企業(yè)信用評(píng)級(jí)方法匯總
2018-11-28 10:42 作者： 方圓資信信用評(píng)級(jí)
信用風(fēng)險(xiǎn)是商業(yè)銀行承擔(dān)的最重要的風(fēng)險(xiǎn)。為滿足企業(yè)的“信用”需求，方圓資信特推出企業(yè)信用等級(jí)評(píng)價(jià) 信用等級(jí)證書 企業(yè)信用評(píng)級(jí) 在我國(guó)，由于受到銀行業(yè)舊體制的影響，國(guó)內(nèi)開始研究信用風(fēng)險(xiǎn)評(píng)級(jí)和度量方法的時(shí)間晚于其他國(guó)家。自2000年以來(lái)，為數(shù)不少的國(guó)內(nèi)科研工作者積極投入信用風(fēng)險(xiǎn)度量研究，并在理論研究和實(shí)際應(yīng)用上取得了一定的成績(jī)。由此可見，對(duì)風(fēng)險(xiǎn)進(jìn)行度量，對(duì)企業(yè)進(jìn)行有效的信用評(píng)級(jí)已經(jīng)成為現(xiàn)代銀行和其他企業(yè)風(fēng)險(xiǎn)管理職能中最為重要的內(nèi)容之一。
信用風(fēng)險(xiǎn)由來(lái)已久，它隨著借貸的產(chǎn)生而發(fā)展。對(duì)于一個(gè)貸款企業(yè)而言，其能否按時(shí)歸還貸款總是存在著不確定性，這種不確定性具體表現(xiàn)為，貸款企業(yè)不愿意履行或不能完全履行還款責(zé)任，信用風(fēng)險(xiǎn)一旦形成，銀行將會(huì)因客戶違約而遭受巨大金融損失。因此，銀行需要對(duì)貸款企業(yè)進(jìn)行嚴(yán)格的信用評(píng)級(jí)。 對(duì)企業(yè)進(jìn)行信用評(píng)級(jí)的意義在于，它可以消除銀行與企業(yè)之間的信息不對(duì)稱性，提高銀行借貸的管理效率，從而使資本市場(chǎng)的整體效率得以提高。 對(duì)于企業(yè)而言：有效的信用評(píng)級(jí)，可以使資信良好和還款能力強(qiáng)的企業(yè)取得所需貸款資金從事經(jīng)營(yíng)活動(dòng)。 對(duì)于銀行而言：其不僅可以擁有適合其風(fēng)險(xiǎn)偏好的標(biāo)的，取得收益。同時(shí)還可以有效的過(guò)濾資信較差和還款能力較弱的企業(yè)，從而緩釋銀行違約風(fēng)險(xiǎn)。 所以，對(duì)企業(yè)進(jìn)行合理而準(zhǔn)確的信用評(píng)級(jí)是相當(dāng)必要的。然而，信用評(píng)級(jí)是否合理，評(píng)級(jí)結(jié)果是否準(zhǔn)確，在很大程度上取決于評(píng)級(jí)方法的科學(xué)性。那么，到底有哪些信用評(píng)級(jí)的方法呢?哪些才是合理而有效的信用評(píng)級(jí)方法?下面我就對(duì)企業(yè)信用評(píng)級(jí)方法進(jìn)行簡(jiǎn)要的闡述與分析。 傳統(tǒng)度量方法是以定性分析為起點(diǎn)，結(jié)合財(cái)務(wù)報(bào)表有關(guān)數(shù)據(jù)進(jìn)行分析。下面我以專家系統(tǒng)、信用評(píng)分方法為例，對(duì)傳統(tǒng)的企業(yè)信用評(píng)級(jí)方法進(jìn)行分析和比較。 ?、寰C合評(píng)判法——專家系統(tǒng) 專家系統(tǒng)是一種傳統(tǒng)的評(píng)級(jí)方法。傳統(tǒng)的信用評(píng)級(jí)方法包括以5C法為代表的專家判斷法和以5C法為基礎(chǔ)發(fā)展起來(lái)的綜合評(píng)價(jià)法，包括品德和聲望 (Character)、資格與能力(Capacity)、資金實(shí)力(Capital or Cash)、擔(dān)保(Collateral)、及經(jīng)營(yíng)環(huán)境(Condition)。也有些銀行將信用分析的內(nèi)容歸納為“5W”或“5P”。 專家系統(tǒng)評(píng)級(jí)方法的特點(diǎn)是：銀行貸款的決策權(quán)是由該機(jī)構(gòu)那些經(jīng)過(guò)長(zhǎng)期訓(xùn) 練和具有豐富經(jīng)驗(yàn)的信貸人員所掌控，并由他們做出是否貸款的決定。因此，在信貸決策過(guò)程中，信貸人員的專業(yè)知識(shí)、主觀判斷以及某些關(guān)鍵要素的權(quán)衡均為最重要的決定因素。 專家系統(tǒng)判斷法是一種綜合評(píng)判法，綜合評(píng)判法就是對(duì)多種因素所影響的事物或現(xiàn)象做出總的評(píng)價(jià)，屬于定性分析。從信用評(píng)級(jí)本身的屬性來(lái)看，企業(yè)信用評(píng)級(jí)屬于一種不確定性的模糊問(wèn)題，因此，綜合評(píng)價(jià)法的發(fā)展趨勢(shì)是與模糊理論相結(jié)合來(lái)對(duì)企業(yè)進(jìn)行信用評(píng)級(jí)，從而使評(píng)級(jí)結(jié)果更科學(xué)、更準(zhǔn)確。 但是專家系統(tǒng)判斷法也存在著一些固有缺陷：如不能對(duì)因素進(jìn)行量化分析;判斷具有主觀臆斷性，帶有很大不確定性;且判斷具有一致性，不能區(qū)分哪些是不同類型借款人的重要的共同因素。所以在實(shí)踐中，專家系統(tǒng)方法應(yīng)配合其他評(píng)級(jí)方法一起使用，揚(yáng)長(zhǎng)避短。 ㈡線性模型分析法——信用評(píng)分方法 信用評(píng)分模型是傳統(tǒng)方法中研究者最多的模型，1968年愛德華﹒愛特曼教授提出了Z計(jì)分模型(Z-score model)，1977年對(duì)模型進(jìn)行修正和擴(kuò)展后，提出?模型，由于信用評(píng)分模型使用方便、易于計(jì)算，在度量企業(yè)信用風(fēng)險(xiǎn)中使用較為廣泛。 Z計(jì)分模型如下： Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5 式中，X1為營(yíng)運(yùn)資本/總資產(chǎn)比率;X2 為留存盈余/總資產(chǎn)比率;X3為利息和稅收之前的收益/總資產(chǎn)比率; X4 為股權(quán)的市場(chǎng)價(jià)值/總負(fù)債的賬面價(jià)值比率;X5為銷售額/總資產(chǎn)比率。Z值越大，資信就越好，Z值越小，風(fēng)險(xiǎn)就越大。 ?模型包含七個(gè)指標(biāo)變量：資產(chǎn)收益率、收益穩(wěn)定性指標(biāo)、債務(wù)償付能力指標(biāo)、累計(jì)盈利能力指標(biāo)、流動(dòng)性指標(biāo)、資本化程度指標(biāo)、規(guī)模指標(biāo)。 從模型的改進(jìn)發(fā)展來(lái)看，?模型的分類比Z計(jì)分模型分類的準(zhǔn)確度高，特別是破產(chǎn)前較長(zhǎng)時(shí)間的預(yù)測(cè)準(zhǔn)確度相對(duì)較高。 ?、鐚＜蚁到y(tǒng)和線性模型分析法的比較分析 專家系統(tǒng)和線性模型分析法(Z計(jì)分模型和?模型)都屬于傳統(tǒng)的企業(yè)信用評(píng)級(jí)方法，都比較側(cè)重于對(duì)信用風(fēng)險(xiǎn)的定性分析，方法比較簡(jiǎn)單。隨著信息經(jīng)濟(jì)學(xué)興起，信用風(fēng)險(xiǎn)度量逐步建立起以違約風(fēng)險(xiǎn)為核心的度量體系，而傳統(tǒng)的企業(yè)信用評(píng)級(jí)方法缺乏對(duì)違約和違約風(fēng)險(xiǎn)的認(rèn)識(shí)，理論基礎(chǔ)薄弱，難以令人信服。 線性模型分析法都依賴財(cái)務(wù)報(bào)表的賬面數(shù)據(jù)，具有一定程度上的定量分析，不似專家系統(tǒng)只對(duì)信用風(fēng)險(xiǎn)進(jìn)行定性分析，但是我覺(jué)得其定量分析的比較淺顯，只是進(jìn)行簡(jiǎn)單的線性分析，所以它其實(shí)仍偏向于對(duì)企業(yè)風(fēng)險(xiǎn)的定性評(píng)估。其次，線性模型分析法克服了專家系統(tǒng)評(píng)級(jí)的隨意性和主觀性。 現(xiàn)代企業(yè)信用評(píng)級(jí)模型比較分析 近幾年來(lái)，商業(yè)銀行業(yè)務(wù)出現(xiàn)多元化趨勢(shì)，投資銀行和信托業(yè)務(wù)的開展使得商業(yè)銀行表外業(yè)務(wù)增強(qiáng)且風(fēng)險(xiǎn)的內(nèi)涵不斷擴(kuò)大，促使銀行采用更有效的方法度量和控制信用風(fēng)險(xiǎn)。新一代金融工程專家在風(fēng)險(xiǎn)管理理論的基礎(chǔ)上創(chuàng)建起了許多以數(shù)理模型為基礎(chǔ)的信用風(fēng)險(xiǎn)計(jì)量方法并應(yīng)用到這一領(lǐng)域。 現(xiàn)代企業(yè)信用評(píng)級(jí)模型以KMV(credit monitor model)模型、J.P.摩根的Credit metrics模型、麥肯錫(McKinsey)公司的Credit Portfolio View模型和瑞士信貸銀行(CSFP)的Credit Risk+模型為代表。毫無(wú)疑問(wèn)，這些信用風(fēng)險(xiǎn)管理模型的發(fā)展正在對(duì)傳統(tǒng)信用風(fēng)險(xiǎn)管理模式產(chǎn)生革命性的影響，一個(gè)現(xiàn)代信用風(fēng)險(xiǎn)管理的新模式正在形成。 這些現(xiàn)代風(fēng)險(xiǎn)度量模型各有特點(diǎn)，展現(xiàn)出以下幾個(gè)方面的創(chuàng)新：1.建立了以違約風(fēng)險(xiǎn)為核心的信用風(fēng)險(xiǎn)度量體系;2.大量引入數(shù)學(xué)方法、統(tǒng)計(jì)方法度量信用風(fēng)險(xiǎn);3.盡可能多地考慮外部影響因素。 但是，上述模型依然存在著許多不足之處：1.多數(shù)模型正態(tài)分布的假設(shè)難以真實(shí)反映信用風(fēng)險(xiǎn)的實(shí)際分布，實(shí)際上，長(zhǎng)期債務(wù)可以依據(jù)其優(yōu)先償還順序、有否擔(dān)保、有否契約、能否轉(zhuǎn)換等來(lái)區(qū)別不同的長(zhǎng)期債券，因而造成違約的確定的不準(zhǔn)確，使模型產(chǎn)生變量不準(zhǔn)，需要尋找符合信用風(fēng)險(xiǎn)分布特征的數(shù)學(xué)模型代替;2.信用等級(jí)轉(zhuǎn)移矩陣的數(shù)據(jù)來(lái)源和全面性仍然受到挑戰(zhàn);3.道德風(fēng)險(xiǎn)和逆向選擇的影響因素未能在計(jì)量模型中充分反映;4.現(xiàn)代度量模型需要一個(gè)龐大的數(shù)據(jù)庫(kù)作為支持。如，KMV模型需要一個(gè)較為充分的違約數(shù)據(jù)庫(kù)作為支持。 對(duì)現(xiàn)代企業(yè)信用評(píng)級(jí)模型進(jìn)行總體分析之后，我們有必要對(duì)單個(gè)的模型進(jìn)行比較分析，眾所周知，KMV模型與Credit metrics模型是目前國(guó)際金融界最流行的兩個(gè)信用風(fēng)險(xiǎn)管理模型。下面，我們就以這兩個(gè)模型為例，對(duì)其進(jìn)行比較分析。 ㈡信用監(jiān)控模型（credit monitor model）：KMV模型 KMV模型的主要思想是：利用期權(quán)定價(jià)原理對(duì)風(fēng)險(xiǎn)債券和貸款進(jìn)行評(píng)估由股權(quán)價(jià)值及其波動(dòng)率推出資產(chǎn)價(jià)值及其波動(dòng)率。它是以EDF(預(yù)期違約頻率)為研究的核心手段的模型。 KMV模型是對(duì)傳統(tǒng)信用風(fēng)險(xiǎn)度量的一次革命。首先，KMV模型可充分利用資本市場(chǎng)上的信息，對(duì)所有公開上市的的企業(yè)進(jìn)行信用風(fēng)險(xiǎn)的量化分析;其次，這種方法的數(shù)據(jù)來(lái)源于企業(yè)在股票市場(chǎng)上的信息，而非企業(yè)的歷史賬面資料，應(yīng)此，它更能反映企業(yè)當(dāng)前的信用狀況，使預(yù)測(cè)更及時(shí)、準(zhǔn)確;再次，KMV模型具有很強(qiáng)的理論基礎(chǔ)。 但是，該模型也有其固有的不足，主要表現(xiàn)在以下兩個(gè)方面：1.模型的使用范圍僅限于上市公司，對(duì)非上市公司的EDF進(jìn)行計(jì)量的時(shí)候往往需要借助會(huì)計(jì)資料信息或其它指標(biāo);2.該模型假設(shè)企業(yè)的資產(chǎn)價(jià)值成正態(tài)分布，而在實(shí)際上，會(huì)有所偏差。 ㈢在險(xiǎn)價(jià)值方法：risk metrics 模型和Credit metrics模型 1994年，J.P.摩根推出了以VaR為基礎(chǔ)的風(fēng)險(xiǎn)矩陣(risk metrics),1997年，又推出了信用風(fēng)險(xiǎn)量化度量和管理模型——信用矩陣(Credit metrics)。 由于VaR方法能夠簡(jiǎn)單清楚地表示市場(chǎng)風(fēng)險(xiǎn)的大小，又有嚴(yán)謹(jǐn)、系統(tǒng)的概率統(tǒng)計(jì)理論作為依托，因而得到了國(guó)際金融界的廣泛支持和認(rèn)可。 但是這一方法也存在了以下幾方面的問(wèn)題：第一，現(xiàn)在的市場(chǎng)價(jià)值不是可以直接觀察到的，因?yàn)榇蠖鄶?shù)貸款并不進(jìn)行交易。第二，我們沒(méi)有時(shí)間序列數(shù)據(jù)來(lái)計(jì)算?，即現(xiàn)在的市場(chǎng)價(jià)值的波動(dòng)率。對(duì)于一些可交易資產(chǎn)的收益采納一種正態(tài)分布的假設(shè)之多只是一種粗劣的近似，如果這一近似的方法運(yùn)用于分析貸款價(jià)值的可能的分布就更加粗劣了。 由此，J.P.摩根公司推出了信用矩陣(Credit metrics)，旨在對(duì)貸款和私募債券這樣的非交易性資產(chǎn)的價(jià)值和風(fēng)險(xiǎn)進(jìn)行計(jì)算。 我們既不能觀察到貸款的市場(chǎng)價(jià)值，也不能貸款價(jià)值在所關(guān)注的時(shí)期內(nèi)的波動(dòng)率，但是我們可以利用1.可得到的借款人的信用評(píng)級(jí);2.下一年度評(píng)級(jí)發(fā)生概率的變化(評(píng)級(jí)轉(zhuǎn)移矩陣);3.違約貸款的回收率;4.債券或市場(chǎng)上的信用風(fēng)險(xiǎn)差價(jià)和收益率就有可能為任何非交易性貸款或債券計(jì)算出一組假象的P和?，并隨之計(jì)算出個(gè)別貸款和貸款組合的VaR值。 同時(shí)，還應(yīng)注意貸款的價(jià)值并非對(duì)稱正態(tài)分布，信用矩陣有兩種VaR的度量方法：基于貸款價(jià)值正態(tài)分布的度量方法和基于貸款價(jià)值實(shí)際分布的度量方法。 ㈣KMV模型與Credit metrics模型的比較分析 KMV模型與Credit metrics模型作為現(xiàn)代企業(yè)信用評(píng)級(jí)模型有以下共同點(diǎn)： 兩者都是銀行和其它金融機(jī)構(gòu)在進(jìn)行貸款等授信業(yè)務(wù)時(shí)衡量授信對(duì)象的信用狀況，分析所面臨的信用風(fēng)險(xiǎn)，防止集中授信，進(jìn)而為實(shí)現(xiàn)投資分散化和具體的授信決策提供量化的、更加科學(xué)的依據(jù)，為以主觀性和藝術(shù)性為特征的傳統(tǒng)信用分析方法提供了很好的補(bǔ)償。 但是，KMV模型與Credit metrics模型的建模思想具有較大差異，導(dǎo)致其在很多方面仍然具有明顯的不同，主要表現(xiàn)在以下6個(gè)方面： 1、KMV模型與Credit metrics模型的數(shù)據(jù)來(lái)源不同。 KMV模型對(duì)企業(yè)信用風(fēng)險(xiǎn)進(jìn)行衡量的數(shù)據(jù)主要來(lái)自于對(duì)該企業(yè)股票市場(chǎng)，而Credit metrics模型對(duì)企業(yè)信用風(fēng)險(xiǎn)的衡量的數(shù)據(jù)來(lái)自于對(duì)該企業(yè)信用評(píng)級(jí)變化及其概率的歷史分析。這是兩者最根本的區(qū)別之一。 2、KMV模型是一種動(dòng)態(tài)模型，而Credit metrics模型是一種靜態(tài)模型。 KMV模型采用的是企業(yè)股票市場(chǎng)價(jià)格分析方法，所以我們可以隨時(shí)根據(jù)該企業(yè)股票市場(chǎng)價(jià)格的變化，來(lái)更新模型的輸入數(shù)據(jù)，得出及時(shí)反映市場(chǎng)預(yù)期和企業(yè)信用狀況變化的新的EDF值。因此，該模型被認(rèn)為是一種動(dòng)態(tài)模型，可以及時(shí)反映信用風(fēng)險(xiǎn)水平的變化。 然而，Credit metrics采用的是企業(yè)信用評(píng)級(jí)指標(biāo)分析法。企業(yè)信用評(píng)級(jí)，無(wú)論是內(nèi)部評(píng)級(jí)還是外部評(píng)級(jí)，都不可能像股票市場(chǎng)價(jià)格一樣是動(dòng)態(tài)變化的，而是在相當(dāng)長(zhǎng)的一段時(shí)間內(nèi)保持靜態(tài)特征。這有可能使得該模型的分析結(jié)果不能及時(shí)反映企業(yè)信用狀況的變化。 3 、KMV模型是一種向前看（forward-looking）的分析方法，而Credit metrics模型是一種向后看（backward-looking）的分析方法。 同時(shí)，也正是因?yàn)镵MV模型所提供的EDF指標(biāo)來(lái)自于對(duì)股票市場(chǎng)價(jià)格實(shí)時(shí)行情的分析，而股票市場(chǎng)的實(shí)時(shí)行情不僅反映了該企業(yè)歷史的和當(dāng)前的發(fā)展?fàn)顩r，更重要的是反映了市場(chǎng)中的投資者對(duì)于該企業(yè)未來(lái)發(fā)展的綜合預(yù)期，所以，該模型被認(rèn)為是一種向前看(forward-looking)的方法，EDF指標(biāo)中包含了市場(chǎng)投資者對(duì)該企業(yè)信用狀況未來(lái)發(fā)展趨勢(shì)的判斷。這與Credit metrics模型采用的主要依賴信用狀況變化的歷史數(shù)據(jù)的向后看(backward-looking)的方法有根本性的差別。KMV的這種向前看的分析方法在一定程度上克服了依賴歷史數(shù)據(jù)向后看的數(shù)理統(tǒng)計(jì)模型的“歷來(lái)可以在未來(lái)復(fù)制其自身”的缺陷。 4 、KMV所提供的EDF指標(biāo)是一種對(duì)風(fēng)險(xiǎn)的基數(shù)衡量法，而Credit metrics所采用的信用評(píng)級(jí)分析法則是一種序數(shù)衡量法。 以基數(shù)法來(lái)衡量風(fēng)險(xiǎn)最大的特點(diǎn)在于不僅可以反映不同企業(yè)風(fēng)險(xiǎn)水平的高低順序，而且可以反映風(fēng)險(xiǎn)水平差異的程度，因而更加準(zhǔn)確。這也更加有利于對(duì)貸款的定價(jià)。而序數(shù)衡量法只能反映企業(yè)間信用風(fēng)險(xiǎn)的高低順序，如BBB級(jí)高于BB級(jí)，卻不能明確說(shuō)明高到什么程度。 5、Credit metrics是對(duì)組合投資的分析，而KMV則是對(duì)單個(gè)企業(yè)信用的分析。 Credit metrics模型比較注重直接分析企業(yè)間信用狀況變化的相關(guān)關(guān)系，因而更加與現(xiàn)代組合投資管理理論相吻合。而KMV則是從單個(gè)授信企業(yè)在股票市場(chǎng)上的價(jià)格變化信息入手，著重分析該企業(yè)體現(xiàn)在股價(jià)變化信息中的自身信用狀況，對(duì)企業(yè)信用變化的相關(guān)性沒(méi)有給予足夠的分析。 6、KMV模型是在正態(tài)分布的假設(shè)的前提之下的，而Credit metrics模型可以對(duì)貸款價(jià)值進(jìn)行實(shí)際分布的度量。 Credit metrics模型有兩種度量方法，即基于貸款價(jià)值正態(tài)分布的度量方法和基于貸款價(jià)值實(shí)際分布的度量方法。所以Credit metrics模型在這一方面更準(zhǔn)確，與實(shí)際現(xiàn)象更接近。 ㈤KMV模型與線性模型（Z計(jì)分模型和?模型）的比較分析 那么，在分析了KMV模型與Credit metrics模型這兩種現(xiàn)代企業(yè)信用評(píng)級(jí)模型的異同點(diǎn)之后。我們有必要對(duì)現(xiàn)代企業(yè)信用評(píng)級(jí)模型和傳統(tǒng)企業(yè)信用評(píng)級(jí)模型進(jìn)行一個(gè)比較，下面我就選取現(xiàn)代企業(yè)信用評(píng)級(jí)模型中的KMV模型與傳統(tǒng)的線性模型，對(duì)其不同點(diǎn)進(jìn)行簡(jiǎn)要的分析。 1、KMV模型所獲得的數(shù)據(jù)來(lái)自于股票市場(chǎng)，而線性模型利用的是企業(yè)歷史賬面數(shù)據(jù)。同樣KMV模型是一種向前看(forward-looking)的分析方法，而線性模型是一種向后看(backward-looking)的分析方法。 2、KMV模型建立了以違約風(fēng)險(xiǎn)為核心的信用風(fēng)險(xiǎn)度量體系，有很強(qiáng)的的理論基礎(chǔ)為依托，因?yàn)樗墙⒃诋?dāng)代公司理財(cái)理論和期權(quán)理論基礎(chǔ)之上的。而線性模型缺乏對(duì)違約和違約風(fēng)險(xiǎn)的認(rèn)識(shí)，理論基礎(chǔ)薄弱，難以令人信服。 3、KMV模型是測(cè)算預(yù)期的違約概率的，它的優(yōu)點(diǎn)在于引入了大量數(shù)學(xué)方法、統(tǒng)計(jì)方法度量信用風(fēng)險(xiǎn)，它是一種精確的定量分析方法，其假定借款企業(yè)的資產(chǎn)價(jià)值成正態(tài)分布;而線性模型是通過(guò)一種線性關(guān)系對(duì)企業(yè)信用狀況好壞進(jìn)行判斷分析，更偏向于定性分析，其假定條件是變量成線性分布。 新技術(shù)信用評(píng)級(jí)方法 近幾年來(lái)，信用風(fēng)險(xiǎn)度量的研究出現(xiàn)了結(jié)合模糊數(shù)學(xué)、粗糙集、支持向量機(jī)(SVM)、人工神經(jīng)網(wǎng)絡(luò)等學(xué)科新技術(shù)方法的度量信用風(fēng)險(xiǎn)潮流，出現(xiàn)了越來(lái)越多的新興評(píng)級(jí)方法。 ?、鍖?duì)新技術(shù)信用評(píng)級(jí)方法的總體分析 目前，應(yīng)用于信用風(fēng)險(xiǎn)度量的新技術(shù)方法的學(xué)科主要有數(shù)學(xué)、統(tǒng)計(jì)和人工智能等。數(shù)學(xué)方法有粗糙集、模糊綜合評(píng)價(jià)法，統(tǒng)計(jì)方法有Logit模型、支持向量機(jī)，人工智能方法有人工神經(jīng)網(wǎng)絡(luò)、決策樹等方法應(yīng)用于信用風(fēng)險(xiǎn)的度量和評(píng)級(jí)的方法。 在各學(xué)科新技術(shù)方法度量信用風(fēng)險(xiǎn)中，還出現(xiàn)了結(jié)合模糊數(shù)學(xué)使用統(tǒng)計(jì)學(xué)方法度量信用風(fēng)險(xiǎn)的技術(shù)，如模糊邏輯分析模型(fuzzy logic model)，模糊支持向量機(jī)(fuzzy support vector machine)等方法，將許多模糊現(xiàn)象如組織管理制度、企業(yè)領(lǐng)導(dǎo)人等無(wú)法用通常的簡(jiǎn)單數(shù)字來(lái)表達(dá)的影響因素，用模糊數(shù)學(xué)來(lái)處理能取得更好的效果。 從目前研究結(jié)果看，新技術(shù)方法基本能得出優(yōu)于以往計(jì)量方法的結(jié)果，對(duì)樣本信息利用率較高，預(yù)測(cè)能力的穩(wěn)定性和精度都較強(qiáng)。但是新技術(shù)方法過(guò)于重視數(shù)學(xué)方法和統(tǒng)計(jì)工具的運(yùn)用，在信用風(fēng)險(xiǎn)理論及其成因的研究上未能有所突破，其驅(qū)動(dòng)因素基本建立在資產(chǎn)價(jià)值基礎(chǔ)上，對(duì)信用風(fēng)險(xiǎn)的內(nèi)在因素也有待于進(jìn)一步完善。由于信用風(fēng)險(xiǎn)內(nèi)在因素變化較為迅速，這也讓新技術(shù)度量信用風(fēng)險(xiǎn)在實(shí)踐中運(yùn)用變得難以實(shí)施，仍需要人們進(jìn)一步研究。 ?、嫒斯ど窠?jīng)網(wǎng)絡(luò)分析法 所謂的人工神經(jīng)網(wǎng)絡(luò)，就是基于模仿生物大腦的結(jié)構(gòu)和功能而構(gòu)成的一種信息處理系統(tǒng)或計(jì)算機(jī)，簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)，簡(jiǎn)寫為ANN (Artificial Neural Network)。人工神經(jīng)網(wǎng)絡(luò)的基本構(gòu)架是模仿生物的神經(jīng)細(xì)胞，分為輸人層、隱藏層和輸出層三層。每一層包括若干代表處理單元的節(jié)點(diǎn)，輸入層的節(jié)點(diǎn)負(fù)責(zé)接收外在信息(如圖1)。 不同于人腦的輸入，人工神經(jīng)網(wǎng)絡(luò)所接收的輸人信息是各種變量的數(shù)量化信息，一個(gè)輸人變量對(duì)應(yīng)一個(gè)輸人節(jié)點(diǎn)。隱藏層的節(jié)點(diǎn)負(fù)責(zé)處理輸人層傳來(lái)的信息，并轉(zhuǎn)化為中間結(jié)果傳遞給輸出層。而輸出層的節(jié)點(diǎn)就以隱藏層傳來(lái)的信息與門檻值比較后，得到系統(tǒng)的最后結(jié)果，并將結(jié)果輸出。 與傳統(tǒng)的統(tǒng)計(jì)方法相比，人工神經(jīng)網(wǎng)絡(luò)具有以下特點(diǎn):1.具有自我組織與學(xué)習(xí)的能力。2.可以描述輸人資料中變量間的非線性關(guān)系。3.可以依據(jù)樣本和環(huán)境的變化進(jìn)行動(dòng)態(tài)的調(diào)整。由于企業(yè)各項(xiàng)財(cái)務(wù)指標(biāo)與信用風(fēng)險(xiǎn)之間往往存在著非線性關(guān)系，因此人工神經(jīng)網(wǎng)絡(luò)比較適用于企業(yè)的信用評(píng)價(jià)。 ?、缒：治龇?/span> 傳統(tǒng)的數(shù)學(xué)或統(tǒng)計(jì)方法都是建立在精確的觀點(diǎn)假設(shè)基礎(chǔ)之上，但是在自然科學(xué)、社會(huì)科學(xué)和工程技術(shù)等領(lǐng)域，存在著很多模糊或不確定性;人類的認(rèn)知模式、思考方式、甚至推理邏輯也涉及許多非確定性。 因此利用傳統(tǒng)的方法無(wú)法解決這樣的不確定問(wèn)題，而模糊數(shù)學(xué)是將數(shù)學(xué)的應(yīng)用范圍，從精確擴(kuò)大到模糊現(xiàn)象的領(lǐng)域，提出了隸屬函數(shù)理論，確定了某一事物在多大程度上屬于所講的概念，或者不屬于所講的概念，這樣描述模糊性問(wèn)題比精確數(shù)學(xué)更為合理。同樣，企業(yè)信用評(píng)級(jí)也屬于模糊性問(wèn)題，其信用狀態(tài)如何，用精確數(shù)學(xué)“是”或“非”的概念很難做出判斷，因此，應(yīng)用模糊分析法對(duì)信用狀況做出綜合評(píng)價(jià)比較科學(xué)。 但是，學(xué)術(shù)界對(duì)于模糊數(shù)學(xué)的正當(dāng)性仍然存在懷疑，原因如下:1.模糊邏輯缺乏學(xué)習(xí)能力，應(yīng)用上受到一定的限制。2.模糊系統(tǒng)的穩(wěn)定性很難獲得理論上的保證。3.模糊邏輯不是建立在傳統(tǒng)數(shù)學(xué)的基礎(chǔ)上，很難對(duì)此邏輯系統(tǒng)的正確性加以驗(yàn)證。 結(jié)論 由以上可知，對(duì)企業(yè)進(jìn)行信用風(fēng)險(xiǎn)度量和評(píng)級(jí)的方法可謂紛繁復(fù)雜，每一種分析方法都有其優(yōu)點(diǎn)和不足。所以在實(shí)際運(yùn)用中，我們應(yīng)針對(duì)不同的企業(yè)，選擇不同的評(píng)級(jí)方法和評(píng)級(jí)模型;同時(shí)，我們應(yīng)結(jié)合多種評(píng)級(jí)方法，靈活而準(zhǔn)確對(duì)企業(yè)信用風(fēng)險(xiǎn)進(jìn)行評(píng)級(jí)。 1、定性分析和定量分析相結(jié)合 以專家系統(tǒng)為代表的傳統(tǒng)的定性分析方法應(yīng)和現(xiàn)在定量分析方法結(jié)合使用。在現(xiàn)在企業(yè)信用評(píng)級(jí)中，可以以定量分析方法為基礎(chǔ)，但不能局限于定量分析方法，需要結(jié)合定性分析方法。因?yàn)樵S多非財(cái)務(wù)性的因素?zé)o法通過(guò)簡(jiǎn)單的量化加以評(píng)價(jià)，所以采用專家系統(tǒng)等定性評(píng)價(jià)方式進(jìn)行風(fēng)險(xiǎn)評(píng)級(jí)是必不可少的。企業(yè)的信用評(píng)級(jí)從本質(zhì)上來(lái)說(shuō)，是建立在客觀評(píng)價(jià)方法與主觀評(píng)價(jià)方法基礎(chǔ)上的評(píng)級(jí)方法。 2、動(dòng)態(tài)分析法和靜態(tài)分析法相結(jié)合。 以Z計(jì)分和Credit metrics模型為代表的靜態(tài)分析法，對(duì)受評(píng)對(duì)象的歷史資料與定量數(shù)據(jù)進(jìn)行分析與預(yù)測(cè)，可以較為準(zhǔn)確地判斷企業(yè)在一定時(shí)期內(nèi)的信用狀況，靜態(tài)分析是十分必要的。但同時(shí)卻缺乏全面性與及時(shí)性，企業(yè)信用評(píng)級(jí)是建立在考察諸多因素的基礎(chǔ)上的，各因素是處于不斷變化中的，變化應(yīng)該在企業(yè)信用評(píng)級(jí)中有所反映。所以對(duì)企業(yè)信用進(jìn)行動(dòng)態(tài)評(píng)級(jí)是對(duì)企業(yè)信用評(píng)級(jí)靜態(tài)指標(biāo)體系的一種完善。從而在事務(wù)操作中，我們應(yīng)把動(dòng)態(tài)分析法和靜態(tài)分析法結(jié)合起來(lái)，對(duì)企業(yè)信用進(jìn)行合理的評(píng)級(jí)。 3、模糊分析法和假設(shè)分析法相結(jié)合。 傳統(tǒng)的線性模型和現(xiàn)代的KMV模型都是建立在精確的觀點(diǎn)假設(shè)基礎(chǔ)之上的，而現(xiàn)實(shí)中，這些假設(shè)條件往往是不能完全滿足的。這時(shí)，我們就需要引入模糊分析法，結(jié)合模糊數(shù)學(xué)，將信用評(píng)級(jí)從精確擴(kuò)大到模糊現(xiàn)象的領(lǐng)域，對(duì)信用狀況做出綜合評(píng)價(jià)。
