摘   要

　　公允定價是知識產權證券化過程中的重要環節，也是證券成功發行和流通的保證。本文選取我國知識產權融資租賃資產支持證券產品為樣本，建立多元線性回歸模型，運用逐步回歸法識別出影響知識產權證券化定價的關鍵因素。研究結果表明：在現有的定價模式下，我國知識產權證券化產品的定價受到信用水平和知識產權基礎資產重組程度的顯著影響。為了保證定價的公允性，在對知識產權證券化產品定價時應當注重對產品的信用情況、資產結構的審查，使知識產權證券化產品的定價與其真實的風險水平相匹配。

　　關鍵詞

　　知識產權證券化　利差定價　資產支持證券定價

　　引言

　　大力推進體制機制創新，拓寬適合科技創新發展的多元化融資渠道，做好科技金融服務，是我國國家創新體系建設的重要內容。其中，充分運用知識產權，運用各種方式實現知識產權的市場價值，在多元化融資渠道的探索中凸顯出越來越重要的作用。2014年，知識產權局等八部門聯合印發《關于深入實施國家知識產權戰略 加強和改進知識產權管理的若干意見》，首次明確提出鼓勵金融機構開展知識產權證券化融資業務。隨后鼓勵開展知識產權證券化業務的政策相繼出臺。2020年財政部和知識產權局發布《關于做好2020年知識產權運營服務體系建設工作的通知》，依法依規推進知識產權證券化已經成為必做任務。

　　知識產權證券化融資突破了傳統融資渠道對低信用企業的融資限制，且具有融資成本低、不影響融資企業資產負債水平等優勢。我國首只知識產權證券化產品發行于2015年，據萬得（Wind）數據，截至2023年上半年，我國已發行111只知識產權證券化產品，為科技企業融資約229.14億元。目前，我國的知識產權證券化市場成熟度較低，相關的配套體制和技術尚不成熟。證券的價格反映其投資價值和風險狀況，合理的定價是證券順利發行和正常流通的保證。傳統證券化產品的定價技術相對比較成熟，但知識產權證券化產品的基礎資產具有無形性和價值波動性，其風險狀況與傳統證券化產品有所差異，因此，傳統證券化產品的定價技術并不適用于知識產權證券化產品。本文以知識產權融資租賃證券化產品為研究對象，試圖探究知識產權證券化產品定價的影響因素，并提出優化知識產權證券化定價的相關建議。

　　文獻回顧

　　證券化是一種直接融資方式，其產品資產支持證券（Asset Backed Securities，ABS）既具有信用債券性質，也具有衍生品性質。現有的傳統ABS定價方法主要基于這兩個特性，采用利差定價模型和期權調整定價模型。其中利差定價模型的原理是將無風險利率加上信用風險補償作為債券利率進行定價，信用風險水平受知識產權制度和知識產權估值缺陷、知識產權侵權、預期現金流不確定性、成本控制、專利訴訟等多種因素的影響。現有參考文獻對利差的考慮多集中于對違約過程分布的模擬。本文認為，知識產權ABS的基礎資產與信貸資產證券化產品差異較大。相對知識產權來說，信貸資產的信用風險與利率風險具有強關聯性，信貸資產證券化的信用風險模型不能直接運用于知識產權ABS的定價，因此，對于知識產權ABS信用風險的建模需要進行特殊的考慮。

　　知識產權ABS定價的建模需要對其價格影響因素進行探究，我國目前還比較缺乏這一領域的研究。因此，基于現有的對其他類型ABS利差定價影響因素研究分析，本文采用實證研究方法探究知識產權ABS利差定價，通過建立多元回歸模型，分析現有產品的定價特征，探討我國知識產權ABS利差定價的決定性因素。

　　實證分析

　　（一）相關變量與假設

　　ABS具有信用債和衍生品的雙重特性，且考慮到證券化融資的資產重組特性，本文以知識產權ABS的利差作為被解釋變量，以基礎資產特征、證券信用特征及宏觀經濟環境作為解釋變量，探索影響知識產權ABS定價的因素（見表1），解釋變量具體含義如下。

　　1．基礎資產特征

　　一是發行規模。發行規模既反映了發行主體的融資需求，也凸顯了資產池的規模效應，資產池的規模越大，產品越能夠獲得更大的邊際效益，產品的流動性也越強。

　　二是到期期限。發行期限越長意味著更高的回報需求，因此，本文假設證券的到期期限與利差正相關。由于現有知識產權ABS均采用過手攤還的方式，其實際到期期限可能與預計到期期限存在較大差別，因此，本文采取證券的加權平均剩余期限（weighted-average life，簡稱wal）衡量到期期限，其計算公式如下：

　　其中，Pn表示證券第n期收到的本金金額，Tn表示證券定價時點距離第n期收到本金的期限，N為本金支付完成的期數。

　　三是資產重組程度。知識產權證券化的歷史經驗表明，單一知識產權證券化的風險較大，成功率較低，采用多種知識產權進行結構性重組，可以改善基礎資產的風險狀況，更利于證券化的成功。因此本文假設，知識產權證券化基礎資產的重組程度越高，風險越小，資產重組程度與利差負相關。資產重組程度采用“入池知識產權數量/融資企業數量”進行衡量。

　　2．證券信用特征

　　一是證券級別。在證券化結構中，證券級別決定著其被償付的順序，級別越高意味著證券遭遇違約的可能性越低，因此假設證券級別與利差負相關。本文對證券級別按照其優先級別從高到低賦值：優先級=3，次優級=2，次級=1。

　　二是信用評級。證券的信用評級是通過第三人對證券的信用風險進行衡量，是投資人判斷證券信用程度的重要參考。一般來說，信用評級越高，證券的風險越低。對于信用評級的衡量，本文設定的信用評級數值與利差正相關，參考通用做法進行賦值：AAA=1，AA+=2，AA=3。

　　3．宏觀經濟環境

　　宏觀經濟環境決定著資本市場的流動性，在經濟收縮期，為了吸引更多的投資者，發行人必須提高發行利率，即提高證券的發行利差；反之，經濟擴張期證券的發行利差則較低。

　　一是無風險利率。無風險利率反映了經濟基本面的情況，本文假設無風險利率與利差負相關，采用證券同期的長期國債利率作為無風險利率，國債利率中隱含了經濟增長率。

　　二是廣義貨幣供應量（M2）增速。M2增速反映了資本面的情況，本文假設M2增速與利差負相關，采取證券發行當期的實際M2增速進行衡量。

　　（二）研究模型與樣本

　　本文首先建立知識產權ABS的發行利差與解釋變量的多元回歸模型，觀察不同因素對利差是否存在影響，然后運用逐步回歸方法消除多重共線性的影響，選取重要的解釋變量來對利差進行解釋，最后對得到的模型進行假設檢驗和修正，得到我國知識產權ABS定價的利差影響因素回歸模型。建立的初步多元回歸模型如下：

　　本文選取我國自2019年1月至2021年10月發行的知識產權融資租賃資產支持證券產品為樣本，來源于中國資產證券化分析網中“知識產權”和“專利”兩個子門類中“融資租賃”交易模式的產品。經剔除信息不全的產品，最終采用24只產品的216條證券信息作為樣本數據。

　　（三）研究過程與結果

　　1．回歸結果

　　運用樣本數據對模型進行回歸分析，得到的結果如表2所示，從相關方向上來看，除信用評級與無風險利率之外，均與假設一致，但從置信度來說，在90%置信水平下，僅有證券級別、無風險利率與M2增速的相關性顯著。為了進一步探究這些因素對利差的影響，有必要對模型進行修正。

　　造成上述結果的原因可能是不同的解釋變量之間存在多重共線性，為了消除這種影響，本文采用逐步回歸重構解釋變量組合，得到的結果如表3所示。

　　由表3可見，逐步回歸篩選出三個重要的解釋變量分別是證券級別、信用評級和資產重組程度；證券級別與利差負相關，信用評級賦值與利差正相關，資產重組程度與利差負相關，且這三種因素在90%置信水平下均對利差影響顯著，0.490的修正可決系數也顯示出較好的擬合優度。

　　2．假設檢驗

　　為了進一步驗證擬合的回歸模型的可靠程度，還需要對其進行進一步驗證。逐步回歸已經消除了多重共線性的影響，還需要對誤差項的獨立性和同方差性基本假設進行驗證。

　　一是異方差性。對逐步回歸模型的殘差進行懷特檢驗，得到的結果如表4所示，懷特檢驗的P值小于0.05，拒絕同方差的原假設，可見模型的誤差項存在異方差性。

　　二是自相關性。逐步回歸結果顯示，DW檢驗值為0.955，介于下臨界值0.507和上臨界值2.097之間，故憑借DW檢驗值不能判斷是否存在自相關。因而對殘差進行LM檢驗，得到的結果如表5所示，說明隨機干擾項存在一階自相關。

　　3．模型修正

　　殘差異方差性存在可能會造成回歸模型的參數估計不是最佳無偏估計，顯著性檢驗失效；自相關性可能會使得最小二乘估計量嚴重歪曲真實情況。為了改善上述情況，本文運用加權最小二乘法對逐步回歸模型參數進行估計來消除影響。加權最小二乘法進行修正后得到的回歸結果如表6所示，可見采用加權最小二乘法的回歸模型擬合優度較好，各解釋變量均顯著，修正可決系數達到0.932。隨后，本文再次對模型進行懷特檢驗和LM檢驗，檢驗結果見表7、表8，結果顯示異方差性和自相關性已消除。

　　綜上分析，最終得到我國知識產權ABS定價利差影響因素回歸模型為：

　　實證結果顯示，證券的發行規模、期限和宏觀經濟因素對利差的影響并不顯著，我國知識產權ABS定價利差主要受到證券的級別、信用評級及基礎資產的資產重組程度的影響。證券級別越高，信用評級越高，基礎資產重組程度越高，發行利差越低，與本文假設相一致。從影響程度來看，信用評級每提高一個等級，利差降低71.1BP；證券級別每提高一個等級，利差降低69.4BP；資產重組程度每提高1個基點，利差降低8.3BP。

　　結論與建議

　　（一）我國知識產權ABS的利差定價主要受其信用水平影響

　　證券級別和信用評級均與利差呈負相關，證券信用狀況越好，利差越小。信用評級可以反映證券的違約風險，是投資人決策的重要參考。在證券化融資中，往往采用信用增級措施來確保債務本息的按時支付，以提高交易的安全性與質量，從而提高證券的信用評級。而證券進行優先/劣后的級別劃分，也是信用增級的方式之一。我國發行的知識產權ABS大多數都采用了多種信用增級措施，信用評級也處于較高的水平，發行利差較低，發行方能以較低的融資成本獲得資金。然而從實際操作情況來看，如果債務主體和信用增級主體違約關聯度較高，則交易的真實信用水平就會低于信用評級，知識產權ABS的發行利差就會被低估，造成證券的風險補償不足。特別是在存在道德風險的情況下，利用信用評級偏差獲得低成本融資，損害投資人利益，可能會影響知識產權ABS的良性發展。

　　因此，對知識產權ABS定價時，應當注重對產品的信用情況審查，保證信用評級的準確性。通過不同的增信措施的選取，產品可以達到相同的信用評級水平，但其風險狀況卻存在差異。出于成本和技術考量，我國知識產權ABS的增信措施多采用內部增信，外部增信只作為補充或附加的信用支持，這樣的增信結構抵御現金流風險的能力較差，產品的真實信用情況可能被高估，因此，應對產品的增信結構進行審查，特別是對于增信措施單一、增信主體單一或增信主體之間風險聯動性高的情況，應進行更為嚴格的審查，避免其信用水平被高估。

　　（二）我國知識產權ABS基礎資產的重組程度對利差有顯著影響

　　入池的知識產權需要在債務主體、時間和空間上形成一定的結構，實現風險收益的重新組合與分割，均衡證券化過程，從而達到分散風險的目的。從原理上來說，知識產權組合的結構特征越明顯，風險越分散，違約風險越低，發行利差越小。因為高度同質化或同行業的知識產權有可能無法抵御系統性風險，造成同一時間大規模違約，需要不同類別的多種知識產權進行資產結構化重組。本文選取“入池知識產權數量/融資企業數量”來衡量知識產權ABS的資產重組程度，得到的實證結果與假設相同，即資產重組程度越高，證券的發行利差越小。然而從實際操作角度來看，雖然證券化融資的基礎資產實現了風險隔離，但實際的償債主體還是企業，如果入池知識產權數量充足但償債主體單一，還是有可能造成較大的違約風險。

　　因此，對知識產權ABS定價時，應多維度考量資產重組結構，除知識產權的數量、種類、行業等因素，還應關注償債主體的集中程度，對于集中程度較高的產品的償付風險進行有效識別，避免產品實際風險被低估。

　　參考文獻

　　[1] 柴鑫慧． 高校知識產權成果證券化研究——以西麗湖科教城知識產權ABS為例[J]． 債券，2022（4）．

　　[2] 陳毛妮． 信用評級、產權性質與公司債定價[J]．財會通訊，2018（24）．

　　[3] 林晚發，劉穎斐，趙仲匡． 承銷商評級與債券信用利差——來自《證券公司分類監管規定》的經驗證據[J]． 中國工業經濟，2019（1）．

　　[4] 朱波，劉文震． 信用評級對我國資產證券化產品發行定價的影響機理[J]． 財經科學，2019（9）．

　　[5] 張帆，伍晨． 影響中國公司債信用利差的因素研究——基于中國公司債面板數據的實證[J]． 金融教育研究，2021，34（4）．

　　[6] KUMAR J． Intellectual Property Securitization： How Far Possible and Effective[J]． Journal of Intellectual Property Rights，2006，11（2）．

　　[7] GABALA J． Intellectual Alchemy：Securitization of Intellectual Property as an Innovative Form of Alternative Financing[J]． The John Marshall Review of Intellectual Property Law， 2004，3（2）．

　　◇ 本文原載《債券》2024年5月刊

　　◇ 作者：大連理工大學公共管理學院博士研究生　柴鑫慧

　　◇ 編輯：涂曉楓　楊馥竹　廖雯雯

海量資訊、精準解讀，盡在新浪財經APP

責任編輯：趙思遠