企業(yè)信用風(fēng)險(xiǎn)的評(píng)估方法淺述

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了企業(yè)信用風(fēng)險(xiǎn)的評(píng)估方法淺述范文，希望能給你帶來靈感和參考，敬請(qǐng)閱讀。

摘要：企業(yè)信用風(fēng)險(xiǎn)評(píng)估日益成為銀行規(guī)避風(fēng)險(xiǎn)的基礎(chǔ)和關(guān)鍵。本文通過梳理國內(nèi)外文獻(xiàn)，總結(jié)信用風(fēng)險(xiǎn)評(píng)估方法發(fā)展的不同階段，并列舉不同階段的相關(guān)代表模型，指出不同模型的優(yōu)缺點(diǎn)，為銀行開展企業(yè)信用風(fēng)險(xiǎn)評(píng)估提供依據(jù)。

關(guān)鍵詞：信用風(fēng)險(xiǎn)評(píng)估；模型；違約風(fēng)險(xiǎn)

引言

信用風(fēng)險(xiǎn)亦稱作違約風(fēng)險(xiǎn)，是指以企業(yè)為主的借款人或者交易對(duì)方由于主、客觀原因不能或者不愿履行合同，使銀行等投資者出現(xiàn)損失的可能性。企業(yè)信用風(fēng)險(xiǎn)評(píng)估，是通過對(duì)能夠體現(xiàn)企業(yè)信用風(fēng)險(xiǎn)的定性、定量指標(biāo)進(jìn)行分析、計(jì)算，得出作為借款人的企業(yè)最終發(fā)生違約可能性，作為銀行決定是否為其貸款的依據(jù)。因此，信用風(fēng)險(xiǎn)評(píng)估逐漸成為銀行規(guī)避風(fēng)險(xiǎn)的基礎(chǔ)和關(guān)鍵，信用風(fēng)險(xiǎn)評(píng)估的方法也不斷豐富和發(fā)展。

一、信用風(fēng)險(xiǎn)評(píng)估方法綜述

國內(nèi)外信用風(fēng)險(xiǎn)評(píng)估的方法前后大致可以分為主觀定性分析方法、依賴財(cái)務(wù)數(shù)據(jù)的信用評(píng)分方法和信用風(fēng)險(xiǎn)量化管理模型以及結(jié)合了數(shù)據(jù)挖掘技術(shù)的信用風(fēng)險(xiǎn)評(píng)估模型等不同方法。

（一）主觀定性分析方法

主觀定性分析方法是早期信用風(fēng)險(xiǎn)評(píng)估的主要方法，這種方法的應(yīng)用主要取決于專家的主觀判斷。因素分析法是主觀分析方法的典型代表，主要包括5C法、5P法和5W法等。但是該主觀性極強(qiáng)的評(píng)估方法判斷結(jié)果因人而異，可信度不高。

（二）依賴于財(cái)務(wù)數(shù)據(jù)的信用評(píng)分方法

該階段主要代表方法有多元判別模型、logit模型和probit模型。Altman（1968）利用美國破產(chǎn)企業(yè)和非破產(chǎn)企業(yè)不同特征的財(cái)務(wù)指標(biāo)構(gòu)建了用以判別企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的判別函數(shù)，較早地使用多元判別模型評(píng)估企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)。并在此基礎(chǔ)上不斷完善，構(gòu)建了Zate信用評(píng)分模型。而線性判別技術(shù)對(duì)其使用的數(shù)據(jù)要求嚴(yán)格，即要求其滿足協(xié)方差矩陣相等、服從嚴(yán)格正態(tài)分布等，使其實(shí)際應(yīng)用也受到限制。Logit模型是建立在logistic函數(shù)模型上的信用風(fēng)險(xiǎn)評(píng)估模型，最早由Ohlson（1981）提出。通過對(duì)破產(chǎn)企業(yè)和非破產(chǎn)企業(yè)的調(diào)查，使用logit模型評(píng)估企業(yè)實(shí)際發(fā)生違約的可能性大小，并發(fā)現(xiàn)其評(píng)估結(jié)果較多元判別模型更為準(zhǔn)確。Probit模型與logit模型原理相似，可視為后者的擴(kuò)展。但同logit模型一樣，probit模型對(duì)數(shù)據(jù)的需求量大，數(shù)據(jù)需服從嚴(yán)格正態(tài)分布的要求也使這兩種模型的應(yīng)用受限。

（三）信用風(fēng)險(xiǎn)量化管理模型

這類評(píng)估方法以KMV模型、Credit-metrics模型及CreditRisk+模型為代表。KMV模型是由美國KMV公司提出并以其公司名稱命名，建立在公司債務(wù)定價(jià)模型和期權(quán)定價(jià)模型基礎(chǔ)上監(jiān)測上市公司信用風(fēng)險(xiǎn)的模型。KurbatM.（2002）、PeterCrodbie（2003）利用該模型分別預(yù)測較大樣本量的上市公司和金融企業(yè)的違約可能，均驗(yàn)證了KMV模型的預(yù)測能力。但該模型的應(yīng)用需要大量的公開市場信息，因此僅在上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測上取得一定成果。Credit-metrics模型由KMV公司和J.P.摩根銀行共同提出，通過風(fēng)險(xiǎn)矩陣計(jì)算資產(chǎn)組的在險(xiǎn)價(jià)值并結(jié)合相應(yīng)的銀行評(píng)級(jí)資料計(jì)算目標(biāo)企業(yè)的信用風(fēng)險(xiǎn)。該模型的效果在DJones（1999）的研究中得到了肯定。然而企業(yè)的長期信用評(píng)級(jí)數(shù)據(jù)缺失與否，是影響該模型發(fā)揮作用的關(guān)鍵。由瑞士第一波士頓銀行提出的CreditRisk+模型是建立在Panjer這一保險(xiǎn)精算遞推算法上的信用風(fēng)險(xiǎn)計(jì)算模型。該模型的應(yīng)用重點(diǎn)在于對(duì)算法本身的提升，其模型計(jì)算的準(zhǔn)確性也受算法本身正確與否的影響，而這一點(diǎn)也在IyerD.（2005）的研究中得以證實(shí)。但是梁世棟（2002）在研究中發(fā)現(xiàn)，以上三種信用風(fēng)險(xiǎn)量化管理模型在當(dāng)前環(huán)境下，僅適用于美國本土企業(yè)，而在對(duì)我國企業(yè)信用風(fēng)險(xiǎn)的評(píng)估中效果不及預(yù)期。

二、文獻(xiàn)述評(píng)及總結(jié)

文獻(xiàn)梳理發(fā)現(xiàn)，信用風(fēng)險(xiǎn)的評(píng)估方法逐漸由主觀定性判斷轉(zhuǎn)向以定性、定量指標(biāo)相結(jié)合的依賴信息技術(shù)的綜合分析方法。不同評(píng)估方法的出現(xiàn)與完善為商業(yè)銀行對(duì)企業(yè)信用風(fēng)險(xiǎn)的評(píng)估提供了更為科學(xué)與便捷的路徑。但不可忽視每一種方法具體的應(yīng)用環(huán)境與實(shí)施基礎(chǔ)。因此，商業(yè)銀行應(yīng)“因時(shí)、因地制宜”得采用適當(dāng)方法評(píng)估企業(yè)信用風(fēng)險(xiǎn)，以達(dá)到規(guī)避風(fēng)險(xiǎn)的目的。

參考文獻(xiàn)：

[1]Altman.E.I.Financial.ratios,.discriminant.analysis.and.the.prediction.of.corporate.bankruptcy[J].Journal.of.Finance,.1968,23(1):193-194.

[2]Ohlson.J.A..Financial.Ratios.and.the.Probabilistic.Prediction.of.Bankruptcy[J].Journal.of.Accounting.Research,.1981,18，(1):109-131.

[3]李云飛,惠曉峰.基于支持向量機(jī)的股票投資價(jià)值分類模型研究[J].中國軟科學(xué),2008，(01):135-140..

[4]李揚(yáng),李竟翔,馬雙鴿.不平衡數(shù)據(jù)的企業(yè)財(cái)務(wù)預(yù)警模型研究[J].數(shù)理統(tǒng)計(jì)與管理,.2016,(1):15.

[5]梁世棟,郭仌,李勇,方兆本.信用風(fēng)險(xiǎn)模型比較分析[J].中國管理科學(xué),2002,(01):18-23.

作者:孟杰 單位:天津財(cái)經(jīng)大學(xué)