国家风险与重新安排债务的概率——亚洲5国的实证研究，本文主要内容关键词为：亚洲论文,债务论文,概率论文,风险论文,实证研究论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言
当前的世界经济贸易和金融日趋国际化，一个让大部分跨国贷款和投资者感到相对重要的风险是所谓的国家风险。国家风险分析不仅帮助投资者减少和防范因海外投资和国际商务活动所带来的不确定性，一国的风险程度也将影响被评估国的借贷款利率，及能否取得外国信贷与投资。
在现有分析国家风险的研究中，有些文献研究了一国发生重新安排债务的可能性，以此作为分析样本国履行偿还承诺的能力。这些论文把焦点放在运用定性应变量模型（如probit或logit）来辨识可能重新安排债务的影响因素，并由此评估有关国家的信誉程度。其中一个共同的特点是以不同地区的发展中国家为研究对象。很少数论文把注意力放在分析同一个区域但又包括多个国家的国家风险的问题。并且，很少有论文把研究中心点放在有关亚洲国家的外债上。
以此为背景，本文将重点集中于亚洲5个国家，即马来西亚、印度尼西亚、韩国、菲律宾和泰国。主要目的在于研究一个国家发生重新安排债务与该国家主要特征之间的统计关系。我们参考有关文献所给出的国家风险指标以及能够反映亚洲特定国情的变量，建立了重新安排债务的风险模型。其中不仅包括政府债务，也包括私人外债。世界银行的数据显示，这5个亚洲国家于2001年的外债总和超过了4000亿美元，相当于发展中国家全部外债总量的19％和亚太地区全部外债总量的84％。从1980至2001年，这5国的总体外债增长了5倍。
二、国家风险的定义
在相关文献中，“国家风险”一词一般用来指由于东道国宏观经济、政治环境等的变化所造成潜在经济损失的风险[1]。国家风险大致可划分为政治风险与经济风险。政治风险是指由于借款国家的政治活动或环境所导致的无法或延期偿还外国借款以及无法将资金、债息、本金、利息等汇回的有关风险。引发政治风险的因素有很多方面，主要有政变、社会动乱、政权的更替、资金汇回限制、货币不可兑换、暴动，示威等[2]。一旦出现政治风险，其后果往往是延期支付或停止偿还、毁约、财产被没收或征用。经济风险指的是由于东道国经济状况所引起的有关风险，如宏观经济政策的变化、通货膨胀和经济衰退都可能导致借款者无法偿还或延期偿还，或导致投资者无法将资金汇回国。再如，汇率或利率的变化对投资回报的影响也可视为经济风险的一种。
另外，个别学者也依其发生的原因将国家风险归纳为主权风险（sovereign risk）及转移风险（transfer risk）两种。划分主要是依据借款人的背景。当借款的一方为主权国或受政府担保的企业时，所涉及的风险即主权风险。 主权风险主要是指一国政府因为其国际收支恶化或其财力不足等原因而无法或不愿意向外国债权人或投资者偿还债务。转移风险和主权风险在实质上十分相似。唯一不同的地方在于转移风险所涉及的外国投资者或借款者并非东道国政府，而是没有政府担保的企业或个人。
三、重新安排债务的概率与国家风险：文献回顾
就目前国家风险计量经济研究而言，被最为广泛使用的模型是重新安排债务的风险模型。根据国际货币基金组织的定义，债务重新安排是对到期未偿还的原有债务和债息合并，形成新债，重新设定偿还期即宽限期和延长期（包括新的还本付息期限）。双边官方债务的重新安排协调主要在巴黎俱乐部（Paris Club）这个论坛展开。拖欠国际商业银行的外债则由联合国有关机构和国际货币基金组织等牵头，协调重新安排债务。
总的来说，采用一国重新安排债务的概率来度量国家风险，其原因是：一般认为，借款国有较强烈的还款激励以便确保未来能继续进入国际信贷市场。因而，有债务困难的国家通常选择通过与主要商业银行债权人和国际援助财团谈判，通过重新安排协定来化解债务危机，而非违约不偿还。因此，当一个国家重新安排它的债务的话，一定说明该国的国家风险程度高于那些没有重新安排债务的国家，因为债务的重新安排一般是推迟偿还时间，因此也就表明存在一定的还款困难的风险或者没有意愿（unwillingness）履行它的债务。
Frank和Cline（1971）最先尝试运用辨别分析（discriminant analysis）对债务重新安排作了经验研究[3]。他们依26个国家1960至1968年的数据分析发现，在8个所研究的经济变量中有3个对重新安排这一事件的发生和不发生有重要影响。这3个在统计上显著的变量是：偿债占出口额的比率、外汇储备占出口额的比率和债务还本额占外债的比率。随后，不少文献也以不同的多国数据和时间样本建立了各自的重新安排债务的概率模型，并又增加了不少对债务重新安排有统计显著影响的解释变量。这些文献的作者采用的方法除了辨别分析外，还包括对数单位（logit）或概率单位（probit）模型（如Feder等（1981）[4]，Kharas（1984）[5]，Balkan（1992）[6]），以及近期的托比（Tobit）模型（见Gur（2001）[7]）。
研究人员绝大多数使用定性应变量（qualitative response）模型来研究债务重新安排的概率，因为这类模型为债务重新安排事件这样的二元应变量（binary response variable）提供了加以量化的方法。即一个国家在某年是否会重新安排债务或正常地还款。这些文献的最终目的多是想找出在统计上显著的、影响一国重新安排债务的指标。表1提供了若干解释重新安排债务的文献及主要回归结果。一种看法是，这些多地区结果未必适用于亚洲本身的国情。
表1重新安排债务的模型和决定因素（应变量：债务的重新安排）
研究者
样本 模型 解释变量[1]
统计上显著:
i.56个国家偿债占出口额的比率(+);外汇储备占进口额的比率(-);净非商务外汇储
Feder 等 ii. 对数单位备流入占偿债额的比率(-);商务外汇储备流入占偿债额的比率(-);出口
(1981)
1965～1976额占GNP的比率(-);实际人均GNP占美国人均GNP的比率(-).
统计上不显著:
无
统计上显著:
i.43个国家偿债占GDP的比率(+);净国外资金流入占GDP的比率(-);人均GDP的倒
Kharas
ii. 概率单位数(+);投资占GDP的比率(-).
(1984)
1965～1976统计上不显著:
无
统计上显著:
实际GDP增长(-);总外债占出口额的比率(+);当时偿债占出口额的比率
Morgan
i.30个国家(+);外汇储备占进口额的比率(-).
(1986)[8]ii. 对数单位统计上不显著:
1975～1982经常账户平衡;外汇储备额;出口额占进口额的比率;短期外债占进口额的比
率;债务还本额占外债的比率;可变动利率贷款占中长期债务的比率;银行贷
款占非石油发展中国家的经常账户逆差的比率.
统计上显著:
偿债占GNP的比率(+);外汇储备占债务的比率(-);官方的可变动利率贷
Rhanama- i.16个国家款占总债务的比率(+).
Moghadam 等 ii. 概率单位统计上不显著:
(1991)[9]1980～1987偿债占出口额的比率
统计上显著:
偿债占出口额的比率(+);外汇储备占进口额的比率(-);债务还本额占外
Balkan
i.33个国家债的比率(-);外债占GNP的比率(+);人均GNP增长(-);进口额占GNP
(1992)
ii. 概率单位的比率(+);民主化程度[2](-);政治不稳定程度[3](+).
1971～1984统计上不显著:
利息还本额占出口额的比率;国内储蓄率;出口增长;经常账户占出口额的比
率;OECD国家的经济增长.
统计上显著:
外汇储备占进口额的比率(-);债务还本额占外债的比率(-);债务占GDP
i.65个国家的比率(+);利息还本额占出口额的比率(+);出口增长(+).
Haan 等 ii. 概率单位统计上不显著:
(1997)[10]
1984～1993经常账户占出口额的比率;进口额占GDP的比率;通货膨胀;实际人均GDP;
债务还本额占出口额的比率;人均GDP增长;储蓄占投资额的比率;OECD国
家的GDP增长;高政治动乱指标[4];低政治动乱指标[5，6].
统计上显著:
i.80个国家偿债率(-);对外债务占GNP的比率(-);代表军事冲突的虚拟变量(+).
Rivoli 和Brewer ii. 对数单位统计上不显著:
(1997)[7][11]1980～1985;
进口覆盖率(import coverage ration)[8](+);定期偿债占外债的比率;经常账户占
1986～1990GNP的比率;政府首脑更换的次数;政治权利指数;统治阶级更换的次数.
统计上显著:
利息还本额占出口额的比率(+);优惠贷款额占总债务的比率(-);外汇储
Gur i.34个国家
托比 备占债务的比率(-);总债务占GNP的比率(+);私人债务占总债务的比率
(2001)[9]ii.
(Two-limit Tobit) (-);债务重新安排比的滞后一期(+).
1986～98 统计上不显著:
无
说明：1.括号内的“＋/－”是系数的符号。
2.这里民主化程度指数涵盖政治体系的两个组合：参与程度和竞争力。
3.这里政治不稳定指标是由以下公式获得：0.011（暗杀）＋0.039（示威）＋0.033（政府危机）＋0.015（暴乱）＋0.018（反政府游行）。
4.发生政治暗杀、游击战和革命的加权频率。
5.发生政治示威、反政府游行、暴乱、政府危机和整肃的次数的加权频率。
6.统计显著但系数没有预期的符号。
7.应变量为没有重新安排债务的概率。
8.在1980～1985的样本呈显著；在1986～1990的样本呈不显著。
9.应变量为一年后的（a-year-ahead）债务重新安排占总债务的比率。
四、经验研究方法、影响重新安排债务的因素与数据说明
本文采用概率单位方法对马来西亚、印度尼西亚、韩国、菲律宾和泰国1980至2001年的重新安排债务的产生及其影响因素进行分析。在我们的概率单位模型里，应变量为一个国家是否会在该年重新安排债务。因为应变量在这儿拥有二元（dichotomous）且定性（qualitative）的特征，所以适用于概率单位模型。这类模型设定用于处理有两种可能性的定性数据。
债务重新安排的概率模型基本上可表达为以下形式：
P（Y[，i]＝│X[，1]，…，X[，n]）＝F（β[，0]＋β[，1]X[，1]＋…β[，n]X[，n]）
i＝1，…，5
P（Y[，i]＝│X[，1]…，X[，n]）表示一国在观察年重新安排债务的概率，
X[，1]，…，X[，n]为一组解释变量，被解释变量为重新安排债务事件的发生概率，例如解释变量可以是：实际GDP增长、偿债占出口额的比率、通货膨胀率以及影响一国还款能力和意愿的其他因素。
F（.）是一个严格取值于0和1之间的标准累积正态分布函数：0＜F（.）＜1，因此它能确保估计出的概率总处于0和1之间。当东道国重新安排债务时，应变量Y（即重新安排债务的概率）被赋值为1，否则被赋值为0。
我们考虑了11个经济解释变量。这些变量在早期的计量经济研究中经常被视为可能影响一国国家风险的关键指标。按理，虽然有众多政治事件极可能会对一国重新安排债务的发生产生多方面的影响，我们选择了由政府更替这一虚拟变量指标来捕捉政治的稳定与否。即当发生政府更替时，虚拟变量取值1，反之为0。学者大多认为经济和金融风险指标反映一国“还款能力”，而政治因素则反映“还款意愿”。
1.本文的11个经济解释变量是：实际GDP增长：这是衡量一国总体经济情况的传统指标，用来反映国民收入的变化。一般地说，实际GDP增长越强劲，重新安排债务的概率越小，因为它对还款能力有正的影响。预计该变量的系数为负。
2.总外债占国内总收入的比率（EDT/GNI）：因为高额外债而生成的高债务利息支付会严重损害一国政府保持基本发展开支和扶贫的能力，从而影响促进经济发展有关政策的实施。同时，外国投资者也会因为担忧东道国是否能支撑其债务而削弱对该国的投资兴趣。因此，比率越高，重新安排债务的风险越大。预计该变量的系数为正。
3.公债占GDP的比率（PD/GDP）：参见EDT/GNI，预计该变量的系数为正。
4.偿债占出口额的比率（TDS/XGS）：这是一个反映一国债务负担和还款能力的重要指标。比率越高表示本国在经济和金融资源方面所承受的负担越重。也因此意味着这个国家在未来有可能会陷入还款困境，而减低偿还债务利息的可能性。预计该变量的系数为正。
5.外汇储备占进口额的比率（RES/MGS）：国际外汇储备的多寡显示一个经济体的流动性能力。拥有雄厚的外汇储备会加强一国政府管理本国外债的能力和更好地面对突如其来的短期外币需求，同时也能减低重新安排债务和转移风险的概率。预计该变量的系数为负。
6.经常账户平衡占GDP的比率（CA/GDP）：持续和显著的经常账户逆差意味着它终究必须靠向外借款或减少外汇储备来弥补。因此，当经常账户逆差很大时，贷款人会担心这个国家偿还外债的能力。预计该变量的系数为负。
7.债务还本额占外债的比率（AMOR）：债务还本额若较大，则债务总额将下降。所以，债务还本额占外债的比率越高，一国重新安排债务的风险越小。预计该变量的系数为负。
8.国内实际利率（RIR）：实际利率越高表明投资和消费支出的成本越高，因此有可能对经济活动和国民收入产生负的影响。所以，高的实际利率将增加重新安排债务的可能性。预计该变量的系数为正。
9.财政平衡占GDP的比率（FBAL）：这是反映一国政府财政责任感和伸缩性的指标。一般来说，一个持续偏高的财政赤字意味着这个国家在未来有可能会没有足够的财政资金来促进经济增长以及偿还债务。同时也增加了政府向外借款或消耗外汇储备的可能性，以及增加印刷本币导致物价上升的可能性。预计该变最的系数为负。
10.实际汇率的波动（REAL_XR）：对外国投资者来说，大的汇率波动会对经营成本产生大的影响，因为外汇支付和收入会随之受到波动。同样，大幅度的货币升值或贬值会影响一国出口货物的能力，进而影响国内生产状况。所以，汇率的波动越大，国家经济风险越高。由于众多因素的影响，目前文献对该变量的系数符号没有一致的看法。
11.M2增长（MSS）：传统宏观经济理论认为高的货币供应增长率会引发高通货膨胀率。太高的通货膨胀率会使货币失去价值，这将导致政府实际税收的猛降，其结果，财政赤字将会扩大。高通货膨胀同时也可能导致利率上升，资源错误分配。预计该变量的系数为正。
以上所有的经济和债务指标均为1980年到2001年的年度数据。在总数为110个观测值的样本中，重新安排债务的发生次数为16，等于总数据的15％。所有的解释变量都作了滞后一期处理。因此，有效数据为11个指标共109个观测值。
本文所使用的外债指标（包括债务重新安排的数据）均来自世界银行的《全球发展金融》（GDF）报告和这之前的《世界债务表》。GDF的外债数据由长期公债或官方担保的长期外债、私人长期外债、国际货币基金组织信贷以及短期债务构成。其他解释变量来源于世界银行的《世界发展指标》、国际货币组织的《国际金融统计》和联合国的数据库。
根据《世界债务表》和GDF的报告，重新安排债务的发生年份为：印度尼西亚1998～2001、菲律宾1984～1993和韩国1998～1999。这些国家在其他年份均没有重新安排债务。巴黎俱乐部以及国际金融界为世界银行提供了相关的重新安排债务的报告。1980至2001年期间，马来西亚和泰国均被认为没有出现重新安排债务事件。
五、估计结果
表2给出了模型的最大似然估计。我们估计了不同的解释变量组合，但考虑到篇幅有限，只列出5个模型（模型A至E）的结果。基于代表政治变化的虚拟变量在我们的研究中没有统计显著的解释力，本文只对经济变量的结果进行说明。
表2 概率单位模型的极大似然估计结果（不包括政治变量）
模型A模型B模型C模型D 模型E
变量
系数 系数 系数 系数 系数
常数项 -0.306
1.207-0.568
-1.466-2.356
(-0.160) (1.092) (-0.442) (-1.355)[**] (-2.516)[*]
GDP 增长
-0.151
-0.206
-0.262
-0.186-0.205
(-2.140)[*] (-2.783)[*] (-2.941)[*] (-2.934)[*]
(-3.436)[*]
EDT/GNI0.037 - -- -
(1.568)[**]
PD/GDP
- 0.0620.0770.070 0.073
(3.118)[*]
(3.166)[*]
(3.438)[*](3.770)[*]
TDS/XGS0.049 - -- -
(1.144)
RES/MGS-0.657
-0.520
-0.254 - -0.256
(-1.787)[*] (-1.903)[*] (-1.000)
(-1.518)[**]
CA/GDP 0.1270.068
-- -
(1.594)[**] (1.196)
AMOR
-0.324
-0.351
-0.317
-0.242
-
(-1.800)[**] (-2.390)[*] (-1.973)[*] (-2.136)[*]
RIR0.0940.1180.103
- -
(1.493)[**] (2.235)[*]
(1.674)[*]
FBAL
0.021 - -- -
REAL_XR0.010 - 0.020 0.025 0.026
(1.041)- (2.041)[*]
(2.735)[*](2.752)[*]
MSS0.014 - -- -
(0.454)
对数似然估计值 -19.11-19.30 -17.63-19.26-21.40
x[2]统计量 52.71 52.32
55.66 52.41 48.13
McFadden R[2]
0.58 0.580.61 0.58 0.53
赤池信息准则0.55 0.480.45 0.45 0.48
施瓦茨准则 0.82 0.660.63 0.57 0.61
说明：括号内的数值为t 统计量，*、**分别表示在5％和10％水平上显著。
可以看出，模型A加入了所有10个经济解释变量。公债占GDP的比率（PD/GDP）这一因素没被采用，因为它跟外债占国内收入的比率（EDT/GNI）有密切的关联（相关系数为0.745）。模型A的估计结果表明实际GDP增长、外债占国内收入的比率（EDT/GNI）、外汇储备占进口额的比率（RES/MGS）、债务还本额占外债的比率（AMOR）和国内实际利率（RIR）都与预期的符号一致且统计显著。明确地说，重新安排债务的概率和实际GDP增长、外汇储备占进口额的比率和债务还本额占外债的比率是负相关的。而重新安排债务同外债占国内收入的比率和国内实际利率是正相关的。这些相关关系也与Morgan（1986）[8] 研究结果一致。经常账户平衡（CA/GDP）的系数虽然在10％水平上显著，但与预期的符号不一致。
模型B排除了在模型A中统计不显著的变量：TDS/XGS，FBAL，REAL_XR和MSS。同时也用PD/GDP替换EDT/GNI来测量外债水平。因为EDT/GNI和PD/GDP密切相关，我们将它们分开加入模型以避免共线性的存在。结果表明，除了CA/GDP和常数项，其余的解释变量在模型B均在5％水平上显著。总的来说，PD/GDP作为解释变量比EDT/GNI来得更为显著。我们还可以发现，在1984至1993年，重新安排过债务的菲律宾在此期间的PD/GDP比率就平均达到53％，而其余四国同时期的PD/GDP比率则为27％。同样，印度尼西亚于1998至2001年重新安排过债务。这期间，它的PD/GDP比率就平均高达54％。基于PD/GDP在我们的模型中都一致地在5％水平上显著，且有正确的符号，我们在其余的模型C至E都采用PD/GDP而非EDT/GNI。
在模型C，我们除了排除TDS/XGS，FBAL和MSS，也同时排除CA/GDP。这是因为CA/GDP不只在模型B中统计不显著，在模型A也没有预期的符号。结果显示，实际汇率的波动（REAL_XR）的估计系数这时候变为显著，但是RES/MGS却统计上不显著。这一变化有可能是基于跟国际收支平衡有关的变量（外汇储备和经常账户平衡）和实际汇率的波动之间的相关性。
模型D和E是我们研究中适合用于估计重新安排债务的概率的两个模型。由表2可以看出，它们的所有解释变量和相关常数项对本文5个国家的债务重新安排的发生率均有显著影响。模型D和E都包括了GDP增长、PD/GDP和REAL_XR。不同的是，模型D还加入了AMOR而模型E则包含RES/MGS。
总体上，我们的结果意味着在本文的样本中，对重新安排债务最具显著性的解释变量为实际GDP增长和公债占GDP的比率（PD/GDP）。可以肯定的是GDP增长和重新安排债务有着负的关系，而公债水平和重新安排债务有正的关联。在所有列出的模型中，X[2]统计量显示所有系数均为0的假设检验都在1％水平上显著，这说明至少有一个解释变量的回归系数在统计上不是零。
此外，从表2的拟合优度（goodness-of-fit）测量可以看出模型D的McFadden R[2]较模型E的来得高。这表明模型D所选用的解释变量对预测重新安排债务事件的发生有更好的解释力。而且，相比之下，模型D的赤池信息准则（Akaike Information Criterion， AIC ）和施瓦茨准则（Schwarz Criterion）也显得比模型E较小。的确，模型D和模型E所给出的预测精度百分比值（percent-correctly-predicted）结果表明：在截止点（cutoff value）P（Y＝1）等于0.5时，模型D的总体正确预测率为92.4％，而模型E的则是89.5％（见表3和表4）。同样的，模型D的重新安排债务的正确预测率比模型E的高出了12.5个百分点，而没有重新安排债务的正确预测率则比模型E高出了1个百分点。表5列出了由模型D所预测出的1981至2001年重新安排债务的概率值。
表3 模型D1981至2001年的预测精度百分比值
（the hit ratio）（又称正确预测百分比
（Percent-correctly-predicted））
预测
Y=0 Y=1 累计 ％正确 ％不正确
Y=0
86
3
89
96.6
3.4
实际 Y=1
511 16
68.75 31.25
累计 91
14 105 92.4
7.6
表4 模型E 1981至2001年的正确预测百分比
预测
Y=0 Y=1 累计 ％正确 ％不正确
Y=0
85 48995.5
4.5
实际 Y=1
7
91656.25 43.75
累计 92 13
105
89.5
10.5
表5 模型D所预测出的1981至2001年重新安排债务的概率值
年份
马来西亚 印度尼西亚
韩国菲律宾 泰国
1981
0.00163900
0.00004180 0.467866000.020698000.00003790
1982
0.01078800
0.00015000 0.007462000.08126800 0.00188900
1983
0.07051600
0.01490900 0.014813000.10064900 0.00158200
1984
0.15048200
0.01551500 0.001203000.76520300[*]
0.00083900
1985
0.04655600
0.00352400 0.002565000.95197700[*]
0.00087400
1986
0.00478300
0.01660400 0.002436000.96581600[*]
0.00073500
1987
0.62068700
0.20677700 0.000000020.93738300[*]
0.00010600
1988
0.05000900
0.20458200 0.000000000.91308300[*]
0.00004370
1989
0.00000000
0.03877700 0.000000000.54362300[*]
0.00000001
1990
0.00000003
0.00573000 0.000000000.53562800[*]
0.00000004
1991
0.00000000
0.01441900 0.000000000.77024100[*]
0.00000004
1992
0.00005370
0.00980300 0.000001520.77616200[*]
0.00010800
1993
0.00000002
0.01059200 0.000010900.32507400[*]
0.00003460
1994
0.00000032
0.00205400 0.000000110.49174900 0.00001710
1995
0.00000001
0.00878800 0.000002530.15671700 0.00000655
1996
0.00000011
0.00299400 0.000030600.05562000 0.00006710
1997
0.00000000
0.00004690 0.000640000.01526900 0.00211100
1998
0.00670400
0.26484400[*] 0.31690900[*] 0.44817500 0.67893600
1999
0.28484800
0.99998700[*] 0.03641800[*] 0.62035500 0.40315300
2000
0.00504300
0.30925700[*] 0.000000000.23808800 0.00281600
2001
0.00004680
0.51199100[*] 0.000000020.18215800 0.00149300
说明：*代表实际重新安排。
值得一提的是，我们也考虑了是否解释变量中要加入了人均GDP进入回归。现有的文献普遍认为在其他因素不变的情况下，贫困国家由于人均收入较低被视为较容易违约。这是基于低收入国家和高收入国家相比之下经济实力较弱、有较少的活动空间来减少消费，也因此更难通过节约方案和行政手段解决偿还债务利息的困难[例如，见Cosset和Roy（1991）[12]，Cosset等（1992）[13]]。我们的经验结果发现人均GDP对重新安排债务有显著影响，但是它的影响方向似乎与预期不符。回归结果：人均GDP的符号是正的，说明国民收入越高的国家越有可能重新安排其债务，这跟人们普遍认同的看法不一致。我们觉得韩国的高国内生产总值和它于1998至1999年的重新安排债务可能是导致结果偏斜的原因。的确，这一结果证实了Bouchet等（2003）所说的概率单位和对数单位研究方法的一个弊端，那就是：解释变量可能会随不同的国家和时间样本而呈现不一致的估计结果[14]。考虑到人均GDP的这一结果可能会对估计值产生扭曲，我们决定不把它加入到模型里。另外，我们也没把通货膨胀设为解释变量的一员，因为它和国内实际利率（RIR）有高达负0.716的相关系数。
具体来看，模型D中各个解释变量的单位变动对概率值的影响有：
实际GDP增长：－0.0020；
公债占GDP的比率（PD/GDP）：0.0008；
债务还本额占外债的比率（AMOR）：－0.0026；
实际汇率的波动（REAL_XR）：0.00027。
这说明实际GDP每增长1％，重新安排债务的概率下降0.2％。而公债占GDP的比率每增加1％，重新安排债务的概率上升0.08％。以此类推。
最后，我们以本文所估计的国家风险排序和顶尖信用评级机构对文中5国所测定的风险评估相比较（见表6）。可以看出模型D所预测出的2001年的风险排名和这些相对复杂的国家风险测评最广泛地一致。
表6 2001年的国家风险排序
概率单位国际国家风 《机构
《欧洲货币》 穆迪主权标准普尔主
模型P
险指南综合 投资者》 国家信 长期债券评 权长期债券
国家 (重新安 风险评级信用评级 用评级 级(外币)评级(外币)
排债务) (2001年 (2001年
(2001年 (2002年 (2002年
(2001) 12月)
9月
9月)9月)1月
韩国 0.00000002 79.361.7 62.4Baa2BBB+
马来西亚 0.00004680 76.056.4 59.8Baa2BBB
泰国 0.00149300 73.850.0 56.7Baa3BBB-
菲律宾0.18215800 70.043.5 53.1Bal BB+
印度尼西亚0.51199100 56.321.6 33.4B3 CCC
资料来源：世界银行，《世界发展指标2002》。
六、结论
本文对曾经被1997～1998亚洲金融危机袭击的5个亚洲国家的数据进行计量分析。目的是探讨影响这些国家重新安排债务的相关风险因素。结果发现，实际GDP增长、公债占GDP的比率、债务还本额占外债的比率和汇率的波动都是解释印度尼西亚、马来西亚、菲律宾、韩国和泰国1980至2001年是否重新安排债务的主要因素。虽然人均GDP这一指标在过去的经验研究中一般地和国家风险水平有负相关，我们的研究发现它影响亚洲5国重新安排债务的方向与预期不符。这显示概率单位模型在对国家风险进行分析时也有其一定的不足。另外，研究也发现个别风险因素对重新安排债务的影响也易受这些指标的组合所影响。
标签：国家风险论文; 政府债务论文; 国外宏观论文; 统计模型论文; 风险系数论文; 解释变量论文; 宏观经济论文; 风险模型论文; 经常账户论文; 外汇储备论文; 经济论文; 外汇论文; 债务论文;