商业银行信用风险模型比较与分析
基于KMV模型的商业银行信用风险度量及管理研究
基于KMV模型的商业银⾏信⽤风险度量及管理研究1 导⾔（论⽂中不能出现截图）1.1 研究背景及意义在新巴塞尔协议的背景下，商业银⾏所⾯临的风险可明确分类为：信⽤风险、市场风险、操作风险、流动性风险、清算风险、法律风险和信誉风险等七种类型。
McKinney（麦肯锡）公司以国际银⾏业为例进⾏的研究表明，以银⾏实际的风险资本配置为参照，信⽤风险占银⾏总体风险暴露的60％，⽽市场风险和操作风险仅各占20％。
因此，在商业银⾏所⾯临的众多风险中，信⽤风险占有特殊的地位，且信⽤风险已经成为国际上许多商业银⾏破产的主要原因。
对于我国商业银⾏来说，企业贷款是其主要业务，银⾏⼤部分的⾦融资产为企业贷款，因此贷款的信⽤风险是商业银⾏信⽤风险的最主要组成部分。
截⾄2014年底，商业银⾏的不良贷款余额为5921亿元，不良贷款率1％，⽐年初增加993亿元；2014年我国银⾏业⾦融机构不良贷款率达1.64%，较2013年提⾼了0.15%；商业银⾏2014年末不良贷款率1.29%，提⾼了0.29%，2014年商业银⾏不良贷款率创2009年来新⾼,2013年和2014年我国商业银⾏不良贷款率也不断上升。
以上数据都表明我国商业银⾏的信⽤风险形势还相当严峻。
信⽤风险问题俨然成为阻碍我国⾦融业的持续发展的重要原因。
因此，研究信⽤风险的特点，收集信⽤相关数据，建⽴度量信⽤风险的信⽤风险模型，定量分析信⽤风险数据，以及如何将信⽤风险管理措施运⽤到各项业务当中，已经是商业银⾏提⾼经营管理⽔平，降低信⽤风险的最基础、最迫切的要求。
本论⽂的选题就是在这样的前提和背景下进⾏的。
在西⽅发达国家，其商业银⾏的信⽤风险管理⽐较成熟，在实践和理论上都已形成相应的体系，表现出⼀种从定性到定量、从简单到复杂、从个别资产信⽤风险评级到资产组合信⽤风险评级的趋势。
信⽤风险度量的⽅法和模型也不断推陈出新。
相较⽽⾔，我国的商业银⾏信⽤风险管理系统体系尚不健全，信⽤评级⽔平较低，对信⽤风险的分析任然处于传统的⽐例分析以及专家经验判断阶段，远不能有效满⾜商业银⾏对贷款安全性的度量要求。
风险管理-信用风险量化的4种模型 精品
信贷风险管理的信用评级方法信贷风险管理的新方法信贷风险管理是当今金融领域的一个重要课题。
银行在贷款或贷款组合的风险度量中特别注意运用信贷风险管理的工具。
除了专家系统、评分系统和信用打分系统等传统方法外，新的信贷风险管理方法主要有KMV模型、JP摩根的VAR模型、RORAC模型和EVA模型。
1、KMV——以股价为基础的信用风险模型历史上，银行在贷款决策时，曾经长时间忽视股票的市价。
KMV模型基于这样一个假设——公司股票价格的变化为企业信用度的评估提供了可靠的依据。
从而，贷款银行就可以用这个重要的风险管理工具去处理金融市场上遇到的问题了。
尽管很少有银行在贷款定价中将KMV模型作为唯一的信用风险指示器，但非常多的银行将其用为信贷风险等级的早期报警工具。
KMV实际上是一个度量违约风险的期权模型，是由买入期权推演而来的。
KMV扭转了看待银行贷款问题的视角，从借款企业的普通股持有者的视角来看贷款偿还(回报)的激励问题。
信用中国c86. 我们共同打造换句话说，它将持有普通股视为与持有一家公司资产的买入期权相同。
基本原理如图所示：（1）KMV是如何工作的？假设普通股持有者拥有公开交易公孙的股票，公司债务是一张一年期的单一贴现票据（single discount note）,票面价值是B.上图显示的是从普通股持有者方面来看的贷款偿还问题。
在图中，若公司资产的价值跌到OB以下（以左，如OA1）,股的持有者就不会偿还那个等于OB的债务。
当然，如果选择违约，他就必须将对公司资产的控制权转让给贷款银行，公司所有者的普通股就一文不值了。
然而，若公司资产的价值是OA2，公司就会偿还债务OB，而保留其余的价值BA2.在KMV模型中，公司债务的票面价值B就是买入期权中的约定价格。
可以看到公司的风险底线（downside risk）被限制在OL，因为“有限责任”保护了普通股的持有人。
从而，对一个好公司的股票持有者的回报有一个有限的底线和一个无限延长的上限。
商业银行对中小企业贷款的信用风险控制_基于博弈模型分析
一、我国中小企业融资现状分析据有关资料显示，截止2008年末我国中小企业数量已超过4200万户，占全国企业总数的99.8％。
其中在工商部门注册的中小企业430多万户、个体经营户3800多万户。
其创造的最终产品和服务的价值占国内生产总值的近60％，上缴税收占50％以上，并且在调整经济结构、建立市场体制、构建和谐社会等方面发挥着越来越重要的作用。
但随着中小企业的进一步发展，其发展过程中面临的矛盾和制约因素也日益突现出来，其中融资难就是制约其健康发展的困难之一。
针对“企业想贷款，银行紧放款”的现象，我们试运用博弈分析的方法，研究其放贷风险，进而建立实用的信用评级模型，提出针对性强的控制措施，真正实现银企的双赢，维护国家的金融安全。
二、博弈视角下商业银行对中小企业贷款的信用风险分析根据企业融资的非对称信息理论，在金融市场上，资金的使用者在企业经营方面比资金的提供者掌握更多的信息。
因此，他们就有可能利用这种信息优势在事先谈判、合同签订和事后资金的使用过程中损害资金提供者的利益，使资金的提供者承担过多的风险，即存在逆向选择和道德风险问题。
在现实经济生活中，中小企业可能通过弄虚作假，如编制虚假会计报表、伪造企业良好业绩等行为来骗取银行贷款。
而银行只能根据融资企业传递的信息来判断该中小企业属于“好企业”（概率为P）还是“差企业”（概率为1-P），然后根据判断结果决定是否向企业发放贷款。
如果判断失误，即拒绝好企业的贷款申请或接受差企业的申请，则银行的潜在不良资产将会上升，从而承担由此产生的机会成本。
银行接受的效用分析如下：银行接受贷款申请的净收益为P×1+（1-P）×（-1）=2P-1；银行拒绝贷款申请的净收益为P×（-1）+（1-P）×0＝-P。
当2P-1> -P 时，则银行选择接受贷款申请，此博弈达到精炼贝叶斯均衡（1，商业银行对中小企业贷款的信用风险控制——基于博弈模型分析■卢艳玲之道观察经济集体经济中国ZHONGGUOJITIJINGJI1）；当2P-1<-P时，则银行选择拒绝贷款申请，此博弈达到纳什均衡（0，0）。
现代信用风险度量模型比较
现代信用风险度量模型比较信用风险，亦称违约风险，是指因交易一方不能履行或不能全部履行合约责任而造成交易对手遭受损失的可能性。
一般来讲，信用风险的基本要素包括违约概率、违约损失率。
这些风险要素不仅被用来评估信用风险，而且可以用来信用定价、计算信用利差等。
信用风险度量模型主要是从这些基本要素展开的。
本文就几种有代表性的模型进行逐一分析比较。
一、KMV模型该模型属于建立在包括利率和公司特征变量在内的动态变化的一种模型。
其理论依据最初由Merton提出，他假设一个简单的公司资本结构，公司仅发行一种零息债券，当公司资产价值低于债券面值时，公司将发生违约。
通过设定违约临界点，计算公司资产价值低于该临界点的概率，以此作为公司的违约概率。
在这一理论依据下，KMV公司于1993年开发出了一种信用风险度量模型，将债权看作债权人向借款公司股东出售的对公司价值的看跌期权（卖权），期权标的是公司资产，执行价格是公司债务价值。
企业所有者相当于持有违约或不违约的选择权，债务到期时，若企业资产的市场价值超出其负债价值，企业愿意还债，将剩余部分留作利润；如果企业资产价值小于负债水平，出售全部资产也不能完全偿债，企业会选择违约，将公司资产转交给债权人。
该模型在度量违约率的过程中，首先利用期权定价原理（BSM模型）推导出的公司股权价值公式和企业股权价值波动性与企业资产价值波动性间存在理论上的关系来估计公司市场价值及其波动性；然后利用所求得的公司市场价值及其波动性来计算违约距离；最后利用正态分布的假定和历史数据分别求得其对应的违约概率。
该模型优点突出，那就是它是一个向前看的动态的模型。
但在技术上利用期权定价方法求解公司资产价值和波动性，缺乏有效方法来检验精确性；基于资产价值正态分布假设不够准确，也使它的缺点明显。
二、Creditrisk+模型CreditRisk+模型，是瑞士第一信贷——波士顿银行开发的一种违约模型，其思想来源于保险精算学。
基于期权定价理论的我国商业银行信用风险度量模型及参数修正
价值Ｄ 来进荇模型的计算， 这样也更符合实际。
２无风险利率ｒ ． 的调整 。无风险利率使 用 中国
人民银行公布的一年期定期存款利率表 （ 见表２ 。 ）
由于我们设定违约距离的计算时间为一年 ，所 以对应的使用当年的一年期定期存款利率。由于实 际的一年期定期存款利率是变化的 ，尤其是在２０ ０７ 年呈急剧上升态势 ，本文采用对年利率进行时间加
的结论 ，中国的资本市场有其 自身的规律 ，直接套
１ ６・ ６
表１
诉 费 用 以及 公 司 的净 负 债 等 。 因 此
从 理论 上分析 ，回归得 出的违约点 也 符 合 实 际 情 况 。 另 外 ， 回归 得 出
的 短 期 负 债 和 长 期 负 债 的 系 数 均 大
于Ｋ Ｖ 型违约点 的系数 ，说 明 中 Ｍ 模 国上市公 司整体 的资 产质量较 之美 国要差 ，违约点较 大 ，信 用风险相 应也较 高 。因为 当资产 的市场价值 低于违 约点时 资产的市场 价值 ，违 约就会 发生 。所 以本文在 实证 中以
仃Ｅ — ：
以反映公 司的信用状况 ，因此该模型对现 阶段我 国商业银行对上市公司 的信用风险分析具有一定
的适 用 性 。 随 着 我 国 资 本 市 场 规 模 的不 断 扩 大 ，
ＶＡ Ｎｄ ０ （
—
一
我 国商业 银行 对上市公 司 的贷 款余额不 断增 加 ， 不 良贷 款 余 额 也 大 量 增 加 。所 以 ，商 业 银 行 对 上
晕 院 硕 士 研 究 生 ，研 究 方 向 ：金 融 工 程 。
Ｋ 模型 的理 论基础 ＭＶ 期 权是 一种 特定 的金 融合 同 ，分 为看涨 期 权 和
浅析商业银行信用风险度量——基于KMV模型
利 息率 ； 债务期限为一年 ， ｔｌ 即 ＝。具体计算步骤如下 ： （） １利用指数平滑法计算公 司股价 波动率 ， 步骤通过Ｅ 此 —
ｖｅ ｓ ｉ 软件实现 ； ｗ （） ２ 利用软件Ｍａ ａ编程求 解 由（ ）２ （ ）４ 组成 的方程 ｌ ｆｂ １ （ ）３ （ ）
个 ｓ 公 司和一个非ｓ 公司 。上市公 司的股权价值用股票价格 ｒ Ｔ 与股本 总数 的乘积来表示 ， 由历史数据估计出的股价波动率 用 来 代替股权价值波动率 ；违 约点的选取采用Ｋ 公 司使用 的 ＭＶ （） ５ 式计算 ； 无风险利率采 用中 国人 民银行制 定的一年期存款
（） １满足Ｂ ｓ — 期权定价模型 的基本假设 ； （ ） 款人资产价值 大于债务价 值时 ， ２借 借款人不会选 择违
（） ３借款人资 产价值服从几何 布朗运动 ， 借款人 资产收益
服从正态分布 ； （ ） 款人 资本 只包 括所有者权益 ， ４借 短期 债务、 长期债务可
组 ， 出公 司资产价值和资产价值 波动率 ； 得
（） ３根据 （ ）６ 两式计算出违约点 Ｄ 和违约距离Ｄ 。 ５（ ） Ｐ Ｄ
ｓ 公司的信用风险状况 ，这对商业银行贷 款决 策具 有重要 的 Ｔ 参考价值 ， 因此 ， ＭＶ Ｋ 模型在我 国商业银行 信用风险度量 中具
有重要的应用价值 。当然 ， 在应用模型对上市公 司信用风险进 行计算时 ， 也存在很多不足和有待 改进 的地 方 ， 如违 约点的计
４Ｏ１ ４ ． ５
实验管理 、 实验教学改革 、 实验条件 、 实验教学效果等 内容进行
的重要方式， 承担着培养高素质应用型、 技能型、 管理型旅游专
业人才的重要任务 。改革实验课程体 系， 采用体验式实训教学
商业银行信用风险评估预测模型研究
商业银行信用风险评估预测模型研究1. 本文概述在当今复杂多变的金融环境下，商业银行的信用风险评估和预测成为了一个至关重要的话题。
本文旨在深入探讨商业银行信用风险评估预测模型的构建与应用，以期提高银行的风险管理能力和决策效率。
本文首先对信用风险评估的重要性进行阐述，接着对现有的信用风险评估模型进行综述，分析其优缺点。
随后，本文将详细介绍所构建的信用风险评估预测模型，包括模型的选择、变量设置、数据来源及处理方法等。
在模型建立的基础上，本文还将通过实证分析来验证模型的准确性和有效性。
本文将讨论模型的实际应用前景，以及可能面临的挑战和解决方案，为商业银行的风险管理提供有益的参考。
2. 商业银行信用风险评估概述商业银行信用风险评估是银行业务中至关重要的环节，它直接关系到银行的资产质量、财务稳定性和长期生存能力。
在概述这一领域时，首先需要强调的是信用风险评估的目的和重要性。
商业银行的核心职能之一是管理信用风险，即借款人或债务人违约的风险。
这种风险的管理不仅关系到银行自身的盈利性和安全性，还影响到整个金融系统的稳定。
目前，商业银行在评估信用风险时，通常采用多种方法论和技术。
传统方法包括专家系统、信用评分模型和财务比率分析等。
这些方法依赖于历史数据和专家判断，但往往存在主观性和信息不对称的问题。
随着金融科技的进步，现代信用风险评估越来越多地依赖于大数据分析、人工智能和机器学习技术。
这些技术能够处理大量数据，识别复杂的模式和关系，从而提高风险评估的准确性和效率。
在商业银行管理中，信用风险评估模型的应用已经渗透到贷款审批、风险定价、信贷管理和资本充足性评估等多个方面。
通过这些模型，银行能够更好地识别潜在的风险，制定相应的风险控制策略，从而降低不良贷款率和信贷损失。
随着巴塞尔协议等国际监管要求的实施，信用风险评估模型也成为了银行合规和风险管理的重要组成部分。
商业银行信用风险评估是一个复杂而关键的领域，涉及到多种技术和方法。
商业银行的信贷风险评估模型
商业银行的信贷风险评估模型商业银行作为金融体系中的重要组成部分，其信贷业务在经济发展中起着至关重要的作用。
然而，信贷风险是银行业务中的一个重要挑战，因此商业银行需要建立有效的信贷风险评估模型来帮助其准确评估借款人的信用风险，并做出相应的决策。
本文将介绍商业银行的信贷风险评估模型。
一、综合评估模型商业银行的信贷风险评估模型通常是综合考虑多个因素的综合评估模型。
这些因素包括借款人的信用历史、收入状况、负债情况以及所申请贷款的用途等。
商业银行通常会根据这些因素综合评估借款人的信用状况，并据此决定是否批准贷款申请，以及贷款的金额和利率。
二、量化模型商业银行通常使用量化模型来评估借款人的信用风险。
量化模型是通过分析大量的历史数据和统计方法来预测未来的信用违约概率。
常见的量化模型包括评分卡模型和概率模型。
评分卡模型基于借款人的个人信息和信用历史等因素，为每个借款人分配一个信用评分。
这个评分可以用于判断借款人的信用状况，并据此决定是否批准贷款申请。
评分卡模型通常是通过回归分析等统计方法来构建的。
概率模型是通过建立一个数学模型来评估借款人的信用风险。
这个模型通常基于借款人的个人和经济信息，并将这些信息与历史违约数据进行拟合。
概率模型可以用来计算借款人违约的概率，并据此决定是否批准贷款申请。
三、专家系统除了量化模型外，商业银行还可能采用专家系统来评估信用风险。
专家系统是通过模拟人类专家的决策过程来评估信用风险的。
它通常基于一些规则和经验知识，并通过推理和逻辑推断来做出决策。
专家系统可以帮助银行评估借款人的信用风险，并提供相应的建议。
四、模型评估和改进商业银行在使用信贷风险评估模型时，需要进行模型评估和改进。
评估模型的准确性和效果是非常重要的，商业银行可以通过比较模型的预测结果与实际违约情况来评估模型的准确性。
如果模型存在一些问题，商业银行可以根据评估结果对模型进行改进，以提高其准确性和预测能力。
综上所述，商业银行的信贷风险评估模型是帮助银行准确评估借款人信用风险并做出相应决策的重要工具。
银行流动性风险管理的新模型与实证分析
银行流动性风险管理的新模型与实证分析在当今复杂多变的金融环境中，银行流动性风险管理的重要性日益凸显。
流动性风险不仅可能导致银行的经营困境，甚至可能引发系统性金融风险，对整个金融体系的稳定造成冲击。
因此，不断探索和创新银行流动性风险管理的方法和模型，具有极其重要的理论和实践意义。
一、银行流动性风险的内涵与表现银行流动性风险，简单来说，是指银行无法及时、足额地满足客户的提款需求或者无法以合理成本及时获得足够资金以应对到期债务的风险。
这种风险可能源于银行资产和负债在期限、金额、币种等方面的错配。
其表现形式多种多样。
一方面，当银行面临大量客户突然集中提款时，如果银行的现金储备不足，无法及时满足这些提款需求，就可能引发挤兑危机。
另一方面，如果银行无法在市场上以合理的价格迅速出售资产来获取资金，或者难以通过借款等方式筹集资金，也会陷入流动性困境。
二、传统银行流动性风险管理模型的局限性传统的银行流动性风险管理模型主要包括静态指标法和动态模拟法等。
静态指标法如存贷比、流动性比率等，虽然计算简单、易于理解，但它们往往只反映了银行在某一特定时点的流动性状况，无法动态地捕捉银行在不同市场环境和业务条件下的流动性变化。
动态模拟法则通过构建复杂的数学模型，模拟银行在各种可能的情景下的资金流动情况。
然而，这种方法通常需要大量的历史数据和假设条件，且模型的准确性和可靠性在很大程度上取决于数据的质量和假设的合理性。
此外，传统模型在应对金融创新和市场不确定性方面往往表现出不足，难以适应现代金融市场的快速变化。
三、新银行流动性风险管理模型的构建为了克服传统模型的局限性，近年来，金融界提出了一系列新的银行流动性风险管理模型。
其中，基于压力测试的流动性风险模型受到了广泛关注。
压力测试通过设定极端但可能发生的市场情景，如金融危机、信用紧缩等，评估银行在这些恶劣环境下的流动性承受能力。
这种方法能够帮助银行提前识别潜在的流动性风险点，并制定相应的应对策略。
现代信用风险度量模型的比较分析
三、结束语
信用风险在商业银行风险管理中占有特殊地位，信用风险 的度量越来越得到国际金融界的重视。由最早的专家制度法发 展为近年来的现代信用风险度量模型，由主观分析法转变为客 观分析法，由定性分析法转变为定量分析法，信用风险度量方法 得到了不断的发展和完善。□
（作者单位：武汉大学经济与管理学院）
被视作小概率违约事件，并且每笔贷款的违约概率都独立于其 他贷款，这样，贷款组合违约概率的分布接近泊松分布。CSFP 信用风险附加计量模型考虑违约概率的不确定性和损失大小的 不确定性，并将损失的严重性和贷款的风险暴露数量划分频段，
参考文献： [1]安东尼·桑德斯．信用风险度量—— 风险 估价的新方法与其他范式．北京机械工业
（三）KMV 模型是 KMV 公司 1997 年建立的用来估计借款 企业违约概率的方法。首先，它利用 Black 一 Scholes 期权定价 公式，根据企业资产的市场价值、资产价值的波动性、到期时问、
中，风险驱动因素是企业资产价值及其波动性；在麦肯锡模型 中，风险驱动因素是失业率等宏观因素；而在 CS FP 信用风险附 加计量模型中，关键的风险驱动因素是经济中可变的违约率均 值。
（二）麦肯锡模型则是在 Credit Metrics 的基础上，对周期性 因素进行了处理。将评级转移矩阵与经济增长率、失业率、利 率、汇率、政府支出等宏观经济变量之间的关系模型化，并通过 蒙地卡罗模拟技术(a structured Monte Carlo simulation approach) 模拟周期性因素的“冲击”来测定评级转移概率的变化。麦肯锡 模型可以看成是对 Credit Metrics 的补充，它克服了 Credit Metrics 中不同时期的评级转移矩阵固定不变的缺点。
商业银行风险管理模型及效果评估
商业银行风险管理模型及效果评估随着金融市场的不断发展，商业银行面临着更加复杂和多样化的风险。
因此，构建有效的风险管理模型成为商业银行的重要任务。
本文将探讨商业银行风险管理模型的设计原则和不同类型的风险管理模型，并对这些模型的效果进行评估。
首先，商业银行风险管理模型的设计原则是基于以下几个方面：准确性、全面性、及时性和可操作性。
准确性是指模型应该能够准确地识别各种风险，并给出合理的风险评估结果。
银行应该通过模型对各种风险进行量化，包括信用风险、市场风险、流动性风险和操作风险等。
全面性是指模型应该覆盖银行可能面临的所有风险，以确保银行能够全面地管理和监控风险。
及时性是指模型应该能够及时地反映风险的变化，并提供实时的风险评估报告。
可操作性是指模型应该具备可操作性和可执行性，方便银行进行风险管理和决策。
根据风险类型的不同，商业银行可以采用不同的风险管理模型。
以下是几种常见的商业银行风险管理模型：1. 基于历史数据的统计模型：这种模型通过分析历史数据来预测未来的风险，例如使用历史违约率来预测未来的信用风险。
这种模型适用于市场风险和信用风险等比较稳定的风险类型。
2. 基于市场数据的价值调整模型：这种模型通过对市场数据的实时监测和分析，来评估风险暴露和价值调整需求，例如用于计算金融工具的风险价值调整。
这种模型适用于市场风险和流动性风险等需要实时监测和调整的风险类型。
3. 机器学习模型：这种模型利用机器学习算法来分析大量的数据，发现隐藏的模式和规律，并预测未来的风险。
例如，使用机器学习算法来预测信用卡欺诈和网络安全风险。
这种模型适用于各种类型的风险。
针对商业银行风险管理模型的效果评估，可以从以下几个方面进行评估：1. 预测准确性：评估模型对风险的预测准确率，包括真阳性率、假阳性率和准确性等指标。
模型的预测结果与实际发生的风险事件相比较，评估模型的有效性和稳定性。
2. 效率和成本：评估模型在实际应用中的效率和成本，包括模型的计算速度、操作便捷性和所需资源。
商业银行的信用风险评估模型
商业银行的信用风险评估模型信用风险是商业银行面临的最重要的风险之一，它直接关系到银行的资产质量和盈利能力。
为了准确评估客户的信用风险，商业银行不断发展和完善各种信用风险评估模型。
本文将介绍商业银行常用的信用风险评估模型及其特点。
一、传统评估模型1. 德鲁瓦模型德鲁瓦模型是最早应用于商业银行信用风险评估的模型之一。
该模型通过评估客户的财务状况、抵押物价值和担保品等因素，对客户进行评分，以确定其信用等级。
这种模型简单直观，但在考虑因素和权重上相对较为死板，不能全面准确地评估客户的信用风险。
2. Altman模型Altman模型是一种常用的企业破产预测模型，在银行信用风险评估中也得到了广泛应用。
该模型通过综合考虑企业的财务指标，如流动比率、资产负债率和盈利能力等，为企业评估其破产概率。
然而，Altman模型仅适用于评估企业的破产风险，对于非企业客户的信用评估作用有限。
二、基于统计方法的评估模型1. Logistic回归模型Logistic回归模型是一种经常用于分类和预测的统计模型，在商业银行信用风险评估中也被广泛应用。
该模型通过考虑多个变量，如个人征信报告、负债水平和还款能力等，来预测客户的违约概率。
Logistic回归模型具有较强的灵活性和可解释性，但需要大量的数据样本来进行训练和验证。
2. 神经网络模型神经网络模型是一种模拟人脑神经元工作方式的评估模型，其在商业银行信用风险评估中具有一定的优势。
神经网络模型可以通过学习大量的样本数据，自动识别和利用变量之间的非线性关系，进一步提高评估的准确性。
但神经网络模型需要较高的计算资源和训练时间，同时在应用过程中很难解释模型的结果。
三、基于机器学习的评估模型1. 随机森林模型随机森林模型是一种集成学习方法，在信用风险评估中表现出良好的性能。
该模型通过构建多个决策树，并综合其结果进行评估和预测。
随机森林模型具有较强的适应性和鲁棒性，可以有效地处理大规模数据，并对缺失数据进行处理。
商业银行信用风险评估模型
商业银行信用风险评估模型商业银行信用风险评估模型的建立主要包括以下几个关键步骤：1. 数据采集和预处理：首先，需要收集借款人的基本信息，如个人资产负债表、现金流量表和经营业绩报表等。
同时，还需获取借款人的信用报告和借款申请表等相关文件。
然后，对这些数据进行预处理，包括数据清洗、转换和标准化等，以确保数据的准确性和一致性。
2. 特征工程：在数据处理的基础上，需要从大量的特征中选取相关的、有区分度的特征，以提高模型的准确性和预测能力。
常用的特征包括借款人的年龄、性别、收入水平、教育背景、婚姻状况等，以及借款人的信用历史、财务指标、借款需求等。
3. 模型选择和训练：根据评估目标和数据特点，选择合适的信用风险评估模型进行建模。
常见的模型包括逻辑回归模型、决策树模型、支持向量机模型和神经网络模型等。
然后，使用训练数据对模型进行训练，以优化模型的参数和超参数，并使用交叉验证等方法评估模型的性能。
4. 模型评估和验证：使用验证数据集对建立的模型进行评估和验证，计算模型的准确率、召回率、精确率和F1值等指标，以评估模型的性能和稳定性。
如果模型的表现不佳，需要对模型进行优化和调整，如增加样本量、调整模型参数等。
5. 模型应用和监控：在模型验证通过后，可以将其应用于实际的信用风险评估中。
在实际应用过程中，需要对模型进行监控和更新，以适应市场变化和风险变化。
同时，还需要建立合理的模型评估指标体系，对模型的表现进行定期评估和追踪。
综上所述，商业银行信用风险评估模型是通过采集和处理借款人的基本信息，选取合适的特征，并使用合适的模型进行训练和评估，以预测借款人的信用风险水平。
模型的建立需要充分考虑数据的质量和模型的选取及优化，以提高评估的准确性和效果。
同时，模型的应用和监控也是不可忽视的，以确保模型的长期有效性和稳定性。
商业银行信用风险评估模型的建立与实施需要综合考虑多个因素和环节。
首先，数据的质量和可靠性对模型的精确性和预测能力至关重要。
信用风险理论、模型及应用研究
信用风险理论、模型及应用研究信用风险理论、模型及应用研究一、引言近年来，随着社会经济的发展和金融市场的繁荣，信用风险的相关问题备受关注。
信用风险是指在金融交易中，出借方因债务人无力偿还债务或违约而造成的经济损失的概率。
信用风险一直以来都是金融机构和投资者面临的重要问题，因此信用风险理论、模型及应用研究显得尤为重要。
二、信用风险理论1. 信用风险的概念与特点信用风险是金融市场中普遍存在的一种风险。
具体而言，信用风险是指在金融交易中，借款人出现违约或无法按时偿还贷款的风险。
信用风险的特点主要包括远期性、不对称性、不可估量性和相关性。
2. 信用风险的衡量指标为了能够准确衡量信用风险，研究者们提出了一系列的衡量指标。
其中最常用的指标有违约概率、违约损失率和违约可能性。
三、信用风险模型1. 传统模型传统的信用风险模型主要有KMV模型、Merton模型和Black-Scholes模型。
这些模型主要通过对借款人的财务状况、市场风险以及其他相关因素进行分析，从而预测借款人发生违约的概率。
2. 基于债券定价模型的模型债券定价模型是一种比较新的信用风险模型，其基本思想是通过对债券的价格进行分析，和实际市场价格进行比较，来评估债券的信用风险。
这种模型相比传统模型更加准确，但也更加复杂。
3. 基于机器学习的模型近年来，随着机器学习技术的发展，越来越多的研究者开始尝试使用机器学习方法来建立信用风险模型。
在这种模型中，研究者使用大量的历史数据来训练模型，以预测未来借款人的违约概率。
四、信用风险的应用研究1. 银行业在银行业中，信用风险一直是最关注的问题之一。
银行需要通过信用风险模型来判断借款人的信用状况，从而决定是否放贷。
此外，银行还可以通过信用风险模型来优化贷款组合，降低信用风险。
2. 企业对于企业而言，信用风险同样重要。
企业需要通过信用风险模型来评估供应商和客户的信用状况，从而做出相应的商业决策。
此外，企业还可以利用信用风险模型来预测自身的违约概率，以及调整资金结构和经营策略。
商业银行的个人信贷风险评估模型
商业银行的个人信贷风险评估模型随着社会经济的发展和个人财务需求的增加，商业银行的个人信贷业务不断扩大。
然而，信贷风险成为银行面临的重要挑战之一。
为了有效管理个人信贷风险，商业银行采用了各种风险评估模型。
本文将介绍商业银行常用的个人信贷风险评估模型、评估指标和应用案例，并探讨其优缺点及未来发展趋势。
一、传统的个人信贷风险评估模型1. 评级模型评级模型是最常见的个人信贷风险评估模型之一。
该模型通过对借款人的个人背景、信用记录、收入水平和负债情况等因素的评估，为其分配相应的信用评级。
评级模型通过量化的方式将借款人分成不同的风险等级，以衡量其违约概率。
这种模型简单易用，但对评级模型参数的确定和模型的准确性要求较高。
2. 征信模型征信模型是根据借款人的信用报告信息构建的个人信贷风险评估模型。
银行通过信用报告中的信息，如借款人的信用记录、欠款情况、还款能力等来评估个人的信贷风险。
征信模型能够提供客观、全面的评估指标，但其局限性在于只能评估借款人过去的信用状况，对于首次借贷或无信用记录的借款人可能不适用。
二、现代的个人信贷风险评估模型1. 机器学习模型机器学习模型是近年来在信贷风险评估领域得到广泛应用的一种模型。
通过训练大量的历史数据，机器学习模型能够学习出不同因素对个人信贷风险的影响程度，并预测新借款人的违约概率。
该模型具有较强的预测能力，但对于模型的训练和参数调整需要较高的技术水平和数据支持。
2. 微观行为模型微观行为模型是一种基于经济学理论的个人信贷风险评估模型。
该模型通过分析借款人的个体属性、行为习惯和经济环境等因素对违约概率的影响，来评估其信贷风险。
微观行为模型能够提供详细的风险解释和预测结果，但对于数据的要求较高。
三、评估指标1. 违约概率违约概率是评估个人信贷风险的核心指标。
通过对借款人各项指标的综合考量，可以计算出其违约概率。
违约概率越高，说明借款人的信贷风险越大。
2. 损失率损失率是指发放个人贷款后的预期损失金额占贷款金额的比例。
基于信用风险度的商业银行风险评估模型研究
管
Ｖｏ ． １． Ｎｏ． １２ ４理 Nhomakorabea工
程
学
报
２０ ０７年 第 ４期
Ｊｕｎｌ ｆｎｕｔａ Ｅ ｇ ｅｒ Ｅ ｇ ｅｒ ｇＭ ｎｇｍ ｎ ｏｒａ ｏ ｄ ｓｉ ｎｉ ｅｉ ｎｉ ｅｉ ａａｅ ｅｔ Ｉ ｒｌ ｎ ｎ ｎ ｎ
基 于信 用风 险 度 的商 业 银 行 风 险评 估 模 型 研 究
王建 新 ，于 立 勇
（ ． 尔 滨 工 业 大 学 管 理 学 院 ，黑 龙 江 哈 尔 滨 １００ ；２ 北 京 大 学 光 华 管 理 学 院 ，北 京 １０ ７ ） １哈 ５０ １ ． ０８ １
摘 要 ：本 文 依 据 商业 银 行 信 用风 险 的 内 涵 ，结 合 信 用 风 险 的 不 确 定 性 和 相 对 性 特 征 ，提 出 以 “ 用 风 险 度 ” 信 作 为 系统 的 输 出 ，并 针 对 传 统模 式 识 别 评 估 方 法 的 不 足 ，构 建 了基 于补 偿 模 糊 神 经 网 络 的 信 用 风 险 评 估 预 测模
诸 国 为首 的发 展 中 国 家对 信 用 风 险 的 关 心 ， 信 信 用 风 险 的 相
度 量 和 管理 必 将 成 为 ２ 世 纪 风 险 管 理 研 究 中 最 具 挑 战 的 课 ｌ
题。
我 国商 业 银 行 信 用 风 险 管 理 起 步 较 晚 ， 用 风 险评 估 仍 然 沿 信 袭 传 统 的 比例 分 析模 式 。
评 估 中 的重 要 意 义 。
本 文 在 评 析 传 统 信 用 风 险 衡 量 标 准 和 分 类 评 估 模 式 的
基 础 上 ， 用单 值 模 糊 产 生 器 、 利 高斯 型 隶 属 函 数 、 积 推 理 规 乘 则、 消极 一 积极 补偿 运 算 以及 改 进 型 重 心 反 模 糊 化 器 ， 建 了 构 基 于补 偿 模 糊 神 经 网 络 的 信 用 风 险 评 估 预 测 模 型 ， 依 据 信 并 用 风 险 的 内涵 ， 信 用 风 险 评 估 的 目 的 出 发 ， 出 以信 用 风 从 提 险 度 作 为新 的衡 量 标 准 。 实证 分 析 结 果 表 明 ， 型 可 以 较 为 模 客观 、 确地测度信贷 资金 形成 呆账 的可能 性 ， 一种 较 为 准 是 有 效 的信 用 风 险衡 量 工具 。
对于Credit Portfolio View模型的适用性分析及改进建议(1)
对于Credit Portfolio View模型的适用性分析及改进建议黄小凤（哈尔滨工业大学建筑学院黑龙江哈尔滨150006）摘要：当今国际社会中，关于信用风险的评估分析主要使用KMV模型，Credit Metrics模型，Credit Risk +模型和Credit Portfolio View模型。
在这四个模型中，只有credit Portfolio View模型考虑了宏观经济因素对商业银行信用风险的影响。
笔者认为宏观经济因素对信用风险的影响是非常大的，比如在经济萧条期间，商业银行发生的违约事件明显多于经济良好的时间。
所以，认为Credit Portfolio View模型相比于其它模型更加合理。
但该模型也有其漏洞，所以提出了实际贷款过程中以Credit Portfolio View模型为主，混合使用另外其它模型的建议。
关键词：信用风险、Credit Portfolio View模型、违约、商业银行一．Credit Portfolio View模型概述1.1 Credit Portfolio View模型定义Credit Portfolio View模型是由麦肯锡开发的一个多因子模型，可以用于预测仿真既定宏观因素取值下各个信用等级对象之间联合条件违约分布和信用转移概率。
在观测到失业率、GDP增长率、长期利率水平、外汇水平、政府支出和国民储蓄率等宏观经济因子信息时，计算不同国家、不同行业、不同信用评级的违约和信用潜移概率的分布函数。
Credit Portfolio View模型将观测到的违约概率和信用潜移概率与宏观经济因素联系起来。
当经济处于衰退期时，各信用主体信用降级和违约概率增加；与此相反，当经济处于繁荣时期时，各信用主体信用降级和违约概率减少。
也就是说信用周期与经济周期密切相关。
假定能够得到相关的数据，这一框架可以应用到每一个国家，并可用到像制造业、金融业和农业等不同的部门和各种类型的信用个体。
商业银行的数据分析与风险预警模型
商业银行的数据分析与风险预警模型随着信息技术的不断发展和互联网金融的兴起，商业银行面临着越来越大的数据量和复杂的风险挑战。
为了有效地管理和应对这些挑战，商业银行开始广泛采用数据分析和风险预警模型，以及相应的技术工具和策略。
本文将就商业银行的数据分析和风险预警模型进行探讨，旨在帮助银行界了解并提高其风险管理水平。
一、数据分析在商业银行中的应用商业银行作为金融机构，每天都会产生大量的数据，包括客户的交易记录、贷款信息、市场行情等等。
这些数据蕴含着丰富的信息和潜在的风险，通过数据分析可以挖掘出其中的规律和趋势，为银行的决策提供有力的支持。
在数据分析中，商业银行可以应用以下几种方法和技术：1. 统计分析：利用统计学方法，对数据进行描述和分析，了解其分布、相关性等特征。
例如，可以通过统计分析来确定客户的风险偏好、贷款违约率等指标，进而制定相应的风险管理策略。
2. 机器学习：利用机器学习算法和模型，对大规模数据进行分类、聚类、预测等分析和应用。
例如，在信用评分模型中，可以使用机器学习算法对客户的个人信息、历史信用记录等数据进行分析，预测其违约概率。
3. 数据挖掘：基于大数据技术和算法，挖掘潜在的关联规则、异常模式等信息。
例如，商业银行可以通过数据挖掘技术来发现客户的交易行为异常，从而及时采取相应的风险控制措施。
4. 可视化分析：利用图表、图像等可视化技术，将数据结果以直观的方式展示出来，方便分析师和决策者理解和使用。
例如，可以用数据可视化来展示风险事件的时间、地点、规模等，帮助银行管理和监控风险。
二、风险预警模型在商业银行中的应用风险预警模型是商业银行风险管理的重要工具，通过对不同类型的风险进行分析和预测，帮助银行及时识别风险、预警风险，并采取相应的措施进行防范。
以下是几种常见的风险预警模型：1. 资产质量预警模型：主要用于预测贷款违约的概率，帮助银行评估贷款的风险水平。
该模型通常基于客户的个人信息、还款历史等指标，通过一系列算法和模型进行分析和预测。
商业银行的风险分析模型
外部操作风险模型是一种基于外部数据和信息的风险评估方法，主要 关注外部环境、市场变化和外部事件等因素对银行的影响。
该模型通过对外部数据的收集和分析，评估外部事件对银行操作风险 的影响，并提前采取应对措施。
外部操作风险模型的优点在于能够及时反映市场变化和外部事件的影 响，提供预警和应对策略。
然而，该模型可能存在数据获取和准确性的问题，需要加强数据源的 可靠性和稳定性。
流动性比率分析
存贷比率
通过比较存款和贷款的规模，评估商业银行 的流动性状况。存贷比率越高，表明银行的 流动性越强。
流动性覆盖率
衡量商业银行在压力情境下，能够通过变现 资产来满足短期负债的能力。流动性覆盖率 越高，银行抵御流动性风险的能力越强。
压力测试分析
01
压力情境设定
设定多种可能的压力情境，如经济衰退、金融市场估借款人的信用风险等级。
输标02入题
外部评级模型通常采用量化分析方法，利用统计模型 和算法对大量数据进行处理和分析，以得出信用风险 评估结果。
01
03
外部评级模型的缺点在于数据质量和更新频率可能难 以保证，且需要支付一定的数据服务费用。
04
外部评级模型的优点在于数据来源广泛、客观性强， 且能够快速对大量借款人进行评估。
模型参数设定
根据所选模型的要求，设定合适的参数，如历史模拟法的置信水平 和持有期。
模型建立
利用选定的参数和数据，建立风险分析模型，为后续的风险评估和 决策提供依据。
模型验证与优化
01
验证方法
采用多种方法对模型的有效性和 准确性进行验证，如对比分析、 K-S检验和ROC曲线等。
误差分析
02
03
模型优化
风险分类
商业银行的风险模型与分析
商业银行的风险模型与分析随着金融市场的不断发展与竞争的加剧，商业银行面临着越来越多的风险。
为了应对这些风险并确保银行的稳健经营，银行需要建立有效的风险模型，并进行相应的风险分析。
一、风险模型的分类商业银行的风险模型可分为多个类型，如下所示：1.信用风险模型：用于评估借款人无法按时偿还贷款本息的风险。
该模型基于借款人的信用评级、收入状况、负债情况等因素进行评估和分析。
2.市场风险模型：用于衡量银行在金融市场波动中所面临的风险。
该模型基于投资组合的价值波动、市场指数变动等因素进行风险度量和分析。
3.流动性风险模型：用于评估银行在资金需求和资金来源之间的匹配程度，以及银行资金短缺时可能面临的风险。
该模型基于银行的资金流入流出情况、流动性指标等进行分析。
4.操作风险模型：用于评估银行在业务操作中可能遭受的风险，如内部失误、欺诈等。
该模型基于银行的业务流程、员工行为等因素进行分析。
二、风险模型的建立商业银行在建立风险模型时，需要考虑以下几个方面：1.数据收集：银行需要收集大量的数据，包括借款人的个人信息、财务状况、历史还款记录，市场指数的变动情况等。
这些数据是建立模型和进行分析的基础。
2.模型选择：根据不同的风险类型，选择合适的模型进行建立。
例如，信用风险可以采用评级模型、违约概率模型等；市场风险可以采用价值-at-risk（VaR）模型等。
3.模型参数估计：对于选定的模型，需要估计相应的参数。
这通常需要借助统计方法和计量经济学模型来进行估计。
4.模型验证：完成模型的建立和参数估计后，需要进行模型验证。
通过与实际情况进行对比，验证模型的准确性和稳定性。
三、风险分析的意义商业银行进行风险分析的目的在于：1.风险预警：风险模型与分析可以提前发现潜在的风险信号，并对可能产生的风险进行预警。
这有助于银行及时采取相应的风险管理措施，减轻损失。
2.风险控制：通过风险分析，银行可以确定风险暴露的程度，并制定相应的风险控制策略。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
商业银行信用风险模型比较与分析
【摘要】金融危机的爆发以及新巴塞尔协议的正式实施，对商业银行应对信用风险度量提出了新的挑战与要求。
本文对商业银行中常用的信用风险模型—credit metrics和kmv进行了比较分析研究，并针对两种模型各自特点给出了在我国的借鉴意义。
【关键词】信用风险 credit metrics kmv 比较
在巴塞尔委员会对商业银行资本充足的严格要求下，金融衍生品的急剧膨胀、信息技术的飞速发展等因素促使人们加强对信用风险的研究。
正是在这个时期，涌现出大量现代信用风险度量模型。
信用风险是商业银行面临的一种传统的风险类型，几乎是和银行信贷业务相伴而生的，世界银行对全球银行业危机的研究表明[1]，导致银行破产的主要原因就是信用风险。
国内外专家学者对信用风险的关注和研究日益加强，先后开发出了若干种信用风险度量方法。
其中credit metrics模型、credit risk+模型、kmv模型和credit portfolio view模型、信贷分析系统——风险中性估值模型是五种最具影响力的模型。
本文重点介绍商业银行中使用的kmv模型和credit metrics模型。
一、现代信用风险度量模型介绍
（一）credit metrics—在险价值模型
credit metrics模型是由j.p摩根于1997年提出的，它是银行业最早使用并对外公开的信用风险管理模型之一。
该模型的核心思想是贷款或资产组合价值的变化不仅要受到资产违约的影响，而且
也受到资产等级变化的影响。
credit metrics模型的优点是：一是违约概念进行了拓展，认为违约也包括债务人信用等级的恶化；二是该模型的应用非常广泛，包括传统的贷款、固定收益证券、贸易融资和应收账款等商业合同，而且其高级版还能够处理掉期合同、期货合同以及其他衍生工具。
credit metrics模型的缺点在于：一是大量证据表明信用等级迁移概率并不遵循马尔可夫过程，而是跨时期相关的；二是模型中违约率直接取自历史数据平均值，但实证研究表明，违约率与宏观经济状况有直接关系，不是固定不变的；三是没有考虑市场风险。
四是模型通过股权回报关系来估计资产回报关系，而这可能影响估计的精确性。
（二）kmv模型—期权定价模型
kmv模型是由美国的kmv公司开发的信用监控模型，该模型的理论基础是莫顿首先提出的将期权定价理论运用于有风险的贷款和
债券估值的模型。
kmv模型的优点在于：第一，根据企业的资产市值估计信用风险波动状况，将市场信息纳入违约概率；第二，模型是一种动态模型，可以随时根据企业股票的市价来更新模型的输入数据，反映信用风险水平的变化；第三，模型是一种“向前看”的模型，在一定程度上克服了依赖历史数据“向后看”的数理统计模型的缺陷。
kmv的缺点是：第一，无法确定是否必须使用估计技术来获得企业的资产价值、企业资产收益率的期望值和波动性等数据，估计的准确率不能确定。
第二，假定利率是事先确定的，限制了将kmv模型应用于
期限长的贷款和其他利率敏感性工具。
（三）信用风险模型的比较分析
creditmetrics模型的主要思想是给定信用资产组合，根据信用评级机构提供的违约率和信用等级转移矩阵，应用解析方法或模拟方法得出一定期限后组合价值的分布曲线，然后用该曲线计算出组合var值。
kmv公司推出信用风险模型是以merton期权定价理论为基础，由输入变量估计出股权的市场价值及其波动性，并根据公司负债计算出公司的违约实施点，计算借款人的违约距离，最后使用企业的违约距离与预期违约率之间的对应关系，来求出企业的违约率。
其基本思想是当公司资产价值下降至一定水平就会发生违约，其核心是dd-edf曲线。
二、信用风险模型对我国商业银行的借鉴意义
这两个模型都是建立在概率论与数理统计的基础上，运用现代金融理论的最新研究成果，能够比较科学地对银行所有风险资产进行综合衡量，但模型也存在缺陷，对我国商业银行来说，最大的问题在于任何一个信用风险模型都没有全面考虑到信用借款人具体情况，尤其是道德风险，因此在对模型的借鉴时需谨慎。
（一）credit metrics模型的借鉴
credit metrics模型依赖于银行的内部评级系统，据此来计提坏账准备金以及衡量资本充足率水平。
当前，国内商业银行既未建立起有关信用资产的历史数据库，也没有象标准普尔、穆迪这样的权威评级机构提供相关数据，给信用资产的现值估计造成困难。
由于
强调信用评级的一致性和一贯性，它是典型的可以在不同行业之间比较的量化方法，这对于我国商业银行目前以定性分析为主起到很好的补充。
另外，credit metrics模型将var方法应用于信用风险分析，这有利于衡量准备金和经济资本，值得我国借鉴。
我国商业银行在开发信用风险度量模型时，应根据credit metrics模型建立的基础和框架，进一步来繁荣和完善债券市场，发展信用评级业务，提高评级质量，完善市场运作机制，加强信用数据的搜集和整理工作，尽快建立大容量、全面的信用数据库，随着商业银行的不断完善，这个目标的可实施性越来越大。
（二）kmv模型的借鉴
kmv模型在我国证券市场上具有一定的适用性，主要表现在：首先，kmv模型的输入数据为公司股票交易数据和财务报表中的财务数据，因此可以被用于任何股权公开交易的上市公司，同时市场有效性的逐渐提高给kmv模型在中国的实践创造了条件；其次，kmv 模型不要求有效市场假设，这对于中国目前市场的弱有效性预测效果会更好；此外，kmv模型对财务指标的依赖仅限于债务的账面价值，不同于其他模型对大量财务指标的依赖。
当然在借鉴的过程中我们不可以忽视模型存在的一些缺陷，主要有：非流通股的定价问题，因为我国市场经济发展的时间还比较的短，股权分置的问题给非流通定价带来了极大的困难；历史违约数据缺乏，这个是利用kmv 模型计算违约概率时面临的最大问题，其次还有还款人意愿不足等问题的存在，因此kmv模型虽在我国的应用具备了一定的条件，但
是应进一步加强研究，对模型进行适当的修改，更加符合中国企业的特征，加强证券市场的有效性，确保样本数据的可靠性和完整性，使kmv模型的适用面更宽。
本文主要介绍了商业银行中两个比较具有代表性的信用风险评
估模型—credit metrics和kmv模型，对模型的产生背景以及理论基础等都给出了相应的说明，但由于我国的金融现状所限，在直接运用时需谨慎。
参考文献：
[1]世界银行，新兴市场经济中的商业银行[m].北京：中国财经出版社，1997.
[2]金志博，王红娟.现代信用风险度量模型比较分析[j].当代经济，2009，（10）.
[3]kmv corporate. credit monitor overview [r]. san francisco california， 1993.
[4]李果.商业银行信用风险量化管理模型及其在我国应用研究
[d].暨南大学，2005.。