如何建立有效的銀行內(nèi)部信用評(píng)級(jí)系統(tǒng)(編輯修改稿)
2025-06-23 23:57 本頁面
【文章內(nèi)容簡(jiǎn)介】 級(jí)方法在銀行內(nèi)部信用評(píng)級(jí)系統(tǒng)中，科學(xué)合理的評(píng)級(jí)方法至關(guān)重要，因?yàn)樗苯拥玫皆u(píng)級(jí)的結(jié)果，并且在很大程度上決定評(píng)級(jí)結(jié)果的有效性。信用評(píng)級(jí)的目的是使得到的各信用級(jí)別能有效的甄別和反映信用風(fēng)險(xiǎn)，以此作為銀行信用風(fēng)險(xiǎn)管理的基礎(chǔ)。知道了某一客戶的信用級(jí)別，就能知道其違約可能性的大小和發(fā)生違約后的損失程度。信用評(píng)級(jí)的方法就是如何由各種信息來確定信用級(jí)別的手段。銀行用來評(píng)定債務(wù)人信用狀況的信息主要有如下三個(gè)方面：第一，財(cái)務(wù)報(bào)表以及其它可以定量化的某些管理方面的信息；第二，對(duì)于上市公司而言可以利用其公開發(fā)行的股票和債券的市場(chǎng)價(jià)格信息；第三，客戶經(jīng)理（信貸員）通過對(duì)企業(yè)的深入了解、基于自己的經(jīng)驗(yàn)對(duì)企業(yè)的信用狀況做出的評(píng)價(jià)。由于前面兩種信息是可以定量化的，通過對(duì)這些信息進(jìn)行統(tǒng)計(jì)和經(jīng)濟(jì)理論上的分析，可以建立如下兩大類模型，作為對(duì)企業(yè)信用評(píng)級(jí)的標(biāo)準(zhǔn)。(1) 基于財(cái)務(wù)指標(biāo)的模型財(cái)務(wù)指標(biāo)表示企業(yè)過去的經(jīng)營(yíng)信息，是傳統(tǒng)上進(jìn)行企業(yè)信用分析的基礎(chǔ)。Altman1968年開拓性地利用多元統(tǒng)計(jì)上的判別分析（Discriminant Analysis）建立了財(cái)務(wù)比例和企業(yè)違約率之間的關(guān)系——Zscore模型[1]。在這以后學(xué)術(shù)界和實(shí)業(yè)界在Altman工作的基礎(chǔ)上建立了很多統(tǒng)計(jì)模型，如Altman自己對(duì)Zscore的修正Zeta模型、Moody的RiskCalc、Samp。P的基于神經(jīng)元網(wǎng)絡(luò)分析的RiskModel等等?；谪?cái)務(wù)指標(biāo)的模型雖然很多，但是基本思想都是先選擇對(duì)違約率最有解釋性的財(cái)務(wù)比例，然后通過統(tǒng)計(jì)分析建立這些指標(biāo)和違約率的關(guān)系。我們認(rèn)為，建立一個(gè)基于財(cái)務(wù)指標(biāo)的模型必須經(jīng)過如下三步。第一步、指標(biāo)篩選。根據(jù)Moody的實(shí)證研究[3]，對(duì)于基于財(cái)務(wù)指標(biāo)的違約率模型而言指標(biāo)的選取甚至比模型的形式更為重要，事實(shí)上Altman的Zscore模型的核心也就在于找出一組財(cái)務(wù)變量，使得組與組（破產(chǎn)企業(yè)和非破產(chǎn)企業(yè)）之間的方差最大而組內(nèi)的方差最小（多元統(tǒng)計(jì)上的Fisher判別法則）。Moody提供了如下直觀的選取法則，先將私有企業(yè)的財(cái)務(wù)指標(biāo)分為贏利能力、財(cái)務(wù)杠桿、經(jīng)營(yíng)效率等8類，在每一類里挑選對(duì)違約最有解釋力的財(cái)務(wù)指標(biāo)。對(duì)于如何選取這些財(cái)務(wù)指標(biāo)，穆迪給出了兩個(gè)主要的指導(dǎo)性原則：（1）條件單調(diào)性。單調(diào)性指對(duì)違約率有較好解釋力的財(cái)務(wù)指標(biāo)應(yīng)是那些在其變動(dòng)范圍內(nèi)與對(duì)應(yīng)的違約率始終保持單調(diào)，或單調(diào)上升，或單調(diào)下降。條件性指與違約率單調(diào)關(guān)系的獨(dú)立性，這種單調(diào)性不受其他因素影響。（2）陡峭性。陡峭性指財(cái)務(wù)指標(biāo)與對(duì)應(yīng)的違約率的關(guān)系圖形越陡峭越好。如果違約率隨著某一財(cái)務(wù)指標(biāo)的變化而迅速變化，則這個(gè)財(cái)務(wù)指標(biāo)的解釋力越強(qiáng)。第二步，建立財(cái)務(wù)比例與違約率的模型。正如Moody所指出的“財(cái)務(wù)指標(biāo)與企業(yè)違約的概率就像駕車時(shí)車速與發(fā)生車禍的概率的關(guān)系，它們是非線性的緊密聯(lián)系在一起?！蹦Ｐ偷娜蝿?wù)就在于逼近和刻畫這種非線性。常用模型形式有Altaman的多元判別分析模型（Multivariate Discriminant Analysis）、Logit模型、Probit模型等。上述這些經(jīng)典的統(tǒng)計(jì)模型是在多元正態(tài)假設(shè)下建立的，而財(cái)務(wù)比例通常并不服從多元正態(tài)假設(shè)，很多文獻(xiàn)嘗試?yán)闷渌慕y(tǒng)計(jì)方法建立模型。如Moody的RiskCalc嘗試引用非參數(shù)統(tǒng)計(jì)方法，Samp。P的RiskModel利用神經(jīng)網(wǎng)絡(luò)的方法等。第三步，實(shí)證檢驗(yàn)。因?yàn)榻⒛Ｐ偷哪康脑谟陬A(yù)測(cè)債務(wù)人的違約率，而建立在統(tǒng)計(jì)分析上的數(shù)據(jù)驅(qū)動(dòng)模型很容易產(chǎn)生過度擬合的缺點(diǎn)，因此對(duì)于模型應(yīng)該進(jìn)行樣本外的檢驗(yàn)和參數(shù)調(diào)整以保證其具有預(yù)測(cè)性。(2) 基于市場(chǎng)信息的模型基于市場(chǎng)信息模型的優(yōu)勢(shì)在于市場(chǎng)價(jià)格為前瞻性（forward looking）的，市場(chǎng)信息能及時(shí)調(diào)整，從而能更快地反映債務(wù)人的信用狀況變化，而且有經(jīng)濟(jì)理論上的解釋和支持，對(duì)歷史數(shù)據(jù)的依賴不像基于財(cái)務(wù)比例的統(tǒng)計(jì)模型那么強(qiáng)?；谑袌?chǎng)信息的違約率模型的理論基礎(chǔ)是Merton的資產(chǎn)價(jià)值模型，這個(gè)模型的基本思想是：認(rèn)為企業(yè)的股票是企業(yè)資產(chǎn)所有權(quán)的期權(quán)，執(zhí)行日是債務(wù)的到期日，當(dāng)資產(chǎn)價(jià)值大于債務(wù)價(jià)值時(shí)執(zhí)行期權(quán)，繼續(xù)擁有企業(yè)，否則讓債務(wù)人擁有企業(yè)。KMV公司提出的模型是最為廣泛應(yīng)用的基于市場(chǎng)信息的模型。其基本思想是假設(shè)企業(yè)的資本結(jié)構(gòu)僅由股票，短期債務(wù)（視為現(xiàn)金），長(zhǎng)期債務(wù)（視為永久的優(yōu)先可轉(zhuǎn)換債券），則企業(yè)股票的價(jià)格，波動(dòng)率和企業(yè)資產(chǎn)的實(shí)際價(jià)值及其波動(dòng)率、之間可以得到有解析表達(dá)式的函數(shù)[4]：=；= （1）其中為企業(yè)的財(cái)務(wù)杠桿比例、為企業(yè)的長(zhǎng)期債券支付的利息（coupon）、r為無風(fēng)險(xiǎn)利率，因?yàn)?、是可以由企業(yè)股票的市場(chǎng)信息得到，有上式可以得到企業(yè)資產(chǎn)的實(shí)際價(jià)值和波動(dòng)率、。KMV是用如下的DD（Distance to default）點(diǎn)
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1