信用风险评估方法及其比较
信用风险量化的4种模型
信贷风险管理的信用评级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。
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。
KMV从贷款于期权之间的这种联系之中得到了EDF模型（估计违约频率模型）。
公司国际信用评级方法简析及评级管理建议
公司国际信用评级方法简析及评级管理建议作者：***来源：《今日财富》2022年第14期信用评级是对一个经济主体所发行债务的安全性做出的等级分类，并使用标准化的字母符号实现排序、分类和对比，使得抽象的还本付息能力具象化。
国际信用评级是公司在国际资本市场融资的“通行证”，也是公司在国际资本市场融资的定价基础，其等级的高低往往对于公司的融资成本起到决定性的直接影响。
评级机构一般是从公司基本面、行业状况和国家主权支持程度等维度来综合确定一家公司的信用评级水平，且各家评级机构都有自成体系的成熟的评级方法论。
鉴于信用评级工作的重要性，公司须将其作为一项重要基础性日常工作，加强信用评级的管理和维护。
关于信用评级，穆迪在官网上给出的定义是通过评级符号对信用度进行的分级，每个符号代表信用特点大体相同的一个群体。
通俗地讲，信用评级是对一个经济主体所发行债务的安全性做出的等级分类，并使用标准化的字母符号实现排序、分类和对比，使得抽象的还本付息能力具象化。
公司的国际信用评级结果根本取决于公司的基本面，但同时考虑行业整体环境情况，并最终受到国家主权信用评级的影响，影响的程度与该公司对国计民生的重要性及受到国家支持的程度正相关。
组织和提供评级服务的机构较多，如经合组织（OECD）、国际货币基金组织（IMF）、世界银行（WB）等政府间国际组织，中国出口信用保险公司等官方出口信用保险机构，再者就是商业机构，如三大国际信用评级机构穆迪、标准普尔（简称标普）、惠誉等，大型商業银行也会有自己独立的评级系统。
本文以讨论穆迪和标普的评级体系为主。
一、公司国际信用评级的功能信用评级所具备的公允性，能够在一定程度上解决债务人与债权人、投资者之间信息不对称的问题，成为一项特殊的、必要的市场媒介，特别是随着全球化的快速发展，国际信用评级在一个公司开展国际化经营和境外融资方面起到愈发关键的作用。
信用评级机构也因此具有了多重角色，包括现代国际资本市场的“通行证”、“看门人”、“安全阀”、“准监管机构”、“定价人”等。
客户信用评级现场检查方法及技巧
客户信用评级业务说明客户信用评级是采用科学的方法和规范化的程序，对评级对象履行相应经济承诺的能力及其可信任程度进行调查、分析、评价、测定和审核，将评级对象的各项指标与有关的参数值，通过科学的计量方法进行横向比较和综合评估分析，对客户的偿债能力和违约风险做出全面的评价，并以简单、直观的符号表示其评价结果。
客户的违约概率是划分信用级别的核心变量。
违约概率(Probability of Default,简称PD)是指借款人未来一定时期内（通常为一年）不能按合同要求偿还贷款本息或履行相关义务的可能性。
违约主要包含以下几个方面：（1）银行有充分证据认定债务人不准备全额履行到期偿债义务；（2）贷款本金逾期90天以上；（3）贷款欠息90天以上；（4）银行停止对贷款计息；（5）与债务人任何义务有关的信用损失，如形成债务冲销，计提特别准备，或被迫进行本金、利息、手续费减免，非正常借新还旧、展期等消极债务重组；（6）债务人申请破产、或者由其他债权人申请其破产、已经破产，或者处于类似的非正常经营状态，因此将不履行或延期履行银行债务；（7）其他违约事项，如提供虚假财务报表；擅自改变贷款用途；在合同或保证书中所作的声明和保证不真实或被证明不真实；未经银行同意以任何方式抽走或减少其资本等。
信用级别是通过字母序列符号，对客户的偿债履约能力和违约风险进行综合评价后直观的结果展示。
客户信用级别分为AAA级、AA级、A级、BBB级、BB级、B级、CCC级、CC级、C级和D级共10个风险递增的级别。
业务操作流程资信调查客户资信调查是指收集、整理客户的基础资料，并从定性角度对客户的经营风险和财务风险进行综合分析判断。
客户资信调查工作内容主要包括：走访客户，实地查看经营场所和经营设施状况，调查了解客户经营管理情况和财务情况，收集财务报表和资料信息，通过其他渠道征询客户资信状况，收集客户产品、市场、经营信息，整理归纳分析资料数据等。
直接评价人员必须全面深入多方了解收集情况，取得足以证实客户资信状况的有关证据，确保客户资信情况的真实性、准确性和完整性。
z-score模型判别标准-概念解析以及定义
z-score模型判别标准-概述说明以及解释1.引言概述部分的内容编写如下：1.1 概述随着企业风险管理的重要性不断提升，各种风险评估模型应运而生。
其中，Z-score模型作为一种经典的企业违约预测模型，在风险评估领域发挥着重要的作用。
本文将对Z-score模型进行深入介绍，并探讨其应用领域、优缺点以及在实际应用中的价值。
Z-score模型最初由Edward Altman于1968年提出，旨在通过计算企业的财务比率来预测企业的违约概率。
通过Z-score模型，我们可以通过企业的财务数据评估其违约风险水平，为投资者、金融机构和企业提供决策依据。
Z-score模型的核心思想是将多个财务指标进行线性组合，并将组合后的结果转化为标准正态分布。
这种方法使得我们可以将不同企业的财务状况进行比较，从而评估其违约概率。
Z-score模型使用的财务指标包括资产规模、盈利能力、财务稳定性、偿债能力等，这些指标能够综合反映企业的财务状况及其偿债能力。
在实际应用中，Z-score模型主要应用于企业的信用评级、金融机构的风险管理以及投资者的投资决策等方面。
其优点在于使用简单、计算方法明确，可以较为准确地预测企业的违约风险。
然而，Z-score模型也存在一些局限性，比如对特定行业和国家的适应性差、对宏观经济因素的敏感性较强等。
本文将详细介绍Z-score模型的原理和计算方法，进一步讨论其在不同领域的应用情况以及相关优缺点。
通过对Z-score模型的深入研究和分析，我们可以更好地理解和利用这一模型，为企业风险管理和投资决策提供有力的支持。
1.2 文章结构文章结构部分应包括以下内容:文章结构是指本文的整体组织框架和各个部分的安排顺序。
本文旨在探讨Z-score模型的判别标准，为读者提供一种评估数据健康状况的方法。
为了能够系统地介绍Z-score模型及其应用领域、优缺点以及重要性，本文分为引言、正文和结论三个部分。
引言部分主要介绍了本文的背景和目的。
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。
国家助学贷款信用风险的识别与评估研究
国家助学贷款信用风险的识别与评估研究摘要：国家助学贷款自实施以来取得了良好的预期效果，但是商业银行面临的信用风险不容忽视。
文章对银行在办理国家助学贷款业务过程中面临的信用风险进行分析和识别，进而将影响信用风险的因素量化处理，形成风险评估模型，最后根据信用评估等级的划分提出相应的贷款政策选择。
关键词：国家助学贷款信用风险识别和评估贷款政策中图分类号: F832.6 文献标识码:A文章编号:1004-4914(2007)11-119-02国家助学贷款是由国有商业银行对普通高等学校在读经济困难的研究生和本、专科学生发放，并由国家财政给予贴息的商业贷款。
自1999年9月1日实施以来，已初步达到了良好的预期效果，对维护教育公平，对提高人口素质，促进经济可持续增长具有重要意义。
然而，银行开办此项业务中面临着种种风险，其中危害性最强并且银行可控的风险是信用风险，即因借款人违约而导致银行到期不能收回本息蒙受损失的可能性。
本文拟对国家助学贷款的信用风险进行分析和识别，将风险因素量化处理，形成风险评估模型，并根据信用评估等级划分提出相应的贷款政策选择，希望能对商业银行的风险管理提供参考和借鉴。
一、信用风险的识别根据借款学生可能违约的原因，我们将信用风险划分为以下两种类型：(一) 还款意愿风险还款意愿风险是指借款人有实际支付能力但拒不偿还贷款，而给银行带来损失的可能性。
还款意愿风险取决于个人的道德禀赋和品质，往往是由于信息不对称和监管不完全造成的，是银行最难控制的风险。
我国的个人信用制度尚不完善，专门针对大学生设立的信用档案更是空白，银行在信息的获取过程中处于劣势。
国家助学贷款是一种纯信用的贷款，学生毕业后还款与否全凭自己的信用，违约成本几乎为零。
部分大学生信用意识不强，轻视合同，不守信用，还款意识差，给银行方面带来信用风险。
(二) 还款能力风险还款能力风险是指借款人有还款意愿但无力偿还贷款，而给银行带来损失的可能性。
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。
内部审计工作风险评估方法
内部审计工作风险评估方法在当今复杂多变的商业环境中，内部审计作为企业管理的重要组成部分，对于识别和防范风险、保障企业的健康运营发挥着关键作用。
而内部审计工作中的风险评估，则是确定审计重点、合理配置审计资源、提高审计效率和效果的重要前提。
本文将探讨一些常见的内部审计工作风险评估方法。
一、风险清单法风险清单法是一种较为简单直观的风险评估方法。
首先，审计人员需要收集和整理企业可能面临的各种风险，形成一个详细的风险清单。
这个清单可以包括市场风险、信用风险、操作风险、合规风险等各类风险。
然后，根据过往的经验和专业判断，对每一项风险发生的可能性和影响程度进行评估，并赋予相应的分值或等级。
可能性通常可以分为高、中、低三个等级，影响程度可以分为重大、较大、一般等。
最后，通过计算可能性和影响程度的乘积，得出每一项风险的风险值，从而确定风险的优先级。
这种方法的优点是易于操作和理解，能够快速对大量的风险进行初步评估。
但其缺点也比较明显，主要依赖于审计人员的经验和主观判断，可能存在一定的偏差，而且对于新出现的风险或复杂的风险情况，评估的准确性可能会受到影响。
二、流程图分析法流程图分析法是通过绘制企业的业务流程图，来识别和评估风险的方法。
审计人员首先要对企业的业务流程进行详细的了解和梳理，包括采购、生产、销售、财务等各个环节。
然后，将这些流程以图形的方式展现出来，清晰地展示出各个环节之间的关系和流程的走向。
在绘制流程图的过程中，审计人员可以发现流程中的薄弱环节、控制点缺失或不合理的地方，从而识别出潜在的风险。
例如，如果在采购流程中发现没有对供应商进行充分的资质审查，就可能存在供应商提供不合格产品或服务的风险；如果在财务流程中发现审批环节过于简单，就可能存在资金被挪用或滥用的风险。
流程图分析法能够帮助审计人员从整体上把握企业的业务流程，深入了解风险的产生根源，但需要审计人员具备较强的流程分析能力和对企业业务的深入了解。
三、风险矩阵法风险矩阵法是将风险发生的可能性和影响程度分别划分为不同的等级，然后以矩阵的形式将两者结合起来进行评估的方法。
- 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)。
信用风险评估方法及其比较本篇论文目录导航：【题目】中国网络保险信用风险的控制研究【第一章】网络保险信用风险防控分析绪论【第二章】网络保险信用风险的影响因素及其作用机理【第三章】信用风险评估方法及其比较【4.1 - 4.3】网络保险信用风险度量模型的构建【4.4 4.5】信用风险Logit回归结果与多元线性回归分析【结论/参考文献】网络保险信用风险的管理研究结论与参考文献第三章信用风险评估方法及其比较3.1 信用风险评估的概念所谓的信用风险评估是指找出一些可能引起信用风险的因素，并利用定量和定性的方法对这些因素进行系统的分析，找出其中引起信用风险的最主要的影响因素，或者是直接运用相关的计量模型来计算出发生信用风险的概率，例如，如果通过相关模型找出某一企业的违约概率很大，那么担保机构就不会为该企业担保，银行也不会为该企业贷款。
之所以有信用风险的评估，实际上的主要目的对评估对象的违约风险进行预测，也就是为了控制信用风险。
对保险公司来说，信用风险评估主要是对投保人来说的，如果说投保人的信用风险较高，可能收取的保费就比较多，反之如果投保人的信用较好可能降低该投保人的保费，也就是说，保险公司一般都会利用科学的信用评级方法，对投保人的信用状况进行合理的评估来降低信用风险，但是随着网络保险的发展，保险公司面临的信用风险发生了一些转变，一般的信用评级方法已不在适合于网络保险业务。
网络保险的信用风险评估就是以一般保险公司的信用评估理论为基础，利用针对网络保险设计的评估模型，对在互联网上投保人的信用状况进行评估。
3.2 信用风险的评估方法3.2.1 传统评估方法由于市场经济的发展，人们对于市场信用风险评估方法的研究也比较早，随着市场经济的不断变化，人们对于信用风险的评估方法也在不断地改进和创新。
经过多年的发展，如今存在着多种信用评估方法，本文将那些较早出现的信用评估方法称为传统的信用评估方法，与之相对应的就称为现代评估方法。
并且由于信用评估方法的种类较多，本文就不一一都做介绍，只对那些影响力较大、较为典型的几种评估方法做出描述。
（1）专家系统法。
所谓的专家系统法，就是一些掌握着专业的知识和具有丰富的经验的高素质人才组成的评估团队，他们利用他们的专业知识和工作经验，以及一些统计分析工具对信用风险的评估对象进行主观上的分析判断，它是过去应用最为广泛的一种信用风险分析方法，对如今的一些信用风险分析方法产生了深远的影响。
在专家系统分析方法中，最具有代表性的就是“5c”法，其中5c 法主要是利用道德品质、资本实力、担保抵押、偿债能力、经营环境这五个因素来分析研究对象的信用状况，后来根据研究对象的不同又出现了“5p”法、“5w”法等。
（2）信用评分法。
信用评分法主要是指应用相关模型或计量工具对研究对象未来失去偿还能力或者违约可能性进行计算分析。
信用评分法是以影响研究对象信用的因素为基础，在利用先进的数据处理方式对这些数据进行统计分析，得出其产生信用风险的概率。
信用评分法主要有logit 回归法和多元判别分析法，目前这一传统的信用评估方法仍然被广发的应用。
多元判别法就是指利用提供信息量大的变量，构建出一个模型使得在研究对象时的错误率最小，然后再利用该模型进行判别。
Logit 模型就是对影响研究对象信用风险的因素进行回归分析，预测出研究对象违约的概率，然后进行风险等级划分。
（3）神经网络法。
神经网络法是一种容错了多门学科的信用评估方法，它涉及到神经心理学、应用数学和认知科学。
神经网络法是一种纯天然的、独立自主的建模过程，神经网络结构一般由 3 个部分组成，即输入层、隐蔽层和输出层。
神经网络法能够通过自身的学习，并行的处理资讯，也就是说神经网络法能够处理足够多的数据。
而且神经网络法还可以处理一些特殊的数据、以及一些错误的数据。
再就是神经网络法不需要服从正态分布以及不需要明确该模型需要那种函数来匹配分析。
虽然神经网络法在数据处理上具有一定的优点，但是构建一个神经网络结构需要耗费大量的时间，因此，考虑到时间成本，大部分研究人员和企业不愿意开发神经网络去有效的解决问题。
3.2.2 现代信用风险评估方法虽然传统的信用风险评估方法在分析研究对象的信用风险中发挥着重要的作用，但是在现实的实践中也出现的许多问题，于是一些专家和学者在传统信用风险的评估方法的基础上，利用如今的建模技术和统计分析方法，提出了一批新型的信用风险度量模型。
本文主要介绍KMV 模型、Credit Metrics 模型、Credit Portfolio View 模型和Credit Risk+模型。
（1）KMV 模型。
该模型是1997 年KMV 公司建立的用以计算企业违约概率的方法。
KMV 模型指出，银行贷款所面临的信用风险主要是受到企业在既定贷款额度下，其所拥有的资产市场价值影响。
因为不太容易对企业资产市场价值进行直观的判断，所以在KMV 模型中将该问题转换为企业的股权价值，以此来衡量企业的信用状况。
KMV 模型是运用现代期权定价理论建立起来的违约预测模型，充分利用资本市场的信息而非历史账面资料进行预测，将市场信息纳入了违约概率。
（2）Credit Metrics 模型。
该模型是1997 年J.P.摩根公司用于进行信用风险管理而开发出来的。
其基本思想是：个人的信用风险取决于他本人的信用状况，而企业的信用情况会被评为不同的等级加以显示。
对于企业来说，它发行的股票、有价债券等金融工具，会因为它的信用状况不同而受到不同程度的影响，也就是说企业的信用等级越低，它的股票市场价值就会越低，反之也一样。
该模型放弃了从某一种资产来看待企业的信用情况，该模型的最大特点就是从资产组合的角度出发来度量企业的信用风险。
每一种金融工具都会对整个资产组合的风险产生影响，因此、该模型研究单一的金融工具对整个资产组合风险的作用，并且引入了边际风险这样一个概念，来反映一种金融工具对整体的风险状况的影响。
（3）Credit Risk+模型。
该模型最早在1997 年被开发出来，利用精算的方法将风险出现的整个过程划分为不同的阶段，以此来提高对风险的把握程度。
该模型模首先要确定贷款组合的违约次数概率，在一定时期内违约次数的概率服从泊松分布，其次对贷款损失严重性的大小进行分组，最后将各组的损失分组，得到整个贷款组合的损失概率分布。
（4）Credit Portfolio View 模型。
该模型认为，随着宏观经济中各种客观因素的变化，债务人的信用状况也会随着发生变动，也就是说，债务人的信用等级可能提高也可能降低。
基于经济周期的各种宏观因素会对债务人的信用等级转移产生重要的影响，以此为基础，麦肯锡公司首次将这些经济中的客观影响因素与信用等级的变动概率之间的关系构建出了该模型。
该模型需要以国家和各个行业的宏观违约数据为基础，求出经济周期中宏观因素变动所对应的信用状况变化概率值。
3.2.3 各信用风险评估方法的比较通过上面对信用风险评估方法的介绍可以看到，信用风险评估的方法种类较多，而且不同信用风险评估方法有着不同的优缺点。
对专家系统法来说，它最大的优点就是操作起来简单，它的缺点就是主观性和随意性太强，不同的评估团队对评估对象的评估结果可能出现较大的差异，而且缺乏定量的分析，没有定量的数据支持，不具有说服力。
对信用评分法的logit 模型来说，logit 回归模型不需要变量之间的线性关系，对数据的要求并不苛刻，适合于处理因变量是定性指标的问题，能够很好地反映违约因素与违约结果之间的关系。
并且logit 模型的假设条件也不苛刻，但是却具有较高的准确性，是目前应用最为广泛的信用风险度量模型之一。
对神经网络法来说，神经网络法能够很好的解决非线性和费正太的信用风险评估问题，但是其对未来的预测性较差，存在过度拟合的问题，再就是它的完成需要耗费大量的人力和时间。
对于KMV模型来说，该模型的理论基础较为全面，具有很好的预测性，上市公司的信用风险一般都是利用该模型来度量的，但是该模型的假设条件非常严格，模型的精确性也有待检验，使用的范围比较窄。
对于Credit Metrics 模型来说，该模型较为全面的考虑了信用风险的度量，能够较为真实、全面的反映出信用风险的大小，但是在对统一信用等级的研究对象选取了相同的违约概率和等级转移概率，很难准确的把握住客户当前信用情况的变化。
对于信用附加模型来说，该模型的使用能力较为广泛，它没有时间、地点、企业种类的限制，它只需要风险曝露和违约率，需要的估计变量较少。
但是它没有考虑到违约风险以外的其他因素，再就是它忽视了信用等级的变动。
对于CreditPortfolio View 模型来说，该模型充分的考虑到了宏观经济对信用等级变化的影响，而且在该模型中不同的时期它的等级转移概率是随着变化的，减少了由于转移概率固定不变而引起的结果的偏差。
但是该模型需要真实有效的宏观数据，数据的收集、处理和计算都相当的复杂，而且最后的结果是加总的违约概率，而不是特定研究对象单个的违约概率。
根据上述各个信用评估方法的优缺点，以及本文研究对象的特殊性，本文决定选取logit 模型来对我国网络保险的信用风险进行度量，logit 模型能够处理大量的数据，在度量我国网络保险的信风险上具有很大的优势，根据我国网络保险信用风险所面临的问题来看，第一，影响我国网络保险信用风险的因素是多种多样的，而且各个因素之间并没有特别明显的关系，然而logit 模型对预测的变量并没有严格的规定，也不需要正太分布和线性相关的假设条件，自变量可以使离散的也可以是连续的，这就保证了对网络保险信用风险评估指标的全面性。
第二，和线性回归方法相比较，在处理定性的数据时，logit 模型是占有较大优势的。
第三，该模型最后得出的结果简单易懂，输出的结果具有很强的直观性，便于我们的理解。
关于该模型的详细内容会在下一章介绍，在这里就不过多的阐述了。
3.3 本章小结本章主要介绍并比较了几种传统的信用风险评估方法和几种现代信用风险评估方法，从中发现了它们各自具有的优缺点。
在此基础上，在结合网络保险信用风险的特点，提出logit 模型较其他模型对网络保险信用风险的度量上的优势：一是该模型不需要严格的假设条件，自变量可以是连续的也可以是离散的，也不需要自变量与因变量存在多元正态分布这一假设条件；二是对于数据的要求比较容易满足，不需要依赖外部的信用评级。
三是该模型的实用性较强，操作起来更为的便捷，数据处理较为灵活，而且该模型的预测能力较强。
返回本篇论文导航。