企业信用评级模型

1、PAGE WORD格式可编辑PAGE 专业知识分享 WORD格式可编辑 专业知识分享爸氨肮企业信用评级模摘要拜 八社会信用体系是昂市场经济体制中靶的重要体系。当笆前，社会中商业般欺诈，制假售假翱，非法集资等现矮象屡禁不止，啊这些社会信用问百题归根到底都是隘企业信用的问题傲，因此，科学、昂合理、公正、权哀威的企业信用评白级技术是当前紧安要的任务。俺本文通过研究研肮究国内外企业信扮用评价方法，构霸建了一个企业信蔼用评价平台。该案平台提供了信用癌评价，信用等级败，信用反馈等功暗能，是一个功能吧非常完备的信用肮评价平台。企业阿信用评级模型是翱评价企业信用等扮级的有效工具，办随着全世界债券俺市场的迅猛发

2、展耙、抵押品价值降拌低及其波动性增哎加，该模型将会百得到更为广泛的胺关注，并将为我碍国各公司企业运扮用数学模型度量奥企业信用评级提蔼供了重要参考意把义。扒关键词：数学模版型芭 捌企业信用等摆级拜 芭企业信用评级模版型跋 氨信用评价昂Abstrac扮t瓣T绊he soci颁al cred颁it syst颁em is a跋n impor佰tant sy敖stem of阿 market翱 econom背y syste挨m. 爱A懊t prese澳nt, 凹commerc氨ial芭 fraud 蔼in the 巴soc半iety of板 白counter岸feit矮 goods,扳 the ph佰en

3、omeno鞍n such 傲as ille笆gal fun叭d-raisi懊ng, the扒 social叭 credit颁 proble澳ms in t爱he fina矮l analy哀sis are瓣 enterp拔rise cr笆edit pr捌oblems,叭 theref芭ore, sc奥ientifi巴c, reas盎onable,啊 fair a八nd auth熬ority o佰f enter癌prise c败redit r半ating t斑echnolo奥gy is t埃he curr邦ent urg瓣ent tas吧k.阿T癌hrough 氨researc捌h the e翱n

4、terpri奥se cred佰it eval袄uation 凹methods佰 both a敖t home 摆and abr胺oad, th癌is pape疤r build坝s a ent白erprise拌 credit跋 evalua敖tion, c靶redit r巴ating, 袄credit 敖feedbac摆k, and 哀other f爸unction哀, is a 拜very co阿mplete 拜credit 懊evaluat敖ion pla哎tform. 凹E蔼nterpri俺se cred扳it rati癌ng mode叭l is an邦 effect阿ive too瓣l f

5、or e俺valuati斑on of e摆nterpri拜se cred袄it rati拔ng with班 the ra败pid dev奥elopmen般t of bo坝nd mark俺ets aro敖und the安 world 澳the val案ue of c叭ollater瓣al redu摆ces and奥 its vo胺latilit邦y incre艾ases, t澳he mode哎l will 叭be more蔼 widesp懊read at懊tention盎, and t奥he math背ematica扳l model伴 for th把e compa班nies in阿 our co

6、跋untry e把nterpri班se use 鞍metric 案enterpr佰ise cre跋dit rat搬ing pro蔼vides a颁n impor按tant re爸ference暗 signif澳icance.俺K拔ey word靶s: 矮mathema氨tical m伴odel耙 奥Enterpr熬ise扳 credit懊 rating背 白Enterpr百ise扒 credit埃 rating佰 model罢 袄Credit 岸evalu爱ation目录八摘案要艾暗白按盎熬罢阿哀耙拜靶Abstrac翱t哎靶办俺隘哀奥傲第一稗章笆 靶绪盎论隘吧蔼绊绊拌瓣摆1扳 1.1八 胺选题

7、背景和意佰义背芭艾罢唉坝昂坝1艾 1.2拌 爱国内外文献综颁述吧背隘绊摆八啊2懊 阿1.2.1拜 拜国外研究现疤状伴叭佰安袄白癌2拔 绊1.2.2矮 熬国内研究现霸状邦靶伴拌半版跋板5熬1.八3爱我国研究现状及佰存在的问按题伴啊把碍氨斑9熬第二颁章癌 邦信用评级主要方唉法与模型综拜述佰扳扒摆瓣暗10办2.1坝 奥专家评估法及其疤优缺佰点叭伴巴瓣把哎案10爸2.2叭 哎财务比率分析法柏及其优缺柏点稗般败瓣拜案12颁2.3般 瓣多元判别分捌析邦(MDA )唉 靶及其优缺伴点碍癌鞍绊14稗2.4 lo胺gisti般c搬分析及其优缺斑点罢扳爸背袄疤15坝2.5翱 斑非参数方昂法碍袄氨安阿班哎鞍17翱2

8、.5.1拌 澳聚类分析及其优阿缺爱点澳扒矮跋败澳佰17癌2.5.2拌 奥K爸近邻判别及其优般缺白点暗挨版皑颁敖19唉2.6 安Z按模型拜和爱Zet唉a吧模型及其优缺稗点唉稗颁跋癌19敖2.7 罢 奥基于投影寻艾踪和最优分割及佰其优缺败点蔼袄盎霸唉21捌2.8 霸 疤模糊综合评判昂法及其优缺办点疤癌哎癌笆蔼26班2.8.1板 把确定评语靶集氨般瓣按皑罢坝疤27扒2.8. 2瓣 白确定指标权重办集碍罢巴澳凹把绊28跋2.8.3奥 爸确定评判矩瓣阵班耙办芭罢八罢28摆2.8.4按 败模糊综合评哎判氨肮搬叭埃摆柏癌29艾2.8.5把 斑模糊合成算柏子的选翱择霸袄癌败懊艾31鞍2.9 白遗传算法优化斑神

9、经网络及其跋优缺版点捌跋疤啊34凹2.10 碍基于有序分类和笆支持向量机方法百及其优缺霸点叭熬翱39吧2.10.1鞍 阿有序分吧类问题与内置空搬间傲法佰板捌坝39百2.11 疤C4.5扒算法建立决策树班模型及其优缺百点案岸傲42翱2.12 癌km半v拜公司盎的哎km哎v岸模型及其优缺点把奥盎伴4捌4白2.13 澳j.唉p摆摩根靶的袄credit 败metrics肮模型及其优缺哎点埃扒板45俺2.14挨 啊麦肯锡公司皑的阿credit 拔portfol罢io vie扮w傲模型及其优缺点翱唉46皑2.15哀 败瑞士信贷银行捌的敖credit 爸risk靶+板模型及其优缺点安啊46败第三蔼章碍 佰现

10、代模型在中国扒应用的缺陷性及罢改进措暗施稗八矮47伴3.鞍1爸对于现代模型的碍运用还处于尝试霸阶版段疤佰扮颁47按3.2俺 百改进措碍施澳般阿按搬熬啊48胺第四哀章啊 耙对我国企业信用耙评级工作的建颁议半跋敖肮50埃参考文献百肮捌蔼翱案扮半52 WORD格式可编辑 专业知识分享第一章绪论疤1.班1鞍项目背景及意义笆社会信用体系是奥市场经济体制中艾的重要体系。建罢立社会信用体系啊，是完善我国社爸会主义市场经济柏体制的客观需要昂，是整顿和规范拔市场经济秩序的般治本之策。当前班，社会中商业欺啊诈，制假售假，吧非法集资等现象柏屡禁不止，这些埃问题的源泉归根隘到底是社会信用翱出现了问题，因皑此加快建设社

11、会矮信用体系，打击隘各种违法行为，叭处理各种信用问鞍题不仅维护了正拜常的社会经济秩澳序，保护了群众埃权益，也进一步白推进了政府更好懊的履行其公共服矮务、经济调节、敖以及市场监管的拌职能。市场经济板条件下，社会信笆用体系由个人信扒用、政府信用、哎企业信用融合而坝成。其中个人信蔼用是社会信用的罢基础；政府信用笆是社会信用的基阿石；而企业信用埃是最关键，最活把跃和最具影响力艾的。因为企业信八用不仅在一般交八易市场被多方重叭视更重要的是在版金融市场被投资懊人或者贷款人所拔关注。随着市场挨经济的不断发展搬，企业信用将成按为合作与交易的八先决条件，因此百当前我国企业信败用体系建设是整哀个社会信用体系碍建设

12、的重点。哎当前我国企业信熬用体系建设中存扒在的各种问题尽傲管表现形式各异啊，但从本质上讲坝，主要是企业信捌用信息的缺失，斑具体表现为企业捌信用信息的有效跋供给和有效需求盎的双重不足。一罢方面，由于企业笆体系建设滞后，哀使资信评估机构稗难以全面、准确胺、快速地获得企爸业信用信息，并俺通过评级技术确唉定其信用等级，佰即资信评估机构碍难以有效地生产稗出能够满足市场巴需求的高品质的蔼信用信息产品，佰形成有效供给。哎另一方面，由于懊缺乏高品质的，瓣能够满足市场需伴要的信用信息产捌品，投资者或者爸企业在进行投资凹或参与市场交易案时，虽然对信用敖产品有需求，但爸不能转化为现实拜需要，即潜在的奥需求不能转化为

13、挨有效需求。正是盎这种有效供给与埃有效需求之间的百矛盾，互相制约捌，恶性循环，严疤重制约了我国信半用市场的健康有皑序发展。因此当捌前我们迫切的主艾要任务就是建立瓣一套完整，可靠拌的企业信用体系奥，而企业信用体霸系的核心就是要盎有一种企业信用稗等级必须能够客哎观公正地反映企般业信用的真实状佰况。因此，科学矮、合理、公正、伴权威的企业信用澳评级技术是成功盎地实施企业信用罢制度的关键所在鞍，也是企业信用岸体系的紧要研究阿课题。奥1.败2捌国内外文献综述吧1.2.1爱国外信用评级研罢究概况靶国外信用评级的邦研究始于上世纪艾三十年代，分成敖四个阶段。第一皑阶段主要建模方绊法是基于传统的邦比例分析方法，肮

14、如稗“熬SC , 绊LAP佰P哀”叭和财务比率分析邦方法。颁第二阶段始于上八世纪六十年代，埃这一阶段的主要巴方法包括多元判搬别分析按法坝(MDA 颁)芭，班Logisti氨c肮回归模型以及聚挨类分析等非参数隘方法。该阶段中坝关于财务信息与霸信用风险关系的班研究主要以线性邦判别为主，在线搬性判别模型中又爸以皑Beave艾r斑的单变量模型艾和拌Altma氨n搬的多元模型影响矮最为广泛氨。岸Beave肮r肮对绊3爸0扮多个企业的财务按比率进行了研究袄，运用单变量分按析法对企业的违般约进行研究，通把过对样木的分析背找到破产企业与凹非破产企业单个吧财务比率的临界昂点，并利用该临柏界点对破产企业爸和非破产

15、企业进捌行预测昂。芭Altma芭n斑于扳196拔8凹年唉对佰“稗家美国制造业企懊业的经营情况进搬行了典型判别分霸析，提出了著名板的耙Z-Scor氨e邦模型矮，拌197背7吧年吧Altma皑n蔼本人又跋对班Z-Scor袄e埃模型进行了修正碍和扩展，建立扮了拔ZET拔A百评分模型。许多板金融机构用它预爸测信用风险，并拜取得了一定的成傲效暗。懊Z-Scor氨e办模型鞍和袄ZET凹A吧模型，都是以会般计资料为基础的坝多变量信用评分阿模型，由其计算阿的叭Z傲值可以反映贷款扮企业在一定时期岸内的信用状翱况盎(啊违约与不违约、安破产与不破板产挨)暗，简单实用，很斑快成为了预测企案业违约或破产的暗主流分析方法

16、，艾被应用到世界上蔼超半过罢2案5扮个国家。类似的霸研究还包柏括翱Horriga阿n, Pogu隘e熬和颁Soldofs吧ky, Wes昂t, Hort背o耙n哎等。但是多变量隘区别分析法有着盎严格的假设条件奥，如多元正态分埃布、等协方差矩柏阵等等，针对这笆些问题熬，爱Ohlso巴n傲构建了假设条件蔼较为宽松坝的澳Logisti袄c盎识别模型，并将哎其应用于商业银伴行信用风险评估爸领域叭，捌Madall柏a氨采敖用瓣Logisti澳c跋模型区别违约与班非违约贷款申请拜人的信用状况吧，拔Libb坝y背首次将主成份分白析方法引入判别百模型以克服变量隘多重共线性的问坝题昂。哎Zmijews班k澳i矮

17、则引啊入皑Probi阿t坝模型进行类似的扳研究。盎 昂 阿由于统计模型有按着比较严格的假翱设，同时线性技敖术又无法区分出啊随机噪声和非线把性关系。因此依白托迅速发展的计碍算机信息技术，埃运用数据挖掘方隘法进行建模在近翱年来的信用风险罢评估领域得到了盎广泛的关注。也皑就是评级模型发皑展的第三阶段。矮该阶段的主要方安法是人工智能方扳法，主要建模方岸法包括专家系统摆，人工神经网络袄、决策树算法、柏支持向量机和遗扒传算法等八。奥Odo斑m坝首次将神经网络袄引入企业破产领案域，挨用熬B邦P俺神经网络预测了扳财务困境，结果摆显示神经网络模扮型优于判别分析埃模型。随埃后啊Ta版m案和蔼Kiang, 氨Tri

18、pp昂i蔼和安Turban,拌 Coat百s版和凹Fant, B霸el邦l氨等也都采用神经拔网络模型来对公碍司和银行的财务佰危机进行了预测矮，取得了一定的奥效果翱。啊Katiusc扒ia Manz邦oni岸 按利用神经网络对叭欧洲债券的信用叭评级和降级概率版进行了研究俺。班Makowsi绊k捌是第一批倡导将版决策树方法应用班于信用评估的学捌者之一，之案后巴Carter,懊 Catlet耙t办以搬及班Boyleet矮 a熬l拔也对决策树方法胺用于信用评估的版结果进行了分析扒。癌Tae K. 唉S, Nams笆ik 板C吧和拌Gunhee 搬L凹.靶三人则应用决策爸树技术研究破产霸预测半。唉Sch

19、ebes埃ch K柏B般和暗Sleekin瓣g 半R颁用由一组高维数白据组成的向量描白述申请者，从而安利用非线岸性啊SV瓣M案对信用卡申请者搬进行评级扳。拔Yong-Ch办an Le扮e澳使用支持向量机拔方法预测公司的伴信用等级取得了半较好的结果霸。俺Sheng-T袄un Lia,搬 Weisso罢r Shiue碍, Meng-背Huah Hu稗an百g耙利用支持向量技扮术对个人贷款信蔼用评估问题进行耙了研究。相对方办法研究而一言，办更多的研究集中八在基于不同方法隘、不同类型模型昂之间的预测效果哎比较，这一部分埃的研究文献非常啊丰富隘。皑Altma伴n摆等发现神经网络捌方法有时优于线叭性判别方

20、法，但跋由于神经网络有澳时过度训练产生敖了不合理的权重巴，从总体上看线绊性判别方法要优艾于神经网络方法盎。班Altma氨n芭在对神经网络法蔼和判别分析法的爱比较研究中得出佰结百论安“芭神经网络分析方癌法在信用风险识颁别和预测中的应埃用，并没有实质案性的优于线性判盎别模碍型傲”暗。啊Coffma八n唉对决策树方法和岸判别分析进行了芭比较，认为两者懊各有千秋板。半Altma扳n拌和柏Ka啊o爱在现金佰流佰/艾总负债、保留盈瓣余案/蔼总资产、总负半债澳/昂总资产、现金靶流皑/岸销售收入等指标坝下分别建立了较八高复杂度的分类稗树和较低复杂度爸分类树，肮与袄D胺A芭比较优劣，表明八分类树是一种很案有前途

21、的方法百。案Martine暗lli E, 癌Carvalh盎o A D, 袄Rezende巴 S, Mat叭ias 凹A搬对决策树和神经叭网络模型进行了癌对比研究霸。坝Hui-Chu柏ng Ye把h佰等运澳用板LD班A肮，决策树，神经按网络，以敖及笆LD巴A稗与神经网络相结暗合的模型分别对吧同一数据集进行盎了信用风险评估按研究，结果显示吧决策树在四种方吧法中具有最高的岸分类准确率，线翱性判别分析准确翱率最低。捌第四阶段始于上疤世纪末，这一阶扳段主要是采用对啊信用风险组合计蔼量的方法，主要澳模型吧有凹199斑5版年安KM阿V把公司提出的信用皑监测模型把；安199挨7翱年哀J.P.Mor爸ga俺n

22、艾银行提出的信用唉度量术模型，同斑期麦肯锡公司提埃出百的艾Credit 啊Portfol隘io Vie跋w巴模叭型耙;班 拌以及之后穆迪评班级公司提出爱的靶CreditC巴alc百+吧模型，标准普尔扳提出跋的斑CreditM癌ode唉l捌和挨CreditP把r把o安模型等。拜1.扳2.2翱国内信用评级研澳究概况懊国内信用风险评百估方法研究主要肮是引进国外模型埃或在其基础上进拜行改进，方法的拌进展路线与国外靶大致相同，典型奥的研究成果如下坝：扒陈静首次在国内拌运用统计方法和白计量模型进行财办务困境预警研究俺。陈瑜应用一元把和多元分析埃对哀13斑5岸家上市公司的财靶务状况进行了分哀类和预测。卢声白

23、、任若恩等利坝用版Fishe罢r跋判别分析法对我奥国上市公司的财挨务困境进行研究罢。施锡锉等人采奥用典型判别分析哎对芭199挨9柏年昂到懊200阿0爱年百9爸月间班的哀12扳8皑家上市公司进行暗了经营失败的预伴测研究。梁琪运耙用主成份分析与奥判别分析相结合疤的方法预测企业绊财务困境。姜天奥和韩立岩八以肮6熬个财务指标作为扮输入变量，使百用爸Logiti熬c拜模型建立了我国哀上市公司财务困白境预测模型。唐搬春阳、冯宗宪运拌用多元线性回归凹方法，利用逐步拔回归得到爱的把5跋个指霸标碍(背分别是资产负债吧率、成木费用利盎润率、主营业务跋利润率、全部资绊本化比率行业债绊务结傲构昂)暗 奥得到一个简明的

24、爸企业违约率测度癌模型。郑建平采颁用概率统计方法拔构建了个人信用稗评分模型，康世耙赢采用关联分析耙法和模糊综合评罢价的方法对个人胺信用评估进行了邦研究，孙建政运靶用阿Logisti爸c挨方法对个人信用岸评估模型进行了拜研究。张爱民等挨在借俺鉴傲Altma吧n凹的多肮元笆Z袄值判定模型的基八础上，采用主成鞍分分析的方法建爱立了财务预警模半型埃;隘杨淑娥和徐伟刚柏采用主成分分析岸法，建立翱了懊Y矮分数财务预警系办统。庞素琳拔对办10拔6邦家上市公司进行白两类模式分类，绊这两类模式是指扮按照公司的经营隘状况分巴为八“柏差叭”笆和啊“碍正癌常跋”霸两个小组。对每板一家上市公司，班考虑其经营状况唉的懊4

25、八个主要财务指敖标把:昂每股收益、每股耙净资产、净资产隘收益率和每股现爱金流量。仿真结碍果表明疤，熬Logisti疤c班回归信用评价模稗型对总鞍体盎10啊6爱个样本，判别准安确率达蔼到靶99.06般%哀。宋冬梅，沈友疤娣也通过运斑用暗Logisti罢c敖模型评价上市公板司信用风险，也懊取得了较好的效半果。樊锰汪媛雏搬等人从中小企业爸信用评级方法的败比较和选择入手敖，碍以伴AH背P颁分析法为核心，隘构建多级模糊综啊合评价模型，对斑中小企业信用状袄况做出评价。张把目，周宗放提出暗一种基于投影寻胺踪和最优分割的斑企业信用评级模罢型。该模型运用吧投影寻踪对样本绊企业进行信用综埃合评分，将信用靶综合得分

26、由大到白小排序，生成有扒序样品序扳列斑;白利用最优分割法岸对有序样品进行靶聚类，得出明确隘的聚类结搬果鞍;办将最优分割点对巴应的信用综合得爱分作为划分信用耙等级的阈值，从般而实现对样木企跋业的信用评级。佰人工智能方法中皑，王春峰等是国佰内较早采用神经按网络模型预测企拜业信用风险状况啊的学者。庞素琳胺等人对基隘于笆B肮P俺算法的信用风险瓣评价模型进行了阿研究。陈雄华等伴、章忠志等也都半各自利用神经网懊络构建了商业银斑行信用风险评估斑模型取得较好效案果。吴冲等、梁按裸和吴德胜分别唉利用模糊神经网胺络对我国企业信背用风险作了实证埃研究和分析。杨安淑娥等构建吧了把B班P隘神经网络模型对瓣上市公司的财务

27、扳状况进行预测。背李玉霜，张维将安分类树应用于解跋决从业人员在进伴行贷叭款昂5翱分类过程中分析蔼判断能力欠缺的鞍问题中，实证分盎析表明决策树方霸法比线性判别分袄析方法的准确率哀高。张维，李玉坝霜对基于分类树凹的商业银行信贷霸分类的数据处理鞍问题进行了研究拔。姚靠华姚靠华鞍等以上市公司作背为研究对象，选懊取反映上市公司斑盈利能力、偿债袄能力、营运能力扳、成长能力和公罢司规模靶的哎1耙7扮个财务指标，区鞍别于传统的建模把方法，应用决策扳树技术建立了中伴国上市公司的财翱务困境预警系统板。实证结果表明岸该系统具有较好罢的预测性，在该蔼领域有着良好的笆应用前景。吴德耙胜等人利用遗传斑算法辅助优化神安经网

28、络训练策略哀，建立了基于进坝化神经网络的信拌用评估模型。叶办中行，余敏杰构靶建了一种分类树皑和遗传算法相结颁合的信用风险评傲估方法，先用分班类树方法按照定傲性变量分类，然阿后在每个叶结点颁上运用遗传算法安按照定量变量分颁类。在个人信用扒评估方面，徐远按纯等利挨用埃DONALD 办BREN SC爱HOOL OF凹 INFORM岸ATION A邦ND COMP疤UTER SC敖IENCES(爸UNIVERS摆ITY of 鞍CALIFOR哎NIA.IRV背INE背)氨所提供般的霸1986-19霸9扮5哀年间的客户信用百卡数据库，建立坝了信用卡欺诈风阿险分析决策树。斑冯铁军对基于遗按传算法的神经网芭

29、络技术在个人信跋用评估中的应用翱进行了研究，沈岸翠华等人对基于唉支持向量机的个靶人信用评估技术捌进行了研究，石百庆众、靳云汇则癌对多种个人信用笆评估技术在我国扳应用进行了比较耙研究。姜明辉、版王欢、王雅林将摆分类树八与其它方法进行邦了比较研究，分罢析了其对个人信俺用评估的实用性癌。鲁坝为霸,暗王极提出了一利背，改进袄的矮ID胺3芭的决策树算绊法绊(E-ID3)艾,E-ID疤3斑算法使用一种基班于安“啊统计出局部最吧优笆”阿的方法，获得比伴较好的启发式函般数算法，并分析般了柏E-ID暗3背“靶算两步，走一邦步瓣”癌的思想。实验证颁明，该优化算法哎对于构建决策树颁具有很好的效率鞍。陆秋，程小辉班针

30、跋对芭ID芭3皑算法的多值偏向伴问题，提出一种案基于属性相似度邦的、能够避免多懊值偏向问题昂的奥ID熬3吧改进算法。朱毅懊峰等在传统决策把树模型的基础上班引入卡方检测的扳方法，将个人信翱用评估过程中误埃判好坏客户的成笆本差异考虑在内懊，实证结果证明伴该精炼决策树模俺型在个人信用评蔼估应用中可以提摆高判别坏客户的皑正确率。庞素琳肮等奥对岸C5.扮0胺算法进行了研究袄，并建立了基笆于唉C5.俺0傲算法的银行个人埃信用评级模型，扳用来对德国某银扮行的个人信贷数巴据进行信用评级疤。郑也夫将数据凹挖掘方法引入信败用风险预测问题哀中，全面比较决搬策树、神经网络背和支持向量机算哀法在上市公司信伴息风险预测问

31、题袄上的优劣，得出氨决策树具有良好背的适用性。后来矮郑也夫等以我国澳上市公司作为研翱究对象，以因财暗务状况异常而被埃特别处理作为界啊定上市公司陷入叭财务困境的标志案，采用交叉验证背技术建立决策树扒模型，并颁与盎Logisti隘c袄和按K敖最近邻模型进行跋了比较分析。实敖证结果表明决策啊树模型能有效地啊预测上市公司的扳信用风险，且适笆用性较好。靶1.斑3隘我国研究现状及按存在的问题盎 拌 哀目前，国内已经拔建立了一些评级癌系统，作为加强哀企业信用管理、靶防范风险的一项蔼基础工作和重要矮手段。但与国外跋同行业进行对比稗，可以发现主要啊还存在以下几个哎问题：啊(1巴)扮评级模型适用性跋较差皑 鞍 把

32、评级模型是评级傲系统的重要技术安基础，属于金融耙领域内的关键技班术，其开发研究版需要结合统计分盎析、风险计量、爱资产组合、期权奥定价等先进理论佰和技术，而我国隘由于经济发展程叭度不高，同时整哎体研究水平还相扳对欠缺，故在评八级模型的建设方扮面有待加强。因案此必须结合经济邦发展的实际情况佰，充分考虑利率把市场化进程、企吧业财务欺诈现象背、数据积累量不傲高、金融市场展笆不充分等现象，败开发出适合自身胺特点的评级模型巴。八(2般)霸模型主要参数所懊需的数据不足昂 翱 背评级系统建设的案核心资源是数据矮。近年来信用评扒级工作建立了基爸本数据库和反映罢信用风险特征的翱微观指标体系。芭但是，与评级法般对数

33、据的要求相艾比，现有的数据傲积累远远不够，阿数据储备严重不败足目而且质量不巴高、缺乏规范性鞍，严重制约了评肮级系统的应用和矮发展；为满足建袄设评级系统需要邦的数据样本，还暗需要大量而细致啊的数据积累工作坝，通过数据整合哀、挖掘等技术，挨形成有价值的信扮息，为建立相关爸模型奠定良好的佰基础。澳(3盎)案评级支持工具和吧系统落后办 颁 跋原有的评级工具拜为简单扳的颁EXCE班L皑报表，属于单机芭分散操作，只是半简单地进行手工耙操作，不能实现坝网络化操作与管斑理。评级结果只拌是简单傲的背EXCE哀L艾表格，数据的汇熬总程度、集中程班度、共享性很低案，同时也不利于白对评级情况进行爱有效的监控。同颁时通

34、过原有的评般级工具采集的客埃户资料也相对简昂单，无法支持客罢户评级数据的需扒要。评级系统应敖与业务流程系统拌紧密结合，成为傲一个嵌入式的管癌理工具，最大限癌度地发挥监管和澳决策支持的作用爱，实现企业评级碍、授信审批的全斑流程计算机管理敖。扒(4哎)佰评级指标体系落埃后笆原有的评级指标背体系中存在与经搬济发展、企业发艾展不相适应的指笆标，比如指某些艾指标权重太大、暗某些指标己不能班反映企业的特点搬、有些指标设置鞍较粗、某些指标案缺乏等。败第二碍章百 氨信用评级主要方哀法与模型综述芭2.1昂 八专家评估法傲 皑 懊 哎专家评估方法是耙指通过专家对影稗响企业经营业绩胺的有关经营要素癌进行分析评分，霸

35、使信用定量化，斑然后求加权平均皑得出企业信用等扒级的一种方法。笆该方法依赖于专皑家主观判断，而跋且评级结果主要斑应用于信贷决策稗。比较有代表性罢的昂专家评估法哎有暗“佰5C肮”岸，哀“鞍5P芭”颁，翱“扮LAPP办”斑等方法。爱 熬5瓣C疤分析法败中芭5摆C唉是般指暗:唉品格唉、凹资本绊、搬能力袄,笆经营环境暗、胺担保品百。疤 盎 氨品格主要是评价扳客户的品行是否阿诚实可信、其偿巴还贷款的主动性白如何。对于公司拔而言，品格是指胺其主要领导人的按经营能力与经营爱作风，公司文化柏及其伦理，也包绊括企业在同行业斑中的信誉、地位澳等。扳 傲 澳资本是反映企业败资金实力的一个耙重要方面，也间邦接反映了企

36、业的翱资金积累情况。矮资本充足、资金哎积累多，则企业稗信用状况就好。耙 奥 哎能力主要包括经叭济上的借款与偿霸还能力和法律上翱的借款能力。从笆经济上看，信用碍评价应着重评价敖企业的偿债能力巴、盈利能力和营肮运能力，与财务伴比率分析法所强绊调的因素完全一瓣致，从法律上看唉，信用评价应着矮重评价企业是否哀具备法定的资格阿和权利，通过对搬政府法规以及公熬司章程的调查分拔析可以获得此类办信息。胺 拜 扮经营环境是企业扒的内在坏境和所爸处的外在环境。拜内在环境主要是伴指企业的经营特爸点、经营方式、氨技术设备状况、板劳资关系等企业疤自身能够控制的盎方面白；疤企业外在环境主翱要是指国家经济疤状况、行业竞争傲

37、状况、行业发展柏趋势、市场状况白等。环境条件有隘利，则信用程度佰将提高。罢 昂 蔼担保品是指企业隘可以用为信用担扳保如抵昂押傲)敖的物品。担保品办丰富且价值良好癌，则信用相对就俺高，信用一旦发澳生危机则发生损俺失的可能性也相稗应少。但在评价叭时也应注意担保芭品的所有权、担耙保品的价值状况熬等。巴 熬5凹P霸分析法碍中啊5邦P把是指：把个人因素捌、艾资金用途因素柏、拜还款来源因素拔、岸债权保障因素熬,爸企业前景因素跋。跋 肮 瓣个人因素主要分肮析企业经营者品坝德、能力，是否鞍诚实守信，还款俺意愿等。坝 摆 般资金用途因素主版要包括生产经营芭、还款缴税、替隘代股权等三个方翱面。皑 拌 皑还款来源因

38、素主肮要有两个来源一搬是现金流量，二敖是资产变现。般 败 坝债权保障因素主斑要包括内部保障柏和外部保障两个挨方面。芭 邦 败企业前景因素主氨要分析借款企业半的发展前景，包蔼括产业政策、竞耙争能力等。败 癌LAP熬P拌法百是以邦Liquidi懊ty芭(白流动皑性巴)背、傲Activit笆y吧(胺活动懊性巴)颁、鞍profita耙bility绊(版盈利坝性暗)俺、拔Potenti鞍alities白(哎潜佰力岸)埃四个词的第一个蔼字母命名，从这扮四个方面评价企耙业的信用。敖专家评估方法的笆主要缺陷是一个跋主观性问题，该拜方法的因素权重俺完全取决于专家熬的主观判断，衡霸量标准因人而异百，导致结果大相挨

39、径庭。或者说，百这种方法会使专敖家在进行评判时癌造成思维定势，隘人为因素致使评疤判结果有失公允隘。这一方法的特敖点是主观定性判败断，主要依靠专叭家的专业判断和霸经验综合各个方办面的情况对企业癌的信用进行评估熬，但是不可避免疤的主观性因素会蔼对评级过程产生般影响，由于是人袄工评级，其成本颁较高，评级周期凹长，在效率上，挨无法满足企业对稗信用评级的要求俺。安2.2拜 暗财务比率分析法盎该方法蔼在懊196鞍6颁年被引入预测企阿业破产领域，经埃过多年的发展形八成了一系列财务哀比率分析方法，碍总体上讲就是对捌企业各项财务指柏标作一个全面、盎系统和综合的分佰析，从而对企业笆的经营状况和财翱务状况进行剖析啊

40、、解析和评价。鞍在实际应用中这凹是一种简单的加笆权方法，即给每耙个财务比率确定白相应的权重和计办算标准，将企业埃与标准值进行对矮比后给出个体的澳得分，然后加权耙求和得出该企业颁的信用得分并进袄行等级划分。这罢类方法的主要代版表有跋杜邦财务分析体氨系班和傲沃尔比重评分法翱。翱杜邦财务分析体疤系哀的基本原理是将凹财务指标作为一般个系统，将财务跋分析与评价作为半一个系统工程，靶全面评价企业的靶偿债能力、营运扳能力、盈利能力板及其相互之间的跋关系，在全面财摆务分析的基础上癌进行全面评价，吧使评价者对公司捌的财务状况有深爸入而相互联系的颁认识，有效地进般行决策。其基本拜特点是以唉净值报酬率啊为龙头，以啊

41、资产净利润率绊为核心，将唉偿债能力胺、凹资产营运能力吧、暗盈利能力傲有机结合起来，颁层层分解，逐步绊深入，构成了一懊个完整的分析系案统，全面、系统绊、直观地反映了绊企业的财务状况疤。隘沃尔比重法奥选鞍定隘7耙项财务比率作为澳分析指标，版即百:懊流动比率败、拔自有资产对固定罢资产比重搬、埃自有资产对负债皑比率颁、拔应收账款周转率颁、芭存货周转率唉、罢固定资产周转率暗、靶自有资本周转率奥。将指标的行业稗先进水平作为标啊准值，并将指标阿用线性关系结合拔起来，分别给定啊各自的分数比重版，通过实际值与矮标准比率的比较隘，确定各项指标唉的得分及总体指昂标的累积分数，爸从而得出企业财奥务状况的综合评巴价，继

42、而确定其扮信用等级。啊财务比率分析法白克服了要素分析跋法的主观性使得背评价独立于评估吧人员的主观努力搬并使计算机的使跋用成为可能，但班是其指标权重和案与标准分对比后拔得出的财务比率般得分有明显的主邦观性，使得评价盎结果与企业的实傲际情况有很大的凹出入。坝2.3昂 百多元判别分肮析笆(皑MDA )跋 挨 案 澳多元判别分翱析八(MDA坝)盎是除美国外的其半它国家使用最多斑的统计方耙法啊.邦多元线性判别分鞍析法，可以具体背分为昂一般判别分岸析袄(霸不考虑变量筛芭选笆)哀和败定量资料的逐步摆判别分胺析氨(班考虑变量筛暗选跋)把.八我国在疤199胺3奥年吧7懊月拔1霸日绊起正式实施与国凹际会计准则基本

43、翱适应的、统一的吧企业会计准则搬，由此奠定了岸企业信用评估研安究的基础和前提氨，随着国内会计俺人员的业务水把平胺(傲如对准则的掌握靶、理解和应用水摆平啊等般)疤和会计报表水平皑的不断提高，所捌产生的会计报表板开始基本符合准皑则要求，因此，敖近年来的财务数版据已具备建立企埃业信用判别模型颁的基本条拜件唉.颁应用多元判别分安析安(MDA班)岸有以下三个主要佰假设版：蔼(1罢)肮变量数据是正态唉分布的隘；俺(2靶)翱各组的协方差是巴相同的白；胺(3懊)熬每组的均值向量靶、协方差矩阵、袄先验概率和误判吧代价是已知的。百 奥 般多元判别分搬析岸(MDA耙)按的优点：对财务罢变量的正态假设佰已成为通常惯瓣

44、例岸.懊由于线性判别函昂数澳(LDA按)翱在实际使用中是拔最方便的，如在白距离判别和贝叶瓣斯判别中，在正背态总体等协方差摆时，均导出一个笆线性判别函数，叭所以一般只研究瓣线性判别函埃数班.阿在满足上扳述邦3鞍个假设的条件下澳，该判别函数使疤误判概率达最小矮。凹多元判别分安析岸(MDA矮)哀的不足之处：多办元判别分析袄（绊MD叭A胺）要求样本数据鞍服从正态分布和氨等协方差，而现拌实中大量数据并袄不服从这些假定叭。哎2.4 lo搬gisti般c百分析邦logisti佰c皑分析是基于累积氨概率的判别方法盎，该方法对包括癌有二值相关的变肮量比较适用，绊和懊MD敖A白比较拜，邦Collin芭s唉和背Gr

45、ee佰n板宣拔称伴Logisti绊c佰分析方法能够降爸低第一类错耙误柏(俺即将破产的企业蔼判为非破产的企熬业稗)啊，但不能显著地奥提高总体判别的拌准确性，此外他扮们还指澳出捌MD斑A鞍对于模型假设错捌误有着很强的鲁瓣棒性。如果第一扒类错误的代价不佰是特别巨大，比皑之熬于捌MD阿A跋模型俺，班Logisti唉c哀分析方法带来的氨复杂的计算是不笆值得的袄。拔 Chesse肮r澳分析模型就笆是胺logisti白c暗分析方法一个很跋有代表性的判别哎模型。捌 Lo胺gisti鞍c扒回归分析方法也扳是目前为止应用班最为广泛的一种巴信用评分模型案。版197背7稗年熬，白Marti八n拜采用一系列财务哀比率变

46、量来预测俺公司破产及违约癌概率，建立拜了半Logisti八c扒回归模型，并逐扮渐成为衡量公司阿信用风险的一种唉常用方法，它对搬于误差项没有正拔态分布要求，对哎判别虚拟变量问安题有良好的效果蔼，在违约概率计芭算中有很好的适啊用性，还可以降摆低犯第一类错误鞍的概率佰。哎Logisti伴c搬模型适用于因变矮量是非连续的且耙为二分类选择模班式，目的是找出袄被解释变量与一版组自变量之间的背线性关系，核心爸思想是将这些自白变量拟合成一个肮可以预测违约概鞍率的被解释变量皑，即违约概率扒。我们知道，一白般的线性回归模板型如下：巴 袄 绊 阿 扮 翱若对分类因变量癌直接拟合违约事罢件发生的概率，耙自然而然地我们

47、叭想到了下面形式耙的回归模型埃：岸 佰该模型等式右边搬取值范围为罢，而左边作为违柏约概率，其取值斑范围为瓣，因此该模型存坝在漏洞，为了更啊加合理把，搬197拔0邦年拜，叭Co伴x按引入了人口学领捌域俺的凹Logit(L吧ogit Tr鞍ansform胺)扳，成功对模型进跋行优化，得到埃了板Logisti颁c板模型： 也即： 癌 Log翱i岸t百变换导致了模型爸中的参数含义比哎较复杂，但是实鞍用性得到了提高芭，这里将一些基盎本概念解释如下稗：挨（暗1按）其中摆为企业公司的概把率澳，白为信用风险评定隘中的指标变量，般为技术系数，可斑以通过极大似然扒法求解。通过样败本回归估计出系跋数蔼后，一可计算出

48、跋概率昂，将其归纳为相胺应的信用等级疤。阿(2瓣)昂优势唉比瓣(odds安)熬：分析中常常会扒把某种情况发生般的概率与不发生挨的概率的比称为吧比值，即：颁。两个比值之比八称为优势凹比昂(瓣或比值比佰，罢Odds Ra翱ti胺o啊，简敖称扮OR班)瓣，因百此懊O扒R版是否大癌于败1隘意为两种情况概伴率情况的比较：当时，则当时，则当时，则版缺点翱：敖Logisti盎c阿回归模型不仅对败中间区域的差别板敏感性较强，而拔且当样本点完全盎分离时，模型参耙数的最大似然估哀计可能不存在。唉因此在正态的情啊况下不满足其判澳别正确率高于判凹别分析法的结果绊。另外该方法对捌中间区域的判别颁敏感性较强，导稗致判别结

49、果的不氨稳定。疤2.5靶 疤非参数方法阿（罢Non-par邦ametric霸Method)岸2.5.1坝 鞍聚类分般析版(霸Cluster安 Analys凹is)佰聚类分析的基本跋思想是认为我们瓣所研究的样本或矮指稗标氨(奥变斑量癌)斑之问存在着不同敖程度的相似性。瓣于是根据一批样扳本的多个观测指蔼标，找出一些能俺够度量样本或指芭标之问相似程度吧的统计量，以这版些统计量为划分敖类型的依据，把盎一些相似程度较挨大的样本或指标澳聚为一类，把另靶外一些彼此之问败相似程度较大的懊样本又聚为另一奥类，关系密切的隘聚合到一个小的爱分类单位，关系百疏远的聚合到一碍个大的分类单位癌，直到把所有样百本或指标都聚

50、合柏完毕，形成一个邦由小到大的分类啊系统。柏常见的阿聚类分析方法扳有肮层次聚类霸和绊一均值聚类败。其核心思想瓣是挨:肮给定一个包含敖个数据对象的数稗据库，以及要生艾成的簇的数目扮,挨随机选取隘个对象作为初始白的绊个聚类中心，然吧后计算剩余各个肮样本到每一个聚隘类中心的距离，扮把该样本归到离办它最近的那个聚般类中心所在的类癌，对调整后的新靶类使用平均值的扒方法计算新的聚班类中心，如果相瓣邻两次的聚类中摆心没有任何变化胺，说明样本调整坝结束且聚类平均坝误差准则函数已挨经收敛。背在每次迭代中都白要考察每个样本绊的分类是否正确胺，若不正确，就板要调整，在全部拌样本调整完后，颁再修改聚类中心八，进入下一

51、次迭败代。如果在一次澳迭代算法中，所搬有的样本被正确白分类，则不会有癌调整，聚类中心靶也不会有任何变安化。在算法迭代般的过程中准则函笆数的值在不断减搬小，最终收敛至俺一个固定的值。耙总之，奥一均值聚类是一笆个反复迭代的分稗类过程。在聚类靶过程中，样本所百属的类会不断改柏变，直到最终达背到稳定为止。佰 敖 稗聚类分析属于非哀参数统计方盎法芭.半信用风险分析中半它根据由借款人蔼的指标计算出的安在样本空间的距傲离，这种方法一罢个主要优点是不板要求知道总体的扒具体分澳布拌;背可对变量采用名靶义尺度，次序尺伴度，因此该方法皑可用于定性研究笆，也可对现实中懊的无法用数值精扮确表述的属性进扒行分傲析埃.扮这

52、很适用于信用叭风险分析中按照阿定量指胺标蔼(熬盈利比、速动比笆等皑)耙和定性指懊标扳(皑管理水平、信用般等级捌等唉)颁，对并不服从一扳定分布特性的数胺据信息进行分坝类盎.扳例如捌，扳Lund办y拌运用该方法对消暗费贷款申请者的把典型信用申请数罢据及年龄、职业伴、婚否、居住条熬件进行处理分班成把6隘类并对每类回归隘评分，它不仅将半借款人进行有效阿的分类而且还帮班助商业银行确定办了贷款方式策吧略哎.矮优点：聚类分析邦具有不要求样本瓣数据服从具体分癌布、可对变量采按用名义尺度和次巴序尺度等优点，邦适于信用风险分昂析中按照定量指袄标和定性指标对袄并不服从一定分艾布特性的数据信伴息分类的要求。斑我国信用

53、数据表拔现出明显的非正盎态分布特征，因半而将聚类分析应耙用于我国企业信矮用评级具有较强按的针对性和适应矮性扳;芭不足之处：我国按信用数据又具有岸高维性，当数据岸维数较高时，聚靶类分析会遇到很靶大的困难。因此翱，聚类分析应用颁于企业信用评级邦的基本思路目前皑仍然是基拌于绊“把降摆维扳”暗的思路，即首先败采用唉评分法、因子分伴析法等对样本企癌业进行信用评分绊，然后，运用系熬统聚类、芭-爸 办均值聚类等算法柏对信用得分序列柏进行聚类，从而笆获得企业信用评柏级结果。然而，盎在实际应用过程白中，系统聚类、懊-疤 唉均值聚类等算法碍并不能给出明确扮的信用等级阈值绊，这给模型的检颁验和推广带来了安困难。耙2

54、.5.2白 版K澳近邻判跋别癌(艾K Neare稗st Neig版hbor)板近邻判别扳（巴K Neare扒st Neig凹hbor吧)靶，简佰称跋KN俺N吧，是另一种非参靶数方法，它在一鞍定距离概念下按奥照若干定量变量阿从样本中选取与隘确定向量距离最巴短爱个样本为一组，懊适用于初始分布熬和数据采集范围吧限制较少和情扮况按.昂另外阿，半KN背N埃通过将变量在样半本整体范围内分搬为任意多决策区爱间，而近似样本绊分拜布盎.Ta皑m拌将之用于信用风安险分析，取马氏袄距离，从流动性爸、盈利性、资本癌质量角度选出皑的艾1颁9凹个变量指标，对跋样本分类，经比八较，其分类结果跋的准确性不澳如懊LDA, Lo

55、唉gistic百i癌。以及神经网络碍。原因在于在同安样的样本容量下板，若对具体问题办的确存在特定的佰参数模型并可能稗找出时，非参数版方法不及参数方阿法好。傲2.6 蔼Z扮模型瓣和鞍Zet芭a八模型班以罢模型瓣和柏Zet吧a邦模型为代表的系哎列统计判别方法邦目前仍然是西方邦国家商业银行对伴客户信用等级评爸定的重要模型之背一。败模胺型袄(Altman鞍, 1968半)吧的建立过程包括霸四步扳：颁(1板)癌选取一组反映借耙款人财务状况和蔼还本付息能力的按财务比率哀；八(2绊)把从银行过去的贷哎款资料中分正常爸和违约两类收集俺资料按；伴(3绊)阿确定每一比率的傲权重，将每一比拜率乘以相应权重笆，然后相

56、加，得靶到捌分值懊；氨(4安)半对所选的样本进澳行爱Z艾值分析，得出衡罢量贷款风险度版的挨Z扳值或值域用于衡吧量信贷风险。罢Altman 摆196耙8办年确立的分辨函癌数岸为吧: 霸 芭 巴Z=0.012扳*芭X1+0.01按4版*拜X2 +0.0耙33巴*皑X3+0.00跋6搬*氨X4+0.99哀9靶*柏X岸5 邦 碍（胺1奥）颁公碍式挨(1瓣)隘中皑X癌1俺为岸流动资金癌/胺总资产敖，傲X扳2哀为隘留存收益八/氨总资产班，叭X罢3笆为叭息税前收益疤/奥总资产唉，澳X柏4奥为摆股权市值皑/扒总负债账面值邦，坝X矮5背为俺销售收入叭/耙总资产。隘Altma斑n唉经过统计分析和俺计算最后确定了白

57、借款人违约的临稗界埃值爸Zo=2.67盎5叭，如叭果版Z2.67肮5伴，则借款人被划哎为非违约组。办当傲1.81Z拜2.9昂9斑时，此时的判断百失误较大，称该熬区域为未知安区鞍(zone o叭f ignor霸ance扮)袄或称灰色区捌域邦(gray a癌rea百)坝。肮Zet矮a摆模型暗(扮Altman 隘Haldema唉n Naray疤aman拜 1977埃)挨对原百始白Z把模型进行了重大案修正和提升，原肮来的五个指标变氨为七个。这七个啊指标分别代表企背业短期赢利性、拌收益的保障、长皑期赢利性、流动奥性和规模等特征疤。按Altma背n绊应用世界著名评拜级机构如标准普盎尔、穆迪等的评斑级结果，

58、与澳值的结果进行对疤比，发现两者具摆有很强的相关性唉，实证显示爱值模型作为信用伴评级的方法具有隘较强的有效性。斑 邦 啊其间，也有学者按对颁值模型的应用提爸出了异议般。瓣Moriari胺t板y碍曾经应用多维图拌解计算半法氨(Multid爱imensio叭nal Gra案phics吧)捌与癌值模型进行比较摆，认拜为霸Altma蔼n傲模型并不能很好吧判别破产和非破摆产企业。哀Altman跋对此回应为：岸值模型仅仅适用俺于制造型企业，爸而不是用于非制吧造型企业，白Moriari凹t捌y案所提供的样本应版该版用拔Zet哎a按模型来预测，经斑分爸析靶Altma矮n皑认吧为笆Zet蔼a啊模型所得的结论班比

59、佰Moriari拌t暗y艾所得的结论更精澳确。霸 背值模型在发展中熬得到不断的修正笆，由于其方法易把于掌握和控制，败实证效果较为理矮想肮，班2跋0熬世癌纪办9吧0阿年代该模型已逐埃渐商业化，各国扒纷纷在百值模型跋和稗Zet懊a八模型的基础上推佰出适合本国、本巴地区的判别模型哎，效果比较理想袄，取得较大的经巴济效益。笆模型般和奥Zet袄a白模型存在的主要拔问题是般：埃1奥.白两个模型都依赖按于财务报表的账凹面数据，而忽视哎日益重要的各项敖资本市场指标，熬这就必然削弱预疤测结果的可靠性半和及时性摆。鞍2版.败由于模型缺乏对鞍违约和违约风险八的系统认识，理稗论基础比较薄弱搬，从而难以令人罢信服罢。鞍

60、3罢.扒两个模型都假设拔在解释变量中存版在着线性关系，奥而现实的经济现暗象是非线性的，般因而也削弱了预爸测结果的准确程隘度，使得违约模凹型不能精确地描懊述经济现实摆。办4疤.半两个模型都无法奥计量企业的表外柏信用风险，另外爱对某些特定行业绊的企业，如公用爸企业、财务公司癌、新公司以及资爱源企业也不适用霸，因而它们的使哎用范围受到较大按限制。捌2.7 敖 安基于投影寻踪和摆最优分割氨运用投影寻踪对扒样本企业进行信案用综合评分，将坝信用综合得分由傲大到小排序，生百成有序样品序八列唉;班利用最优分割法败对有序样品进行版聚类，得出明确瓣的聚类结果；将凹最优分割点对应肮的信用综合得分啊作为划分信用等拌级