關(guān)于科技型企業(yè)信用風(fēng)險(xiǎn)度量模型的選取.DOC

企業(yè)研究論文-關(guān)于科技型企業(yè)信用風(fēng)險(xiǎn)度量模型的選取論文關(guān)鍵詞：科技型企業(yè) 信用風(fēng)險(xiǎn) Logistic回歸模型 論文摘要：科技型企業(yè)作為國(guó)民經(jīng)濟(jì)中一支活躍的力量，已逐漸引起各個(gè)銀行的重視。但是對(duì)科技型企業(yè)信用風(fēng)險(xiǎn)的度量，國(guó)內(nèi)尚無合適的方法。文章試通過對(duì)國(guó)際上較先進(jìn)的信用風(fēng)險(xiǎn)度量模型進(jìn)行介紹、比較，從而選取適合我國(guó)科技型企業(yè)的度量模型。 科技型企業(yè)在生產(chǎn)經(jīng)營(yíng)過程中，資本金主要靠自我積累和銀行信貸，銀行借款成為其最主要的外部資金來源。然而，由于銀行對(duì)科技企業(yè)的風(fēng)險(xiǎn)識(shí)別能力有限，加之信貸市場(chǎng)中的逆向選擇和道德風(fēng)險(xiǎn)的存在，銀行對(duì)科技企業(yè)貸款一直持謹(jǐn)慎態(tài)度。近年來，我國(guó)利率市場(chǎng)，特別是小額貸款的利率正逐步放開，商業(yè)銀行為增加利潤(rùn)來源，漸漸趨向于各科技企業(yè)貸款。不過，科技企業(yè)貸款業(yè)務(wù)為銀行帶來利潤(rùn)的同時(shí)，也帶來了較大的信用風(fēng)險(xiǎn)。因此，對(duì)于科技型企業(yè)的信用風(fēng)險(xiǎn)度量方法的選擇，成為了各家銀行急迫解決的問題。 一、古典信用風(fēng)險(xiǎn)度量模型 1.古典信用分析。古典信用分析屬于定性分析，是銀行最基本的信用風(fēng)險(xiǎn)度量方法。銀行業(yè)在發(fā)展過程中為控制信用風(fēng)險(xiǎn)早已形成了一些有用的信用風(fēng)險(xiǎn)管理技術(shù)，如常見的5C法和5P法。5C法從以下五個(gè)方面對(duì)借款人的信用進(jìn)行考察：品格、資本、償付能力、抵押品、周期狀況。5P法將以下五個(gè)因素作為銀行判斷企業(yè)信用的準(zhǔn)則：個(gè)人狀況、借款用途、還款來源、債權(quán)保障和未來前景。古典信用分析過分依賴專家的主觀經(jīng)驗(yàn)判斷，不同專家對(duì)同一借款人會(huì)做出不同的判斷，扭曲借款人真正的信用品質(zhì)，同時(shí)它也缺乏為信用風(fēng)險(xiǎn)定價(jià)的市場(chǎng)機(jī)制，難以滿足信用風(fēng)險(xiǎn)評(píng)估日益發(fā)展的要求。 2.多元統(tǒng)計(jì)分析。即利用統(tǒng)計(jì)方法把企業(yè)違約概率評(píng)估看成是模式識(shí)別中的分類問題根據(jù)貸款企業(yè)的財(cái)務(wù)、非財(cái)務(wù)狀況，將其分為正常和違約兩類，或根據(jù)已評(píng)級(jí)級(jí)別結(jié)果分為多類，這樣企業(yè)違約概率評(píng)估就轉(zhuǎn)化為統(tǒng)計(jì)中的分類問題。根據(jù)歷史樣本每個(gè)類別（兩類或多類），從數(shù)據(jù)中找出規(guī)律，總結(jié)出分類的規(guī)則，建立評(píng)估模型，然后用于對(duì)新樣本的判別，這些判別的結(jié)果隱含著不同企業(yè)的綜合得分或者說企業(yè)競(jìng)爭(zhēng)力排序。國(guó)外關(guān)于違約概率評(píng)估研究，主要集中于違約的定性測(cè)度方法，然后根據(jù)結(jié)果，通過違約頻率統(tǒng)計(jì)獲得違約概率。按違約測(cè)度方法分：有線性判別模型，Logistic模型，神經(jīng)網(wǎng)絡(luò)模型等；按變量數(shù)分有單變量（Fitzpatrick，1932；Beaver，1966）和多變量方法；按變量性質(zhì)分有定量變量，定性變量，混合變量。 多元統(tǒng)計(jì)分析最初表現(xiàn)為多元線形判別分析模型，包括Z計(jì)分模型和ZETA模型。此后又產(chǎn)生了另一種多元線性方法線形概率模型，其典型代表有Logistic回歸分析模型，隨后又有像神經(jīng)網(wǎng)絡(luò)、遺傳算法、線形規(guī)劃等方法的信用風(fēng)險(xiǎn)模型的誕生。 二、現(xiàn)代信用風(fēng)險(xiǎn)度量模型 1.結(jié)構(gòu)性模型。即基于公司價(jià)值的模型，把違約過程描述為公司價(jià)值惡化的顯性結(jié)果，并把公司證券視為發(fā)行公司價(jià)值的或有債權(quán)（期權(quán)）。一旦公司估值過程的模型確定，公司的資本結(jié)構(gòu)也已知，就可用期權(quán)定價(jià)公式對(duì)權(quán)益和債務(wù)進(jìn)行定價(jià)。結(jié)構(gòu)模型已經(jīng)成為違約風(fēng)險(xiǎn)領(lǐng)域的一個(gè)市場(chǎng)標(biāo)準(zhǔn)。這類模型的主要特點(diǎn)之一是能夠?qū)ι鲜泄拘庞脙r(jià)值進(jìn)行逐日盯市的連續(xù)評(píng)估。但滿足違約概率簡(jiǎn)單計(jì)算公式必要的基本假設(shè)有時(shí)與現(xiàn)實(shí)不符。 2.簡(jiǎn)約化模型。這個(gè)方法不像結(jié)構(gòu)型模型那樣，要求利用企業(yè)參數(shù)確定違約風(fēng)險(xiǎn)。該方法通過外生定義的違約率和回收率，把有違約風(fēng)險(xiǎn)債券的定價(jià)或價(jià)差直接與無風(fēng)險(xiǎn)債券連在一起。在這種方法中，信用期限結(jié)構(gòu)不是根據(jù)公司財(cái)務(wù)基礎(chǔ)或宏觀經(jīng)濟(jì)因素進(jìn)行推導(dǎo)而是直接從市場(chǎng)數(shù)據(jù)中獲取。在數(shù)學(xué)上，這種方法更易于實(shí)施。但從考察公司信用基礎(chǔ)的角度看，這種方法遠(yuǎn)不如企業(yè)價(jià)值方法那么直觀。 3.CreditMetrics模型。它建立在Merton模型所構(gòu)筑的資本結(jié)構(gòu)假設(shè)之上（當(dāng)公司市場(chǎng)價(jià)值小于債務(wù)值時(shí),公司違約），因此借款人的違約概率和資產(chǎn)超過債務(wù)的數(shù)量、資產(chǎn)的波動(dòng)密切相關(guān),資產(chǎn)的變化遵循幾何布朗運(yùn)動(dòng),當(dāng)資產(chǎn)的變化超過某一臨界值時(shí),借款人即違約。該模型應(yīng)用信用受險(xiǎn)價(jià)值（VaR）對(duì)一些非上市流通的資產(chǎn)，如貸款、私募債券等進(jìn)行估價(jià)和信用風(fēng)險(xiǎn)評(píng)價(jià)。運(yùn)用這個(gè)模型可以估算在極端情況下貸款或貸款組合的損失。 4.CreditRisk+模型。該方法采用了保險(xiǎn)精算的科學(xué)框架推導(dǎo)債券/貸款組合的損失分布，建立只考慮違約不考慮降級(jí)風(fēng)險(xiǎn)的模型。與信用計(jì)量模型（CreditMetrics）、KMV等不同，違約與企業(yè)的資本結(jié)構(gòu)無關(guān)。CreditRisk+是信用違約風(fēng)險(xiǎn)的統(tǒng)計(jì)模型，該模型對(duì)引發(fā)違約的原因不作假設(shè)，與市場(chǎng)風(fēng)險(xiǎn)管理考慮的出發(fā)點(diǎn)是相同的。建立市場(chǎng)風(fēng)險(xiǎn)模型，不考慮市場(chǎng)價(jià)格變動(dòng)的原因。銀行和保險(xiǎn)公司一樣，必須用貼現(xiàn)現(xiàn)金流模型定量化度量自身蒙受的風(fēng)險(xiǎn)。保險(xiǎn)公司的風(fēng)險(xiǎn)來源于客戶的索賠，而銀行的風(fēng)險(xiǎn)來源于債務(wù)人的違約。 三、科技型企業(yè)信用風(fēng)險(xiǎn)度量模型的選取 1.信用風(fēng)險(xiǎn)度量模型、方法的比較與評(píng)價(jià)。從上面的文獻(xiàn)回顧可以發(fā)現(xiàn)，關(guān)于信用風(fēng)險(xiǎn)度量的模型和方法很多，然而由于信用風(fēng)險(xiǎn)本身的固有特點(diǎn)，大家公認(rèn)和統(tǒng)一的模型和方法到目前還沒有出現(xiàn)，各種模型和方法其本身都存在這樣或那樣的缺陷，且大多是針對(duì)上市公司等大型企業(yè)的，并沒有考慮科技型企業(yè)自身的一些特點(diǎn)，因此有必要對(duì)這些模型和方法進(jìn)行分析、比較、評(píng)價(jià)，從中選擇合適的模型來度量我國(guó)科技型企業(yè)的信用風(fēng)險(xiǎn)。 單變量模型具有簡(jiǎn)單可行的優(yōu)點(diǎn)，但其缺陷是任何單個(gè)財(cái)務(wù)指標(biāo)都無法全面地反映公司財(cái)務(wù)特征及公司總體情況，甚至任何單個(gè)財(cái)務(wù)指標(biāo)將在很大程度上排斥其他指標(biāo)的作用。多元線性判別模型具有相當(dāng)?shù)挠绊?，它克服了單變量模型的缺點(diǎn)，判別的準(zhǔn)確性也有大幅提高，但其本身也存在兩大缺陷：其一，它是一個(gè)線性模型，但判斷一個(gè)公司信用風(fēng)險(xiǎn)的因素非常復(fù)雜，不太可能成簡(jiǎn)單的線性關(guān)系；其二，它基本上采用歷史財(cái)務(wù)比率，影響對(duì)借款人信用評(píng)價(jià)的時(shí)效性。Logistic等多元非線性回歸模型很好的解決了非線性的問題，并且有較高的準(zhǔn)確性，但也存在信用度量的時(shí)效滯后缺陷。 KMV模型以股票市場(chǎng)數(shù)據(jù)為基礎(chǔ)，而不是依賴會(huì)計(jì)核算數(shù)據(jù)，反映了市場(chǎng)中投資者對(duì)公司未來發(fā)展的綜合預(yù)期，具有前瞻性、高敏感性；但它針對(duì)未上市公司具有一定的局限性，而且片面強(qiáng)調(diào)股票市場(chǎng)，變動(dòng)敏感度太高。CreditMetrics模型成功地把信用風(fēng)險(xiǎn)度量與信用等級(jí)的轉(zhuǎn)移、違約率等相關(guān)因素結(jié)合起來，使模型考慮的因素更加全面，適用范圍更加廣泛；但它片面強(qiáng)調(diào)信用評(píng)級(jí)，不能夠反映特定債務(wù)人當(dāng)前的信用質(zhì)量變化情況。而且我國(guó)目前還沒有一個(gè)權(quán)威的、完善的信用評(píng)級(jí)體系，也不可能有有效的信用風(fēng)險(xiǎn)轉(zhuǎn)移矩陣，同時(shí)也缺少一個(gè)準(zhǔn)確的基準(zhǔn)貼現(xiàn)率，因此現(xiàn)階段該模型在我國(guó)尚無法應(yīng)用。CreditRisk+模型最大的優(yōu)點(diǎn)是簡(jiǎn)單易用，泊松過程的應(yīng)用使得計(jì)算非常有效，需要估計(jì)的變量很少，對(duì)于每個(gè)組合只需要知道違約概率和風(fēng)險(xiǎn)頭寸；但它忽略了信用級(jí)別的變動(dòng)，對(duì)于每個(gè)債務(wù)人風(fēng)險(xiǎn)頭寸是固定不變的，只依賴于遠(yuǎn)期利率變動(dòng)。甚至在大多數(shù)情況下，模型簡(jiǎn)化為違約概率由幾種隨機(jī)背景因子決定，風(fēng)險(xiǎn)頭寸是常量。 2.我國(guó)科技型企業(yè)信用風(fēng)險(xiǎn)度量可能采用的模型或方法。中小企業(yè)普遍存在著一些問題，如規(guī)模小、經(jīng)營(yíng)制度不規(guī)范、財(cái)務(wù)數(shù)據(jù)不完善、資本結(jié)構(gòu)不合理和可抵押資產(chǎn)相對(duì)缺乏等。這意味著商業(yè)銀行向科技企業(yè)貸款的信用風(fēng)險(xiǎn)較大，且有不同于一般企業(yè)信用風(fēng)險(xiǎn)的特點(diǎn)?？萍计髽I(yè)貸款的信用風(fēng)險(xiǎn)與企業(yè)所有者個(gè)人的信用息息相關(guān)，判定指標(biāo)體系不易用衡量大型企業(yè)的標(biāo)準(zhǔn)。然而，長(zhǎng)期以來我國(guó)商業(yè)銀行并沒有將對(duì)科技型企業(yè)的貸款獨(dú)立出來，信用風(fēng)險(xiǎn)內(nèi)部評(píng)級(jí)仍然采用與大企業(yè)一樣的體系。2003年以前，我國(guó)銀行對(duì)貸款的分類一直延用“一逾兩呆”的分類方式。“一逾兩呆”分類管理主要依據(jù)借款人的還款狀況將貸款劃分為正常、逾期、呆滯、呆賬四類，是一種事后監(jiān)督的管理方法。從2003年1月1日起，我國(guó)各類銀行全面實(shí)行貸款風(fēng)險(xiǎn)五級(jí)分類管理。貸款五級(jí)風(fēng)險(xiǎn)分類將貸款質(zhì)量劃分為正常、關(guān)注、次級(jí)、可疑和損失五類(其中后三類稱為不良貸款)，在動(dòng)態(tài)監(jiān)測(cè)的基礎(chǔ)上，通過對(duì)借款人現(xiàn)金流量、財(cái)務(wù)實(shí)力、抵押品價(jià)值等因素的連續(xù)監(jiān)測(cè)和分析，判斷貸款的實(shí)際損失程度，確定貸款風(fēng)險(xiǎn)。對(duì)于信用風(fēng)險(xiǎn)內(nèi)部評(píng)估，據(jù)人民銀行的調(diào)查結(jié)果顯示，現(xiàn)今國(guó)內(nèi)幾家大銀行的信用風(fēng)險(xiǎn)評(píng)級(jí)剛剛進(jìn)入計(jì)分卡階段，相當(dāng)于一種加權(quán)綜合評(píng)分法。具體做法是:首先，設(shè)定待評(píng)價(jià)的指標(biāo)體系，并根據(jù)評(píng)價(jià)的重要程度對(duì)各種指標(biāo)給以一定的權(quán)重；其次，根據(jù)所收集的被評(píng)企業(yè)各種財(cái)務(wù)、非財(cái)務(wù)信息對(duì)照指標(biāo)標(biāo)準(zhǔn)進(jìn)行打分，確定各指標(biāo)分值；再次，根據(jù)各指標(biāo)評(píng)分以及權(quán)重，計(jì)算加權(quán)綜合評(píng)分；最后，對(duì)照評(píng)級(jí)表的級(jí)別區(qū)間，判定被評(píng)企業(yè)的信用等級(jí)。這樣一種評(píng)定信用風(fēng)險(xiǎn)的方法是在評(píng)價(jià)指標(biāo)結(jié)構(gòu)分析的基礎(chǔ)上再進(jìn)行量化分析的。因此，其實(shí)是以定性分析為主、定量分析為輔的分析方法。而且，主要幾個(gè)指標(biāo)權(quán)重的設(shè)定和打分的過程是根據(jù)“專家分析”的結(jié)果。 綜上，我國(guó)銀行內(nèi)部對(duì)于企業(yè)信用風(fēng)險(xiǎn)評(píng)估仍然較多使用古典信用分析，處于定性向定量的過渡階段，尚未使用多元分析及現(xiàn)代信用風(fēng)險(xiǎn)度量模型?？萍计髽I(yè)大部分為非上市公司，KMV模型無法大規(guī)模使用；我國(guó)缺乏完善的信用評(píng)級(jí)體系，歷史數(shù)據(jù)積累稀少，CreditMetrics由于缺乏相應(yīng)數(shù)據(jù)而無法使用；Credit Risk+模型將信用風(fēng)險(xiǎn)簡(jiǎn)化為泊松分布，過于武斷，忽略了債務(wù)人的特有風(fēng)險(xiǎn)，更無法適用于變幻莫測(cè)的科技型企業(yè)?？傊F(xiàn)代信用風(fēng)險(xiǎn)模型在現(xiàn)階段尚不適用于我國(guó)科技型企業(yè)。而銀行使用現(xiàn)行古典信用分析的結(jié)果是大部分的科技企業(yè)被拒之門外，導(dǎo)致其貸款難融資難，因此對(duì)于科技企業(yè)信用風(fēng)險(xiǎn)度量最可能選取的方法為多元統(tǒng)計(jì)分析。而多元統(tǒng)計(jì)分析法中，Logistic回歸模型的應(yīng)用性最廣，它以企業(yè)財(cái)務(wù)指標(biāo)為變量計(jì)算企業(yè)潛在的違約風(fēng)險(xiǎn)，適合我國(guó)科技型企業(yè)的信用風(fēng)險(xiǎn)度量。 參考文獻(xiàn)： 1.Fraydman H,Altman E,Kao D.Introducing recursive partitioning for financial classfication:the case of financial distress.Journal of Banking& Finance,1985,11(1) 2.Altman E.Financial ratios,Discriminant Analysis and the Predicton of Corporate Bankruptcy.Journal of Banking and Finance,1968,(9)p589-609 3.Beaver W.Market prices,financial ratio s,and the prediction of failureJ.Journal of Accounting Research,1968. 4.Altman E,Haldeman R,Narayanan P,Zeta analysis a new model to identify bankruptcy risk of corporations. Journal of Banking&Finance, 1977,(1),p29-54 5.Fitzpatrick PJ,A comparison of ratios of successful industrial enterprises with those of failed firmsJ,Certified Public Account,1932. 6.Beaver WH,Financial ratios