信用评级-信用评级模型201510.pptxVIP

信用风险分析模型 中债资信评估有限责任公司 姜克 第一节、统计模型 第二节、结构模型 第三节、智能技术模型 第四节、持续期分析模型 主要内容 第一节、统计模型 统计模型通过对实际发生的反映经济现象的数量信息进行统计归纳，从而对未来的经济现象进行预测判别。该类模型设计的基本思路是：根据研究人员的经验，选择多个与违约相关的财务指标，基于样本数据进行初步统计分析，找出最有统计显著性的财务指标，通过对这些指标进行评价，运用回归方法或判别方法，综合得出一个评分（或者违约概率）以区分受评主体的信用质量。统计模型以财务信息为数据基础。常用的统计模型包括判别分析模型、广义线性回归模型和打分卡模型。 （1）判别分析模型。以Altman的Z评分模型为代表。 Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5 其中，X1=营运资本/总资产，反映资产的流动性与规模特征；X2=留存收益/总资产，反映企业累计盈利状况；X3=息税前收益/总资产，反映企业资产的获利能力；X4=权益的市场价值/总债务的账面值，反映企业的偿债能力；X5=销售总额/总资产，反映企业的营运能力。模型的最佳判别阀值为Z=2.675，且Z值越大，企业越不可能违约。相反，Z值越小，企业破产违约的可能性越高。 3 第一节、统计模型 （2）广义线性回归模型。包括多元线性回归模型，Logit回归模型，Probit回归模型，Poisson回归模型等判别分析模型。 广义线性回归模型的一般形式： 与多元判别分析的Z-score模型相比，广义线性回归模型取消了响应变量残差的正态分布假设，而且不需要对违约与非违约企业进行人为配对。更为重要的是，广义线性回归模型不仅能给出样本公司违约概率的预测值，而且能够反映公司之间违约风险程度的差异，不再生硬地将公司划分为违约与非违约两类。 4 第一节、统计模型 （3）打分卡模型。是多元判别分析思想的发展，在继承定量分析的同时，加入了定性分析的模块，从而将专家经验和统计方法相结合。定量分析模块用财务数据等定量指标得到一个分值，定性分析模块考虑了基于专家判断的定性指标。目前在银行的内部评级体系中广泛应用。 打分卡模型的主要优点在于直观和简单易行，可以充分利用难以量化的定性信息，有利于保障信用分析的灵活性、全面性和前瞻性；缺点在于对专家自身的业务素质要求较高；结果具有一定主观性和随意性。 5 第二节、结构模型 结构模型理念源于Black和 Scholes在1973年发表的论文“The Pricing of Options and Corporate Liabilities”，认为期权定价公式可用于对公司债券的定价，公司发生违约是公司价值恶化的结果。 Black和Scholes的期权定价模型的形式： Merton将B-S公式用于对公司债券的估值，公司权益计算公式为： 6 第二节、结构模型 优势：利用股票市场的信息进行预测；预测准确，对市场情况反映及时。 国内应用的问题：股票市场成熟，市场有效性低；大部分企业并未上市限制了应用范围；没有所需违约数据库。 7 第二节、结构模型 VK模型。首先利用Black-Scholes期权定价公式，根据企业股价、股价波动率、债券到期时间和无风险借贷利率，估计出企业的资产的市场价值和资产波动率。然后根据公司的负债情况计算出公司的违约点 (default point)，以计算借款人的违约距离。最后，根据历史违约数据得到违约距离所对应的违约概率。 VK模型首先提出了违约距离的概念。违约距离(DD)度量了信用风险的三个关键因素的综合效果：公司资产市值、公司经营业务与行业风险、公司杠杆。其基本公式如下： VK模型需要根据历史违约数据建立违约距离和违约概率之间的映射关系。 8 第三节、智能技术模型 智能技术模型包括神经网络模型、模糊数学模型、决策树模型等，这类模型在设计思想上克服了传统的统计方法假设要求强以及仅仅考虑静态风险等局限，但是理论基础较弱且不成熟，目前尚无比较成功的案例。 9 第四节、持续期分析模型 持续期分析模型是评级模型研究的最新进展，运用了生存分析技术。持续期分析模型可预测未来多时点的违约概率，其变量一般包括宏观经济、企业财务和违约距离等因素，其数据基础既涵盖财务信息又包含市场信息，是在统计模型和结构模型基础上综合发展的成果，预测结果比统计模型精准。 比较有影响力的是Shumway教授的离散形式的风险模型和Duffie教授的DWS模型。 10 小结 11