用评级都在通过不同的方式，或多或少地影响着企业的日常运营。

西南交通大学硕士研究生学位论文第24页近年来在我国资本市场的实际操作中，发行公司债或企业债的企业若其主体级别不低于AA-，通常才会发行成功；债项级别达到AA的公司债才可以在交易所上市交易，发债主体和债项级别均在AA以上的才可进行质押式回购，从而提升债券的流动性。短期融资券方面，银行、基金等机构投资者出于对资产安全的考虑，大多注重短期信用产品的流动性管理，对于那些收益较高、风险较大、流动性欠缺的短期融资券投资谨慎，因此信用级别在A-2及以下的短期融资券将不会得到投资者的青睐，并且受这种市场投资者的需求影响，主承销商短期内也不会退出信用级别在A-2的短期融资券产品；资产证券化产品方面，评级公司对银行等发起机构的主体级别也会提出要求，以此涉及到的交易结构和交易条款也会受到影响，以中诚信评级公司为例，其要求发起机构信用级别在A+及以上，否则发起机构不能作为贷款服务机构。此外，企业在与交易对手方建立长期供应合作关系时，交易对手或要求企业达到某一信用级别。

在资本市场投融资活动当中，信用评级的变动还会直接引起一些以信用级别为触发条件的事件或条款，常见有债券回购条款。在日常的债券产品交易条款中，经常会设有发债企业的信用评级下调时，企业需在几个工作日内还清债务本息。2002年，标准普尔评级公司对大约1000家投资级公司的发债情况进行调查，发现就有其中23家公司在其发行的债务交易中设有流动性风险保障方面的条款，另外还有至少20%的公司存在着其暴露在类似的或有负债风险之下。

3.2研究假设及方法根据前文的分析，受监管法规、市场信号和融资成本等多个因素的影响，当企业预期其信用级别接近于被上调时，那么为了获得更高的信用级别，企业就会减少债务的发行，降低自身的债务规模来实现信用级别的上调；当企业预期其信用级别接近于被下调时，那么为了保住当前已获得的信用级别，企业同样会减少债务的发行，甚至会增加股权融资，来防止其信用级别的下调。所以无论信用评级倾向于向哪一个方向变动，均会对企业的资本结构产生影响。由此，我们得出本文的研究假设：信用级别接近调整的企业，无论上调还是下调，均会显著地减少企业的债务率。

为了检验这一假设，首先需要对那些预期其信用级别有可能被上调或者下调的企业和信用级别相对稳定的企业进行判定和划分，根据划分结果以虚拟变量的

西南交通大学硕士研究生学位论文第25页方式对每个企业在每一年的信用评级表现进行赋值并作为解释变量，以企业在得到信用评级之后的债权发行量和股权发行量的差值作为被解释变量，检验信用级别接近于上调或者下调的企业是否会发行更少的债务或者更多的股权。而为了判定企业的信用级别是否接近于调整或相对稳定，本文主要借鉴DarrenJ.Kisgen在《CreditRatingsandCapitalStructure》一文中所运用的方法，分别以大类信用级别和微调信用级别两种思路对企业进行判定并做回归分析。在大类信用级别判定方法中，我们将同一信用级别序列下包含“+”、“-”号的微调级别归为同一信用等级，例如大类AA级包含了“AA+”、“AA”和“AA-”，那么我们便可以很明确地分辨出在大类AA级的企业中，“AA+”的企业是那些实际信用风险略低于其他大类AA级的企业，并可以预期在未来这部分企业的信用级别有可能被上调至大类AAA级，在本文的实证分析中对其赋值为1；同理，“AA-”的企业即为那些勉强维持在大类AA级，预期在未来有可能被下调至大类A级的企业，同样对其赋值为1；而“AA”的企业则是信用风险变化不大，并预期在未来将持续稳定在大类AA级的企业，在本文的实证分析中对其赋值为0。

大类信用级别的判定方法以信用级别区分各个企业，可以准确地判定出每一个企业是否接近于信用级别调整，但缺点是判定标准过于宽泛，有可能会影响到检查结果的精确性。具体来讲，一个获得了“A-”级别且相对优质的企业在大类A级别的范围内或许并不处于其信用级别接近下调的状态，而会上调为“A”；同理一个获得了“AA+”级别但经营情况正在恶化的企业在也会相反地由“AA+”下调至“AA”。如果以上分析是对的，那么此方法的检验结果很可能会低估信用评级的真实影响。另外，大类信用级别的判定方法内在假定了企业管理层更加关注企业在大类信用级别之间的变化，但实际上企业管理层可能会关注每一次信用级别的微调，因为在资产市场的实际运作中，每一个微调的信用级别都直接代表了企业不同的债务融资成本。

微调信用级别判定方法克服了大类信用级别在上述中的缺点，可以对每一个信用级别下的企业均进行是否接近调整的判定。微调信用级别方法下，A级别仅仅代表A级，而不再包含A+和A-。但即便在同一个微调信用级别的所有企业中，依然会存在其信用质量有差异的情况，即表现为一个经营管理能力较强的AA+级企业可能其信用风险水平略低于其他AA+级的企业，或者一个财务状况正在

西南交通大学硕士研究生学位论文第26页恶化的AA+级企业可能其信用风险高于其他AA+级企业。而为了对每个信用级别下的企业判定其信用级别是否接近于调整，本文采用了Z值判定模型的方法，将信用级别序列由低到高（即CCC-到AAA）分别以0-18依次赋值作为被解释变量；以评级机构在评定信用级别时主要考虑的企业经营及财务指标（例如总资本化比率、EBITDA和总收入规模等）作为解释变量，以此建立模型进行实证回归，并计算出每个解释变量的系数（即财务指标权重），然后再将解释变量原值代入到Z值模型中，计算出每个公司的Z值（即信用级别分值），并在同级别范围内通过Z值进行排序，那么位于前1/3的企业则判定为接近上调级别的企业，位于后1/3的企业则判定为接近下调级别的企业，均在本文的实证分析中赋值为1；而位于中间1/3的企业则判定为信用风险相对稳定的企业，在本文的实证分析中赋值为0。判定工作完成后，引入控制变量建立最终回归模型，并进行回归检验。

如果微调信用级别判定方法的测算无误，那么被判定为信用级别接近调整的企业应该会和它的真实情况相符合，这样就可以提高检验的精确度，并且这种方法考虑了所有信用级别范围下的企业。根据后文中实证结果也可表明，Z值判定模型的效果比较理想，在反映企业的信用评级水平及变化中具有良好的效果。

在本文的分析模型中，被解释变量代表的是企业的融资行为，所以被解释变量的计算为企业的净债权发行量与净股权发行量的差额与企业资产规模之比。由于本文所研究的理论是要预测企业某一时间点获得信用级别后，在接下来的一段时间内的融资决策，所以本文假定由判定信用评级是否接近调整而得到的虚拟变量是在相应会计年度的年末（记为T时点），而企业基于信用级别所制定的资本结构决策将体现在下一个会计年度的年末（记为T+1时点），回归分析中所用的财务数据也取自下一个会计年度的审计报告。与之不同的是，在Z值的判定模型中，由于评级机构在评定企业信用评级时所考虑的企业经营及财务指标是在企业获得信用级别之前，所以回归分析中所用的财务数据取自上一个会计年度末的审计报告（记为T-1时点）。

结合评级机构的实际操作，在被解释变量的计算中，企业的债权价值和股权价值均采用账面价值，然而这种计量方法也存有一些缺陷：首先，这个计量方法忽略了交易成本要素，在资本市场实际操作中，企业无论是发行债券还是发行股

西南交通大学硕士研究生学位论文第27页票，都会有交易成本的存在，以企业审计报告中债务和权益的账面价值并不会包含交易成本这一因素，以此也会影响回归检验结果。其次，以T时点统计的企业信用评级可能会在下一年的年中发生变化，这种情况下以T时点统计的信用级别对于该样本就不够准确。最后，从企业制定资本结构决策到成功发行需要很长一段时间来执行，所以从融资决策的制定到融资活动最终反映在财务报表中，这期间会有很长时间的滞后。上述种种因素的存在，都会使得本文的回归检验准确性降低，因此以本文中的回归计量出的变量系数或许会被低估。

本文试图在实证检验中证明，信用级别接近于调整的企业会减少债务的发行或增加股权的发行，但这个理论仅适用于中小规模的融资活动，而当企业执行大规模的融资活动时，实际情况一般会更加复杂，企业所有者和管理层的主要关注点将不再是信用评级，或者说信用评级将不再成为企业资本结构决策的主要影响因素。这是因为一次小规模的发债可能会使信用级别接近于下调的企业最终被下调，而并不会造成信用级别稳定的企业也遭到级别下调的情况。但是一次大规模的举债就有可能使信用级别稳定的企业同样遭到下调，而对于超大规模的债券发行，任何企业都会预期到信用级别被下调。结合市场实际情况来说，通常大规模的举债或者股票增发都会伴随着兼并收购，资产重组，或者管理层变动等大事件的发生，在这种情况下，信用级别的变化就显得并没有那么重要了。也是基于这个原因，本文在实证分析中，对企业净债务发行量的样本数据进行了5%的缩尾处理，并去除了缩尾处理后净债务发行量占企业总资产的比例依然大于10%的样本。

西南交通大学硕士研究生学位论文第28页第4章信用评级对资本结构决策影响的实证分析本文上一章从理论层面分析了信用评级与企业资本结构决策的关系，并以此为基础提出了本文实证研究的假设，即信用级别接近调整的企业，无论上调还是下调，均会显著地减少企业的债务率。本章将会对我国信用评级如何影响企业资本结构决策进行定量分析，考察各变量会在何种程度与何种方向上作用于企业资本结构。

4.1实证样本与变量的选取4.1.1样本选取

我国债券市场现行管理制度下，凡在公开市场发行债券的企业均需要获得拥有相应评级牌照的评级机构评定的信用级别，并向市场公开企业信息，所以本文所选取的样本数据是全市场所有公开发行过债券产品的企业，其主体信用级别来自国内不同的信用评级机构（共6家，分别是中诚信、联合、大公国际、上海新世纪、东方金诚和鹏元资信）。样本数据的截取时间是2006年1月1日至2015年12月31日之间，并以每个企业在每一年的评级表现为一个样本数据。在获取原始数据之后，本文采用以下步骤进行了筛选：（1）剔除了非市场评级符号信用评级的企业，比如以投资者付费的形式进行主动评级的中债资信评级机构并不属于市场评级机构，但其评级符号序列中涵盖了AAA-，而市场中的信用评级并无此序列。（2）剔除了缺失本文模型计算中所需财务指标的企业。（3）剔除了金融机构或类金融机构等企业，原因是评级机构对此类企业的评级方法及重点关注指标不同。

4.1.2变量选取

国内对于资本结构这一问题的研究多采用的是资产负债率作为企业资本结构的代理变量。但是一方面，结合目前市场的实际操作，国内外评级机构运用的评级方法中更加注重的是企业有息债务的规模、期限以及比例等；另一方面根据前文的理论分析，当企业的信用级别接近调整时，企业管理层会减少债权融资或增加股权融资，因此本文在实证检验中以企业有息债务和所有者权益在一定时期

西南交通大学硕士研究生学位论文第29页内的增量之差代表企业资本结构决策的变动，即借鉴DarrenJ.Kisgen在《CreditRatingsandCapitalStructure》中的研究方法，以企业在一定时期内的债务增量与权益增量的差值率（NetDI）作为企业资本结构决策的代理变量：

NetDIi,t=(∆Di,t−∆Ei,t)/Ai,t

相关解释企业i在时间t的总债务，即长期有息债务与短期有息债务之和企业i在时间t的股权账面价值，即所有者权益账面价值企业i在时间t的资本总额，即总债务与股权账面价值之和企业i从时间t到t+1的时间段内发行的有息债务与偿还的有息债务之差△Eiul企业i从时间t到t+1的时间段内发行的股权账面价值与回购的股权账面价值之差NetDIi,tD/(D+E)企业i从时间t到t+1的时间段内债务增量与权益增量的差值率企业在时间t的总资本化比率，代表企业的财务杆杆(4.1)

表4-1

变量󰀧iul被解释变量及统计变量释义表

EiulAiul△󰀧iulln(Sales)企业在时间t的营业总收入取对数，代表企业的收入规模EBITDA/A企业在时间t的息税折旧摊销前盈余与企业总资产之比，代表企业的盈利能力4.1.3描述性统计结果

本文样本数据的样本量为3212个，共包含了2266家企业。按企业性质划分，国有控股企业为1856家，非国有控股企业为410家（包括民营企业、国外独资企业、中外合资企业及其他性质等）；按企业是否上市划分，上市公司为492家，占比21.71%，非上市公司为1774家，占比78.29%，可见在公开市场发行交易债券的企业中，非上市公司才是主要部分。

西南交通大学硕士研究生学位论文第30页图4-1按企业性质的级别分布

图4-2按是否为上市企业的级别分布

从主体信用级别分布情况来看，AAA级企业共451家次，占比14.04%；AA级企业（含“AA+”、“AA-”）共2695家次，占比83.09%；A级企业（含“A+”和“A-”）共66家次，占比2.05%。可以看出，公开发行债券的企业其信用级别多数聚集在AA级这个大类范围里。此外，AAA级和AA级（含“AA+”、“AA-”）的国有控股企业分别为443家次和2173家次，占同级别样本的比例分别为98.23%和80.63%，这说明国有控股企业相较之下能够获得更高的信用级别，这也符合国内实际的市场运行情况。

西南交通大学硕士研究生学位论文表4-2

计算公式NetDID/(D+E)ln(Sales)EBITDA/ANetDID/(D+E)ln(Sales)EBITDA/ANetDID/(D+E)ln(Sales)EBITDA/A

均值

第31页描述性统计结果

最大值25.969250.99116831.11524.1625.969250.99116828.6822.0126230.24840.90437631.11524.16

标准差最小值

所有企业（样本数量：3212）

0.0147260.470206-0.82860.4803140.210888022.083341.763213.067760.0626230.4291-0.513497

国有控股企业（样本数量：2663）0.0180830.5135-0.82860.4717240.215067021.991551.83718413.067760.0487780.055533-0.513497

非国有控股企业（样本数量：9）-0.0015590.111025-0.2490880.5219840.1838770.000041522.528551.26913218.675740.1297761.0272-0.131455

从统计结果来看，所有企业债务增量与权益增量的差值率（即NetDI）为正，表明近十年来在国内资本市场中，企业特别是国有控股企业更倾向于以债务融资作为外部融资手段，这是因为国有控股企业更容易获得更高的信用级别，从而使其利用债务融资更具成本优势。其他指标方面，非国有控股企业的盈利能力更强，但稳定性较差，这也说明了非国有控股企业抗风险能力较弱，因此不易获得较高的信用级别。

4.2大类信用级别判定思路下的回归分析4.2.1回归模型选择

本节将以大类信用级别判定思路为基础，对信用评级中含有“+”或者“-”号的企业是否会减少发行债券或增加发行股权这一问题进行实证检验，并根据前文的分析建立如下回归模型：

NetDIit=α+β0CRPOM+εit(4.2)(4.3)(4.4)

其中，公式4.3是在公式4.2的基础上引入了控制变量，公式4.4是在公式

NetDIit=α+β2CRPlus+β3CRMinus+φKit+εitNetDIit=α+β1CRPOM+φKit+εit西南交通大学硕士研究生学位论文第32页4.3的基础上将预期其信用级别上调的企业和预期其信用级别下调的企业区分开，并作为两个解释变量进行回归。

表4-3

解释变量CRPlusCRMinusCRPOM大类信用级别模型下解释变量释义表

相关解释在时间t上信用评级中含有“+”号的企业虚拟变量（等于1或0）；在时间t上信用评级中含有“-”号的企业虚拟变量（等于1或0）；在时间t上信用评级中含有“+”的企业和信用评级中含有“-”号的企业虚拟变量，即CRPOM=CRPlus+CRMinusKi,t一系列控制变量，代表企业获得某一信用级别前的各个财务指标，包括：财务杠杆即Di,t-1/(Di,t-1+Ei,t-1)，盈利能力即EBITDAi,t-1/Ai,t-1；收入规模即ln(Salesi,t-1)εi,t随机误差项4.2.2实证结果及分析

利用2006年-2015年的样本数据，对被解释变量进行5%的缩尾处理，并去除缩尾处理后被解释变量依然大于10%的样本，然后对上述公式分别进行回归。结合实际市场情况，考虑国内评级机构的评级方法中，企业性质对最终信用级别的评定有较大影响，因此本文分别回归了所有企业、国有企业、非国有企业对信用评级的反应，回归结果如下：

表4-4

所有企业

变量InterceptCRPOMR2

系数0.015940-0.0286600.020072

P值0.00000.0000

公式4.2的回归结果

国有企业系数0.016151-0.0270470.017325

P值0.00000.0000

非国有企业系数0.014604-0.0327770.027161

P值0.00900.0001

表4-5

所有企业

变量InterceptCRPOM

系数-0.083449-0.028167

P值0.00170.0000

公式4.3的回归结果

国有企业系数-0.083110-0.027151

P值0.00330.0000

非国有企业系数-0.121406-0.030763

P值0.14180.0003

西南交通大学硕士研究生学位论文D/(D+E)EBITDA/Aln(Sales)R

2

第33页0.063219-0.1205720.0049750.053606

0.02240.34410.2070

0.041076-0.2210580.0041370.0418

0.00010.00000.0025

0.038209-0.2335770.0042010.0382

0.00060.00010.0041

表4-6

变量

InterceptCRPlusCRMinus

D/(D+E)EBITDA/Aln(Sales)2R

所有企业系数P值-0.0857690.0014-0.0297270.0000-0.0262470.00000.0410570.0001-0.2219480.00000.0042440.00210.041966

公式4.4的回归结果

国有企业系数P值-0.0821650.0040-0.0265030.0000-0.0282320.00000.0381040.0006-0.2341710.00010.0041620.00470.038311

非国有企业系数P值-0.1476160.0782-0.0470630.0002-0.0227900.01760.0578030.0376-0.1199900.34550.0062520.11820.059052

公式4.2和公式4.3的解释变量是CRPOM，从回归结果来看，对所有企业、国有企业、非国有企业三种情况分别回归得到的系数均为负，且P值均小于0.01，说明在1%的显著水平下，信用评级接近于调整的企业会减少债务的发行或增加股权的发行，支持前文的理论观点。在公式4.3中加入控制变量后，回归结果依然非常显著：在样本为所有企业时，CRPOM的回归系数为-0.028167，P值接近于0，即信用级别中含有“+”或者“-”号的企业在获得此信用级别后的一年里，大约会减少2.82%净债务的发行，即企业管理层对债务融资决策变得更加谨慎。公式4.4的解释变量是CRPlus和CRMinus，用来检验信用级别接近上调的企业与信用级别接近下调的企业相比，哪一方对资本结构决策更加敏感。回归结果表明，当样本为所有企业或国有企业时，CRPlus和CRMinus的回归系数均为负，系数绝对值相差也很小，且回归结果均非常显著，这与前文观点保持一致；当样本为非国有企业时，CRPlus的回归系数为-0.047063，P值为0.0002，CRMinus的回归系数为-0.022790，P值为0.0176，且CRPlus的回归系数绝对值相差较大，说明在5%的显著水平下，信用评级接近于上调的非国有企业更加看重级别调升所带来的融资优势，与信用级别接近于下调的非国有企业相比，对债务的发行变得更加谨慎。

由于在现行市场信用评级的序列中并没有AAA+和AAA-两个级别，在大类信用级别判定思路下，所有AAA级别的企业必然被判定为0，即为信用评级相较稳定的企业，但在市场实际情况中也存在AAA级别的企业被下调级别或者处于接近于下调的状况，所以大类信用级别判定思路对AAA级别的企业判别有失

西南交通大学硕士研究生学位论文第34页准确，为了排除这一因素的干扰，本节对样本中所有AAA级别的企业数据一并去除，然后再对上述公式进行回归检验，回归结果如下：

表4-7

变量

InterceptCRPOMR2

公式4.2的回归结果（去AAA企业）

国有企业系数P值0.0158000.0000-0.0266950.00000.017916

非国有企业系数P值0.0152230.0073-0.0333970.00010.028161

所有公司系数P值0.0157040.0000-0.0284240.00000.020525

表4-8

变量

InterceptCRPOM

D/(D+E)EBITDA/Aln(Sales)R2

公式4.3的回归结果（去AAA企业）

国有企业系数P值-0.1506180.0001-0.0311480.00000.0267400.0370-0.2428330.00030.0077400.00010.039694

非国有企业系数P值-0.1558650.0680-0.0312790.00020.0593790.0346-0.1636000.21270.0067930.09910.058834

所有公司系数P值-0.1442570.0000-0.0314310.00000.0318400.0056-0.2502260.00000.0073340.00000.043932

表4-9

变量

InterceptCRPlusCRMinus

D/(D+E)EBITDA/Aln(Sales)R2

公式4.4的回归结果（去AAA企业）

国有企业系数P值-0.1525740.0001-0.0318270.0000-0.0301690.00000.0267460.0370-0.2422720.00030.0078310.00010.039716

非国有企业系数P值-0.1848820.0330-0.0482500.0001-0.0230310.010.0533920.0585-0.16990.200.0082190.04950.0761

所有公司系数P值-0.1512480.0000-0.0342600.0000-0.0282470.00000.0315260.0062-0.2531170.00000.0076710.00000.0442

对比来看，回归结果并无太大差异，依然可以得到信用评级接近于调整的企业会减少债务的发行或增加股权的发行这一重要结论，并且非国有企业在信用评级接近于上调时比信用级别接近于下调时对债务融资决策更加敏感，更倾向于通过减少发债或者增加股权来获得更高的信用级别。同时，我们还可以观察到R2的整体水平有小幅上升，说明去除AAA级别的企业后，回归结果与实际值的拟合度更高，解释力更充分。

结合资本市场实际运行情况，企业是否为上市公司对企业发行股票或债务均会产生影响：一方面，未上市公司并不能通过公开股票来募集资金；另一方面，已上市公司若选择在交易所发行债券，则会受到交易所的监管，其发行规则与银

西南交通大学硕士研究生学位论文第35页行间市场相差较大。因此本文对上述已经去除AAA级别的企业数据后的样本再进行上市公司和非上市公司的区分，并分别作出回归，回归结果如下：

表4-10

变量

InterceptCRPOMR2

所有公司系数P值0.0157040.0000-0.0284240.00000.020525

公式4.2的回归结果

上市公司系数P值-0.0060560.3813-0.0471700.00000.017916

非上市公司系数P值0.0191250.0000-0.0223660.00000.013686

表4-11公式4.3的回归结果

变量

InterceptCRPOM

D/(D+E)EBITDA/Aln(Sales)R2

所有公司系数P值-0.1442570.0000-0.0314310.00000.0318400.0056-0.2502260.00000.0073340.00000.043932

上市公司系数P值-0.2252520.0346-0.0462040.0000-0.0168480.6338-0.4962100.00250.0120270.01870.082136

非上市公司系数P值-0.1141670.0017-0.0275980.00000.0333590.0058-0.0688880.27030.0056760.00250.058834

表4-12

变量

InterceptCRPlusCRMinus

D/(D+E)EBITDA/Aln(Sales)R2

所有公司系数P值-0.1512480.0000-0.0342600.0000-0.0282470.00000.0315260.0062-0.2531170.00000.0076710.00000.0442

公式4.4的回归结果

上市公司系数P值-0.25840.0194-0.0550550.0000-0.0365090.0071-0.0220560.5362-0.4843430.00320.0135980.01030.084921

非上市公司系数P值-0.1190250.0013-0.0296690.0000-0.0252210.00000.0334080.0057-0.0720810.25010.0059080.00200.0761

从回归结果来看，对上市公司及非上市公司两种情况分别回归得到的系数均为负，且P值均小于0.01，说明在1%的显著水平下，信用评级接近于调整的企业会减少债务的发行或增加股权的发行，与前文得到的结论一致。同时，公式4.4的回归结果表明，上市公司在信用评级接近于上调时比在信用级别接近于下调时对债务融资决策更加敏感，即更倾向于通过减少发债或者增加股权来获得更高的信用级别。

4.3微调信用级别判定思路下的回归分析根据前文的理论分析，企业管理层可能对每一次信用级别的微调都非常关注，

西南交通大学硕士研究生学位论文第36页因为在资产市场的实际运作中，每一个微调的信用级别都直接代表了企业不同的债务融资成本，由此我们将运用微调信用级别判定思路，判断出每一个信用级别下的企业是否接近于级别的调整，然后再进行回归检验。

4.3.1Z值模型的建立

为了更精确地对每一个信用级别下的企业是否接近于级别的调整进行判断，本文采用了Z值判定模型。首先根据企业的信用级别，由CC到AAA的评级序列依次赋予0-18的数值作为被解释变量数据；以评级机构在评定级别时主要关注的几个指标（如总资产规模、收入规模和利润水平等，且数据的选取时间为获得该信用级别的前一年年末）作为被解释变量，进行实证回归并计算出每个解释变量的系数，即各财务指标权重，建立如下Z值模型：

Z=α+β∙log(t)+󰟛∙(㌳䁐󰜫쳌t/t)+󰟜∙쳌/(쳌+㌳)+󰟝

(4.5)

通过借鉴DarrenJ.Kisgen在《CreditRatingsandCapitalStructure》中的Z模型，选取Log（A）、EBITDA/A、D/（D+E）作为解释变量进行回归，回归结果如下：

表4-13

Log(A)

EBITDA/AD/(D+E)R2

Z值模型回归结果

系数1.6097850.024146-0.5681920.529712

P值0.00000.36160.0000

从回归结果看，R2为0.5297，说明估计值与对应实际数据之间的拟合程度较高，可靠性较高；Log(A)回归系数为正，P值接近于0，说明在1%的显著水平下，企业总资产规模越大，抗风险能力越强，信用评级就会越高；D/(D+E)回归系数为负，P值也接近于0，说明在1%的显著水平下，企业的财务杠杆越高，风险越大，信用评级就越低，这两个指标的结论也与实际评级机构的评级标准相符；EBITDA/A的回归系数为正，但P值为0.3616，并不显著，说明企业利润水平高并不会显著提高企业的信用评级表现。因此，我们将EBITDA/A这一变量去除，重新建立如下Z值模型：

Z=α+β∙log(t)+󰟛∙쳌/(쳌+㌳)+󰟝

(4.6)

根据新的Z值模型，我们再次进行回归，结果如下：

西南交通大学硕士研究生学位论文表4-14

Log(A)D/(D+E)

2R

第37页调整控制变量后Z值模型回归结果

系数1.609858-0.5666150.529590

P值0.00000.0000

对比来看，本次回归解释变量Log(A)和D/(D+E)的回归系数与前一次相比变化微小，显著水平依然很高；R2为0.5296，估计值与对应实际数据之间的拟合程度依然很高，可见去除EBITDA/A这一变量对Z值模型的回归结果影响并不大，因此本文以此次回归结果为标准，建立最终的Z值模型：

Z=1.609858∙Log（A）−0.566615∙D/(D+E)

(4.7)

在对指标数据进行极端值处理后，将其代入到Z值模型中，计算出每个企

业的Z值分数，即对每一个企业的信用风险水平进行打分，并在同级别范围内，依据计算出的Z值按从大到小依次排序，排列在前1/3的企业则判定为信用级别接近上调的企业，位于后1/3的企业则判定为信用级别接近下调的企业，位于中间1/3的企业则判定为信用级别相较稳定的企业。

4.3.2回归模型选择

本节以微调信用级别判定思路为基础，对信用级别判定为接近于调整的企业是否会减少有息债务的发行或增加增发股票的融资方式这一问题进行实证检验，并根据前文的分析建立如下回归模型：

NetDIit=α+β0CRHOL+εit(4.8)(4.9)(4.10)

其中，公式4.9是在公式4.8的基础上引入了控制变量，公式4.10是在公式4.9的基础上将预期其信用级别上调的企业和预期其信用级别下调的企业区分开，并作为两个解释变量进行回归。

NetDIit=α+β2CR󰜪th󰝄+β3CR󰜮th+φKit+εitNetDIit=α+β1CRHOL+φKit+εit西南交通大学硕士研究生学位论文表4-15

解释变量CRHigh微调信用级别模型下解释变量释义表

相关解释第38页在时间t上，同一信用级别中Z值处于前1/3的企业虚拟变量（等于1或0）CRLow在时间t上，同一信用级别中Z值处于后1/3的企业虚拟变量（等于1或0）CRHOL在时间t上，同一信用级别中Z值处于前1/3和后1/3的企业虚拟变量CRHOL=CRHigh+CRLowKi,t一系列控制变量，代表企业获得某一信用级别前的各个财务指标，包括：财务杠杆即Di,t-1/(Di,t-1+Ei,t-1)，盈利能力即EBITDAi,t-1/Ai,t-1；收入规模即ln(Salesi,t-1)εi,t随机误差项4.3.3实证结果及分析

与上一节的回归检验相似，首先对被解释变量进行5%的缩尾处理，并去除缩尾处理后依然大于10%的样本数据，然后按上述公式分别以所有企业、国有企业、非国有企业三种不同的样本进行回归，回归结果如下：

表4-16

变量

InterceptCRHOLR2

所有公司系数P值-0.0220030.00000.0035950.23500.000522

公式4.8的回归结果

国有企业系数P值-0.0210110.00000.0049230.13070.001018

非国有企业系数P值-0.0268760.0000-0.0028550.72020.000281

表4-17

变量

InterceptCRHOL

D/(D+E)EBITDA/Aln(Sales)R2

所有公司系数P值-0.2051250.00000.0043350.14280.0147250.0927-0.3420850.00000.0087810.00000.051048

公式4.9的回归结果

国有企业系数P值-0.1965930.00000.0053130.09650.0130250.1685-0.3237680.00000.0083960.00000.046594

非国有企业系数P值-0.2943010.00000.0009990.780.0391700.1083-0.2499420.02550.0117710.00040.065708

西南交通大学硕士研究生学位论文表4-18

所有企业

变量InterceptCRHighCRLowD/(D+E)EBITDA/Aln(Sales)R2

系数-0.1773860.010723-0.0027420.016383-0.2743510.0073300.0522

P值0.00000.00200.44210.06130.00000.0000

第39页公式4.10的回归结果

国有企业系数-0.1806590.00380.0008020.014133-0.2771400.0075510.048239

P值0.00000.010.83840.13560.00000.0000

非国有企业系数-0.1497650.023208-0.0160160.030986-0.1723610.0053060.092097

P值0.05980.01850.07560.19980.12480.1552

从回归结果来看，仅仅在公式4.10中CRHigh的回归系数在5%的显著水平下比较显著，其他情况下回归结果均不显著。造成这种结果的原因可能是样本中包含了AAA级别的企业，目前的信用评级制度下，AAA级别是最高级别，所以Z值位于前1/3的AAA级别企业依然不会被调升信用级别，或者说企业的管理层并没有内在动力通过减少债务的发行或者增加权益的发行使得企业的信用风险水平变得更低。而实际上，AAA级别的企业管理层更加倾向于利用信用级别高、债务融资成本低的优势，增加债务规模的发行。另外，公式4.10的回归结果也和这一种猜测相吻合，即CRHigh的回归系数为正，P值等于0.01，说明在5%的显著水平下，信用评级接近于上调的国有企业会增加债务的发行（AAA级别的企业中，国有企业占比为98.23%）。

基于上述分析，本节再次去除样本中所有AAA级别的企业数据，并对上述公式进行回归检验，回归结果如下：

表4-19

所有企业

变量InterceptCRHOLR

2

公式4.8的回归结果（去AAA企业）

国有企业

P值0.00000.1147

系数-0.0262010.0077240.002450

P值0.00000.0329

非国有企业系数-0.025795-0.0049730.000851

P值0.00010.5367

系数-0.0261230.0052250.001078

西南交通大学硕士研究生学位论文表4-20

所有企业

变量InterceptCRHOLD/(D+E)EBITDA/Aln(Sales)R2

系数-0.2115730.00230.005844-0.3666960.0092880.0397

P值0.00000.09580.55550.00000.0000

第40页公式4.9的回归结果（去AAA企业）

国有企业系数-0.1973780.0077370.002170-0.3466010.0086210.033494

P值0.00000.03080.84380.00000.0000

非国有企业系数-0.315992-0.0019080.037372-0.2803410.0129940.071158

P值0.00000.80750.13100.01530.0002

表4-21

变量

InterceptCRHighCRLow

D/(D+E)EBITDA/Aln(Sales)R2

公式4.10的回归结果（去AAA企业）

国有企业系数P值-0.1685910.00000.0130320.00180.0012240.78350.0034240.7559-0.2678700.00000.0070990.00010.036626

非国有企业系数P值-0.1592680.05830.0206710.0397-0.0184300.04180.0318730.1928-0.1839280.11650.0058290.14560.096605

所有企业系数P值-0.12450.00000.0140050.0003-0.0037760.33820.0082600.4039-0.2632730.00000.0068130.00000.046768

可以看到，去除AAA级别企业的数据后，总体回归结果的显著性有所改善。当样本为国有企业时，公式4.8和公式4.9中CRHOL的回归系数均为正，且P值均小于0.05，说明在5%的显著水平下，信用级别接近于调整的国有企业倾向于增加债务的发行；公式4.10中CRHigh的回归系数亦为正，P值等于0.0018，说明在1%的显著水平下，信用级别接近于上调的国有企业倾向于增加债务发行；而CRLow的回归结果并不显著，因此我们无法预估信用评级接近于下调时对国有企业融资决策的影响。当样本为非国有企业时，公式4.10中CRHigh的回归系数为正，P值等于0.0397，说明在5%的显著水平下，非国有企业的信用级别接近上调时会采取与国有企业的融资决策态度一致，而CRLow的回归系数为负，P值为0.0418，说明在5%的显著水平下，信用级别接近下调的非国有企业会减少债务融资以避免被调低级别。从公式4.8，4.9，4.10的回归结果的纵向比较来看，非国有企业更加注重自身信用级别的变化，尤其是当信用级别接近下调时，相较国有企业，非国有企业会显著减少净债务的发行。

结合现实情况，本文对上述“信用级别接近上调的企业倾向于增加债务”的回

西南交通大学硕士研究生学位论文第41页归结论概括了以下两点原因：一方面，评级机构对于企业信用级别的调升是非常谨慎的，一个已经获得了某一信用级别的企业很难通过自身努力，小规模的扩大经营，逐渐降低风险来得到更高级别的调升，而大部分的级别调升往往是因为股东大规模增加入股，企业IPO上市，或者发生收购兼并等大型事件，这就导致了即使企业是同级别企业中的佼佼者，但依旧不会得到信用级别的调升，那么当企业管理层预期到这一情况时，通常会充分利用企业自身“排名靠前”的优势，增加债务的发行；另一方面，在债券市场的实际交易中，债券产品的收益率，即发行人融资成本主要由其信用级别来决定，但决定的仅是一个区间范围，例如目前市场上AAA级别的债券产品利率在4%-5%左右，而实际最终的收益率要在借款人、投资者和各方中介机构之间经过多次磋商来决定的，那么可以推断，排名靠前的企业融资渠道相较更加通畅，在谈判中更具优势，所以在交易中更可能以区间范围内更低的成本发行债券。以上两点现实因素，让我们不难理解接近于级别上调的企业债务融资成本相较于其他同级别企业略低，但预期又不能达到更低，所以与成本有可能更高的股权融资相比，企业管理层更加倾向于债务融资。

近年来，我国宏观经济持续下行，多个行业景气度低迷，导致很多企业经营亏损，信用风险大幅增加，评级机构纷纷下调高危行业内的企业主体及债项评级。面临这种情况，企业根据所处行业和自身的特点，选择了不同的应对方式，有些企业得到信用支持，继续增加债务规模补充资金；有些企业通过了到期贷款的展期计划，以现有资金持续经营；也有一些企业直接剥离债务并将风险转嫁。因此，不同的应对手段导致了不同方向的资本结构决策，信用评级对于经营恶化的国有企业并不是其所关注的重点，那么企业信用评级接近下调时，对资本结构决策的影响也变得不显著。

同样地，在微调信用级别判定思路下将上述已经去除AAA级别企业数据后的样本再次以公司是否上市来划分，并分别作出回归，回归结果如下：

表4-22

变量

InterceptCRHOLR2

所有公司系数P值-0.0261230.00000.0052250.11470.001078

公式4.8的回归结果

上市公司系数P值-0.08040.0000-0.0011260.91760.000029

非上市公司系数P值-0.0224210.00000.0092580.00560.003941

西南交通大学硕士研究生学位论文表4-23

变量

InterceptCRHOL

D/(D+E)EBITDA/Aln(Sales)R2

所有公司系数P值-0.2115730.00000.00230.09580.0058440.5555-0.3666960.00000.0092880.00000.0397

第42页公式4.9的回归结果

上市公司系数P值-0.2616800.00520.00490.51-0.0427250.1709-0.81010.00020.0120340.00680.053601

非上市公司系数P值-0.19130.00000.0079110.01690.0082070.4249-0.1840530.00060.0080010.00000.0286

表4-24

变量

InterceptCRHighCRLow

D/(D+E)EBITDA/Aln(Sales)R2

所有公司系数P值-0.12450.00000.0140050.0003-0.0037760.33820.0082600.4039-0.2632730.00000.0068130.00000.046768

公式4.10的回归结果

上市公司系数P值-0.1280590.23700.0362080.0327-0.0050810.6588-0.0491560.1143-0.4611520.00240.00570.24700.068347

非上市公司系数P值-0.1634150.00000.0121960.00140.0022250.59390.0098110.3408-0.1291300.02760.0066200.00010.031478

从回归结果来看，当样本为非上市公司时，公式4.8和公式4.9中CRHOL的回归系数均为正，且回归结果均为显著，说明信用级别接近于调整的非上市公司更倾向于增加债务的发行；公式4.10中CRHigh的回归系数为正，且P值小于0.01，说明在1%的显著水平下，信用级别接近于上调的非上市公司倾向于增加债务发行；而CRLow的回归结果不显著，因此无法预估信用评级接近于下调时对非上市公司融资决策的影响。当样本为上市公司时，回归结果均不显著，说明对于上市公司而言，信用评级的变化并非是其管理层作出融资决策的主要考虑因素。

本章小结本章通过大类信用级别和微调信用级别两种判定思路分析信用级别对我国企业资本结构决策的影响。在大类信用评级范畴下，验证了当企业的信用评级接近于调整时，企业更加倾向于减少债权的发行这一理论；在微调信用级别的范畴下，回归结果表明信用级别接近于上调的企业更加倾向于利用自身优势，增加债权的发行，而当信用级别接近于下调时，国有企业不再将信用评级列入其融资决策的重点考虑因素，非国有企业会显著减少净债务的发行，以避免信用级别被调低。非上市公司与国有企业的回归结果近乎相同，这是因为样本数据大部分企业

西南交通大学硕士研究生学位论文第43页为非上市的国有企业，按照两种性质划分数据时重合部分依然较多。之所以在两种不同的思路下实证结果及所得结论截然相反，主要是由于大类信用级别范畴的调整牵扯到了某类债券产品市场的准入门槛，而微调信用级别范畴下却不涉及到这一点。

西南交通大学硕士研究生学位论文第44页结论资本结构理论一直是公司金融领域中的研究热点，也是研究最广泛、成果最多的一个领域。资本结构是企业筹资决策的核心问题，也是企业治理的关键环节。合理安排企业债务规模与权益资本之间的比例可以有效控制企业整体的资本成本，获得财务杠杆下的税盾效应所带来的利益，并帮助企业在市场竞争中增强盈利能力，从而实现企业价值最大化或股东权益最大化的目标。国内外学者一直以来都在致力于研究企业的最优资本结构，通过不断地修改假设条件，结合实践经验，形成了众多现代企业资本结构理论，极大地丰富了这一领域研究的视野和内容。不可否认的是，企业资本结构是在多种因素的综合影响下形成的。本文在前人的理论基础上，引入了信用评级这一因素，以中国全市场信用评级数据为样本，借鉴国外学者的研究模型，并结合国内债券市场的实际运行情况，定性和定量地分析了信用评级对企业资本结构决策的影响。

随着我国债市的成长，信用评级行业也获得了空前的壮大和发展，越来越多的违约事件使得市场上无论是债券发行人还是机构投资者都愈发地认识到了信用评级的重要性，信用评级在市场中的信号作用对企业融资活动产生的影响也越来越显著。本文以信用评级影响企业融资成本为研究的出发点，结合监管法规、市场准入门槛等实际情况，理性分析了信用评级如何影响企业的融资行为，并推导出信用评级于接近调整的企业更倾向于减少债务的发行。在实证分析中，本文通过设置虚拟变量方式对企业信用级别赋值，分别以大类信用级别和微调信用级别两种思路对理论分析进行检验。

经过实证研究发现，在大类信用评级范畴下，当企业的信用评级接近于调整时，企业确实会更加倾向于减少债权的发行，这与理论分析的推导结果保持一致；在微调信用级别的范畴下，信用级别接近于上调的企业更加倾向于利用自身优势，增加债权的发行，而当信用级别接近于下调时，国有企业不再将信用评级列入其融资决策的重点考虑因素，非国有企业会显著减少债务的发行或增加股权融资，以保持较高的信用级别。所以，大类信用评级范畴下的回归结果验证了理论分析的正确性，而微调信用级别范畴下的回归结果与理论推导恰恰相反，即信用级别接近上调的企业更倾向于增加债务。本文结合实践经验，总结出造成这种结果的主要原因：一方面，信用评级机构对上调企业信用级别往往更加谨慎，而企业管

西南交通大学硕士研究生学位论文第45页理层对这一情况也会产生预期，在资金需求的驱使下，企业管理层更加愿意利用自身优势增加债务融资；另一方面，信用级别仅能决定债券产品收益率的区间范围，“排名靠前”的企业更加倾向于在寻找资金方以及谈判磋商中发挥主导作用，在交易中最终达成以区间范围内更低的成本发行债券。

总的来看，虽然在两种不同思路下的实证结果以及所得结论截然相反，但足以证明信用评级对企业资本结构决策的影响是十分显著的。

西南交通大学硕士研究生学位论文第46页致谢由于参与学校的出国项目，导致我晚于同届生两年完成本次毕业论文，但也正是这两年的学习和工作，让我能够顺利完成本次课题研究。首先，我要感谢西南交通大学我的母校，给予我这样一个宝贵的机会出国深造，拓宽我的知识和视野，正是这次留学经历让我在回国以后得以顺利找到一份满意的工作；其次，我要感谢出国前后督导我的两位导师，余江老师在我出国前是我的导师，她无论在学习上还是在生活中都给了我无微不至的关怀，另一位老师是朱宏泉老师，他也正是本文的完成过程中，从选题、模型以及文章修改等各个方面给予最大帮助的指导老师；再次，我要感谢曹鹏博士，在本文的回归数据处理及模型检验的过程中耐心地为我做出辅导并给出非常专业的意见；最后，我必须感谢我的同事林宏伟先生，是他帮助我提取出最重要的样本，并且不惜加班来为我简化处理数据，在本文的实证研究中起到了关键的作用。

西南交通大学硕士研究生学位论文第47页参考文献[1]Barclay,Michael.Theprioritystructureofcorporateliabilities[J].Journalof

Finance50,1995:9-917.

[2]Barclay,Michael,Holderness,CliffordG,Sheehan,DennisP.PrivatePlacements

andManagerialEntrenchment[J].JournalofCorporateFinance,2007:461-484.

[3]Boot,ArnoudWA,ToddTMilbourn,AnjoleinSchmeits.Creditratingsas

coordinationmechanism[D],Workingpaper,2003:8.

[4]Cantor,Richard,FrankPacker.Thecreditratingindustry[J].FederalReserve

BankofNewYorkQuarterlyReview,1994:1-26.

[5]Crabbe,Leland,MitchellAPost.Theeffectofaratingdowngradeonoutstanding

commercialpaper[J].JournalofFinance,1994:39-56.

[6]DarrenJ.Kisgen.CreditRatingsandCapitalStructure[J],JournalofFinance

VOL.LXI,NO.3,2016:1035-1072.

[7]DarrenJ.Kisgen.DoFirmsTargetCreditRatingsorLeverageLevels[J].Journal

ofFinancialandQuantitativeAnalysis,2009:1323–1344.

[8]Ederington,LouisH.Classificationmodelsandbondratings[J].TheFinancial

Review20,1985:237-261.

[9]Ederington,LouisH,JeremyCGoh.Bondratingagenciesandstockanalysts:

Whoknowswhatwhen?[J].JournalofFinancialandQuantitativeAnalysis33,1998:569–585.

[10]Elton,EdwinJ,MartinJ.Gruber,DeepakAgrawal,ChristopherMann.

Explainingtheratespreadoncorporatebonds[J].JournalofFinance56,2001:247–277.

[11]Faulkender,Michael,MitchellPeterson.Doesthesourceofcapitalaffectcapital

structure[J].ReviewofFinancialStudies19,2006:45–79.

[12]Fama,EugeneF,KennethRFrench.Testingtradeoffandpeckingorder

predictionsaboutdividendsanddebt[J].ReviewofFinancialStudies15,2002:1–33.

西南交通大学硕士研究生学位论文第48页[13]Fama,EugeneF,JamesMacBeth.Risk,returnandequilibrium:Empiricaltests[J].

JournalofPoliticalEconomy81,1973:607–636.

[14]Graham,JohnR.Debtandthemarginaltaxrate[J].JournalofFinancial

Economics41,1996:41-74.

[15]Graham,JohnR,CampbellRHarvey.Thetheoryandpracticeofcorporate

finance:Evidencefromthefield[J].JournalofFinancialEconomics60,2001:187–243.

[16]Graham,JohnR,MichaelLemmon,JamesSchallheim.Debt,leases,taxesand

theendogeneityofcorporatetaxstatus[J].JournalofFinance53,1998:131–162.

[17]Grossman.TheExistenceofFuturesMarkets,NoisyRationalExpectations,and

InformationalExternalities[J].Rev.ofEcon.Stud.,vol.SLIV(3),1977:431-449.

[18]Grossman,SOHart.TheFreeRiderProblem,andtheTheoryofthe

Corporation[J].Bell.J.Econ.,vol.11(1),Spring,1980:42-.

[19]Grossman,SOHart.DisclosureLawsandTakeoverBids[J].JournalofFinance,

vol.XXXV(2),May,1980:323-334.

[20]Heng(Hunter)An,KamCChan.CreditRatingsandIPOPricing[J].Journalof

CorporateFinance,2008(14):584-595.

[21]Hertzel,Michael,Smith,RichardL.MarketDiscountsandShareholderGainsfor

PlacingEquityPrivately[J].JournalofFinance,1993:459-485.

[22]Houston,Joel,ChristopherJames.Bankinformationmonopoliesandthemixof

privateandpublicdebtclaims[J].JournalofFinance51,1996:1863–18.

[23]Jensen,MichaelC,WilliamHMeckling.TheoryoftheFirms:Managerial

Behavior,AgencyCostsandOwnershipStructure[J].JournalofFinancialeconomics,VoL3,1976:305-360.

[24]Kaplan,RobertS,GabrielUrwitz.Statisticalmodelsofbondratings:A

methodologicalinquiry[J].JournalofBusiness52,1979:231–261.

[25]Leary,MarkT,MichaelRRoberts.Dofirmsrebalancetheircapitalstructures?[J].

JournalofFinance60,2005:2575–2619.

[26]Liu,Malatesta,PH.CreditRatingsandthePricingofSeasonedEquity

Offerings[D].WorkingPaper,UniversityofWashington,Seattle,2005.

西南交通大学硕士研究生学位论文第49页[27]Modigliani,Miller.Thecostsofcapital,corporationfinance,andthetheoryof

investment[J].AmericanEconomicReview,1958:261-297.

[28]Modigliani,Miller.CorporateIncomeTaxesandtheCostofcapital:Acorrection

[J].TheAmericanEconomicReview,1963:174-203.

[29]Mola,Simona,Loughran,Tim.DiscountingandClusteringinSeasonedEquity

OfferingPrices[J],JournalofFinancialandQuantitativeAnalysis,2004:1-23.

[30]MyersStewart.Thecapitalstructurepuzzle[J].JournalofFinance39,1984:

575–592.

[31]Stulz.Managerialdiscretionandoptimalfinancingpolicies[J].Journalof

FinancialEconomics,1990:3-27.

[32]PoonWinnie.DoSolicitationsMatterinBankCreditRatings?Resultsfroma

Studyof72Countries[J],Journalofmoney,creditriskandbanking,VoL41,2009:286-311.

[33]Poon,WinniePH,Chan,KamC.AnEmpiricalExaminationoftheInformational

ContentofCreditRatingsinChina[J].InJournalofBusinessResearch,2008:790-797.

[34]Wruck,KH.EquityOwnershipConcentrationandFirmValue:Evidencefrom

PrivateEquityFinancings[J].JournalofFinancialEconomics,19:3-28.

[35]蔡国喜.用评级的合理使用[J].中国金融，2013：65-67.

[36]陈文，王飞.负债融资约束与中国上市公司股权融资偏好[J].投资研究，

2013(7)：36-46.

[37]何平，金梦.信用评级在中国债券市场的影响力[J].金融研究，2010(4)：15-28.[38]胡臻.中国信用评级对债券回报率的影响分析[J].南方金融，2011(2)：-68.[39]李诗.中国债市十年：发展与风险[J]，中诚信国际信用评级有限责任公司新

闻动态，2015：1-40.

[40]李明明，秦凤鸣.中国信用评级的信息价值研究[J].产业经济评论，2012(6)：

149-182.

[41]李聪.信用风险对我国上市公司资本结构的影响浅析[D].山东大学，2008.[42]陆珩瑱，吕睿.资本结构选择偏好、成长性与公司绩效[J].投资研究，2012(3)：

114-124.