信用評(píng)分模型

1、信用評(píng)分模型信用評(píng)分模型（Credit Scoring Models :目錄隱藏11什么是信用評(píng)分模型12信用評(píng)分模型的種類3信用評(píng)分模型的運(yùn)用過(guò) 程4信用評(píng)分模型隱含的假 設(shè)5信用評(píng)分模型存在的問(wèn) 題6參考文獻(xiàn)編輯什么是信用評(píng)分模型1信用評(píng)分模型是一種傳統(tǒng)的信用風(fēng)險(xiǎn)量化模型，利用可觀察到的借款人特征變量計(jì)算出一個(gè)數(shù)值(得分) 來(lái)代表債務(wù)人的信用風(fēng)險(xiǎn)，并將借款人歸類于不同的風(fēng)險(xiǎn)等級(jí)。對(duì)個(gè)人客戶而言，可觀察到的特征變量主要包括收入、資產(chǎn)、年齡、職業(yè)以及居住地等；對(duì)法人客戶 而言，包括現(xiàn)金流量、財(cái)務(wù)比率等。編輯信用評(píng)分模型的種類信用評(píng)分模型的關(guān)鍵在于特征變量的選擇和各自權(quán)重的確定。目前，應(yīng)用最廣泛

2、的信用評(píng)分模型有：,線性概率模型(Linear Probability Model)Logit模型Probit模型線性辨別模型(Linear Discriminant Model)信用評(píng)分模型的運(yùn)用過(guò)程運(yùn)用信用評(píng)分模型進(jìn)行信用風(fēng)險(xiǎn)分析的基本過(guò)程是：首先，根據(jù)經(jīng)驗(yàn)或相關(guān)性分析，確定某一類別借款人的信用風(fēng)險(xiǎn)主要與哪些經(jīng)濟(jì)或財(cái)務(wù)因素有關(guān)， 模擬出特定形式的函數(shù)關(guān)系式;其次，根據(jù)歷史數(shù)據(jù)進(jìn)行回歸涵，得出各相關(guān)因素的權(quán)重以體現(xiàn)其對(duì)這一類借款人違約的影響程 度；最后，將屬于此類別的潛在借款人的相關(guān)因素?cái)?shù)值代入函數(shù)關(guān)系式計(jì)算出一個(gè)數(shù)值，根據(jù)該數(shù)值的 大小征量潛在借款人的信用風(fēng)險(xiǎn)水平，給予借款人相應(yīng)評(píng)級(jí)并決定

3、貨款與否。信用評(píng)分模型隱含的假設(shè)信用評(píng)分模型隱含的一個(gè)假設(shè)是：存在著一種測(cè)度能將良好信用及較差信用的評(píng)價(jià)對(duì)象區(qū)分成不同的兩種分布。當(dāng)然在這兩個(gè)分布之間 可能有一些重疊，即所謂的灰色地帶。有些信用評(píng)分專注于對(duì)這個(gè)灰色地帶的信用消費(fèi)者群體進(jìn)行細(xì)分。這是由于在激烈的市場(chǎng)競(jìng)爭(zhēng)下，信 用評(píng)分極低的信用申請(qǐng)者早已被排除，而信用評(píng)分極高的也早已被各個(gè)授信機(jī)構(gòu)競(jìng)相爭(zhēng)奪，信用需求已得 到滿足，各種信用供給者需要從獲得中等評(píng)分的潛在客戶群體中挑選合適的授信目標(biāo)，因而對(duì)中間地帶的 信用消費(fèi)者進(jìn)行細(xì)分的評(píng)分模型是十分必要的。進(jìn)行近乎連續(xù)的細(xì)致地信用評(píng)分不能僅僅依靠消費(fèi)者償債、公共記錄、專業(yè)和雇用記錄來(lái)簡(jiǎn)單的排除 有明

4、顯不良記錄者，而更需要在此基礎(chǔ)上，進(jìn)一步詳細(xì)地分析消費(fèi)者的消費(fèi)行為，包括所屬的消費(fèi)者群體 年齡段、醐規(guī)律、偏好、習(xí)慣等，一個(gè)科學(xué)的信用評(píng)分模型需要建立在對(duì)消費(fèi)者群體的長(zhǎng)期或階段性跟 蹤、區(qū)域調(diào)查和大量的數(shù)理統(tǒng)計(jì)分析的基礎(chǔ)上。AveIy（2000）等就曾指出，區(qū)域經(jīng)濟(jì)狀況及所處的經(jīng)濟(jì)周期 是影響償債的重要因素，但現(xiàn)有的信用評(píng)分模型大多忽略了這一因素。編輯信用評(píng)分模型存在的問(wèn)題盡管信用評(píng)分模型是商業(yè)銀行分析借款人信用風(fēng)險(xiǎn)的主要方法之一，但在使用過(guò)程中同樣存在一些突 出問(wèn)題：信用評(píng)分模型是建立在對(duì)歷史數(shù)據(jù)（而非當(dāng)前市場(chǎng)數(shù)據(jù)）模擬的基礎(chǔ)上，因此是一種向后看的模型。 由于歷史數(shù)據(jù)更新速度比較慢，因此回歸

5、方程中各特征變量的權(quán)重在一定時(shí)間內(nèi)保持不變，從而無(wú)法及時(shí) 反映公司信用狀況的變化。信用評(píng)分模型對(duì)借款人歷史數(shù)據(jù)的要求相當(dāng)高，商業(yè)銀行需要相當(dāng)長(zhǎng)的時(shí)間才能建立起一個(gè)包括大 多數(shù)公司歷史數(shù)據(jù)的數(shù)據(jù)庫(kù)。此外，對(duì)新興公司而言。由于其成立時(shí)間不長(zhǎng)，歷史數(shù)據(jù)則更為有限，這使 得信用評(píng)分模型的適用性和有效性受到影D向。信用評(píng)分模型雖然可以給出客戶信用風(fēng)險(xiǎn)水平的分?jǐn)?shù)，卻無(wú)法提供客戶違約概率的準(zhǔn)確數(shù)值，而后 者往注是信用風(fēng)險(xiǎn)管理最為關(guān)注的?，F(xiàn)代金融工程模型的概述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

6、基礎(chǔ)上提出了一系列成功的信用風(fēng)險(xiǎn) 量化模型。（1）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(guò)程的復(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(guò)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(guò)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。（2）衍生工具信用風(fēng)險(xiǎn)的度量方法

7、。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(guò)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(guò)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(guò)反復(fù)計(jì)算得出一個(gè)均值。

8、三是敏感度分析法，就是 利用這些比較值通過(guò)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 投資組合來(lái)達(dá)到分散和化解風(fēng)險(xiǎn)的目的。1997年，J.P.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

9、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)?！靶庞蔑L(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)。編輯現(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(wèn) 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(wèn)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)

10、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)人力與時(shí)間，因此，使該模型的應(yīng)用受到了限制。愛(ài)德華阿爾特曼博士 （Edward I.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(méi)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(méi)有得到足夠的支持。例如達(dá)菲辛格頓（Duffie Singleton）（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