中國(guó)人民大學(xué) 周虹 風(fēng)險(xiǎn)管理4(A)

風(fēng)險(xiǎn)管理 第四講信用風(fēng)險(xiǎn)管理一信用風(fēng)險(xiǎn)管理概述二信用風(fēng)險(xiǎn)分析與衡量的方法體系三信用風(fēng)險(xiǎn)量化模型一信用風(fēng)險(xiǎn)管理概述1、信用風(fēng)險(xiǎn)的概念2、信用風(fēng)險(xiǎn)管理策略和工具的發(fā)展1、信用風(fēng)險(xiǎn)的概念信用風(fēng)險(xiǎn)是指?jìng)鶆?wù)人或交易對(duì)手未能履行金融工具的義務(wù)或者信用質(zhì)量發(fā)生變化，影響金融工具的價(jià)值，從而給債權(quán)人或金融工具持有人帶來(lái)?yè)p失的風(fēng)險(xiǎn)。違約風(fēng)險(xiǎn)(DefaultRisk)信用事件風(fēng)險(xiǎn)(CreditEventRisk)或信用等級(jí)變化風(fēng)險(xiǎn)(CreditMigratingRisk)交易對(duì)手風(fēng)險(xiǎn)（CounterPartyRisk）特定風(fēng)險(xiǎn)(SpecificRisk)：由特定的違約事件或其他信用事件而引發(fā)的市場(chǎng)風(fēng)險(xiǎn)貸款人：違約風(fēng)險(xiǎn)(DefaultRisk)，資產(chǎn)的重新估價(jià)風(fēng)險(xiǎn)債券持有者：信用事件風(fēng)險(xiǎn)(CreditEventRisk)或信用等級(jí)變化風(fēng)險(xiǎn)(CreditMigratingRisk)衍生工具和股票等的交易：交易對(duì)手風(fēng)險(xiǎn)（CounterPartyRisk），結(jié)算風(fēng)險(xiǎn)信用能力因素：受借款人資本金、投資的資產(chǎn)質(zhì)量盈利能力以及行業(yè)和宏觀經(jīng)濟(jì)因素的影響信用意愿因素：受政策、體制、法律和道德等因素的影響信息不對(duì)稱與委托代理問(wèn)題使得對(duì)信用風(fēng)險(xiǎn)狀況及其變化的了解更加困難信用風(fēng)險(xiǎn)的來(lái)源（一）信用風(fēng)險(xiǎn)的概率分布為非正態(tài)分布

-信用風(fēng)險(xiǎn)的概率分布向左傾斜,并在右側(cè)出現(xiàn)肥尾現(xiàn)象，使得難以對(duì)信用風(fēng)險(xiǎn)進(jìn)行正態(tài)分布的假設(shè),從而加大了信用風(fēng)險(xiǎn)統(tǒng)計(jì)分析的難度。（二）道德風(fēng)險(xiǎn)在信用風(fēng)險(xiǎn)的形成中起重要作用 -道德風(fēng)險(xiǎn)是信用風(fēng)險(xiǎn)的一個(gè)重要原因（三）信息不對(duì)稱使得對(duì)信用風(fēng)險(xiǎn)狀況及其變化的了解更加困難信用風(fēng)險(xiǎn)的特征分析（四）信用風(fēng)險(xiǎn)具有明顯的非系統(tǒng)性風(fēng)險(xiǎn)的特征

-多樣化投資分散非系統(tǒng)性風(fēng)險(xiǎn)的風(fēng)險(xiǎn)管理原則更適用于信用風(fēng)險(xiǎn)管理（五）信用風(fēng)險(xiǎn)的觀察數(shù)據(jù)少,且不易獲?。┬庞蔑L(fēng)險(xiǎn)的構(gòu)成要素分析以違約為中心

-對(duì)信用風(fēng)險(xiǎn)的描述和量化仍然以違約為中心，主要包括違約概率（ProbabilityofDefault,PD）、違約損失率（LossGivenDefault,LGD）和違約時(shí)的風(fēng)險(xiǎn)暴露（ExposureatDefault,EAD）

損失的概率分布（PDFofLoss）FrequencyFrequencyNormal,bell-shapeddistributionActualdistribution(Loanloss)(Loanvalue)0NodefaultMaximumLoss0MaximumvalueFattailExpectedlossExpectedvalue信用風(fēng)險(xiǎn)分析和量化技術(shù)的發(fā)展傳統(tǒng)方法： -專家系統(tǒng)、信用打分模型和內(nèi)部評(píng)級(jí)方法現(xiàn)代信用風(fēng)險(xiǎn)計(jì)量技術(shù)：-Creditmetics模型-CreditPortfolioView模型-KMVCreditMonitor

-KMVPortfolioManager模型-CreditRisk+模型2、信用風(fēng)險(xiǎn)管理策略和工具的發(fā)展（一）主要以信用風(fēng)險(xiǎn)的構(gòu)成要素為分析對(duì)象 -信用風(fēng)險(xiǎn)的構(gòu)成要素包括違約率(PD)、違約損失率(LGD)、預(yù)期損失（EL）、非預(yù)期損失（UL）以及違約相關(guān)度等。（二）基于市場(chǎng)價(jià)值（三）動(dòng)態(tài)分析成為為主流 -現(xiàn)代的信用風(fēng)險(xiǎn)管理由關(guān)注違約轉(zhuǎn)變?yōu)殛P(guān)注信用質(zhì)量和等級(jí)的變化，靈敏反映市場(chǎng)變化和信用質(zhì)量的動(dòng)態(tài)的信用量化分析成為現(xiàn)代信用風(fēng)險(xiǎn)計(jì)量分析的重要特征。（四）信息來(lái)源多樣化 -企業(yè)、評(píng)級(jí)機(jī)構(gòu)（以及其他信息咨詢機(jī)構(gòu)）、債券市場(chǎng)和股票市場(chǎng)成為現(xiàn)代信用分析的四大信息來(lái)源。（五）采用更多和更加復(fù)雜的數(shù)理統(tǒng)計(jì)和其它科學(xué)分析工具現(xiàn)代信用風(fēng)險(xiǎn)計(jì)量技術(shù)與傳統(tǒng)計(jì)量方法的不同特征：（一）新的信用風(fēng)險(xiǎn)管理工具和手段 -傳統(tǒng)的信用產(chǎn)品與工具主要有貸款、公司債券，擔(dān)保、抵押、備用信用證等 -現(xiàn)代信用風(fēng)險(xiǎn)管理工具與手段：信用互換和信用關(guān)聯(lián)票據(jù)等信用衍生產(chǎn)品，貸款銷(xiāo)售和資產(chǎn)證券化CDO等更加復(fù)雜的結(jié)構(gòu)性融資產(chǎn)品（二）現(xiàn)代風(fēng)險(xiǎn)管理策略 -市場(chǎng)化的信用對(duì)沖

（三）傳統(tǒng)貸款多樣化管理上升到現(xiàn)代信用組合管理（四）從基于客戶和產(chǎn)品的信用風(fēng)險(xiǎn)管理發(fā)展到基于市場(chǎng)的管理信用風(fēng)險(xiǎn)管理策略二信用風(fēng)險(xiǎn)分析與衡量的方法體系1、專家系統(tǒng)2、信用打分模型3、內(nèi)部評(píng)級(jí)（一）基本方法專家系統(tǒng)（ExpertSystem）是依賴高級(jí)信貸人員和信貸專家自身的專業(yè)知識(shí)技能和豐富的經(jīng)驗(yàn)，運(yùn)用各種專業(yè)性分析工具，在分析評(píng)價(jià)各種關(guān)鍵要素基礎(chǔ)上依據(jù)主觀判斷來(lái)綜合評(píng)定信用風(fēng)險(xiǎn)的分析系統(tǒng)。專家系統(tǒng)在分析信用風(fēng)險(xiǎn)時(shí)主要考慮兩方面因素：一是與借款人有關(guān)的因素；二是與市場(chǎng)有關(guān)的因素。1、專家系統(tǒng)1.與借款人有關(guān)的因素：

(1)聲譽(yù)（Reputation）

(2)杠桿（Leverage）

(3)收益波動(dòng)性（VolatilityofEarnings）。

(4)抵押（Collateral）2.與市場(chǎng)有關(guān)的因素

(1)經(jīng)濟(jì)周期（BusinessCycle）

(2)宏觀經(jīng)濟(jì)政策（Macro-EconomyPolicy）

(3)利率水平（LevelofInterestRates）

5Cs系統(tǒng)應(yīng)用最為廣泛除5Cs系統(tǒng)外，使用也較為廣泛的專家系統(tǒng)還包括對(duì)企業(yè)信用進(jìn)行分析的5Ps系統(tǒng)與針對(duì)銀行等金融機(jī)構(gòu)的駱駝（CAMEL）分析系統(tǒng)。(二)典型系統(tǒng)品德（Character）資本（Capital）還款能力（Capacity）抵押（Collateral）經(jīng)營(yíng)環(huán)境（Condition）5Cs5Ps系統(tǒng)(二)典型系統(tǒng)個(gè)人因素(PersonalFactor)資金用途因素

(Purpose-Factor)還款來(lái)源因素(PaymentFactor)保障因素(ProtectionFactor)企業(yè)前景因素(PerspectiveFactor)5Ps(二)典型系統(tǒng)CAMEL系統(tǒng)

資本充足率

(CapitalAdequacy)資產(chǎn)質(zhì)量(AssetsQuality)管理能力(Management)盈利性(Earning)流動(dòng)性(Liquidity)CAMEL該系統(tǒng)主要依賴信貸專家的經(jīng)驗(yàn)和判斷作為信用分析和決策的基礎(chǔ)主觀性很強(qiáng)，對(duì)信用風(fēng)險(xiǎn)的評(píng)估缺乏一致性。基于專家實(shí)踐，缺乏系統(tǒng)的理論支持較為客觀的現(xiàn)代信用風(fēng)險(xiǎn)計(jì)量方法和銀行統(tǒng)一的內(nèi)部信用評(píng)級(jí)與專家系統(tǒng)相結(jié)合，能夠獲得取長(zhǎng)補(bǔ)短的效果，使得傳統(tǒng)的專家系統(tǒng)在銀行信用風(fēng)險(xiǎn)分析中發(fā)揮更加積極的作用（三）特點(diǎn)與主要問(wèn)題2、信用打分模型（CreditScoringModels）信用打分模型是一種傳統(tǒng)的信用風(fēng)險(xiǎn)量化模型，它用可觀察到的債務(wù)人特征變量計(jì)算出一個(gè)數(shù)值（即打分）來(lái)代表債務(wù)人的違約概率或者將貸款人歸類于不同的違約風(fēng)險(xiǎn)類別。信用打分模型的關(guān)鍵在于關(guān)鍵變量的選擇和各自權(quán)重的確定。目前，應(yīng)用較為廣泛的模型有線性概率模型（LinearProbabilityModel）、Logit模型和線性辨別分析模型（LinearDiscriminantModel）。運(yùn)用信用打分模型進(jìn)行信用風(fēng)險(xiǎn)分析的基本過(guò)程首先根據(jù)經(jīng)驗(yàn)或相關(guān)性分析確定特定債務(wù)人或頭寸暴露的違約風(fēng)險(xiǎn)主要與哪些經(jīng)濟(jì)或財(cái)務(wù)因素有關(guān)，模擬出特定形式的函數(shù)關(guān)系式；然后根據(jù)歷史數(shù)據(jù)進(jìn)行回歸分析，得出各相關(guān)因素的權(quán)重以體現(xiàn)其對(duì)于借款人違約作用的大小；最后將潛在借款人相關(guān)因素的數(shù)值代入函數(shù)關(guān)系式計(jì)算出一個(gè)數(shù)值，根據(jù)該數(shù)值的大小衡量潛在借款人的信用風(fēng)險(xiǎn)水平，從而決定貸款與否。線性概率模型使用貸款償付情況歷史數(shù)據(jù)來(lái)分析影響信用風(fēng)險(xiǎn)的主要因素及其重要性該模型將以往貸款劃分成違約與非違約兩組，違約時(shí)令Zi=1，非違約時(shí)令Zi=0。然后使用Zi數(shù)值與所使用的各種財(cái)務(wù)比率的歷史數(shù)據(jù)進(jìn)行線性回歸，得出每一種財(cái)務(wù)比率在回歸方程中所占的比重，即權(quán)數(shù)。Zi=ΣβiXij+eβi表示第j個(gè)變量Xij在擬合回歸方程中的作用，即該變量所適用的權(quán)數(shù)，e表示誤差項(xiàng)。在做信用風(fēng)險(xiǎn)分析時(shí)，可以將潛在借款人可觀測(cè)到的Xij的數(shù)值代入該回歸方程，從而計(jì)算出一個(gè)介于0—1的Zi數(shù)值，這就代表該借款人的違約概率。該模型具有一個(gè)重要缺陷，即有時(shí)根據(jù)回歸方程計(jì)算的違約概率會(huì)超過(guò)1，克服這一缺陷的方法是采用Logit模型。（一）線性概率模型（LinearProbabilityModel）該模型將借款人分為高風(fēng)險(xiǎn)與低風(fēng)險(xiǎn)兩種，利用數(shù)理統(tǒng)計(jì)中的辨別分析技術(shù)選擇所使用的比率XijAltman的Z計(jì)分模型1968年提出：Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5X1=（流動(dòng)資產(chǎn)-流動(dòng)負(fù)債）/總資產(chǎn)X2=留存收益/總資產(chǎn)X3=息稅前利潤(rùn)/總資產(chǎn)X4=股票市場(chǎng)價(jià)值/債務(wù)賬面價(jià)值X5=銷(xiāo)售額/總資產(chǎn)（二）線性辨別模型(LinearDiscriminantModel)Z作為違約風(fēng)險(xiǎn)的指標(biāo)，Z值越高，違約概率越低。結(jié)論：1.檢驗(yàn)在0.001水平上顯著2.通過(guò)計(jì)算，借款人違約的臨界值為：Z=2.675若Z<2.675，則被劃為違約組若Z≧2.675，則被劃為非違約組若1.81<Z<2.99，則被認(rèn)為是在灰色區(qū)域內(nèi)，判斷失誤的可能性較大。原因是原始樣本存在錯(cuò)誤分類或兩類的重疊產(chǎn)生的。Altman提出了判斷企業(yè)破產(chǎn)的臨界值：若Z低于1.81，則企業(yè)存在很大的破產(chǎn)風(fēng)險(xiǎn)，應(yīng)被歸為高違約風(fēng)險(xiǎn)等級(jí)要特別注意的是…該研究的公司樣本是以制造業(yè)為主，而且資產(chǎn)規(guī)模介于70萬(wàn)美元至2590萬(wàn)美元之間，預(yù)測(cè)期間為一年，若預(yù)測(cè)期間改為二年，則Z-Score低于2.675時(shí)，預(yù)測(cè)該公司會(huì)破產(chǎn)的準(zhǔn)確度將降低為72%，當(dāng)預(yù)測(cè)期間拉長(zhǎng)到5年時(shí)，預(yù)測(cè)該公司會(huì)破產(chǎn)的準(zhǔn)確度將降低到只剩36%。另外，上述的公式與判斷標(biāo)準(zhǔn)并不表示一定適用于非制造業(yè)或資產(chǎn)規(guī)模較大的公司。檢驗(yàn)結(jié)果，準(zhǔn)確性程度1、僅考慮2個(gè)極端情況（違約與沒(méi)有違約），對(duì)于負(fù)債重整、或是雖然發(fā)生違約但是回收率很高的情況就沒(méi)有做另外較詳細(xì)的分類。2、權(quán)數(shù)未必一直是固定的，必須經(jīng)常調(diào)整。3、并未考慮景氣循環(huán)效應(yīng)因子的影響。4、公司違約與否與風(fēng)險(xiǎn)特性的關(guān)系實(shí)際上可能是非線性的。5、缺乏經(jīng)濟(jì)理論支持，也就是為什么就這幾個(gè)財(cái)務(wù)變量值得考慮，難道其它因素(例如公司治理變量)就沒(méi)有預(yù)測(cè)能力嗎6、對(duì)市場(chǎng)的變化不夠靈敏（運(yùn)用的會(huì)計(jì)資料更新太慢）。7、無(wú)法計(jì)算投資組合的信用風(fēng)險(xiǎn)，因?yàn)閆-Score模型主要是針對(duì)個(gè)別資產(chǎn)的信用風(fēng)險(xiǎn)進(jìn)行評(píng)估，對(duì)整個(gè)投資組合的信用風(fēng)險(xiǎn)無(wú)法衡量。

Z-Score模型的限制與缺點(diǎn)1977年，Altman與Hardeman、Narayanan又提出了第二代Z計(jì)分模型依據(jù)在信用分析中的廣泛使用的變量，首先選出了27個(gè)變量。這些變量可劃分為獲利能力度量指標(biāo)、保障率與其它杠桿收益度量指標(biāo)、流動(dòng)能力度量指標(biāo)、資本化比率度量指標(biāo)、收益變動(dòng)性指標(biāo)等等。對(duì)公司的財(cái)務(wù)報(bào)表數(shù)據(jù)所進(jìn)行的最重要的調(diào)整就是對(duì)租賃資本數(shù)據(jù)的調(diào)整，這也是運(yùn)用這個(gè)模型對(duì)財(cái)務(wù)報(bào)告所作的唯一重大的調(diào)整。公司資產(chǎn)、負(fù)債需要再加上租賃資本總額，同時(shí)負(fù)債還要加上利息成本。當(dāng)然對(duì)一些其它因素也需要進(jìn)行相應(yīng)的調(diào)整，如公積金、資產(chǎn)負(fù)債表的少數(shù)股權(quán)、不能合并的子公司收入,商譽(yù)和無(wú)形資產(chǎn)以及資本化的研究和開(kāi)發(fā)成本等因素主要用于公共或私有的非金融類公司，其適應(yīng)范圍更寬，對(duì)違約概率的計(jì)算更精確。

ZETA信用風(fēng)險(xiǎn)分析模型ZETA模型將模型考察指標(biāo)由五個(gè)增加到七個(gè)，分別為：X1：資產(chǎn)收益率指標(biāo)X2：收益穩(wěn)定性指標(biāo)X3：償債能力指標(biāo)X4：盈利積累能力指標(biāo)X5：流動(dòng)性指標(biāo)X6：資本化程度指標(biāo)X7：規(guī)模指標(biāo)ZETA新模型在破產(chǎn)前5年即可有效地劃分出將要破產(chǎn)的公司，其中破產(chǎn)前1年的準(zhǔn)確度大于90%，破產(chǎn)前5年的準(zhǔn)確度大于70%。新模型不僅適用于制造業(yè)，而且同樣有效地適用于零售業(yè)。ZETA評(píng)分模型改進(jìn)的幾個(gè)方面如下：擴(kuò)大了選擇范圍并進(jìn)一步接近現(xiàn)實(shí)；所選變量較前穩(wěn)定；在其樣本的開(kāi)發(fā)和統(tǒng)計(jì)技術(shù)方面都有大的改進(jìn)；比Z評(píng)分模型更為準(zhǔn)確有效（特別是在破產(chǎn)之前，預(yù)測(cè)年限越長(zhǎng)，則預(yù)測(cè)準(zhǔn)確性就越高）。ZETA評(píng)分模型的優(yōu)點(diǎn)1.兩個(gè)模型都依賴于財(cái)務(wù)報(bào)表的帳面數(shù)據(jù)，而忽視日益重要的各項(xiàng)資本市場(chǎng)指標(biāo)，這就必然削弱預(yù)測(cè)結(jié)果的可靠性和及時(shí)性；2.由于模型缺乏對(duì)違約和違約風(fēng)險(xiǎn)的系統(tǒng)認(rèn)識(shí)，理論基礎(chǔ)比較薄弱，從而難以令人信服；3.兩個(gè)模型都假設(shè)在解釋變量中存在著線性關(guān)系，而現(xiàn)實(shí)的經(jīng)濟(jì)現(xiàn)象是非線性的，因而也削弱了預(yù)測(cè)結(jié)果的準(zhǔn)確程度，使得違約模型不能精確地描述經(jīng)濟(jì)現(xiàn)實(shí)；4.兩個(gè)模型都無(wú)法計(jì)量企業(yè)的表外信用風(fēng)險(xiǎn)，另外對(duì)某些特定行業(yè)的企業(yè)如公用企業(yè)、財(cái)務(wù)公司、新公司以及資源企業(yè)也不適用，因而它們的使用范圍受到較大限制。ZETA評(píng)分模型和Z評(píng)分模型存在的問(wèn)題歐特曼教授于1977年在JournalofBanking&Finance發(fā)表了另一篇論文(ZetaAnalysis:ANewModeltoIdentifyBankruptcyRiskofCorporations)，與Z-Score模型不同的是，ZETA信用風(fēng)險(xiǎn)模型加入大資產(chǎn)規(guī)模的樣本(制造業(yè)平均資產(chǎn)規(guī)模在1億，非制造業(yè)則低于2千萬(wàn))，并將非制造業(yè)(零售)納入，相同的是都以歷史財(cái)務(wù)報(bào)表的資料為基礎(chǔ)，建立27個(gè)財(cái)務(wù)變量，再透過(guò)統(tǒng)計(jì)方法推導(dǎo)出7個(gè)指標(biāo)變量，分別是….總資產(chǎn)報(bào)酬率(EBIT÷總資產(chǎn))、5~10年資產(chǎn)報(bào)酬率估計(jì)的標(biāo)準(zhǔn)誤(代表盈余穩(wěn)定性)、利息保障倍數(shù)(EBIT÷利息費(fèi)用)、累積獲利能力(保留盈余÷總資產(chǎn))、流動(dòng)比率(流動(dòng)資產(chǎn)÷流動(dòng)負(fù)債)、普通股市價(jià)比率(普通股市價(jià)總值÷總資本)、總資產(chǎn)等。另外，ZETA信用風(fēng)險(xiǎn)模型還考慮到財(cái)報(bào)準(zhǔn)則的修正與財(cái)報(bào)附注項(xiàng)目(租賃資本化、其他負(fù)債與其他資產(chǎn)以凈值計(jì)算、以合并報(bào)表的資料進(jìn)行分析、剔除商譽(yù)與無(wú)形資產(chǎn)、將研發(fā)費(fèi)用與利息資本化部分視為費(fèi)用處理)。整體來(lái)說(shuō)，ZETA信用風(fēng)險(xiǎn)模型用來(lái)判斷破產(chǎn)公司的概念，和之前的Z-Score模型的精神類似，都是以財(cái)務(wù)報(bào)表的內(nèi)容來(lái)分析公司的信用風(fēng)險(xiǎn)。無(wú)論是ZETA或Z-Score都適用于破產(chǎn)發(fā)生前1年的樣本，ZETA預(yù)估會(huì)破產(chǎn)的公司，精確度高達(dá)96.2%，預(yù)估不會(huì)破產(chǎn)的公司，精確度則為89.7%，Z-Score則為93.9%與97%，但ZETA在分析上，可將精確性拉長(zhǎng)到2～5年之前，ZETA在前5年預(yù)估破產(chǎn)公司的準(zhǔn)確度還可達(dá)到69.8%，不會(huì)破產(chǎn)公司的精確度可達(dá)到82.1%，但Z-Score就降到只剩36％，歐特曼教授表示，可能是因?yàn)閆ETA模型中，樣本抽取更符合當(dāng)時(shí)狀況，也包括更多不同產(chǎn)業(yè)公司，而Z-Score只使用了制造業(yè)的樣本，在加入非制造業(yè)樣本后才使得準(zhǔn)確度降低。Z-Score模型的修正：Z’-Score：將X4中的普通股權(quán)益市值修正為普通股權(quán)益的賬面價(jià)值后，發(fā)現(xiàn)變量X4的系數(shù)會(huì)降低，但是模型可靠度也會(huì)稍微降低，且臨界分?jǐn)?shù)必須修正至1.23Z-Score模型的修正：Z』-Score：加入非制造業(yè)公司的樣本后，沿用Z’-Score的方式，X4變量使用普通股權(quán)益的賬面價(jià)值，為了極小化產(chǎn)業(yè)效應(yīng)，并將銷(xiāo)售÷總資產(chǎn)這個(gè)變量(X5)剔除，新的Z-ScoreModel成為Z』=6.56(X1)+3.26(X2)+6.72(X3)+1.05(X4)，這個(gè)新模型對(duì)于資產(chǎn)融資較為頻繁的產(chǎn)業(yè)特別有用(例如租賃資本化)。歐特曼教授于2000年發(fā)表了另一篇論文(PREDICTINGFINANCIALDISTRESSOFCOMPANIES:REVISITINGTHEZ-SCOREANDZETAMODELS)，在該文中將樣本資料更新到1999年，該研究中他將樣本群依照時(shí)間分為1969~1975年、1976~1995年、1997~1999年等三類，若使用Z-Score的原始公式及2.675的臨界分?jǐn)?shù)，預(yù)估公司會(huì)破產(chǎn)的準(zhǔn)確度將介于82%~94%，因此他建議使用者將臨界分?jǐn)?shù)由2.675降低到1.81會(huì)較為適合首先，信用打分模型僅僅考慮借款人行為的兩個(gè)極端例子：違約與不違約或高違約與低違約其次，信用打分模型是建立在對(duì)歷史數(shù)據(jù)而非金融市場(chǎng)數(shù)據(jù)的模擬的基礎(chǔ)上的，因此是一種向后看（BackwardLooking）的模型再次，信用打分模型忽略了一些重要的但又難以量化的因素最后，信用打分模型對(duì)借款人歷史數(shù)據(jù)的要求相當(dāng)高（三）信用打分模型存在的問(wèn)題（一）內(nèi)部評(píng)級(jí)的概念內(nèi)部評(píng)級(jí)（InternalRatings）是指金融機(jī)構(gòu)內(nèi)部通過(guò)定量因素和定性因素的綜合分析,對(duì)其自身的交易對(duì)手、債務(wù)人或交易項(xiàng)目自身用一個(gè)高度簡(jiǎn)化的等級(jí)符號(hào)來(lái)反映被評(píng)級(jí)對(duì)象的風(fēng)險(xiǎn)特征。內(nèi)部評(píng)級(jí)所反映的被評(píng)級(jí)對(duì)象的風(fēng)風(fēng)險(xiǎn)特征主要是借款者的違約概率(PD)和交易工具的違約損失率(LGD)。金融機(jī)構(gòu)的內(nèi)部評(píng)級(jí)體系既包括評(píng)級(jí)體系的設(shè)計(jì),即等級(jí)設(shè)置、等級(jí)標(biāo)準(zhǔn)和等級(jí)所反映的風(fēng)險(xiǎn)特征等，又包括評(píng)級(jí)方法、手段和過(guò)程,即定量方法和專家分析的結(jié)合、所要考慮的風(fēng)險(xiǎn)因素和評(píng)級(jí)及復(fù)議過(guò)程的激勵(lì)和控制等。3、內(nèi)部評(píng)級(jí)外部評(píng)級(jí)內(nèi)部評(píng)級(jí)相同點(diǎn)對(duì)債務(wù)人和信用產(chǎn)品的信用風(fēng)險(xiǎn)的評(píng)估其評(píng)估結(jié)果都反映了債務(wù)人違約概率(PD)和信用產(chǎn)品的違約損失率(LGD)，考慮類似的風(fēng)險(xiǎn)因素，對(duì)債務(wù)人的財(cái)務(wù)狀況、現(xiàn)金流量、產(chǎn)業(yè)特點(diǎn)、交易特征和主權(quán)風(fēng)險(xiǎn)等方面進(jìn)行定性和定量相結(jié)合的分析，強(qiáng)調(diào)專家判斷的重要性承認(rèn)細(xì)節(jié)化的、機(jī)械化的指導(dǎo)原則和程序的局限性。

不同點(diǎn)服務(wù)的對(duì)象：為資本市場(chǎng)投資者提供獨(dú)立公正的信息服務(wù)為保障其評(píng)級(jí)結(jié)果的準(zhǔn)確性和公正性，其評(píng)級(jí)結(jié)構(gòu)和含義的具有穩(wěn)定性和明確性外部評(píng)級(jí)機(jī)構(gòu)愿意公布其評(píng)級(jí)的過(guò)程、方法和等級(jí)的含義目的在于應(yīng)用于自身的經(jīng)營(yíng)和風(fēng)險(xiǎn)管理，故內(nèi)部評(píng)級(jí)的風(fēng)險(xiǎn)和收益是內(nèi)化的，評(píng)級(jí)的做法也是私有化的評(píng)級(jí)的準(zhǔn)確性、等級(jí)結(jié)構(gòu)和含義的穩(wěn)定性和明確性、評(píng)級(jí)的過(guò)程、方法和等級(jí)的含義都在一定程度上可以根據(jù)金融機(jī)構(gòu)的需要和收益成本情況進(jìn)行調(diào)整金融機(jī)構(gòu)內(nèi)部評(píng)級(jí)體系結(jié)構(gòu)設(shè)計(jì)包括等級(jí)的設(shè)置、等級(jí)的風(fēng)險(xiǎn)和損失內(nèi)涵、債務(wù)人評(píng)級(jí)和交易評(píng)級(jí)等方面1．評(píng)級(jí)維度評(píng)級(jí)維度是指對(duì)評(píng)級(jí)對(duì)象及其風(fēng)險(xiǎn)特征的選擇，主要包括債務(wù)人評(píng)級(jí)（ObligorRating）和債項(xiàng)交易評(píng)級(jí)(FacilitiesRating)兩個(gè)方面的內(nèi)容。2．等級(jí)的設(shè)置美國(guó)的銀行監(jiān)管體系要求將問(wèn)題頭寸分為關(guān)注（SpecialMention(OAEM)）、次級(jí)（Substandard）、可疑（Doubtful）、損失（Loss）四個(gè)等級(jí)

（二）內(nèi)部評(píng)級(jí)體系的結(jié)構(gòu)1．風(fēng)險(xiǎn)報(bào)告2．風(fēng)險(xiǎn)定價(jià)3．確定準(zhǔn)備金水平4．經(jīng)濟(jì)資本分配5．公司治理與激勵(lì)6．資產(chǎn)組合管理（三）內(nèi)部評(píng)級(jí)在金融機(jī)構(gòu)風(fēng)險(xiǎn)管理體系中的作用三信用風(fēng)險(xiǎn)量化模型1、CreditMetrics模型2、信用風(fēng)險(xiǎn)量化面臨的主要問(wèn)題和挑戰(zhàn)2、CreditMetrics模型CreditMetrics模型是J.P.摩根1997年開(kāi)發(fā)出的用于量化信用風(fēng)險(xiǎn)的風(fēng)險(xiǎn)管理產(chǎn)品（一）CreditMetrics模型的基本思想（二）CreditMetrics模型的基本方法（一）CreditMetrics模型的基本思想認(rèn)為信用風(fēng)險(xiǎn)可以說(shuō)直接源自企業(yè)信用等級(jí)的變化，并假定信用評(píng)級(jí)是有效的CreditMetrics模型的基本方法是信用等級(jí)變化分析。CreditMetrics模型的一個(gè)基本特點(diǎn)就是從資產(chǎn)組合而并不是單一資產(chǎn)的角度來(lái)看待信用風(fēng)險(xiǎn)。

信用工具信用等級(jí)變化的概率分布（一般由信用評(píng)級(jí)公司提供）信用工具在各信用等級(jí)上的市場(chǎng)價(jià)值信用工具市場(chǎng)價(jià)值在不同信用風(fēng)險(xiǎn)狀態(tài)下的概率分布信用工具其市場(chǎng)價(jià)值變化的相關(guān)系數(shù)信息整個(gè)投資組合的市場(chǎng)價(jià)值的概率分布信用組合在一定的置信水平下的VaR值。（二）CreditMetrics模型的基本方法1．確定組合中每種信用工具當(dāng)前的信用等級(jí)。2．確定每種信用工具在既定的風(fēng)險(xiǎn)期限內(nèi)（如一年）由當(dāng)前信用等級(jí)變化到所有其他信用等級(jí)的概率，并由此得出轉(zhuǎn)換矩陣（TransitionMatrix），即所有不同信用等級(jí)的信用工具在風(fēng)險(xiǎn)期限內(nèi)變化（轉(zhuǎn)換）到其他信用等級(jí)或維持原級(jí)別的概率矩陣。這一矩陣通常由專業(yè)的信用評(píng)級(jí)公司給出。3.確定每種信用工具期末在所有信用等級(jí)上的市場(chǎng)價(jià)值（并由此得出由于信用等級(jí)變化而導(dǎo)致的信用工具價(jià)值的變化）。結(jié)