第一章 引言
第二章 城投债隐性担保的违约概率校准模型构建与实证检验
2.1 城投债隐性担保的核心内涵与识别维度界定
城投债是我国特有的经济体制下产生的，它的信用基础一直和地方政府信用联系在一起。梳理国内城投债的发展演化过程中，可以发现隐性担保行为由原来的全额兜底变为现在的有序打破刚兑。在此情况下，首先要确定城投债的显性契约承诺和地方政府隐性担保的本质区别。显性契约承诺是法律框架下明确的偿债义务，隐性担保是政府与平台公司之间由于特殊关系而产生的潜在信用支持。在实际运用中要明确排除把地方政府显性代偿纳入隐性担保范畴的概念边界，不能把政策性救助和商业性担保混为一谈，给后面模型参数的设计提供严谨的概念前提支持。
根据以上不同之处，创建起可以实施的隐性担保识别维度体系要从三个主要方面着手。首先是地方政府同融资平台之间的权责联系维度，主要看地方政府对于融资平台的人事任免、资产划转和业务指令的控制程度，这是评判担保意愿的基础。其次为财政资源调配偏好维度，主要研究地方政府财政盈余对债务的覆盖程度以及资源动用的优先顺序，体现的是担保能力的客观水平。最后就是区域市场信用共识度，用不同省份典型城投债兑付事件中市场投资者的反应来衡量区域信用背书的强弱。根据国内各省的案例可知，权责关联度高、财政资源充足的时候，隐性担保效应明显；反之则风险较大。该体系把抽象的政府信用变成可以被观察到、可以被度量的操作指标，对准确衡量违约风险有着十分重要的现实意义。
2.2 传统KMV违约测算框架的隐性担保嵌入修正设计
2.2.1 地方政府显性财政能力向隐性担保意愿的参数转化规则
传统的研究在测算城投债违约概率的时候，一般会直接用地方政府一般公共预算收入等显性的财政指标来作为隐性担保额度的代理变量，这样的静态处理方式忽略了政府在不同的财政压力和考核导向之下，担保意愿的动态变化特点。为了克服这个不足，本文建立了一个从地方政府显性财政能力到隐性担保意愿的量化参数转化规则，把客观的财政数据转化成反映主观担保意愿的修正系数。该规则的核心就是引入地方财政稳定性、债务依赖度、考核导向下的担保决策倾向这三个关键调节变量，从而准确地把握各个省份政府在提供隐性担保时的真实意愿差别。
就具体的运作途径而言，首先要创建起诸多方面的显性财政指标评判体系。地方财政稳定性可以用财政收支增长率波动率来衡量，反映的是财政收入的可持续性，债务依赖度用负债率或者债务率来表示，体现的是政府偿债压力对担保资源的挤占效应，考核导向下的担保决策倾向用固定资产投资增速或者城投债发行规模占比来量化，反映的是行政考核机制对政府救助行为的激励程度。为了避免主观赋值的偏差，用熵权法对上述多维指标进行客观权重赋值，计算出各个指标的信息熵，然后确定各个指标的权重，最后得到隐性担保意愿折算系数。折算系数在0到1之间，数值越大说明政府提供隐性担保的意愿越强，反之则越弱。最后用这个折算系数作为关键参数直接代入修正KMV模型中，对隐性担保价值做动态调整。经过全流程的参数转化设计之后，模型不但克服了传统方法静态的缺陷，而且保证了校准结果可以准确地反映出区域间政府信用背书的异质性，进而提高了城投债违约概率测度的实证精度和应用价值。
2.2.2 区域债务偿付压力对隐性担保有效性的阈值约束设定
城投债信用风险定价实务中，地方政府隐性担保一般被市场当作无条件的刚性兑付承诺，但是它忽略了财政能力的客观边界。为了防止模型因为“无限兜底”的假设而造成估值偏差，必须从区域债务偿付压力的角度来建立隐性担保有效性的阈值约束机制。其主要逻辑就是承认财政救助资源是有限的，当区域债务压力超过财政承受的极限时，隐性担保的实际效力就会出现断崖式的下降。在校准模型具体设计时要选择可以综合体现区域财政健康度和债务负担的量化指标，区域显性法定债务率体现法定债务红线内的安全水平，城投有息债务占综合财力比重体现地方政府实际隐性负担，短期债务滚动压力体现现金流错配程度即期偿付风险。为了实现由定性分析到定量约束的转变，在操作步骤上应该使用面板门槛回归的方法，对大量的历史样本数据进行回测。用统计的方法来准确计算出隐性担保行为由有效缓冲变为无力覆盖的临界阈值。该阈值是模型动态调整的触发点，当区域债务偿付压力指标测算结果大于这个临界值的时候，模型就会判定隐性担保效力减弱，随着压力的增大，隐性担保的折算系数也会呈非线性下降。该种设定很好地模拟了地方政府在财政枯竭的时候所做出的理性选择，使违约概率校准的结果更加接近财政的实际情况，进而给投资者提供更加具有前瞻性以及现实参考价值的预警信号。
2.3 修正后校准模型的样本实证与稳健性检验
2.3.1 2018—2023年国内省级城投债样本的违约概率测算
为了保证修正后的校准模型在实际使用中有效、稳定，本文以2018-2023年国内公开发行的省级城投债为测算样本。样本选择上采取了严格的标准，只选取了省级平台并且具有连续数据的样本，在剔除掉数据缺失过多或者发生过实质性债务重组的公司之后，得到了全国大部分省份的面板数据。地方政府财政数据主要是从国家统计局以及各省市财政厅发布的年度财政决算报告中获取的，主要包含一般公共预算收入、转移支付和政府性基金收入等指标；城投平台财务数据来源于Wind数据库和上海清算所，经过标准化清洗去除了特殊会计政策的影响；区域债务数据按照财政部债务率考核口径以及各省审计报告，对隐性债务规模进行合理估算并进行同口径折算。根据前面所做的准备工作，使用前面建立起来的修正后的校准模型，对每一个样本债券在观测期内各个年度时点的违约概率进行了一一测算，保证输出的结果可以被复现。
从测算结果的分布情况可以看出，各个省份之间的违约概率存在着明显的区域分化现象，并且随着年度的变化而表现出明显的波动趋势。就经济财政实力较强的东部沿海省份来说，其省级平台测算出的违约概率一直保持在较低的水平上，曲线走势平缓，说明它具有较强的隐性担保能力和抗风险韧性。就而言，部分中西部和东北资源型省份的违约概率测算值较高，在2022-2023年间有明显的上升。根据各省财政和债务特点进行深入分析可知，分化的原因主要是由于区域财权和事权不匹配造成的，土地市场波动也会对政府性基金收入造成影响。高债务率加上土地出让金减少的省份，其模型所对应的财政偿债保障系数就会降低，从而导致校准后的违约风险水平上升。该实证结果既表明修正模型对于区域信用风险差别有着很强的捕捉能力，又给之后的风险预警以及政策制订赋予了量化的参照。
2.3.2 纳入隐性担保因子的模型与传统违约测算模型的结果比对验证
为了检验纳入隐性担保因子修正后的校准模型在实际应用中是否有效，本节将用该模型测算出的违约概率结果与未嵌入隐性担保的传统KMV模型测算值、市场通用的城投债信用评级结果进行多方面的比较。首先利用ROC曲线和曲线下面积(AUC值)来衡量模型对于后续发生实质违约风险的城投债的识别准确度，从而评价模型在风险预警方面的灵敏度和区分度。其次，对两类模型在高债务压力省份样本上的测算结果进行对比，分析隐性担保因子在不同风险区域对违约概率的具体修正幅度。在此基础上，以2018年-2023年国内资本市场已经发生的典型城投非标逾期和债券展期事件为校准标的，把修正后的模型测算结果同历史真实违约情况做回溯对比。实证结果表明，修正后的模型违约概率测算结果更符合国内城投债市场真实风险演化情况，很好地克服了传统模型对于政府支持力度考虑不足的缺点。另外为了保证模型结果的可靠性，本节又用更换核心变量测算口径、改变样本时间窗口的方法做了稳健性检验。检验结果表明，在不同的参数设置以及时间跨度内，模型的主要结论是一致的，很好地体现了该修正模型对于城投债信用风险识别和度量的稳定性以及准确性。
2.4 校准模型的监管与市场应用场景适配说明
校准模型在监管和市场应用场景中适应性的设计，是把理论模型同实践操作联系起来的重要环节，它的主要价值就在于把标准化的违约概率输出变成各个市场主体可以执行的决策依据。对地方金融监管部门来说，该模型主要是用来对区域内隐性债务风险进行动态排查和高危预警的。监管方可以用模型输出的经隐性担保调整后的违约概率来创建区域债务风险热力图，对下辖的各个行政层级的城投平台实施穿透式的风险扫描。从具体的操作路径来说，应该把模型参数同当地财政收入增速、土地出让金波动率这些宏观经济指标联系起来，确定不一样的风险界限。当某个区域的城投债综合违约概率超过警戒线的时候，模型就会发出提前预警信号，给监管层提供有关隐性债务演变趋势的准确数据支持，从而为债务置换或者风险化解提供依据。
对于城投债一级市场投资者而言，模型的应用重点是跨区域资产配置优化以及个券违约风险定价。投资者在进行跨省城投债配置的时候，可以把模型输出的违约概率当作主要的筛选指标，剔除掉风险收益比不匹配的标的。在实际操作中，用模型计算出的预期违约损失率可以更加科学地对不同资质的城投债进行定价，修正由于刚性兑付预期造成的信用利差扭曲。此时需要特别指出的是，投资者要根据自身的风险偏好来调节模型中风险厌恶系数，还要考虑市场流动性对于定价模型的影响，保证定价结果同实际交易环境相契合。
二级市场信用评级机构可以用该模型来改进现有的城投债信用评级逻辑。传统的评级方法很难对隐性担保的强弱进行量化，但是该模型用数学的方法把显性因素和隐性支持剥离出来，给评级机构提供了一个客观的量化依据。评级机构可以将模型输出的违约概率对应到传统的信用等级体系里，从而校准评级结果，提高评级的区分度和前瞻性。从应用边界来说，评级机构要定时回测模型的准确性，在出现突发性政策变动的时候，应该及时对模型中有关政府支持力度的假设参数作出调整，防止由于模型滞后而造成的评级失真情况发生，保证评级结果的市场公信力。
第三章 结论
本文对城投债隐性担保违约概率校准模型进行分析，得到一系列有实践指导意义的结论。首先明确隐性担保在城投债定价中居于核心地位，认为隐性担保实质上就是地方政府信用在市场化融资中的延伸，它的价值就体现在对违约风险的隐性兜底上。因此，本文建立起来的校准模型把无法量化的政府信用支持变成可以测量的违约概率参数，很好地解决了传统信用评级方法不能反映政府救助意愿和能力的问题。从核心原理来讲，该模型依靠结构化模型框架，加入地方政府财政实力和债务负担率的动态调整因子，模仿出各个经济周期里隐性担保对于违约路径的非线性作用。研究确定了数据收集、因子提取、模型建立、概率校准的标准化途径。具体来说，用城投平台财务数据和地方财政数据进行匹配分析，再结合KMV模型的思想，通过迭代计算得到符合市场预期的违约距离和违约概率。该过程既证明了模型对于不同层次城投债风险水平的区分是有效的，又显示出财政实力越强的地区，其隐性担保所带来的违约风险折扣就越大[3]。从应用价值来说，该校准模型给投资者赋予了更为精细的风险计量手段，有益于投资者在债券投资决策时精确地找到尾部风险，从而改善资产配置组合。监管部门可以利用这个模型对隐性担保价值的变动进行监测，从而提前发现区域性的债务风险，给防范系统性金融风险提供量化的依据。因此，本文建立的违约概率校准模型不但可以从理论上对隐性担保问题进行数理化的表达，而且可以从实践上给城投债的风险管理和定价机制提供科学可靠的方法，有较好的推广价值和应用前景。
参考文献
[1]欧阳远芬[1];王秋实[1]. 基于隐性担保和显性担保比较的城投债定价研究[J]. 金融研究, 2024(8).
[2]刘俊麒. 我国城投债券信用风险识别的实证研究[D]. 东北财经大学, 2018.
[3]张雪莹, 王玉琳. 地方政府债务治理与政府隐性担保效果--基于债券市场数据的分析[J]. 证券市场导报, 2019(1): 10.
[4]刘江涛. 地方政府隐性担保对城投债信用利差的影响研究[D]. 西安财经大学, 2020.