企业信用风险的评估方法浅述

前言：想要写出一篇引人入胜的文章？我们特意为您整理了企业信用风险的评估方法浅述范文，希望能给你带来灵感和参考，敬请阅读。

摘要：企业信用风险评估日益成为银行规避风险的基础和关键。本文通过梳理国内外文献，总结信用风险评估方法发展的不同阶段，并列举不同阶段的相关代表模型，指出不同模型的优缺点，为银行开展企业信用风险评估提供依据。

关键词：信用风险评估；模型；违约风险

引言

信用风险亦称作违约风险，是指以企业为主的借款人或者交易对方由于主、客观原因不能或者不愿履行合同，使银行等投资者出现损失的可能性。企业信用风险评估，是通过对能够体现企业信用风险的定性、定量指标进行分析、计算，得出作为借款人的企业最终发生违约可能性，作为银行决定是否为其贷款的依据。因此，信用风险评估逐渐成为银行规避风险的基础和关键，信用风险评估的方法也不断丰富和发展。

一、信用风险评估方法综述

国内外信用风险评估的方法前后大致可以分为主观定性分析方法、依赖财务数据的信用评分方法和信用风险量化管理模型以及结合了数据挖掘技术的信用风险评估模型等不同方法。

（一）主观定性分析方法

主观定性分析方法是早期信用风险评估的主要方法，这种方法的应用主要取决于专家的主观判断。因素分析法是主观分析方法的典型代表，主要包括5C法、5P法和5W法等。但是该主观性极强的评估方法判断结果因人而异，可信度不高。

（二）依赖于财务数据的信用评分方法

该阶段主要代表方法有多元判别模型、logit模型和probit模型。Altman（1968）利用美国破产企业和非破产企业不同特征的财务指标构建了用以判别企业财务风险的判别函数，较早地使用多元判别模型评估企业财务风险。并在此基础上不断完善，构建了Zate信用评分模型。而线性判别技术对其使用的数据要求严格，即要求其满足协方差矩阵相等、服从严格正态分布等，使其实际应用也受到限制。Logit模型是建立在logistic函数模型上的信用风险评估模型，最早由Ohlson（1981）提出。通过对破产企业和非破产企业的调查，使用logit模型评估企业实际发生违约的可能性大小，并发现其评估结果较多元判别模型更为准确。Probit模型与logit模型原理相似，可视为后者的扩展。但同logit模型一样，probit模型对数据的需求量大，数据需服从严格正态分布的要求也使这两种模型的应用受限。

（三）信用风险量化管理模型

这类评估方法以KMV模型、Credit-metrics模型及CreditRisk+模型为代表。KMV模型是由美国KMV公司提出并以其公司名称命名，建立在公司债务定价模型和期权定价模型基础上监测上市公司信用风险的模型。KurbatM.（2002）、PeterCrodbie（2003）利用该模型分别预测较大样本量的上市公司和金融企业的违约可能，均验证了KMV模型的预测能力。但该模型的应用需要大量的公开市场信息，因此仅在上市公司财务风险预测上取得一定成果。Credit-metrics模型由KMV公司和J.P.摩根银行共同提出，通过风险矩阵计算资产组的在险价值并结合相应的银行评级资料计算目标企业的信用风险。该模型的效果在DJones（1999）的研究中得到了肯定。然而企业的长期信用评级数据缺失与否，是影响该模型发挥作用的关键。由瑞士第一波士顿银行提出的CreditRisk+模型是建立在Panjer这一保险精算递推算法上的信用风险计算模型。该模型的应用重点在于对算法本身的提升，其模型计算的准确性也受算法本身正确与否的影响，而这一点也在IyerD.（2005）的研究中得以证实。但是梁世栋（2002）在研究中发现，以上三种信用风险量化管理模型在当前环境下，仅适用于美国本土企业，而在对我国企业信用风险的评估中效果不及预期。

二、文献述评及总结

文献梳理发现，信用风险的评估方法逐渐由主观定性判断转向以定性、定量指标相结合的依赖信息技术的综合分析方法。不同评估方法的出现与完善为商业银行对企业信用风险的评估提供了更为科学与便捷的路径。但不可忽视每一种方法具体的应用环境与实施基础。因此，商业银行应“因时、因地制宜”得采用适当方法评估企业信用风险，以达到规避风险的目的。

参考文献：

[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]李云飞,惠晓峰.基于支持向量机的股票投资价值分类模型研究[J].中国软科学,2008，(01):135-140..

[4]李扬,李竟翔,马双鸽.不平衡数据的企业财务预警模型研究[J].数理统计与管理,.2016,(1):15.

[5]梁世栋,郭仌,李勇,方兆本.信用风险模型比较分析[J].中国管理科学,2002,(01):18-23.

作者:孟杰 单位:天津财经大学