探討我國信用風險度量模型的應用

吳媛 鄧曉盈 湯盼園

摘要： 本文闡述了財務分析和信用風險度量模型在信用評級上的重要性。從信用評級發展角度出發，對傳統信用風險評價方法和現代信用風險模型的發展進行了總結，揭示了傳統信用風險評價方法存在的弊端，現代信用風險模型的優點是減弱主觀判斷的因素。最后通過各個模型的優缺點總結選擇適合我國信用風險度量模型應從我國實際情況出發。

Abstract： This paper describes the importance of financial analysis and credit risk measurement model in credit rating. From the perspective of the development of credit rating， the development of traditional credit risk assessment method and the modern credit risk model is summarized. The disadvantages of the traditional credit risk assessment method are revealed. The advantages of the modern credit risk model are the factors can weaken the subjective judgment. At last， through the advantages and disadvantages of each model， it is concluded that the credit risk measurement model in China should be based on the actual situation of China.

關鍵詞： 信用風險；信用評級；風險度量模型

Key words： credit risk；credit rating；risk measurement model

中圖分類號：F832.2 文獻標識碼：A 文章編號：1006-4311（2017）03-0026-03

0 引言

信用發展是隨著社會進步和市場經濟而來的。西方發達國家因其經濟發展的需求建立了完善的信用管理體制，我國金融市場規模也在不斷的擴大、市場體制也在逐步完善，信用管理體制的匱乏已經成為我國現階段的重要問題，我黨十七大和十七大六中全會提出了建立社會信用體制的要求，隨后《社會信用體系建設規劃綱要》也被提出，社會信用體系建設成為了我國經濟建設的重要任務和主要課題。

信用風險也就是我們說的在交易當中的違約風險，在金融市場交易當中，往往存在一種現象——信息不對稱。這使金融市場交易者面臨著信用風險，降低了市場的交易率。近幾年，隨著經濟的不斷發展，在金融市場當中信用風險越來越大，也越來越復雜，并不斷積累上升。

信用風險已經引起人們的高度重視，人們更加關注評級技術和其影響效果。在我國諸多學者利用已有的信用風險度量模型對金融業進行風險度量研究并分析其適用性。唐海鷗通過30家房地產公司的財務數據驗證了z 值模型的有效性[1]。向軍通過運用BP 人工神經網絡模型和Logistic模型對現代企業信用風險進行評級，證明了人工神經網絡方法在信用評級當中優于Logistic方法[2]。王瓊在理論上將KMV模型同其他模型進行對比分析，認為KMV模型在評價上市公司的信用風險上比較適用[3]?；谝陨蠈W者分析和實證研究的綜述，在本文中探討各種模型在金融行業的可行性。我國信用評級與國際相比，起步較晚，缺乏對信用評級數據的整理與歸納，對企業數據庫的建立更是薄弱。所以要根據現有的信用風險度量模型的特點，創建適合我國國情的信用風險度量模型仍然處于研究當中。

1 信用風險度量模型的重要性

信用評級給投資雙方建立了信息橋梁，使市場上的資金不再因信息不對稱而無法發揮其功能、減少了金融機構對企業繁瑣檢查的程序，使資本市場得到了增效。然而信用評級機構是否能站上合理、公正、客觀、正確的角度對待評級對象，主要因素有兩個：第三方信用評級機構本身必須是獨立的，無外界干擾、評級過程當中采用的評級技術是否合理。信用評級機構的獨立性得不到認可，那么結果必然受到人們質疑。所以前者存在人為因素，不好把握判斷。

評價企業價值的第二因素是評級技術，評級技術是對公開信息和收集私人信息進行加工、整理和挖掘，還有對信息抽象成為主要信用質量的決定性變量或成分，并對這些影響因子進行有效分析，最終得到可以用來評價風險程度的信用等級級別。一旦評級機構的評級技術有誤，則評級結果必然與實際情況相差甚遠，那么對投資者來說一個錯誤的信息必然損失慘重；對企業來說因得不到投資者的青睞，融資資本將大大降低，這樣扭曲了金融市場的機能。所以信用風險度量模型的重要性要得到必要的重視，建立一個正確和適合我國普遍性的評級模型是發展信用市場當前的主要任務。

2 傳統信用風險評價方法

傳統信用風險評價方法主要是專家分析法，借助于債務人的財務信息和個人素質等方面，通過分析經濟體的各種信息最終主觀的評估信用等級給予貸款額度。其中比較常用的是“5C”、“5w”、“5p”、“LAPP”、“SWOT”、“財務比率分析方法”。

以上5種分析方法都屬于專家評價法，存在著主觀性。而且都不能完全包括度量一個企業信用風險的因素，其他未被考慮的因素也會對企業的信用等級有影響。在實際生產實踐當中，第三方信用評級機構往往需要對于企業信用風險的重要因素進行深入調查，確定企業的信用風險狀況。傳統信用風險評價方法只是現在評估一個企業的基本工作，而且主觀性和對專家依賴性過強，要求評估人員的綜合素質高，導致評估成本偏高。專家人員因個人見解的分歧，使得評級結果不一致具有隨意性，這樣每一批專家評級出來的結果都不可能一致。

3 信用風險模型的發展

因傳統信用風險評價方法自身存在著一定的缺陷，人們開始研究統計模型。信用風險統計模型主要是指評級人員對企業的財務數據當中的敏感性財務指標進行觀察和分析，判斷出企業的經營狀況和財政情況，并采用適當的經濟計量模型進行計算。通過數學模型計算出來的評級結果對投資者來說，是甄別一個企業的投資價值外在表現，避免不必要的損失和風險；對于企業來說揭示出了財務上的問題，并針對此問題進行方案調整使其從偏軌回歸正軌。表1為當前國內主要應用的各種模型的分析對比。

4 評價度量方法的優缺點

Z-積分模型與Zeta統計分析模型簡單易懂，雖然Z值判斷存在著灰色區域，但不影響它在其他方面的發展，它可以預測公司前2-3年的破產概率。兩個模型的財務指標偏少，使得重要的資本市場數據被忽略，其預測的準確性和及時性也被削弱。兩個模型的前提條件是變量之間存在線性關系，但現實市場當中變量之間存在線性關系是無法保證的，因此因素的限制，模型將不能準確的預測企業破產風險。

KMV模型雖然理論完善，但違約距離和違約概率之間的關系是基于美國數據得到的，因此其他國家使用存在一定的限制性，KMV模型需要一個公司15年的數據，建立這樣的數據庫需要很多條件，且評級系統已相當完善。該模型在使用上有相當嚴格的約束力，對于一個成熟的上市公司而言其可行性較好，對于非上市公司評估存在一定的困難。該模型偏重于市場價值，但事實上市場價值并不能完全等于賬面價值，可見其模型使用的制約性。

Logit模型采用一系列的財務指標作為研究數據，對數據不要求多元正態分布和協方差相等，但如果樣本點完全分離時，參數的最大似然估計可能不存在，模型的有效性值得斟酌。對數據樣本的要求一般在200個以上，否則對參數數據的計算可能出現偏差。Probit模型、Logit模型在原理說明上一樣，但Probit模型對數據的要求是服從標準正態分布，計算上比Logit模型要復雜，但精確程度相對Logit模型要高很多。

人工神經網絡法對數據的選擇不存在線性關系，對定量和定性信息可同時處理，處理數據相當準確及時。但是在數學理論當中沒有成熟的理論基礎和完整的神經網絡，學習時間長，對小樣本數據和局部極小點問題上，解決方法不成熟。

有時對評估一個企業的信用風險時也不能準確的做出“是”或“非”的結論。將模糊數學應用在此，也是個不錯的選擇。但模糊數學的隸屬函數很復雜，其穩定性也難以保證。很多數學家對其仍存在疑問，不認同其理論。

突變理論模型的特性主要有多穩性、突跳性、滯后性、發散性、不可達性。信用風險系統中存在多方因素的制約，其中某一因素可能會發生突變事件，導致數據無法連續和規律變化。如果把企業的財務指標、定量指標、突發事件作為模型的控制變量時，此模型的五種特性是可以通過企業的信用風險狀態表現出來的。

5 結論

綜上所述，隨著信用風險的復雜變化和不確定性，度量信用風險模型也在不斷發展不斷完善。到目前為止已出現多種模型，但都存在著自身的優缺點，很難適應企業的信用風險復雜程度。傳統的信用風險度量方法依靠專家打分，可能導致各個專家的結論互相矛盾，難以保證其結果的正確性?，F代風險度量模型有些需要大量統計數據，計算發雜，建立模型是采用的指標和假設可能對模型在度量時的準確程度有影響。

我們信用評級起步較晚，在選擇模型上存在制約因素。例如很多企業并沒有建立自己的數據庫，對于那些需要大量數據的模型無法選擇。其次，比西方發達國家相比，企業違約主要原因來自于自身的經濟問題，無法償還債務；而在我國企業違約的原因較復雜，可能是經濟問題也可能存在弄虛作假等現象。因此在選擇模型上應使用多種方法互相考慮，揚長避短尋找模型和方法的互補性。還要考慮企業與企業之間的差別和特性，各項因素之間的相互作用，信用評級時可能會有突發事件對其結果影響重大。構建適合我國當前情況的信用風險度量模型，應從我國根本國情出發。

參考文獻：

[1]唐海鷗.上市公司財務指標在信用評級中運用的實證分析[J].財會通訊，2010（7）：47.

[2]向軍.基于BP人工神經網絡的現代企業信用風險評級及實證研究[D].湖南：湖南大學，2005.

[3]王瓊，陳金賢.信用風險定價方法與模型研究[J].現代財經，2002.