信用風(fēng)險(xiǎn)的度量方法

1、一、信用風(fēng)險(xiǎn)度量方法與模型傳統(tǒng)的信用風(fēng)險(xiǎn)評(píng)價(jià)方法要素分析法。要素分析法是通過定性分析有關(guān)指標(biāo)來(lái)評(píng)價(jià)客戶信用風(fēng)險(xiǎn)時(shí)所采用的專家分析法。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質(zhì)(Character)、還款能力(Capacity)、資本實(shí)力(Capital)、擔(dān)保(Collateral)和經(jīng)營(yíng)環(huán)境條件(Condition)五個(gè)方面進(jìn)行全面的定性分析,以判別借款人的還款意愿和還款能力。根據(jù)不同的角度，有的將分析要素歸納為“5W”因素，即借款人(Who)、借款用途(Why)、還款期限(When)、擔(dān)保物(What)及如何還款(How)。還有的歸納為“5P”因素，即個(gè)人因素(Pers

2、onal)、借款目的(Purpose)、償還(Payment)、保障(Protection)和前景(Perspective)。無(wú)論是“5C”、“5W”還是“5P”，其共同之處都是先選取一定特征目標(biāo)要素,然后對(duì)每一要素評(píng)分，使信用數(shù)量化，從而確定其信用等級(jí)，以其作為其銷售、貸款等行為的標(biāo)準(zhǔn)和隨后跟蹤監(jiān)測(cè)期間的政策調(diào)整依據(jù)。(2)特征分析法。特征分析法是目前在國(guó)外企業(yè)信用管理工作中應(yīng)用較為普遍的一種信用分析工具。它是從客戶的種種特征中選擇出對(duì)信用分析意義最大、直接與客戶信用狀況相聯(lián)系的若干因素，將其編為幾組，分別對(duì)這些因素評(píng)分并綜合分析，最后得到一個(gè)較為全面的分析結(jié)果。一般所分析的特征包括客戶自身

3、特征、客戶優(yōu)先性特征、信用及財(cái)務(wù)特征等。特征分析法的主要用途是對(duì)客戶的資信狀況做出綜合性的評(píng)價(jià)，它涵蓋了反映客戶經(jīng)營(yíng)實(shí)力和發(fā)展?jié)摿Φ乃兄匾笜?biāo)，這種信用風(fēng)險(xiǎn)分析方法主要由信用調(diào)查機(jī)構(gòu)和企業(yè)內(nèi)部信用管理部門使用。(3)財(cái)務(wù)比率分析法。信用風(fēng)險(xiǎn)往往是由財(cái)務(wù)危機(jī)導(dǎo)致的，因此，可以通過及早發(fā)現(xiàn)和找出一些特征財(cái)務(wù)指標(biāo)，判斷評(píng)價(jià)對(duì)象的財(cái)務(wù)狀況和確定其信用等級(jí)，從而為信貸和投資提供決策依據(jù)。財(cái)務(wù)比率綜合分析法就是將各項(xiàng)財(cái)務(wù)分析指標(biāo)作為一個(gè)整體，系統(tǒng)、全面、綜合地對(duì)企業(yè)財(cái)務(wù)狀況和經(jīng)營(yíng)情況進(jìn)行剖析、解釋和評(píng)價(jià)。這類方法的主要代表有杜邦財(cái)務(wù)分析體系和沃爾比重評(píng)分法。杜邦財(cái)務(wù)分析體系是由美國(guó)杜邦公司創(chuàng)立的，它以凈

4、值報(bào)酬率為龍頭，以資產(chǎn)凈利潤(rùn)率為核心，重點(diǎn)揭示企業(yè)獲利能力及其前因后果，通過對(duì)某項(xiàng)綜合性較強(qiáng)的財(cái)務(wù)比率的逐層分解，將相關(guān)財(cái)務(wù)指標(biāo)聯(lián)系起來(lái)，形成一個(gè)綜合體系，以便清楚地反映各項(xiàng)財(cái)務(wù)指標(biāo)的相互關(guān)系。沃爾比重評(píng)分法是由財(cái)務(wù)綜合評(píng)價(jià)領(lǐng)域的著名先驅(qū)者之一亞歷山大沃爾創(chuàng)立的，他把若干個(gè)財(cái)務(wù)比率用線性關(guān)系結(jié)合起來(lái)，以此評(píng)價(jià)企業(yè)的信用水平。他選擇了七種財(cái)務(wù)比率，即流動(dòng)比率、產(chǎn)權(quán)比率、固定資產(chǎn)比率、存貨周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率、固定資產(chǎn)周轉(zhuǎn)率和自有資金周轉(zhuǎn)率，分別給定各自的分?jǐn)?shù)比重，通過與標(biāo)準(zhǔn)比率（行業(yè)平均比率）進(jìn)行比較,確定各項(xiàng)指標(biāo)的得分及總體指標(biāo)的累計(jì)分?jǐn)?shù)，從而得出企業(yè)財(cái)務(wù)狀況的綜合評(píng)價(jià)，繼而確定其信用等級(jí)。

5、多變量信用風(fēng)險(xiǎn)判別模型多變量信用風(fēng)險(xiǎn)判別模型是以財(cái)務(wù)會(huì)計(jì)信息為基礎(chǔ)，以特征財(cái)務(wù)比率為解釋變量，運(yùn)用數(shù)量統(tǒng)計(jì)方法建模。多變量信用風(fēng)險(xiǎn)判別模型主要包括以下幾種：（1）多元線性判定模型（Z-Score模型）。其是財(cái)務(wù)失敗預(yù)警模型，最早是由A1tman（1968）開始研究的。該模型通過五個(gè)變量（五種財(cái)務(wù)比率）將反映企業(yè)償債能力的指標(biāo)、獲利能力指標(biāo)和營(yíng)運(yùn)能力指標(biāo)有機(jī)聯(lián)系起來(lái)，綜合分析預(yù)測(cè)企業(yè)財(cái)務(wù)失敗或破產(chǎn)的可能性。一般地，Z值越低，企業(yè)越有可能發(fā)生破產(chǎn)。具體模型為：Z=V1X1+V2X2HVnXn其中，V1、V2Vn是權(quán)數(shù)，X1、X2Xn是各種財(cái)務(wù)比率。根據(jù)Z值的大小，可將企業(yè)分為“破產(chǎn)”或“非破產(chǎn)”兩

6、類。在實(shí)際運(yùn)用時(shí)，需要將企業(yè)樣本分為預(yù)測(cè)樣本和測(cè)試樣本，先根據(jù)預(yù)測(cè)樣本構(gòu)建多元線性判定模型，確定判別Z值(Z值的大小可以作為判定企業(yè)財(cái)務(wù)狀況的綜合標(biāo)準(zhǔn))，然后將測(cè)試樣本的數(shù)據(jù)代入判別方程，得出企業(yè)的Z值，并根據(jù)判別標(biāo)準(zhǔn)進(jìn)行判定。此方法還可以用于債券評(píng)級(jí)、投資決策、銀行對(duì)貸款申請(qǐng)的評(píng)估及子公司業(yè)績(jī)考核等。多元邏輯模型(Logit模型)。其采用一系列財(cái)務(wù)比率變量來(lái)預(yù)測(cè)公司破產(chǎn)或違約的概率，然后根據(jù)銀行、投資者的風(fēng)險(xiǎn)偏好程度設(shè)定風(fēng)險(xiǎn)警界線，以此對(duì)分析對(duì)象進(jìn)行風(fēng)險(xiǎn)定位和決策。Logit模型建立在累計(jì)概率函數(shù)的基礎(chǔ)上，不需要自變量服從多元正態(tài)分布和兩組間協(xié)方差相等的條件oLogit模型判別方法先根據(jù)多元

7、線性判定模型確定企業(yè)破產(chǎn)的Z值，然后推導(dǎo)出企業(yè)破產(chǎn)的條件概率。其判別規(guī)則是：如果概率大于0.5,表明企業(yè)破產(chǎn)的概率比較大；如果概率低于0.5,可以判定企業(yè)為財(cái)務(wù)正常。多元概率比回歸模型(Probit回歸模型)。其假定企業(yè)破產(chǎn)的概率為P，并假設(shè)企業(yè)樣本服從標(biāo)準(zhǔn)正態(tài)分布，其概率函數(shù)的P分位數(shù)可以用財(cái)務(wù)指標(biāo)線性解釋。其計(jì)算方法是先確定企業(yè)樣本的極大似然函數(shù)，通過求似然函數(shù)的極大值得到參數(shù)a、b，然后利用公式，求出企業(yè)破產(chǎn)的概率；其判別規(guī)則與Logit模型判別規(guī)則相同。聯(lián)合預(yù)測(cè)模型。聯(lián)合預(yù)測(cè)模型是運(yùn)用企業(yè)模型來(lái)模擬企業(yè)的運(yùn)作過程，動(dòng)態(tài)地描述財(cái)務(wù)正常企業(yè)和財(cái)務(wù)困境企業(yè)的特征，然后根據(jù)不同特征和判別規(guī)則，

8、對(duì)企業(yè)樣本進(jìn)行分類。這一模型運(yùn)作的關(guān)鍵是準(zhǔn)確模擬企業(yè)的運(yùn)作過程，因此，它要求有一個(gè)基本的理論框架，通過這一框架來(lái)有效模擬企業(yè)的運(yùn)作過程，從而能夠有效反映和識(shí)別不同企業(yè)的行為特征、財(cái)務(wù)特征，并據(jù)此區(qū)分企業(yè)樣本。現(xiàn)代金融工程模型20世紀(jì)80年代以來(lái)，受債務(wù)危機(jī)的影響，各國(guó)銀行普遍重視對(duì)信用風(fēng)險(xiǎn)的管理和防范，新一代金融工程專家利用工程化的思維和數(shù)學(xué)建模技術(shù)，在傳統(tǒng)信用風(fēng)險(xiǎn)度量的基礎(chǔ)上提出了一系列成功的信用風(fēng)險(xiǎn)量化模型。神經(jīng)網(wǎng)絡(luò)分析法。神經(jīng)網(wǎng)絡(luò)是從神經(jīng)心理學(xué)和認(rèn)識(shí)科學(xué)研究成果出發(fā)，應(yīng)用數(shù)學(xué)方法發(fā)展起來(lái)的一種并行分布模式處理系統(tǒng)，具有高度并行計(jì)算能力、自學(xué)能力和容錯(cuò)能力。神經(jīng)網(wǎng)絡(luò)方法克服了傳統(tǒng)分析過程的

9、復(fù)雜性及選擇適當(dāng)模型函數(shù)形式的困難，它是一種自然的非線性建模過程，無(wú)須分清存在何種非線性關(guān)系，給建模與分析帶來(lái)極大的方便。該方法用于企業(yè)財(cái)務(wù)狀況研究時(shí)，一方面利用其映射能力，另一方面主要利用其泛化能力，即在經(jīng)過一定數(shù)量的帶噪聲的樣本的訓(xùn)練之后，網(wǎng)絡(luò)可以抽取樣本所隱含的特征關(guān)系，并對(duì)新情況下的數(shù)據(jù)進(jìn)行內(nèi)插和外推以推斷其屬性。衍生工具信用風(fēng)險(xiǎn)的度量方法。20世紀(jì)80年代以來(lái)，作為一種有效的避險(xiǎn)工具，衍生工具因其在金融、投資、套期保值和利率行為中的巨大作用而獲得了飛速發(fā)展。然而，這些旨在規(guī)避市場(chǎng)風(fēng)險(xiǎn)應(yīng)運(yùn)而生的衍生工具又蘊(yùn)藏著新的信用風(fēng)險(xiǎn)。研究者相繼提出許多方法來(lái)度量衍生工具的信用風(fēng)險(xiǎn)，最具代表性的有

10、下列三種：一是風(fēng)險(xiǎn)敞口等值法，這種方法是以估測(cè)信用風(fēng)險(xiǎn)敞口價(jià)值為目標(biāo)，考慮了衍生工具的內(nèi)在價(jià)值和時(shí)間價(jià)值，并以特殊方法處理的風(fēng)險(xiǎn)系數(shù)建立了一系列REE計(jì)算模型。二是模擬法，這種計(jì)算機(jī)集約型的統(tǒng)計(jì)方法采用蒙特卡羅模擬過程，模擬影響衍生工具價(jià)值的關(guān)鍵隨機(jī)變量的可能路徑和交易過程中各時(shí)間點(diǎn)或到期時(shí)的衍生工具價(jià)值，最終經(jīng)過反復(fù)計(jì)算得出一個(gè)均值。三是敏感度分析法，就是利用這些比較值通過方案分析或應(yīng)用風(fēng)險(xiǎn)系數(shù)來(lái)估測(cè)衍生工具價(jià)值。(3)集中風(fēng)險(xiǎn)的評(píng)估系統(tǒng)。前述方法絕大多數(shù)是度量單項(xiàng)貸款或投資項(xiàng)目的信用風(fēng)險(xiǎn)，而很少注重信用集中風(fēng)險(xiǎn)的評(píng)估。信用集中風(fēng)險(xiǎn)是所有單一項(xiàng)目信用風(fēng)險(xiǎn)的總和。金融機(jī)構(gòu)和投資者采用貸款組合、

11、投資組合來(lái)達(dá)到分散和化解風(fēng)險(xiǎn)的目的。1997年，JP摩根推出的“信用計(jì)量法”和瑞士信貸金融產(chǎn)品的“信用風(fēng)險(xiǎn)法”，均可以用來(lái)評(píng)估信用風(fēng)險(xiǎn)敞口虧損分布以及計(jì)算用以彌補(bǔ)風(fēng)險(xiǎn)所需的資本?！靶庞糜?jì)量法”是以風(fēng)險(xiǎn)值為核心的動(dòng)態(tài)量化風(fēng)險(xiǎn)管理系統(tǒng)，它集計(jì)算機(jī)技術(shù)、計(jì)量經(jīng)濟(jì)學(xué)、統(tǒng)計(jì)學(xué)和管理工程系統(tǒng)知識(shí)于一體，從證券組合、貸款組合的角度，全方位衡量信用風(fēng)險(xiǎn)。該方法應(yīng)用的范圍比較廣，諸如證券、貸款、信用證、貸款承諾、衍生工具、應(yīng)收賬款等領(lǐng)域的信用風(fēng)險(xiǎn)都可用此方法進(jìn)行估測(cè)。“信用風(fēng)險(xiǎn)法”是在信用評(píng)級(jí)框架下，計(jì)算每一級(jí)別或分?jǐn)?shù)下的平均違約率及違約波動(dòng)，并將這些因素與風(fēng)險(xiǎn)敞口綜合考慮，從而算出虧損分布與所需資本預(yù)測(cè)數(shù)。二

12、、分析與評(píng)價(jià)1傳統(tǒng)信用風(fēng)險(xiǎn)評(píng)價(jià)方法的分析與評(píng)價(jià)傳統(tǒng)的信用評(píng)價(jià)方法必須根據(jù)經(jīng)濟(jì)環(huán)境和風(fēng)險(xiǎn)因素的變化不斷調(diào)整自己分析和調(diào)查的重點(diǎn)，才能做出準(zhǔn)確的決策。雖然其有成熟的經(jīng)驗(yàn)可資借鑒，但在實(shí)際估測(cè)某個(gè)企業(yè)的信用風(fēng)險(xiǎn)時(shí)，必須重新設(shè)定工作程序，而且企業(yè)信用調(diào)查與評(píng)價(jià)工作必須通過自己的實(shí)踐來(lái)積累經(jīng)驗(yàn)。一般認(rèn)為，傳統(tǒng)的信用評(píng)價(jià)方法突出的問題是：風(fēng)險(xiǎn)因素的評(píng)價(jià)是定性的，主觀性的分析有時(shí)不令人信服。比如“沃爾比重評(píng)分法”在理論上存在一定的缺陷：至今未能證明為什么要選擇這7個(gè)指標(biāo)，而不是更多或更少些，或者選擇別的財(cái)務(wù)比率，以及未能證明每個(gè)指標(biāo)所占比重的合理性。從技術(shù)上看，當(dāng)某一個(gè)指標(biāo)嚴(yán)重異常時(shí)，“沃爾比重評(píng)分法”會(huì)對(duì)

13、總評(píng)分值產(chǎn)生不合邏輯的重大影響。盡管沃爾的方法在理論上還有待證明，在技術(shù)上也不完善，但它還是在實(shí)踐中被應(yīng)用。2多變量信用風(fēng)險(xiǎn)判別模型的分析與評(píng)價(jià)多變量信用風(fēng)險(xiǎn)判別模型幾種模型的優(yōu)缺點(diǎn)主要體現(xiàn)在以下幾個(gè)方面：(1)Z-Score模型具有較高的判別精度，但存在著幾處不足：一是該模型要求的工作量比較大。二是在前一年的預(yù)測(cè)中，Z-Score模型的預(yù)測(cè)精度比較高，但在前兩年、前三年的預(yù)測(cè)中，其預(yù)測(cè)精度都大幅下降，甚至低于一元判別模型。三是Z-Score模型有一個(gè)很嚴(yán)格的假設(shè)，即假定自變量是呈正態(tài)分布的，兩組樣本要求等協(xié)方差，而現(xiàn)實(shí)中的樣本數(shù)據(jù)往往并不能滿足這一要求。Logit模型的最大優(yōu)點(diǎn)是，不需要嚴(yán)格

14、的假設(shè)條件，克服了線性方程受統(tǒng)計(jì)假設(shè)約束的局限性，具有了更廣泛的適用范圍。目前這種模型的使用較為普遍，但其計(jì)算過程比較復(fù)雜，而且在計(jì)算過程中有很多的近似處理，這不可避免地會(huì)影響到預(yù)測(cè)精度。Probit模型和Logit模型的思路很相似，都采用極大化似然函數(shù)，但在具體的計(jì)算方法和假設(shè)前提上又有一定的差異，主要體現(xiàn)在三個(gè)方面：一是假設(shè)前提不同，Logit不需要嚴(yán)格的假設(shè)條件，而Probit則假設(shè)企業(yè)樣本服從標(biāo)準(zhǔn)正態(tài)分布，其概率函數(shù)的P分位數(shù)可以用財(cái)務(wù)指標(biāo)線性解釋。二是參數(shù)a、b的求解方法不同，Logit采用線性回歸方法求解，而Probit采用極大似然函數(shù)求極值的方法求解。三是求破產(chǎn)概率的方法不同，L

15、ogit采用取對(duì)數(shù)方法，而Probit采用積分的方法。(4)與其他多變量信用風(fēng)險(xiǎn)判別模型相比，聯(lián)合預(yù)測(cè)模型克服了其他模型只運(yùn)用財(cái)務(wù)指標(biāo)的片面性，能夠動(dòng)態(tài)模擬和反映企業(yè)的綜合情況，但其仍存在著操作性較差的缺陷。3現(xiàn)代金融工程模型的分析與評(píng)價(jià)現(xiàn)代金融工程模型的幾種信用風(fēng)險(xiǎn)度量模型的優(yōu)缺點(diǎn)主要是：(1)神經(jīng)網(wǎng)絡(luò)分析方法應(yīng)用于信用風(fēng)險(xiǎn)評(píng)估的優(yōu)點(diǎn)在于其無(wú)嚴(yán)格的假設(shè)限制，且具有處理非線性問題的能力。它能有效解決非正態(tài)分布、非線性的信用評(píng)估問題，其結(jié)果介于0與1之間，在信用風(fēng)險(xiǎn)的衡量下，即為違約概率。神經(jīng)網(wǎng)絡(luò)法的最大缺點(diǎn)是其工作的隨機(jī)性較強(qiáng)。因?yàn)橐玫揭粋€(gè)較好的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，需要人為地去調(diào)試，非常耗費(fèi)人力與

16、時(shí)間，因此，使該模型的應(yīng)用受到了限制。Altman(1995)在對(duì)神經(jīng)網(wǎng)絡(luò)法和判別分析法的比較研究中得出結(jié)論認(rèn)為，神經(jīng)網(wǎng)絡(luò)分析方法在信用風(fēng)險(xiǎn)識(shí)別和預(yù)測(cè)中的應(yīng)用，并沒有實(shí)質(zhì)性的優(yōu)于線性判別模型。(2)衍生工具信用風(fēng)險(xiǎn)模型的優(yōu)點(diǎn)是具有較強(qiáng)的嚴(yán)謹(jǐn)性，該模型力圖以數(shù)量化的、嚴(yán)謹(jǐn)?shù)倪壿嬜R(shí)別信用風(fēng)險(xiǎn)。從缺點(diǎn)和不足來(lái)看，衍生工具信用風(fēng)險(xiǎn)模型的嚴(yán)密的前提假設(shè)(當(dāng)一個(gè)變量發(fā)生改變，則原有的結(jié)論需要全部推翻重新進(jìn)行論證)限制了它的使用范圍。而且從大量的實(shí)證研究結(jié)果來(lái)看，衍生工具信用風(fēng)險(xiǎn)模型沒有得到足夠的支持。例如Duffie(1999)發(fā)現(xiàn)簡(jiǎn)約模型無(wú)法解釋觀測(cè)到的不同信用等級(jí)橫截面之間的信用差期限結(jié)構(gòu)。衍生工具信

17、用風(fēng)險(xiǎn)模型雖然是最新的科學(xué)化方法，但其要發(fā)揮作用，還必須與金融風(fēng)險(xiǎn)管理的理念和主觀判斷結(jié)合起來(lái)。集中風(fēng)險(xiǎn)評(píng)估系統(tǒng)的目的是綜合反映評(píng)價(jià)對(duì)象的風(fēng)險(xiǎn)，更接近于風(fēng)險(xiǎn)分析的本源目的，但過多的變量因素又使其陷入浩繁的考察與計(jì)量之中，過于繁密的信息造成“噪音”過大，這又使結(jié)論容易發(fā)生偏離。三、發(fā)展趨勢(shì)與我國(guó)的現(xiàn)狀.信用風(fēng)險(xiǎn)度量方法與模型的發(fā)展趨勢(shì)從目前國(guó)際金融與財(cái)務(wù)學(xué)界的主流觀點(diǎn)來(lái)看，信用風(fēng)險(xiǎn)度量方法與模型的未來(lái)發(fā)展趨勢(shì)主要包括以下幾個(gè)：對(duì)信用風(fēng)險(xiǎn)的度量從過去的定性分析轉(zhuǎn)化為定量分析。從指標(biāo)化形式向模型化形式的轉(zhuǎn)化，或二者的結(jié)合。信用風(fēng)險(xiǎn)度量模型涵蓋的因素和條件越來(lái)越全面：從對(duì)單個(gè)角度的分析向組合角度進(jìn)行分析、從賬面價(jià)值轉(zhuǎn)向市場(chǎng)價(jià)值、變量從離散向連續(xù)擴(kuò)展、從單個(gè)對(duì)象的微觀特征擴(kuò)散到經(jīng)濟(jì)環(huán)境、從單一的風(fēng)險(xiǎn)度量模式向多樣化的和個(gè)性化的風(fēng)險(xiǎn)度量模式轉(zhuǎn)化。(4)在理論上，信用風(fēng)險(xiǎn)度量方法與模型開始大量運(yùn)用現(xiàn)代金融理論的最新研究成果,比如期權(quán)定價(jià)理論、資本資產(chǎn)定價(jià)理論、資產(chǎn)組合理論等，并且汲取相關(guān)領(lǐng)域的最新研究成果，比如經(jīng)濟(jì)計(jì)量學(xué)方法、保險(xiǎn)精算方法、最優(yōu)化理論、仿真技術(shù)等。(5)信用風(fēng)險(xiǎn)度量方法與模型越來(lái)越需要現(xiàn)代計(jì)算機(jī)的大容量信息處理技術(shù)和網(wǎng)絡(luò)化技術(shù)。信用風(fēng)險(xiǎn)度量方法與模型在我國(guó)的現(xiàn)狀從信用風(fēng)險(xiǎn)度量方法和模型的改進(jìn)方向上