篇一：信用风险分析方法
信用风险是指在金融交易中交易对手违约或信用品质潜在变化而导致发生损失的可能性。从来源看，信用风险可以分为交易对手风险和发行者风险两种类型，前者主要产生于商业银行的贷款和金融衍生交易中，后者主要是和债券相联系。从组成上看，信用风险由两部分组成，一部分是违约风险，是指交易一方不愿或无力支付约定款项而致使交易另一方遭受损失的可能性，在违约的情况下，根据合约签定时的保护性条款的安排，一般来说，一部分债权会得到受偿，这一比率成为挽回率；另一部分是信用价差风险，它是指由于信用品质的变化引起信用价差的变化而导致的损失，具体由信用价差跳动风险和信用价差波动风险组成。信用风险的分析方法，根据分析技术和方法的不同可分为古典信用分析方法和现代信用或工程技术分析方法。两者主要的区别和判断标准主要是信用风险能否被单独剥离和定价。从时间的表现形式上，20世纪80年代中期以前为古典信用分析方法，20世纪80年代中期以后为现代信用分析方法。
一、古典信用分析方法
（一）专家制度法
专家制度是一种最古老的信用风险分析方法，其最大特征就是：银行信贷的决策权是由该机构那些经过长期训练、具有丰富经验的信贷管理人员所掌握， 并由他们做出是否贷款的决定。因此，在信贷决策过程中，信贷管理人员的专业知识、主观判断以及某些要考虑的关键要素权重均为最重要的决定因素。
在专家制度法下，绝大多数银行都将重点集中在借款人的“5c”上，即品德与声望(character)、资格与能力(capacity)、资金实力(capital or cash) 、担保(collateral)、经营条件或商业周期(condition)。也有些银行将信用分析的内容归纳为“5w”或“5p”。 “5w”系指借款人(who)、借款用途(why) 、还款期限(when)、担保物(what)、如何还款(how)；“5p”系指个人因素( personal)、目的因素( purpose) 、偿还因素( payment)、保障因素(protection)、前景因素(perspective)。这种方法的缺陷是主观性太强，只能作为一种辅助性信用分析工具。
（二）特征分析法
特征分析模型是目前在国外信用管理模型中应用较为普遍的一种新的信用分析工具，本质上它也属于传统的信用分析和评价方法。该模型的主要用途就是对客户的资信状况做出综合性的评价，并以定量化的方式，对客户的授信做出评定。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。目前，特征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。
（三）贷款评级分类模型
贷款评级分类模型是金融机构在美国货币监理署(occ)最早开发的评级系统基础上拓展而来，occ对贷款组合分为正常、关注、次级、可疑、损失等5类，并要求对不同的贷款提取不同比例的损失准备金以弥补贷款损失。
在我国，1998年以前各商业银行贷款分类的方法一直沿用财政部《金融保险企业财务制度》的规定，把贷款分为正常、逾期、呆滞、呆账四类，后三类合称不良贷款，简称“一逾两呆法”。 这一方法低估了不良贷款, 因为它没包括仍支付利息尚未展期的高风险贷款。1998年我国开始借鉴国际监管经验，对贷款分类进行改革，按照风险程度将贷款划分为正常、关注、次级、可疑、损失五类，即五级分类方法。2003年12月中国银监会发布文件决定自2004年1月1日起，我国所有经营信贷业务的金融机构正式实施贷款五级分类制度。
（四）信用评分方法
信用评分方法是对反映借款人经济状况或影响借款人信用状况的若干指标赋予一定权重，通过某些特定方法得到信用综合分值或违约概率值，并将其与基准值相比来决定是否给予贷款以及贷款定价，其代表为z计分模型。
z计分模型是altman 1968 年提出的以财务比率为基础的多变量模型。该模型运用多元判别分析法，通过分析一组变量，使其在组内差异最小化的同时实现组间差异最大化，在此过程中要根据统计标准选入或舍去备选变量，从而得出z 判别函数。根据z值的大小同衡量标准相比，从而区分破产公司和非破产公司。1995 年，对于非上市公司，altman对z 模型进行了修改，得到z′计分模型。altman、haldeman 和narayannan在1977 年对原始的z 计分模型进行扩展，建立的第二代的zeta 信用风险模型。该模型在公司破产前5 年即可有效划分出将要破产的公司，其中破产前1 年准确度大于90 % ，破产前5 年的准确度大于70 %。新模型不仅适用于制造业，而且其有效性同样适用于零售业。上述两种模型中，zeta 分类准确度比z 计分模型高，特别是破产前较长时间的预测准确度相对较高。由于方法简便、成本低、效果佳，上述方法应用十分广泛。
值得注意的是该类模型构建中的数理方法，综合以来，主要有以下几种：
1．判别分析法(discriminant analysis)
判别分析法(discriminant analysis，简称da ) 是根据观察到的一些统计数字特征，对客观事物进行分类，以确定事物的类别。它的特点是已经掌握了历史上每个类别的若干样本，总结出分类的规律性，建立判别公式。当遇到新的事物时，只要根据总结出来的判别公式，就能判别事物所属的类别。
da 的关键就在于建立判别函数。目前，统计学建立判别函数常用方法有：一是未知总体分布情况下，根据个体到各个总体的距离进行判别的距离判别函数；二是已知总体分布的前提下求得平均误判概率最小的分类判别函数，也称距离判别函数，通常称为贝叶斯(bayes)判别函数；三是未知总体分布或未知总体分布函数前提下的根据费歇(fisher) 准则得到的最优线性判别函数。
2．多元判别分析法(multivariate discriminant analysis)
多元判别分析法(mda)是除美国外的其他国家使用最多的统计方法。多元线性判别分析法，可以具体为一般判别分析(不考虑变量筛选)和定量资料的逐步判别分析(考虑变量筛选)。但应用多元判别分析(mda)有三个主要假设：变量数据是正态分布的；各组的协方差是相同的；每组的均值向量、协方差矩阵、先验概率和误判代价是已知的。
该种方法的不足之处是必须建立在大量的、可靠的历史统计数据的基础之上，这在发展中国家如中国是难以具备的前提条件。
3． logit 分析判别方法
logit 分析与判别分析法的本质差异在于前者不要求满足正态分布或等方差, 从而消除了mda 模型的正态分布假定的局限性。其模型主要采用了logistic 函数。
该模型的问题在于当样本点存在完全分离时，模型参数的最大似然估计可能不存在，模型的有效性值得怀疑，因此在正态的情况下不满足其判别正确率高于判别分析法的结果。另外该方法对中间区域的判别敏感性较强，导致判别结果的不稳定。
4．神经网络分析法（artificial neural network，简称ann）
神经网络分析法是从神经心理学和认知科学研究成果出发，应用数学方法发展起来的一种具有高度并行计算能力、自学能力和容错能力的处理方法。它能有效解决非正态分布、非线性的信用评估问题，其结果介于0与1之间，在信用风险的衡量下，即为违约概率。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。altman、marco和varetto（1994）在对意大利公司财务危机预测中应用了神经网络分析法；coats及fant（1993）trippi采用神经网络分析法分别对美国公司和银行财务危机进行预测，取得较好效果。然而，要得到一个较好的神经网络结构，需要人为随机调试，需要耗费大量人力和时间，加之该方法结论没有统计理论基础，解释性不强，所以应用受到很大限制。
5．聚类分析法(cluster analysis)
聚类分析(cluster analysis)属于非参数统计方法。信用风险分析中它根据由借款人的指标
计算出的在样本空间的距离，将其分类。这种方法一个主要优点是不要求总体的具体分布；可对变量采用名义尺度，次序尺度，因此该方法可用于定量研究，也可对现实中的无法用数值精确表述的属性进行分析。这很适用于信用风险分析中按照定量指标(盈利比、速动比等) 和定性指标(管理水平、信用等级等) 对并不服从一定分布特性的数据信息分类的要求。例如，lundy运用该方法对消费贷款申请者的典型信用申请数据及年龄、职业、婚否、居住条件进行处理分成6类并对每类回归评分，它不仅将借款人进行有效的分类而且帮助商业银行确定贷款方式策略。
6．k近邻判别法(k nearest neighbor)
k近邻判别法在一定距离概念下按照若干定量变量从样本中选取与确定向量距离最短k个样本为一组，适用于初始分布和数据采集范围限制较少时，减小了以函数形式表达内容的要求。另外，knn 通过将变量在样本整体范围内分为任意多决策区间，而近似样本分布。tametal将之用于信用风险分析，取马氏距离，从流动性、盈利性、资本质量角度选出的19 个变量指标，对样本分类，经比较其分类结果的准确性不如lda、lg 以及神经网络。原因在于在同样的样本容量下，若对具体问题的确存在特定的参数模型并可能找出时，非参数方法不及参数模型效率高。
7．层次分析法（ahp）
该方法强调人的思维判断在决策过程中的作用，通过一定模式使决策思维过程规范化，它适用于定性与定量因素相结合、特别是定性因素起主导作用的问题，企业信用等级综合评价就是这种定性因素起主导作用的问题。ahp 法的基本步骤是：建立递阶层次结构，构造判断矩阵，求此矩阵的最大特征根及其对应的特征向量，确定权重，并进行一致性检验。
8．其他方法
此外还存在着其他众多的方法：probit 法、因子－logistic法、模糊数学方法、混沌法及突变级数法、灰关联熵、主成分分析综合打分法、主成分分析与理想点的结合方法、原蚁群算法、数据包络判别法等等。关于这些方法的应用，将在后面的实证部分进行探讨。
二、现代信用分析方法
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，工程化的思维和技术逐渐被运用于信用风险管理的领域，产生了一系列成功的信用风险量化管理模型。现代信用风险的计量模型按其计量的风险层次分为三种类型：一是单个交易对手或发行人的计量模型，二是资产组合层次的计量模型，三是衍生工具的计量模型。 第一类：交易对手或发行人层次的计量模型
（一）基于期权定价技术的风险计量模型。
merton发现银行以折现方式发放一笔面值为d的贷款所得到的支付和卖出一份执行价格d的看跌期权所得到的支付相等。因此有风险贷款的价值就相当于一个面值为d 的无违约风险贷款的价值加上一个空头卖权。贷款的卖权价值取决于5个变量，即企业资产的市场价值、企业资产的市场价值的波动性、贴现贷款的面值、贷款的剩余期限以及无风险利率。
基于企业的市场价值和其波动性的不可观测性，1995 年美国kmv公司开发了kmv模型，该模型又称为预期违约概率模型( expected default frequency，简称edf )，模型使用企业股权的市场价值和资产的市场价值之间的结构性关系来计算企业资产的市场价值；使用企业资产的波动性和企业股权的波动性之间的结构关系来计算企业资产的波动性，同时统计在一定标准差水平上的公司在一年内破产的比例，以此来衡量具有同样标准差的公司的违约概率。该模型是实际中应用最为广泛的信用风险模型之一。该模型理论依据在很多方面与black -scholes (1973)，merton(1974)以及hull和white（1995）的期权定价方法相似。其基本思想是，当公司的价值下降至一定水平时，企业就会对其债务违约。根据有关分析，kmv发现违约最频繁的分界点在公司价值等于流动负债±长期负债的50％时。有了公司在未来时刻的预期价值及此时的违约点，就可以确定公司价值下降百分之多少时即达到违约点。要达到违约点资产价值须下降的百分比对资产价值标准差的倍数称为违约距离。违约距离＝（资产的预期价值－违约点）/资产的预期价值×资产值的波动性。该方法具有比较充分的理论基础，特别适用于上市公司信用风险。
kmv模型的优点在于其将违约与公司特征而不是公司的初始信用等级联系在一起，使其对债务人质量的变化更加敏感；同时，它通过股票价格来测算上市公司的预期违约概率，因而市场信息也能被反映在模型当中，使其具有一定的前瞻性，模型的预测能力较强；并且，由于该模型使用的变量都是市场驱动的，表现出更大的时变性，因此持有期的选择比信用度量术模型更加灵活。
（二）基于风险价值var的信用度量模型。
var是指在正常的市场条件和给定的置信水平上，用于评估和计量金融资产在一定时期内可能遭受的最大价值损失。在计算金融工具的市场风险的var时，关键的输入变量是金融资产目前的市场价格和波动性。由于贷款缺乏流动性， 因此贷款的市场价值和波动性不能观测。
jp morgan（1997）银行开发了信用度量制（credit metrics tm）系统，该系统解决了诸如贷款和私募等非交易性资产的估值和风险计算。该方法基于借款人的信用评级、信用转移矩
篇二：我国商业银行信用风险管理的存在问题、原因及应对措施
【摘要】我国商业银行信用风险的度量和管理虽然已经取得了一定的进展，但和经济发达国家相比，仍有比较大的差距。本文从信用风的险的概念及信用风险管理原则入手，剖析了我国商业银行信用风险管理存在的主要问题，并对提高我国商业银行信用风险管理的措施作了粗浅的探讨。
【关键词】信用风险风险管理五级分类法风险控制制度信用风险是金融市场中最古老，也是最重要的风险形式之一，它是现代经济体，特别是金融机构所面临的主要风险。自20世纪90年代以来，在全球范围内，所有金融机构都面临着不断增加的信用风险，对信用风险的准确度量和合理管理，从微观上讲有利于经济体经营的安全，从宏观上讲有利于整个金融体系的稳定和经济的健康持续发展。因此，对信用风险度量和管理的研究具有重大的理论意义。
一、信用风险的概念及发展信用风险指借款人不能按期还本付息而给贷款人造成损失的风险。在传统意义上，损失被理解为只有当违约实际发生时才会产生，因此，信用风险又被称为违约风险。然而，随着现代风险环境的变化和风险管理技术的发展，这一定义已经不能充分反映现代信用风险及其管理的性质和特点。从当今组合投资的角度出发，投资者的投资组合不仅会因为交易对手的直接违约而发生损失，而且，交易对手履约可能性的变化也会给组合带来损失。一方面，一些影响交易对手信用水平的事件的发生，如信用等级被降低、投资失败、盈利下降、融资渠道枯竭等，其所发行的债券或股票就会跌价，从而给投资者带来损失。另一方面，现代风险衡量技术的发展也使得贷款等流动性差的金融产品的价值能得到更恰当和及时的衡量，上述信用事件的发生对资产价值的影响可以及时地在资产估价中得到反映。如借款人的还款能力和信用状况也会随时影响贷款人资产的价值，而不仅仅是在违约实际发生的时刻。因此，现代意义上信用风险应包括由交易对手直接违约和交易对手违约可能性变化而给投资组合造成损失的风险。
二、我国商业银行信用风险管理存在的问题
（一）信用风险管理体制存在缺陷
1、风险管理部门的独立性不够我国商业银行信用风险与发达国家相比具有显著的体制性根源。首先，审贷分离模式下，信贷人员负责对贷款的调查评级，审批人不与客户见面，无法掌握第一手的真实材料，信贷人员可能会对材料进行粉饰，从而对审批造成误导。其次，责任人制度得不到落实。在贷款的调查、审批、决策各个环节中责任不明确，不良贷款形成后对责任的认定只体现于形式，对责任人处理过轻，不能起到警示作用。再次，商业银行的绩效考核体系使风险制度难以落实。绩效考核一般以利润、资产负债规模等指标为依据，没有对预期损失加以考虑。收益与风险不挂钩，导致出现忽视信贷风险、片面追求高效益的短期行为，风险制度难以落实。最后，我国的商业银行实行垂直管理模式，地方政府对银行的信贷资金也有一定的左右能力，这就影响了银行的信贷决策。2、信用风险管理体系并不健全第一，商业银行信用风险管理体制还不完善。现代商业银行信用风险管理体制的最大特征是纵向式的。而目前我国的商业银行是以分行为经营单位的体制，它致使我国商业银行的信用风险管理体制也都是横向的。第二，尚未形成正确的信用风险管理的理念。信用风险管理的理念决定了商业银行在经营管理过程中的信用风险管理的行为模式，它渗透到银行业务的各个环节，普及到银行内的各个员工，在商业银行经营管理中占有十分重要的地位。但是，目前我国商业银行多数工作人员对信用风险管理的认识不够充分，信用风险管理理论陈旧，已不能适应新时期业务的高速发展及风险环境复杂的需要。
（二）信用风险管理信息系统普遍质量较低
由于我国商业银行在信息系统开发上缺乏前瞻性和不连续性，造成信息之间冗余，数据之间的一致性较差。基础数据的不统一和准确性不足严重阻滞了商业银行的信用风险管理水平的提高。这使得即使是简单的分析工具也由于一些数据的质量问题，导致分析的结果缺乏可信度，从而无法建立各种信用风险管理模式，无法把先进的信用风险管理技术运用到银行实际的信用风险管理中去。
（三）五级分类制度存在较大的问题
巴塞尔银行监管委员会《有效银行监管核心原则》提出：“银行业务的本质决定了它将承担各种类型的风险。银行监管者需要了解这些风险并确保银行能妥善地计量和管理风险。”从2004年1月1日开始，按中国银监会的要求，我国商业银行全面推行贷款五级分类制度，根据内在风险程度，将贷款划分为正常、关注、次级、可疑、损失五类。但贷款五级分类制度在实际运用中，仍然存在一些亟待改善的制度缺陷和操作局限性。1、由于认识存在差别，我国实行的贷款五级分类制度基本没有达到巴塞尔新资本协议的要求，仍有较大差距。一是银行信用风险管理技术比较落后，先进的风险量化模型没有普遍运用；二是缺乏为银行建立风险计量和管理系统所必需的数据积累；三是违约概率、违约损失率等数量指标尚未引入；四是贷款风险分类的等级过于粗泛，不够细化。2、业务素质过低。有的信贷人员缺乏社会
经验、法律知识、业务技能以及对企业经营管理方面的分析能力。有的信贷人员在政策领会、原则掌握、方法运用和对企业还款能力判断方面存在不足。有的信贷人员存在对客户财务、现金流量、担保、非财务因素、综合因素等分析不全面，贷款形态认定不准确等技术问题。3、在操作过程中人为因素较严重。有的为了减少计提损失准备金，增加银行短期内的账面利润，有意拖延、故意不及时调整贷款形态；有的以“收回再贷、还旧借新、借新还旧”等方式人为调整贷款形态；有的故意缩短借款期限，以求逾期后执行较高利率，实现多收利息的目的。这些都导致贷款形态反映失真，影响贷款档案的连续和完整，从而影响对贷款风险程度的及时确认。
（四）缺乏对商业银行信用风险进行度量管理的先进技术现代商业银行的信用风险管理技术非常丰富，与传统的信用风险管理主要依赖定性分析与主观判断截然不同。现代信用风险管理越来越注重定量分析，而且分类科学、量化准确，大量运用金融工程技术和数理统计模型。目前国际上流行的信用风险计量模型主要有JP摩根的CreditMetice模型、KMV模型、CreditRisk+模型等都是建立在西方银行多年历史数据的统计分析和经验总结的基础上的，因而，这些计量模型难以直接应用于我国商业银行。
信用风险管理现状的原因分析
（一）我国的一些企业缺乏与市场经济相匹配的诚信度当前我国一些企业在诚信方面存在着许多问题：拖欠货款、税款，违约和制售假冒伪劣产品，以及披露虚假信息、质量欺诈、商标和专利技术侵权及价格欺诈等。我国一些企业每年因不讲诚信，导致直接和间接经济损失约6000亿元人民币，其中每年因为逃避债务造成直接经济损失约55亿元。在发达市场经济国家中，企业间的逾期应收账款发生额约占贸易总额的0.5%，而在我国这一比率高达5%以上；欺诈案件年增长率已经超过30%；目前我国每年订立的合同有40亿元左右，但合同的履约率却只有50%之多。
（二）银行与企业双方在信息占有上的不对称导致企业的失信我国银行和企业之间存在着严重的信息不对称。由于我国一些企业通过隐瞒自己的真实身份来发展，结果使得银行根本无法了解企业的真实面目。目前，我国国有商业银行的贷款决策权限上移，这些都导致银行在对企业融资过程中，处于严重的信息劣势地位。
（三）我国银行之间过度竞争助长了企业失信，破坏了信用秩序随着我国经济的不断发展，我国银行的数量也在不断增加，因而商业银行中的竞争也日趋激烈，少数转化为过度竞争。商业银行经营决策过程的复杂性，其本身就有可能使企业偏离利润最大化选择。
（四）快速提升的赢利能力掩盖了潜在的信用风险据标准普尔调查数据显示：调查所涉及的41家银行的平均资产回报率自2004年的0.35%上升到2006年的0.65%。企业所得税税率会从33%下降到25%，进一步提升银行的赢利能力。但我国商业银行业的高利润率掩盖了潜在的信用风险。标准普尔估计中国企业的总体信用状况现在仍在投资级别以下。获BB评级的全球企业的10年累积平均违约率的最新数据为17.45%。若以这一数字作为参照，可以算出这些银行的信用成本对平均资产的比率应在0.86%左右。大型银行的历史平均信用损失率更高，在1999年至2006年之间约为1.41%，这表明中国企业总体信用状况可能接近于BB-级别。这一数字说明了银行面临着非常严峻的信用风险。
三、加强我国商业银行信用风险管理的措施
（一）商业银行内部加强风险控制制度的建设1、完善内控的法律规章商业银行应建立严格而具体的内部控制制度，要以业务范围和相应的岗位职责为依据，遵循体制牵制、程序牵制和责任牵制的原则，真正实现信贷经营与审批、监管三分离，做到业务经营与前台服务、后台支撑的相互协作，以避免各职能部门之间出现不必要的磨擦和控制环节中的漏洞；严格业务流程，使不相容的职务相分离，达到岗位牵制的目的。2、建设科学的内控文化，营造良好的内控环境管理层应为内部控制创造一个良好的环境，不断加强对员工内控文化的灌输，使得银行所有的工作人员都了解内部控制和风险控制的重要性，熟悉岗位工作的职责要求，理解和掌握内控要点，努力发现问题和风险，而不是掩饰问题、遮盖风险，在银行内部形成良好的内部控制文化。3、健全商业银行内部控制稽查评价稽查评价是向商业银行内控中枢控制系统提供反馈的通道和使内控中枢得到真实信息的重要来源。但由于目前稽核部门负责面广、人手紧，往往不能用很大精力对基层营业部门进行全面稽核，而且稽核部门一般是在事后进行稽核，查出的问题往往已无法补救。因此，可在有条件的基层营业部门设立内部稽核岗位作为补充，由它负责对本部门业务进行事前、事中、事后稽核，以使稽核工作能真正渗透到业务活动全过程。
（二）适当改变政府对商业银行的监管方式及监管度在市场经济下，政府的职能应主要是综合协调、监督调控和服务，不直接干预经济生活，银行的贷款不再体现长官意志，只有真正发挥市场配置资源的作用，商业银行的商业化才能真正得以实现。
（三）在技术上提高商业银行信用风险管理信用风险管理是一项复杂而艰巨的系统工程，需要改革风险管理机制，逐步由被动、静态的传统管理模式，向积极的、动态的现代管理模式转变，为此，我国商业银行不仅要从根本上提高风险管理意识，建立畅通的信息传递渠道，强化风险管理的责权利关系，还要利用和完善风险预警系统以及转移和分散风险的工具。这要求商业银行不断引入量化的风险管理模型，实现全额的风险计量和控制。
（四）加强社会诚信文化建设逐步建立科学的信用监管平台，通过信用征集、评估、查询、披露机制和失信惩戒机制，创造良好的发展环境。在保护商业秘密和个人隐私的基础上，逐步实行信用公开机制。信用管理部门通过管理，监督市场、单位和个人在经济活动或其他活动中的失信行为并记录在案，对失信者除管理部门列入监视名单外，还应限制其经济或其他社会行为，必要时可以强制终止其活动，并让他为这个污点付出沉重的代价。
篇三：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－Ｓｃｏ
免费论文网友情提示：本网站所有内容为共享上传提供，不涉及任何商业利益，本站对此不承担任何保证责任！
Copyright © www.csmayi.cn Corporation, All Rights Reserved 共享时代 共享你我他 版权所有