企业信用评级模型培训资料

1、PAGE PAGE .叭办暗企业信用评级模摘要隘 爱社会信用体系是瓣市场经济体制中澳的重要体系。当安前，社会中商业肮欺诈，制假售假拌，非法集资等现颁象屡禁不止，笆这些社会信用问艾题归根到底都是隘企业信用的问题俺，因此，科学、艾合理、公正、权巴威的企业信用评唉级技术是当前紧斑要的任务。案本文通过研究研碍究国内外企业信白用评价方法，构熬建了一个企业信芭用评价平台。该凹平台提供了信用搬评价，信用等级佰，信用反馈等功疤能，是一个功能哎非常完备的信用耙评价平台。企业八信用评级模型是爸评价企业信用等靶级的有效工具，奥随着全世界债券百市场的迅猛发展瓣、抵押品价值降氨低及其波动性增斑加，该模型将会扳得到更为广

2、泛的澳关注，并将为我罢国各公司企业运颁用数学模型度量笆企业信用评级提捌供了凹重要参考意义矮。稗关键词版：按数学模型板 岸企业信用等级颁 佰企业信用评级模拔型艾 八信用评价坝Abstrac奥t八T邦he soci爱al cred巴it syst艾em is a哎n impor百tant sy拜stem of半 market跋 econom爸y syste啊m. 芭A叭t prese扳nt, 捌commerc凹ial背 熬fraud 昂in the 挨soc挨iety of暗 蔼counter澳feit背 goods,哀 the ph癌enomeno傲n such 傲as ille鞍gal fun

3、拜d-raisi班ng, the凹 social巴 credit澳 proble唉ms in t芭he fina氨l analy爸sis are拌 enterp敖rise cr柏edit pr扳oblems,皑 theref版ore, sc斑ientifi敖c, reas懊onable,熬 fair a袄nd auth跋orit稗y of en安terpris按e credi癌t ratin懊g te按chnolog阿y is th凹e curre佰nt urge耙nt task矮.巴T鞍hrough 搬researc搬h the e奥nterpri岸se cred蔼it eval埃uatio

4、n 伴methods敖 both a奥t home 瓣and abr案oad, th暗is pape鞍r build爱s a ent跋erprise熬 credit俺 evalua俺tion, c般redit r蔼ating, 哀credit 拜feedbac耙k, and 半other f白unction隘, is a 艾very co案mplete 埃credit 巴evaluat半ion pla按tform. 瓣E昂nterpri八se cred稗it rati瓣ng mode耙l is an阿 effect捌ive 敖tool fo拔r evalu澳ation o伴f 佰enterpr

5、矮ise cre澳dit rat胺ing 阿with th柏e rapid巴 develo罢pment o安f bond 叭markets吧 around凹 the wo靶rld 敖the val拌ue of c矮ollater叭al redu岸ces and半 its vo版latilit颁y incre埃ases, t袄he mode霸l will 芭be more把 widesp哀read at班tention扮, and t唉he math把ematica靶l model蔼 for th安e compa肮nies in跋 our co昂untry e霸nterpri拔se use 邦m

6、etric 懊enterpr班ise cre岸dit rat昂ing pro绊vides a背n impor翱tant re啊ference奥 signif拌icance.阿K办ey word爸s: 蔼mathema敖tical m鞍odel疤 翱 斑Enterpr坝ise按 credit叭 rating白 案Enterpr斑ise澳 credit暗 rating艾 model摆 罢 背Credit 百evalu邦ation目录办摘要班笆傲哎蔼翱爸矮半Abstrac埃t板百按吧板疤版扮第一章 绪论盎袄罢板佰耙叭搬1阿 1.1 选盎题背景和意义背颁柏阿扮哀芭耙板1岸 1.2 国拜内外文献综述柏把

7、佰叭岸埃鞍2搬 袄1.2.1翱 国外研究现状澳颁隘盎昂般艾2搬 般1.2.2霸 国内研究现状班叭隘霸吧摆摆百5按1.3我国研究啊现状及存在的问矮题安稗佰啊笆百翱9拔第二章 信用评挨级主要方法与模拌型综述蔼案埃败哎耙办10肮2.1 专家评耙估法及其优缺点吧捌案把隘芭肮10昂2.2 财务比斑率分析法及其优蔼缺点拜芭伴挨搬俺12罢2.3 多元判皑别分析(MDA败 ) 及其优缺巴点翱按俺唉懊14八2.4 lo伴gistic分叭析及其优缺点岸把拌熬扮把拜15百2.5 非参数拌方法懊拜扳靶岸岸百伴17哀2.5.1哎 聚类分析及其盎优缺点绊芭班叭拌背靶17拌2.5.2板 K近邻判别及奥其优缺点啊败班鞍颁把1

8、9爱2.6 Z模把型和Zeta模版型及其优缺点跋般办坝懊19拜2.7 基于哎投影寻翱踪和最优分割及颁其优缺点矮耙奥耙班21伴2.8 模糊般综合评判澳法及其优缺点瓣坝懊巴翱百26唉2.8.1捌 确定评语集笆扮傲跋吧芭吧哎27芭2.8. 2耙 确定指标权重柏集爱胺隘把肮艾霸28芭2.8.3肮 确定评判矩阵埃案邦败班啊扒28挨2.8.4胺 模糊综合评判百癌扳罢啊叭柏斑29拜2.8.5袄 模糊合成算耙子的选择傲昂熬靶摆阿31挨2.9 懊遗传算法优化熬神经网络及其搬优缺点安捌碍翱34爸2.10 唉基于有序分类和跋支持向量机方法熬及其优缺点案八百柏39罢2.10.1版 有序分拔类问题与内置空哀间法斑坝艾碍

9、敖39扮2.11 敖C4.5盎算法建立决策树扒模型及其优缺点坝扮摆把42斑2.12 俺kmv公司的k耙mv模型及其优白缺点捌昂肮伴岸44办2.13 白j.p摩根的c八redit m矮etrics霸模型及其优缺点佰败啊袄45氨2.14 麦肯巴锡公司的cre跋dit por拔tfolio 案view模型及邦其优缺点败扒暗46癌2.15 瑞士傲信贷银行的cr隘edit ri熬sk+模型及其安优缺点傲疤霸46啊第三章 现代模傲型在中国应用的吧缺陷性及改进措芭施版敖败罢47半3.1对于现代敖模型的运用还处靶于尝试阶段办瓣矮拔白47捌3.2 改进措伴施摆佰把胺矮版哀笆48疤第四章 对我国昂企业信用评级工拔

10、作的建议耙爱翱白邦50背参考文献把邦凹绊斑哀盎稗芭52PAGE 56第一章绪论耙1.1项目背景芭及意义板社会信用体系是把市场经济体制中伴的重要体系。建扳立社会信用体系阿，是完善我国社扮会主义市场经济哎体制的客观需要癌，是整顿和规范敖市场经济秩序的坝治本之策。当前懊，社会中商业欺斑诈，制假售假，蔼非法集资等现象柏屡禁不止，这些败问题的源泉归根傲到底是社会信用摆出现了问题，因哎此加快建设社会岸信用体系，打击凹各种违法行为，捌处理各种信用问伴题不仅维护了正叭常的社会经济秩瓣序，保护了群众俺权益，也进一步案推进了政府更好暗的履行其公共服佰务、经济调节、背以及市场监管的肮职能。市场经济斑条件下，社会信拌

11、用体系由个人信案用、政府信用、澳企业信用融合而靶成。其中个人信拔用是社会信用的矮基础傲；靶政府信用是社会巴信用的基石半；吧而企业信用是最耙关键，最活跃和百最具影响力的。八因为企业信用不背仅在一般交易市办场被多方重视更坝重要的是在金融阿市场被投资人或哎者贷款人所关注搬。随着市场经济岸的不断发展，企案业信用将成为合胺作与交易的先决柏条件，因此当前芭我国企业信用体隘系建设是整个社挨会信用体系建设按的重点。袄当前我国企业信啊用体系建设中存靶在的各种问题尽爱管表现形式各异巴，但从本质上讲盎，主要是企业信伴用信息的缺失，捌具体表现为企业瓣信用信息的有效办供给和有效需求稗的双重不足。一鞍方面，由于企业艾体系

12、建设滞后，捌使资信评估机构靶难以全面、准确澳、快速地获得企哀业信用信息，并霸通过评级技术确奥定其信用等级，扳即资信评估机构埃难以有效地生产澳出能够满足市场昂需求的高品质的芭信用信息产品，敖形成有效供给。安另一方面，由于巴缺乏高品质的，版能够满足市场需敖要的信用信息产安品，投资者或者挨企业在进行投资扮或参与市场交易啊时，虽然对信用袄产品有需求，但岸不能转化为现实敖需要，即潜在的白需求不能转化为版有效需求。正是办这种有效供给与艾有效需求之间的捌矛盾，互相制约叭，恶性循环，严昂重制约了我国信拌用市场的健康有扳序发展。因此当百前我们迫切的主白要任务就是建立疤一套完整，可靠案的企业信用体系靶，而企业信用

13、体埃系的核心就是要柏有一种企业信用氨等级必须能够客靶观公正地反映企拜业信用的真实状罢况。因此，科学熬、合理、公正、胺权威的企业信用哎评级技术是成功吧地实施企业信用扒制度的关键所在袄，也是企业信用邦体系的紧要研究暗课题。跋1.2国内外文熬献综述班1.2.1霸国外信用评级研肮究概况俺国外信用评级的班研究始于上世纪案三十年代，分成摆四个阶段。第一坝阶段主要建模方捌法是基于传统的板比例分析方法，拔如敖“敖SC , 芭LAPP邦”奥和财务比率分析俺方法。岸第二阶段始于上敖世纪六十年代，隘这一阶段的主要背方法包括多元判敖别分析法(MD袄A )，Log矮istic回归班模型以及聚类分芭析等非参数方法岸。该阶

14、段中关于般财务信息与信用扒风险关系的研究搬主要以线性判别拔为主，在线性判肮别模型中又以B罢eaver的单凹变量模型和Al般tman的多元办模型影响最为广啊泛。Beave扮r对30多个企鞍业的财务比率进按行了研究，运用蔼单变量分析法对伴企业的违约进行罢研究，通过对样扮木的分析找到破败产企业与非破产百企业单个财务比版率的临界点，并拜利用该临界点对奥破产企业和非破伴产企业进行预测芭。Altman八于1968年对澳“哀家美国制造业企叭业的经营情况进搬行了典型判别分傲析，提出了著名把的Z-Scor罢e模型，197版7年Altma俺n本人又对Z-百Score模型柏进行了修正和扩绊展，建立了ZE疤TA评分模

15、型。案许多金融机构用跋它预测信用风险啊，并取得了一定笆的成效。Z-S肮core模型和把ZETA模型，翱都是以会计资料搬为基础的多变量搬信用评分模型，暗由其计算的Z值扒可以反映贷款企隘业在一定时期内班的信用状况(违败约与不违约、破芭产与不破产)，凹简单实用，很快吧成为了预测企业巴违约或破产的主鞍流分析方法，被稗应用到世界上超蔼过25个国家。靶类似的研究还包按括Horrig敖an, Pog熬ue和Sold暗ofsky, 把West, H胺orton等。啊但是多变量区别哎分析法有着严格熬的假设条件，如傲多元正态分布、般等协方差矩阵等白等，针对这些问叭题，隘Ohlson安构建了假设条件岸较为宽松的Lo

16、背gistic识癌别模型，并将其按应用于商业银行罢信用风险评估领哎域，Madal昂la采用Log板istic模型隘区别违约与非违罢约贷款申请人的俺信用状况，Li办bby首次将主扮成份分析方法引案入判别模型以克皑服变量多重共线蔼性的问题。Zm班ijewski按则引入Prob斑it模型进行类拜似的研究。白 由于统捌计模型有着比较伴严格的假设，同昂时线性技术又无盎法区分出随机噪芭声和非线性关系奥。因此依托迅速绊发展的计算机信瓣息技术，运用数皑据挖掘方法进行般建模在近年来的拜信用风险评估领哀域得到了广泛的癌关注。也就是评傲级模型发展的第蔼三阶段。该阶段埃的主要方法是人拜工智能方法，主袄要建模方法包括败

17、专家系统，人工扳神经网络、决策叭树算法、支持向巴量机和遗传算法熬等。Odom首搬次将神经网络引埃入企业破产领域隘，用BP神经网傲络预测了财务困背境，结果显示神拌经网络模型优于爸判别分析模型。坝随后Tam和K啊iang, T败rippi和T颁urban, 霸Coats和F昂ant, Be笆ll等也都采用斑神经网络模型来澳对公司和银行的哀财务危机进行了靶预测，取得了一岸定的效果。Ka蔼tiuscia碍 Manzon奥i 利用神经网叭络对欧洲债券的败信用评级和降级皑概率进行了研究把。Makows搬ik是第一批倡哎导将决策树方法哀应用于信用评估唉的学者之一，之办后Carter疤, Catle蔼tt以及

18、按Boyle颁et al也对矮决策树方法用于拌信用评估的结果叭进行了分析。T巴ae K. S鞍, Namsi氨k C和Gun啊hee L.三鞍人则应用决策树拔技术研究破产预颁测。Scheb叭esch KB佰和Sleeki般ng R用由一扳组高维数据组成扒的向量描述申请搬者，从而利用非稗线性SVM对信挨用卡申请者进行白评级。Yong把-Chan L罢ee使用支持向爱量机方法预测公皑司的信用等级取伴得了较好的结果巴。Sheng-癌Tun Lia扮, Weiss坝or Shiu鞍e, Meng盎-Huah H百uang利用支艾持向量技术对个哎人贷款信用评估熬问题进行了研究耙。相对方法研究瓣而一言，更

19、多的扮研究集中在基于熬不同方法、不同肮类型模型之间的班预测效果比较，拜这一部分的研究皑文献非常丰富。罢Altman等颁发现神经网络方啊法有时优于线性爱判别方法，但由瓣于神经网络有时办过度训练产生了摆不合理的权重，岸从总体上看线性案判别方法要优于暗神经网络方法。岸Altman在肮对神经网络法和安判别分析法的比拜较研究中得出结般论翱“半神经网络分析方吧法在信用风险识阿别和预测中的应拜用，并没有实质胺性的优于线性判按别模型百”叭。Coffma拌n对决策树方法拜和判别分析进行斑了比较，认为两安者各有千秋。A哀ltman和K唉ao在现金流/肮总负债、保留盈绊余/总资产、总伴负债/总资产、扮现金流/销售收

20、瓣入等指标下分别瓣建立了较高复杂案度的分类树和较叭低复杂度分类树把，与DA比较优伴劣，表明分类树傲是一种很有前途扒的方法。Mar跋tinelli奥 E, Car霸valho A绊 D, Rez艾ende S,奥 Matias艾 A对决策树和绊神经网络模型进澳行了对比研究。把Hui-Chu稗ng Yeh等白运用LDA，决邦策树，神经网络靶，以及LDA与稗神经网络相结合肮的模型分别对同罢一数据集进行了八信用风险评估研板究，结果显示决矮策树在四种方法拜中具有最高的分版类准确率，线性白判别分析准确率瓣最低。背第四阶段始于上埃世纪末，这一阶邦段主要是采用对拔信用风险组合计斑量的方法，主要俺模型有1995

21、爸年KMV公司提败出的信用监测模俺型氨；叭1997年J.阿P.Morga挨n银行提出的信昂用度量术模型，稗同期麦肯锡公司稗提出的Cred疤it Port斑folio V靶iew模型; 捌以及之后穆迪评巴级公司提出的C爸reditCa把lc+模型，标拌准普尔提出的C翱reditMo澳del和Cre哎ditPro模鞍型等。澳1.叭2.2白国内信用评级研摆究概况摆国内信用风险评吧估方法研究主要蔼是引进国外模型翱或在其基础上进半行改进，方法的白进展路线与国外耙大致相同，典型班的研究成果如下皑：叭陈静首次在国内盎运用统计方法和瓣计量模型进行财扒务困境预警研究扳。陈瑜应用一元伴和多元分析对1败35家上市公

22、司氨的财务状况进行俺了分类和预测。胺卢声、任若恩等按利用Fishe岸r判别分析法对耙我国上市公司的叭财务困境进行研白究。施锡锉等人邦采用典型判别分哀析对1999年扒到2000年9矮月间的128家坝上市公司进行了奥经营失败的预测鞍研究。梁琪运用岸主成份分析与判鞍别分析相结合的哀方法预测企业财搬务困境。姜天和敖韩立岩以6个财癌务指标作为输入坝变量，使用Lo矮gitic模型蔼建立了我国上市百公司财务困境预安测模型。唐春阳柏、冯宗宪运用多啊元线性回归方法澳，利用逐步回归班得到的5个指标耙(分别是资产负半债率、成木费用啊利润率、主营业啊务利润率、全部按资本化比率行业叭债务结构) 得澳到一个简明的企拜业违

23、约率测度模爱型。郑建平采用哎概率统计方法构班建了个人信用评稗分模型，康世赢哎采用关联分析法癌和模糊综合评价靶的方法对个人信靶用评估进行了研奥究，孙建政运用袄Logisti吧c方法对个人信稗用评估模型进行摆了研究。张爱民癌等在借鉴Alt拜man的多元Z瓣值判定模型的基败础上，采用主成澳分分析的方法建摆立了财务预警模摆型;杨淑娥和徐阿伟刚采用主成分澳分析法，建立了爸Y分数财务预警肮系统。庞素琳对芭106家上市公挨司进行两类模式鞍分类，这两类模皑式是指按照公司摆的经营状况分为唉“扳差柏”哎和瓣“鞍正常跋”胺两个小组。对每板一家上市公司，皑考虑其经营状况板的4个主要财务颁指标:每股收益佰、每股净资产、

24、爸净资产收益率和熬每股现金流量。昂仿真结果表明，拌Logisti般c回归信用评价搬模型对总体10埃6个样本，判别摆准确率达到99唉.06%。宋冬唉梅，沈友娣也通氨过运用Logi叭stic模型评白价上市公司信用熬风险，也取得了坝较好的效果。樊皑锰汪媛雏等人从坝中小企业信用评艾级方法的比较和绊选择入手，以A芭HP分析法为核盎心，构建多级模癌糊综合评价模型稗，对中小企业信扳用状况做出评价爸。张目，周宗放拔提出一种基于投瓣影寻踪和最优分班割的企业信用评罢级模型。该模型扳运用投影寻踪对笆样本企业进行信半用综合评分，将俺信用综合得分由百大到小排序，生扳成有序样品序列肮;利用最优分割傲法对有序样品进皑行聚类

25、，得出明隘确的聚类结果;碍将最优分割点对疤应的信用综合得哎分作为划分信用爱等级的阈值，从把而实现对样木企八业的信用评级。稗人工智能方法中翱，王春峰等是国败内较早采用神经奥网络模型预测企胺业信用风险状况搬的学者。庞素琳艾等人对基于BP安算法的信用风险矮评价模型进行了扮研究。陈雄华等百、章忠志等也都阿各自利用神经网澳络构建了商业银耙行信用风险评估巴模型取得较好效挨果。吴冲等、梁般裸和吴德胜分别班利用模糊神经网肮络对我国企业信搬用风险作了实证白研究和分析。杨阿淑娥等构建了B拔P神经网络模型扮对上市公司的财安务状况进行预测奥。李玉霜，张维唉将分类树应用于安解决从业人员在傲进行贷款5分类凹过程中分析判断

26、隘能力欠缺的问题稗中，实证分析表鞍明决策树方法比癌线性判别分析方板法的准确率高。耙张维，李玉霜对摆基于分类树的商案业银行信贷分类翱的数据处理问题埃进行了研究。姚暗靠华姚靠华等以颁上市公司作为研澳究对象，选取反扒映上市公司盈利盎能力、偿债能力坝、营运能力、成半长能力和公司规澳模的17个财务安指标，区别于传白统的建模方法，碍应用决策树技术矮建立了中国上市疤公司的财务困境肮预警系统。实证艾结果表明该系统霸具有较好的预测啊性，在该领域有捌着良好的应用前摆景。吴德胜等人罢利用遗传算法辅般助优化神经网络袄训练策略，建立哀了基于进化神经跋网络的信用评估熬模型。叶中行，挨余敏杰构建了一霸种分类树和遗传袄算法相

27、结合的信哀用风险评估方法斑，先用分类树方佰法按照定性变量啊分类，然后在每瓣个叶结点上运用颁遗传算法按照定矮量变量分类。在扳个人信用评估方罢面，徐远纯等利跋用DONALD熬 BREN S办CHOOL O皑F INFOR伴MATION 耙AND COM扒PUTER S瓣CIENCES巴(UNIVER扳SITY of颁 CALIFO吧RNIA.IR半VINE)所提傲供的1986-捌1995年间的案客户信用卡数据肮库，建立了信用版卡欺诈风险分析翱决策树。冯铁军白对基于遗传算法蔼的神经网络技术唉在个人信用评估柏中的应用进行了跋研究，沈翠华等埃人对基于支持向敖量机的个人信用般评估技术进行了隘研究，石庆众、

28、皑靳云汇则对多种白个人信用评估技熬术在我国应用进爱行了比较研究。霸姜明辉、王欢、跋王雅林将分类树傲与其它方法进行办了比较研究，分埃析了其对个人信邦用评估的实用性摆。鲁为,斑王极提出了一利拜，改进的ID3柏的决策树算法(懊E-ID3),佰E-ID3算法按使用一种基于懊“懊统计出局部最优耙”瓣的方法，获得比皑较好的启发式函把数算法，并分析俺了E-ID3案“扒算两步，走一步暗”背的思想。实验证昂明，该优化算法邦对于构建决策树唉具有很好的效率坝。陆秋，程小辉傲针对ID3算法暗的多值偏向问题耙，提出一种基于啊属性相似度的、拔能够避免多值偏癌向问题的ID3半改进算法。朱毅翱峰等在传统决策埃树模型的基础上袄

29、引入卡方检测的袄方法，将个人信伴用评估过程中误癌判好坏客户的成爸本差异考虑在内隘，实证结果证明熬该精炼决策树模哎型在个人信用评阿估应用中可以提拔高判别坏客户的癌正确率。庞素琳啊等对C5.0算按法进行了研究，懊并建立了基于C百5.0算法的银白行个人信用评级半模型，用来对德岸国某银行的个人靶信贷数据进行信邦用评级。郑也夫澳将数据挖掘方法凹引入信用风险预奥测问题中，全面拌比较决策树、神般经网络和支持向捌量机算法在上市办公司信息风险预哀测问题上的优劣叭，得出决策树具拜有良好的适用性搬。后来郑也夫等八以我国上市公司澳作为研究对象，版以因财务状况异敖常而被特别处理搬作为界定上市公肮司陷入财务困境爱的标志，

30、采用交拔叉验证技术建立皑决策树模型，并按与Logist澳ic和K最近邻罢模型进行了比较傲分析。实证结果邦表明决策树模型扒能有效地预测上版市公司的信用风氨险，且适用性较柏好。拜1.3我国研究蔼现状及存在的问埃题澳 爱 目前，国内已奥经建立了一些评拌级系统，作为加懊强企业信用管理傲、防范风险的一笆项基础工作和重熬要手段。但与国啊外同行业进行对胺比，可以发现主搬要还存在以下几半个问题：拔(1)评级模型百适用性较差靶 评级模瓣型是评级系统的暗重要技术基础，巴属于金融领域内拜的关键技术，其阿开发研究需要结板合统计分析、风疤险计量、资产组柏合、期权定价等霸先进理论和技术俺，而我国由于经鞍济发展程度不高矮，

31、同时整体研究班水平还相对欠缺矮，故在评级模型暗的建设方面有待唉加强。因此必须隘结合经济发展的氨实际情况，充分案考虑利率市场化唉进程、企业财务隘欺诈现象、数据霸积累量不高、金俺融市场展不充分哎等现象，开发出爸适合自身特点的芭评级模型。百(2)模型主要背参数所需的数据岸不足扒 评级系伴统建设的核心资澳源是数据。近年百来信用评级工作爱建立了基本数据败库和反映信用风笆险特征的微观指隘标体系。但是，柏与评级法对数据肮的要求相比，现把有的数据积累远翱远不够，数据储蔼备严重不足目而瓣且质量不高、缺皑乏规范性，严重把制约了评级系统坝的应用和发展白；瓣为满足建设评级熬系统需要的数据八样本，还需要大昂量而细致的数

32、据唉积累工作，通过办数据整合、挖掘柏等技术，形成有皑价值的信息，为柏建立相关模型奠挨定良好的基础。摆(3)评级支持邦工具和系统落后疤 原有的扳评级工具为简单碍的EXCEL报吧表，属于单机分背散操作，只是简瓣单地进行手工操半作，不能实现网笆络化操作与管理笆。评级结果只是胺简单的EXCE绊L表格，数据的邦汇总程度、集中疤程度、共享性很矮低，同时也不利坝于对评级情况进罢行有效的监控。傲同时通过原有的安评级工具采集的板客户资料也相对拜简单，无法支持岸客户评级数据的白需要。评级系统板应与业务流程系哎统紧密结合，成般为一个嵌入式的奥管理工具，最大碍限度地发挥监管熬和决策支持的作艾用，实现企业评扒级、授信审

33、批的肮全流程计算机管班理跋。凹(4)评级指标霸体系落后扒原有的评级指标般体系中存在与经按济发展、企业发稗展不相适应的指办标，比如指某些绊指标权重太大、疤某些指标己不能办反映企业的特点蔼、有些指标设置盎较粗、某些指标扮缺乏等。肮第二章 邦信用评级主要方暗法与模型综述埃2.1 专家评叭估法耙 绊 岸 埃专家评估方法是澳指通过专家对影摆响企业经营业绩鞍的有关经营要素跋进行分析评分，爱使信用定量化，哀然后求加权平均百得出企业信用等案级的一种方法。版该方法依赖于专绊家主观判断，而奥且评级结果主要把应用于信贷决策矮。比较有代表性埃的拌专家评估法昂有懊“安5C奥”把，绊“阿5P扳”靶，爱“颁LAPP颁”按等

34、方法。佰 蔼5C分析法凹中5C是指:碍品格昂、哎资本佰、扒能力柏,邦经营环境拌、扒担保品扒。爸 品格主稗要是评价客户的八品行是否诚实可佰信、其偿还贷款耙的主动性如何。盎对于公司而言，巴品格是指其主要坝领导人的经营能凹力与经营作风，班公司文化及其伦盎理，也包括企业芭在同行业中的信笆誉、地位等。办 资本是靶反映企业资金实芭力的一个重要方盎面，也间接反映瓣了企业的资金积拔累情况。资本充癌足、资金积累多袄，则企业信用状拔况就好。案 能力主傲要包括经济上的耙借款与偿还能力爸和法律上的借款坝能力。从经济上翱看，信用评价应佰着重评价企业的唉偿债能力、盈利懊能力和营运能力办，与财务比率分敖析法所强调的因艾素完

35、全一致，从巴法律上看，信用伴评价应着重评价白企业是否具备法蔼定的资格和权利懊，通过对政府法哎规以及公司章程背的调查分析可以扳获得此类信息。吧 经营环伴境是企业的内在败坏境和所处的外凹在环境。内在环耙境主要是指企业巴的经营特点、经矮营方式、技术设罢备状况、劳资关啊系等企业自身能安够控制的方面佰；半企业外在环境主盎要是指国家经济拌状况、行业竞争阿状况、行业发展鞍趋势、市场状况熬等。环境条件有败利，则信用程度颁将提高。哎 担保品柏是指企业可以用按为信用担保如半抵押)的物品。摆担保品丰富且价罢值良好，则信用吧相对就高，信用按一旦发生危机则搬发生损失的可能爱性也相应少。但靶在评价时也应注唉意担保品的所有

36、傲权、担保品的价版值状况等。案 敖5P分析法伴中5P是指：搬个人因素邦、凹资金用途因素安、傲还款来源因素颁、耙债权保障因素哀,皑企业前景因素肮。拜 个人因扮素主要分析企业挨经营者品德、能癌力，是否诚实守叭信，还款意愿等案。艾 资金用斑途因素主要包括版生产经营、还款笆缴税、替代股权癌等三个方面。罢 还款来袄源因素主要有两拜个来源一是现金翱流量，二是资产鞍变现。案 债权保邦障因素主要包括班内部保障和外部氨保障两个方面。扮 企业前百景因素主要分析疤借款企业的发展捌前景，包括产业扳政策、竞争能力靶等。懊 瓣LAPP法肮是以奥Liquidi笆ty(流动性)跋、捌Activit挨y(活动性)白、巴prof

37、ita啊bility(办盈利性)吧、搬Potenti爸alities暗(潜力)奥四个词的第一个笆字母命名，从这案四个方面评价企吧业的信用。傲专家评估方法的哀主要缺陷是一个柏主观性问题，该叭方法的因素权重拜完全取决于专家笆的主观判断，衡皑量标准因人而异翱，导致结果大相搬径庭。或者说，版这种方法会使专熬家在进行评判时捌造成思维定势，笆人为因素致使评澳判结果有失公允啊。这一方法的特搬点是主观定性判暗断，主要依靠专啊家的专业判断和昂经验综合各个方疤面的情况对企业埃的信用进行评估芭，但是不可避免白的主观性因素会唉对评级过程产生瓣影响，由于是人啊工评级，其成本拜较高，评级周期白长，在效率上，扳无法满足企业

38、对坝信用评级的要求芭。把2.2 财务比碍率分析法板该方法在196哎6年被引入预测把企业破产领域，敖经过多年的发展懊形成了一系列财按务比率分析方法按，总体上讲就是跋对企业各项财务澳指标作一个全面扳、系统和综合的跋分析，从而对企哎业的经营状况和芭财务状况进行剖稗析、解析和评价绊。在实际应用中笆这是一种简单的稗加权方法，即给安每个财务比率确挨定相应的权重和敖计算标准，将企啊业与标准值进行邦对比后给出个体扒的得分，然后加搬权求和得出该企败业的信用得分并败进行等级划分。按这类方法的主要罢代表有般杜邦财务分析体捌系板和奥沃尔比重评分法胺。芭杜邦财务分析体昂系唉的基本原理是将蔼财务指标作为一懊个系统，将财务

39、鞍分析与评价作为翱一个系统工程，昂全面评价企业的背偿债能力、营运奥能力、盈利能力暗及其相互之间的阿关系，在全面财埃务分析的基础上扳进行全面评价，安使评价者对公司碍的财务状况有深翱入而相互联系的懊认识，有效地进巴行决策。其基本伴特点是以岸净值报酬率百为龙头，以碍资产净利润率皑为核心，将袄偿债能力昂、哎资产营运能力耙、百盈利能力胺有机结合起来，斑层层分解，逐步碍深入，构成了一凹个完整的分析系翱统，全面、系统拔、直观地反映了挨企业的财务状况半。暗沃尔比重法般选定7项财务比阿率作为分析指标岸，即:版流动比率板、俺自有资产对固定袄资产比重案、熬自有资产对负债拌比率昂、凹应收账款周转率败、搬存货周转率稗、

40、捌固定资产周转率把、哎自有资本周转率懊。将指标的行业碍先进水平作为标八准值，并将指标哀用线性关系结合叭起来，分别给定哎各自的分数比重吧，通过实际值与笆标准比率的比较懊，确定各项指标佰的得分及总体指扒标的累积分数，爱从而得出企业财敖务状况的综合评奥价，继而确定其般信用等级。半财务比率分析法碍克服了要素分析芭法的主观性使得盎评价独立于评估拜人员的主观努力绊并使计算机的使笆用成为可能，但案是其指标权重和斑与标准分对比后傲得出的财务比率扮得分有明显的主暗观性，使得评价氨结果与企业的实扒际情况有很大的懊出入。坝2.3 多元判搬别分析(MDA艾 )案 背 懊 隘多元判别分析(皑MDA)是除美胺国外的其它国

41、家鞍使用最多的统计拌方法.多元线性坝判别分析法，可跋以具体分为哀一般判别分析(柏不考虑变量筛选芭)败和翱定量资料的逐步办判别分析(考虑八变量筛选)昂.我国在摆1993年7月坝1日唉起正式实施与国百际会计准则基本胺适应的、统一的按企业会计准则般，由此奠定了埃企业信用评估研艾究的基础和前提敖，随着国内会计搬人员的业务水平澳(如对准则的掌埃握、理解和应用熬水平等)和会计跋报表水平的不断凹提高，所产生的颁会计报表开始基半本符合准则要求百，因此，近年来胺的财务数据已具按备建立企业信用捌判别模型的基本稗条件.耙应用多元判别分罢析(MDA)有鞍以下三个主要假盎设：(1)变量鞍数据是正态分布班的；(2)各组澳

42、的协方差是相同癌的；(3)每组扒的均值向量、协百方差矩阵、先验吧概率和误判代价胺是已知的。皑 多元判别分巴析(MDA)拜的佰优点：对财务变伴量的正态假设已败成为通常惯例.艾由于线性判别函巴数(LDA)在办实际使用中是最拌方便的，如在距皑离判别和贝叶斯凹判别中，在正态拜总体等协方差时案，均导出一个线败性判别函数，所罢以一般只研究线岸性判别函数.在扒满足上述3个假伴设的条件下，该哎判别函数使误判芭概率达最小。罢多元判别分析(半MDA)板的不足之处碍：多元判别分析伴（MDA）要求班样本数据服从正懊态分布和等协方案差，而现实中大版量数据并不服从扮这些假定。奥2.4 lo案gistic分班析巴logis

43、ti办c分析是基于累笆积概率的判别方把法，该方法对包案括有二值相关的白变量比较适用，搬和MDA比较，懊Collins跋和Green宣败称Logist芭ic分析方法能挨够降低第一类错把误(即将破产的爱企业判为非破产拔的企业)，但不鞍能显著地提高总懊体判别的准确性爸，此外他们还指懊出MDA对于模爱型假设错误有着八很强的鲁棒性。挨如果第一类错误凹的代价不是特别爸巨大，比之于M白DA模型，Lo邦gistic分凹析方法带来的复柏杂的计算是不值澳得的坝。胺 Chesse岸r分析模型就是般logisti搬c分析方法一个拔很有代表性的判靶别模型。耙 Lo翱gistic回疤归分析方法也是笆目前为止应用最鞍为广泛

44、的一种信绊用评分模型。1癌977年，Ma靶rtin采用一扒系列财务比率变翱量来预测公司破碍产及违约概率，哀建立了Logi白stic回归模罢型，并逐渐成为版衡量公司信用风阿险的一种常用方哎法，它对于误差八项没有正态分布班要求，对判别虚班拟变量问题有良鞍好的效果，在违傲约概率计算中有阿很好的适用性，安还可以降低犯第颁一类错误的概率蔼。Logist安ic模型适用于拜因变量是非连续盎的且为二分类选蔼择模式，目的是巴找出被解释变量矮与一组自变量之佰间的线性关系，肮核心思想是将这八些自变量拟合成隘一个可以预测违坝约概率的被解释伴变量，即违约概捌率捌。我们知道，一唉般的线性回归模瓣型如下：癌 芭 隘 盎 肮

45、 肮 碍若对分类因变量半直接拟合违约事肮件发生的概率，拜自然而然地我们爱想到了下面形式芭的回归模型：挨 瓣该模型等式右边暗取值范围为罢，而左边作为违摆约概率，其取值坝范围为隘，因此该模型存邦在漏洞，为了更罢加合理，197耙0年，Cox引版入了人口学领域肮的Logit(耙Logit T板ransfor半m)，成功对模罢型进行优化，得岸到了Logis佰tic模型： 也即： 般 Log熬it变换导致了案模型中的参数含坝义比较复杂，但奥是实用性得到了按提高，这里将一鞍些基本概念解释翱如下：（1）其熬中扳为企业公司的概啊率敖，坝为信用风险评定白中的指标变量，败为技术系数，可哀以通过极大似然瓣法求解。通过

46、样霸本回归估计出系暗数案后，一可计算出扳概率板，将其归纳为相昂应的信用等级。澳(2)优势比(般odds)：分昂析中常常会把某笆种情况发生的概鞍率与不发生的概扳率的比称为比值伴，即：跋。两个比值之比凹称为优势比(或捌比值比，Odd扒s Ratio扮，简称OR)，稗因此OR是否大坝于1意为两种情罢况概率情况的比盎较：当时，则当时，则当时，则爸缺点：Logi罢stic回归模绊型不仅对中间区般域的差别敏感性板较强，而且当样肮本点完全分离时摆，模型参数的最矮大似然估计可能凹不存在。因此在皑正态的情况下不爸满足其判别正确捌率高于判别分析百法的结果。另外胺该方法对中间区跋域的判别敏感性鞍较强，导致判别稗结果

47、的不稳定。颁2.5 非参数氨方法（Non-阿paramet疤ricMeth摆od)澳2.5.1八 聚类分析(C败luster 凹Analysi蔼s)哀聚类分析的基本瓣思想是认为我们坝所研究的样本或凹指标(变量)之败问存在着不同程拌度的相似性。于败是根据一批样本拔的多个观测指标俺，找出一些能够八度量样本或指标吧之问相似程度的笆统计量，以这些胺统计量为划分类俺型的依据，把一案些相似程度较大跋的样本或指标聚哀为一类，把另外靶一些彼此之问相安似程度较大的样熬本又聚为另一类罢，关系密切的聚癌合到一个小的分挨类单位，关系疏阿远的聚合到一个办大的分类单位，艾直到把所有样本氨或指标都聚合完扮毕，形成一个由胺小

48、到大的分类系啊统。靶常见的袄聚类分析方法案有艾层次聚类柏和拜一均值聚类拌。其核心思想是埃:给定一个包含安个数据对象的数哎据库，以及要生版成的簇的数目疤,随机选取把个对象作为初始瓣的半个聚类中心，然吧后计算剩余各个肮样本到每一个聚啊类中心的距离，颁把该样本归到离斑它最近的那个聚般类中心所在的类凹，对调整后的新拔类使用平均值的伴方法计算新的聚芭类中心，如果相搬邻两次的聚类中爸心没有任何变化阿，说明样本调整爱结束且聚类平均笆误差准则函数已按经收敛。艾在每次迭代中都案要考察每个样本隘的分类是否正确鞍，若不正确，就熬要调整，在全部阿样本调整完后，傲再修改聚类中心班，进入下一次迭袄代。如果在一次懊迭代算法

49、中，所巴有的样本被正确熬分类，则不会有败调整，聚类中心爸也不会有任何变爱化。在算法迭代柏的过程中准则函肮数的值在不断减般小，最终收敛至拜一个固定的值。傲总之，跋一均值聚类是一哎个反复迭代的分颁类过程。在聚类傲过程中，样本所埃属的类会不断改蔼变，直到最终达翱到稳定为止。奥 聚类分吧析属于非参数统白计方法.信用风吧险分析中它根据霸由借款人的指标吧计算出的在样本捌空间的距离，这拌种方法一个主要疤优点是不要求知安道总体的具体分般布;可对变量采佰用名义尺度，次敖序尺度，因此该隘方法可用于定性跋研究，也可对现拌实中的无法用数柏值精确表述的属矮性进行分析.这翱很适用于信用风碍险分析中按照定凹量指标(盈利比挨

50、、速动比等)和敖定性指标(管理拔水平、信用等级百等)，对并不服般从一定分布特性笆的数据信息进行敖分类.例如，L芭undy运用该芭方法对消费贷款跋申请者的典型信扳用申请数据及年爸龄、职业、婚否芭、居住条件进行败处理分成6类并隘对每类回归评分把，它不仅将借款昂人进行有效的分癌类而且还帮助商拌业银行确定了贷癌款方式策略.跋优点：聚类分析柏具有不要求样本把数据服从具体分绊布、可对变量采吧用名义尺度和次办序尺度等优点，斑适于信用风险分按析中按照定量指扳标和定性指标对把并不服从一定分罢布特性的数据信爱息分类的要求。扮我国信用数据表懊现出明显的非正半态分布特征，因邦而将聚类分析应绊用于我国企业信疤用评级具有

51、较强哀的针对性和适应氨性;瓣不足之处：我国邦信用数据又具有拌高维性，当数据白维数较高时，聚背类分析会遇到很吧大的困难。因此蔼，聚类分析应用案于企业信用评级袄的基本思路目前安仍然是基于唉“隘降维案”艾的思路，即首先绊采用百评分法、因子分爱析法等对样本企扳业进行信用评分唉，然后，运用系艾统聚类、耙- 均值聚类等般算法对信用得分版序列进行聚类，鞍从而获得企业信隘用评级结果。然阿而，在实际应用扮过程中，系统聚疤类、拌- 均值聚类等熬算法并不能给出邦明确的信用等级半阈值，这给模型癌的检验和推广带巴来了困难。靶2.5.2巴 K近邻判别艾(K Near癌est Nei板ghbor)扒近邻判别（K 把Near

52、est鞍 Neighb傲or)，简称K靶NN，是另一种跋非参数方法，它坝在一定距离概念巴下按照若干定量岸变量从样本中选瓣取与确定向量距埃离最短败个样本为一组，伴适用于初始分布拌和数据采集范围案限制较少和情况叭.另外，KNN埃通过将变量在样翱本整体范围内分懊为任意多决策区把间，而近似样本绊分布.Tam将拜之用于信用风险板分析，取马氏距伴离，从流动性、岸盈利性、资本质懊量角度选出的1佰9个变量指标，拌对样本分类，经班比较，其分类结爸果的准确性不如扮LDA, Lo霸gistici耙。以及神经网络邦。原因在于在同摆样的样本容量下芭，若对具体问题背的确存在特定的版参数模型并可能疤找出时，非参数翱方法不及

53、参数方哀法好。芭2.6 Z模罢型和Zeta模奥型霸以案模型和Zeta耙模型为代表的系摆列统计判别方法败目前仍然是西方绊国家商业银行对半客户信用等级评八定的重要模型之岸一。按模型(Altm摆an, 196颁8)的建立过程般包括四步：(1艾)选取一组反映岸借款人财务状况按和还本付息能力傲的财务比率；(办2)从银行过去把的贷款资料中分板正常和违约两类哎收集资料；(3扳)确定每一比率碍的权重，将每一扒比率乘以相应权般重，然后相加，爱得到半分值；(4)对捌所选的样本进行坝Z值分析，得出班衡量贷款风险度岸的Z值或值域用鞍于衡量信贷风险跋。扒Altman 按1968年确立背的分辨函数为:版 肮 耙 罢Z=0

54、.012般*班X1+0.01敖4罢*澳X2 +0.0百33巴*奥X3+0.00坝6爱*伴X4+0.99芭9霸*般X爱5懊 （1）耙公式(1)中X隘1为颁流动资金颁/蔼总资产傲，X2为邦留存收益笆/总资产，X3皑为八息税前收益阿/总资产，X4芭为佰股权市值坝/皑总负债账面值摆，X5为耙销售收入扮/总资产。奥Altman经斑过统计分析和计疤算最后确定了借拔款人违约的临界背值Zo=2.6扳75，如果Z2.675把，则借款人被划班为非违约组。当阿1.81Z胺2.99时，此傲时的判断失误较吧大，称该区域为癌未知区(zon昂e of ig半norance肮)或称灰色区域稗(gray a柏rea)。昂Zet

55、a模型颁(Altman翱 Haldem伴an Nara伴yaman安 1977)对澳原始Z模型进行澳了重大修正和提安升，原来的五个拔指标变为七个。耙这七个指标分别肮代表企业短期赢半利性、收益的保敖障、长期赢利性唉、流动性和规模皑等特征。Alt摆man应用世界捌著名评级机构如跋标准普尔、穆迪颁等的评级结果，澳与阿值的结果进行对罢比，发现两者具坝有很强的相关性扳，实证显示瓣值模型作为信用耙评级的方法具有熬较强的有效性。暗 其间，伴也有学者对啊值模型的应用提傲出了异议。Mo瓣riarity邦曾经应用多维图拔解计算法(Mu邦ltidime办nsional白 Graphi扮cs)与摆值模型进行比较哎，认

56、为Altm挨an模型并不能澳很好判别破产和矮非破产企业。氨Altman碍对此回应为：般值模型仅仅适用袄于制造型企业，颁而不是用于非制芭造型企业，叭Moriari阿ty所提供的样爸本应该用Zet袄a模型来预测，岸经分析Altm扳an认为Zet耙a模型所得的结胺论比Moria颁rity所得的案结论更精确。案 把值模型在发展中搬得到不断的修正摆，由于其方法易碍于掌握和控制，搬实证效果较为理瓣想，20世纪9白0年代该模型已罢逐渐商业化，各搬国纷纷在拌值模型和Zet颁a模型的基础上肮推出适合本国、啊本地区的判别模碍型，效果比较理白想，取得较大的班经济效益。啊模型和Zeta伴模型存在的主要澳问题是：1.两

57、安个模型都依赖于袄财务报表的账面耙数据，而忽视日敖益重要的各项资败本市场指标，这按就必然削弱预测班结果的可靠性和版及时性。2.由绊于模型缺乏对违挨约和违约风险的翱系统认识，理论俺基础比较薄弱，疤从而难以令人信胺服。3拌.艾两个模型都假设白在解释变量中存柏在着线性关系，哎而现实的经济现氨象是非线性的，拔因而也削弱了预啊测结果的准确程岸度，使得违约模捌型不能精确地描案述经济现实。4暗.两个模型都无霸法计量企业的表昂外信用风险，另碍外对某些特定行袄业的企业，如公跋用企业、财务公班司、新公司以及盎资源企业也不适芭用，因而它们的斑使用范围受到较啊大限制。般2.7 基于败投影寻踪和最优癌分割伴运用投影寻踪

58、对吧样本企业进行信皑用综合评分，将艾信用综合得分由伴大到小排序，生癌成有序样品序列爸;利用最优分割半法对有序样品进俺行聚类，得出明伴确的聚类结果；傲将最优分割点对鞍应的信用综合得笆分作为划分信用坝等级的阈值，从氨而实现对样本企邦业的信用评级。挨投影寻踪耙(Projec鞍tion Pu百rsuit，P拌P)是一种直接唉由样本数据驱动瓣的探索性数据分案析方法， 半特别适用于分析靶和处理非线性、挨非正态的高维数胺据，蔼其基本思想是斑把高维数据投影板到低维子空间上般，寻找出能反映瓣原高维数据的结吧构或特征的投影袄，以达到研究分笆析高维数据的目胺的，已成功应用懊于信用评价、水八资源评价、环境傲监测、灾情

59、评估癌等诸多领域。矮最优分割法疤是凹对有序样品进行跋聚类的一种统计矮方法班，具有芭多指标聚类巴、肮不破坏样品原有拔顺序跋、搬分割界限明确八等特点，并能够柏根据定义的目标案函数确定较优分捌类数，已广泛应澳用于经济分析、坝环境监测、地质拔勘探、气象统计颁预报等诸多领域坝。罢基于投影寻踪和坝最优分割的企业翱信用评级模型构拌建：对于多分类安的企业信用评级翱问题，设有啊个企业组成训练懊样本集爱，企业信用评级颁指标集邦,吧为训练样本耙在指标霸下的指标值。构癌建步骤如下：般步骤 1.蔼指标值的归一化拜处理岸。为消除各指标芭的量纲，统一各佰指标的变化范围耙和方向，须对指阿标进行极值归一芭化处理。捌 跋 哀对于

60、成本型指标巴，熬 扒 （板2搬）办对于效益型指标氨，令八 （伴3哀）瓣式（瓣2罢）敖奥（八3岸）中，矮，耙分别为第芭个指标的最大值蔼和最小值。皑对于固定型指标岸，即指标值越接邦近某一固定值越斑好的指标，有隘 笆 挨（邦4邦）癌式中，敖为第扒个指标的最佳稳爱定值。佰步骤2.板构造信用评分函芭数和投影指标函癌数芭。搬方法就是把翱维数据暗综合成以俺为投影方向爱的一维柏投影值挨 挨 班 懊（佰5阿）盎式中，搬为单位长向量。芭近似刻画了样本般企业的信用状况邦，投影值越低，碍信用风险越高，案则称癌式（奥5吧）为样本企业的癌信用评分函数耙，稗为样本企业的信阿用综合得分。啊方法在综合版时，要求癌的散布特征应为