این مقاله تجزیه و تحلیل مقایسه ای از اسپرد اوراق قرضه و قیمت گذاری تامین مالی پروژه (PF) و تامین مالی سنتی (CF) را ارائه می دهد. با استفاده از مقطعی از 47196 اوراق قرضه منتشر شده در سراسر جهان در دوره 1993-2020، نشان میدهیم که اوراق قرضه PF و CF قیمتهای متفاوتی دارند، اوراق قرضه PF دارای اسپرد بالاتری نسبت به اوراق قرضه CF قابل مقایسه هستند، و اگرچه رتبهبندیها مهمترین عامل تعیین کننده قیمت برای PF و اوراق قرضه CF در هنگام انتشار، سرمایه گذاران به سایر ویژگی های قراردادی، اقتصاد کلان و شرکت ها فراتر از این رتبه بندی ها متکی هستند. نتایج ما از فرضیه معاملات PF به عنوان مکانیسمهای کاهش هزینههای تامین مالی شرکتهای حامی پشتیبانی نمیکند: هزینه استقراض بر انتخابهای تامین مالی تاثیر میگذارد و میانگین وزنی معاملات PF بیشتر از معاملات اوراق قرضه CF قابل مقایسه است. ما همچنین دریافتیم که صرفهجویی در مقیاس، مدیریت ریسک و استدلالهای عدم تقارن اطلاعاتی بر انتخاب شرکتهای حامی بین معاملات PF و CF تأثیر میگذارد.
موج پایدار نوآوری در تامین مالی با پشتوانه دارایی منجر به ظهور طرحهای قراردادی جدید، در میان سایر موارد، ساختارهای تامین مالی پروژه بدون رجوع، یا با توسل محدود (PF) شد ( جان و جان، 1991 ؛ لیلاند، 2007 ). 1 این نقطه عطف از دهه 1990 منجر به پیدایش بخش نوپای بازار اوراق قرضه PF به عنوان جایگزینی برای تامین مالی برای نیازهای شکاف زیرساختی قابل توجه در سراسر جهان شد ( Dailami and Hauswald, 2003 ). در اروپا، کمیسیون اروپا و بانک سرمایهگذاری اروپا «ابتکار اوراق قرضه پروژه اروپا 2020» را در سال 2012 راهاندازی کردند که برای ( i ) بسیج بودجه لازم برای PF زیرساخت طراحی شده بود که میتواند از 2 تریلیون یورو بین سالهای 2012 تا 2020 تجاوز کند. و ( ii ) جذب منابع مالی خصوصی اضافی از سرمایه گذاران نهادی مانند شرکت های بیمه و صندوق های بازنشستگی. 2
علاوه بر این، بحران مالی جهانی سال 2008 منجر به قوانین سختگیرانهتر در مورد بانکها و الزامات وام دهی آنها شده است: یکی از بارزترین تأثیرات اجرای استانداردهای کفایت سرمایه بازل II (و بازل III در حال انجام) بر تجارت PF بانکها، افزایش سرمایه مورد نیاز ( Esty و Sesia، 2003 ؛ Buscaino و همکاران، 2012 ). تحت این چارچوب، اوراق قرضه PF به عنوان روشی نوآورانه برای کاهش محدودیتهای نظارتی در سطح بانک ظاهر شد و به طور همزمان امکان تأمین مالی بازار سرمایه، با سررسید طولانیتر، برای پروژههای در مقیاس بزرگ را فراهم کرد.
علیرغم رشد قابل توجه انتشار اوراق قرضه PF در دهه گذشته، که در سال 2020، 15.3 درصد از بازار جهانی PF را به خود اختصاص داده است (انتشار اوراق قرضه PF در سال 2020 به 50.2 میلیارد دلار رسید؛ 58.6 میلیارد دلار در سال 2019)، 3 ما در مورد این جدید اطلاعات کمی داریم . ابزار مالی و مقایسه آن با اوراق قرضه معمولی بنابراین هدف ما سه چیز است. اول، برای مقایسه اسپرد و قیمت PF در مقابل اوراق مالی شرکتی (CF) در نمونه بزرگی از اوراق قرضه (763 اوراق قرضه PF و 46433 اوراق قرضه CF به ارزش 282.7 میلیارد دلار و 16935.3 میلیارد دلار) که توسط شرکت های غیرمالی در سراسر جهان منتشر شده است. 1 ژانویه 1993 و 31 دسامبر 2020. دوم، بررسی اینکه آیا اسپردها اطلاعاتی را فراتر از رتبهبندی اعتباری در سراسر اوراق قرضه PF و CF منتقل میکنند یا خیر. و سوم، بررسی، در سطح معامله، اینکه آیا شرکتهای حامی عمومی به جای پروژههای سرمایهگذاری سازمانیافته داخلی که از طریق اوراق قرضه CF تامین میشوند، از PF استفاده میکنند تا هزینه استقراض را کاهش دهند، و اینکه چه ویژگیهایی در سطح شرکت بر چنین انتخابی تأثیر میگذارد.
این مقاله به سه رشته از ادبیات کمک می کند. ابتدا، ما ادبیات مربوط به عوامل تعیین کننده اسپرد اوراق قرضه را گسترش می دهیم. علیرغم توجه قابل توجهی که هم دانشگاهیان و هم متخصصان به تجزیه و تحلیل اسپرد اوراق قرضه شرکتی سنتی دارند، تحقیقات 4 در مورد اسپرد اوراق قرضه PF نسبتاً اندک است. چند استثنا عبارتند از Dailami and Hauswald، 2003 ، Dailami and Hauswald، 2007 و Bonetti و همکاران. (2010) . تا جایی که ما می دانیم، مطالعه ما اولین مطالعه ای است که علاوه بر تجزیه و تحلیل تأثیر اسپانسر (در معاملات PF) یا انتشار (در معاملات CF) ویژگی های شرکت ها بر قیمت گذاری، چگونگی مقایسه اسپردها و قیمت گذاری بین اوراق قرضه PF و CF را بررسی می کند. با در نظر گرفتن انتخاب بالقوه خود توسط شرکت ها بین انتخاب منابع مالی درون ترازنامه ای و خارج از ترازنامه برای یک پروژه خاص. 5 این موضوع از اهمیت ویژه ای برخوردار است، زیرا ادبیات موجود نشان می دهد که انتخاب ابزارهای بدهی بر هزینه استقراض در بازارهای بدهی خصوصی و عمومی تأثیر می گذارد ( پینتو و سانتوس، 2019 ؛ مارکز و پینتو، 2020 ).
دوم، این مقاله به ادبیاتی کمک می کند که یک پدیده بالقوه قیمت گذاری نادرست در بازارهای اوراق قرضه را بررسی می کند. تحقیقات قبلی که عمدتاً بر روی قیمتگذاری اوراق بهادار مالی ساختاریافته در مقابل اوراق قرضه شرکتی سنتی متمرکز بود، نشان میدهد که اوراق قرضه با رتبه مشابه منتشر شده توسط شرکتهای مالی دارای اسپردهای متفاوتی هستند (به عنوان مثال، کووال و همکاران، 2009a ، کووال و همکاران، 2009b. ؛ ووتوویچ، 2014 ؛ کورناگیا و همکاران، 2017 ؛ مارکز و پینتو، 2020 ). در این مقاله، ما این ادبیات را با مقایسه اسپرد اوراق قرضه PF و CF در کلاسهای رتبهبندی اعتباری، کنترل برای اقتصاد کلان گسترش میدهیم. ، و همچنین ویژگیهای قراردادی و شرکتها، که مسلماً بر اسپردها تأثیر میگذارند، گسترش میدهیم.
سوم، مقاله همچنین به ادبیاتی کمک می کند که دلایل استفاده شرکت ها از PF را بررسی می کند. بریلی و همکاران (1996) ، Esty، 2003 ، Esty، 2004a ، و Corielli و همکاران. (2010) استدلال میکنند که چون PF میتواند اصطکاکهای بازار را کاهش دهد، میتواند هزینه تامین مالی اسپانسر را کاهش دهد. از نظر تجربی، تنها دو مقاله این موضوع مالی-اقتصادی را بررسی میکنند و نتایج متناقضی را در مقایسه با آنچه پیشبینی میشود ارائه میدهند، شواهدی مبنی بر هزینه برابر یا بالاتر بدهی برای معاملات وام سندیکایی PF اروپا (کلین و همکاران، 1996؛ پینتو و سانتوس ، 2019 ) . با این حال، این نتایج ممکن است ناشی از این واقعیت باشد که بانک ها به طور قابل توجهی اسپرد بالاتری نسبت به قیمت گذاری اوراق قرضه CF سنتی به دست می آورند ( شورت، 2020 ). علاوه بر این، هیچ یک از این کارها آنالیز نکردند که آیا هزینه استقراض بر انتخاب شرکت های حامی بین PF و تامین مالی شرکتی تأثیر می گذارد یا خیر. این موضوع از آنجایی که در نمونه ما، 4175 معامله توسط سوئیچرها صادر میشود، شرکتهایی که هر دو اوراق قرضه PF و CF را در دوره نمونهگیری انتخاب میکنند، بسیار جالب است.
یافتههای ما نشان میدهد که اوراق قرضه PF و CF قیمتهای متفاوتی دارند و علیرغم اینکه رتبهبندی اعتباری یک عامل تعیینکننده قیمت در انتشار است، سرمایهگذاران بر سایر عوامل قیمتگذاری تکیه میکنند. ما دریافتیم که عواملی برای قیمت گذاری CF مهم هستند، مانند زمان تا سررسید، اندازه معامله، ریسک ارز ، تعداد بانک های درگیر و شهرت آنها، نوسانات بازار و نوع سیستم مالی در کشور میزبان نیز برای تعیین اسپرد اوراق قرضه PF مرتبط هستند. با توجه به ویژگیهای شرکتهای حامی/ انتشار، نشان میدهیم که قیمتگذاری اوراق قرضه PF به یک ویژگی واحد حامی، یعنی نسبت بدهی به کل داراییها بستگی دارد. ما همچنین شواهدی از انتخاب شرکت های حامی بین اوراق قرضه PF و CF پیدا کردیم که بر قیمت اوراق قرضه چنین اوراقی تأثیر می گذارد. نتایج ما برای نمونههای فرعی اوراق قرضه PF و CF که برای یک هدف استفاده میشوند (یعنی تامین مالی میانمدت تا بلندمدت پروژههایی با ویژگیهای یکسان) وجود دارد.
ما نشان میدهیم که بخشهای PF، بهطور متوسط، اسپردهای بالاتری نسبت به گزینههای همسان رتبهبندی دارند، در راستای این فرضیه که سرمایهگذاران باید برای نگهداری اوراق بهاداری که دارای ریسکهای سیستماتیک بالاتری هستند، اسپردهای بزرگتری درخواست کنند (Brennan et al., 2009; Coval et al . , 2009a ، Coval و همکاران، 2009b ؛ Wojtowicz، 2014 ). برخلاف اوراق قرضه CF سنتی که بازده آنها عمدتاً توسط ویژگیهای خاص شرکت هدایت میشود، عملکرد اوراق قرضه PF به شدت تحت تأثیر ریسکهای غیرقابل تنوع پروژهها قرار میگیرد که نسبتاً توسط رتبهبندی اعتباری نادیده گرفته میشوند. بنابراین ، رتبهبندی معیارهای کاملی برای کیفیت اعتبار نیست و قیمت اوراق قرضه PF و CF هر دو منعکس کننده اطلاعاتی فراتر از رتبهبندی اعتباری هستند. اگرچه ما تقریباً از تمام اوراق قرضه PF با اطلاعات اسپرد بازار اولیه منتشر شده از سال 1993 (سال انتشار اولین اوراق قرضه PF) استفاده می کنیم، نمونه اوراق قرضه PF ما حدود 2٪ از کل نمونه است. علاوه بر این، انتخاب بین پیوندهای PF و CF ممکن است درونزا برای اسپردها باشد. برای کاهش این اثرات، ما ( i ) یک نمونه منطبق بر سطح اوراق قرضه CF را به دنبال فلامر (2021) می سازیم – برای هر اوراق قرضه PF، یک اوراق قرضه CF مشابه را توسط همان صادرکننده مطابقت می دهیم -. و ( ii ) از یک مدل رگرسیون سوئیچینگ درون زا استفاده کنید ( لوکشین و ساجایا، 2004 ) برای مطالعه قیمت گذاری، با در نظر گرفتن انتخاب بالقوه خود توسط شرکت ها بین انتشار اوراق قرضه PF در مقابل CF استفاده کنید. علاوه بر این، ما نمونههای فرعی را برای اوراق قرضه PF و CF ایجاد میکنیم که برای همین هدف استفاده میشوند. نتایج ما زمانی باقی می ماند که از این روش ها و نمونه های فرعی استفاده می کنیم.
شواهد ما با استدلال هزینه سرمایه، که طبق آن شرکت های حامی از PF برای بهره مندی از منبع ارزان تر وام استفاده می کنند، ناسازگار است. یافتهها در سطح معامله نشان میدهد که هزینه استقراض بر انتخابهای تامین مالی شرکتها تأثیر میگذارد و میانگین وزنی معاملات PF (WAS) بالاتر از معاملات اوراق قرضه CF قابل مقایسه است. این تفاوت در هزینههای وامگیری حتی بیشتر است زیرا هزینههای تامین مالی اوراق قرضه PF به اندازه کافی توسط اسپردها دریافت نمیشود، زیرا شامل هزینههای معاملاتی قابل توجهی (مثلاً طراحی قراردادی، ساختار، و هزینههای اداری) که ناشران باید بپردازند، نیستند (Gatti et al . ، 2013 ). تحت این چارچوب، هیچ شرکت حامی نباید معاملات اوراق قرضه PF را برای تامین مالی یک پروژه در مقیاس بزرگ انتخاب کند، و هنوز هم باید به این سوال پرداخته شود: مزایای جبرانی در سطح شرکت به جز هزینه های استقراض که انتخاب بین PF و CF را تعیین می کند، چیست. معاملات؟ از نظر تجربی، مقالات کمی به بررسی عوامل تعیین کننده در سطح شرکت ترتیبات بدهی خارج از ترازنامه می پردازند. چند استثنا عبارتند از Mills and Newberry (2005) ، Lemmon et al. (2014) و پینتو و سانتوس (2019) . ما این ادبیات را با نشان دادن اینکه شرکتهای حامی دولتی زمانی PF را انتخاب میکنند که نسبتاً کوچکتر، سودآورتر و اعتبار کمتری دارند، دارایی ملموستر هستند و به دنبال تامین مالی بلندمدت هستند. نتایج زمانی قوی هستند که نمونههای فرعی اوراق قرضه توسط سوییچرها یا با همان هدف منتشر شده باشند و از نمونههای همسان در سطح معامله از معاملات CF استفاده شود.
ادامه مقاله به شرح زیر تدوین شده است. بخش 2 ادبیات را مرور می کند و فرضیه های تحقیق را تشریح می کند. بخش 3 داده ها و متغیرهایی را که در آزمون های خود استفاده می کنیم، توضیح می دهد. بخش 4 عوامل تعیین کننده اسپرد برای اوراق قرضه PF و CF را بررسی می کند. همچنین در هنگام کنترل رتبهبندی اعتباری، تحلیل میکند که آیا قیمت اوراق قرضه بازار در بین کلاسهای اوراق قرضه PF و CF متفاوت است یا خیر. بخش 5 بررسی می کند که آیا PF هزینه استقراض شرکت های حامی را کاهش می دهد و آیا بر انتخاب بین PF و CF تأثیر می گذارد یا خیر. بخش 6 بررسی های استحکام بیشتری را ارائه می دهد و بخش 7 مقاله را به پایان می رساند.
PF که معمولاً برای تأمین مالی تأسیسات و تأسیسات سرمایهمحور دولتی و خصوصی استفاده میشود، در دهههای اخیر به یک بخش بازار مالی رو به رشد اقتصادی قابل توجه تبدیل شده است. Esty و Sesia (2007) گزارش دادند که در سال 2006 رکورد 328 میلیارد دلار بودجه PF در سطح جهان ترتیب داده شد که 51.2 درصد افزایش نسبت به 217 میلیارد دلار گزارش شده برای سال 2001 نشان می دهد. بر اساس بررسی های Refinitiv Deals Intelligence، 328 میلیارد دلار در سراسر جهان در سال 2020 ترتیب داده شد که یک کاهش است. 11.2 درصد از 369 میلیارد دلار در سال 2019، سالی که بازار به رکورد جهانی جدیدی دست یافت. 7
در نمونه ما، اولین اوراق قرضه PF توسط پتروناس کپیتال با مسئولیت محدود، یک SPV شرکت دولتی نفت و گاز پتروناس مالزی، در سال 1993، با اندازه ترانشه 500 میلیون دلار و سررسید 10 ساله منتشر شد. بزرگترین معامله، با حجم معامله 4.0 میلیارد دلار در دو بخش 1 و 3 میلیارد دلاری، با سررسید 10.6 و 29.9 سال، در سال 2017 توسط تراست فرودگاه مکزیکوسیتی (NAFIN) بسته شد تا تأمین مالی یک فرودگاه بین المللی جدید در مکزیکوسیتی. طی 25 سال گذشته، بازار اوراق قرضه طیف وسیعی از انواع پروژه ها، اندازه ترانشه، سنوات و سررسیدها را تامین مالی کرده است. با این حال، ویژگی های اصلی این اوراق که آنها را از اوراق قرضه سنتی CF متمایز می کند چیست؟
PF شکلی از تأمین مالی است که بر اساس یک نهاد یا وسیله نقلیه با هدف ویژه قانونی مستقل (SPE/SPV) است که معمولاً با مقادیر بیشتری از وامهای غیرقانونی (یا با رجوع محدود) و اوراق قرضه تأمین مالی میشود (Esty و Megginson، 2003 ؛ Dailami و هاوسوالد، 2003 ). بنابراین، یک ترتیب PF حامیان خود را از ریسک پروژه ایمن می کند، که به طور کامل به سرمایه گذاران SPE اختصاص داده می شود. برای کاهش این مواجهه، سرمایه گذاران ممکن است به دو کانال متوسل شوند. کانال تعهد پذیری دارایی، که یک مکانیسم قراردادی است که امکان تخصیص حقوق کنترل داراییها را به تأمینکنندگان مالی بدهی فراهم میکند و به آنها «بیمه اولیه» در برابر ریسک نکول پروژه را ارائه میدهد (برنهارت و همکاران، 2020 ) . 8 و کانال دورافتادگی ورشکستگی ، که از طریق مفاد قراردادی با هدف کاهش خطر عدم پرداخت تحت یک قرارداد بدهی عمل می کند ( لند، 2007 ؛ آیوت و گائون، 2011 ). هر دو منجر به شبکه های پیچیده ای از قراردادها می شوند که قصد دارند طیف ریسک پروژه را از هم جدا کنند و آنها را به صورت جداگانه به طرفی که برای مدیریت آنها مناسب تر است اختصاص دهد ( کوریلی و همکاران، 2010 ). این ویژگی های ارائه شده توسط SPE ابزاری در مورد تامین مالی در ترازنامه مانند اوراق قرضه CF در دسترس نیست ( Caselli and Gatti، 2005 ؛ Gorton and Souleles، 2007 ؛ Ayotte and Gaon، 2011 ). 9
بنابراین، ریسک اعتباری اوراق قرضه PF تا حد زیادی به دارایی ها و جریان های نقدی تولید شده توسط پروژه بستگی دارد و نه به قابلیت اطمینان و اعتبار حامیان مالی ( Esty، 2003 ؛ Fabozzi و همکاران، 2006 ؛ Leland، 2007 ). 10 برعکس، «تامین مالی شرکتی مبتنی بر توانایی حساب کردن بر پایه دارایی بسیار گستردهتر از داراییهایی است که به طور خاص به ابتکار فردی مربوط میشود (اگر ابتکار دومی شکست بخورد، سرمایهگذار همیشه میتواند روی سایر داراییهای شرکت حساب کند)» (کازلی و گاتی، 2005 ). به همین ترتیب، دیلمی و هاوسوالد (2003) اشاره می کنند که تفاوت اصلی بین اوراق قرضه PF و CF مربوط به تضمین های ارائه شده به دارندگان اوراق در صورت نکول است. این توضیح میدهد که چرا سرمایهگذاران اوراق قرضه PF به جریان نقدی گرایش دارند و خواهان تحلیل دقیقتری از عواملی هستند که اقتصاد اساسی پروژه، عهدنامهها و تضمینهایی را که از معامله حمایت میکنند و ساختارهای اقتصادی و قانونی معامله تامین مالی را تعیین میکنند (Gatti , 2008 ). علاوه بر این، در زمینه PF، عوامل دیگری که بر ادراک ریسک خاص تأثیر میگذارند، مانند ریسک طرف مقابل، قیمت و تقاضا نیز بر حق بیمهای که دارندگان اوراق قرضه در اوراق قرضه PF تقاضا میکنند تأثیر میگذارند (Dailami and Hauswald, 2007; Bonetti et al. , 2010 ) . .
بنابراین، به دلیل ویژگیهای خاص معاملات PF، اسپرد اوراق قرضه PF اساساً به اعتبار پروژه بستگی دارد و نه به ویژگیهای حسابداری و مالی حامیان مالی. در این چارچوب، فرضیه زیر را مطرح می کنیم:
فرضیه 1
(H1): اوراق قرضه PF و CF بر اساس عوامل قیمت گذاری رایج قیمت گذاری متفاوتی دارند و، مانند اوراق قرضه CF، سرمایه گذاران در هنگام قیمت گذاری بخش های PF به عوامل دیگری غیر از رتبه بندی اعتباری تکیه می کنند.
اولین مطالعه تجربی کامل مقیاس PF، با مقایسه ویژگیهای مالی و همچنین عوامل تعیینکننده قیمتگذاری وام برای PF در مقابل وامهای سندیکایی غیر PF، توسط Kleimeier و Megginson (2000) ارائه شد . نویسندگان دریافتهاند که ویژگیهای مالی وامهای PF بهطور قابلتوجهی با اعتبارات غیر PF متفاوت است، و اسپرد وام PF به طور قابلتوجهی تحتتاثیر ریسک کشور، ریسک ارز ، و اگر تضمینی توسط شخص ثالث ارائه شود، میشود. با توجه به عوامل تعیین کننده قیمت اوراق قرضه PF، دیلمی و هاوسوالد (2003) قیمت گذاری 105 اوراق قرضه PF بازار نوظهور منتشر شده بین ژانویه 1993 و مارس 2002 را بررسی کردند و دریافتند که چارچوب های قانونی و نهادی کشور میزبان تأثیر مرتبطی بر اسپرد دارد. با توجه به ویژگیهای قراردادی، نویسندگان نشان میدهند که سررسید و رتبه اعتباری مهمترین عوامل تعیینکننده قیمتگذاری اوراق قرضه PF هستند، در حالی که اسپردها مبتنی بر صنعت هستند، که میتواند با ویژگیهای دارایی، ریسک تقاضا و هر ریسک خاص دیگری توضیح داده شود. دیلمی و هاوسوالد (2007) بر روی پروژه راس گاز تمرکز کرده و تأثیر سه قرارداد به هم پیوسته – قراردادهای خرید و فروش خروجی، قراردادهای اوراق قرضه و ضمانت خدمات بدهی توسط شرکت موبیل – بر اسپرد اوراق قرضه را با استفاده از تجزیه و تحلیل سری زمانی مطالعه کردند. . آنها نشان میدهند که عوامل ریسک با مدیریت معتبر – از طریق ساختار قراردادی SPE – بر اسپرد راس گاز تأثیر نمیگذارد و مهمترین متغیر توضیحی، اسپرد اعتباری خارجکننده است. 11 بونتی و همکاران. (2010) از مورد شرکت Quezon Power Ltd. برای بررسی تأثیر ریسک بالاتر طرف مقابل بر اسپرد اوراق قرضه Quezon استفاده کرد و متوجه شد که وخامت رتبه اعتباری شرکت خارج کننده باعث افزایش اسپرد پرداخت شده توسط Quezon Power می شود. برای بررسی متون دقیق در مورد عوامل تعیین کننده اسپرد برای وام های PF و اوراق قرضه صادر شده توسط شرکت های غیرمالی به بخش 1 پیوست آنلاین مراجعه کنید.
ادبیات تجربی موجود شواهدی از یک پدیده قیمت گذاری نادرست در بازارهای اوراق قرضه را نشان می دهد. لوئیس و همکاران (2021) شواهدی مبنی بر معامله اوراق بهادار خزانه داری با حق بیمه نسبت به اوراق قرضه شرکتی تضمین شده ایالات متحده با ریسک اعتباری مشابه ارائه می دهد. Wojtowicz (2014) و Cornaggia و همکاران. (2017) نشان می دهد که اوراق قرضه ساختاری ایالات متحده بازدهی بالاتری نسبت به اوراق قرضه شرکتی با رتبه مشابه نشان می دهد. برعکس، کووال و همکاران. (2009b) شواهدی را نشان میدهد که قسطهای تعهدات بدهی وثیقهشده ارشد (CDO) به طور قابلتوجهی بیش از حد قیمتگذاری شدهاند. برای بازار اروپا، مارکز و پینتو (2020) دریافتند که در حالی که بخشهای CDO اروپا، به طور متوسط، اسپرد بالاتری را نشان میدهند، اوراق بهادار با پشتوانه دارایی با درجه سرمایهگذاری (ABS) و اوراق بهادار با پشتوانه وام مسکن (MBS) معمولاً غرامت مشابه یا کمتری را ارائه میدهند. اوراق قرضه شرکتی مطابق با رتبه علاوه بر این، کوریا و پینتو (2022) نشان میدهند که بخشهای اوراق بهادار دارایی دارای اسپرد بالاتری نسبت به اوراق قرضه تحت پوشش قابل مقایسه و منطبق با رتبه هستند.
این اثر قیمت گذاری نادرست را می توان با دو رشته مختلف ادبیات توضیح داد. اولین استدلال میکند که از دست دادن اطلاعات در فرآیند تعیین رتبه اعتباری ممکن است منبعی برای قیمتگذاری نادرست باشد و اوراق بهادار مرتبط با بازار – به عنوان مثال، اوراق قرضه اوراق بهادار دارایی – باید اسپردهای بالاتری نسبت به اوراق بهادار با رتبه اعتباری یکسان ارائه کنند که بازده آنها دارای یک همبستگی کمتر با بازار – به عنوان مثال، اوراق قرضه شرکتی ( کووال و همکاران، 2009b ). به گفته برنان و همکاران. (2009) و کووال و همکاران، 2009a ، کووال و همکاران، 2009b ، اوراق قرضه مالی ساختاریافته دارای ریسکهای سیستماتیک بزرگی در مقابل اوراق بهادار مستقیم قابل مقایسه هستند که نسبتاً توسط رتبهبندی اعتباری نادیده گرفته میشوند – رتبهبندی اعتباری ساخته شده است تا فقط فیزیکی را منعکس کند. احتمالات پیش فرض (S&P) یا زیان های مورد انتظار (مودیز) ( Shivdasani and Wang، 2011 ؛ Wojtowicz، 2014 ). 12 بنابراین، انتظار می رود اوراق مالی ساختاریافته بازدهی بالاتری نسبت به اوراق قرضه شرکتی با رتبه مشابه داشته باشند. از سوی دیگر، فرضیه بازارهای مالی تقسیمبندی شده نشان میدهد که تقسیمبندی بازارهای مالی فرصتی را برای طراحی اوراق بهادار جدید برای دستیابی به پروفایلهای ریسک با بازده مورد نظر سرمایهگذاران ایجاد میکند که در دسترس هستند تا حق بیمه را نسبت به اوراق قرضه شرکتی مشابه پرداخت کنند. اولدفیلد، 2000 ؛ فندر و میچل، 2005 ). طبق گفته دافی و راهی (1995) و ریدیو (1997) ، تقسیمبندی بازارهای مالی ممکن است منجر به ظهور فرصتهای آربیتراژ شود که ممکن است توسط حامیان مالی هنگام طراحی اوراق بهادار مالی ساختاریافته مورد سوء استفاده قرار گیرد ( لوئیس و همکاران، 2021 ). دیمارزو (2005) ناقص بودن بازار و اطلاعات نامتقارن را به عنوان توضیحات اصلی برای تراشه در امور مالی ساختاریافته ارائه می دهد، یعنی زمانی که سرمایه گذاران ناهمگن اطلاعات خصوصی متفاوت و قابلیت های متفاوتی برای غربالگری سرمایه گذاران دارند. از آنجایی که اوراق قرضه PF نوعی امنیت مالی ساختاریافته است، فرضیه زیر را مطرح می کنیم:
فرضیه 2
(H2): اوراق قرضه PF و CF با رتبه مشابه دارای اسپردهای متفاوتی هستند.
ادبیات نظری قبلی فرض می کند که قرارداد PF با هدف ( i ) کاهش مشکلات اطلاعات نامتقارن طراحی شده است. ( ii ) کاهش تعارضات پرهزینه آژانس. ( iii ) حفظ انعطاف پذیری مالی حامیان مالی. ( IV ) افزایش سپر مالیاتی بهره. ( v ) و بهبود مدیریت ریسک (به عنوان مثال، شاه و تاکور، 1987 ؛ کنسینگر و مارتین، 1988 ؛ جان و جان، 1991 ؛ فلانری و همکاران، 1993 ؛ بریلی و همکاران، 1996 ؛ نویت و فابوزی ، 2001 . 2003 ، Esty، 2004a ، Esty، 2004b ؛ Gatti، 2008 ؛ An and Cheung، 2010 ).
یکی از انگیزه های ارائه شده توسط ادبیات نظری موجود برای شرکت هایی که از PF استفاده می کنند، کاهش هزینه های تامین مالی است. به گفته Brealey و همکاران. (1996) ، کلیمایر و مگینسون (2000) ، استی، 2003 ، استی، 2004a ، استی و کین (2010) ، و کوریلی و همکاران. (2010) ، ساختارهای قراردادی PF با کاهش هزینههای بینقص نقص و اصطکاک بازار و بهبود مدیریت ریسک، هزینههای تامین مالی را کاهش میدهند. علاوه بر این، PF می تواند هزینه بدهی را با کاهش تعداد دارایی های مشمول هزینه های مربوط به درماندگی مالی و ورشکستگی با جداسازی برخی از دارایی ها از ترازنامه آنها کاهش دهد ( کوریلی و همکاران، 2010 ). بنابراین ما پیشنهاد می کنیم:
فرضیه 3
(H3): معاملات اوراق قرضه PF هزینه وام کمتری نسبت به معاملات اوراق قرضه CF دارند.
با این حال، ادبیات تجربی قبلی متمرکز بر بازار وام سندیکایی شواهدی را ارائه میدهد که ساختار یک معامله PF گرانتر از جایگزینهای سنتی CF است ( کلین و همکاران، 1996 ؛ پینتو و سانتوس، 2019 ) به دلیل، حداقل تا حدی، به دلیل: ( 1 ) قانونی هزینه های مشاوره مالی، بیمه، حسابداری و مالی، مهندسی و زیست محیطی ( Esty and Kane, 2010 ). ( ii ) هزینه های ساختاری درگیر در یک پیوند نسبتاً گسترده، دقیق، بسیار محدود و پیچیده از قراردادها ( فابوزی و همکاران، 2006 ؛ گاتی و همکاران، 2013 ). ( iii ) ریسک اعتباری و سهام بالاتر، تا حدی به دلیل اهرم بیشتر ( Esty, 2004a , Esty, 2004b ). و ( IV ) پیچیدگی عملیاتی ( An and Cheung, 2010 ). این آرگومانها تأثیری معکوس با آنچه در H3 انتظار میرود خواهد داشت.
در سطح شرکت، Esty، 2003 ، Esty، 2004a ، Esty، 2004b چهار دلیل اصلی را برای اینکه چرا حامیان مالی استفاده از PF را انتخاب میکنند، ارائه میکند: ( 1 ) میتوان از آن برای کاهش تعارضات پرهزینه در داخل شرکتهای پروژه و در میان تامینکنندگان سرمایه استفاده کرد. انگیزه هزینه آژانس؛ ( ii ) به شرکتهایی که ظرفیت بدهی اضافی کمی دارند اجازه میدهد از هزینه فرصت سرمایهگذاری کم در پروژههای NPV مثبت اجتناب کنند – انگیزه سرریز بدهی ( Myers, 1977 ) 13 ; ( iii ) مدیریت ریسک – انگیزه مدیریت ریسک – را بهبود می بخشد، زیرا ترتیبات PF معمولاً به عنوان شبکه های گسترده و دقیق از قراردادها برای انتقال انواع ریسک های پروژه به طرف هایی که بهترین توانایی را برای ارزیابی و مدیریت آنها دارند، ساختار می دهند (Brealey et al . ، 1996 ؛ کوریلی و همکاران، 2010 )؛ و ( IV ) به کاهش سرمایه گذاری کم به دلیل مشکلات اطلاعات نامتقارن کمک می کند – انگیزه اطلاعات نامتقارن ( شاه و تاکور، 1987 ؛ کنسینگر و مارتین، 1988 ). پینتو و سانتوس (2019) نشان میدهند که اصطکاک اطلاعاتی و هزینههای انتشار بر انتخاب شرکتهای غیرمالی اروپایی از معاملات مالی ساختاریافته، یعنی اوراق بهادار دارایی و PF تأثیر میگذارد. هاینز و کلیمایر (2012) رابطه منفی بین نسبت اهرم صنعت و استفاده از PF پیدا کردند. سوبرامانیان و تونگ (2016) اشاره می کنند که تغییرات در حمایت از سرمایه گذار اثرات بیشتری در صنایع با هزینه نمایندگی بالاتر جریان نقدی آزاد در مقابل صنایع دارای دارایی مشهود دارد.
نمونه ما شامل پیشنهادهای اوراق قرضه منفرد است که از DCM Analytics استخراج شده است و دوره 1993-2020 را پوشش می دهد. اگرچه اطلاعاتی در مورد انواع مختلف اوراق قرضه موجود است، ما فقط اوراقی را شامل میشویم که دارای کد نوع معامله «درجه سرمایهگذاری اوراق قرضه شرکتی» و «با بازده اوراق قرضه شرکتی بالا» هستند. DCM Analytics کد نوع معامله “اوراق مالی پروژه” را ندارد، بنابراین ما اوراق قرضه ای را که استفاده از درآمد حاصل از آنها (یعنی کد هدف اولیه اوراق) “مالی پروژه” است به عنوان اوراق قرضه PF طبقه بندی کردیم. اوراق قرضه باقی مانده به عنوان اوراق قرضه CF طبقه بندی شدند. برای داشتن نمونه ای قابل مقایسه تر و جلوگیری از مشکلات سوگیری انتخاب، ما فقط اوراق قرضه CF را انتخاب کردیم که صنعت و کشور صادرکننده حداقل یک سابقه انتشار اوراق قرضه PF برای آنها دارند. ما همچنین نیاز داریم که اوراق بهادار اطلاعات موجود در مورد اندازه و اندازه تراکنش را داشته باشند و بر اوراق قرضه PF که هدف آنها تامین مالی سرمایهگذاریها یا پروژههای جدید است، تمرکز کنند. بنابراین، ما با DCM Analytics تأیید کردیم که نمونه PF ما به معاملات انجام شده توسط یک شرکت خودرو اشاره دارد و اوراق قرضه ایجاد شده برای تامین مالی مجدد SPE های موجود را حذف می کند. از آنجایی که PF روشی برای تامین مالی پروژههای دارای دارایی مشهود و سرمایه فشرده است، با استفاده از تامین مالی میانمدت تا بلندمدت، اوراق بهادار با سررسید کمتر از 1 سال را حذف میکنیم. در نهایت، ما اوراق قرضه با هدف اصلی زیر را حذف می کنیم: بدهکار در تملک، سرمایه در گردش، و تامین مالی خروج.
از آنجایی که واحد مشاهده یک ترانشه واحد است، چندین تراشه از یک تراکنش PF به عنوان مشاهدات جداگانه در پایگاه داده ما ظاهر می شود. بنابراین، ما دادههای سطح ترانشه (به عنوان مثال، اسپرد، سررسید و رتبهبندی) را به منظور انجام تحلیل سطح معامله در بخش 5 جمعآوری میکنیم . برای انجام این کار، ما نیاز داریم که هدف اولیه هر اوراق برای هر معامله خاص یکسان باشد و مجموع همه اوراق در بسته برابر با مبلغ معامله باشد.
همانطور که میخواهیم نحوه مقایسه اسپردها و فرآیندهای قیمتگذاری روی اوراق قرضه PF با اوراق قرضه CF با رتبه مشابه را تجزیه و تحلیل کنیم، از نمونه کامل خود آن دسته از مواردی را انتخاب میکنیم که اطلاعات لازم برای محاسبه اسپرد را دارند. ما فقط بخش های اوراق قرضه طبقه بندی شده به عنوان اوراق با نرخ ثابت با اطلاعات بازده تا سررسید را شامل می شود. اوراق قرضه دائمی، اوراق قرضه با ویژگی های اضافی مانند افزایش، سقف، یا کف، و اوراق قرضه طبقه بندی شده به عنوان “نرخ ثابت قابل تبدیل به نرخ شناور اسکناس”، “نرخ ثابت قابل تنظیم”، و “نرخ ثابت قابل تمدید” مستثنی هستند. برای به حداکثر رساندن نرخ بقا، ما در Datastream اطلاعات بازده تا سررسید اوراق قرضه با مقادیر گمشده را جستجو می کنیم. از آنجایی که DCM Analytics و Datastream یک کد شناسایی مشترک ندارند، ما نام وام گیرندگان را با هم مطابقت می دهیم. در نهایت، برای در نظر گرفتن موارد پرت ممکن، دادهها را برای اندازه، سررسید و اسپرد در سطوح 1% و 99% برنده میکنیم.
این صفحات نمونه ای از 47196 اوراق قرضه (36551 تراکنش) به ارزش 17218.1 میلیارد دلار به دست می دهند که از این تعداد 763 ترانش (516 تراکنش) به ارزش 282.7 میلیارد یورو به عنوان اوراق قرضه PF و 46433 ترانش (36,035 تراکنش 36,035، 3.9 میلیارد یورو) به ارزش 3.9 میلیارد دلار اوراق قرضه طبقه بندی می شوند. پانل A از جدول 1 توزیع صنعتی نمونه کامل اوراق قرضه را ارائه می دهد، در حالی که پانل B جزئیات تخصیص اوراق به SPE (برای اوراق قرضه PF) یا صادرکنندگان (برای اوراق قرضه CF) در یک کشور خاص را ارائه می دهد. پانل A تفاوت های قابل توجهی را بین انتشار اوراق قرضه PF و CF نشان می دهد و نشان می دهد که اوراق قرضه PF در چهار صنعت کلیدی متمرکز شده اند. به عنوان مثال، شرکت های آب و برق (41.97%)، نفت و گاز (24.21%)، حمل و نقل (11.85%)، و ساخت و ساز/مهندسی سنگین (5.43%) 83.5% از کل انتشار اوراق قرضه PF را تشکیل می دهند. انتشار اوراق قرضه CF الگوی صنعتی بسیار کمتری را نشان می دهد که صادرکنندگان در صنایع آب و برق (14.86٪)، ارتباطات (12.13٪)، ماشین آلات و تجهیزات (11.54٪)، و خدمات (10.93٪) درصدهای بالاتری را دریافت می کنند. پانل B شباهت های قابل توجهی را بین صدور PF و CF نشان می دهد. اوراق قرضه PF و CF در دو منطقه متمرکز شدهاند، با ناشران مستقر در آمریکای شمالی و اروپا به ترتیب 76.5% و 80.9% از کل انتشار PF و CF بر حسب حجم را تشکیل میدهند. شايد قابل توجه ترين تفاوت اين است كه مكرراً معاملات PF به پروژه هاي آمريكاي لاتين، خاورميانه و استراليا در مقابل معاملات CF تعميم داده مي شود. در مقابل، در حالی که شرکت های چینی 7.92 درصد از اوراق قرضه CF را منتشر می کنند، SPE ها تنها 2.31 درصد از انتشار PF را تشکیل می دهند. پانل C اطلاعاتی را در رابطه با شناسایی بزرگترین بازیگران و اهمیت نسبی آنها در بازارهای اوراق قرضه PF و CF ارائه می دهد (برای جزئیات بیشتر در مورد 10 معامله برتر PF بر اساس اندازه تراکنش به جدول 2 در پیوست آنلاین مراجعه کنید)، در حالی که پانل D 10 معامله برتر را رتبه بندی می کند. کتابداران بر اساس ارزش و تعداد معاملات. 10 صادرکننده برتر اوراق قرضه PF و CF وزن متفاوتی از نظر ارزش معاملات داشتند: در حالی که 10 SPE برتر 16.4٪ از کل بخش های نمونه ما را منتشر می کنند، 10 صادرکننده برتر اوراق قرضه CF تنها مسئول 4.2٪ از انتشار اوراق هستند. پانل D نشان می دهد که 10 شرکت برتر اوراق قرضه PF و CF به ترتیب در وزن 93.1% و 92.0% از کل انتشار بر حسب حجم مشارکت دارند. جالب است بدانید که تنها 2 بانک (RBC Capital Markets و Deutsche Bank) در 10 بانک برتر برای PF هستند اما برای انتشار اوراق قرضه CF نه.
جدول 1 . توزیع صنعتی و جغرافیایی و صادرکنندگان برتر و کتابفروشان.
| پانل A: توزیع صنعتی | ||||||
|---|---|---|---|---|---|---|
| دسته صنعتی صادرکننده | اوراق قرضه تامین مالی پروژه | اوراق قرضه مالی شرکتی | ||||
| تعداد اوراق قرضه | ارزش کل (میلیون دلار) | درصد ارزش کل | تعداد اوراق قرضه | ارزش کل (میلیون دلار) | درصد ارزش کل | |
| تجاری و صنعتی | ||||||
| کشاورزی، جنگلداری و ماهیگیری | 2 | 525 | 0.19٪ | 885 | 244,570 | 1.44٪ |
| ارتباطات | 33 | 11239 | 3.97٪ | 3,836 | 2,053,958 | 12.13٪ |
| ساخت و ساز/مهندسی سنگین | 59 | 15,359 | 5.43٪ | 4,162 | 1,053,221 | 6.22٪ |
| تولید | ||||||
| مواد شیمیایی، پلاستیک و لاستیک | 6 | 3,380 | 1.20٪ | 1641 | 554,985 | 3.28٪ |
| غذا و نوشیدنی | 1 | 1000 | 0.35٪ | 1,946 | 748,540 | 4.42٪ |
| دستگاه ها و تجهیزات | 9 | 3,387 | 1.20٪ | 4,408 | 1,955,066 | 11.54% |
| فولاد، آلومینیوم و سایر فلزات | 1 | 175 | 0.06٪ | 1,314 | 403,651 | 2.38٪ |
| دیگر | 2 | 73 | 0.03٪ | 1602 | 579,175 | 3.42٪ |
| معدن و منابع طبیعی | 17 | 3,238 | 1.15٪ | 847 | 391,875 | 2.31٪ |
| نفت و گاز | 118 | 68,447 | 24.21٪ | 3,386 | 1,618,532 | 9.56٪ |
| مشاور املاک | 39 | 12,845 | 4.54٪ | 4,124 | 1,066,607 | 6.30٪ |
| تجارت واقعی | 5 | 738 | 0.26٪ | 1,475 | 580250 | 3.43٪ |
| خدمات | 28 | 5,877 | 2.08٪ | 4591 | 1,851,508 | 10.93٪ |
| خدمات رفاهی | 330 | 118662 | 41.97٪ | 7,837 | 2,516,095 | 14.86٪ |
| حمل و نقل | 94 | 33,504 | 11.85٪ | 3,629 | 1,078,324 | 6.37٪ |
| مدیریت دولتی/دولت | 18 | 4,196 | 1.48٪ | 21 | 5,114 | 0.03٪ |
| دیگر | 1 | 100 | 0.04٪ | 729 | 233,859 | 1.38٪ |
| جمع | 763 | 282745 | 100.00% | 46,433 | 16,935,330 | 100.00% |
| پانل B: توزیع جغرافیایی | ||||||
| موقعیت جغرافیایی صادرکننده | اوراق قرضه مالی پروژه | اوراق قرضه مالی شرکتی | ||||
| تعداد اوراق قرضه | ارزش کل (میلیون دلار) | درصد ارزش کل | تعداد اوراق قرضه | ارزش کل (میلیون دلار) | درصد ارزش کل | |
| آمریکای شمالی | 391 | 152,450 | 53.92٪ | 22,117 | 8,845,470 | 52.23٪ |
| ایالات متحده | 244 | 108729 | 38.45٪ | 19654 | 8,011,426 | 47.31٪ |
| کانادا | 99 | 25967 | 9.18٪ | 1,877 | 630,372 | 3.72٪ |
| انگلستان | 76 | 42052 | 14.87٪ | 5,463 | 3,219,262 | 19.01٪ |
| اروپای غربی | 51 | 14,330 | 5.07٪ | 2,337 | 1,109,361 | 6.55٪ |
| اروپای شرقی | 10 | 4681 | 1.66٪ | 337 | 176738 | 1.04٪ |
| اروپای شمالی | 9 | 2,826 | 1.00٪ | 1,733 | 348,118 | 2.06٪ |
| خاورمیانه | 14 | 11,045 | 3.91٪ | 292 | 161,359 | 0.95٪ |
| قطر | 7 | 5,630 | 1.99٪ | 21 | 15,223 | 0.09٪ |
| آفریقای جنوبی | 3 | 3250 | 1.15٪ | 94 | 31218 | 0.18٪ |
| جنوب شرقی آسیا | 64 | 18593 | 6.58٪ | 7602 | 1,676,338 | 9.90٪ |
| چین | 31 | 6,527 | 2.31٪ | 6,174 | 1,340,691 | 7.92٪ |
| مالزی | 13 | 6575 | 2.33٪ | 112 | 26,245 | 0.15٪ |
| استرالیا | 36 | 12,049 | 4.26٪ | 677 | 218,146 | 1.29٪ |
| آمریکای لاتین | 99 | 17,552 | 6.21٪ | 1,849 | 341,671 | 2.02٪ |
| برزیل | 61 | 6998 | 2.48٪ | 1,359 | 235,825 | 1.39٪ |
| شیلی | 11 | 3675 | 1.30٪ | 165 | 61,709 | 0.36٪ |
| دیگر | 10 | 3,917 | 1.39٪ | 3,932 | 807,649 | 4.77٪ |
| جمع | 763 | 282745 | 100.00% | 46,433 | 16,935,330 | 100.00% |
| پانل C: 10 صادرکننده برتر | |||||
|---|---|---|---|---|---|
| اوراق قرضه مالی پروژه | اوراق قرضه مالی شرکتی | ||||
| سلول خالی | بر اساس ارزش معاملات | بر اساس تعداد معاملات | سلول خالی | بر اساس ارزش معاملات | بر اساس تعداد معاملات |
| Sabine Pass Liquefaction LLC | 4.37٪ | 1.18٪ | شرکت راه آهن چین | 0.69٪ | 0.16٪ |
| تراست تامین مالی پروژه Pemex | 2.23٪ | 0.92٪ | BP Capital Markets plc | 0.60٪ | 0.25٪ |
| مشارکت شمال غرب Redwater | 1.76٪ | 1.70٪ | بی ام و فاینانس | 0.40٪ | 0.15٪ |
| Pemex Finance Ltd | 1.72٪ | 2.10٪ | IBM | 0.39٪ | 0.16٪ |
| شرکت کالپین | 1.23٪ | 1.05٪ | Telefonica Emisiones SAU | 0.39٪ | 0.12٪ |
| NGPL PipeCo LLC | 1.06٪ | 0.39٪ | جان دیر کپیتال شرکت | 0.37٪ | 0.29٪ |
| Iberdrola International BV | 1.05٪ | 0.39٪ | GE Capital | 0.35٪ | 0.09٪ |
| تراست فرودگاه مکزیکوسیتی | 0.99٪ | 0.26٪ | شرکت AT&T | 0.35٪ | 0.09٪ |
| Gatwick Funding Ltd | 0.99٪ | 0.79٪ | Électricité de France، SA | 0.34٪ | 0.12٪ |
| Cheniere Corpus Christi Holdings | 0.97٪ | 0.26٪ | پترولئوس مکزیکانوس | 0.32٪ | 0.17٪ |
| پانل D: 10 کتابگردان برتر | |||||
| اوراق قرضه مالی پروژه | اوراق قرضه مالی شرکتی | ||||
| بر اساس ارزش معاملات | بر اساس تعداد معاملات | بر اساس ارزش معاملات | بر اساس تعداد معاملات | ||
| شرکت سیتی گروپ | 34.56٪ | 34.86٪ | شرکت سیتی گروپ | 45.51٪ | 38.72٪ |
| بانک توکیو میتسوبیشی | 17.83٪ | 13.00٪ | بانک آمریکا مریل لینچ | 12.02٪ | 12.15٪ |
| بانک آمریکا مریل لینچ | 10.40٪ | 9.31٪ | بانک توکیو میتسوبیشی | 9.99٪ | 9.58٪ |
| جی پی مورگان | 9.51٪ | 9.01٪ | جی پی مورگان | 9.63٪ | 9.75٪ |
| Crédit Agricole CIB | 6.23٪ | 4.28٪ | HSBC | 3.83٪ | 3.27٪ |
| HSBC | 4.56٪ | 5.91٪ | Crédit Agricole CIB | 2.90٪ | 1.92٪ |
| بارکلی | 2.89٪ | 3.40٪ | BNP Paribas | 2.73٪ | 2.02٪ |
| کردیت سوئیس | 2.86٪ | 3.25٪ | بارکلی | 2.05٪ | 2.19٪ |
| بازارهای سرمایه RBC | 2.37٪ | 4.28٪ | کردیت سوئیس | 1.79٪ | 4.56٪ |
| بانک دویچه | 1.93٪ | 0.89٪ | گلدمن ساکس | 1.58٪ | 2.08٪ |
| پانل E: اوراق قرضه طبقه بندی شده بر اساس هدف | |||||
| دسته بندی | تعداد اوراق قرضه | ارزش کل (میلیون دلار) | درصد ارزش کل | ||
| تامین مالی پروژه | 763 | 466,016 | 1.66٪ | ||
| امور مالی شرکتی | 46,433 | 27,531,764 | 98.34٪ | ||
| کنترل شرکتی | 3,563 | 3,420,012 | 12.22% | ||
| ساختار سرمایه | 9,501 | 4,697,166 | 16.78٪ | ||
| مبتنی بر دارایی ثابت | 1,895 | 880986 | 3.15٪ | ||
| هدف کلی شرکت | 31,474 | 18,533,600 | 66.20٪ | ||
پانل A توزیع صنعتی اوراق قرضه را توصیف می کند، در حالی که پانل B جزئیات تخصیص اوراق به ناشران در یک کشور خاص را شرح می دهد. پانل C اطلاعاتی در مورد بزرگترین بازیگران و اهمیت نسبی آنها در بازارهای اوراق قرضه PF و CF ارائه می دهد، در حالی که پانل D 10 شرکت برتر را بر اساس ارزش و تعداد معاملات رتبه بندی می کند. در نهایت، پانل E نمونه ما را در هر هدف اولیه باند، به دنبال استراتژی طبقه بندی ارائه شده توسط کلیمایر و مگینسون (2000) تجزیه می کند . رده اوراق قرضه کنترل شرکتی شامل اوراق قرضه با هدف اصلی خریدهای مالی، خریدهای اهرمی ، خریدهای مدیریتی یا اسپین آف است. اوراق قرضه ساختار سرمایه برای تامین مالی مجدد، افزایش سرمایه، بازپرداخت بدهی یا خرید اوراق بهادار منتشر می شود. اوراق قرضه مبتنی بر دارایی ثابت برای مخارج سرمایه عمومی یا تأمین مالی خرید هواپیما، اموال یا حمل و نقل در نظر گرفته شده است. معاملات با هدف کلی شرکتی، معاملاتی هستند که برای اهداف شرکتی، سرمایه گذاری، امور مالی عمومی، تحقیق و توسعه و همچنین اوراق قرضه بدون شرح هدف اولیه تنظیم می شوند. دادهها مربوط به اوراق قرضه با اسپرد و مقدار ترانشه/معامله موجود است که توسط ناشران جهانی در طول دوره 1993-2020 بسته شده است.
اوراق قرضه CF با توجه به هدف اولیه خود به 4 دسته طبقه بندی شدند، به دنبال Kleimeier و Megginson (2000) . 14 پانل E جدول 1 نشان می دهد که بخش بزرگی از اوراق قرضه CF به عنوان اوراق قرضه با هدف عمومی (62٪) و پس از آن ساختار سرمایه (16٪) و کنترل شرکت (12٪) با درصدهای نسبتاً مشابه طبقه بندی می شوند. در نهایت، با اندازه کوچکتر، دسته مبتنی بر دارایی ثابت است، مقولهای که بیشترین شباهت را به تامین مالی پروژه دارد، زیرا هر دو برای تامین مالی داراییهای در مقیاس بزرگ استفاده میشوند.
جدول 2 تعاریف و منابع دقیقی را برای همه متغیرهای مورد استفاده و همچنین تأثیر مورد انتظار متغیرهای توضیحی بر اسپرد اوراق قرضه ارائه می دهد. بحثی از ادبیات تجربی موجود در مورد عوامل تعیین کننده وام PF و اسپرد اوراق قرضه شرکتی و آمار توصیفی خلاصه به ترتیب در بخش های 1 و 3 پیوست آنلاین ارائه شده است.
جدول 2 . تعریف متغیرها، منابع و تأثیر مورد انتظار بر گسترش اعتبار.
| نام متغیر | تعریف متغیر | منبع | تاثیر مورد انتظار بر گسترش | |
|---|---|---|---|---|
| اوراق قرضه PF | اوراق قرضه CF | |||
| متغیرهای وابسته: | ||||
| گسترش | حاشیه به دست آمده توسط اوراق بهادار در هنگام انتشار بالاتر از معیار مربوط به ارز خزانه با سررسید قابل مقایسه (OAS). ما فقط بخش های اوراق قرضه طبقه بندی شده به عنوان اوراق با نرخ ثابت با اطلاعات بازده تا سررسید را شامل می شود. | تجزیه و تحلیل DCM | ||
| انتخاب بدهی | اگر شرکت یک معامله PF را ببندد، ساختگی برابر با 1 و اگر در عوض، معامله CF را ببندد، 0 است. | نویسندگان | ||
| متغیرهای مستقل: | ||||
| مشخصات قراردادی | ||||
| دارای رتبه | اگر اوراق دارای رتبه اعتباری از سوی S&P یا Moody’s باشد، ساختگی برابر با 1 و در غیر این صورت 0 است. | تجزیه و تحلیل DCM | – | – |
| رتبه بندی | رتبه بندی اوراق قرضه بر اساس رتبه بندی S&P و مودیز در زمان انتشار اوراق قرضه. رتبه بندی به صورت زیر تبدیل می شود: AAA = Aaa = 1، AA + = Aa1 = 2، و به همین ترتیب تا D = 22. | تجزیه و تحلیل DCM | + | + |
| اختلاف رتبه بندی | اگر S&P و Moody’s رتبه اعتباری متفاوتی را برای یک ترانشه اختصاص دهند، ساختگی برابر با 1 و در غیر این صورت 0 است. | تجزیه و تحلیل DCM | + | + |
| بلوغ | سررسید اوراق، در سال. | تجزیه و تحلیل DCM | NL/ + | + |
| اندازه معامله | اندازه تراکنش اوراق قرضه، که به عنوان مجموع تمام بخشهای هر معامله/تراکنش محاسبه میشود. اندازه تراکنش در صورت لزوم به میلیون دلار تبدیل می شود. | تجزیه و تحلیل DCM | – | – |
| تابع | ساختگی برابر با 1 برای ترانشه هایی که تابع هستند و 0 در غیر این صورت. | تجزیه و تحلیل DCM | + | + |
| تعداد تراشه ها | تعداد تراشه ها در هر تراکنش. | تجزیه و تحلیل DCM | – | + |
| ریسک ارز | ساختگی برابر با 1 برای اوراق قرضه ای است که بر اساس واحد پولی متفاوت از واحد پولی موجود در تابعیت معامله هستند و 0 در غیر این صورت. | تجزیه و تحلیل DCM | + | + |
| تعداد بانک ها | تعداد مؤسسات مالی شرکت کننده در انتشار اوراق قرضه، به عنوان صاحبان کتاب، پذیره نویس یا خدمات دهنده. | تجزیه و تحلیل DCM | – | – |
| شهرت بانک | کتابرانرها بر اساس جدولهای لیگ تامسون رویترز رتبهبندی میشوند. رتبه ها از 1 (بدترین) تا 25 (بهترین) متغیر است. | تامسون رویترز DMI | – | – |
| وثیقه شده | اگر اوراق قرضه دارای وثیقه باشد، ساختگی برابر با 1 و در غیر این صورت 0 است. | تجزیه و تحلیل DCM | + | + |
| هزینه مدیریت | کارمزد (بر حسب واحد بر ثانیه) که به صورت دوره ای به سندیکاهای بانکی پرداخت می شود. | تجزیه و تحلیل DCM | + | + |
| گسترش ناخالص | اسپرد ناخالص (بر حسب واحد بر ثانیه) در هر ترانشه که توسط bookrunner ارائه شده است. | تجزیه و تحلیل DCM | + | + |
| قابل تماس | اگر اوراق دارای اختیار خرید باشد، ساختگی برابر با 1 و در غیر این صورت 0 است. | تجزیه و تحلیل DCM | + | + |
| ویژگی های شرکت | ||||
| ثبت کل دارایی ها | لگاریتم طبیعی کل دارایی های شرکت با میلیون دلار اندازه گیری شد. | جریان داده ها | – | – |
| بدهی به کل دارایی ها | نسبت کل بدهی به کل دارایی ها. | جریان داده ها | + | + |
| دارایی های ثابت به کل دارایی ها | نسبت دارایی های ثابت به کل دارایی ها. دارایی های ثابت شامل اموال، ماشین آلات و تجهیزات است. | جریان داده ها | – | – |
| بازار به کتاب | مجموع ارزش دفتری بدهی ها و ارزش بازار حقوق صاحبان سهام تقسیم بر ارزش دفتری دارایی ها. | جریان داده ها | – | – |
| بازگشت دارایی | درآمد خالص قبل از سود سهام ترجیحی منهای سود سهام ترجیحی، تقسیم بر کل دارایی ها. | جریان داده ها | – | – |
| ورود به سیستم Z -score | امتیاز Z لگاریتم آلتمن (1993) . امتیاز Z آلتمن به صورت Z = 1.2 (سرمایه در گردش/کل دارایی ها) + 1.4 (درآمد انباشته/کل دارایی ها) + 3.3 (درآمد قبل از بهره و مالیات/کل دارایی) + 0.6 (ارزش بازار حقوق صاحبان سهام/ارزش دفتری حقوق صاحبان سهام) محاسبه می شود. ) + 0.999 (فروش خالص/کل دارایی). | جریان داده ها | – | – |
| FCF به کل دارایی ها | نسبت جریان نقدی آزاد به کل دارایی ها. | جریان داده ها | – | – |
| عوامل کلان اقتصادی | ||||
| مبتنی بر بازار | اگر وام به وام گیرنده ای که در کشوری با سیستم مالی مبتنی بر بازار قرار دارد اعطا شود، ساختگی برابر با 1 و در غیر این صورت 0 است. | دمیرگوچ کونت و ماکسیموویچ (2002) | + | + |
| حقوق بستانکار | با استفاده از La Porta و همکاران اندازه گیری شد. (1998) شاخص ها. ما از چهار متغیر حقوق بستانکار استفاده می کنیم (عدم ماندن خودکار در دارایی ها؛ اعتباردهندگان تضمین شده ابتدا پرداخت می شوند؛ محدودیت هایی برای رفتن به سازماندهی مجدد؛ مدیریت در سازماندهی مجدد باقی نمی ماند) و امتیازها را برای ایجاد یک شاخص مانند Esty و Megginson (2003) جمع می کنیم . | لا پورتا و همکاران (1998) | – | – |
| اجرا | با استفاده از La Porta و همکاران اندازه گیری شد. (1998) شاخص ها. ما از پنج متغیر اجرایی (کارآمدی سیستم قضایی، حاکمیت قانون، فساد، خطر سلب مالکیت، خطر انکار قرارداد) استفاده می کنیم و امتیازها را برای ایجاد یک شاخص جمع می کنیم. | لا پورتا و همکاران (1998) | – | – |
| ریسک کشور | رتبه اعتباری کشور مودیز به پایان رسید. رتبه بندی به صورت زیر تبدیل می شود: Aaa = 1، Aa1 = 2، و به همین ترتیب تا C = 22. | رتبه جهانی مودیز | + | + |
| نوسان | شاخص نوسانات مبادله گزینه های هیئت مدیره شیکاگو (VIX). VIX تخمین بازار از نوسانات آتی را منعکس می کند. | جریان داده ها | + | + |
| USTB5y-USTB3m | شیب منحنی سوآپ وزارت خزانه داری آمریکا. به عنوان تفاوت بین بازده اوراق قرضه پنج ساله خزانه داری ایالات متحده و بازده اسناد خزانه 3 ماهه ایالات متحده به دست می آید. | جریان داده ها | – | – |
| بحران مالی | اگر تاریخ بسته شدن در دوره بحران مالی 2007-2008 (15 سپتامبر 2008 – 31 دسامبر 2014) باشد، ساختگی برابر با 1 و در غیر این صورت 0 است. | نویسندگان | + | + |
| بحران حاکمیتی | اگر تاریخ بسته شدن در دوره بحران بدهی دولتی (24 آوریل 2010 – 31 دسامبر 2016) باشد، ساختگی برابر با 1 و در غیر این صورت 0 است. | نویسندگان | + | + |
معنی کاراکترها: – = تاثیر منفی بر اسپرد اعتبار | + = تأثیر مثبت بر اسپرد اعتبار | NL = نه خطی |.
اسپرد مربوط به قیمت ریسک مربوط به اوراق قرضه در هنگام انتشار است، که به عنوان حاشیه به دست آمده توسط اوراق بهادار مورد بحث بالاتر از معیار مربوط به ارز خزانه با سررسید قابل مقایسه تعریف می شود – اسپرد تعدیل شده اختیار (OAS). ما از OAS استفاده میکنیم زیرا این معیار رایجترین معیاری است که توسط واسطههای مالی برای تصحیح اسپرد بازده عادی برای گزینههای تعبیهشده استفاده میشود.
رتبه بندی اعتباری یک عامل تعیین کننده اصلی اسپرد اوراق قرضه CF است (به عنوان مثال، Collin-Dufresne et al., 2001 ; Elton et al., 2001 ; Hull et al., 2004 ; Titman et al., 2004 ; Longstaff et al., 2005 ). . بخش های اوراق قرضه در مطالعه ما حداقل دارای یک رتبه اعتباری است که توسط S&P یا Moody’s تخصیص داده شده است که به صورت زیر تبدیل می شود: AAA = Aaa = 1، AA+ = Aa1 = 2، و به همین ترتیب تا D = 21 (گابی و سیرونی، 2005 ؛ Cornaggia . و همکاران، 2017 ). اگر یک بخش دارای دو رتبه اعتباری باشد، ما میانگین را محاسبه می کنیم. مقیاسهای رتبهبندی مقیاسهای معکوس هستند، بنابراین انتظار داریم با کاهش رتبهبندی، اسپرد افزایش یابد. از آنجایی که برخی از اوراق بهادار رتبه بندی نمی شوند، در صورتی که اوراق دارای رتبه اعتباری از سوی S&P و/یا Moody’s باشد، متغیر ساختگی رتبه بندی شده برابر با 1 و در غیر این صورت 0 است. برای بررسی اینکه آیا رتبهبندی متفاوتی که توسط S&P و Moody’s نسبت داده میشود تأثیر آماری معنیداری بر اسپرد اعتبار دارد، مانند گابی و سیرونی (2005) و مارکز و پینتو (2020) از یک متغیر ساختگی – ناسازگاری رتبه – برابر با یک استفاده میکنیم. دو درجه بندی دارای یک مقدار معادل عددی متفاوت و در غیر این صورت صفر هستند. ما انتظار داریم که عدم تطابق آژانسهای رتبهبندی منجر به اسپرد بالاتری شود که نشاندهنده درجه بالاتری از عدم اطمینان در مورد ریسک پیشفرض معامله است.
به طور گسترده توافق شده است که اوراق قرضه با سررسید طولانی تر از اوراق قرضه با سررسید کوتاه تر ریسک بیشتری دارند. بنابراین، سرمایه گذاران معمولاً برای اوراق بهادار بلندمدت، حق بیمه بیشتری را طلب می کنند. دیلمی و هاوسوالد (2003) رابطه مثبتی بین اسپرد و سررسید برای اوراق قرضه PF صادر شده برای تامین مالی پروژه های مقیاس بزرگ در کشورهای در حال توسعه یافتند. برای بدهی مالی ساختاریافته، نتایج گزارششده نشان میدهد که تأثیر سررسید بر اسپرد غیرخطی است ( Sorge and Gadanecz, 2008 ؛ Marques and Pinto, 2020 ). بنابراین، علاوه بر کنترل سررسید ، لگاریتم سررسید را در رگرسیونهای چندگانه پایه خود بهعنوان جانشینی برای هر رابطه غیرخطی بین اسپرد اعتبار و سررسید مشخص کردیم.
اندازه انتشار یک CB، ceteris paribus است که به طور مثبت با عدم قطعیت کمتر و نقدینگی بالاتر نسبت به پیشنهادات کوچکتر مرتبط است ( گابی و سیرونی، 2005 ؛ چن و همکاران، 2007 ؛ سورج و گادانکز، 2008 ). به طور مشابه، Buscaino و همکاران. (2012) یافته است که اندازه معامله تأثیر منفی بر گسترش اوراق قرضه اوراق بهادار دارد . بنابراین ما انتظار داریم که مسائل بزرگتر اسپرد کمتری را نشان دهند. ما از دو متغیر برای کنترل تفاوتهای ریسک موجود در بخشهای مختلف معامله استفاده میکنیم. اول، متغیر ساختگی فرعی ، که برای ترانشه هایی که تابع هستند برابر با یک است. ما انتظار داریم که اوراق قرضه تابعه دارای اسپرد بالاتری نسبت به اوراق قرضه ارشد باشد. دوم، همانطور که در کامینگ و همکاران. (2019) ، ما از تعداد ترانشه ها استفاده می کنیم . ما انتظار داریم که این نسبت تأثیر مثبتی بر اسپرد اوراق قرضه CF داشته باشد، اما یک رابطه منفی برای اوراق قرضه PF داشته باشد.
ما انتظار داریم که بخش هایی که در معرض ریسک ارزی قرار دارند ، دارای اسپردهای بالاتری نسبت به آنهایی باشند که نیستند. مشارکت بانک با تعداد بانکهایی که از معامله حمایت میکنند اندازهگیری میشود و ما انتظار داریم که یک رابطه منفی برای اسپرد اوراق قرضه PF و CF وجود داشته باشد ( صوفی، 2007 ). برای دریافت تفاوتهای بیشتر در سندیکاهای بانکی، ما همچنین اعتبار بانک را کنترل میکنیم که بر اساس رتبهبندی سالانه تامسون رویترز EMEA محاسبه میشود. از آنجایی که مشارکت بانکهایی با شهرت بالاتر ممکن است عدم تقارن اطلاعاتی را کاهش دهد ، ما انتظار داریم یک رابطه منفی بین شهرت بانک و اسپرد وجود داشته باشد ( کارا و همکاران، 2016 ). در نهایت، ما متغیر ساختگی قابل فراخوانی را لحاظ میکنیم و انتظار داریم که معرفی یک اختیار خرید در هر دو اوراق قرضه PF و CF باعث افزایش اسپرد شود.
ادبیات موجود استدلال میکند که قوانین و نهادهای کشورهای مختلف بر توسعه واسطههای مالی، قراردادهای مالی و هزینه وامگیری تأثیر میگذارند ( لا پورتا و همکاران، 1997 ، لا پورتا و همکاران، 1998 ؛ استی و مگینسون، 2003 ؛ بوبکری و غوما، 2010 ؛ گاتی و همکاران، 2013 ). هاینز و کلیمایر (2012) و سوبرامانیان و تونگ (2016) نشان می دهند که ریسک سیاسی و حقوق طلبکار با استفاده از PF همبستگی مثبت دارند. از آنجایی که حمایت قویتر از سرمایهگذار و قوانین افشای شفافتر و شفافتر، اطلاعات نامتقارن و هزینههای نمایندگی را کاهش میدهد، انتظار داریم که حقوق بستانکار و سطح اجرای آن تأثیر منفی بر اسپرد اوراق قرضه PF و CF داشته باشد.
برای بررسی اینکه آیا نوع سیستم مالی بر قیمت گذاری و هزینه استقراض تأثیر می گذارد یا خیر، از یک متغیر شاخص استفاده می کنیم که ارزش 1 را برای اوراق قرضه صادر شده توسط وام گیرندگان در سیستم های مالی مبتنی بر بازار می گیرد. از آنجایی که دسترسی به تامین مالی بدهی یک موضوع اصلی در PF است، ما انتظار داریم که نوع سیستم مالی بر قیمت گذاری اوراق قرضه گسترش یافته به چنین معاملاتی تاثیر بگذارد. علاوه بر این، از آنجایی که بانکها از مزایای نسبی در کاهش مشکلات اطلاعات نامتقارن با نظارت دقیقتر وامگیرندگان برخوردار هستند و میتوانند بدون کمک قضایی با اعمال میثاقهای قراردادی، قراردادها را اجرا کنند (آلوز و همکاران، 2021 )، انتظار داریم وامگیرندگان در کشورهای دارای سیستمهای مالی مبتنی بر بازار با اسپردهای اوراق قرضه بالاتر مواجه می شوند.
ما رتبهبندی کشور مودی را برای کنترل ریسک کشور جمعآوری کردیم . دیلمی و هاوسوالد (2007) و بونتی و همکاران. (2010) گزارش می دهد که سرمایه گذاران بازده اوراق قرضه شرکتی بالاتری را به شرکت هایی که در کشورهایی با ریسک حاکمیت بالاتر هستند، دریافت می کنند. برای بررسی تأثیر عوامل کلان اقتصادی اضافی بر اسپرد، از USTB5y-USTB3m استفاده می کنیم که به عنوان تفاوت بین بازده اوراق قرضه پنج ساله خزانه داری ایالات متحده و بازده اسناد خزانه 3 ماهه ایالات متحده و نوسانات بازار که با گزینه های هیئت مدیره شیکاگو اندازه گیری می شود، تخمین زده می شود. شاخص نوسانات بورس ما انتظار داریم، برای هر دو اوراق قرضه PF و CF، که افزایش در شیب منحنی بازده باید تأثیر منفی بر اسپرد داشته باشد، در حالی که اثر معکوس برای نوسانات بازار انتظار میرود. در نهایت، برای بررسی تاثیر شرایط جانبی عرضه بازار بدهی شرکتها بر اسپرد اعتبار، مدلهایی را برای بحران مالی و بحران حاکمیتی لحاظ میکنیم . ما همچنین از متغیرهای ساختگی صنعت برای کنترل روندهای کلان مشاهده نشده و تغییرات احتمالی خاص صنعت استفاده می کنیم.
اگرچه معاملات PF از SPV های ورشکستگی از راه دور استفاده می کند، اما قدرت مالی حامی، یعنی برای حامی که موقعیت کنترلی در شرکت خودرو دارد و در موارد بدهی با رجوع محدود، ممکن است در قیمت گذاری بدهی صادر شده توسط SPV مهم باشد (Gorton و Souleles) . ، 2007 ). با در نظر گرفتن اوراق بهادار تبدیل دارایی، لانگستاف و راجان (2008) ، او و همکاران. (2011) و مارکز و پینتو (2020) نشان می دهند که ویژگی های شرکت های مبدأ بر بازده اوراق قرضه تأثیر می گذارد. در راستای مطالعات دیگر ( چن و همکاران، 2007 ؛ فلانری و همکاران، 2012 ؛ لمون و همکاران، 2014 )، ما شامل پروکسی هایی برای اندازه شرکت های حامی/انتشار (کل دارایی ها )، اهرم مالی ( قرض به کل) هستیم. دارایی ها )، ملموس بودن دارایی ( دارایی های ثابت به کل دارایی ها )، سودآوری ( بازده دارایی ها )، و فرصت های رشد ( بازار به دفتر ). انتظار داریم مجموع داراییها، داراییهای ثابت به کل داراییها، ROA، و بازار به دفتری تاثیر منفی بر اسپرد داشته باشند. برعکس، انتظار داریم نسبت کل بدهی به کل دارایی ها تأثیر مثبتی داشته باشد.
با توجه به انتخاب بین معاملات PF و CF، ما همچنین از متغیرهای ذکر شده قبلی به عنوان پروکسی برای حمایت از انگیزه شرکت ها برای استفاده از PF استفاده می کنیم. ابتدا، بر اساس ادبیات انتخاب بدهی ( دنیس و میهوف، 2003 ؛ آلتونباس و همکاران، 2010 )، از اندازه شرکت برای شناسایی مشکلات انگیزشی مربوط به عدم تقارن اطلاعاتی استفاده میکنیم و انتظار داریم که بر احتمال انتخاب یک معامله PF توسط شرکت حامی تأثیر منفی بگذارد. به جای معامله CF. همانطور که در پینتو و سانتوس (2019) ، ما از میانگین موزون سررسید معامله ( WAM ) استفاده میکنیم که به عنوان میانگین موزون بین سررسید وام، در سال و وزن آن در اندازه معامله محاسبه میشود، تا هزینههای اطلاعاتی مرتبط با ریسک نقدینگی ناشی از آن را محاسبه کنیم. با بازپرداخت بدهی ما انتظار داریم یک رابطه مثبت بین WAM و احتمال انتخاب یک معامله PF توسط یک شرکت وجود داشته باشد. دوم، برای بررسی اینکه آیا شرکت هایی با هزینه های نمایندگی بدهی بالا و با فرصت های رشد بیشتر احتمال بیشتری دارد که PF را به جای CF انتخاب کنند، از بدهی به کل دارایی ها و نسبت های بازار به دفتر استفاده می کنیم (دنیس و میهوف، 2003؛ آلتونباس و همکاران .، 2010 ). ما انتظار داریم که شرکت هایی با هزینه های مرده بالاتر ناشی از مشکل سرریز بدهی، آنهایی که دارای اهرم و انتظارات سرمایه گذار در مورد پتانسیل جریان نقدی آتی هستند، PF را در مقابل معاملات اوراق قرضه CF ترجیح دهند . سوم، ما از نسبت جریان نقد آزاد به دارایی ها استفاده می کنیم تا بررسی کنیم که آیا شرکت هایی با هزینه های نمایندگی بالاتر جریان نقدی آزاد، احتمال PF را نسبت به معاملات اوراق قرضه CF افزایش می دهند یا خیر. چهارم، مانند پینتو و سانتوس (2019) ، ما از امتیاز Z آلتمن (1993) به عنوان نماینده ای برای ریسک اعتباری شرکت استفاده می کنیم و انتظار داریم که شرکت های حامی با ریسک اعتباری بالاتر، PF را بر CF ترجیح دهند. ما همچنین از میانگین وزنی اسپرد معاملات اوراق قرضه ( WAS ) که به عنوان میانگین وزنی بین اسپرد ترانش اوراق قرضه و وزن آن در اندازه معامله محاسبه می شود، به عنوان نماینده ای برای هزینه های استقراض شرکت ها استفاده می کنیم. پنجم، ما از نسبت بازده دارایی ها به عنوان جانشین برای سودآوری استفاده می کنیم و انتظار داریم تأثیر منفی بر احتمال استقراض PF داشته باشیم. در نهایت، با توجه به اینکه شرکتها در صنایع سرمایهبر معمولاً از PF استفاده میکنند، ما انتظار داریم که ملموس بودن دارایی تأثیر مثبتی بر احتمال انتخاب شرکتها PF داشته باشد.
ما دادههای حسابداری و بازار ویژه شرکت عمومی را در سال مالی که درست قبل از انتشار اوراق قرضه از Datastream به پایان میرسد، جمعآوری میکنیم. از آنجایی که DCM Analytics کد شناسایی ارائه نمیکند، ما با استفاده از نام حامی، اسپانسر را با بالاترین مالکیت سهام (اگر بیشتر از 50٪) با شرکت PF جداگانه در Datastream تطبیق دادیم. برای معاملات اوراق قرضه CF، دادههای Datastream با اطلاعات تراکنشهای DCM Analytics با تطبیق نامهای صادرکنندگان ادغام میشوند. این روش اجازه می دهد تا معاملات با طرف نهایی مسئول تصمیم گیری در مورد تامین مالی مطابقت داده شود.
ما نمونه را بر اساس کلاس دارایی در جدول 3 توضیح می دهیم . این بخش جامع ترین مقایسه در ادبیات را تشکیل می دهد. جدول 3 همچنین آزمونهای z Wilcoxon و آزمونهای دقیق فیشر را ارائه میکند که مقادیر هر متغیر را در نمونه پیوند PF با مقادیر مربوطه در نمونه پیوند CF مقایسه میکند. تقریباً تمام مقایسههای جفتی نشاندهنده تفاوتهای آماری معنیدار بین متغیرهای قیمتگذاری رایج مرتبط با PF در مقابل اوراق قرضه CF است.
جدول 3 . آمار تک متغیره – ویژگی های قیمت گذاری مرتبط با اوراق قرضه مقایسه شده است.
| متغیر مورد علاقه | اوراق قرضه تامین مالی پروژه | اوراق قرضه مالی شرکتی | سلول خالی | متغیر مورد علاقه | اوراق قرضه تامین مالی پروژه | اوراق قرضه مالی شرکتی | سلول خالی |
|---|---|---|---|---|---|---|---|
| پانل A | تحلیل تک متغیره – متغیرهای پیوسته | مشخصات قراردادی | |||||||
| گسترش (bps) | اندازه تراکنش (میلیون دلار) | ||||||
| عدد | 763 | 46,433 | عدد | 763 | 46,433 | ||
| منظور داشتن | 241.0 | 206.8 | *** | منظور داشتن | 611.0 | 593.0 | *** |
| میانه | 195.0 | 145.7 | میانه | 450.0 | 321.0 | ||
| رتبه [1–22 ضعیف] | اندازه ترانش (میلیون دلار) | ||||||
| عدد | 592 | 45603 | عدد | 763 | 46,433 | ||
| منظور داشتن | 8.5 | 6.7 | *** | منظور داشتن | 371.0 | 365.0 | |
| میانه | 9.0 | 7.0 | میانه | 282.0 | 250.0 | ||
| سررسید (سال) | تعداد بانک ها | ||||||
| عدد | 763 | 46,433 | عدد | 763 | 46,433 | ||
| منظور داشتن | 13.7 | 9.6 | *** | منظور داشتن | 5.0 | 5.9 | *** |
| میانه | 10.0 | 7.1 | میانه | 4.0 | 4.0 | ||
| تعداد تراشه ها | ریسک کشور [1-22 ضعیف] | ||||||
| عدد | 763 | 46,433 | عدد | 763 | 46,433 | ||
| منظور داشتن | 2.0 | 1.6 | *** | منظور داشتن | 4.2 | 2.7 | *** |
| میانه | 1.0 | 1.0 | میانه | 1.0 | 1.0 | ||
| حقوق بستانکار [0-4 قوی] | اجرا [32-85 قوی] | ||||||
| عدد | 763 | 46,433 | عدد | 763 | 46,433 | ||
| منظور داشتن | 1.5 | 1.6 | *** | منظور داشتن | 66.6 | 70.2 | *** |
| میانه | 1.0 | 1.0 | میانه | 68.7 | 72.0 | ||
| پنل B | تحلیل تک متغیره – متغیرهای پیوسته | ویژگی های شرکت | |||||||
| کل دارایی ها (میلیون دلار) | بازگشت دارایی | ||||||
| عدد | 364 | 22,499 | عدد | 364 | 22,499 | ||
| منظور داشتن | 97,794.5 | 45,116.6 | *** | منظور داشتن | 3.7٪ | 5.5٪ | *** |
| میانه | 26,165.6 | 17779.7 | میانه | 3.7٪ | 5.0٪ | ||
| دارایی های ثابت به کل دارایی ها | بازار به رزرو | ||||||
| عدد | 364 | 22,499 | عدد | 364 | 22,499 | ||
| منظور داشتن | 46.3٪ | 44.7٪ | منظور داشتن | 383.5٪ | 245.8٪ | *** | |
| میانه | 57.4٪ | 43.9٪ | میانه | 212.1٪ | 181.1% | ||
| بدهی به کل دارایی ها | Z -امتیاز | ||||||
| عدد | 364 | 22,499 | عدد | 281 | 20,068 | ||
| منظور داشتن | 34.0٪ | 36.4٪ | *** | منظور داشتن | 1.5 | 2.0 | *** |
| میانه | 34.3٪ | 35.4٪ | میانه | 0.8 | 1.1 | ||
| پنل C | تحلیل تک متغیره – متغیرهای ساختگی | خصوصیات قراردادی | |||||||
| قابل تماس | ریسک ارز | ||||||
| شماره از تراشه ها | 763 | 46,433 | شماره از تراشه ها | 763 | 46,433 | ||
| شماره از تراشه ها با d = 1 | 395 | 22659 | *** | شماره از تراشه ها با d = 1 | 244 | 9806 | *** |
| درصد از کل | 51.8٪ | 48.8٪ | درصد از کل | 32.0٪ | 21.1٪ | ||
| مبتنی بر بازار | تابع | ||||||
| شماره از تراشه ها | 763 | 46,433 | شماره از تراشه ها | 763 | 46,433 | ||
| شماره از تراشه ها با d = 1 | 593 | 29,109 | *** | شماره از تراشه ها با d = 1 | 8 | 1633 | *** |
| درصد از کل | 77.7٪ | 62.7٪ | درصد از کل | 1.0٪ | 3.5٪ | ||
| دارای رتبه | اختلاف رتبه بندی | ||||||
| شماره از تراشه ها | 763 | 46,433 | شماره از تراشه ها | 763 | 46,433 | ||
| شماره از تراشه ها با d = 1 | 592 | 34,074 | *** | شماره از تراشه ها با d = 1 | 186 | 13,435 | *** |
| درصد از کل | 77.6٪ | 73.4٪ | درصد از کل | 24.4٪ | 28.9٪ | ||
این جدول آمار خلاصه ای را برای نمونه ای از اوراق قرضه PF و CF منتشر شده طی دوره 1993-2020 گزارش می کند. اطلاعات مربوط به ویژگی های انتشار اوراق قرضه از DCM Analytics و Datastream به دست آمد. ما توزیعهای مشابه را با استفاده از آزمون مجموع رتبه ویلکاکسون برای متغیرهای پیوسته و آزمون دقیق فیشر برای متغیرهای گسسته آزمایش میکنیم. ⁎⁎6 ، ⁎6 ، و ⁎ تفاوت معنی داری را به ترتیب در سطوح 1%، 5% و 10% بین نمونه اوراق قرضه PF و نمونه اوراق قرضه CF نشان می دهد. رتبه بندی اوراق قرضه بر اساس رتبه بندی S&P و مودیز در زمان انتشار اوراق می باشد. رتبه بندی به صورت زیر تبدیل می شود: AAA = Aaa = 1، AA+ = Aa1 = 2، و به همین ترتیب تا D = 22. برای تعریف متغیرها، جدول 2 را ببینید .
با توجه به قیمت نسبی اوراق قرضه PF در مقابل CF، پانل A جدول 3 نشان می دهد که میانگین اسپرد از نظر اقتصادی و آماری برای اوراق PF (241.0 bps) بیشتر از اوراق CF (206.8 bps) است. زمانی که اسپردها را بر اساس کلاس رتبهبندی اعتباری تجزیه میکنیم صدق میکند (جدول 1 در بخش 2 پیوست آنلاین): اسپرد میانگین و میانه در PF در مقابل اوراق قرضه CF برای کلاسهای درجه سرمایهگذاری بالاتر است. ما همچنین تکامل اسپردها را با در نظر گرفتن یک دوره قبل از بحران از 1 ژانویه 2000 تا 14 سپتامبر 2008 و یک دوره بحران و پس از بحران از 15 سپتامبر 2008 (اولین روز معاملاتی پس از Lehman Brothers) مقایسه می کنیم. ثبت ورشکستگی روز قبل) تا 31 دسامبر 2020 (جدول 5، بخش 3، پیوست آنلاین). همانطور که انتظار می رفت، شواهد قویاً از این فرض حمایت می کنند که میانگین اسپرد برای هر دو PF (281.7 bps در مقابل 232.2 bps) و CF (241.4 bps در مقابل 162.4 bps) در طول دوره بحران و پس از بحران به طور قابل توجهی بالاتر است.
یک اوراق قرضه CF با اندازه متوسط در 9.6 سال سررسید میشود که اگر آن را با میانگین 13.7 برای اوراق PF مقایسه کنیم، دوره کوتاهی است. میانگین رتبه بندی اعتباری برای PF (8.5 | BBB) به طور قابل توجهی بدتر از اوراق قرضه CF (6.2 | A-) است. این ممکن است نشان دهد که بخش های PF ریسک بیشتری نسبت به وام CF دارند. با این حال، این می تواند نشان دهنده رتبه کشور باشد، زیرا ناشران PF به طور متوسط در کشورهای بسیار پرخطرتر از ناشران CF قرار دارند. میانگین ریسک کشور برای SPEs PF (4.2) به طور قابل توجهی بالاتر از مقدار مربوط به CF (2.7) است، که مطابق با این واقعیت است که معاملات PF به احتمال زیاد در کشورهای پرخطرتر از کشورهای معمولی اجرا می شود. به طور مشابه، اوراق قرضه PF در مقایسه با CF، معمولاً توسط شرکتهای مستقر در کشورهایی با حقوق بستانکار و سطوح اجرایی پایینتر منتشر میشوند.
میانگین اندازه ترانشه بین دو طبقه دارایی تفاوت قابل توجهی ندارد. در مقابل، میانگین اندازه تراکنش نشاندادهشده توسط انتشار اوراق قرضه CF کمتر از میانگین اندازه معاملات نشاندادهشده توسط معاملات اوراق قرضه PF است. تعداد قابل توجهی ترانچ در هر تراکنش در یک تراکنش PF صادر می شود: در یک تراکنش معمولی CF، میانگین تعداد ترانش در هر تراکنش 1.6 است که از میانگین 2.0 برای PF کوچکتر است. علاوه بر این، میانگین تعداد بانک های شرکت کننده در انتشار اوراق قرضه CF 5.9 است و به طور قابل توجهی بزرگتر از میانگین 5.0 برای PF است. این یافته نشان میدهد که بانکهای پذیرهنویس مایلند تعداد مؤسسات شرکتکننده در انتشار اوراق قرضه CF با اندازه معین را افزایش دهند تا ریسکها را در تعداد بیشتری از بانکها پخش کنند.
پانل B جدول 3 نشان می دهد که به جز نسبت دارایی های ثابت به کل دارایی ها، ویژگی های شرکت های حامی در معاملات PF که از بازار اوراق قرضه برای افزایش بدهی استفاده می کنند، به طور قابل توجهی با ناشران اوراق قرضه CF متفاوت است. به طور متوسط، حامیان مالی در اوراق قرضه PF معمولا بزرگتر هستند، با اندازه متوسط (متوسط) 97.8 میلیارد دلار (26.2 میلیارد دلار) در مقابل 45.1 میلیارد دلار (17.8 میلیارد دلار) برای صادرکنندگان اوراق قرضه CF. همانطور که انتظار داشتیم، حامیان مالی PF اعتبار کمتری دارند – میانگین امتیاز Z 1.5 در مقابل 2.0 – و سودآور – متوسط ROA 3.7٪ در مقابل 5.5٪ – و فرصت های رشد بالاتری دارند – میانگین نسبت بازار به دفتر 383.5٪ در مقابل 245.8٪. – نسبت به شرکت هایی که اوراق قرضه CF در ترازنامه منتشر می کنند. متوسط نسبت بدهی به کل دارایی ها برای صادرکنندگان اوراق قرضه CF 36.4 درصد است که به طور قابل توجهی بالاتر از 34.0 درصد برای شرکت های حامی اوراق قرضه PF است.
متغیرهای ساختگی که در پانل C جدول 3 شرح داده شده است به وضوح نشان می دهد که اوراق قرضه PF و CF اساساً ابزارهای مالی متفاوتی هستند. اوراق قرضه PF اغلب با اختیار خرید نسبت به انتشارات CB (51.8٪ در مقابل 48.8٪) منتشر می شود. احتمال استفاده از اوراق قرضه PF توسط ناشران مستقر در کشورهای دارای سیستم مالی مبتنی بر بازار (77.7٪ در مقابل 62.3٪) و ریسک ارز (32.0٪ در مقابل 21.1٪) بیشتر از اوراق قرضه شرکتی است. در حالی که حدود 3.5٪ از اوراق قرضه CF تابعه هستند، این اوراق تنها 1.0٪ از اوراق قرضه PF منتشر شده در دوره نمونه گیری هستند. علاوه بر این، بخش بسیار کوچکی از CF در مقایسه با نمونه های فرعی اوراق قرضه PF (73.4٪) رتبه بندی می شود. در نهایت، اوراق قرضه CF کسر بالاتری از تراشه ها را با عدم تطابق آژانس های رتبه بندی تأیید می کند، که می تواند با این واقعیت توضیح داده شود که این اوراق دارای رتبه بندی قبلی در مقابل اوراق قرضه PF هستند، که معمولاً دارای رتبه قبلی هستند .
نتایج ما نشان می دهد که ویژگی های قیمت گذاری مشترک به طور قابل توجهی در ارزش بین اوراق قرضه PF و CF متفاوت است. بنابراین، ما انتظار داریم که تأثیر آن بر قیمت گذاری مختص اوراق قرضه باشد.
برای بررسی عوامل تعیینکننده قیمتگذاری رایج اوراق قرضه PF و CF منفرد، از مدل توصیفشده در معادله استفاده میکنیم. (1) . متغیر وابسته اسپرد ، در نقاط پایه است. ما از تکنیکهای رگرسیون OLS استفاده میکنیم و برای هتروسکداستیکی تنظیم میکنیم. با توجه به زمان متفاوت حق بیمه ریسک و تفاوت های بین کشوری، ما خطاهای استاندارد را بر اساس سال و کشور برآورد می کنیم.(1)Spread�,�=�0+�1Rated�,�+∑�=221��Rating dummy�,�,�+�22rating discordance�,�+�Contractual characteristics�,�+�Macroeconomic factors�+��,�
آزمایش چاو برای شکست ساختاری برای بررسی اینکه آیا اسپردهای مرتبط با اوراق قرضه PF و CF به طور متفاوتی تحت تأثیر ویژگیهای قیمتگذاری رایج قرار میگیرند استفاده میشود. در اصل، ما در حال آزمایش هستیم که آیا ویژگی های قیمت گذاری استفاده شده در معادله. (1) در هر دو بخش PF و CF و اگر چنین است، آیا آنها مقادیر ضریب یکسانی دارند یا خیر، مهم هستند. نتیجه میگیریم که بخشهای PF و CF ابزارهای مالی مجزا هستند و به دلیل آمار آزمون چاو 41.5 (69.1 اگر ویژگیهای شرکتها را به عنوان متغیرهای کنترلی اضافه کنیم)، آنها ابزارهای مالی متفاوتی هستند که تحت تأثیر ویژگیهای قیمتگذاری متداول قرار دارند، که بالاتر از سطح بحرانی 15 از این رو، ما H1 را تایید می کنیم و در بخش 4.2 ، عوامل تعیین کننده اسپرد برای هر ابزار اوراق قرضه را به طور جداگانه بررسی می کنیم.
ما تجزیه و تحلیل خود را با مقایسه اسپرد بین اوراق بهادار شروع می کنیم. برای انجام این کار از معادله استفاده می کنیم. (1) و یک مجموعه متغیر ساختگی ایجاد کنید که برابر با 1 باشد اگر پیوند یک پیوند PF باشد، و 0 اگر یک پیوند CF باشد – مدلهای [1] تا [4] جدول 4 . نتایج ارائه شده در ستون های 1 و 2 جدول 4 ، برای نمونه های مورد بحث در بخش 3.3 ، نشان می دهد که اوراق قرضه PF، به طور متوسط، با اسپردهای بالاتری نسبت به اوراق قرضه CF دارای رتبه مشابه مرتبط هستند: 46.5 bps برای نمونه کامل و 28.0 bps هنگام کنترل. برای ویژگی های شرکت ها در مدلهای قبلی، ساختگی پیوند PF ممکن است از درونزایی رنج ببرد، به دلیل عدم وجود تنوع قابل قبول برونزا در انتخاب بین PF و CF. دوم، هر دو اندازه معاملات اوراق قرضه PF و CF به صورت درونزا تعیین می شوند. از آنجایی که معاملات PF بزرگتر هستند، ممکن است ریسک بیشتری داشته باشند و نرخ تامین مالی بالاتری داشته باشند. سوم، در نمونه کامل، اوراق قرضه PF حدود 2٪ از کل نمونه است. همانطور که رابرتز و وایتد (2013) پیشنهاد کردند و با پیروی از روشی مشابه فلامر (2021) ، مدل [1] را برای یک نمونه همسان مجدداً برآورد کردیم. به صورت زیر عمل می کنیم. اول، از 763 اوراق قرضه PF صادر شده توسط شرکت های دولتی، ما نمونه را به اوراق قرضه بدون اطلاعات گمشده در مورد داده های حسابداری و بازار شرکت های حامی محدود می کنیم. در مجموع 364 اوراق قرضه دارای این معیارها هستند. سپس با استفاده از رویکرد تطبیق امتیاز تمایل (PSM) (PSM) با ایجاد یک الگوریتم تطبیق 1 به 1 که یکسان ترین اوراق قرضه CF صادر شده توسط همان شرکت حامی را نشان می دهد، هر پیوند PF را با قابل مقایسه ترین اوراق قرضه CF مطابقت می دهیم. در همان سال، با استفاده از ویژگی های زیر: اندازه اوراق قرضه، سررسید، و رتبه بندی. پس از اعمال این روش، با نمونه ای از 336 اوراق قرضه PF و یک نمونه مشابه مشابه در سطح باند از 336 اوراق قرضه CF به پایان می رسیم (آمار توصیفی برای نمونه همسان در جدول 6، بخش 3، پیوست آنلاین را ببینید). با طراحی، این روش تطبیق برای هر اوراق قرضه PF یک اوراق قرضه CF منطبق صادر شده توسط همان شرکت حامی را ارائه می دهد که تا حد امکان مشابه است، به جز این واقعیت که اوراق قرضه PF خارج از ترازنامه از طریق یک SPE مستقل قانونی منتشر می شود که بیش از 50 درصد متعلق به شرکت حامی است.
جدول 4 . تجزیه و تحلیل رگرسیون عوامل تعیین کننده اسپرد اعتبار.
| متغیر وابسته: | [1] | [2] | [3] | [4] | [5] | [6] | [7] | [8] | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| گسترش (bps) | اوراق قرضه PF و CF | اوراق قرضه PF و CF | اوراق قرضه PF و CF | نمونه همسان | اوراق قرضه PF و CF | نمونه همسان | اوراق قرضه PF | اوراق قرضه CF | اوراق قرضه PF | اوراق قرضه CF | ||||||||
| متغیرهای مستقل: | ||||||||||||||||
| رهگیری | 180.70 | *** | -1.87 | 105.80 | -61.53 | 477.40 | *** | 95.01 | 401.80 | * | -287.50 | *** | ||||
| (0.008) | (0.984) | (0.399) | (0.658) | (0.000) | (0.194) | (0.099) | (0.000) | |||||||||
| اوراق قرضه PF | 46.51 | *** | 28.01 | *** | 24.69 | *** | 22.91 | *** | ||||||||
| (0.001) | (0.001) | (0.006) | (0.005) | |||||||||||||
| دارای رتبه | -92.44 | *** | -77.54 | *** | −193.50 | *** | −101.30 | *** | −117.20 | *** | 89.70- | *** | -83.23 | *** | −75.01 | *** |
| (0.000) | (0.000) | (0.000) | (0.008) | (0.000) | (0.000) | (0.010) | (0.000) | |||||||||
| AA+ | 36.16 | *** | 48.88 | *** | 28.84 | -91.82 | 16.86 | 38.88 | *** | −101.00 | 49.76 | *** | ||||
| (0.000) | (0.000) | (0.408) | (0.125) | (0.729) | (0.000) | (0.112) | (0.000) | |||||||||
| AA | 29.40 | *** | 24.51 | * | 77.34 | *** | 60.18 | ** | 39.04 | 32.99 | 27.05 | 26.42 | ||||
| (0.007) | (0.053) | (0.006) | (0.029) | (0.244) | (0.232) | (0.498) | (0.372) | |||||||||
| AA- | 20.99 | *** | −1.75 | 54.91 | *** | 43.24 | * | 117.10 | *** | 24.20 | *** | −1.18 | -3.63 | |||
| (0.003) | (0.83) | (0.009) | (0.056) | (0.000) | (0.001) | (0.981) | (0.67) | |||||||||
| A+ | 7.79- | 0.67 | 77.64 | *** | 60.85 | *** | 38.11 | 10.92 | −20.06 | -1.44 | ||||||
| (0.261) | (0.92) | (0.000) | (0.001) | (0.264) | (0.115) | (0.559) | (0.837) | |||||||||
| آ | 1.79 | 8.41 | 76.20 | *** | 73.13 | *** | 37.22 | −1.56 | 16.48 | 6.17 | ||||||
| (0.794) | (0.225) | (0.000) | (0.000) | (0.17) | (0.819) | (0.65) | (0.389) | |||||||||
| آ- | 15.46 | ** | 22.54 | *** | 86.64 | *** | 78.68 | *** | 73.87 | *** | 12.12 | * | 18.08 | ** | 20.15 | ** |
| (0.03) | (0.002) | (0.000) | (0.000) | (0.001) | (0.089) | (0.049) | (0.01) | |||||||||
| BBB+ | 43.83 | *** | 45.83 | *** | 125.10 | *** | 100.80 | *** | 112.40 | *** | 39.77 | *** | 4.07 | 43.09 | *** | |
| (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.904) | (0.000) | |||||||||
| BBB | 60.97 | *** | 64.76 | *** | 141.30 | *** | 138.90 | *** | 103.10 | *** | 57.81 | *** | 86.37 | *** | 61.77 | *** |
| (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.005) | (0.000) | |||||||||
| BBB- | 102.80 | *** | 104.50 | *** | 193.20 | *** | 182.30 | *** | 165.70 | *** | 98.85 | *** | 137.20 | *** | 100.90 | *** |
| (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | |||||||||
| BB+ | 178.90 | *** | 180.90 | *** | 252.80 | *** | 257.90 | *** | 178.00 | *** | 175.60 | *** | 231.00 | *** | 177.10 | *** |
| (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | |||||||||
| BB | 195.30 | *** | 203.40 | *** | 303.70 | *** | 289.30 | *** | 268.10 | *** | 191.10 | *** | 197.10 | *** | 200.80 | *** |
| (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | |||||||||
| BB- | 258.70 | *** | 250.40 | *** | 396.30 | *** | 362.20 | *** | 374.50 | *** | 254.70 | *** | 326.90 | *** | 247.00 | *** |
| (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | |||||||||
| B+ | 314.20 | *** | 305.00 | *** | 424.80 | *** | 392.20 | *** | 342.80 | *** | 310.50 | *** | 172.10 | *** | 302.60 | *** |
| (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | |||||||||
| ب | 364.50 | *** | 347.00 | *** | 389.30 | *** | 364.00 | *** | 367.70 | *** | 361.20 | *** | 494.10 | *** | 343.20 | *** |
| (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | |||||||||
| ب- | 401.20 | *** | 387.50 | *** | 513.60 | *** | 423.80 | *** | 473.40 | *** | 397.60 | *** | 165.00 | 385.20 | *** | |
| (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.158) | (0.000) | |||||||||
| CCC+ | 488.60 | *** | 484.80 | *** | 636.80 | *** | 758.90 | *** | 547.20 | *** | 484.30 | *** | 540.20 | *** | 480.40 | *** |
| (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | |||||||||
| CCC | 538.00 | *** | 574.50 | *** | 534.40 | *** | 571.00 | *** | ||||||||
| (0.000) | (0.000) | (0.000) | (0.000) | |||||||||||||
| CCC- | 500.10 | *** | 507.60 | *** | 811.20 | *** | 152.10 | *** | 535.70 | *** | 505.00 | *** | ||||
| (0.000) | (0.000) | (0.000) | (0.008) | (0.000) | (0.000) | |||||||||||
| CC | 499.20 | *** | 494.00 | *** | 551.80 | *** | ||||||||||
| (0.000) | (0.000) | (0.000) | ||||||||||||||
| سی | 334.40 | *** | 427.60 | *** | 332.70 | *** | 424.70 | *** | ||||||||
| (0.001) | (0.000) | (0.001) | (0.000) | |||||||||||||
| اختلاف رتبه بندی | 26.06 | *** | 17.75 | *** | 16.23 | * | 17.38 | ** | 20.26 | ساعت 26.00 | *** | -4.76 | 17.60 | *** | ||
| (0.000) | (0.000) | (0.062) | (0.038) | (0.136) | (0.000) | (0.749) | (0.000) | |||||||||
| کنترل های قراردادی | آره | آره | آره | آره | آره | آره | آره | آره | ||||||||
| کنترل های ماکرو | آره | آره | آره | آره | آره | آره | آره | آره | ||||||||
| کنترل های شرکتی | خیر | آره | خیر | آره | خیر | خیر | آره | آره | ||||||||
| اثرات ثابت صنعت | آره | آره | آره | آره | آره | آره | آره | آره | ||||||||
| اثرات ثابت سال | آره | آره | آره | آره | آره | آره | آره | آره | ||||||||
| تعداد مشاهدات | 47,196 | 22,863 | 672 | 672 | 763 | 46,433 | 364 | 22,499 | ||||||||
| R2 تنظیم شده | 0.55 | 0.63 | 0.62 | 0.72 | 0.53 | 0.56 | 0.63 | 0.63 | ||||||||
| رده بندی و رتبه بندی ساختگی ها فقط به عنوان متغیرهای مستقل | ||||||||||||||||
| R2 تنظیم شده | 0.38 | 0.44 | 0.40 | 0.49 | 0.29 | 0.39 | 0.43 | 0.44 | ||||||||
| تفاوت در R 2 تنظیم شده | 0.17 | 0.19 | 0.22 | 0.23 | 0.24 | 0.17 | 0.20 | 0.19 | ||||||||
جدول 4 نتایج یک تحلیل رگرسیونی OLS از عوامل تعیین کننده اسپرد اوراق قرضه را برای: ( 1 ) نمونه ای از 763 اوراق قرضه PF و 46433 اوراق قرضه CF – مدل های [1]، [5] و [6] ارائه می کند. ( ii ) یک نمونه فرعی از 364 اوراق قرضه PF و 22499 اوراق قرضه CF که اطلاعات موجود در مورد حمایت (برای اوراق قرضه PF) و انتشار (برای اوراق قرضه CF) ویژگی های شرکت ها – مدل های [2]، [7] و [8] وجود دارد. ]؛ و ( iii ) یک نمونه فرعی از اوراق قرضه PF و یک نمونه همسان (گروه کنترل) از اوراق قرضه CF – مدلهای [3] و [4]. برای ایجاد یک نمونه منطبق از اوراق قرضه CF، ما از رویکرد تطبیق امتیاز تمایل (PSM در سطح اوراق قرضه) با ایجاد یک الگوریتم تطبیق 1 به 1 استفاده می کنیم که مشابه ترین اوراق قرضه CF صادر شده توسط همان شرکت حامی در همان سال را با استفاده از ویژگی های زیر: اندازه اوراق قرضه، سررسید، و رتبه بندی. برای هر متغیر مستقل، ردیف اول ضریب تخمینی را گزارش میکند و ردیف دوم مقدار p -value را گزارش میکند. خطاهای استاندارد از نظر هتروسکداستیکی قوی هستند و در سطح سال کشور دسته بندی می شوند. ⁎⁎6 ، ⁎6 و ⁎ نشان می دهد که ضرایب گزارش شده به ترتیب با صفر در سطوح 1%، 5% و 10% تفاوت معنی داری دارند. برای تعریف متغیرها، جدول 2 را ببینید .
نتایج ارائه شده در ستون 3 جدول 4 نشان می دهد که اسپرد باند PF 24.7 bps بیشتر از اوراق قرضه CF منطبق است. نتایج مشابهی در مدل [4] هنگام تخمین مجدد مدل [3] برای کنترل ویژگی های شرکت ها به دست می آید. این نتایج برخلاف استدلالهای ادبیات نظری PF است ( جان و جان، 1991 ؛ نویت و فابوزی، 2001 ؛ استی، 2003 ، استی، 2004a ، استی، 2004b )، اما در راستای یافتههای تجربی کلاین و همکاران است. (1996) و پینتو و سانتوس (2019) . بنابراین، تا کنون، ما H2 را تایید می کنیم. ما این را در بخش بعدی، هنگام استفاده از مدلهای رگرسیون سوئیچینگ درونزا و محاسبه میانگین اثرات درمان، بیشتر تحلیل خواهیم کرد .
مدلهای [5] و [6] نتایج رگرسیون قیمتگذاری را برای نمونهای از 763 اوراق قرضه PF و 46433 انتشار CF ارائه میکنند. با توجه به تأثیر ریسک اعتباری بر اسپرد، جدول 4 نتایج دقیق مورد انتظار را نشان می دهد. اوراق قرضه دارای امتیاز اسپرد کمتری دارند و هر چه ریسک اعتباری بیشتر باشد، اسپرد اعتباری بالاتر است. به عنوان مثال، اوراق A- به ترتیب 73.9 bps و 12.1 bps بیشتر از ترانچ AAA برای اوراق PF و CF دارند. اما باید توجه داشت که رابطه بین اسپرد و رتبه خطی نیست. تاثیر یک واحد افزایش در رتبه با بدتر شدن رتبه اعتباری افزایش می یابد. ما همچنین مدلهای [5] و [6] را با در نظر گرفتن تنها مدلهای ردهبندی شده و رتبهبندی شده به عنوان متغیرهای مستقل تخمین میزنیم و متوجه میشویم که مدلها مقادیر R2 تعدیلشده را به ترتیب 0.29 و 0.39 به دست میدهند. این رتبه بندی اعتباری را به عنوان مهم ترین عامل تعیین کننده اسپرد در هر دو موضوع PF و CF تایید می کند. علاوه بر این، ارزش R2 تعدیل شده به طور متوسط 0.24 برای اوراق قرضه PF و 0.17 برای اوراق قرضه CF با گنجاندن متغیرهای قراردادی و کلان اقتصادی اضافی افزایش می یابد که نشان می دهد رتبه اعتباری تنها عامل تعیین کننده اسپرد نیست. در واقع، سرمایهگذاران منحصراً به رتبهبندیها متکی نیستند و این تأثیر برای PF در مقابل اوراق قرضه CF بیشتر است: آنها عوامل دیگری را هنگام قیمتگذاری اوراق قرضه PF و CF در نظر میگیرند و بنابراین به اطلاعاتی فراتر از رتبه اعتباری اختصاص داده شده تکیه میکنند. H1 را تایید می کند. علاوه بر این، متوجه شدیم که اختلاف رتبه اعتباری بین S&P و Moody’s تأثیر مثبت قابل توجهی (26.0 bps) بر روی اسپرد فقط برای اوراق قرضه CF دارد. این نتیجه نشان میدهد که ناهماهنگی آژانسهای رتبهبندی توسط سرمایهگذاران در قیمتگذاری اوراق قرضه CF گنجانده شده است، که به یک حق بیمه اضافی برای جبران درجه بیشتری از عدم اطمینان در مورد ریسک نکول ناشر نیاز دارد. نتایج مشابهی در مدل های [7] و [8] هنگام کنترل ویژگی های شرکت ها به دست آمد.
نتایج جدول 3 نشان می دهد که اوراق قرضه PF و CF دارای ویژگی های متفاوتی هستند (به عنوان مثال، میانگین سررسید اوراق قرضه PF 13.7 سال در مقابل 9.6 سال برای اوراق قرضه CF است و دومی دارای رتبه A/A- متوسط در مقابل میانگین رتبه اعتباری BBB+/BBB برای اوراق قرضه CF است. اوراق قرضه PF). بنابراین، انتخاب در این زمینه مهم است. علاوه بر این، در نمونه ما شرکت های حامی می توانند بین PF و CF انتخاب کنند. جدول 5 نشان می دهد که سوئیچرها، شرکت هایی که از معاملات PF و CF برای تامین مالی پروژه های سرمایه گذاری خود استفاده می کنند، مسئول 4175 معامله به ارزش 2381.4 میلیارد دلار هستند.
جدول 5 . توزیع صنعتی معاملات بسته شده توسط سوئیچرها.
| توزیع صنعتی معاملات بسته شده توسط سوئیچرها | ||||
|---|---|---|---|---|
| دسته صنعتی صادرکننده | تعداد معاملات | تعداد سوئیچرها | ارزش کل (میلیون دلار) | درصد ارزش کل |
| تجاری و صنعتی | ||||
| کشاورزی، جنگلداری و ماهیگیری | 7 | 1 | 3250 | 0.14٪ |
| ارتباطات | 492 | 9 | 433,047 | 18.18٪ |
| ساخت و ساز/مهندسی سنگین | 70 | 4 | 32994 | 1.39٪ |
| تولید | ||||
| مواد شیمیایی، پلاستیک و لاستیک | 51 | 2 | 33,063 | 1.39٪ |
| غذا و نوشیدنی | 72 | 2 | 62,110 | 2.61٪ |
| دستگاه ها و تجهیزات | 41 | 1 | 31,356 | 1.32٪ |
| دیگر | 30 | 1 | 5409 | 0.23٪ |
| معدن و منابع طبیعی | 28 | 3 | 19,056 | 0.80٪ |
| نفت و گاز | 485 | 27 | 348,342 | 14.63٪ |
| مشاور املاک | 177 | 11 | 92,400 | 3.88٪ |
| تجارت واقعی | 46 | 1 | 29,202 | 1.23٪ |
| خدمات | 126 | 6 | 90,440 | 3.80٪ |
| خدمات رفاهی | 2,341 | 60 | 1,048,324 | 44.02٪ |
| حمل و نقل | 190 | 12 | 130,318 | 5.47٪ |
| مدیریت دولتی/دولت | 5 | 1 | 895 | 0.04٪ |
| دیگر | 14 | 1 | 21,209 | 0.89٪ |
| جمع | 4,175 | 142 | 2,381,415 | 100.00% |
جدول 5 تعداد معاملات اوراق قرضه PF و CF بسته شده توسط سوئیچرها را نشان می دهد – شرکت هایی که از هر دو نوع معامله در دوره نمونه گیری ما استفاده می کنند.
از آنجایی که انتخاب بین معاملات PF و CF ممکن است درونزا برای اسپردها باشد، ما قیمت اوراق قرضه را با استفاده از یک مدل رگرسیون سوئیچینگ درون زا ( Lokshin and Sajaia, 2004 ) برای مطالعه قیمت گذاری، با در نظر گرفتن انتخاب بالقوه خود توسط شرکت ها بین انتشار PF بررسی می کنیم. در مقابل اوراق قرضه CF ما یک روش حداکثر احتمال اطلاعات کامل (FIML) را بر روی نمونههای توزیع اعتبار مشخصات مدل خود – مدلهای [7] و [8] جدول 4 – به طور همزمان با یک معادله انتخاب پروبیت، که در آن انتخاب بین PF و CF یک تابع است، انجام میدهیم. ویژگی های قراردادی و شرکت ها و عوامل کلان اقتصادی. 16 مدل تجربی از سه معادله زیر تشکیل شده است:(2)SpreadPFbond�,�=�0+�1Rated�,�+�2Rated∗Rating�,�+�3Rating discordance�,�+�Contractual characteristics�,�+�Macroeconomic factors�+�Firm characteristics�,�−1+��,�(3)SpreadCFbond�,�=�0+�1Rated�,�+�2Rated∗Rating�,�+�3Rating discordance�,�+�Contractual characteristics�,�+�Macroeconomic factors�+�Firm characteristics�,�−1+��,�(4)��,�∗=�0SpreadPFbond�,�−SpreadCFbond�,�+�1Rated�,�+�2Rated∗Rating�,�+�3Rating discordance�,�+�Contractual characteristics�,�+�Macroeconomic factors�+�Firm characteristics�,�−1+��,�که در آن معادله سوم انتخاب پیوند را مدل می کند: اگر��∗> 0، سپس شرکت i یک اوراق قرضه PF صادر می کند. در غیر این صورت، اوراق قرضه CF صادر می کند. ما ناهمسانی را تنظیم میکنیم و به دلیل زمان متفاوت حق بیمه ریسک و تفاوتهای بین کشوری، خطاهای استاندارد را براساس سال و کشور برآورد میکنیم. با در نظر گرفتن آمار آزمون والد از معادلات مستقل ارائه شده در جدول 6 ، فرضیه مستقل بودن معادلات را رد می کنیم، به این معنی که انتخاب شرکت های حامی بین تامین مالی درون ترازنامه ای و خارج از ترازنامه، از طریق بازار اوراق قرضه، بر قیمت گذاری این معادلات تاثیر می گذارد. اوراق بهادار
جدول 6 . مدلهای رگرسیون سوئیچینگ درونزا
| متغیر وابسته: | [9] | |
|---|---|---|
| گسترش (bps) | اوراق قرضه PF | با ویژگی های شرکت ها | اوراق قرضه CF | با ویژگی های شرکت ها |
| متغیرهای مستقل: | ||
| رهگیری | 396.81 | −183.68*** |
| (0.168) | (0.000) | |
| دارای رتبه | −171.28*** | −276.46*** |
| (0.000) | (0.000) | |
| رتبه*دار | 26.28*** | 32.14*** |
| (0.000) | (0.000) | |
| اختلاف رتبه بندی | 56.41*** | 18.59*** |
| (0.001) | (0.000) | |
| اندازه تراکنش ثبت نام | −23.50* | 17.82*** |
| (0.074) | (0.000) | |
| بلوغ | 0.75- | 0.40*** |
| (0.465) | (0.000) | |
| بلوغ ورود به سیستم | 22.92* | −1.01 |
| (0.053) | (0.777) | |
| تابع | 172.89** | 51.28*** |
| (0.029) | (0.000) | |
| ریسک ارز | 38.15* | 30.40*** |
| (0.093) | (0.000) | |
| وثیقه شده | −21.71 | 51.99*** |
| (0.766) | (0.000) | |
| قابل تماس | 8.81 | 39.70*** |
| (0.475) | (0.000) | |
| تعداد بانک ها | −0.12* | −0.51*** |
| (0.092) | (0.002) | |
| شهرت بانک | 3.96*** | 1.46*** |
| (0.008) | (0.000) | |
| تعداد ترانشه ها | −1.57* | −13.93*** |
| (0.098) | (0.000) | |
| مبتنی بر بازار | 24.20** | 21.76*** |
| (0.017) | (0.000) | |
| حقوق طلبکار | 3.13 | −0.16* |
| (0.653) | (0.086) | |
| بحران مالی | −21.09 | 137.50*** |
| (0.630) | (0.000) | |
| بحران حاکمیتی | 40.72 ** | 52.31*** |
| (0.029) | (0.000) | |
| نوسان | 3.43** | 3.43*** |
| (0.035) | (0.000) | |
| USTB5y-USTB3m | 0.03 | −0.12*** |
| (0.738) | (0.000) | |
| ثبت کل دارایی ها | 0.05 | −5.43*** |
| (0.996) | (0.000) | |
| دارایی های ثابت به کل دارایی ها | 1.77 | −16.45*** |
| (0.949) | (0.000) | |
| بدهی به کل دارایی ها | 121.54*** | 20.69*** |
| (0.004) | (0.001) | |
| بازگشت دارایی | 0.77 | −1.14*** |
| (0.608) | (0.000) | |
| بازار به رزرو | 0.54- | 0.01 |
| (0.228) | (0.375) | |
| متغیر وابسته: | سلول خالی |
|---|---|
| احتمال مشاهده: | PF در مقابل اوراق قرضه CF |
| متغیرهای مستقل: | |
| رهگیری | 0.15 |
| (0.866) | |
| دارای رتبه | −0.58*** |
| (0.000) | |
| رتبه*دار | 0.00 |
| (0.666) | |
| اختلاف رتبه بندی | −0.34*** |
| (0.000) | |
| اندازه تراکنش ثبت نام | 0.16*** |
| (0.000) | |
| بلوغ | 0.01*** |
| (0.000) | |
| بلوغ ورود به سیستم | −0.77*** |
| (0.000) | |
| تابع | −1.38*** |
| (0.000) | |
| ریسک ارز | -0.13 |
| (0.126) | |
| وثیقه شده | 1.07*** |
| (0.000) | |
| قابل تماس | 0.02 |
| (0.781) | |
| تعداد بانک ها | 0.00 |
| (0.998) | |
| شهرت بانک | −0.01 |
| (0.037) | |
| تعداد ترانشه ها | −0.07** |
| (0.018) | |
| بحران مالی | −0.72*** |
| (0.000) | |
| بحران حاکمیتی | 0.18*** |
| (0.002) | |
| نوسان | −0.03*** |
| (0.001) | |
| USTB5y-USTB3m | 0.00*** |
| (0.000) | |
| مبتنی بر بازار | 0.13*** |
| (0.010) | |
| حقوق طلبکار | 0.03 |
| (0.311) | |
| ثبت کل دارایی ها | −0.14*** |
| (0.000) | |
| دارایی های ثابت به کل دارایی ها | 0.25 ** |
| (0.042) | |
| بدهی به کل دارایی ها | −0.38** |
| (0.034) | |
| بازگشت دارایی | −0.02*** |
| (0.000) | |
| بازار به رزرو | 0.01* |
| (0.052) | |
| تعداد مشاهدات | 22,863 |
| اثر درمانی متوسط | 24.82*** |
| (0.003) | |
| والد چی2 | 737.19*** |
| شبه احتمال را ثبت کنید | −142,434.23 |
| تست والد از ایندپ معادلات | 26.94*** |
جدول 6 نتایج تخمین مدل های رگرسیون سوئیچینگ درون زا را بر روی نمونه ای از 364 اوراق قرضه PF و 22499 اوراق قرضه CF ارائه می دهد که اطلاعاتی در مورد ویژگی های شرکت های حمایت کننده (برای اوراق قرضه PF) و انتشار (برای اوراق قرضه CF) موجود است. ما روش حداکثر احتمال اطلاعات کامل (FIML) را برای تخمین همزمان بخشهای باینری و پیوسته مدل به منظور ایجاد خطاهای استاندارد ثابت پیادهسازی میکنیم. برای هر متغیر مستقل، ردیف اول ضریب تخمینی را گزارش میکند و ردیف دوم مقدار p -value را گزارش میکند. خطاهای استاندارد از نظر هتروسکداستیکی قوی هستند و در سطح سال کشور دسته بندی می شوند. ⁎⁎6 ، ⁎6 و ⁎ نشان می دهد که ضرایب گزارش شده به ترتیب با صفر در سطوح 1%، 5% و 10% تفاوت معنی داری دارند. برای تعریف متغیرها، جدول 2 را ببینید .
برای بررسی بیشتر اینکه آیا ترانچ های اوراق قرضه از نظر مشخصه مشابه، که بر اساس نوع باند متفاوت هستند، دارای اسپرد متفاوت هستند، ما میانگین اثر درمان (ATE) را برای اسپرد PF در مقابل CF محاسبه کردیم. ما از مدل [9] استفاده کردیم و از طریق راهاندازی خطاهای استاندارد صحیح (همانطور که خطاها در معادله انتخاب را محاسبه میکنیم) برای ATE به دست آوردیم. همانطور که در جدول 4 ارائه شده است ، نشان می دهیم که اوراق قرضه PF به طور متوسط با 24.8 bps اسپرد بیشتر از اوراق قرضه CF همراه است. این نتیجه دوباره H2 را تایید می کند. ما میتوانیم از دو خط تحقیق برای توضیح اینکه چرا اوراق قرضه PF دارای اسپرد بالاتری نسبت به اوراق قرضه CF با رتبه مشابه هستند، استفاده کنیم. اولین مورد، مربوط به PF، بر اساس ویژگی های معاملات PF است. همانطور که توسط دیلمی و هاوسوالد (2003) اشاره شد ، در اوراق قرضه PF مانند اوراق قرضه CF بیمه متقابل وجود ندارد: لحظه ای که منبع واحد جریان های نقدی وجود نداشته باشد، ناشر یک بحران نقدینگی را تجربه می کند که ممکن است آن را مجبور کند. اوراق قرضه خود را نکول کند. علاوه بر این، پروژهها از ویژگیهای دارایی رنج میبرند و زمانی که در کشورهای در حال توسعه مورد استفاده قرار میگیرند، پروژهها معمولاً از حقوق مالکیت نادرست تعریف شده یا اجرا نشده و تنظیمات انحصاری دوجانبه رنج میبرند که منجر به ریسک مالی بالاتر میشود. دومی یک پدیده نادرست قیمت گذاری در بازارهای اوراق قرضه، یعنی اوراق بهادارسازی دارایی در مقابل اوراق قرضه شرکتی را مطالعه می کند. برنان و همکاران (2009) ، کووال و همکاران، 2009a ، کووال و همکاران، 2009b ، و کورناگیا و همکاران. (2017) استدلال می کنند که از آنجایی که اوراق بهادار با پشتوانه دارایی دارای ریسک های سیستماتیک بزرگی هستند که نسبتاً توسط رتبه بندی های اعتباری نادیده گرفته شده اند، که برای منعکس کردن تنها احتمالات فیزیکی نکول (S&P) یا زیان های مورد انتظار (مودیز) ساخته شده اند، انتظار می رود اوراق قرضه ساختاریافته بازدهی بالاتری نسبت به وضعیت مشابه داشته باشند. اوراق قرضه شرکتی رتبه بندی شده
مدل [9] نتایج رگرسیون قیمت گذاری را برای نمونه ای از 364 اوراق قرضه PF و 22499 CF ارائه می دهد. با توجه به تاثیر ریسک اعتباری بر اسپرد، جدول 6 نشان میدهد که اوراق دارای امتیاز اسپرد کمتری دارند و هر چه ریسک اعتباری بیشتر باشد، اسپرد بالاتری دارد. علاوه بر این، متوجه شدیم که ناهماهنگی رتبه اعتباری بین S&P و Moody’s تأثیر مثبت قابل توجهی بر اسپرد اوراق قرضه PF و CF دارد (به ترتیب 56.4 و 18.6 bps). این نتیجه نشان میدهد که ناهماهنگی آژانسهای رتبهبندی توسط سرمایهگذاران در فرآیند قیمتگذاری گنجانده شده است، و برای جبران درجه بیشتری از عدم اطمینان در مورد ریسک نکول ناشر، به یک حق بیمه اضافی نیاز دارد. این نتایج با آنچه مورد انتظار بود مطابقت دارد ( جدول 2 را ببینید ).
تأثیر اندازه معامله بر اسپرد برای اوراق قرضه PF منفی و قابل توجه است، که نشان میدهد افزایش اندازه معامله اوراق قرضه PF به میزان 100 میلیون یورو، اسپرد مورد نیاز را تا 46.9 واحد در ثانیه کاهش میدهد. بنابراین، نتایج ما نشاندهنده اثر مثبت نقدینگی قیمت مربوط به اندازه معامله اوراق قرضه PF است. در مقابل، اوراق قرضه CF دارای اسپرد بالاتری هستند، که می تواند با این واقعیت توضیح داده شود که انتشار بزرگتر ممکن است به معنای ریسک مالی بالاتر برای سرمایه گذاران باشد. همانطور که انتظار داشتیم، یک رابطه مثبت بین اسپرد و سررسید برای اوراق قرضه CF در مدل [9] به شدت معنادار به نظر می رسد. برخلاف آنچه که توسط ادبیات موجود در مورد ساختار اصطلاحی اسپردها در وامهای سندیکایی PF ارائه شده است، که یک رابطه قوز شکل بین اسپرد و سررسید پیدا میکند، رابطه بین اسپرد و سررسید برای اوراق قرضه PF مثبت و معنادار است. این نتیجه با یافته های Dailami و Hauswald (2003) برای نمونه ای از اوراق قرضه PF در کشورهای در حال توسعه مطابقت دارد.
شاخص حقوق بستانکار و شیب منحنی بازده ( USTB5y-USTB3m )، و همچنین متغیرهای ساختگی بحران مالی وثیقه، قابل فراخوانی، رفتار متفاوتی برای اوراق قرضه PF نسبت به اوراق قرضه CF دارند. همانطور که انتظار می رود، بحران مالی به طور قابل توجهی نرخ شارژ را 137.5 واحد در ثانیه افزایش می دهد، در حالی که اوراق قرضه CF قابل فراخوان با 39.7 واحد در ثانیه اسپرد بالاتر همراه است. برخلاف آنچه انتظار داشتیم، اوراق قرضه CF وثیقه دار اسپرد بالاتری دارند. این را می توان با این واقعیت توضیح داد که مسائل اوراق قرضه CF که نیاز به وثیقه دارند، ceteris paribus، پرخطرتر از مواردی هستند که به چنین ابزارهای ساختاری نیاز ندارند. به عنوان مثال، ریسک اعتباری ناشر در اوراق قرضه CF وثیقه شده بالاتر است. تأثیر شاخص حقوق بستانکار، همانطور که انتظار می رود، برای اوراق قرضه CF منفی و معنادار است. به طور مشابه، منحنی بازدهی تندتر با اسپردهای کمتر در اوراق قرضه CF همراه است. با این حال، همه این متغیرها تأثیر ناچیزی بر اسپرد اوراق قرضه PF دارند.
همانطور که انتظار می رفت، اوراق قرضه تبعی پس از تعدیل سایر عوامل موجود در رگرسیون، اسپرد بالاتری دارند. به طور مشابه، تأثیر ریسک ارز برای اوراق قرضه PF و CF مثبت و قابل توجه است: عدم تطابق در واحد پول ملیت معامله و واحد پول انتشار اوراق به طور قابل توجهی نرخ شارژ شده را به ترتیب 38.2 و 30.4 bps افزایش می دهد. تعداد بانک ها و تعداد ترانش ها هر دو رابطه معنادار و منفی با اسپرد برای دو نوع اوراق بهادار دارند. برخلاف آنچه انتظار داشتیم، شهرت بانک تاثیر مثبت و قابل توجهی بر اسپرد دارد. این نتیجه را میتوان با این واقعیت توضیح داد که اکثر بانکهای معتبر ممکن است اجارهها را از وام گیرنده استخراج کنند و هزینههای استقراض بیشتری را دریافت کنند، زیرا تضمین برتری برای موفقیت انتشار اوراق قرضه و ظرفیت بیشتری برای نگهداری آن اوراق در ترازنامه در صورت ارائه میکنند. تقاضا از عرضه پیشی نمی گیرد.
همانطور که انتظار می رود، نوع سیستم مالی بر قیمت اوراق قرضه تأثیر می گذارد: متغیر ساختگی مبتنی بر بازار تأثیر مثبت و قابل توجهی بر اسپرد برای اوراق قرضه PF و CF دارد. نتایج ما نشان میدهد که پس از کنترل ویژگیهای قراردادی و شرکتها و همچنین عوامل کلان اقتصادی، اسپرد اوراق قرضه تمدید شده به وام گیرندگان در سیستمهای مالی مبتنی بر بازار نسبت به سیستمهای مالی مبتنی بر بانک دارای اسپرد بالاتری است. این نتایج یافته های Dailami و Hauswald (2003) را تأیید می کند که چارچوب های نهادی بر قیمت گذاری اوراق قرضه PF تأثیر می گذارد. در نهایت، اسپرد و نوسانات بازار به طور قابل توجهی برای اوراق قرضه PF و CF ارتباط مثبت دارند.
نتایج جدول 6 نشان میدهد که تأثیر ویژگیهای شرکتهای حامی (برای اوراق قرضه PF) و انتشار (برای اوراق قرضه CF) بر اسپرد اوراق قرضه برای PF در مقابل اوراق قرضه CF به طور قابلتوجهی متفاوت است. در مورد اوراق قرضه CF، نتایج نشان میدهد، همانطور که انتظار میرود، شرکتهای صادرکننده بزرگتر و آنهایی که داراییهای ملموس و سودآوری بالاتری دارند، با اسپرد اوراق قرضه کمتری روبرو هستند. برای اوراق قرضه PF، پروکسیهای ما برای اندازه، ملموس بودن دارایی، سودآوری و فرصتهای رشد بر اسپرد تأثیر نمیگذارند. جالب توجه است که اسپرد هر دو اوراق قرضه به طور مثبت تحت تأثیر نسبت بدهی به کل دارایی است. اگر این نتیجه برای اوراق قرضه CF انتظار می رود، به این معنی که شرکت های منتشر کننده اهرمی بیشتر اسپردهای بالاتری می پردازند، برای اوراق قرضه PF تعجب آور است. این را می توان با دو دلیل توضیح داد. اول، برخی از معاملات PF از طریق بدهی با رجوع محدود تامین مالی می شوند. به عنوان مثال، بدهی که بر اساس آن یک سرمایهدار میتواند برخی از داراییهای حامی، اما نه همه، را در صورت نکول SPE مطالبه کند. دوم، پروژههایی وجود دارد که حامیان مالی آنها نیز سازنده یا مجری هستند و از آنها خارج میشوند. در این مورد، سطح اهرم بالاتر یک شرکت حامی، ریسک کلی پروژه را افزایش میدهد و منجر به اسپرد اوراق قرضه PF بالاتر میشود. این نتیجه مطابق با ادبیات مالی ساختار یافته موجود است، و نشان می دهد که اگرچه معاملات اوراق بهادار دارایی از SPVهای ورشکستگی از راه دور استفاده می کند، قدرت مالی مبتکر ممکن است در قیمت گذاری بدهی صادر شده توسط SPV مهم باشد (Gorton and Souleles, 2007; Landsman et al . , 2008 ).
به طور کلی، نتایج ما با نشان دادن اینکه مسائل PF و CF با عوامل قیمتگذاری رایج قیمتگذاری متفاوتی دارند، با H1 مطابقت دارد. و اینکه سرمایه گذاران در ارزیابی اسپردها عوامل دیگری غیر از رتبه بندی اعتباری را که برخی از آنها قبلاً توسط آژانس های رتبه بندی در نظر گرفته شده است، در نظر می گیرند.
اگرچه یک تحلیل کامل از عوامل تعیین کننده انتخاب شرکت های حامی بین PF و CF در بخش 5 در تجزیه و تحلیل سطح معامله پیاده سازی شده است، جدول 6 نتایج جالبی را ارائه می دهد. یافتهها نشان میدهد که معاملات PF هزینههای سنگین اصطکاک اطلاعات نامتقارن را کاهش میدهد. شرکت های دولتی که تامین مالی پروژه را به تامین مالی شرکتی انتخاب می کنند نسبتا کوچکتر هستند و به دنبال تامین مالی بلندمدت هستند. ما همچنین دریافتیم که شرکتهای سودآورتر احتمال کمتری برای استفاده از اوراق قرضه PF دارند. به نظر میرسد نتایج با پیشبینی این که شرکتها اوراق قرضه PF را برای استقراض بدهی بزرگتر انتخاب میکنند، به دلیل صرفهجویی در مقیاس بالقوه در رابطه با هزینههای انتشار، سازگار است: اندازه معامله احتمال مشاهده اوراق قرضه PF را نسبت به اوراق قرضه CF افزایش میدهد. نتایج ما همچنین نشان میدهد که شرکتهایی که به جای اوراق مشارکت عمومی CF به تأمین مالی پروژه متوسل میشوند، دارایی ملموستر و مجموعه فرصتهای رشد بزرگتری دارند. در نهایت، برخلاف آنچه انتظار داشتیم، متوجه میشویم که بین نسبت بدهی به کل داراییها و احتمال مشاهده اوراق قرضه PF رابطه منفی وجود دارد.
نتایج قبلی نشان میدهد که هنگام کنترل رتبه اعتباری و سایر عوامل قراردادی و کلان اقتصادی ( جدول 4 )، و همچنین برای انتخاب شرکتها بین انتشار دو نوع اوراق قرضه ( جدول 6 )، اوراق قرضه PF بازده بالاتری نسبت به اوراق قرضه شرکتی قابل مقایسه دارند. قیمت اوراق منعکس کننده اطلاعاتی فراتر از رتبه بندی اعتباری است که هر دو H1 و H2 را تایید می کند. در این بخش، با تمرکز بر مقیاس های درجه بندی سرمایه گذاری، این موضوع را بیشتر بررسی می کنیم. پانل های A، B، و C جدول 7 نتایج تخمین مجدد مدل های [1]، [2] و [3] جدول 4 را به ترتیب برای نمونه های فرعی اوراق قرضه PF و CF بر اساس کلاس های رتبه بندی ارائه می دهند. مدلهای [10a] تا [10j] برای نمونه کامل نشان میدهند که اوراق قرضه PF با اسپردهای بسیار بالاتری نسبت به اوراق قرضه CF با رتبهبندی اعتباری یکسان برای همه کلاسهای رتبهبندی، به جز AA+ منتشر میشوند. نتایج در هنگام کنترل ویژگیهای شرکتها (به استثنای مدل [10d] برای AA-، اوراق قرضه PF دارای اسپرد بالاتری نسبت به اوراق قرضه CF با رتبه مشابه برای کلاسهای رتبهبندی باقیمانده) و در نظر گرفتن نمونه منطبق از اوراق قرضه CF (ساختگی PF) هستند. متغیر تنها برای کلاس رتبه بندی BBB بر اسپرد اوراق قرضه تأثیر نمی گذارد. Kleimeier و Megginson (2000) اشاره می کنند که “وام های PF اغلب شبیه وام های مبتنی بر دارایی ثابت هستند”. از این رو، مدلهای خود را که اوراق قرضه CF را به دسته داراییهای ثابت محدود میکند – پانل D جدول 7، دوباره برآورد میکنیم . نتایج دوباره نشان میدهد که اوراق قرضه PF نسبت به اوراق قرضه CF با رتبهبندی اعتباری یکسان، اسپرد بالاتری دارند.
جدول 7 . تجزیه و تحلیل رگرسیون اسپرد اعتبار بر اساس دسته رتبه بندی.
| متغیر وابسته: | [10] | [10a] | [10b] | [10c] | [10d] | [10e] | [10f] | [10 گرم] | [10 ساعت ] | [10i] | [10j] | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| گسترش (bps) | همه اوراق قرضه | AAA / Aaa | AA+ / Aa1 | AA / Aa2 | AA- / Aa3 | A+ / A1 | A / A2 | A- / A3 | BBB+ / Baa1 | BBB / Baa2 | BBB- / Baa3 | |||||||||||
| پانل A – PF در مقابل اوراق قرضه CF | نمونه کامل | ||||||||||||||||||||||
| اوراق قرضه PF | 46.51 | *** | 22.70 | ** | 0.90- | 44.35 | *** | 10.41 | ** | 44.96 | ** | 26.28 | ** | 53.80 | *** | 72.06 | * | 43.66 | *** | 37.23 | * | |
| (0.001) | (0.019) | (0.951) | (0.004) | (0.043) | (0.014) | (0.045) | (0.000) | (0.082) | (0.001) | (0.100) | ||||||||||||
| […] | ||||||||||||||||||||||
| تعداد مشاهدات | 47,196 | 602 | 373 | 1032 | 1,642 | 2,131 | 3,599 | 3806 | 4,288 | 4,372 | 2678 | |||||||||||
| R2 تنظیم شده | 0.55 | 0.41 | 0.40 | 0.37 | 0.51 | 0.46 | 0.42 | 0.41 | 0.45 | 0.39 | 0.39 | |||||||||||
| پانل B – PF در مقابل اوراق قرضه CF | با ویژگی های شرکت ها | ||||||||||||||||||||||
| اوراق قرضه PF | 24.69 | *** | 35.97 | *** | 49.62 | ** | 57.55 | ** | 0.51- | 34.79 | ** | 21.25 | 49.97 | *** | 25.58 | * | 47.99 | *** | 44.65 | ** | ||
| (0.006) | (0.007) | (0.035) | (0.024) | (0.959) | (0.029) | (0.267) | (0.000) | (0.063) | (0.003) | (0.050) | ||||||||||||
| […] | ||||||||||||||||||||||
| تعداد مشاهدات | 22,863 | 248 | 158 | 566 | 989 | 1,409 | 2,462 | 2672 | 2,887 | 2,897 | 1,533 | |||||||||||
| R2 تنظیم شده | 0.63 | 0.47 | 0.65 | 0.47 | 0.54 | 0.55 | 0.50 | 0.49 | 0.47 | 0.43 | 0.41 | |||||||||||
| پانل C – PF در مقابل اوراق قرضه CF | نمونه همسان | ||||||||||||||||||||||
| اوراق قرضه PF | 24.69 | *** | 6.60 | ** | 30.07 | ** | 41.69 | *** | 14.62 | ** | 22.71 | |||||||||||
| (0.006) | (0.035) | (0.033) | (0.004) | (0.024) | (0.467) | |||||||||||||||||
| […] | ||||||||||||||||||||||
| تعداد مشاهدات | 940 | 78 | 119 | 136 | 140 | 109 | ||||||||||||||||
| R2 تنظیم شده | 0.62 | 0.53 | 0.41 | 0.77 | 0.47 | 0.44 | ||||||||||||||||
| پانل D – PF در مقابل اوراق قرضه CF | CF = مبتنی بر دارایی ثابت | ||||||||||||||||||||||
| اوراق قرضه PF | 72.74 | *** | 132.29 | ** | 123.70 | * | 59.63 | *** | 29.68 | * | −0.70 | -0.61 | 29.20 | * | 78.43 | *** | 13.41 | * | 12.37 | * | ||
| (0.000) | (0.025) | (0.069) | (0.000) | (0.052) | (0.963) | (0.981) | (0.061) | (0.007) | (0.054) | (0.062) | ||||||||||||
| […] | ||||||||||||||||||||||
| تعداد مشاهدات | 2658 | 55 | 32 | 193 | 37 | 174 | 165 | 326 | 253 | 263 | 186 | |||||||||||
| R2 تنظیم شده | 0.58 | 0.94 | 0.98 | 0.93 | 0.60 | 0.84 | 0.64 | 0.66 | 0.60 | 0.41 | 0.52 | |||||||||||
جدول 7 نتایج تجزیه و تحلیل رگرسیون OLS از عوامل تعیین کننده اسپرد اوراق برای نمونه های فرعی اوراق قرضه PF و CF را با اطلاعات موجود در مورد رتبه اعتباری ارائه می دهد. مدلهای [1]، [2] و [3] جدول 4 برای نمونههای فرعی با مقیاسهای رتبهبندی مجدداً برآورد میشوند – مدلهای [10a] تا [10j]، پانلهای A، B و C. در پانل D، ما مدلهای ما را که اوراق قرضه CF را به دسته مبتنی بر دارایی ثابت محدود میکند، به پیروی از Kleimeier و Megginson (2000) دوباره برآورد کنید . باند PF یک متغیر ساختگی است. برای هر متغیر مستقل، ردیف اول ضریب تخمینی را گزارش میکند و ردیف دوم مقدار p -value را گزارش میکند. خطاهای استاندارد از نظر هتروسکداستیکی قوی هستند و در سطح سال کشور دسته بندی می شوند. ⁎⁎6 ، ⁎6 و ⁎ نشان می دهد که ضرایب گزارش شده به ترتیب با صفر در سطوح 1%، 5% و 10% تفاوت معنی داری دارند.
به طور کلی، نتایج ما H2 را تایید میکند، که مشخصاً بخشهای اوراق قرضه PF و CF مشابه دارای اسپردهای متفاوتی هستند، با اوراق قرضه PF که به طور متوسط با اسپردهای قابلتوجهی بالاتر از اوراق قرضه CF با رتبه اعتباری یکسان منتشر میشوند. و H1، که اسپرد اعتبار منعکس کننده اطلاعات فراتر از رتبه بندی اعتباری است. بنابراین، نتایج ما با نتایج Cornaggia و همکاران مطابقت دارد . (2017) و مارکز و پینتو (2020) . در واقع، قیمت اوراق منعکس کننده اطلاعات اضافی به غیر از رتبهبندی اعتباری در سراسر طبقات دارایی است، که میتوان با این واقعیت توضیح داد که روشهای رتبهبندی بر اساس احتمالات فیزیکی نکول (یا زیانهای مورد انتظار) هستند که حق بیمه ریسک را دریافت نمیکنند. بنابراین نشان میدهیم که ریسک سیستماتیک برای اوراق قرضه PF نسبت به اوراق قرضه شرکتی سنتی مهمتر است. بنابراین، مطابق با Wojtowicz (2014) و Coval et al. (2009b) ، نشان میدهیم که رتبهبندی معیارهای کاملی برای کیفیت اعتبار در قیمتگذاری اوراق قرضه PF نیست.
در این بخش، ما بر هزینه استقراض شرکت های حامی و ویژگی های حسابداری و بازار آنها تمرکز می کنیم. هدف ما این است که بررسی کنیم آیا شرکت های غیرمالی از PF برای مدیریت هزینه استقراض خود استفاده می کنند یا خیر. به عنوان مثال، بررسی کنید ( i ) کدام ساختار تأمین مالی، در صورت وجود، به شرکتها اجازه میدهد تا بدهی خود را با هزینه استقراض پایینتر افزایش دهند، و ( ii ) آیا هزینه استقراض بر فرآیند انتخاب بین PF و CF تأثیر میگذارد. نمونه ما شامل معاملاتی است که به بخش های اوراق قرضه کوچکتر تقسیم می شوند. بنابراین، در این بخش، تحلیل های توصیفی و اقتصادسنجی ما بر اساس معاملات انجام شده است.
پس از اعمال روش های ذکر شده در بخش 3.2.5 ، ما 516 و 36035 شرکت را شناسایی کردیم که به ترتیب حامی و ناشر معاملات اوراق قرضه PF و CF بودند. از این تعداد، 53 شرکت تنها حامی معاملات اوراق قرضه PF – دسته [I] -، 13136 تنها ناشر معاملات اوراق قرضه CF – دسته [II] -، و 3599 شرکت به عنوان سوئیچرها – دسته [III] طبقه بندی شدند. جدول 8 هزینه استقراض و ویژگی های شرکت های تقسیم بندی شده به سه دسته را با توجه به سابقه صدور آنها گزارش می کند. از آنجایی که در هر معامله بیش از یک قسط اوراق قرضه داریم، هزینه استقراض با ترکیب اسپردهای اعتباری قسمتهای مختلف تعیین میشود. ما از اسپرد میانگین موزون (WAS) که به عنوان مجموع حاصلضرب وزن هر قسط در اندازه تراکنش و اسپرد اعتبار ترانشه محاسبه می شود، به عنوان معیاری برای کل هزینه وام استفاده می کنیم. دریافتیم که میانگین WAS برای معاملات PF بیشتر از معاملات CF است. نتایج مشابهی هنگام مقایسه شرکت هایی که فقط از معاملات PF و CF استفاده می کنند به دست می آید. جالب توجه است که سوئیچرها به طور متوسط با هزینه های استقراض کمتری نسبت به شرکت هایی مواجه هستند که به دسته های [I] و [II] در جدول 8 تعلق دارند ، که ممکن است منعکس کننده اثر تنوع منابع مالی باشد.
جدول 8 . آمار توصیفی برای WAS و ویژگی های شرکت های دولتی.
| متغیر مورد علاقه | سلول خالی | شرکت ها بر اساس انتخاب معاملات طبقه بندی می شوند | |||||
|---|---|---|---|---|---|---|---|
| سلول خالی | [من] | [II] | [III] | ||||
| سلول خالی | فقط معاملات PF | فقط معاملات CF | معاملات PF و CF (سوئیچرها) | ||||
| WAS (bps) | عدد | 53 | الف، ب | 13,136 | الف، ج | 3,599 | قبل از میلاد مسیح |
| منظور داشتن | 217.65 | 202.24 | 172.84 | ||||
| میانه | 208.09 | 140.00 | 130.00 | ||||
| کل دارایی ها (میلیون دلار) | عدد | 53 | ب | 13,136 | ج | 3,599 | قبل از میلاد مسیح |
| منظور داشتن | 129000 | 33000 | 68800 | ||||
| میانه | 10600 | 11600 | 32800 | ||||
| دارایی های ثابت به کل دارایی ها | عدد | 53 | الف، ب | 13,136 | الف، ج | 3,599 | قبل از میلاد مسیح |
| منظور داشتن | 29.15٪ | 43.62٪ | 56.43٪ | ||||
| میانه | 12.81% | 40.33٪ | 62.16٪ | ||||
| بدهی به کل دارایی ها | عدد | 53 | الف، ب | 13,136 | الف، ج | 3,599 | قبل از میلاد مسیح |
| منظور داشتن | 28.11٪ | 37.77٪ | 36.39٪ | ||||
| میانه | 26.85٪ | 36.58٪ | 35.79٪ | ||||
| بازگشت دارایی | عدد | 53 | الف، ب | 13,136 | الف، ج | 3,599 | قبل از میلاد مسیح |
| منظور داشتن | 0.28٪ | 0.38٪ | 4.73٪ | ||||
| میانه | 0.26٪ | 0.36٪ | 4.50٪ | ||||
| بازار به رزرو | عدد | 53 | آ | 13,136 | الف، ج | 3,599 | ج |
| منظور داشتن | 489.79٪ | 252.34٪ | 183.28٪ | ||||
| میانه | 251.90٪ | 176.84٪ | 210.23٪ | ||||
| امتیاز Z | عدد | 38 | ب | 11,498 | ج | 3295 | قبل از میلاد مسیح |
| منظور داشتن | 1.57 | 2.21 | 1.42 | ||||
| میانه | 1.14 | 1.18 | 0.76 | ||||
| FCF به کل دارایی ها | عدد | 52 | الف، ب | 12914 | الف، ج | 3,479 | قبل از میلاد مسیح |
| منظور داشتن | 3.30٪ | 13.34٪ | 10.47٪ | ||||
| میانه | 3.08٪ | 7.52٪ | 6.81٪ | ||||
جدول 8 آمار توصیفی برای میانگین وزنی اسپرد (WAS) و ویژگی های شرکت های دولتی را بر اساس دسته بندی ارائه می دهد. ما برای توزیعهای مشابه در ویژگیهای شرکتهای عمومی در بین نمونهها از طریق آزمون مجموع رتبهای Wilcoxon آزمایش میکنیم. نشاندهنده تفاوت آماری در سطح 1% بین نمونههای فرعی «فقط معاملات PF» و «فقط معاملات CF» است. b نشاندهنده تفاوت آماری در سطح 1% بین «فقط معاملات PF» و «معاملات PF و CF» است. c نشاندهنده تفاوت آماری در سطح 1٪ بین «فقط معاملات CF» و «معاملات PF و CF» است. ما از WAS که به عنوان میانگین وزنی بین اسپرد ترانش اوراق قرضه و وزن آن در اندازه معامله محاسبه می شود، به عنوان معیاری برای کل هزینه وام استفاده می کنیم. برای تعریف متغیرها، جدول 2 را ببینید .
نتایج همچنین نشان میدهد که بهطور متوسط، شرکتهایی که فقط از معاملات PF استفاده میکنند، معمولاً دارای اهرم کمتری هستند و سودآوری پایینتری دارند و نسبت داراییهای ثابت به کل داراییها و نسبت FCF به کل داراییها نسبت به شرکتهایی که به بازارهای اوراق قرضه CF دسترسی دارند، پایینتر هستند. منحصرا در حالی که اندازه و اعتبار شرکت ها در سطوح اهمیت 1% برای دو زیر مجموعه شرکت متفاوت نیست، شرکت هایی که فقط از معاملات CF استفاده می کنند نسبت بازار به دفترچه کمتری نسبت به شرکت هایی دارند که فقط از PF استفاده می کنند. شرکت هایی که از هر دو بازار استفاده می کنند بزرگتر از شرکت هایی هستند که فقط به PF یا CF متکی هستند. آنها ملموس بودن و سودآوری دارایی نسبتاً بالاتری دارند، اما امتیاز Z کمتری نسبت به شرکتهای دستههای [I] و [II] دارند. شرکتهایی که از PF و CF به طور همزمان استفاده میکنند در مقایسه با شرکتهایی که فقط PF را منتشر کردهاند، دارای اهرم بیشتری هستند و نسبت FCF به کل داراییها بالاتر هستند، اما این نسبتها کمتر از نسبتهای متعلق به شرکتهای دسته [II] است. در نهایت، نسبت بازار به دفترچه برای شرکتهایی که از هر دو نوع بدهی استفاده میکنند بسیار بالاتر از آنهایی است که فقط از معاملات CF استفاده میکنند.
ما با استفاده از مدل مشخص شده در معادله بررسی می کنیم که کدام یک از دو معامله تامین مالی کمترین هزینه استقراض را دارد. (5) . متغیر وابسته WAS است، در نقاط پایه، و اگر معامله یک PF در مقابل یک معامله CF باشد، یک مجموعه متغیر ساختگی برابر با یک ایجاد می کنیم. ما از تکنیکهای رگرسیون OLS استفاده میکنیم و برای هتروسکداستیکی تنظیم میکنیم. خطاهای استاندارد بر اساس سال و شرکت دسته بندی می شوند.(5)WAS�,�=�0+�1PFdeal�,�+�Contractual characteristics�,�+�Macroeconomicfactors�+�Firm characteristics�,�−1+��,�
مدل های [11] و [12] در جدول 9 تخمین این معادله را با استفاده از نمونه های ارائه شده در جدول 8 گزارش می کنند . نتایج نشان می دهد که با ثابت نگه داشتن سایر عوامل، WAS برای معاملات PF در مقایسه با معاملات CF به طور قابل توجهی بالاتر است. از آنجایی که معاملات CF برای اهداف مختلف بسته می شود، که ممکن است به طور قابل توجهی بر هزینه استقراض آنها تأثیر بگذارد، مدل [11] را برای نمونه های فرعی مختلف بر اساس دسته بندی های ارائه شده در پانل E جدول 1 مجدداً برآورد می کنیم . نتایج در مدلهای [11a] تا [11d] نشان میدهد که WAS برای معاملات PF به طور قابلتوجهی بالاتر از هر یک از 4 دسته معاملات CF استفاده شده است. در مدلهای قبلی، ساختگی معامله PF ممکن است از سوگیری انتخاب نمونه رنج ببرد، زیرا ما فقط هزینههای استقراض را برای نوع معاملهای که شرکتها انتخاب میکنند مشاهده میکنیم. ما هزینه های استقراض خلاف واقع را مشاهده نمی کنیم. علاوه بر این، انتخاب بین معاملات PF و CF ممکن است درون زا باشد. در حالت ایدهآل، ما میتوانیم با استفاده از ابزاری برای انتخاب معاملات PF به این نگرانی درونزایی بپردازیم. متأسفانه، یافتن چنین ابزاری دشوار است – بسته شدن یک معامله PF تصادفی نیست، و به سختی می توان یک محیط تجربی را پیدا کرد که در آن شرکت های حامی (شبه) به طور تصادفی یک معامله PF را در مقابل استانداردهای مربوطه ببندند . -تامین مالی ترازنامه در عوض، همانطور که در بخش 4.1 .، ما از یک نمونه همسان در سطح معامله استفاده می کنیم. به طور خاص، برای هر یک از معاملات PF که ما اطلاعاتی در مورد ویژگیهای شرکتها داریم، یک معامله CF “کنترلی” را مطابقت میدهیم که تا حد امکان مشابه معامله قبلی PF است . ما از یک رویکرد PSM (PSM در سطح معامله) با ایجاد یک الگوریتم تطبیق 1 به 1 استفاده می کنیم که مشابه ترین معامله را در همان سال و صنعت ثبت می کند، با استفاده از ویژگی های زیر: اندازه معامله، میانگین وزنی سررسید (WAM) و وزن دار. میانگین امتیاز (WAR). نتایج در مدل [13] دوباره نشان میدهد که معاملات PF با WAS بالاتری نسبت به نمونه همسان معاملات CF مرتبط است. در نتیجه، معاملات اوراق قرضه PF هزینه استقراض بالاتری نسبت به معاملات اوراق قرضه CF دارند و ما H3 را تایید نمی کنیم. همانطور که در تجزیه و تحلیل سطح اوراق اشاره شد، تفاوت در WAS بین نمونه ها باید حتی بیشتر باشد، زیرا اسپرد برای اوراق قرضه PF شامل مجموعه ای از هزینه های اضافی (حقوقی، مالی، بیمه، حسابداری و هزینه های مشاوره مالی) نمی شود. یک تراکنش PF دارد.
جدول 9 . تجزیه و تحلیل رگرسیون هزینه استقراض: PF در مقابل معاملات CF.
| متغیر وابسته: | [11] | [11a] | [11b] | [11c] | [11d] | [12] | [13] | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| بود | معاملات PF و CF | معاملات PF و CF | CF = کنترل شرکت | معاملات PF و CF | CF = ساختار سرمایه | معاملات PF و CF | CF = مبتنی بر دارایی ثابت | معاملات PF و CF | CF = هدف کلی شرکت | معاملات PF و CF | سوییچرها | معاملات PF و CF | نمونه همسان | |||||||
| متغیرهای مستقل: | ||||||||||||||
| رهگیری | 339.40 | *** | 428.20 | *** | 166.80 | 82.61 | 470.50 | *** | 110.30 | 824.80 | *** | |||
| (0.001) | (0.004) | (0.102) | (0.579) | (0.000) | (0.18) | (0.004) | ||||||||
| معامله PF | 48.54 | *** | 11.19 | ** | 42.56 | *** | 62.94 | *** | 49.75 | *** | 59.92 | *** | 61.98 | *** |
| (0.000) | (0.049) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | ||||||||
| اندازه معامله ورود به سیستم | -4.08 | ** | −17.84 | *** | -6.03 | -7.82 | -7.11 | ** | −11.80 | *** | -38.99 | *** | ||
| (0.013) | (0.01) | (0.159) | (0.242) | (0.011) | (0.000) | (0.005) | ||||||||
| WAM | 0.04 | 0.10 | -0.13 | -0.33 | 0.15 | 0.45 | * | 0.99- | ||||||
| (0.873) | (0.803) | (0.798) | (0.508) | (0.584) | (0.081) | (0.275) | ||||||||
| جنگ | 18.99 | *** | 27.17 | *** | 27.96 | *** | 14.57 | *** | 14.11 | *** | 21.78 | *** | 20.81 | *** |
| (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | ||||||||
| تعداد تراشه ها | −15.52 | *** | −12.60 | *** | −19.92 | *** | −15.90 | *** | −12.07 | *** | -1.44 | 1.51 | ||
| (0.000) | (0.006) | (0.000) | (0.002) | (0.000) | (0.638) | (0.807) | ||||||||
| ریسک ارز | 21.02 | *** | 0.70 | 32.06 | *** | 54.87 | *** | 16.03 | *** | 20.89 | *** | 25.56 | ||
| (0.000) | (0.965) | (0.006) | (0.001) | (0.004) | (0.008) | (0.229) | ||||||||
| تعداد بانک ها | −0.95 | ** | −3.58 | *** | −3.35 | *** | −0.14 | −0.19 | 0.02 | 0.32 | ||||
| (0.048) | (0.001) | (0.000) | (0.914) | (0.72) | (0.967) | (0.887) | ||||||||
| شهرت بانک | 1.90 | *** | 3.74 | *** | 1.50 | ** | 1.67 | *** | 1.44 | *** | 1.08 | ** | 3.90 | *** |
| (0.000) | (0.001) | (0.046) | (0.008) | (0.001) | (0.037) | (0.007) | ||||||||
| بحران مالی | 101.60 | ** | 137.30 | *** | 15.03 | 37.30 | 118.90 | *** | 128.30 | ** | 246.80 | *** | ||
| (0.041) | (0.001) | (0.886) | (0.613) | (0.004) | (0.010) | (0.000) | ||||||||
| بحران حاکمیتی | 83.05 | 129.00 | ** | −15.27 | -6.44 | 98.52 | ** | 112.00 | ** | 201.80 | *** | |||
| (0.120) | (0.011) | (0.885) | (0.94) | (0.04) | (0.041) | (0.000) | ||||||||
| ریسک کشور | 0.43 | 3.46 | -0.26 | 0.88- | 1.25 | 0.13 | 11.31 | ** | ||||||
| (0.821) | (0.436) | (0.94) | (0.818) | (0.523) | (0.946) | (0.030) | ||||||||
| حقوق طلبکاران | -5.52 | ** | 3.91 | 10.70 | * | -4.63 | -6.47 | ** | 7.95 | ** | -3.85 | |||
| (0.020) | (0.552) | (0.063) | (0.59) | (0.011) | (0.027) | (0.709) | ||||||||
| مبتنی بر بازار | 36.12 | *** | 26.08 | 37.86 | ** | 83.25 | *** | 25.97 | *** | 14.70 | -40.19 | |||
| (0.000) | (0.164) | (0.035) | (0.000) | (0.004) | (0.120) | (0.233) | ||||||||
| اجرا | 0.26 | −1.14 | 0.54 | 1.43 | 0.34- | 0.57- | −0.09 | |||||||
| (0.544) | (0.329) | (0.468) | (0.115) | (0.427) | (0.232) | (0.926) | ||||||||
| نوسان | 2.34 | *** | 3.00 | *** | 3.51 | *** | 0.67 | 2.42 | ** | 2.58 | *** | 2.50 | ||
| (0.009) | (0.007) | (0.007) | (0.46) | (0.016) | (0.006) | (0.257) | ||||||||
| USTB5y-USTB3m | −0.06 | -0.28 | ** | −0.14 | −0.04 | −0.01 | −0.03 | −0.10 | ||||||
| (0.262) | (0.028) | (0.264) | (0.61) | (0.901) | (0.662) | (0.495) | ||||||||
| ثبت کل دارایی ها | -22.63 | *** | -8.06 | ** | −13.99 | *** | −15.08 | *** | −23.34 | *** | 1.01 | 9.91 | ||
| (0.000) | (0.02) | (0.000) | (0.000) | (0.000) | (0.659) | (0.122) | ||||||||
| بدهی به کل دارایی | 37.51 | *** | 13.78 | 47.60 | *** | 51.94 | * | 42.06 | *** | 69.31 | *** | 18.06 | ||
| (0.001) | (0.649) | (0.004) | (0.075) | (0.003) | (0.004) | (0.75) | ||||||||
| دارایی های ثابت به کل دارایی ها | -44.20 | *** | −36.13 | * | -27.83 | -58.64 | ** | −38.06 | *** | -3.36 | 14.03 | |||
| (0.000) | (0.061) | (0.111) | (0.024) | (0.000) | (0.855) | (0.745) | ||||||||
| بازار به رزرو | −0.01 | 0.08 | 0.01 | 0.23 | −0.01 | −0.07 | -0.25 | |||||||
| (0.799) | (0.674) | (0.988) | (0.619) | (0.807) | (0.265) | (0.566) | ||||||||
| بازگشت دارایی | -2.28 | *** | −1.28 | *** | −2.57 | *** | 0.43 | -2.52 | *** | -4.13 | *** | −1.97 | ||
| (0.000) | (0.007) | (0.000) | (0.526) | (0.000) | (0.000) | (0.334) | ||||||||
| اثرات ثابت صنعت | آره | آره | آره | آره | آره | آره | آره | |||||||
| اثرات ثابت سال | آره | آره | آره | آره | آره | آره | آره | |||||||
| تعداد مشاهدات | 16788 | 1,578 | 3,185 | 1,159 | 11622 | 3,599 | 332 | |||||||
| R2 تنظیم شده | 0.51 | 0.60 | 0.63 | 0.55 | 0.45 | 0.49 | 0.44 | |||||||
این جدول نتایج تجزیه و تحلیل OLS از عوامل تعیین کننده میانگین وزنی اسپرد معاملات (WAS) را ارائه می دهد. معامله PF یک متغیر ساختگی است. WAS به عنوان میانگین وزنی بین اسپرد ترانش اوراق قرضه و وزن آن در اندازه معامله محاسبه می شود. به طور مشابه، ما میانگین وزنی بلوغ (WAM) و میانگین وزنی رتبه بندی (WAR) را محاسبه کردیم. معاملات CF بر اساس هدف اصلی خود به 4 دسته طبقه بندی شدند، به دنبال Kleimeier و Megginson (2000) . برای ایجاد یک نمونه منطبق از معاملات CF – مدل [13] -، ما از رویکرد تطبیق امتیاز تمایل (PSM) با ایجاد یک الگوریتم تطبیق 1 به 1 استفاده میکنیم که مشابهترین معامله CF را در همان سال و صنعت، با استفاده از ویژگی های زیر: اندازه معامله، WAM و WAR. برای تعریف متغیرهای باقیمانده، جدول 2 را ببینید . برای هر متغیر مستقل، ردیف اول ضریب تخمینی را گزارش میکند و ردیف دوم مقدار p -value را گزارش میکند. خطاهای استاندارد از لحاظ ناهمگونی قوی هستند و در سطح سال شرکت خوشه بندی می شوند. ⁎⁎6 ، ⁎6 و ⁎ نشان می دهد که ضرایب گزارش شده به ترتیب با صفر در سطوح 1%، 5% و 10% تفاوت معنی داری دارند.
برای بررسی اینکه آیا WAS بر انتخاب بین تامین مالی خارج از ترازنامه، از طریق PF، و تامین مالی در ترازنامه، از طریق CF تاثیر میگذارد، از یک مدل رگرسیون لجستیک استفاده میکنیم. متغیر وابسته ما، انتخاب بدهی، یک متغیر باینری برابر با 1 است اگر شرکت معامله PF را ببندد و 0 اگر معامله CF را ببندد.(6)Choice of debt�,�=�0+�1WAS�,�+�Contractual characteristics�,�+�Macroeconomi�factors�+�Firm characteristics�,�−1+��,�
که در آن زیرنویس ها به معامله i در زمان t اشاره می کنند . ضرایب بر اساس خطاهای استاندارد سازگار با ناهمگونی، خوشهبندی شده بر اساس سال و شرکت برآورد شدند. علاوه بر این، در جدول 10 ، ضرایب را به جای نسبتهای شانس (ضرایب نمایی) گزارش میکنیم، زیرا علاقه اصلی ما بهجای بزرگی آنها، در جهت تأثیرات است.
جدول 10 . عوامل تعیین کننده انتخاب بدهی شرکت ها بین PF و CF.
| متغیر وابسته: | [14] | [15] | [16] | [17] | [18] | [19] |
|---|---|---|---|---|---|---|
| انتخاب بدهی | معاملات PF و CF | معاملات PF و CF | معاملات PF و CF | معاملات PF و CF | سوییچرها | معاملات PF و CF | CF = مبتنی بر دارایی ثابت | معاملات PF و CF | نمونه همسان |
| متغیرهای مستقل: | ||||||
| رهگیری | 0.349- | −7.064** | −0.015 | −3.324 | 6.562 | 5.600 |
| (0.9) | (0.016) | (0.996) | (0.206) | (0.166) | (0.294) | |
| بود | 0.003*** | 0.003*** | 0.003*** | 0.004*** | 0.006*** | 0.007*** |
| (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | |
| اندازه تراکنش ثبت نام | 0.391*** | 0.475*** | 0.395*** | 0.445*** | 0.890*** | 0.177- |
| (0.002) | (0.001) | (0.002) | (0.000) | (0.000) | (0.559) | |
| WAM | 0.018*** | 0.019*** | 0.018*** | 0.006 | 0.002** | 0.008 |
| (0.005) | (0.006) | (0.005) | (0.348) | (0.086) | (0.639) | |
| جنگ | −0.112*** | −0.119*** | −0.113*** | −0.138*** | −0.073* | 0.215- |
| (0.001) | (0.001) | (0.001) | (0.000) | (0.073) | (0.435) | |
| تعداد تراشه ها | 0.060- | −0.111 | 0.075- | 0.000 | 0.419- | 0.267- |
| (0.656) | (0.503) | (0.596) | (0.999) | (0.169) | (0.230) | |
| ریسک ارز | 0.211- | −0.175 | 0.173- | 0.146- | 0.151 | 0.066- |
| (0.340) | (0.473) | (0.455) | (0.527) | (0.706) | (0.883) | |
| تعداد بانک ها | −0.017 | 0.031- | 0.012- | 0.018- | 0.041- | 0.034- |
| (0.307) | (0.155) | (0.493) | (0.296) | (0.271) | (0.273) | |
| شهرت بانک | 0.020- | 0.026- | −0.017 | −0.037* | −0.010 | −0.112*** |
| (0.181) | (0.129) | (0.277) | (0.060) | (0.621) | (0.001) | |
| مبتنی بر بازار | 0.634** | 0.478** | 0.683** | 0.132* | 0.103* | 0.736 |
| (0.030) | (0.017) | (0.023) | (0.068) | (0.085) | (0.148) | |
| ریسک کشور | 0.059 | 0.059 | 0.060 | 0.053 | 0.044 | 0.194** |
| (0.120) | (0.149) | (0.122) | (0.236) | (0.649) | (0.039) | |
| حقوق بستانکار | 0.326*** | 0.336*** | 0.321*** | 0.305*** | 0.530** | 0.265 |
| (0.001) | (0.009) | (0.002) | (0.009) | (0.015) | (0.124) | |
| اجرا | −0.047*** | −0.052*** | −0.052*** | −0.034* | −0.096*** | 0.026- |
| (0.002) | (0.003) | (0.001) | (0.051) | (0.000) | (0.279) | |
| بحران مالی | −1.655*** | −1.775*** | −1.576** | −2.832*** | −1.338 | 0.224 |
| (0.008) | (0.008) | (0.013) | (0.000) | (0.119) | (0.616) | |
| بحران حاکمیتی | 0.328- | 0.239- | 0.311- | 0.252- | 0.278- | 0.323- |
| (0.162) | (0.341) | (0.181) | (0.309) | (0.449) | (0.342) | |
| نوسان | −0.033** | −0.028* | −0.035** | −0.036** | −0.073*** | 0.054- |
| (0.033) | (0.078) | (0.018) | (0.044) | (0.001) | (0.101) | |
| USTB5y-USTB3m | 0.001- | −0.002* | 0.001- | −0.003** | −0.004* | 0.002 |
| (0.181) | (0.081) | (0.193) | (0.014) | (0.084) | (0.211) | |
| ثبت کل دارایی ها | −0.187*** | −0.300*** | −0.191** | −0.282*** | −0.174* | 0.053- |
| (0.009) | (0.000) | (0.01) | (0.000) | (0.081) | (0.689) | |
| بدهی به کل دارایی | 0.403 | 0.121 | 0.419 | 0.770 | 0.670- | 1.562 |
| (0.507) | (0.846) | (0.497) | (0.321) | (0.462) | (0.207) | |
| دارایی های ثابت به کل دارایی ها | −1.655*** | −1.047** | −1.592*** | 0.126- | −2.679*** | −1.828*** |
| (0.000) | (0.018) | (0.000) | (0.785) | (0.000) | (0.002) | |
| بازار به رزرو | 0.000 | 0.001- | 0.000 | 0.001 | 0.001- | 0.000 |
| (0.481) | (0.550) | (0.635) | (0.670) | (0.938) | (0.985) | |
| بازگشت دارایی | −0.033*** | −0.002* | −0.030** | −0.051** | −0.030** | 0.062- |
| (0.001) | (0.092) | (0.014) | (0.016) | (0.012) | (0.240) | |
| سوییچر | 2.845*** | 3.112*** | 2.885*** | 3.237*** | 2.731*** | |
| (0.000) | (0.000) | (0.000) | (0.000) | (0.000) | ||
| ورود به سیستم Z -score | −0.566** | |||||
| (0.012) | ||||||
| FCF به کل دارایی ها | −1.191 | |||||
| (0.612) | ||||||
| اثرات ثابت صنعت | آره | آره | آره | آره | آره | آره |
| تعداد مشاهدات | 16788 | 14,831 | 16,445 | 3599 | 1159 | 332 |
| آمار والد | 758.83*** | 911.22*** | 758.99*** | 162.73*** | 93.44*** | 56.88*** |
| پیش بینی های صحیح | 98.49٪ | 98.58٪ | 98.52% | 94.44٪ | 90.09٪ | 77.71% |
| شبه R2 _ | 0.265 | 0.276 | 0.272 | 0.103 | 0.488 | 0.305 |
جدول 10 نتایج رگرسیون لجستیک را نشان می دهد که انتخاب شرکت ها بین PF و CF را پیش بینی می کند. متغیر وابسته زمانی که یک شرکت معامله PF را انتخاب می کند 1 و زمانی که معامله CF را انتخاب می کند 0 است. WAS میانگین وزنی اسپرد معاملات اوراق قرضه است. WAS میانگین موزون سررسید معاملات اوراق قرضه است. و WAR میانگین وزنی امتیاز معاملات اوراق قرضه است. برای ایجاد یک نمونه منطبق از معاملات CF – مدل [18] -، ما از رویکرد تطبیق امتیاز تمایل (PSM) با ایجاد یک الگوریتم تطبیق 1 به 1 استفاده میکنیم که مشابهترین معامله CF را در همان سال و صنعت، با استفاده از ویژگی های زیر: اندازه معامله، WAM و WAR. برای هر متغیر مستقل، ردیف اول ضریب تخمینی را گزارش میکند و ردیف دوم مقدار p -value را گزارش میکند. خطاهای استاندارد از لحاظ ناهمگونی قوی هستند و در سطح سال شرکت خوشه بندی می شوند. ⁎⁎⁎ ، ⁎6 و ⁎ به ترتیب در سطوح 1%، 5% و 10% معنیداری آماری را نشان میدهند.
جدول 10 نتایج رگرسیون لجستیک (6) را گزارش می کند . برآوردها به دنبال یک رویکرد گام به گام، با تمرکز اول بر معاملاتی که به دلیل کمبود اطلاعات در مورد ویژگیهای شرکتها – مدل [14] از دست دادن مشاهدات نداریم، توسعه یافتند. دوم، مابرای ارزیابی تأثیر اعتبار شرکت ها و ظرفیت تولید جریان نقدی بر فرآیند انتخاب – مدل های [15 و [16]، امتیاز Z و FCF را به متغیرهای کل دارایی ها یک به یک معرفی می کنیم. ثالثاً، همان روش تخمینی بسط داده شد تا شرکتهایی را نیز شامل شود که از هر دو ابزار در طول دوره مطالعه استفاده کردند، سوئیچرها، تا تضمین شود که نتایج ما بیطرفانه است و شرکتها در واقع میتوانند بین مدل PF و CF انتخاب کنند [17]. چهارم، از آنجایی که معاملات PF، از نظر اهداف تامین مالی، بیشتر شبیه به دسته معاملات CF مبتنی بر دارایی ثابت است ( کلیمایر و مگینسون، 2000 )، مدل [14] را مجدداً تخمین می زنیم، و نمونه معاملات CF را به معاملات مورد نظر محدود می کنیم. برای مخارج سرمایه عمومی یا تامین مالی خرید هواپیما، اموال یا حمل و نقل – مدل [18]. در نهایت، در مدل [19] ما بر یک نمونه فرعی از معاملات PF و یک نمونه منطبق از معاملات CF تمرکز میکنیم: نمونه فرعی PSM در سطح معامله که در بخش 5.2 مورد بحث قرار گرفت . 17 نتایج گزارش شده در تمام مدل های جدول 10 نشان می دهد که هزینه استقراض، که توسط WAS تعیین می شود، به طور قابل توجهی بر انتخاب شرکت ها بین معاملات PF و CF تأثیر می گذارد: متغیر WAS تأثیر مثبت و معنی داری بر احتمال مشاهده معامله PF دارد. این را می توان تا حدی با رابطه منفی بین متغیر WAR و احتمال مشاهده معاملات PF برای همه مدل ها (به استثنای مدل [19]) توضیح داد. این نتایج با نتایج ارائه شده در بخش 5.2 مطابقت دارد. و مجدداً نشان دهید که هزینه وام گرفتن در معاملات PF، ceteris paribus بالاتر است.
با توجه به اینکه PF گرانتر از CF است، سایر مزایای جبرانی قراردادی، کلان اقتصادی و در سطح شرکت نسبت به هزینه های استقراض باید نقش کلیدی در تصمیم حامیان مالی برای انتخاب PF در مقابل CF ایفا کنند. جدول 10 نتایج جالبی را ارائه می دهد. برخلاف پینتو و سانتوس (2019) ، که نمونه ای از وام های سندیکایی PF را با نمونه ای از اوراق قرضه شرکتی استاندارد مقایسه می کنند، متوجه می شویم که شرکت های حامی هنگام صدور مقادیر زیادی بدهی به دلیل هزینه های انتشار، PF را به CF انتخاب می کنند. به عنوان مثال، PF برای مقادیر نسبتاً زیادی از بدهی به منظور صرفه جویی در مقیاس استفاده می شود. یافته ها نشان می دهد که شرکت ها از PF برای کاهش سرمایه گذاری کم به دلیل مشکلات اطلاعات نامتقارن استفاده می کنند. شرکت هایی با مشکلات اطلاعات نامتقارن بالقوه، شرکت های نسبتا کوچکتر، تامین مالی پروژه را ترجیح می دهند. علاوه بر این، یافتههای ما نشان میدهد که ضرایب متغیر WAM معنادار و مثبت است، که از طراحی امنیتی و ادبیات PF پشتیبانی میکند ( Flannery، 1986 ؛ Diamond، 1991 ، Diamond، 1993 ؛ John and John، 1991 ؛ Gatti et al.، 2013 . پینتو و سانتوس، 2019 ). در مورد متغیرهای اقتصاد کلان ، متوجه میشویم که متغیر ساختگی مبتنی بر بازار تأثیر مثبت و معنیداری بر فرآیند انتخاب دارد: حامیان مالی احتمالاً از معاملات اوراق قرضه PF در پروژههای واقع در کشورهای دارای سیستم مالی مبتنی بر بازار استفاده میکنند. در حالی که متغیر حقوق بستانکار به طور قابل توجهی و مثبت بر انتخاب حامیان مالی از PF نسبت به معاملات CF تأثیر می گذارد، تأثیر سطح اجرا معنادار و منفی است که با یافته های سوبرامانیان و تونگ (2016) مطابقت دارد .
ما شواهدی پیدا نکردیم که انتخاب بدهی با انگیزه هزینه نمایندگی مرتبط باشد: نتایج تأیید نمیکند که شرکتهایی با هزینههای مرده بالاتر ناشی از مشکل سرریز بدهی، و آنهایی که هزینههای نمایندگی بالاتر جریان نقدی آزاد دارند، احتمال بیشتری برای انتخاب دارند. PF. مطابق با پینتو و سانتوس (2019) ، نشان میدهیم که شرکتهایی با سودآوری پایینتر از PF به جای CF استفاده میکنند. نتایج همچنین نشان میدهد که شرکتهایی که از وامدهی PF و CF در دوره نمونه ما استفاده میکنند – سوئیچرها – احتمال بیشتری دارد که معاملات PF را هنگام صدور بدهی جدید انتخاب کنند. ما شواهدی را یافتیم که از انگیزه مدیریت ریسک استفاده از PF حمایت میکند، زیرا این معاملات SF برای حامیان مالی با هزینههای مورد انتظار بالاتر از پریشانی مرتبطتر است، چه به دلیل احتمال بیشتر پریشانی یا هزینههای بالاتر با توجه به پریشانی (تأثیر منفی متغیر Z- score در مدل [15]). در نهایت، همانطور که انتظار داشتیم، شرکتهای حامی مالی با قابلیت ملموس بیشتر، اغلب از معاملات PF برای اجرای پروژههای در مقیاس بزرگ و نسبتاً پرخطرتر استفاده میکنند.
به طور کلی، ما نشان میدهیم که معاملات اوراق قرضه PF هزینههای استقراض بالاتری نسبت به معاملات اوراق قرضه CF قابل مقایسه دارند. بنابراین، ما ادبیات نظری موجود PF را تأیید نمیکنیم که استدلال میکند با کاهش هزینههای بینقص ناقصها و اصطکاکهای بازار و بهبود مدیریت ریسک، ساختارهای قراردادی PF هزینههای تامین مالی را کاهش میدهند (Brealey و همکاران، 1996؛ Esty، 2003، Esty ، و Coriellia ، 2004a . و همکاران، 2010 ). برعکس، نتایج ما مطابق با نتایج کلین و همکاران است. (1996) و پینتو و سانتوس (2019) : به دلیل هزینه های مشاوره بیشتر، هزینه های ساختاری قابل توجه، اهرم بالاتر و پیچیدگی عملیاتی بیشتر، تراکنش های PF گران تر از جایگزین های سنتی CF هستند.
ما تعدادی بررسی استحکام اضافی را انجام میدهیم که هدف اصلی اوراق، تنظیمات متغیر رتبهبندی و صنعتی که صادرکننده اوراق قرضه CF به آن تعلق دارد را کنترل میکند. اول، در بخش 4.1 نشان میدهیم که اوراق قرضه PF به طور متوسط با اسپردهای بالاتری نسبت به اوراق قرضه CF با رتبه مشابه مرتبط هستند. از آنجایی که شرکتها اوراق قرضه CF را برای اهداف مختلف منتشر میکنند، مدل [1] جدول 4 را برای نمونههای فرعی ارائهشده در پانل E جدول 1 مجدداً برآورد میکنیم . نتایج ارائه شده در جدول 7 پیوست آنلاین، مجدداً نشان می دهد که اسپرد اوراق قرضه PF بیشتر از کنترل شرکت، ساختار سرمایه، مبتنی بر دارایی ثابت و اسپرد اوراق مشارکت با هدف عمومی است. دوم، ما از یک مقیاس خطی رو به پایین از AAA = 1 تا D = 22 در مدلهای سطح پیوند خود استفاده میکنیم. ما حساسیت نتایج گزارش شده در جدول 4 ، جدول 6 ، جدول 7 را با طبقه بندی مجدد رتبه های اعتباری در پنج دسته از بهترین تا پیش فرض، مانند مواردی که توسط کوریلی و همکاران ارائه شده است، آزمایش می کنیم. (2010) ، و نتایج از نظر کیفی یکسان است. در نهایت، مدلهای [11] و [14] را تخمین میزنیم که نمونه را به معاملات بسته شده توسط شرکتهای متعلق به صنایع سرمایهبر محدود میکند. بر اساس پانل A از جدول 1 ، بیش از 80 درصد معاملات PF بر حسب حجم در چهار صنعت (تعامل، نفت و گاز، حمل و نقل، و ساخت و ساز/مهندسی سنگین) متمرکز شده است که همگی سرمایه بر هستند. هدف ما اطمینان از مقایسه معاملاتی است که نوع پروژه های سرمایه گذاری مشابهی را تامین می کند. ما دریافتیم که WAS معاملات PF بالاتر از معاملات اوراق قرضه CF است و به طور مثبت و قابل توجهی بر انتخاب بین معاملات PF و CF تأثیر می گذارد. به طور کلی، این تستهای حساسیت اضافی، استحکام نتایج ما را بیشتر تایید میکنند.
این مقاله با استفاده از مقطعی از اوراق قرضه جهانی بسته شده در دوره 1993-2020، اسپردها و قیمتگذاری تامین مالی پروژه (PF) را با اوراق قرضه مالی شرکتی (CF) مقایسه میکند. همچنین بررسی میکنیم که آیا اوراق قرضه PF و CF قابل مقایسه دارای اسپردهای متفاوتی هستند یا خیر، و اینکه آیا اسپردها اطلاعاتی فراتر از رتبهبندی اعتباری را در سراسر PF و CF منتقل میکنند یا خیر. در سطح معامله، ما مطالعه میکنیم که آیا شرکتهای حامی از PF برای کاهش هزینههای استقراض استفاده میکنند و عوامل تعیینکننده انتخاب معامله اوراق قرضه شرکتها چیست.
نتایج ما برای سرمایه گذاران و ناظران بازار مرتبط است. ما دریافتیم که اوراق قرضه PF و CF اوراق بهاداری هستند که به طور متفاوتی تحت تأثیر ویژگی های قیمت گذاری مشترک قرار دارند. ما نشان میدهیم که اوراق قرضه PF دارای اسپرد بالاتری نسبت به اوراق قرضه CF قابل مقایسه هستند و اسپردها اطلاعاتی فراتر از رتبهبندی اعتباری را منتقل میکنند. تجزیه و تحلیل دقیق چگونگی تأثیر ویژگی های شرکت های حامی بر اسپرد اوراق قرضه نشان می دهد که نسبت بدهی به کل دارایی ها عامل تعیین کننده منحصر به فرد اسپرد اوراق قرضه PF است، در حالی که انتخاب شرکت های حامی بین اوراق قرضه PF و CF بر قیمت گذاری چنین اوراقی تأثیر می گذارد. هنگام اجرای یک تحلیل در سطح معامله، متوجه میشویم که معاملات PF به عنوان مکانیزمی برای کاهش هزینه استقراض شرکتهای حامی استفاده نمیشود. در عوض، انتخاب بین این دو راهحل تامین مالی ممکن است به عوامل برونزا مانند حمایت از طلبکار، اجرای بدهی و سطوح توسعه بازار مالی کشور وام گیرنده بستگی داشته باشد. در رابطه با ویژگی های شرکت های حامی – اندازه، ملموس بودن دارایی، سودآوری و اعتبار -؛ و اهدافی که باید توسط شرکت ها محقق شود، به ویژه با توجه به دستیابی به حجم بالاتر تامین مالی با سررسید طولانی تر، حفظ انعطاف پذیری مالی حامیان مالی و بهبود مدیریت ریسک.
با توجه به نقش فزاینده PF در یک سناریوی پس از بازل III، که در آن وامهای بلندمدت سندیکایی بیشتر و بیشتر توسط نیازهای سرمایه محدود میشود، ما معتقدیم که این مطالعه برای سیاستگذاران نیز مهم است. با در نظر گرفتن نقش مهم PF در ترویج سرمایه گذاری عمومی و به عنوان یک محرک رشد اقتصادی ( کلیمایر و ورستیگ، 2010 )، ما معتقدیم که سیاست گذاران باید دانش بهتری از ابزارهای اوراق قرضه PF داشته باشند و امکان مداخلات نظارتی دقیق تر و کارآمدتر را فراهم کنند.
علاوه بر این، یافتههای ما نشان میدهد که رتبهبندی اعتباری ممکن است برای قیمتگذاری صحیح اوراق قرضه محدود باشد: سرمایهگذاران هنگام قیمتگذاری اوراق قرضه منحصراً به رتبهبندیها تکیه نمیکنند و این اثر برای PF در مقابل اوراق قرضه CF بیشتر است . با توجه به پیچیدگی قراردادهای معاملات PF و در دسترس نبودن مکرر اطلاعات دقیق در مورد پیوند قراردادهای مورد استفاده و جریان های نقدی اساسی، بسیاری از سرمایه گذاران تخصص یا انگیزه ای برای قیمت گذاری صحیح این اوراق ندارند و مجبورند به رتبه های اعتباری اعتماد کنند. ، یا متحمل سواری رایگان شوید . ما استدلال میکنیم که بهبود استانداردهای شفافیت و افشا در بازارهای اوراق قرضه PF، عمدتاً از طریق آژانسهای رتبهبندی (به عنوان مثال، اطلاعات روششناختی، مفروضات کلیدی، دادههای اساسی مورد استفاده، و کارمزد)، ممکن است کارایی اطلاعاتی بازار را بهبود بخشد و امکان دسترسی سرمایهگذاران غیر نهادی را فراهم کند . این بازارها نیز علاوه بر این، «تورم رتبهبندی» مشاهدهشده در محصولات مالی ساختاریافته، عمدتاً برای CDO ، در طول بحران مالی 2008 ( گریفین و همکاران، 2013 )، قانونگذاران و قانونگذاران را بر آن داشت تا پیشنهاد کنند که رتبهبندی اعتباری باید به طور مداوم در بین طبقات دارایی اعمال شود. ما نشان میدهیم که یک رویکرد رتبهبندی اعتباری استاندارد برای کلاسهای PF و CF میتواند خطرناک باشد زیرا ما تفاوتهای قابلتوجهی در اسپردها و قیمتگذاری اوراق قرضه PF در مقابل CF را مستند میکنیم.
هیچ یک.
نویسندگان از سردبیر (سیمی کدیا)، یک داور ناشناس، کارول الکساندر، پائولو آلوز، میگل فریرا، کیم کایوانتو، ریکاردو ریبیرو، ویلیام مگینسون، دانیل سانتوس، ماریو سانتوس، آنتونی ساندرز، و تیاگو تکسیرا برای پیشنهادات مفیدشان تشکر میکنند. ما همچنین می خواهیم از شرکت کنندگان در یازدهمین کنفرانس حسابداری و مالی دانشگاه کاتولیک پرتغال – پورتو، کنفرانس سالانه انجمن مدیریت مالی اروپا در سال 2023 و کنفرانس بین المللی شبکه مالی پرتغال در سال 2023 برای نظرات مفید در مورد پیش نویس های قبلی تشکر کنیم. از حمایت مالی Fundação para a Ciência e Tecnologia (از طریق پروژه UIDB/00731/2020 ) با سپاس قدردانی می شود.
