（管理科学与工程专业论文）影响图在公司信用风险评估中的应用研究.pdf

摘要 本文研究的是公司信用风险评估问题。公司信用风险涉及到多方信用行 为，具有明显的“多米诺”效应。开发和应用信用风险评估模型，对信用评估 机构和信用信息使用者都具有重要意义。传统的单变量和多变量模型的构建过 程与变量选择仍存在许多问题，而机构的信用评级由于主观性太强以及“黑睁 子”问题也使其发展速度缓慢。如果在模型中可以综合考虑影响公司信用风险 定性、定量因素，并能清晰的反映这些因素阳_ i 的因果关系及关系中的不确定性， 将会使得该建模工具更为理想，也更具有实用性。 影响图是一种可用来表征和求解不确定性问题，综合反映定性、定量知识 的概率网络。而不确定慢信用风险评估中的一个本质特征，也是信用专家在进 行公司信用评级时所面临的主要问题。影响图的图形结构能相对透明的反映出 影响公司信用风险各定性、定量因素间因果逻辑关系。并且能比较方便的根据 新信息调整模型的网络结构。此外，在部分数据缺失的情况下，影响图也能进 行较好的推理。这些特征使得影响图在公司信用风险评估上具有很好的应用前 景。 构建评估公司信用风险的影响图模型从图形结构和数据结构两个层次考 虑，采用目标定向方法逐步展开。在分析机构评级一般程序后，阐述了评估公 司信用风险的影响图模型的构建过程。之后利用国外较完善的样本数据对模型 的评估表现进行检验，针对并不理想的评估结果，对主要变量进行了敏感性分 析，并从三个方面对模型进行修正。再次的检验结果表明模型的评估效果有了 很大的提高。文章最后以国内8 家被评级公司数据样本进行实证分析，结果反 映所构建的模型在部分数据缺失的情况下也具有较好的评估表现。 公司信用风险的影响因素复杂多变，而且中国信用信息系统的不完善也使 得风险评估模型的构建与完善十分困难。论文的初步探索揭示了影响图在评估 公司信用风险中广阔的应用前景，对促进我国信用风险评估行业的发展具有重 大的实践意义。 关键词：影响图，信用风险，目标定向，概率推理，信用评级 a b s t r a c t t h i sp a p e rh a ss t u d i e dt h ea s s e s s m e n to f c o r p o r a t ec r e d i tr i s k ，w h i c hr e s u l t si na “d o m i n oe f f e c t a n di nw h i c hm a n yp e o p l ea r ei n v o l v e d i ti s v e r yi m p o r t a n t f o r c r e d i ta s s e s s m e n ta g e n c i e sa n du s e r st o d e v e l o pa n da p p l yt h o s er i s k a s s e s s m e n t m o d e l s t h et r a d i f i o n a lu n i v a r i a t ea n dm u l t i v a r i a t em o d e l sh a v ean u m b e ro f s h o r t c o m i n g sa s s o c i a t e dw i t l lt h es t r u c t u r ep r o c e s sa n dt h ec h o o s i n go fv a r i a b l e s a g e n c i e sr a t i n gd e v e l o ps l o w l yf o rt h e i rh i 曲d e g r e e s o f s u b j e c t i v i t ya n d t h ep r o b l e m c a l l e d b l a c kb o x ”e m p l o y i n gt h o s eq u a l i t a t i v ea n dq u a n t i t a t i v ef a c t o r s a f f e c t i n g c o r p o r a t ec r e d i tr i s k ，a n dm o d e l i n gt h e i rr e l a t i o n sa n du n c e r t a i n t yo fs u c hr e l a t i o n s ， a p p e a r s t ob eam o r ei d e a la n d p r a c t i c a lm o d e l i n gt 0 0 1 i n f l u e n c ed i a g r a m s ( i d ) a r ep r o b a b i l i t yn e t w o r k sw h i c hc a nr e p r e s e n ta n d r e s o l v e u n c e r t a i n t y , a n d c a nd e s c r i b e q u a l i t a t i v e a n d q u a n t i t a t i v ek n o w l e d g e c o m p r e h e n s i v e l y u n c e r t a i n t yi s af e a t u r eo fc r e d i tr i s ka s s e s s m e n t ，a l s oi st h em a i n p r o b l e mb o t h e r i n gt h o s ec r e d i ta n a l y s t 、t h e i rg r a p h i c a l n a t u r eo f f e r sar e l a t i v e l y t r a n s p a r e n tr e p r e s e n t a t i o no f c a s u a lr e l a t i o n sa m o n gt h o s ef a c t o r sa f f e c t i n gc o r p o r a t e c r e d i tr i s k ，a n da l l o w sa d j u s t i n gt h e i rn e t w o r ke x p e d i e n t l y b e s i d e s ，t h e yc a nw o r k n a t u r a l l yw i t hm i s s i n gd a t a a l lt h e s ec h a r a c t e r i s t i c sm a k e1 dag r e a tf o r e g r o u n di n c o r p o r a t ec r e d i tr i s ka s s e s s m e n t ac o r p o r a t ec r e d i tr i s ka s s e s s m e n tm o d e li sc o n s t r u c t e db o t hi ng r a p h i c a la n d d a t a s t r u c t u r e s ，a n d g e n e r a t e ds t e pb ys t e pu s i n gg o a l d i r e c t e d m e t h o da f t e r i n t r o d u c i n gt h ep r o c e s so fa g e n c i e sr a t i n g ，t h i sp a p e ri l l u s t r a t e s t h ec o n s t r u c t i o n p r o c e s so f i d t h eu r i s a t i s f l e dr e s u l to fe v a l u a t i o na n dt h es e n s i t i v i t ya n a l y s i so fm a i n v a r i a b l e sc a u s et h em o d i f i c a t i o no fo r i g i n a li d t h ev e r i f i c a t i o nr e s u l to fr e v i s e di d h a sb e e ni m p r o v e dg r e a t l y a tt h ee n d ，t h em o d e li sv a l i d a t e du s i n gad a t ao fe i g h t n a t i o n a lr a t e dc o r p o r a t i o n sa n dt h er e s u l ti n d i c a t e st h a ti tc a nw o r kw e l lw i t hm i s s i n g d a t a t h ef a c t o r sa f f e c t i n gc o r p o r a t ec r e d i tr i s ka r ec o m p l i c a t e da n dc h a n g e a b l e a n d t h ef a u l t i n e s so fc h i n a sc r e d i ti n f o m l a t i o ns y s t e ma l s om a k e si td i f f i c u l tt oc o n s t r u c t a n di m p r o v et h o s er i s ka s s e s s m e n tm o d e l s t h ef i r s ta t t e m p to ft h i sp a p e ri n d i c a t e s t h eg r e a tp o t e n t i a lo fi da p p l i e di nc r e d i tr i s ka s s e s s m e n t i ta l s oh a sg r e a tp r a c t i c a l s i g n i f i c a n c e t op r o m o t et h ed e v e l o p m e n to fo u rc r e d i tr i s ki n d u s t r y 。 k e y w o r d s ：i n f l u e n c ed i a g r a m s ，c r e d i tr i s k ，g o a l d i r e c t e d ， p r o b a b i l i t yc o m p i l e ，c r e d i tr a t i n g 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究一j 一作和圾搿的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发 表或撰写过的研究成果，也不包含为获得：叁生盎堂或其他教育机构的学位 或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在 论文中作了明确的说明并表示了谢意。 学位论文作者签名：专韶车签字日期：跏；年月多岁闩 学位论文版权使用授权书 本学位论文作者完全了解墨盗盘堂有关保留、使用学位论文的规定。 特授权苤注盘堂可以将学位论文的全部或部分内容编入有关数据库进行检 索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学 校向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名韵，知彳 签字日期：跏弓年1 月乃日 导师签名： 签字日期： 第一章概述 1 1 研究背景 第一章概述 信用，在汉语中包含信任、遵守诺言、实践成约等多种含义。作为经济学 的专用名词，信用是以补偿为条件的价值运动的特殊形式，它包含商品买卖中的 延期付款和货币的借贷行为。 信用的存在有可能会带来信用风险。信用风险又称违约风险，是指借款人、 证券发行人或交易对方因种种原因，不愿或无力履行合同条件而构成违约，致使 银行、投资者或交易对方遭受损失的可能性，在各类信用风险中具有“多米诺效 应”的公司信用风险受到普遍的关注。它涉及到公司与公司之问、公司与银行之 间、公司与政府之间以及公司与消费者、内部员工之问的信用行为。 然而，目前我国社会主义市场经济正处于发育阶段，企业信用制度还没有 真正建立起来，金融诈骗、赖帐失信行为充斥市场，公司、企业破产案件逐年上 升。资料统计，仅1 9 9 6 年全国就有5 3 9 6 家公司破产。公司破产的连环效应，使 得公司问出现了许多无法偿还的“三角债”；银行出现了大量不良贷款，进而造 成银行的“惜贷”现象。企业信用风险的缺乏已严重阻碍了我国经济体制改革的 深入发展。 在近二十年来，许多学者和实践操作者致力于开发用于预测公司信用j x l 险 的技术，这主要是因为f 1 1 ： 管制放松，从而刺激金融创新，并且使新进入者能够提供服务； 信用市场的放宽，包括国内和国际上一些瓤的借款部门： 从基于资产负债表的贷款到基于现金流的贷款的持续转变； 资产负债表外风险的增加； 贷款利润的降低，迫使银行寻求更经济的方法度量利控制信用风险： 证券化，加速了效率更高( 标准化更强) 的信用风险工具的发展； 金融理论的发展，开拓了考察信用风险的新途径。 丌发和应用公司危机预测模型重要性简单来说体现在两个方面：第一，这 些模型有助于金融机构确定公司的信用额度和进行投资决策。虽然公司信用给予 问题与公司危机问题并不是完全相同，但是放贷人可以利用违约预测模型评估该 公司违约的可能性。这种可能性在确定一个处于危机状况公司信贷限额时往往起 第一章概述 到决定性作用。此外，区分公司经营状况健康与否也是授信问题和违约问题共同 关心的。第二，对于公司管理层来说，预测模型作为“早期预警系统”叮以预防 、危机的出现，即在危机出现前可以采取一些措施如兼并、联合或重组等。 大多数已有的信用分析模型都是采用财务比率作为危机预警器。爆管财务 比率反映的信息能预测公司危机，它或多或少只是表征了公司经营的历史状况， 而没有反映决策制订者所要求了解的现时状况。此外，财务比率只是公司健康状 况的静态表征，不能反映这些比率背后的影响因素。在分析一个公司经营健康状 况时，还要考虑其定性特征如管理质量、市场趋势、市场份额、技术含量等。【2 【3 】 但是，现在较为流行的用于预测公司违约的技术在考虑这些定性变量时都遇到了 问题。本论文将尝试应用影响图作为建模工具，同时考虑定性、定量因素，并结 合专家经验知识，构建用于预测公司信用风险的综合模型。 1 2 问题定义 信用风险模型能使决策者了解到那些原本不透明和需要较高成本才能知道 的信息。竞争的激烈，使得利润空间迅速缩小。好的预测工具能给任何一个有很 多风险暴露的金融机构带来竞争优势。 尽管很多人致力于研究开发这些预测工具，他们中的大部分都采用了财务 比率作为信用风险主要的预警。即使是那些应用最广泛的模型。如z - s c o r e 模型 信用评分模型，规则专家系统和神经网络，也都有各自的缺陷( 后面将详细分析) 。 如果在模型中可以考虑更多的因素( 如公司的定性特征) ，并能通过利用专家的 经验知识将影响公司危机的因果关系模型化，将会使得该建模工具更为理想，也 更具有实用性。 论文将研究的影响图已经成功的应用于一些领域，如医疗疾病诊断。 4 】风 险评估与疾病诊断从原理上来说具有极大的相似性。f 5 1 1 6 1 n 此，可以考虑利用 影响图进行公司信用风险评估。 影响图是一种概率网络，综合反映了定性、定量知识。首先，它提供了一 种模型化不确定性的便利方法。而不确定性是公司信用肌险评估固有特征，尤其 是当影响公司信用风险的定性和定量因素间关系复杂难职用数学语言+ 描述时。此 外，影响图在公司部分信息缺失情况下也能进行推理。这个特征对信用专家在实 际中依据有限的可获得的信息进行信用决策时很有用。其次，影响图的图形特征 能使决策者在模型化因果作用关系时对公司危机有更好的理解。这种方法允许在 模型中结合专家的专业知识。影响图的这些特征使得利用它建立的风险评估模型 既可以包含数学关系( 如财务比率) 也可以包含主观因素( 如公司策略、行业趋 第一章概述 势等) 。影响图的另一个优点在于变量及其相互关系在专业领域内有明确定义， 评估结果容易让人信服。 总的来说，影响图在以下几个方面优于传统公司违约预测模型： 1 图形结构可以反映影响公司j i p 绩的定性、定量因素川的闪粜关系 2 可以结合专家知识经验考虑这些因果概率关系固有的不确定性 3 允许依据新信息对变量进行持续评估，并得到有关公司信用风险状况的 新结论。 1 3 论文目标 本论文研究目标如下： 介绍能克服传统信用风险模型缺陷的建模工具影响图。 构建模型，检验利用影响图评估公司信用风险的可行性及其评估表现 并进行实证分析 1 4 论文结构 论文的结构安排如下：第二章介绍了影响图的结构特征，并说明了如何用 目标定向方法构造影响图，以及影响图的概率推理过程。第三章按照一系列步骤 滞隐用于信用风险评估的影响图。图形购建完成后，在第四章中考虑了数据的选 择、处理及其存在的一些问题，然后对影响图评估公司信用风险的表现进行检验。 再对所构建的模型进行检验时采用了国外的数据，这主要是基于数掘完整性考虑 的。最后论文采用国内被评级公司的数据进行实证分析。第五章总结了本文的研 究工作。 第二章公司信用风险评估方法综述 第二章公司信用风险评估方法综述 许多学者和实践操作者都在不断寻求新的更好的方法用于分析公司信用风 险，从而帮助决策者在不确定情况下进行各种决策。影响图便是其中发展较快的 一种建模工具。本章在分析研究国内外公司信用风险评估预测模型及其局限性的 基础上，提出影响图作为信用风险评估建模工具的优势。 2 ，1 公司违约预测技术 为了开发一种可用来预测公司信用风险的新模型，首先应理解公司风险的几 种表征方法。 一种定义称为经营失败。从投资者角度来看，它指进行风险调整后的投资资 本收益率明显并持续低于同等性质的其他投资。而从公司经营的角度来看，即所 谓的入不敷出或者说公司投资平均收益率低于公司的资本成本。然而，这些标准 并没有明确公司是否可以持续经营。也就是说，该公司也许只是在短期内出现经 营不佳状况，但是由于没有出现法律强制破产的债务而可以持续经营。在 d u n & b r a d s t r e e t 的文章中将经营失败称为“不满意的经营状况”。 另一种通常用于描述公司危机的定义是技术破产或无力偿债。它指公司由于 缺乏流动性而不能偿还到期债务。与到期债务相关的营运资本和净现金流是破产 的两个度量指标。尽管这可能只是短暂的现象，但它通常是宣告正式破产的原因。 违约是表征公司信用危机的另一种定义，它涉及到债务公司与其信贷人的关 系。当债务人违背信贷协议所规定的偿还条约时违约发生。例如，可能违背协议 所规定的债务人的流动比率和总债务比率。但是通常这种违约趋用于表征公司、m 绩恶化。 这里，我们采用违约来表示公司危机。s p 的分析研究表明，信用评级与 违约率高度相关。本文的研究也将采用信用评级来表征公司危机状况。 近三十年来，大量的学者和实践操作者对公司违约进行了定量定性研究。 从而开发了许多预测企业违约破产的技术，如表1 1 所示。这些技术采用了不同 的工具建模，包括数学工具( 如统计参数、非参数技术等) 以及一些主观性较大 的工具( 如行为分析、案例研究等) 。利用这些工具，采用单变量和多变量的方 法进行建模。在单变量方法中，仅考察单个变量( 如单个财务比率) 并与基准比 较( 如行业平均比率) 来确定公司业绩随时间变化情况。在多变量方法中，持续 第二章公司信用风险评估方法综述 考察一系列关键指标( 如盈利能力、流动性、公司规模、行业前景等) ，从而得 到公司违约风险状况。下面将介绍应用最广泛的j 柳风险预测模型及它们存在的 一些局限性，主要侧重于多变量模型。 表21 违约预测模型分类 模) 聘类刖 建模技术 单变量多变龄 ( a ) 比率分析 ( a ) 同归分析 统计参数技术 ( b ) 判别分析法 ( b ) 资产负债表分解 ( c ) l o g i t 分析 ( a ) 股价行为模型 行为研究 ( b ) 信贷士管行为研究 案例研究 违约一般冈素分析 ( a ) 决策树 人工智能技术 ( b ) 专家系统 ( c ) 神经网络 非参数技术k 近邻判别法 2 1 1 单变量违约预测模型 预测公司违约风险的模型中应用最广泛的还是单变量模型。事实上，第一 个预测公司破产的模型就是在分析单个比率基础上修正得来的，而基于标准理论 的资产负债表分解有助于更好的理解公司危机，这两种方法也可称为财务报表分 析。 参考财务报表数据来评估公司业绩状况的做法由来已久，旱在1 9 世纪银行 就通过分析财务比率来确定公司的信贷额度。最初的比率分析只是关注短期财务 状况，随着分析技术的逐步发展，财务报表比率分柝已大部分以时间系列分析为 基准，在多会计期多种财务报表及其相关资料的基础上，对报表数据进行分析研 究，揭示有关指标之间的关系、变动情况和形成原因，从而向使用者提供相关和 全面的财务信息。在信用风险分析中通常运用不同时期的对比分析和财务比率分 析方法，并且在使用这些方法的同时往往结合借款企业的行业平均指标说明企业 的相对水平 7 】。 财务报表分析方法的局限性表现在：该分析方法所提供的各个报表的内在 联系比较松散，信息含量较少：分析数据可能出现对企业某方面歧义性解释；该 方法产生的数据有时难于得出一个明确的结论。 2 1 2 多变量违约预测模型 般来说，在单变量方法研究中，用于表征公司盈利能力、流动性等特征 第二章公司信用风险评估方法综述 的比率非常重要【8 】，但是，几乎大部分单变量模型的研究中用于表征公司危机 所采用的比率都不尽相同，这使得不同比率的相对重要性也模糊不清。因此，结 合不同的单变量模型进一步拓展，采用不同的技术开发出各种不同的多变量违约 预测模型。 1 统计参数技术 在企业破产预测研究中。统计模型是较早引入信用风险分析的方法，这罩 主要介绍判别分析法( d i s c r i m i n a t ea n a l y s i s ，d a ) 和l o g i s t i c 回归分析法。 ( 1 ) 判别分析法( d a ) 根据对已知的违约、非违约企业进行分类构成若干个等级，由这些等级的 特征找出一个和多个判别函数用于判别任一被考察对象应判属于哪一个等级，并 检验这些等级在所测量的指标变量上是否有显著差异如有，则指出那些指标。 在判别分析法中，f i s h e r l d a 应用广泛该方法采用最大化组内和组问方 差比建立的。可以证明，在满足一下条件时，该方法可以使误判成本最低：1 ) 每组均服从多元正态分布；2 ) 每组的协方差矩阵相同：3 ) 每组的均值向量、协 方差矩阵、先验概率和误判代价是己知的。 a l t m a n 对美国制造业公司进行大量实例研究的基础上建立了z s c o r e 模型 【9 】。该模型的评估步骤：首先挑选出一组决定信用风险大小的最重要的指标， 然后根据这些指标影响信用风险程度给予不同的权重。 z = 3 2 5 + 6 5 6 x l + 3 2 6 x 2 + 6 7 2 x 3 + 1 0 5 x 4 ( 1 1 ) 其中，五为营运资本总资产，x ，为留存收益总资产，黾为e b i w 总资产， x 。为权益市场价值，债务帐面价值。该模型下，z 2 9 9 为低风险非破产区，而1 8 1 2 9 9 为灰色区域，即不能确定其信用风险。1 9 7 7 年， a i r m a n 在此基础上结合二次d a 又建立了z e t a 模型，用于商业用途。 这一方法的最大缺陷在于其过于严格的假定条件，如每组均服从多元f 念 分布，每组的协方差矩阵相同等。实际应用中均有不同程度的违背。 ( 2 ) l o g i t 分析法 l o g i s t i cr e g r e s s i o n ( 数理对数回归) 是一种非线性分类方法，用于因变量 为定性指标问题，如o 一1 问题。可表述如下： p ：l l + p y = c o + c ，x ， ( 1 2 ) 第二章公司信用风险评估方法综述 式中t 为信用风险评定中的影响变量，通常是一些财务比率，如净资产总 资产等；c ，为技术系数，通过回归或极大似然估计获得；y 为被考察对象的财务 状况得分：户i o ，1 l ，理解为被考察对象的违约概率。判断的方法是根据遗忘的经 验确定一个概率临界值，临界值的选取应最小化第1 类误差( 违约公司被误判 为非违约公司) 和第1 i 类误差( 非违约公司被判为违约公。d ) ，这通常要依赖经 验。然后把被考察对象的p 与只比较，当p 只时为非违约组，反之为违约组。 m a r t i n 1 0 1 第一个建议采用l o g i t 分析来进行银行倒闭预测。随后， o h l s o n m 、i s 0 1 岱0 1 将其用于预测公司破产，然而，模型对违约公司和非违约公司 的判别效果不如我们前面提到的d a 模型。 2 行为研究技术 利用行为研究技术来预测公司危机主要有两类：市场行为研究和人的行为 研究。前者主要指对股票市场价格的研究【1 1 ，后者主要对银行信贷主管行为的 研究【1 2 1 。股价行为模型在表征公司违约时具有两个特点：第一，当公司财务状 况出现危机时，股票的价格就会降低，模型的预测结果与其它统计预测模型相同。 第二，它能揭示不能包含在具体模型样本中但却能反映在股票价格中的危机因 素。对银行信贷主管的行为研究是想确定在多大程度上信贷主管和银行家们依据 一系列财务比率能准确确定潜在的危机公司。 3 案例分析 统计参数技术的研究存在的一个问题是它们大部分只关注于如何表征违约 而不是揭示造成违约的原因。然而，一些不同的经济因素综合起来就可能造成许 多公司财务问题。这样，更深入的考察这些因素就很重要。学者们通过分析一系 列破产案例试图找到造成公司违约的最一般因素。尽管不同的违约事件具体原因 并不相同，但研究还是找到了一些共同因素，如市场需求的减弱，竞争加剧，管 理低效率，财务控制不严实、产品成本结构不合理，产品质量低劣，融资策略不 合理导致刹息负担过重等等。 a r e g e n t i 1 3 1 通过确定公司可能面临的几类不同问题开发了“a s c o r e ”法。 他认为违约是由于一系列原因连锁造成的，起始点在于管理上的缺陷。按照“a 一 评分”法，分数越高，表示公司状况越差，因此，对于理想的公司得分应为零。 一旦得分超过2 5 则公司就存在违约可能性；高于3 5 的公司曩违约_ | ) ( l 险相当高； 低于1 8 的公司通常无风险，而1 8 至2 5 称为灰色地带，表示公司状况值得关注。 但是这种评分方法存在很多问题。它所依据的基础是如果公司处于危机状 况，一定首先是由于管理上的缺陷造成的，而随后造成的问题会在公司内持续几 第二章公司信用风险评估方法综述 年并能在财务危机发生前被人发现。因此，“a s c o r e ”试图量化定性判断，这就 具有很高的主观性，评分人员需要了解公司并与管理层有充分的接触。通常来说 这很难做到，而且费时费力。 4 非参数统计技术 非参数统计分类方法适用于信用风险分析中按照定量指标( 盈利比、速动 比等) 和定性指标( 管理水平、信用等级等) 对并不服从一定分布特性的数据信 息分类。这种方法克服了多元参数统计方法的部分缺陷，如不要求分稚特征函数 可采用定性变量，但其计算结果却并不理想，分类准确度低于多元参数统计模型， 其原因在于在同样的样本容量下，若对具体问题的确存在特定的理想参数模型并 可能找出其近似表示时，非参数方法不及参数模型效率高。 例如，k 近邻判别( kn e a r e s tn ej i g h b o r ) 是在一定距离概念下按照若干定量 变量从样本中选取与确定向量距离最短k 个样本为一组，适用于初始分布和数据 采集范围限制较少时，减少了以函数形式表达内容的要求。另外，k n n 通过将 变量在样本整体范围内分为任意多决策区间，而近似样本分布。t a me ta l 将之 用于信用风险分析，取马氏距离，从流动性、盈利性、资本质量角度选出的1 9 个变量指标对样本分类，经比较其分类结果的准确性不如l d a 、l g 以及神经网 络。 5 人工智能技术 人工智能的发展促使越来越多的人开始研究决策树、专家系统和神经网络 在信用风险分析领域的应用。这些方法的共同特点是脱离了数学模型的限制，而 更灵活的实现概念模型的内容。它们不受统计等参数数学方法假设的限制，具有 非参数方法的优点，同时又通过一定的形式找出隐含变量之间的参数关系，具有 参数数学方法的优点， ( 1 ) 专家系统( e x p e r ts y s t e m e s ) 和决策树( d e c is i o nt r e e d t ) 决策树和专家系统的共同之处是在描述已知类别( 违约和非违约) 样本的 一系列性质的基础上，获得一定的产生式系统，由各种规则构成。每一阶段的规 则( 变量和分割点) 通常由熵或类似的原理选出。它们的区别在于具体实现的途 径和对某些定量和定性变量的运用。这两种方法明显的优点是对定性变量能够灵 活的加以处理而不用将之转化为数量关系与其他定量变量一起处理，这在信用风 险分析中尤为重要。 在应用中，b e s h i n s k ee ta l 为m e r r i l ll y n c h 设计开发用于信用评估的e s 。 第二章公司信用风险评估方法综述 m e s s i e r 和h a n s e n 1 4 从知识获取角度探讨比较了专家系统在信用分析领域的应 用。l e e ( l o a ne v a l u a t i o ne x p e r t ) 是基于知识的商业贷款系统，它用于资产抵押 贷款。此外，商业信用风险分析专家系统还有d u n & b r a d s t r e e t 专家系统，c r e d e x ， c o m p a s s ，c u b u s ，p a r m e n l d e x 等 1 5 】。这些专家系统的优势在于可以将信 用分析专家的风险评估只是以规则的形式定下来，然i ，它们也存在题：凶先， 专家系统是以古典逻辑原理为基础，适合于包含确定关系的问题，至少也要存在 较大的相关性。而公司信用风险评估过程具有很大不确定性。其次，基于规则表 征问题固有的一个问题在于其不可逆椎。即，只允许按照从可能的事实到假定的 诊断推理，而很难翻转进行预测。同时，专家系统只允许事实在特定点输入，并 且输出信息通常是固定的。此外，专家系统还要求对规则进行详细的分析来确定 一个新规则对其它规则的影响，尤其是当该领域中存在大量变量时。开发专家系 统过程中知识的获取始终是一个瓶颈，而推理方式的研究决定着专家系统的智能 化水平，这两个方面的进展极大的影响着专家系统在信用分析领域的应用前景。 决策树用于信用风险分析的研究相对较少，但这种方法正越来越引起重视。 a l t m a n 和k a o 在现金流，总负债，保留盈余总资产，总负债总资产，现金流，销 售收入等指标下建立了较高复杂度的和较低复杂度分类树，与d a 比较，在2 0 0 个样本下表明分类树是种很有前途钓方法。b o y l ee ta 1 不但分析分类树与d a 的评分结果而且提出两种方法的杂合，从文中可以看出杂合方法的分类效果更 好。 ( 2 ) 神经网络( n e u r a in e t w o r k s n n ) 神经网络是一种具有模式识别能力、自组织、自适应、自学习特点的计算 机制，它的知识编码于整个权值鼹络，呈分布式存储且具有一定容错能力。神经 网络对数据的分布要求不严格，也不用必须表述自变量与因变量的函数关系。n n 的这些特性使之成为信用风险分析方法的一个热点。n n 在信用风险分析中的作 用是通过n n 的分类功能进行的。即首先找出影响分类的一组因素，作为n n 的 输入，然后通过有导师和无导师的训练形成n n 信用x l 险分板模型。对于耘的样 本输入( 即组影响因素值) ，该模型可产生信用风险的判别 8 】。 n n 用于信用风险分析，具体有模式神经网络、扩展的学习向量量化器、多 层感知机等。这些n n 模型多以l d a 为参照方法比较说明结果。其中多层感 知机( m u l t i l a y e rp e r c e p t r o n ，m l p ) 的应用研究最为广泛。为说明m l p 的使用有 效性，诸学者纷纷以d a 、l o 为参照方法，尽管各个研究所选作用的数据不同、 分析评估的时间环境不同、若干技术细节有所差异，但还是褥出如下的共论：m l p 在输入新样本后，对预测模型会作出适应性调整，即改变权重，并且新样本的输 第二章公司信用风险评估方法综述 入不冲销旧样本，只是重要性受到一定程度的弱化，这样它使信用风险评分的过 程保持连续性。m l p 不但在噪音、随机环境下表现出不次于经典分类方法的分 类正确性，而且可以比d a 、l g 更充分的利用已有信息。目前尚无成型的理论 尚的方法对给定的分类目标设定m l p 的网络结构，但已知研究认为一个隐层的 效果较好。而隐单元个数的确定却无明确解答，这存在着网络拟合i l ( j 父活性j 。学 习程度的折中1 6 】。 尽管n n 在信用风险分析中存在诸多优点，但其存在的问题也不容忽视 首先，它们的输入、输出是确定的，但是变量及相互关系却是“隐减”的，这种 “黑匣子”建模方法使得难以对计算结果作出解释。而信用风险分析不仅要处理 不满足多元正态等条件的数据，而且要最终判别是否违约并对之加以解释，作为 决策信息。n n 在这个方面明显存在需要改进的地方。其次，n n 鼓励“数据挖 掘”，也就是说在很少和几乎没有基础理论的情况下进行数据分析，以期望找到 统计上的明显关联关系。此外，n n 的学习机制本身也存在些问题，如容易陷 入局部最优解、系统振荡等 1 7 1 。 2 2 建模过程存在的问题 前面具体分析了国内外公司信用风险评估预测的各种模型方法，综合来看， 这些模型的构建和验证存在以下一些值得考虑的问题。 在开发这些单变量或多变量模型时通常的做法是依据一定的标准如年份、 行业关系及规模大小将破产公司与非破产公司( 存活公司) 进行配对比较。不可 否认，这样可以反映那些导致公司破产的一般因素，但也很可能会排除一些可能 的解释变量【1 8 】。 其次是模型的“过度拟合”问题。由于模型的表现与样本数据的好坏有很 大关系，这也可能导致模型的分类能力被夸大了。不过，现在已经有很多方法可 用于防止过度拟合的发生，如采用“j a c k k n i f e ”技术用样本外数据来检验模型， 等等 1 9 1 。 这些模型需要考虑的另一个问题是模型的样本化程度，也就是说，模型在 多大程度上是具体样本数据的反映。大多数模型的构建都是基于按照有限年份或 行业收集的具体的样本数据。然而，对于在不同行业经营的公司来说他们的比率 特征并不相同，而且，通常经济环境也会随着时间变化而变化。因此，在一定程 度上，这些模型只反映了表征危机公司最通常的因素，而且这些因素也是与用于 检验的样本具体环境对应的。这样，对于很多多变量模型，虽然在检验时能较好 的区分破产和非破产公司，但是对于样本外数据的分类表现就会差一些了，尤其 第二章公司信用风险评估方法综述 时当所选择的数据是处于不同时间段时 2 0 】。 2 3 建模的变量问题 在丌发的这些信用风险评估模型。i 。，财务比率址_ 【i 矗t 蛆的判断个、i k 址约剃 破产的指标。起初的研究只采用特定年份的某些财务指标用于信用风险分析，但 违约和破产是一个连续量变积累的过程，因此变量比率的数值应浚反映出定时 间跨度的企业信息。为达到这个目的，时间趋势、波动系数和偏差被引入建模变 量，但这些变量对预测效果的影响并未得到认可。同时，基于财务报表数据的比 率分析，通常受到会计准则和会计制度的限制。如在资产负债表上资产通常以历 史成本计而不是市场价值。并且公司所采用的不同的会计政策也使得比率缺少可 比性【2 1 】。 另一方面，预测企业发展不仅可由财务会计等定量指标获得信息，其他诸 如管理、职员、产品等定性变量也可提供相关预测信息。z o p o u n i d i s 选用一系列 战略标准估计法国企业的破产风险，包括管理质量、r & d 、多样化、市场趋势、 市场地位和份额、现金支付方式。p e e le ta l 从公司理财角度提出其他定性变量如 企业会计报告的滞后、总经理辞职更换的频率、总经理所持股份的变化。因此 在模型中结合考虑更多的定性因素，并能清晰的反映影响信用风险的因素问相互 关系，将使模型在信用风险分析实践中更具应用前景。 2 4 影响图 前面已经介绍了通常用于预测公司危机的一些模型的理论与所存在的问 题，这里将要简要说明影响图用于评估公司信用风险的主要优势以及论文的结 构。 作为建模工具，影响图具有其自身的特点： 2 2 】 它是一种依据概率表征不确定性的模型。 它能描述性的反映所要解决的问题中不同信息组成之间的条件依赖关 系。正因如此，影响图能够进行因果推导和反向推导。 它能比较方便的根据不同信息调整模型的网络结构。影响图的图形特 点允许在不对网络中其他部分产生重大影响的情况下增加或删除变 量。 影响图的构建既可以利用专家意见，也可以利用历史数据，或者是两 者的结合，这样在模型构建过程中数据的选择上就具有很大弹性。 第二章公司信用风险评估方法综述 考虑将影响图用于信用风险评估，主要因为 影响图能表征不确定性，这是信用风险评估中的一个本质特征，也是 信用专家在进行公司信用评级时所面临的主要问题。不确定性主要考 虑到三个方面，即专家自身知识的不确定，公司经营环境的不确定， 以及用于信用风险决策的信息的准确性和可获得性的小确定。 对于使用者( 主要是信用专家) 来说，影响图能相对透明的反映出因 果逻辑关系，因为信用专家在进行公司评级时需要很好的理解影响公 司优势和劣势的那些因素。不仅如此，图形网络的透明性也增大了评 级的可信度。 影响图能结合定性、定量因素分析公司信用风险，同时还能结合专家 的意见。当影响公司风险的定性和定量关系非常复杂难以用数学语言 描述时，影响图的优势更为明显。 在部分数据缺失的情况下，影响图也能进行较好的推理从而可以衡 量信息获得成本与其对评估结果影响，使评估更快捷，成本也较小。 影响图能在不对其他部分造成重大影响的情况下增加或删除变量，这 在分析处于快速发展行业的公司时尤其重要。 论文将在后面章节更详细的介绍影响图的结构特征。 第三章影响幽概述 第三章影响图概述 如时所述，影响图用于评估公c d 信j ；l 风险，有其i ：_ j 身的优鳃。小章阿丸介 绍影响图的结构特征，接下来介绍如何用目标定向方法构造影响图，最后说明影 响图的概率推理过程。 2 3 1 1 2 4 3 1 影响图的结构特征 影响图是由结点和弧组成的无环路有向图，其中结点代表所研究问题的主 要变量，有向弧表示变量问的相互关系。它是根据决策者( 或委托人) 对问题的 描述结合专家知识表征问题结构的一种直观图形，在图中明确表示出变量间的关 系，尤其是变量间的条件独立和信息流向。影响图本身具有两个层次：第一层是 图，第二层是每个结点的数据结构。 3 1 1 结点与弧 影响图通常由四类结点和四类有向弧组成。结点包括机会结点( c ) 、决策 结点( d ) 、价值结点( v ) 和确定型结点。在影响图中，随机变量有两种类型，一种 是概率型随机变量，用机会结点表示，一般可假设它是离散型随机变量，用条件 概率分布表示其不确定性。另一种是确定型随机变量，它以双圆圈表示，其条件 概率分布可视为退化了，即当已知其条件变量的状念就可决定其取值。影响图的 重要机会结点用方块表示，它代表一个连续或离散的可行方案。而价值结点代表 所研究问题目标函数，表示决策者要极大化的效用期望值，通常用菱形或六角型 表示。 影响图作为表示不确定性问题的建模工具其最大的用途在于确定问题中 主要变量的相互关系，在图中反映为四类不同的弧，即关联弧、信息弧、影响弧 和莫忘弧，如图3 1 所示： ) ) + 圈图蛩图函噎囵 ( a ) 关联弧( b ) 信息弧 ( c ) 影响弧( d ) 萸忘弧 变量b 的概率依在做决簧d 时决策变苗f 的概率做决策h 时决策 赖变餐a 的结局者已知变量c 的结局受决策e 的影响者已知g 的选择 图3l 四类有向弧 13 第三章影响图概述 3 1 2 函数关系与数据结构 影响图以概率论为基础。在概率论中，指定一组状念变量问关系的最一般 形式是其联合概率。假定决策问题中有h 个状态变量x ，x 。x ，用联合概率 只( x ，x 。，x 。) 代表有关这些变量关系的信息。若已知联合概苹，按概书胤则j 将其展成 ! 个由不同的边缘概率和条件概率相乘的形式，l i 是这月! 个腱外 中的一个：【2 5 】 p a x 。，屯，h ) = p g ，她b ：r x 。) 只b 。k ，x 。，x 。) ( 3 1 ) 每一种展开式都对应着一种概率估计次序。影响图与联合概率分布之怛j 的关系存 在以下定理： 定理3 1 已知完全确定的影响图，存在唯一的与之对应的联合概率分布；而对于 任何一个联合概率分布函数，可以有许多概率影响图与之对应。 影响图中结点间的有向弧，表示展开式中的约束与被约束的变量关系，在 函数上，环路将导致估计一个变量的概率需要这一变量本身信息的无限循环，因 此，构造影响图的必要条件是严禁在有向图中存在环路。 结点的数据结构也就是其条件概率分布，用属性结构表示，并且因其类型 不同而有所不同。机会结点的树形结构被称为概率树，由两部分构成，条件树和 基本分布，如图2 2 所示： 图3 2 机会结点x 的树形数据耋i ! i 构