基于信用评分模型的我国商业银行客户违约概率研究_王颖.pdfVIP

DOI:10.14120/11-5057/f.2012.02.003 经济与金融 基于信用评分模型的我国商业银行客户违约 概率研究 ， ， 王 颖1 2 聂广礼3 4 石 勇 1 （1.中国科学院虚拟经济与数据科学研究中心，北京 100190； 2. 中国进出口银行资金营运部，北京 100031； 3.北京大学光华管理学院，北京 100871； 4. 中国农业银行博士后工作站，北京 100005） 信用风险是商业银行面临的最主要和最复杂的风险。《 巴塞尔新资本协议》对信用风险的 摘要： 计量提出了标准法和内部评级法，指出有条件的银行要实施内部评级法，通过对历史数据构建 模型测算客户的违约概率。 本文结合内部评级法和我国的实际情况，从客户评级的角度，研究 了个人客户违约概率和公司客户违约概率。 个人违约概率；公司违约概率； 回归；多目标线性规划 关键词： Logistic 引 言 《巴塞尔新资本协议》将商业银行面临的主要风险定义为信用风险、市场风险以及操作风险。其中，信用 风险是最主要和最复杂的风险。《巴塞尔新资本协议》对信用风险的计量提出了标准法和内部评级法，指出有 [1] 条件的银行要实施内部评级法，通过对历史数据构建模型测算客户的违约概率 。信用风险（Credit Risk）又称 违约风险，是指债务人或交易对手无力履行合同所规定的义务或信用质量发生变化，影响金融产品价值，从而 [2] 给债权人或金融产品持有人造成经济损失的风险 。违约概率是影响信用风险的关键因素之一，准确地预测 客户的违约概率是信用风险计量的基础。 商业银行客户违约概率的研究一直是国际、国内研究的热门领域。20 世纪60 年代后，随着信用卡业务的 推出，基于信用评分技术的客户违约概率研究取得了较大的发展。信用评分模型，利用可观察到的借款人的 特征变量计算出一个数值（得分）来代表借款人的信用风险。特征变量的选择、根据历史数据的回归分析结果确 定各自的权重是模型构建的关键。国际上常用的建模方法主要包括判别分析、逻辑回归、神经网络等。判别分析 模型是通过对一系列变量的分析，建立判别函数，使其能最好地区分违约客户和不违约客户。1966 年，Beaver[3] 指出可以通过财务指标来预测公司的破产概率，并用单变量分析法对79 家破产公司做了实证研究。1968 年， [4] [5] Altman 提出了以5 个财务比率为判别变量的线性判别分析模型———Z-score 模型。1977 年，Altman 等 对原 收稿日期：2010-04 国家自然科学基金项目（ ； ； ； ）；中国科学院研究生科技创新与社会实践专项； 基金项目：