信用評分模型

1、信用評分模型信用評分模型（Credit Scoring Models :目錄隱藏11什么是信用評分模型12信用評分模型的種類3信用評分模型的運用過 程4信用評分模型隱含的假 設(shè)5信用評分模型存在的問 題6參考文獻(xiàn)編輯什么是信用評分模型1信用評分模型是一種傳統(tǒng)的信用風(fēng)險量化模型，利用可觀察到的借款人特征變量計算出一個數(shù)值(得分) 來代表債務(wù)人的信用風(fēng)險，并將借款人歸類于不同的風(fēng)險等級。對個人客戶而言，可觀察到的特征變量主要包括收入、資產(chǎn)、年齡、職業(yè)以及居住地等；對法人客戶 而言，包括現(xiàn)金流量、財務(wù)比率等。編輯信用評分模型的種類信用評分模型的關(guān)鍵在于特征變量的選擇和各自權(quán)重的確定。目前，應(yīng)用最廣泛

2、的信用評分模型有：,線性概率模型(Linear Probability Model)Logit模型Probit模型線性辨別模型(Linear Discriminant Model)信用評分模型的運用過程運用信用評分模型進(jìn)行信用風(fēng)險分析的基本過程是：首先，根據(jù)經(jīng)驗或相關(guān)性分析，確定某一類別借款人的信用風(fēng)險主要與哪些經(jīng)濟或財務(wù)因素有關(guān)， 模擬出特定形式的函數(shù)關(guān)系式;其次，根據(jù)歷史數(shù)據(jù)進(jìn)行回歸涵，得出各相關(guān)因素的權(quán)重以體現(xiàn)其對這一類借款人違約的影響程 度；最后，將屬于此類別的潛在借款人的相關(guān)因素數(shù)值代入函數(shù)關(guān)系式計算出一個數(shù)值，根據(jù)該數(shù)值的 大小征量潛在借款人的信用風(fēng)險水平，給予借款人相應(yīng)評級并決定

3、貨款與否。信用評分模型隱含的假設(shè)信用評分模型隱含的一個假設(shè)是：存在著一種測度能將良好信用及較差信用的評價對象區(qū)分成不同的兩種分布。當(dāng)然在這兩個分布之間 可能有一些重疊，即所謂的灰色地帶。有些信用評分專注于對這個灰色地帶的信用消費者群體進(jìn)行細(xì)分。這是由于在激烈的市場競爭下，信 用評分極低的信用申請者早已被排除，而信用評分極高的也早已被各個授信機構(gòu)競相爭奪，信用需求已得 到滿足，各種信用供給者需要從獲得中等評分的潛在客戶群體中挑選合適的授信目標(biāo)，因而對中間地帶的 信用消費者進(jìn)行細(xì)分的評分模型是十分必要的。進(jìn)行近乎連續(xù)的細(xì)致地信用評分不能僅僅依靠消費者償債、公共記錄、專業(yè)和雇用記錄來簡單的排除 有明

4、顯不良記錄者，而更需要在此基礎(chǔ)上，進(jìn)一步詳細(xì)地分析消費者的消費行為，包括所屬的消費者群體 年齡段、醐規(guī)律、偏好、習(xí)慣等，一個科學(xué)的信用評分模型需要建立在對消費者群體的長期或階段性跟 蹤、區(qū)域調(diào)查和大量的數(shù)理統(tǒng)計分析的基礎(chǔ)上。AveIy（2000）等就曾指出，區(qū)域經(jīng)濟狀況及所處的經(jīng)濟周期 是影響償債的重要因素，但現(xiàn)有的信用評分模型大多忽略了這一因素。編輯信用評分模型存在的問題盡管信用評分模型是商業(yè)銀行分析借款人信用風(fēng)險的主要方法之一，但在使用過程中同樣存在一些突 出問題：信用評分模型是建立在對歷史數(shù)據(jù)（而非當(dāng)前市場數(shù)據(jù)）模擬的基礎(chǔ)上，因此是一種向后看的模型。 由于歷史數(shù)據(jù)更新速度比較慢，因此回歸

5、方程中各特征變量的權(quán)重在一定時間內(nèi)保持不變，從而無法及時 反映公司信用狀況的變化。信用評分模型對借款人歷史數(shù)據(jù)的要求相當(dāng)高，商業(yè)銀行需要相當(dāng)長的時間才能建立起一個包括大 多數(shù)公司歷史數(shù)據(jù)的數(shù)據(jù)庫。此外，對新興公司而言。由于其成立時間不長，歷史數(shù)據(jù)則更為有限，這使 得信用評分模型的適用性和有效性受到影D向。信用評分模型雖然可以給出客戶信用風(fēng)險水平的分?jǐn)?shù)，卻無法提供客戶違約概率的準(zhǔn)確數(shù)值，而后 者往注是信用風(fēng)險管理最為關(guān)注的。現(xiàn)代金融工程模型的概述20世紀(jì)80年代以來，受債務(wù)危機的影響，各國銀行普遍重視對信用風(fēng)險的管理和防范，新一代金融 工程專家利用工程化的思維和數(shù)學(xué)建模技術(shù)，在傳統(tǒng)信用風(fēng)險度量的

6、基礎(chǔ)上提出了一系列成功的信用風(fēng)險 量化模型。（1）神經(jīng)網(wǎng)絡(luò)分析法。神經(jīng)網(wǎng)絡(luò)是從神經(jīng)心理學(xué)和認(rèn)識科學(xué)研究成果出發(fā)，應(yīng)用數(shù)學(xué)方法發(fā)展起來 的一種并行分布模式處理系統(tǒng)，具有高度并行計算能力、自學(xué)能力和容錯能力。神經(jīng)網(wǎng)絡(luò)方法克服了傳統(tǒng) 分析過程的復(fù)雜性及選擇適當(dāng)模型函數(shù)形式的困難，它是一種自然的非線性建模過程，無須分清存在何種 非線性關(guān)系，給建模與分析帶來極大的方便。該方法用于企業(yè)財務(wù)狀況研究時，一方面利用其映射能力， 另一方面主要利用其泛化能力，即在經(jīng)過一定數(shù)量的帶噪聲的樣本的訓(xùn)練之后，網(wǎng)絡(luò)可以抽取樣本所隱含 的特征關(guān)系，并對新情況下的數(shù)據(jù)進(jìn)行內(nèi)插和外推以推斷其屬性。（2）衍生工具信用風(fēng)險的度量方法

7、。20世紀(jì)80年代以來，作為一種有效的避險工具，衍生工具因 其在金融、投資、套期保值和利率行為中的巨大作用而獲得了飛速發(fā)展。然而，這些旨在規(guī)避市場風(fēng)險應(yīng) 運而生的衍生工具又蘊藏著新的信用風(fēng)險。研究者相繼提出許多方法來度量衍生工具的信用風(fēng)險，最具代 表性的有下列三種：一是風(fēng)險敞口等值法，這種方法是以估測信用風(fēng)險敞口價值為目標(biāo)，考慮了衍生工具 的內(nèi)在價值和時間價值，并以特殊方法處理的風(fēng)險系數(shù)建立了一系列REE計算模型。二是模擬法，這種 計算機集約型的統(tǒng)計方法采用蒙特卡羅模擬過程，模擬影響衍生工具價值的關(guān)鍵隨機變量的可能路徑和交 易過程中各時間點或到期時的衍生工具價值，最終經(jīng)過反復(fù)計算得出一個均值。

8、三是敏感度分析法，就是 利用這些比較值通過方案分析或應(yīng)用風(fēng)險系數(shù)來估測衍生工具價值。（3）集中風(fēng)險的評估系統(tǒng)。前述方法絕大多數(shù)是度量單項貸款或投資項目的信用風(fēng)險，而很少注重 信用集中風(fēng)險的評估。信用集中風(fēng)險是所有單一項目信用風(fēng)險的總和。金融機構(gòu)和投資者采用貸款組合 投資組合來達(dá)到分散和化解風(fēng)險的目的。1997年，J.P.摩根推出的“信用計量法和瑞士信貸金融產(chǎn)品的“信 用風(fēng)險法”，均可以用來評估信用風(fēng)險敞口虧損分布以及計算用以彌補風(fēng)險所需的資本?！靶庞糜嬃糠ā笔且?風(fēng)險值為核心的動態(tài)量化風(fēng)險管理系統(tǒng)，它集計算機技術(shù)、計量經(jīng)濟學(xué)、統(tǒng)計學(xué)和管理工程系統(tǒng)知識于一 體，從證券組合、貸款組合的角度，全方位

9、衡量信用風(fēng)險。該方法應(yīng)用的范圍比較廣，諸如證券、貸款 信用證、貸款承諾、衍生工具、應(yīng)收賬款等領(lǐng)域的信用風(fēng)險都可用此方法進(jìn)行估測?！靶庞蔑L(fēng)險法”是在信 用評級框架下，計算每一級別或分?jǐn)?shù)下的平均違約率及違約波動，并將這些因素與風(fēng)險敞口綜合考慮，從 而算出虧損分布與所需資本預(yù)測數(shù)。編輯現(xiàn)代金融工程模型的分析與評價現(xiàn)代金融工程模型的幾種信用風(fēng)險度量模型的優(yōu)缺點主要是：（1）神經(jīng)網(wǎng)絡(luò)分析方法應(yīng)用于信用風(fēng)險評估的優(yōu)點在于其無嚴(yán)格的假設(shè)限制，且具有處理非線性問 題的能力。它能有效解決非正態(tài)分布、非線性的信用評估問題，其結(jié)果介于0與1之間，在信用風(fēng)險的衡 量下，即為違約概率。神經(jīng)網(wǎng)絡(luò)法的最大缺點是其工作的隨機

10、性較強。因為要得到一個較好的神經(jīng)網(wǎng)絡(luò)結(jié) 構(gòu)，需要人為地去調(diào)試，非常耗費人力與時間，因此，使該模型的應(yīng)用受到了限制。愛德華阿爾特曼博士 （Edward I.Altman）（1995）在對神經(jīng)網(wǎng)絡(luò)法和判別分析法的比較研究中得出結(jié)論認(rèn)為，神經(jīng)網(wǎng)絡(luò)分析方法 在信用風(fēng)險識別和預(yù)測中的應(yīng)用，并沒有實質(zhì)性的優(yōu)于線性判別模型。（2）衍生工具信用風(fēng)險模型的優(yōu)點是具有較強的嚴(yán)謹(jǐn)性，該模型力圖以數(shù)量化的、嚴(yán)謹(jǐn)?shù)倪壿嬜R別 信用風(fēng)險。從缺點和不足來看，衍生工具信用風(fēng)險模型的嚴(yán)密的前提假設(shè)（當(dāng)一個變量發(fā)生改變，則原有 的結(jié)論需要全部推翻重新進(jìn)行論證）限制了它的使用范圍。而且從大量的實證研究結(jié)果來看，衍生工具信 用風(fēng)險模型沒有得到足夠的支持。例如達(dá)菲辛格頓（Duffie Singleton）（1999）發(fā)現(xiàn)簡約模型無法解釋觀測 到的不同信用等級橫