随着中国地方政府专项债券发行规模的不断攀升，如何在稳增长和防风险的双重目标之间平衡协调，日益成为专项债务治理中一个亟需厘清和解答的问题，而债券价格充分反映风险的市场化定价无疑是实现上述目标的有效手段之一。在市场化定价的条件下，发债利率高低在很大程度上能够反映地方政府的信用水平和偿债能力，信用水平差、项目收益低和债务风险高的地方政府会面临发债规模受限、发债利率高企的约束，债券市场资金会更多地、成本更低地配置到信用状况好、项目收益高和偿债能力强的地方政府，这对于发挥专项债券资金促进有效投资、防范化解债务风险的作用无疑具有重要意义，而这也正是近年来提升地方政府债券发行市场化水平多次被决策层强调的重要原因。

分析判断地方政府专项债券定价市场化的方法较多，最简单直接的是将其发行利率与同期国债收益率进行比较，中国地方政府专项债券在2015−2016年发行过程中存在的“利率倒挂”现象实际上反映了非市场因素的干扰（王治国，2018）。虽然在2017年后，专项债券的“利率倒挂”现象逐步消失，但其背后很大程度上与相关部门对投标区间下限的指导有关。因此，这一指标实际上受到了非市场因素的干扰，相应的结论无疑会存在一定程度的偏差。实际上，专项债券发行定价市场化的核心在于其风险溢价，即不仅要看其发行利率本身的高低，更要看相对于债务风险的高低，即是否能够充分反映债务风险。从这一角度来看，中国地方政府专项债券定价的市场化水平可能还远远不够。

表1列示的是2015−2019年中国发行的地方政府一般债券和专项债券的平均信用利差、对应发行主体的债务率等数据。对比一般债券的相关特征，专项债券定价存在与其风险状况的较大偏离：专项债券对应发行主体的平均债务率为1.490，比一般债券对应的0.699高113.2%；而专项债券的信用利差为31.800个基点，仅仅比一般债券对应的30个基点高6.0%，风险与收益率明显不匹配。当然，信用利差也会受到诸如债券规模、期限等因素的影响，但是两类债券平均期限只有3.5%的差异，单只债券平均规模虽然有−33.8%的差异，但这远远低于风险状况的差异程度。

实际上，上述分析也为更加准确地识别地方政府专项债券发行定价的市场化水平提供了明确思路和基本前提：一是如何准确度量债务风险，二是判断风险定价的参照或基准。基于上述考虑，本文一方面以债务率为核心指标，通过构建债务风险指数从而对地方政府债务风险进行更为准确的度量；另一方面以地方政府一般债务为参照和基准，对专项债券的风险定价水平进行识别和判断。

余文结构如下：第二部分是文献述评，第三部分是地方政府债务风险指数的构造及基本特征，第四部分是模型与方法，第五部分是实证分析，第六部分是结论与建议。

从全球范围来看，地方政府或其代理机构通过发行债券（一般称之为市政债券）进行基础设施建设是各国普遍做法。20世纪60年代后，随着市政债券发行规模的迅速增长，对其定价或收益率影响因素的研究也逐步涌现（周俊桃和田其锋，2016）。Hastie（1972）、Liu和Seyyed（1991）、Capeci（1994）、Badu等（2002）、Wang等（2008）、Novy-Marx和Rauh（2012）、Ang等（2014）、Cebula（2014）、Schwert（2017）对美国市政债券收益率的影响因素进行了研究，基本上均发现地方政府债务风险的影响是显著的。少数基于其他国家市政债券的研究则得出不同结论，如Pinna（2015）、Hattori和Miyake（2015）分别基于意大利和日本的市政债券发现地方政府的债务违约风险并没有被充分定价。

对中国地方政府债券定价问题的研究则是伴随着对地方债务风险问题研究的不断深入而逐步涌现的。2008年后，在中国为应对全球金融危机而实施新一轮积极财政政策的推动下，地方政府债务规模迅速扩张，地方政府债务风险问题开始凸显，相关研究可以归为以下两类：一类主要利用未定权益分析方法，对地方政府债务违约概率进行量化估测，如李腊生等（2013）、蔡真和祁逸超（2014）、徐占东和王雪标（2014）、徐蕾和刘小川（2018）等基于可偿债财力的流量角度进行了估测，沈沛龙和樊欢（2012）、潘志斌（2015）等则基于可流动资产的存量角度进行了研究；另一类侧重于构建能够全面反映地方政府债务风险的指标体系，利用因子分析法（缪小林和伏润民，2014）、层次分析法（王振宇等，2013）、熵值法（郭玉清等，2015）、神经网络法（刘骅和卢亚娟，2014）等方法对地方政府债务风险进行研判预警或分级排序。

上述文献主要是对地方政府债务风险本身进行研究，基本没有涉及风险定价问题，对这一问题的明确研究始于2014年（徐春骐和赵凌，2014），并且与中国地方政府债务管理制度的改革和发展历程相适应。2015年新《预算法》实施前，地方政府不能举债融资，因此研究对象基本是地方政府投融资平台的债务，尤以城投债最为普遍。这一阶段的研究往往侧重于探讨隐性担保（Chen和Wang，2015；汪莉和陈诗一，2015；罗荣华和刘劲劲，2016；王博森和吕元稹，2016）、救助预期和预算软约束（Ang等，2014；牛霖琳等，2016；王永钦等，2016）等因素对城投债利率水平或信用利差的影响，以及城投债不能被正确定价所带来的一系列问题。

2015年新《预算法》实施后，省级政府可以发行债券进行融资，同时地方政府投融资平台也逐步被剥离政府融资职能并开始市场化转型，中国地方政府债券市场逐步确立和发展完善，地方政府债券的发行规模不断扩大。对应于这一进程，有关地方政府债券定价的理论和实证研究开始涌现。王永钦等（2015）对地方政府自主发债的积极效应和可能后果进行了理论分析，认为自主发债可以强化地方政府的预算刚性约束，但同时可能导致经济发展的“马太效应”。宫汝凯和王治国（2019）认为，地方政府债券发行机制的合理设计能够有效减少发行过程中潜在的非市场行为，提高定价的市场化水平。在实证研究方面，梁朝晖等（2017）认为地方政府债券的信用风险溢价并不明显，而刘穷志和刘夏波（2017）、王敏和方铸（2018）则认为地方政府债券的信用风险溢价是显著的。潘俊等（2018）发现地区经济越发达、财政收支状况越好，城投债与地方政府债券发行利差的差异越小。巴曙松等（2019）发现地方政府债券的发行定价受银行与地方政府关系的影响，没有充分体现发行主体的信用资质差异。王剑锋和吴京（2020）基于搭售合约视角对地方政府债券发行利率异象的形成机制进行了研究，认为地方政府的行政干预强化了地方政府债券定价扭曲。

通过文献梳理可以发现，国际上对市政债券定价的研究更多基于西方发达国家数据，中国与西方主要国家在政治体制、经济制度、财政体系等方面差异显著，地方政府举借债务的发展历程也差异较大，西方结论往往并不适用于中国。同时，对中国地方政府债券定价的研究并未充分跟进地方政府债务制度的最新改革，突出表现为明确区分一般债券和专项债券的研究还不多，专门针对专项债券定价的研究更是空白，且对债务风险这一核心因素的指标构造和度量也相对简单，难以全面准确地度量债务风险。结论也往往是市场化定价、非市场化定价的各执一端，准确性和全面性不足。除系统性构建债务指数以更为准确全面地衡量债务风险外，本文还从一般债券和专项债券互为比照的角度进行了研究，既印证了专项债券发行定价的市场化特征，又识别出其非市场化的典型表现，结论更为准确全面，为推进专项债券的市场化定价提供了更为坚实的政策依据和更为明确的方向目标。

按照资本资产定价的基本原理和一般逻辑，资产定价要遵循收益与风险相匹配的原则，即承担的风险越大，期望的收益也应越高，而债券（包括政府债券）的定价无疑也适用这一原则。因此，对地方政府债券发行定价市场化的识别和分析，也应从其定价是否充分有效反映了风险这一角度切入。当然，地方政府债务风险包含的具体内容或构成较多，不同性质和来源的风险所对应的度量指标也较多，当前最为常用的指标是债务率，即存量债务规模与地方综合财力的比值。本文认为，这一指标虽然能够直接反映债务风险并且计算方法简单，但无法反映影响债务风险的其他因素，如地区经济发展状况、地区债务结构状况以及金融体系运行状况等。

基于上述考虑，本文引入地方政府债务风险指数综合反映债务风险，具体的方法是引入风险修正因子，用来综合反映除债务率外影响债务风险的其他因素。本文从地区经济发展状况、地方财政运行状况、金融体系运行状况三个方面选取二级指标，并通过数学处理得到一个综合性指标——地方政府债务风险修正因子，将债务率与债务风险修正因子相乘，最终得到地方政府债务风险指数。

在二级指标方面，基于已有研究（陈志勇和庄佳强，2014；闫明和顾炜宇，2014；张凯云，2016），本文选择如下：（1）对于地区经济发展状况，利用8个指标进行度量：GDP实际增长率和人均GDP反映地区整体经济运行和发展状况，第三产业比重反映地区经济结构，固定资产投资率反映投资水平，社会消费率反映地区居民消费水平，常住人口增长率反映人口流动情况，城镇人口比重和城镇发展水平分别反映人口城镇化和土地城镇化状况^①。（2）对于地方财政运行状况，利用7个指标进行度量，一般公共收入水平、一般公共支出水平和一般财政自给率反映地方一般公共预算状况，政府性基金收入水平、政府性基金支出水平、政府性基金自给率和国有土地出让单价反映地方政府性基金预算状况。（3）对于金融体系运行状况，利用金融机构的存贷款余额数据进行度量，存贷款状况在很大程度上可以反映地区的金融发展水平，具体指标包括新增存款比率、新增贷款比率和贷款存款比率。地方政府债务风险指数指标体系如图1所示。

图  1  地方政府债务风险指数指标体系

需要说明的是，考虑到地方政府债务的分类管理，即一般债券纳入地方一般公共预算，专项债券纳入地方政府性基金预算，本文分别构建一般债务和专项债务风险修正因子，同时前者不包括地方政府性基金预算状况指标，后者则不包括地方一般公共预算状况指标。

地方政府债务风险的修正因子包括众多指标，且这些指标的数值单位各不相同，数值大小差异较大，本文将这些指标综合成一个指标作为债务风险的修正因子，具体方法如下：

本文首先对数值进行无量纲化处理，将指标的原始数值折算为0到1之间的数值，并且根据指标影响地方政府债务风险的不同方向，分别进行折算。如果是正向指标，即在其他指标相同的情况下，该项指标数值大意味着地方政府债务风险高，折算方法： $V_i^s $ =（V_i−V_min）/（V_max−V_min）。如果是负向指标，即在其他指标相同的情况下，该项指标数值大意味着地方政府债务风险低，折算方法： $V_i^s $ =（V_max−V_i）/（V_max−V_min）。其中，V_i表示指标原始值，V_max、V_min分别表示截面样本中的最大值和最小值， $V_i^s $ 表示标准化后的指标。

数值标准化的常规做法更适用于没有时间维度的截面数据，考虑到本文研究跨越多个年份，常规的标准化处理方法会抹杀指标在不同年份之间的变动情况。为使处理后的数据也能进行纵向比较和分析，本文采用确定基准时期的数值标准化处理方法，即以2014年为基期，利用2014年的最大值和最小值来标准化数据。同样地，如果是正向指标，采用公式： $V_{i,t}^s$ =[（V_i,t−V_min(0)）]/[（V_max(0)−V_min(0)）]。如果是负向指标，采用公式： $V_{i,t}^s $ [（V_max(0)−V_i,t）]/[（V_max(0)−V_min(0)）]。其中，V_max(0)、V_min(0)分别表示基期2014年截面样本中的最大值和最小值。

需要说明的是，上述标准化处理得到的数值不再限定在0到1之间，而可能会小于0或大于1。如果是正（负）向指标，小于0说明该项指标比基期最小（大）值还小（大），大于1则说明该项指标比基期最大（小）值还大（小）。

原始数据进行标准化处理后，经过加权平均就可以计算得到最终的修正因子。问题在于如何确定不同指标之间的权重，既综合反映不同指标的信息，又保留数据的纵向变动信息，同时保证综合后的指标数值可以直接进行比较。经过综合考虑，本文对修正因子Factor_debt_i,t的计算采用简单平均方法。

据此，地方政府债务风险指数Index_debt_i,t=Ratio_debt_i,t×Factor_debt_i,t。

本文对一般债务和专项债务的风险修正因子和风险指数的计算，同样采用上述方法，不再单独说明。

为了对地方政府债务风险指数有一个初步直观的认识，本文从横向的地区差异和纵向的年度变化两个角度进行分析。

首先，从横向地区差异来看，图2展示了2018年底36个发债主体一般债务风险指数和专项债务风险指数地区分布的基本情况。可以看出，无论是一般债务风险指数还是专项债务风险指数，地区之间的差异均是明显的。从数值高低的具体地区分布来看：专项债务风险指数最高的五个发债主体分别为大连市、贵州省、辽宁省（不含大连市）、黑龙江省和内蒙古自治区，最低的五个发债主体分别为青岛市、厦门市、浙江省（不含宁波市）、西藏自治区和深圳市；一般债务风险指数最高的五个发债主体分别为大连市、内蒙古自治区、辽宁省（不含大连市）、贵州省和青海省，最低的五个发债主体分别为北京市、上海市、厦门市、西藏自治区和深圳市。大体而言，东北地区和西南地区的地方政府债务风险指数相对较高，东部地区则相对较低。一般债务风险指数和专项债务风险指数的地区分布有所差异，但是总体相近。整体来看，二者的相关系数高达0.830。如果进一步用基尼系数衡量地方政府债务风险指数的地区差异，一般债务的基尼系数为0.261，专项债务的基尼系数为0.338，地区差异均比较明显，且专项债务的地区差异更大。

图  2  36个发债主体一般债务和专项债务风险指数（2018年）

其次，从纵向年度变化来看，图3展示了2014年底至2018年底36个发债主体一般债务风险指数和专项债务风险指数纵向变化的基本情况。专项债务风险指数的变动程度较大，变动值最大为0.892，最小为−1.186，波动幅度为2.078；而一般债务风险指数的变动程度则相对较小，变动值最大为0.167，最小值为−0.371，波动幅度为0.538。可见，专项债务风险指数的波动幅度约为一般债务风险指数的3.862倍。即使考虑到专项债务风险指数的均值（0.841）高于一般债务风险指数的均值（0.439），二者的相对波动比例也约为两倍。从地方政府债务指数波动幅度与其自身数值高低（以2014年底为基准）的相关性来看，一般债务风险指数的相关系数为−0.579，专项债务风险指数的相关系数为−0.475。这表明地方政府债务风险高的地区往往在逐步化解和降低债务风险，而风险低的地区则往往在逐步扩大举债规模，地方政府债务风险在地区之间的分布差异逐年减小，地区分布的平衡性得到逐步改善。

图  3  36个发债主体一般债务和专项债务风险指数的纵向变化（2014−2018年）

最后，综合横向地区差异和纵向年度变化情况来看，虽然地方政府债务风险指数总体呈下降趋势，地区分布的不平衡性也在逐步改善，但由于2014年前累积的债务存量基数庞大，地区之间的经济发展和财政状况的不平衡在短期内较难改变，再加上近年来地方政府债务（尤其是专项债务）的新增规模在进一步扩大，财政收入（尤其是地方政府性基金收入）的增速减缓，地方政府债务风险及其地区分布不平衡性仍然不容忽视，需要进行全面治理。

本文利用两个各有侧重、同时互为比照的角度来识别和分析地方政府专项债券发行定价的市场化水平：一方面看发行信用利差对债务风险指数的反应系数的符号和显著性；另一方面看该反应系数在一般债券和专项债券的分组下是否存在显著差异。对于前一个方面，按照风险与收益相匹配的市场化定价基本原则，债券风险越高，投资者越会要求额外的或更高的回报率（即风险溢价）来弥补风险，因此地方政府债券发行信用利差对债务风险指数的反应系数的符号应该为正且显著。但是，仅仅是正向且显著的实证结果并不能直接反映风险定价是否充分到位，而本文通过后一个方面进行识别分析，即一般债券和专项债券的对照。

考虑到一般债券和专项债券分别纳入地方一般公共预算和政府性基金预算，本文分别利用基于一般公共预算计算的一般债务风险指数和基于政府性基金预算计算的专项债务风险指数来度量二者的风险。而对于二者的风险定价，其信用利差对风险指数的反应系数在理论上应该是基本相当的，如果进一步考虑政府性基金收支可能纳入一般公共预算统筹安排、地方政府性基金收入波动较大等因素，专项债券的反应系数应该不低于一般债券的反应系数，否则在很大程度上能够说明专项债券的风险定价水平是不充分、不到位的。

基于上述思路，本文以地方政府债券的发行信用利差（票面利率与相同时间和期限的国债收益率之差）作为被解释变量，以衡量债务风险的债务指数作为核心解释变量来构建实证模型，同时将地方政府债券样本分为一般债券组和专项债券组来识别分析二者的风险定价差异。据此，本文构建如下实证模型：

模型（1）和模型（2）分别对应一般债券和专项债券样本， $CS\_debt_{i,j,t}^g$ 代表一般债券的信用利差， $CS\_debt_{i,j,t}^r$ 代表专项债券的信用利差，核心解释变量 $Index\_deb{t_{j,t - 1}}$ 代表债券发行主体发债年份滞后一期^②的债务风险指数（如果是一般债券，为一般债务风险指数；如果是专项债券，则为专项债务风险指数）。控制变量方面，综合考虑并借鉴相关文献的常用指标（刘穷志和刘夏波，2017；吴洵和俞乔，2017；潘俊等，2018；王敏和方铸，2018），本文选择地方政府债券本身的特征变量： $lnscal{e_i}$ 代表单只债券发行规模（对数化处理）， $ ter{m_i} $ 代表单只债券的期限；考虑到债券市场的波动，本文在两个模型中分别引入年份效应 $ \lambda _t^g $ 和 $ \lambda _t^r $ ， $\varepsilon _{i,j,t}^g$ 和 $ \varepsilon _{i,j,t}^r $ 分别代表一般债券和专项债券的扰动项。

可以看出，通过模型（1）和模型（2）可以实现并验证本文实证分析的思路：基于样本数据得到地方政府债券的风险指数反应系数 $ \beta _1^g $ 和 $ \beta _1^r $ 的估计值后，通过其符号及显著性，识别地方政府债券是否对风险进行了定价；通过比较系数大小，从侧面识别专项债券对风险的定价是否充分到位。

从实证分析的技术来看，本文实际上旨在识别和检验分组回归后的组间系数差异，目前常用的三种方法包括基于似无相关回归（SUR）检验、基于费舍尔（Fisher’s）组合检验和基于分组虚拟变量交乘项检验。其中，似无相关回归检验假设条件比较宽松，允许两组样本的回归方程中所有解释变量的系数存在差异，也允许两组样本的干扰项彼此相关且具有不同分布，因此本文采用似无相关回归检验来估计基准结果。此外，费舍尔组合检验的假设条件最为宽松，对两个样本组中干扰项的分布、组间系数差异统计量的分布未做任何假定，且可通过自抽样（Bootstrap）的方法得到组间系数差异统计量的统计分布及置信水平（连玉君和廖俊平，2017）。因此，本文进一步采用费舍尔组合方法对分组回归的组间系数差异进行稳健性检验。

考虑到一般债券和专项债券在单只规模、期限等特征上的类似性，同时两者均纳入地方财政预算，本文进一步假定除债务风险指数外的其他变量系数不存在差异，从而引入虚拟变量的交乘项来识别债务风险指数系数的差异，即构建如下模型：

模型（3）中的 $ dumm{y_i} $ 是代表地方政府债券类型的虚拟变量，本文用该虚拟变量与债务风险指数的交乘项来识别一般债券和专项债券的信用利差对风险指数反应系数大小的差异，同时将虚拟变量本身作为解释变量，从而识别地方政府债券类型对信用利差的影响，其他解释变量与模型（1）和模型（2）一致。

通过上文对实证模型中变量的说明可以看出，本文使用的数据主要有两类：一是以债券个体为样本的地方政府债券数据，二是以发债主体为样本的区域经济运行、财政状况等数据。

第一类数据主要来自Wind金融数据库，纳入分析的是在2015−2019年发行的5351只地方政府债券。其中，2015年1035只，2016年1159只，2017年1134只，2018年930只，2019年1093只；从债券类型来看，一般债券2445只，专项债券2906只；从债券期限来看，1年期5只，2年期14只，3年期901只，5年期1756只，7年期1202只，10年期1271只，15年期66只，20年期57只，30年期79只。此外，国债收益率数据采用的是中债国债到期收益率，关键期限分别对应1年、2年、3年、5年、7年、10年、15年、20年和30年。

第二类数据主要来自《中国统计年鉴》《中国国土资源统计年鉴》《中国金融年鉴》等^③，地方政府债务余额、政府性基金收入数据来自各发债主体的决算或预算执行报告，少数缺失数据通过向财政部门申请公开获得。

需要说明的是，本文的发债主体不仅包括31个省份（省、自治区和直辖市），还包括自主发债的5个计划单列市（大连市、青岛市、宁波市、厦门市和深圳市）。同时为避免数据重叠，本文从5个省份（辽宁省、山东省、浙江省、福建省和广东省）的经济、财政等数据中剔除了5个计划单列市的相应部分。

在实证分析过程中，本文将上述两类数据根据年份和发债主体进行了匹配合并。考虑到一对多的匹配合并会导致部分数据重复，本文相对分离地列示两类数据的描述性统计结果，详见表2。

表3报告了模型（1）和模型（2）的估计结果，列（1）和列（2）以发债主体的债务风险指数为核心解释变量。从对应的债务风险指数系数来看，一般债券为0.131，专项债券为0.034，且均在1%水平上显著。结果表明，一般债券和专项债券均对地方政府债务风险进行了定价。进一步从两类债券风险指数系数的组间差异来看，专项债券组明显偏低，这在很大程度上表明专项债券风险定价水平偏低，即专项债券对债务风险的定价是不充分、不到位的。

从债务风险指数组间系数是否存在统计上显著差异来看，基于似无相关回归构造的组间系数差值的卡方统计量为34.90，在1%水平上均显著。此外，本文采用假设条件最为宽松的费舍尔组合检验，通过自抽样方法从债券样本中抽样1000次，然后基于这1000次的抽样结果得到组间系数差值的统计分布和置信水平。结果显示，债务风险指数组间系数差异在1%水平上仍然显著^④。

列（3）和列（4）以发债主体债务率为替代性核心解释变量，列（5）和列（6）剔除了计划单列市发行的债券样本，同时以发债主体债务风险指数为核心解释变量。结果显示，债务风险指数组间系数及其差异与基本实证结果基本一致。列（3）和列（4）的债务率系数分别为0.084和0.023，卡方统计量为26.51，组间系数差异在1%水平上显著。列（5）和列（6）的债务风险指数系数分别为0.134和0.033，卡方统计量为31.68，组间系数差异在1%水平上显著。

为增强分组回归结果的可信性，本文进一步通过模型（3），引入全部债券样本的交乘项模型进行稳健性检验，回归结果如表4所示。

列（1）和列（2）报告了以发债主体债务风险指数为核心解释变量的回归结果，其中列（1）将虚拟变量作为单独的解释变量，列（2）未将虚拟变量作为单独的解释变量。结果显示，交乘项的系数分别为−0.072和−0.061，且均在1%水平上显著。结果表明，专项债券的债务风险指数反应系数低于一般债券的债务风险指数反应系数，即专项债券的风险定价水平偏低，对债务风险的定价并不充分。

列（3）和列（4）报告了以发债主体债务率为核心解释变量的回归结果，其中列（3）将虚拟变量作为单独的解释变量，列（4）未将虚拟变量作为单独的解释变量。结果显示，交乘项的系数分别为−0.045和−0.039，且均在1%水平上显著。列（5）和列（6）剔除了计划单列市发行的债券样本，其中列（5）以发债主体债务风险指数为核心解释变量，列（6）以发债主体债务率为核心解释变量，交乘项的系数分别为−0.074和−0.048，且均在1%水平上显著。综上可知，专项债券风险定价水平偏低、风险定价不充分的结论基本稳健。

自2015年新《预算法》实施、省级地方政府开始“自发自还”地方政府债券后，地方政府债券（包括专项债券）发行的市场化原则（尤其是发行定价的市场化原则）在历年财政部关于做好地方政府债券发行工作的通知或意见中均被明确提及，要求也是逐年具体和细化。从“利率倒挂”现象逐步消失，到行政干预和窗口指导的日益减少，地方政府债券定价市场化水平逐年提升，非市场化因素逐步弱化。但是，上述状况更多的是定价市场化的最低要求或表面体现，更为核心的定价市场化，即风险与收益的充分匹配实际上还远远不够。

之所以出现这种状况，本文认为可能有如下三方面原因：一是自主发债的地方政府对于定价市场化要求的“点到为止”和消极应对，只求满足财政部关于地方政府债券定价市场化的基本要求和具体指标，未明显违反相关规定，对更为核心和本质的发行定价市场化要求往往无心考虑。二是地方政府普遍面临规模庞大的存量债务和未来巨大的偿债压力，因此有强烈的压低利率动机或诉求。中央政府不希望地方政府债务发生违约、金融机构持有债务救助预期等，也在一定程度上助推了地方政府实现压低利率的诉求。三是地方政府债券分类管理原则贯彻不充分、不到位，地方政府债券分为一般债券和专项债券，并分别纳入一般公共预算和政府性基金预算，这在很大程度上意味着两类债券的风险和定价存在差异，尤其是近年来项目收益与融资自求平衡专项债券的推出，专项债券偿债来源越来越多地与项目相对应，这与一般债券纳入地方一般公共预算统筹偿还的机制明显不同，因此也意味着专项债券的风险加剧，而市场的认识并不到位。综上，上述三方面原因在很大程度上导致了专项债券发行利率偏低，或者说专项债券对债务风险的定价不充分。

当然，中国地方政府债券的相关决策机构也逐步意识到这一问题，更意识到不解决这一问题可能带来的严重后果，因此对地方政府债券发行市场化的要求越来越明确、全面和细化。如2019年，中共中央办公厅和国务院办公厅联合印发《关于做好地方政府专项债券发行及项目配套融资工作的通知》，该通知明确提出：“根据政府债务实际风险水平，合理形成市场化的信用利差”“促进债券发行利率合理反映地区差异和项目差异”等。这较之前“地方财政部门、地方债承销团成员、信用评级机构及其他相关主体应当严格按照市场化原则，进一步做好地方债发行有关工作^⑤”“地方财政部门不得在地方政府债券发行中通过‘指导投标’、‘商定利率’等方式干预地方政府债券发行定价^⑥”等要求更加明确到位，也更能反映市场化定价的核心要义。这也在很大程度上印证了本文关于专项债券发行定价市场化不充分的主要结论，同时也说明本文分析的上述主要原因的合理性。

本文构造了地方政府债务风险指数，对中国36个省级发债主体（其中包括5个计划单列市）的债务风险进行了更为全面准确的度量，利用2015−2019年中国地方政府债券的发行数据，基于对一般债券和专项债券的比照，从发行利差的风险溢价视角对专项债券的市场化定价进行了研究。实证结果表明：（1）专项债券定价可以基本反映不同发债主体之间的债务风险差异，债务风险的增加会提高其信用利差水平。（2）一般债券和专项债券的风险定价存在一定程度的扭曲，相比于一般债券，专项债券定价对债务风险的溢价程度明显偏低。综合来看，虽然专项债券定价可以在一定程度上反映发债主体之间的风险差异，但这种反映并不充分，市场化水平并不到位。

基于上述主要论断，围绕如何进一步提升中国地方政府专项债券定价市场化水平，本文提出如下政策建议：

第一，应进一步严禁各级地方政府及财政部门对专项债券发行的行政干预和窗口指导，变相干预债券定价，同时积极探索专项债券的信用属性，逐步减少项目收益债券对政府性基金预算的信用依赖，强化项目本身的收益对融资的平衡。此外，要积极引导信用评级机构发挥信用评级的市场约束和风险揭示作用，专项债券的评级结果要充分反映地区差异和项目差异，以此促进债券利率的地区差异化和项目差异化，同时促进地方政府债券的投资主体多元化和二级市场交易流通，为地方政府债券在一级市场的定价提供重要参考。

第二，在地方政府债券信息披露方面，应进一步加强对地方政府资产和全口径地方政府债务信息的披露。随着权责发生制政府综合财务报告制度改革的推进，包括地方政府的存量资产状况及其结构、或有债务、支出责任和隐性债务在内的全口径政府债务等信息应及时向社会公开，从而促使市场机构、地方政府债券的投资者等能够更为准确地评估地方政府的信用状况。同时不仅应公开债务余额、限额等信息，还应公开债务率、偿债率等反映债务风险的指标，以债务信息的全面充分披露来进一步加快地方政府债券市场的发展。

第三，进一步强化对一般债务和专项债务的分类管理，有所区分、有所侧重地推进一般债务和专项债务的风险防范和支出绩效评估，推进发债主体、限额管理等改革。可以考虑允许达到一定经济规模和财政实力条件的市县政府自主发行专项债券，并相应完善专项债券的限额确定方式，用专项债务余额与政府性基金收入（或政府净资产）的比率指标代替绝对规模的限额指标，避免绝对规模限额可能会对地方政府举借专项债务产生的不合理限制，释放地方政府合理的专项债券融资需求，从而促进地方政府专项债券的可持续发展。

当然，本文的研究还存在一定局限性，如对债务风险指数指标体系的构造可能并没有将所有相关指标纳入，对债券定价的研究也主要基于发行数据，没有充分考虑交易数据，这些问题有待后续研究进一步探索。