CND D-0061 中国债券基本情况数据（含债券信用等级）
▪ 数据来源： CNDD根据中国债券信息网、Wind等数据库整理 ▪ 数据说明 ： 中国债券基本情况数据包括债券代码、债券简称、市场代码、上市日期、证券ID、债券全称、目前状态、债券年度、债券类型、品种类别编码、币种、实际发行量、发行价格、发行方式、期限、付息方式、计息方式、票面利率、面值、信用等级、可赎回性、可回售性、可调换性(目前国债没有该数据)、是否跨市场、是否可分离、看涨看跌、承销方式、发行对象、网上发行数量等变量 ▪ 综合评价 ： 中国债券基本情况数据提供了日度更新的最新债券基本情况，以期为高等院校、金融机构的研究人员对债券市场的相关研究提供高质量、及时、权威的数据，推动相关研究的质量提升和快速发展。
▪ 常用度： ★★★ ★ ★
▪ 稀缺度： ★★★★☆
▪ 新颖度： ★★★☆
▪ 总体级别： 12颗星
✔ 常用度：是数据市场中需求指标，是指该数据在经济管理类学术论文中使用频率。
✔ 稀缺度：是数据市场中供给指标，是指该数据在其他数据库的出现频率。
✔ 新颖度：是数据市场中生成指标，是指该数据在生成时方法新颖程度和工作量。
▪ 文献来源 ：
林晚发,赵仲匡,宋敏.管理层讨论与分析的语调操纵及其债券市场反应[J].管理世界,2022,38(01):164-180.
文章研究了管理层讨论与分析（MD&A）语调的操纵行为及其债券市场反应。 研究发现，MD&A异常积极语调与预警Z值负相关，债务重组正相关，这表明MD&A异常积极语调暗示了企业较高的未来风险，这与语调的信息增量解释相悖，因此MD&A异常积极语调更可能是操纵的结果。进一步研究发现，MD&A异常积极语调越大，债券信用评级越高，且该正向关系在与评级机构利益冲突大、信息透明度低的公司子样本中更显著；此外，债券投资者能够识别语调操纵行为，但随着债券市场公众投资者的参与，MD&A异常积极语调与债券信用利差之间呈现出一定的负向关系,且这种负向关系在信息透明度低的企业组中更加显著。本文较早使用中国资本市场数据度量了MD&A异常积极语调，且证实这种异常语调是管理层操纵的结果，并探讨了MD&A语调操纵对于债券市场信息效率的影响，相关结论对于完善MD&A文本信息披露监管法规、提高评级机构独立性以及提升债券市场信息效率具有重要启示。 在信息增量观下，由于 MD&A 是财务报告中最重要的组成部分，它提供了管理层对公司当前和未来业绩的看法，所以其对公司财务信息 披露起到了补充作用（Francis et al.，2003；Bozzolan et al.，2009）。信息操纵观认为管理层有较强的自利动机对语调进行操纵（Larcker and Zakolyukina，2012；Huang et al.， 2014；Tan et al.，2014）。 对于中国资本市场，一方面，关于文本信息披露制度的法律法规尚未完善，有关文本信息的监管政策目前还处于空白，尤其缺乏对 MD&A 用词与披露内容的相关规定，且 MD&A 章节不需要审计，上述这些问题导致管理层操纵语调成本较低；另一方面，中国资本市场中管理层与股东之间的代理问题非常严重，管理层出于职业规划、业绩绩效以及股票期权的考虑，有动机采取更多的工具粉饰财务报表。尤其是在盈余管理操纵受限的情况下，MD&A 语调可以作为一种替代工具。换言之，管理层通过语调操纵能够更好掩盖与夸大公司的基本面信息，以此误导投资者。基于上述分析，文章认为由于中国资本市场 MD&A 内容披露的不规范以及无需审计的特点，管理层操纵 MD&A 语调的成本较低，增大了MD&A语调被操纵的可能性。因此，文章提出第一个研究假设：
H1：相比于 MD&A 语调的信息增量观，中国资本市场中的 MD&A 语调更多体现出信息操纵观。 对于 MD&A 异常积极语调而言，从真实情况看，这种语调更可能是管理层操纵的结果，暗示了企业未来 违约风险增大。从理论上来说，评级机构应该给予这种语调高的债券更低的评级。然而，在发行人付费模 式以及市场过度竞争下，评级机构与企业之间存在严重的利益冲突，评级机构有较强的动机去迎合发行人。另一方面，长期以来，债券市场的刚性兑付以及缺少对评级机构奖励与处罚的相关政策，使得评级机构 的声誉机制较难健全，进一步降低了评级机构的独立性，继而提高了评级机构迎合评级的动机。因此，在迎 合评级动机下，评级机构给予这种操纵的异常积极语调较高的评级，继而提高债券信用评级。基于此，文章提出第二个研究假设： H2：MD&A 异常积极语调越高，债券信用评级越高。 债券市场投资者有着专业分析能力，他们能够识别管理层语调操纵行为，继而导致 MD&A 异常积极语调并不能降低债券信用利差。因此，文章提出第三个研究假设。
H3：MD&A 异常积极语调与债券信用利差不存在显著的相关性。
基于上市公司年报披露的规范性以及相关财务数据的可获得性，文章以中国 A 股上市公司为研究对象对语调的操纵与识别进行分析。为了减小会计准则变更以及金融危机对于结论的影响，选择 2008-2019 年为相应的样本期。另外，文章研究问题是上市公司语调操纵行为的经济后果，因此只选择交易所债券市场公司债为研究对象。
1. 假设 H1 检验模型
文章从 MD&A 语调中分离出正常语调（ NTone ）与异常积极语调（ ABTone ）。通过检验 ABTone 与企业破产风险与债务重组的关系，继而得出 ABTone 是否存在增量信息抑或是管理层操纵的结果，相应的模型如下：
上述模型中，ABTone 为 MD&A 异常积极语调；Z 表示企业破产风险，借鉴 Altman（1984）公式计算所得， Z 值越大，企业破产风险越小；Restru 表示企业是否债务重组，如果企业存在重组，则 Restru=1，反之 Restru= 0。另外，控制了行业固定效应（δj ）以及年度固定效应（γt ），以此减小相关层面政策的影响。最后，n 的取值为 1~3，表示各个因变量的未来一期、未来二期与未来三期值。关心的是 ABTone 变量，预计在模型（2）中，当分别以 Z 与 Restru 为因变量时，ABTone 变量系数 ϕ0分别显著为负与正，即 MD&A 异常积极语调与未来破产风险、债务重组正相关。如果预期符号满足，则说明 MD&A 异常积极语调并不是未来业绩良好的增量信息，而是管理层操纵的结果。
2. 假设 H2 检验模型
借鉴寇宗来等（2020）研究，使用如下模型来检验 ABTone 与债券信用评级的关系:
上述模型中，Rating 为债券信用评级；Lev 表示企业杠杆率，采用负债与总资产的比例进行度量；Cur_as 表示流动资产比例，采用流动资产与总资产的比例进行度量；PPE 为企业固定资产比例，采用固定资产净值与总资产的比例度量；Ebitda 为利息保障倍数，采用息税前利润与利息费用的比例进行度量；SoE 为企业所有权性质虚拟变量，当企业是国有企业时，SoE=1，反之 SoE=0。另外，在此模型中也对债券特征进行控制， Bond_Size 为债券发行规模，采用发行规模（元）对数度量；Term 为债券是否存在特殊条款，当债券存在特殊条款时，Term=1，反之 Term=0；Guar 表示债券是否存在担保，当债券存在担保时，Guar=1，反之 Guar=0，其他变量 与模型（1）一致。最后，本文控制了行业（δj ）、年度（γt ）、省份（ηp）以及评级机构（λg）固定效应。如果模型中 ABTone 变量系数 ϕ0显著为正，说明管理层异常积极语调导致更高的评级。
3. 假设 H3 检验模型
文章构建如下模型分析 ABTone 与债券信用利差的关系:
上述模型中， CS 为债券信用利差。如果 ABTone 变量系数显著为负，即管理层异常积极语调降低了债券融资成本，那么说明债券投资者不能识别管理层语调操纵行为。相反，当这个变量系数（ π0 ）不显著或者显著为正时，则说明债券投资者能够识别管理层的语调操纵行为。 （2）主要指标构建
1.MD&A 语调
借鉴曾庆生等（2018）的研究，以 LM 词典提供的金融情感英文词为基础，通过谷歌字典、有道词典以及金山词霸对所有英文词进行中文翻译，如果一个词对应多个中文词，那么将对所有词进行保留，以保证所关联的中文情感词都囊括在内。在情感词集创建后，采用 Python 软件中的“Jieba”库包对 MD&A 章节内容进行分词，确定章节词汇总数、正面词汇与负面词汇数量。在获得情感正面与负面词汇数量后，借鉴谢德仁 和林乐（2015）方法定义语调（Tone）：（积极词汇数-消极词汇数）（/ 积极词汇数+消极词汇数）。为了保证结论的稳健性，也借鉴 Huang 等（2014）的方法定义语调（Tone1）：（积极词汇数-消极词汇数）（/ 词汇总 数）。Tone 用于主回归检验，而 Tone1 用于稳健性检验。 2.MD&A 异常积极语调
MD&A 语调可能反映出两个内容，一是对当前和未来较好财务绩效的一种中性表达；二是管理层战略选 择的结果，即异常语调。对于异常语调的含义，也存在两种解释，一是由于会计准则的限制，财务量化信息无法充分揭示企业的生产经营现状与未来的业绩表现，管理层需要使用积极的语调向投资者传达有关未来 业绩的私有信息，这种情况体现了语调的信息增量观；二是管理层试图掩盖当前糟糕的业绩，或者炒作未来业绩来误导投资者，这种情况体现了语调的操纵观。为了分离出异常语调，借鉴 Li（2010）与 Huang 等（2014）的方法，将 Tone 分解为 Ntone+ABTone，其中， NTone 表示有关基本面的中性语调，即正常语调；ABTone 表示异常语调，代表管理层对语调的战略选择，可能 是增量信息抑或操纵结果。具体分解模型如下：
上述中，Tone 为管理层语调，Roa 为净利润与总资产的比例，Ret 为 12 个月的股票持有到期收益 率，Size 为企业总资产的对数，MV 为年末市值的对数，Std_Ret 为一年中个股每个月收益率的标准差，Std_Roa 为过去五年 Roa 的标准差，Age 为企业存续年限的自然对数，Loss 为哑变量，如果当年净利润小于上一年，则 Loss=1，否则 Loss=0，ΔRoa 为 t 期 Roa 与 t-1 期 Roa 的差。另外，为了控制行业与省份相关政策等因素的影响， 本文在模型中控制了行业—年份（δht）与省份—年份（γpt）交叉固定效应。
3. 债券信用评级
为了分析 MD&A 异常积极语调与债券信用评级的关系，本文选择每年中离 MD&A 披露时间最为接近的债券评级作为研究对象。同时，借鉴孟庆斌等（2017）的研究，对债券信用评级的高低进行连续赋值。当债券评级是 AAA 时，Rating=19，评级为 AA+时，Rating=18，以此类推，当评级为 BBB 时，Rating=11，当评级 为 C 时，Rating=1。
4. 债券信用利差
借鉴吴育辉等（2020）与寇宗来等（2020）的研究，本文定义债券信用利差（CS）等于日度债券到期收益率 与相同期限国债利率差的均值。债券到期收益率均值的时间计算区间为 MD&A 披露时间到年末。
[1]刘星,杨羚璇.信用评级变动能反映企业真实财务信息吗?——基于财务重述的视角[J].金融研究,2022(02):98-116.
[2]陈关亭,连立帅,朱松.多重信用评级与债券融资成本——来自中国债券市场的经验证据[J].金融研究,2021(02):94-113.
[3]江轩宇,贾婧,刘琪.债务结构优化与企业创新——基于企业债券融资视角的研究[J].金融研究,2021,No.490(04):131-149.
以下三种方式三选一
▪ 直接购买
添加客服微信，支付价格为69元。
▪ 朋友圈分享后免费领取（每人限领15份）
持续3小时，集齐5个赞，需要对所有人可见，并且本人关注CNDeepData公众号。
▪ 购买大会员
添加客服微信，购买年度会员149元，三年会员299元，永久会员899元，可享CNDeepData所有数据免费获取。
▪ 朋友圈分享要求：
①分享时间需要在早上7:30到晚上12:30之间。
②请附带一句推荐词，例如“推荐CNDD高质量数据库”。
③请将包含时间内容的截图发给客服。
▪ 添加客服微信方式 ：
扫描下方二维码，或搜索下方微信号。
添加客服微信号：DeepData001 获取更多更新数据
1. 除中国深度数据库（CNDD）特殊声明外，CNDD对基于合法来源的数据的选择、整理和编排具有独创性。任何自然人、法人、其他组织未经CNDD授权，不得以任何目的截取、上传、下载、复制、修改、使用、编译等或者以任何方式任何媒介传播上述作品的任何部分，否则视为侵权。2. 对于存在侵害CNDD上述权利违法行为的主体，CNDD保留依法追究其法律责任的权利。
任何使用CNDD数据等产品的单位和个人，承诺只将CNDD的数据等用于学术研究，并在所得研究成果（包括但不限于学术论文、咨询报告等）中注明数据来源于CNDD。数据来源的注明方式请参考：“本研究数据来源于中国深度数据库CNDD”；英文参考：“We get the data from CNDeepData (CNDD)”。
CNDeepData
中国深度数据库：让精品数据，得以流动。
CNDeepData: Let high-quality data flow without barriers
113篇原创内容
公众号
CNDeepData：Let high-quality data flow without barriers
资源下载 此资源下载价格为69 积分（年度普通会员免费），请先登录 部分图片来源于网络，如涉侵权请告知，本站将第一时间删除。客服微信号：DeepData001
