信用风险的度量方法

一、信用风险度量方法与模型１．传统的信用风险评价方法（１）要素分析法。

要素分析法是通过定性分析有关指标来评价客户信用风险时所采用的专家分析法。

常用的要素分析法是５Ｃ要素分析法，它主要集中在借款人的道德品质（Ｃｈａｒａｃｔｅｒ）、还款能力（Ｃａｐａｃｉｔｙ）、资本实力（Ｃａｐｉｔａｌ）、担保（Ｃｏｌｌａｔｅｒａｌ）和经营环境条件（Ｃｏｎｄｉｔｉｏｎ）五个方面进行全面的定性分析，以判别借款人的还款意愿和还款能力。

根据不同的角度，有的将分析要素归纳为“５Ｗ”因素，即借款人（Ｗｈｏ）、借款用途（Ｗｈｙ）、还款期限（Ｗｈｅｎ）、担保物（Ｗｈａｔ）及如何还款（Ｈｏｗ）。

还有的归纳为“５Ｐ”因素，即个人因素（Ｐｅｒｓｏｎａｌ）、借款目的（Ｐｕｒｐｏｓｅ）、偿还（Ｐａｙｍｅｎｔ）、保障（Ｐｒｏｔｅｃｔｉｏｎ）和前景（Ｐｅｒｓｐｅｃｔｉｖｅ）。

无论是“５Ｃ”、“５Ｗ”还是“５Ｐ”，其共同之处都是先选取一定特征目标要素，然后对每一要素评分，使信用数量化，从而确定其信用等级，以其作为其销售、贷款等行为的标准和随后跟踪监测期间的政策调整依据。

（２）特征分析法。

特征分析法是目前在国外企业信用管理工作中应用较为普遍的一种信用分析工具。

它是从客户的种种特征中选择出对信用分析意义最大、直接与客户信用状况相联系的若干因素，将其编为几组，分别对这些因素评分并综合分析，最后得到一个较为全面的分析结果。

一般所分析的特征包括客户自身特征、客户优先性特征、信用及财务特征等。

特征分析法的主要用途是对客户的资信状况做出综合性的评价，它涵盖了反映客户经营实力和发展潜力的所有重要指标，这种信用风险分析方法主要由信用调查机构和企业内部信用管理部门使用。

（３）财务比率分析法。

信用风险往往是由财务危机导致的，因此，可以通过及早发现和找出一些特征财务指标，判断评价对象的财务状况和确定其信用等级，从而为信贷和投资提供决策依据。

财务比率综合分析法就是将各项财务分析指标作为一个整体，系统、全面、综合地对企业财务状况和经营情况进行剖析、解释和评价。

这类方法的主要代表有杜邦财务分析体系和沃尔比重评分法。

杜邦财务分析体系是由美国杜邦公司创立的，它以净值报酬率为龙头，以资产净利润率为核心，重点揭示企业获利能力及其前因后果，通过对某项综合性较强的财务比率的逐层分解，将相关财务指标联系起来，形成一个综合体系，以便清楚地反映各项财务指标的相互关系。

沃尔比重评分法是由财务综合评价领域的著名先驱者之一亚历山大·沃尔创立的，他把若干个财务比率用线性关系结合起来，以此评价企业的信用水平。

他选择了七种财务比率，即流动比率、产权比率、固定资产比率、存货周转率、应收账款周转率、固定资产周转率和自有资金周转率，分别给定各自的分数比重，通过与标准比率（行业平均比率）进行比较，确定各项指标的得分及总体指标的累计分数，从而得出企业财务状况的综合评价，继而确定其信用等级。

２．多变量信用风险判别模型多变量信用风险判别模型是以财务会计信息为基础，以特征财务比率为解释变量，运用数量统计方法建模。

多变量信用风险判别模型主要包括以下几种：（１）多元线性判定模型（Ｚ－Ｓｃｏｒｅ模型）。

其是财务失败预警模型，最早是由Ａｌｔｍａｎ（１９６８）开始研究的。

该模型通过五个变量（五种财务比率）将反映企业偿债能力的指标、获利能力指标和营运能力指标有机联系起来，综合分析预测企业财务失败或破产的可能性。

一般地，Ｚ值越低，企业越有可能发生破产。

具体模型为：Ｚ＝Ｖ１Ｘ１＋Ｖ２Ｘ２＋…＋ＶｎＸｎ其中，Ｖ１、Ｖ２…Ｖｎ是权数，Ｘ１、Ｘ２…Ｘｎ是各种财务比率。

根据Ｚ值的大小，可将企业分为“破产”或“非破产”两类。

在实际运用时，需要将企业样本分为预测样本和测试样本，先根据预测样本构建多元线性判定模型，确定判别Ｚ值（Ｚ值的大小可以作为判定企业财务状况的综合标准），然后将测试样本的数据代入判别方程，得出企业的Ｚ值，并根据判别标准进行判定。

此方法还可以用于债券评级、投资决策、银行对贷款申请的评估及子公司业绩考核等。

（２）多元逻辑模型（Ｌｏｇｉｔ模型）。

其采用一系列财务比率变量来预测公司破产或违约的概率，然后根据银行、投资者的风险偏好程度设定风险警界线，以此对分析对象进行风险定位和决策。

Ｌｏｇｉｔ模型建立在累计概率函数的基础上，不需要自变量服从多元正态分布和两组间协方差相等的条件。

Ｌｏｇｉｔ模型判别方法先根据多元线性判定模型确定企业破产的Ｚ值，然后推导出企业破产的条件概率。

其判别规则是：如果概率大于０．５，表明企业破产的概率比较大；如果概率低于０．５，可以判定企业为财务正常。

（３）多元概率比回归模型（Ｐｒｏｂｉｔ回归模型）。

其假定企业破产的概率为ｐ，并假设企业样本服从标准正态分布，其概率函数的ｐ分位数可以用财务指标线性解释。

其计算方法是先确定企业样本的极大似然函数，通过求似然函数的极大值得到参数ａ、ｂ，然后利用公式，求出企业破产的概率；其判别规则与Ｌｏｇｉｔ模型判别规则相同。

（４）联合预测模型。

联合预测模型是运用企业模型来模拟企业的运作过程，动态地描述财务正常企业和财务困境企业的特征，然后根据不同特征和判别规则，对企业样本进行分类。

这一模型运作的关键是准确模拟企业的运作过程，因此，它要求有一个基本的理论框架，通过这一框架来有效模拟企业的运作过程，从而能够有效反映和识别不同企业的行为特征、财务特征，并据此区分企业样本。

３．现代金融工程模型２０世纪８０年代以来，受债务危机的影响，各国银行普遍重视对信用风险的管理和防范，新一代金融工程专家利用工程化的思维和数学建模技术，在传统信用风险度量的基础上提出了一系列成功的信用风险量化模型。

（１）神经网络分析法。

神经网络是从神经心理学和认识科学研究成果出发，应用数学方法发展起来的一种并行分布模式处理系统，具有高度并行计算能力、自学能力和容错能力。

神经网络方法克服了传统分析过程的复杂性及选择适当模型函数形式的困难，它是一种自然的非线性建模过程，无须分清存在何种非线性关系，给建模与分析带来极大的方便。

该方法用于企业财务状况研究时，一方面利用其映射能力，另一方面主要利用其泛化能力，即在经过一定数量的带噪声的样本的训练之后，网络可以抽取样本所隐含的特征关系，并对新情况下的数据进行内插和外推以推断其属性。

（２）衍生工具信用风险的度量方法。

２０世纪８０年代以来，作为一种有效的避险工具，衍生工具因其在金融、投资、套期保值和利率行为中的巨大作用而获得了飞速发展。

然而，这些旨在规避市场风险应运而生的衍生工具又蕴藏着新的信用风险。

研究者相继提出许多方法来度量衍生工具的信用风险，最具代表性的有下列三种：一是风险敞口等值法，这种方法是以估测信用风险敞口价值为目标，考虑了衍生工具的内在价值和时间价值，并以特殊方法处理的风险系数建立了一系列ＲＥＥ计算模型。

二是模拟法，这种计算机集约型的统计方法采用蒙特卡罗模拟过程，模拟影响衍生工具价值的关键随机变量的可能路径和交易过程中各时间点或到期时的衍生工具价值，最终经过反复计算得出一个均值。

三是敏感度分析法，就是利用这些比较值通过方案分析或应用风险系数来估测衍生工具价值。

（３）集中风险的评估系统。

前述方法绝大多数是度量单项贷款或投资项目的信用风险，而很少注重信用集中风险的评估。

信用集中风险是所有单一项目信用风险的总和。

金融机构和投资者采用贷款组合、投资组合来达到分散和化解风险的目的。

１９９７年，ＪＰ摩根推出的“信用计量法”和瑞士信贷金融产品的“信用风险法”，均可以用来评估信用风险敞口亏损分布以及计算用以弥补风险所需的资本。

“信用计量法”是以风险值为核心的动态量化风险管理系统，它集计算机技术、计量经济学、统计学和管理工程系统知识于一体，从证券组合、贷款组合的角度，全方位衡量信用风险。

该方法应用的范围比较广，诸如证券、贷款、信用证、贷款承诺、衍生工具、应收账款等领域的信用风险都可用此方法进行估测。

“信用风险法”是在信用评级框架下，计算每一级别或分数下的平均违约率及违约波动，并将这些因素与风险敞口综合考虑，从而算出亏损分布与所需资本预测数。

二、分析与评价１．传统信用风险评价方法的分析与评价传统的信用评价方法必须根据经济环境和风险因素的变化不断调整自己分析和调查的重点，才能做出准确的决策。

虽然其有成熟的经验可资借鉴，但在实际估测某个企业的信用风险时，必须重新设定工作程序，而且企业信用调查与评价工作必须通过自己的实践来积累经验。

一般认为，传统的信用评价方法突出的问题是：风险因素的评价是定性的，主观性的分析有时不令人信服。

比如“沃尔比重评分法”在理论上存在一定的缺陷：至今未能证明为什么要选择这７个指标，而不是更多或更少些，或者选择别的财务比率，以及未能证明每个指标所占比重的合理性。

从技术上看，当某一个指标严重异常时，“沃尔比重评分法”会对总评分值产生不合逻辑的重大影响。

尽管沃尔的方法在理论上还有待证明，在技术上也不完善，但它还是在实践中被应用。

２．多变量信用风险判别模型的分析与评价多变量信用风险判别模型几种模型的优缺点主要体现在以下几个方面：（１）Ｚ－Ｓｃｏｒｅ模型具有较高的判别精度，但存在着几处不足：一是该模型要求的工作量比较大。

二是在前一年的预测中，Ｚ－Ｓｃｏｒｅ模型的预测精度比较高，但在前两年、前三年的预测中，其预测精度都大幅下降，甚至低于一元判别模型。

三是Ｚ－Ｓｃｏｒｅ模型有一个很严格的假设，即假定自变量是呈正态分布的，两组样本要求等协方差，而现实中的样本数据往往并不能满足这一要求。

（２）Ｌｏｇｉｔ模型的最大优点是，不需要严格的假设条件，克服了线性方程受统计假设约束的局限性，具有了更广泛的适用范围。

目前这种模型的使用较为普遍，但其计算过程比较复杂，而且在计算过程中有很多的近似处理，这不可避免地会影响到预测精度。

（３）Ｐｒｏｂｉｔ模型和Ｌｏｇｉｔ模型的思路很相似，都采用极大化似然函数，但在具体的计算方法和假设前提上又有一定的差异，主要体现在三个方面：一是假设前提不同，Ｌｏｇｉｔ不需要严格的假设条件，而Ｐｒｏｂｉｔ则假设企业样本服从标准正态分布，其概率函数的ｐ分位数可以用财务指标线性解释。

二是参数ａ、ｂ的求解方法不同，Ｌｏｇｉｔ采用线性回归方法求解，而Ｐｒｏｂｉｔ采用极大似然函数求极值的方法求解。

三是求破产概率的方法不同，Ｌｏｇｉｔ采用取对数方法，而Ｐｒｏｂｉｔ采用积分的方法。

（４）与其他多变量信用风险判别模型相比，联合预测模型克服了其他模型只运用财务指标的片面性，能够动态模拟和反映企业的综合情况，但其仍存在着操作性较差的缺陷。

３．现代金融工程模型的分析与评价现代金融工程模型的几种信用风险度量模型的优缺点主要是：（１）神经网络分析方法应用于信用风险评估的优点在于其无严格的假设限制，且具有处理非线性问题的能力。