信用评级教学课件第03章信用评级方法

第三章

信用评级方法第三章

信用评级方法第一节

信用评级的原则第二节

信用评级指标体系第三节

信用评级方法第四节信用评级模型第一节

信用评级的原则不同的评级公司由于其历史经验、业务领域和技术专长不同，评级方法也不完全相同，他们对评级原则的选用和阐述可能会存在一定的差异，但原则的内涵基本趋同。一、独立性和客观性二、一致性与可比性三、定性和定量分析相结合四、关注长期信用品质五、注重现金流量分析六、审慎性第二节

信用评级指标体系信用评级指标体系是指信用评级机构在对被评对象的信用状况进行客观公正评价时所采用的评价要素、评价指标、评价方法、评价标准、评价权重和评价等级等项目的总称，这些项目形成一个完整的体系，就叫作信用评级指标体系。一、信用评级指标体系建立的原则（一）全面性（二）科学性（三）针对性（四）公正性（五）合法性（六）可操作性二、信用评级的要素信用评级的要素根据产生影响的不同，可以分为五类，即信用的环境要素、基础要素、动力要素、表现要素和保证要素。（一）环境要素

环境要素是影响被评对象信用状况的外部条件，包括法律环境、市场环境、政策环境和经济环境等内容。（二）基础要素

基础要素是影响被评对象信用状况的内部条件，包括企业素质、规模实力、管理机制等信用评级内容。（三）动力要素

被评对象的经营能力、成长能力、发展前景等内容，体现了其信用的动力，是推动其不断前进，改善信用状况的作用力。（四）表现要素

偿债能力和履约情况是被评对象信用状况的表现，也是信用评级的主要内容。（五）保证要素

被评对象信用状况的保证是其经济效益或盈利能力，这是被评对象信用状况的根本。企业信用状况的表现是偿债能力和履约能力，而保证偿债能力和履约能力的关键是企业的经济效益或盈利能力。三、信用评级的指标指标是反映社会经济现象某种特征的专门概念。信用评级指标就是反映信用评级对象资信状况的某种特征的专门概念。信用评级指标通常分为定量指标和定性指标两种。定量指标是指可以用数值表示的信用评级指标，一个信用评级定量指标通常要有六项内容组成，即：指标名称、计量单位、时间限制、空间限制、计算方法和指标数值。在信用评级中有很多的地方不能用数值加以表示，只能用定性指标加以说明。信用评级指标是信用评级要素的具体化，而信用评级要素是信用评级指标的综合表现。把相互有机联系的信用评级指标结合在一起，就形成了信用评级指标体系。四、信用评级的标准与权重确定（一）信用评级的标准一般来说，信用评级的标准要根据企业所在行业的总体水平来确定，国际上通常采用全球标准，则信用评级的标准要反映整个世界的水平。目前我国信用评级主要用于国内，评级标准可以只考虑国内企业的总体水平。标准的制定应当体现鼓励先进的原则，可以考虑以行业或地区先进水平（或做适当调整）作为参照值。（二）信用评级的权重信用评级的权重，即权衡信用评级指标轻重作用的数值，也叫重要性系数。在建立信用评级指标体系时先要确定各项信用评级要素的权重，然后确定信用评级要素中各项指标的权重。权重确定的办法有两种：专家咨询法、投票表决法。第三节

信用评级方法信用评级方法是指评级机构依据相关理论对受评对象的信用状况进行分析、评估并给定级别的技巧和手段，是信用评级的核心，贯穿于信用评级的全过程。它主要研究评级机构是怎样评出信用等级的，是根据哪些因素来评价信用风险的，这些因素是如何结合在一起的，以及是否有固定的公式来打分等。一、传统信用评级方法传统信用评级方法的主要特征是原理大多比较简单实用，不涉及复杂的数学模型，尽管部分使用了定量分析方法，但重心还在于定性分析，对信用分析人员主观判断依赖程度较高。如要素分析法、综合分析法、多变量信用风险判别模型法等都属于传统信用评级方法。（一）要素分析方法在要素分析法中，选出适当的信用要素，通过信用分析人员与客户的经常性接触而积累的经验来判断客户的信用水平，给出评分，再由评级委员会投票决定。常见的要素分析法包括：5C要素分析法、5P要素分析法、5W要素分析法、4F要素分析法、CAMPARI法、LAPP法、骆驼评估体系等。5CBECDACapacity经营能力Character

品德Capital资本

Collateral资产抵押

Condition经济环境

5C要素分析方法5P要素分析法

PurposeFactor

资金用途因素

PersonalFactor

个人因素

PaymentFactor

还款财源因素

ProtectionFactor

债权保障因素

PerspectiveFactor

企业前景因素

5PPerspectiveProtectionPaymentPurposePersonal5W法、4F法、CAMPARI法5W要素分析法

借款人Who

借款用途Why

还款期限When

担保物What

如何还款How

4F法要素分析法

组织要素

OrganizationFactor、经济要素

EconomicFactor

财务要素

FinancialFactor

管理要素

ManagementFactorCAMPARI法

偿债记录Character

偿债能力

Ability

企业从借款投资中获得的利润

Margin

借款的目的

Purpose

借款金额

Amount

偿还方式

Repayment贷款抵押

Insurance

LAPP法、骆驼评估体系

LAPP法

流动性（Liquidity）

活动性（Activity）

盈利性（Profitability）

潜力（Potentialities）骆驼评估体系

资本充足率

（Capitaladequacy）资产质量

（AssetQuality）管理水平

（Management）收益状况

（Earnings）流动性

（Liquidity）（二）综合分析方法

综合分析方法，首先选取一定的反映被评对象信用特征的指标，再通过专家判断或其他方法设定每一指标的权重，而后由评级人员根据事先确定的打分表对每一指标分别打分，最后再依据综合评级得分确定其对应的信用级别。这种方法简便易行，可操作性强。实际计算中普遍采用的有加权评分法、隶属函数评估法、功效系数法等。1.加权评分法加权评分法的一般做法是根据各具体指标在评级总目标中的不同地位，给出或设定其标准权数，同时确定各具体指标的标准值，然后比较指标的实际数值与标准值得到级别指标分值，最后汇总指标分值求得加权评估总分。2.隶属函数评估法

隶属函数评估法根据模糊数学的原理，利用隶属函数进行综合评估。一般步骤为：首先利用隶属函数给定各项指标在闭区间[0,1]内相应的数值，称为“单因素隶属度”，对各指标作出单项评估。然后对各单因素隶属度进行加权算术平均，计算综合隶属度，得出综合评估的指标值。其结果越接近0越差，越接近1越好。3.功效系数法

功效系数法是根据多目标规划原理，对每一个评估指标分别确定满意值和不允许值。然后以不允许值为下限，计算其指标实现满意值的程度，并转化为相应的评估分数，最后加权计算综合得分。（三）多变量信用风险判别模型法多变量信用风险判别模型法是以特征财务比率为解释变量，运用统计方法推导而建立起的标准模型对研究对象的所属类别进行判别。它的基本做法是通过统计分析从若干表明研究对象特征的变量值(主要是财务比率)中筛选出能够提供较多信息的变量并建立起判别函数，使其对观测样本进行分类时做到误判率最低。多变量信用风险判别模型的形式包括：多元判别分析模型、Logit模型和Probit模型等。其中多元判别分析模型又以Altman的Z-score模型与Zeta模型为代表。二、现代信用评级方法（一）以资本市场理论和信息科学为支撑的新方法1.期权定价型的破产模型

这类模型的理论依据在很多方面与Black-Scholes(1973)、Merton(1974)以及Hull和White(1995)的期权定价模型相似。因此也称作信用风险的期权定价模型。1993年KMV公司研究提出的期望违约率（ExpectedDefaultFrequency，EDF）模型也是基于这一理论。2.债券违约率模型和期限方法

阿尔特曼研究的债券违约模型（Mortalityratmodel）和Asquith、Mullins（1989）的期限方法（Ag-ingapproach）是按穆迪和标准普尔的信用等级和债券到期年限，采用债券实际违约的历史数据建立的违约概率经验值，对各类信用等级和期限债券的违约风险的衡量。美国穆迪（1990）和标准普尔（1991）两家评级公司修正了这一模型并作为他们的常规金融分析工具。3.神经网络分析系统国外研究者如Altman，Marco和Varetto（1995）对意大利公司财务危机预测中应用了神经网络分析法。Coats，Fant(1993)、Trippi和Turban，Kevin、KarYanTan和MdodyY.Kiang(1992)采用了神经网络分析法分别对美国公司和银行财务危机进行了预测，取得了一定的效果。Altman(1995)在对神经网络法和判别分析法的比较研究中得出结论“神经网络分析方法在信用风险识别和预测中的应用，并没有实质性的优于线性判别模型”。Chatfield(1993)在《国际预测杂志》发表的题为“神经网络：预测的突破还是时髦”一文中对神经网络方法也只作了一般性的评述。（二）衍生工具信用风险的衡量方法衍生工具是指其价值依赖于基本标的资产价格的金融工具，如远期、期货、期权、互换等。前面讨论的方法对衍生工具信用风险的预测仍有用武之地。尽管如此，在贷款、场外交易和表外衍生工具的违约风险上仍存有许多细微的区别。鉴于此，研究者相继提出许多其他方法，不过主要集中在期权和互换两类衍生工具上，最具代表性的有下列三种：1.风险敞口等值法（Riskequivalentexposure，REE）2.模拟法3.敏感度分析法（三）信用集中风险的评估系统分析法前面所述的方法绝大多数都只是衡量单项贷款或投资项目的信用风险，而很少注重信用集中风险的评估。信用集中风险是所有单一项目信用风险的总和。J.P摩根1997年推出的信用矩阵模型（CreditMetrics）和瑞士信贷金融产品信用风险附加模型（CSFP）。这两大信用风险评估系统都是为了评估信用风险敞口亏损分布以及为弥补风险所需的资本，但使用的方法有所不同。第四节信用评级模型一、多变量信用风险判别模型多变量信用风险判别模型通过统计分析从若干表明研究对象信用特征的变量（主要是特征财务比率）中筛选出能够提供较多信息的变量并建立起判别函数,使推导出的判别函数对观测样本分类时的错判率最小，从而对被评对象的所属信用类别进行判别。目前国际上这类模型的应用是最有效的,也被国际金融业和学术界视为主流方法。概括起来主要有多元判别分析模型、Logit模型和Probit模型。（一）多元判别分析模型20世纪中叶，美国的爱德华·奥特曼博士(EdwardI.Altman)率先将多变量信用风险判别的方法应用于财务危机、公司破产及信用风险分析中。1968年他对美国66个制造业企业（包含一半破产企业）进行观察，采用了22个财务比率，利用多元判别分析法筛选出5个财务比率指标，建立了著名的5变量Z-score模型。1.Z-score模型Z-score模型的判别函数如下：，由于流动资本=流动资产-流动负债，故流动资本越多，企业违约风险越小，同时也可反映企业的短期偿债能力。

，衡量企业积累的利润，也可反映企业的经营年限。

，称为总资产息税前利润率，衡量企业在不考虑税收和融资影响时资产的生产能力，该比率越高，表明企业的资产利用效果越好，经营管理水平越高。

，衡量股东所提供的资本与债权人提供的资本的相对关系，反映债权人投入的资本受股东资本的保障程度，同时也反映了企业的基本财务结构。

，即总资产周转率，企业总资产周转率越高，说明企业利用全部资产进行经营的成果越好。Z值企业短期出现破产的概率Z<1.81存在严重财务危机，破产概率很高1.81<Z<2.675存在一定财务危机，破产概率较高2.675<Z<2.99存在某些财务隐患，处理不好可能破产Z>2.99财务状况良好，无破产可能美国企业经验Z临界值由于Z模型只适用于公开上市的制造业企业（因为该模型中需要用到股票市值数据），为了满足广大信用分析师、私募发行经纪商等的需求，Altman又相继建立了Z’和Z’’模型。模型Z’主要用于判断非上市公司的信用风险，模型Z’’既可以用于判断上市公司的信用风险，也可以用于判断非上市公司的信用风险，还可以适用于非制造业企业和新兴市场经济国家的企业。2.模型

模型的判别函数如下：

其中：除

外的其他指标都与Z模型相同，只有=权益帐面价值/负债帐面价值，用权益帐面价值代替了原来的股权市值。同样，当

时，企业被归于破产组；当

时，企业被归于非破产组，当

时，误判率较大。3.模型

模型的判别函数如下：

由于销售收入的数据对于不同行业差异非常显著，故为了将Z模型的应用扩大到非制造业企业，Altman将指标

剔除，开发出了

模型。同样，当

时，企业被归于破产组；当

时，企业被归于非破产组，当

时，误判率较大。4.Zeta模型Z模型建立几年后，破产企业的规模逐渐扩大，出现了大型企业破产的情况，于是Altman于1977年又建立了第二代信用风险模型，被称为Zeta模型。Zeta模型的判别函数中分析变量由原来的5个增加到了7个，如下表所示。序号Z-score模型变量Zeta模型变量1流动资本/总资产规模（基于有形资产）2留存收益/总资产累计盈利性（留存收益/总资产）3息税前收益/总资产全部盈利性（资产回报率）4股权市值/负债帐面价值资本化（5年平均的普通股票市值）5销售收入/总资产债务偿付（利息保障倍数）6

流动性（流动资产/流动负债）7

超过10年的收益稳定性（二）线性概率模型线性概率模型的模型形式如下：其中，P表示信用等级，以分类变量来处理。假定P只有两种可能的取值：取值为0，表示未违约；取值为1，表示违约。

表示第j项衡量信用品质的自变量。

是

的系数，表示

的单位变动对信用品质的影响，即

的单位变动会使违约发生的概率增减

个单位。（三）Logit模型Logit模型的一般形式为：

，回归模型的常数项；

，第j个解释变量，解释变量主要以财务比率为主，但不排除非财务性指标，

；

，表示信用质量得分；

，是

的回归系数；

，随机扰动项，,n为样本容量。其中，

表示企业的违约概率，它是一个无法观测的隐藏变量，但可以对应到一个可观测变量

；（四）Probit模型Probit模型的一般形式为：Probit模型和Logit模型一样，也需要采用极大似然估计法来估计模型的参数，在二分类因变量情况下，两种模型的估计结果十分相似。但在具体的假设前提和计算方法上，这两种方法又有一定的差异。这种差异主要体现在两个方面：一是假设前提不同，Logit模型不需要非常严格的假设条件，而Probit模型则假设企业的样本服从标准正态分布。二是求违约概率的方法不同，Logit模型采用取对数的方法，而Probit模型采用积分的方法。二、KMV模型1989年，Keal-hofer、Mcquown和Vasicek在美国旧金山市创办了一家信用风险评估公司，该公司用他们名字的首字母命名，即KMV公司。2002年4月，KMV公司被穆迪控股公司收购，成为穆迪控股公司属下的两个全资附属机构之一，专注于为全球监管机构、金融机构和各类商业机构提供系列化信贷风险衡量和管理的系统、模型、数据及相关的专业服务。KMV模型是KMV公司于上世纪90年代基于Morton的结构模型原理设计开发的一个目前在信用风险定价模型中影响最大的实用模型。（一）KMV模型的原理根据期权定价理论，将公司举债经营视为股东向债权人买入选择权，公司资产视为买权的标的资产，而买权届时的执行价格是公司负债的帐面价值。负债到期时，若公司资产价值高于负债，则股东会履行买权，也就是股东会清偿债务；但若公司资产价值低于负债，则股东因无力偿还负债，就会选择违约。因此公司的预期违约率EDF（ExpectedDefaultFrequency），就是当公司资产价值低于负债价值时的概率。（二）KMV模型确定EDF的步骤KMV模型利用可观测到的公司股票的市场价值和波动性等计算某一时期后公司资产的预期价值，然后根据公司负债状况计算违约点（DefaultPoint，简称DP），再由公司资产价值与违约点的差值及资产的波动性（即标准差）得出公司的违约距离（DistancetoDefault，简称DD），最后利用违约距离计算出预期违约概率EDF。具体来看：1.确定企业资产价值及其波动性2.确定企业的违约距离（DD）3.确定企业的预期违约率（EDF）三、CreditMetrics模型CreditMetrics模型，即信用矩阵模型，又称信用计量模型，是1997年4月初由美国J.P.摩根集团与德意志摩根建富、美国银行、瑞士银行、瑞士联合银行和BZW等几个国际银行共同研究推出的。CreditMetrics方法基于借款人的信用评级、次年评级发生变化的概率（评级转换矩阵）、违约贷款的回收率、债券市场上的信用风险价差计算出贷款的市场价值及其波动性，进而得出个别贷款和贷款组合的VaR（ValueatRisk，在险价值）值，从而对贷款和非交易资产进行估价和风险计算。（一）CreditMetrics模型的基本思想CreditMetrics模型的基本方法是信用等级变化分析。通常，不同信用等级的信用工具（包括债券和贷款）有不同的市场价值，因此，信用等级的变化会带来信用工具价值的相应变化。所有不同信用等级的信用工具在一定期限内变化（转换）到其他信用等级或维持原级别的概率构成一个矩阵，构成该模型重要的输入数据，我们称之为信用等级转换概率矩阵。根据在不同信用等级下给定的贴现率，同时根据转换矩阵所提供的信用等级变化的概率矩阵，就可以计算出在各信用等级上该信用工具的市场价值，从而得到该信用工具市场价值在各信用风险状态下的概率分布。根据VaR（ValueatRisk，在险价值，指在某一特定的持有期内，在给定的置信水平下，给定的资产或资产组合可能遭受的最大损失值。）的思想，我们可以采用传统的期望和标准差来衡量资产的信用风险，这样就可以计算出在某一确定置信水平上该信用资产的信用值了。（二）CreditMetrics模型的具体度量方法1.确定信用等级转化的概率2.计算由信用等级迁移所引起的贷款价值的远期分布3.计算CVaR(条件风险价值)KMV模型与CreditMetrics模型的比较1.KMV模型对企业信用风险的衡量指标EDF主要来自于对该企业股票市场价格变化的有关数据的分析。而信用矩阵模型对企业信用风险的衡量来自于对该企业信用评级变化及其概率的历史数据的分析。2.

KMV模型可以随时根据该企业股票市场价格的变化来更新模型的输入数据