融合传统分析与统计分析的信用评级体系 赵征.pdfVIP

第三节 融合传统信用分析与统计分析技术的 第三节 融合传统信用分析与统计分析技术的 客户信用评级 客户信用评级 基于财务指标的信用评价统计模型 基于财务和非财务指标的信用评级体系 Zhao Zheng Wuhan university 一、基于财务指标的信用评价统计模型 一、基于财务指标的信用评价统计模型 ——信用风险度量模型化的初步尝试 ——信用风险度量模型化的初步尝试 信用评分模型（线性多元判别模型） 线性概率模型、Logit模型与 Probit模型 类神经网络技术与模糊分析 （一）信用评分模型（多元线性判别模型） （一）信用评分模型（多元线性判别模型） 传统信用评级的经典方法——线性判别模型 传统信用评级的经典方法——线性判别模型 判别分析的基本框架 判别分析的基本框架 判别分析(discriminant analysis)的目的： 判别分析(discriminant analysis)的目的： 针对不同群组的样本，找出最能够有效区分群组的变量，建立 判别函数 判别分析在信用评级中的应用： 判别分析在信用评级中的应用： 找到一组具有判别能力的变量，组成一个(或多个)判别函数， 将样本按各个变量的实际观察值输入该函数，得到样本的判别分 数，据此判断样本归属的信用等级 线性判别模型的发展历程 线性判别模型的发展历程 大卫·杜兰（1941），率先将线性判别模型应用于信用评估领域 大卫·杜兰（1941），率先将线性判别模型应用于信用评估领域 毕沃（Beaver，1966），单变量分析 毕沃（Beaver，1966），单变量分析 ——对1954-1964间危机企业（79家）进行随机抽样，利用1：1配 对法，寻找相同产业、相似规模的正常企业作为比较对象 ——考察14个财务比率在企业失败（债务违约或破产）前5年的差 异程度 ——现金流量/负债总额是预测经营失败的最佳指标（其次为负债/ 总资产；资产利润率） 奥特曼（Altman ，1968），多变量分析 奥特曼（Altman ，1968），多变量分析 提出逐步多元判别分析法（stepwise multiple discriminant analysis，MDA） ——信用评分模型 信用评分模型 （1）原始的Z计分模型（Altman,1968 ） （1）原始的Z计分模型（Altman,1968 ） 基本思想： 基本思想： 破产公司呈现的财务比率与经营良好的公司截然 破产公司呈现的财务比率与经营良好的公司截然 不同 不同 →利用数理统计中的辨别分析技术，对银行过去 → 的贷款案例进行分析，选择若干最能反映借款人财 务状况、对贷款质量影响最大、最具预测或分析价 值的财务比率，利用权重加以综合，设计出一个能 最大程度区分贷款风险度（区分破产与非破产企 业）的数学模型（判断函数） 模型构建： 模型构建： 首先，选择样本 首先，选择样本 Altman选取两组公司，一为破产组，一为非破产组。 其次，选择变量 其次，选择变量 分析一组变量（财务指标），选择变量的标准是在组内差异最小化 的同时实现组间差异最大化，从原始的22个变量中选取5变量 组间方差 Maxϕ