第七章 信用风险测度模型
第七章-信用风险测度模型课件
解决方案
为使Credit Metrics在我国能更好地应用，需要做好以下工 作：
▪ 首先，建立客观公正的商业银行内部评级体系,对债务主 体进行连续、有效的长期评级,从而将来可以将Credit Metrics模型的思想和方法运用到商业银行信用风险管理 工作中,准确科学地计量信贷资产的信用风险值。
▪ 其次，大力发展企业债券市场,推进利率市场化进程,建立 信用风险计量分析基础。在成熟市场经济中,能从市场交 易的信息中获得大量数据,企业债券价格可以作为银行分 析债项信用风险估值的重要市场基准和参照体系,有利于 风险模型的适应和检验,从而提高信贷风险管理的技术水 平。
▪ 历史数据基础缺乏。Credit Metrics模型的建立需要大量的 历史数据，需要一个庞大的样本。但我国实际情况是信用样 本数据较少，而且在历史延续性和可比性方面存在不足，数 据的真实性不高。
▪ 市场机制还不完善。我国利率没有市场化，缺少一个基准的 贴现利率，给信用资产贴现困难。
第七章-信用风险测度模型
第七章-信用风险测度模型
对Credit Metrics模型在我国应用的问题 从Credit Metrics模型方法可以看出,该模型要求有效的评级历
史数据和评级机构。只有有效的评级历史数据存在,才能获 得信用等级转换矩阵。目前来看，Credit metrics模型在我 国的应用存在很多困难：
▪ 我国信用评级体系不完善。我国商业银行内部评级体系主观 性强，国内独立的商业信用评级机构还处于发展初期，没有 像发达国家穆迪、标准普尔这样发达的国际知名评级机构。
第七章-信用风险测度模型
▪ Credit Metrics模型开创了商业银行信用风险内 部管理模型的先河，而且在新巴塞尔协议框架 下，有能力的商业银行通过建立内部模型来管 理风险已经成为了现实，因此，对Credit Metrics模型以及进一步的扩展模型的研究必将 深入的进行。
《个人信用、征信与法》第七章 个人信用评分
8信用评价：个人信用评分制度8.1个人信用评分：有效的信息处理模式8.1.1信用评分的原理信用评分简单地说，就是运用一定的公式和规则，评估客户的信用价值（可信度）的方法。
传统的信用评分模型就是将预先通过统计方法确定的权重分配给申请人主要信用特征指标，由此产生出一个信用分数。
最常用的信用评分用来预测信用申请者准时且足额偿还信贷的可能性，如果评分的分值比分界值高，那么申请人即得到许可。
信用评分模型可以从服务商那里购买，也可以根据自己拥有的信用数据开发。
信贷机构往往将购买一般性的模型作为一种权宜之计，待它们自己积累了充足的样本数量，就会根据自己的顾客样本构建自己的系统。
信用评分模型隐含的一个假设是：存在着一种测度能将良好信用及较差信用的评价对象区分成不同的两种分布。
当然在这两个分布之间可能有一些重叠（如图所示），既所谓的灰色地带。
图8－1 信用计分模型中良好信用及不良账户的信用分数分布有些信用评分专注于对这个灰色地带的信用消费者群体进行细分。
这是由于在激烈的市场竞争下，信用评分极低的信用申请者早已被排除，而信用评分极高的也早已被各个授信机构竞相争夺，信用需求已得到满足，各种信用供给者需要从获得中等评分的潜在客户群体中挑选合适的授信目标，因而对中间地带的信用消费者进行细分的评分模型是十分必要的。
进行近乎连续的细致地信用评分不能仅仅依靠消费者偿债、公共记录、专业和雇用记录来简单的排除有明显不良纪录者，而更需要在此基础上，进一步详细地分析消费者的消费行为，包括所属的消费者群体、年龄段、消费规律、偏好、习惯等等，一个科学的信用评分模型需要建立在对消费者群体的长期或阶段性跟踪、区域调查和大量的数理统计分析的基础上。
Avery 等就曾指出，区域经济状况及所处的经济周期是影响偿债的重要因素，但现有的信用评分模型大多忽略了这一因素。
【129】账户所个人8.1.2评分用于个人信用的基础与条件信用风险可分为三类：可度量可控制风险、可度量不可控制风险、不可度量不可控制风险，评分系统和组合分析的目标主要是针对可度量风险。
信用风险度量模型构建与优化
信用风险度量模型构建与优化随着金融市场的日益发展，信用风险成为银行和金融机构面临的一个重要挑战。
银行等金融机构为了降低信用风险，利用信用风险度量模型来识别有风险的客户和交易，以获得高收益和合理的风险水平。
本文将着重探讨信用风险度量模型的构建与优化。
一、信用风险度量模型的构建1.检测与测量：一个合适的信用风险度量模型需要包含对借款人的财务状况等基本信息的检测与测量。
让我们来看看最常用的两个指标：借款人的历史还款记录和财务状况。
如果借款人在过去的还款记录中有较高的逾期次数，那么他们今后的还款能力就应该受到怀疑。
而借款人的财务状况则可以通过财务报表数据来了解。
2.评估信用风险：在借款人的财务信息和历史还款数据被收集之后，我们可以将其用来计算出贷款人的风险水平。
作为第一线的金融机构，银行需要建立自己的信用评估系统，以对客户的信用风险进行评估和监控。
3.风险分级：根据评估结果，借款人可以被分为多个风险等级。
这些等级可以用来比较借款人之间的风险水平，同时可以用来决定贷款的利率、条件等。
4.监控：一旦贷款被发放，银行也需要对其进行监控，以确保风险在合理范围内。
这就需要银行持续的对借款人信息的跟踪，并识别一些潜在的风险或异常情况。
二、优化信用风险度量模型的方法1.数据质量的保证：一个优秀的信用风险度量模型需要实时高质量的数据。
缺乏充足的数据会严重影响评估的准确性，也会对监控带来一定的不便。
因此，银行在构建信用风险度量模型时需要重视数据的质量和完整性。
2.指标的选择：针对不同的借款人，银行需要选择适合其财务状况和历史记录的指标。
在指标的选择上，可以结合特定的背景信息来实现更好的预测。
比如社会关系、财务报表等方面的指标。
这些指标可以为银行提供许多有价值的信息，从而对模型进行优化。
3.模型的建立和训练：在选择指标之后，银行还需要建立合适的模型来对借款人的信用风险进行评估。
模型需要通过大量的历史数据来训练，形成针对信用风险问题的解决方案。
07信用风险的计量精品PPT课件
2021/1/9
10
Z＝1.2X1+1.4X2+3.3X3+0.6X4+1.0X5
指标变量Z是借款人违约风险等级的整体计算
值，它取决于借款人的多种财务比率的数值
（Xj）与这些比率的权重。
X1＝营运资本/总资产
2021/1/9
7
三、表分析 2.财务比率分析
四大类：盈利能力比率；效率比率（运营能力 比率）；杠杆比率；流动比率。主要指标：销 售毛（净）利率、存货周转率、应收账款周转 率、资产负债率、流动比率、速动比率等
3.现金流量分析
2021/1/9
X2＝留存收益/总资产
X3＝息税前收益/总资产
X4＝股本市值/总负债的账面价值
X5＝销售收入/总资产
2021/1/9
11
模型的分类规则：若Z≥2.99，表明借款人财 务状况良好，发生破产的可能性较小，Z值越 高借款人违约风险的等级越低；当Z值≤1.81 的借款人应被归入高违约风险类别，即企业存 在着很大的破产风险；介于上限2.99及下限 1.81之间的Z值无法直接判别，需要使用其他 手段来测度企业的信用风险。
2021/1/9
5
正常贷款指借款人能够履行合同，没有足够理 由怀疑贷款本息不能按时足额偿还。
关注贷款指尽管借款人目前有能力偿还贷款本 息，但存在一些可能对偿还产生不利影响的因 素。
次级贷款指借款人的还款能力出现明显问题， 完全依靠其正常营业收入无法足额偿还贷款本 息，即使执行担保，也可能会造成一定损失。
2021/1/9
14
第三节 创新的信用风险计量模型
1994年KMV开发的信用监测模型；
信用风险度量模型
信用风险度量模型信用风险度量模型（Credit Risk Measurement Model）信用风险度量模型的概述信用风险(credit risk)是指由于借款人或市场交易对方违约而导致损失的可能性，以及由于借款人的信用评级的变动和履约能力的变化导致其债务的市场价值变动而引起的损失的可能性。
从该定义可以看出。
信用风险由两部分组成，一是违约风险，指交易一方不愿或无力支付约定款项致使交易另一方遭受损失的可能性；二是信用价差风险，指由于信用品质的变化引起信用价差的变化而导致的损失。
新巴塞尔协议对银行的资本要求允许各国银行可以采用内部模型来度量信用风险。
由于20世纪90年代里，公司倒闭的结构性增加、脱媒效应的显现、竞争的白热化、担保能力的下降、金融衍生品的急剧膨胀、信息技术的飞速发展等因素促使人们加强对信用风险的研究，从而涌现出了现代信用风险度量模型。
信用风险度量模型的类别目前国际上运用较多的现代信用风险度量模型主要有：KMV公司的KMV模型、JP摩根的信用度量术模型(ceditmetrics mode1)、麦肯锡公司的宏观模拟模型(credit portfolio view)、瑞士信贷银行的信用风险附加法模型(cridetrisk+)、死亡率模型(mo rtality rate)等。
在巴塞尔新资本协议即将实施的背景下，结合国有商业银行的具体情况，对这些模型进行适用性分析，对加强国有商业银行的风险管理具有重大意义。
(一)KMV模型KMV模型是由KMV公司利用默顿的期权定价理论开发的一种违约预测模型，模型的核心分析工具是预期违约频率EDF(expected delinquency frequency)，它的原理是银行贷款相当于向债务人卖出一个看跌期权，当企业资产的市场价值超过企业的负债时，企业有动力偿还贷款，当企业资产的市场价值低于债务时，企业会行使期权，选择违约。
KMV模型根据借款公司的股票价格波动计算EDF，通过EDF来计算违约损失额LGD。
信用风险度量模型之
方程（1）中参数含义与前相同；
修改：DPTe-rtØ(d2)
◆KMV 模型参数估计
方程（1）有两个未知数：资产价值 V A及其变动程度 δ A，显然依靠一个方程无法求出两个未知数。另一方 面，根据 Itios’s Lemma，公司股票的波动性与资产 的波动性存在以下关系：
（2）
式中 ηE，A为股票价值对公司资产的弹性；△为期 权的避险比率（hedge ratio），也就是 ø（d1）
默顿.米勒在1974年曾指出:
银行发放的一笔贷款并且获得本息偿还时,相当于 银行卖出一份以公司资产价值为标的,以公司债务 价值为执行价值的一笔看跌期权(即债务可以看作 卖出一个看跌期权).
根据看涨_看跌期权平价原理,企业所有者借入一 笔贷款时,相当于持有一份以公司资产市场价值为 标的,以公司债务面值为执行价格的看涨期权(股 权可以看作买入一个看涨期权).
2.理论基础：期权定价模型（B-S模 型）
期权分为买权和卖权两种基本类型。
买权：赋予其持有者（合同的做多方）在规定的 时间内，以事先约定的价格从买权合同的出售者 （合同的做空方）处购买一定数量标的资产的权 利。
卖权：赋予持有者在规定的时间内，以事先约定 的价格，向卖权合同的做空方出售一定数量标的 资产的权利。
期权定价模型
根据Black - Scholes 期权定价公式,得:
E:公司股票市值;V:公司资产市场价值;N:标准正态 分布函数;B :公司债务面值; r :无风险利率;τ:债 务期限;σA :资产价值的标准差(波动性) 。
贷款与期权的联系
由于我们是用期权模型来分析银行贷款风险度 的大小,所以有必要先说明一下贷款与期权的联 系。
◆KMV 模型在预期违约率测算中的应用
信用风险评价模型
信用风险评价模型是指用来评估借款人或债务人发生违约风险的各种量化模型。
以下是几种常见的信用风险评价模型：
•Z计分模型。
由Altman于1968年提出，通过财务指标来判断借款人违约的可能性。
•Credit Metrics模型。
由J.P.摩根公司于1997年推出，是一种信用在险值模型，通过分析借款人的信用等级转移概率和违约概率来评估信贷资产的风险。
•Credit Risk+模型。
由瑞士信贷银行于1997年发布，基于保险精算学原理，只考虑违约和不违约两种状态。
•Credit Portfolio View模型。
基于Credit Metrics的思路，通过输入宏观经济变量，对各国不同产业间的信用等级转移概率和违约概率的联合条件分布进行模拟。
信用风险的度量方法
一、信用风险度量方法与模型１．传统的信用风险评价方法（１）要素分析法。
要素分析法是通过定性分析有关指标来评价客户信用风险时所采用的专家分析法。
常用的要素分析法是５Ｃ要素分析法，它主要集中在借款人的道德品质（Ｃｈａｒａｃｔｅｒ）、还款能力（Ｃａｐａｃｉｔｙ）、资本实力（Ｃａｐｉｔａｌ）、担保（Ｃｏｌｌａｔｅｒａｌ）和经营环境条件（Ｃｏｎｄｉｔｉｏｎ）五个方面进行全面的定性分析，以判别借款人的还款意愿和还款能力。
根据不同的角度，有的将分析要素归纳为“５Ｗ”因素，即借款人（Ｗｈｏ）、借款用途（Ｗｈｙ）、还款期限（Ｗｈｅｎ）、担保物（Ｗｈａｔ）及如何还款（Ｈｏｗ）。
还有的归纳为“５Ｐ”因素，即个人因素（Ｐｅｒｓｏｎａｌ）、借款目的（Ｐｕｒｐｏｓｅ）、偿还（Ｐａｙｍｅｎｔ）、保障（Ｐｒｏｔｅｃｔｉｏｎ）和前景（Ｐｅｒｓｐｅｃｔｉｖｅ）。
无论是“５Ｃ”、“５Ｗ”还是“５Ｐ”，其共同之处都是先选取一定特征目标要素，然后对每一要素评分，使信用数量化，从而确定其信用等级，以其作为其销售、贷款等行为的标准和随后跟踪监测期间的政策调整依据。
（２）特征分析法。
特征分析法是目前在国外企业信用管理工作中应用较为普遍的一种信用分析工具。
它是从客户的种种特征中选择出对信用分析意义最大、直接与客户信用状况相联系的若干因素，将其编为几组，分别对这些因素评分并综合分析，最后得到一个较为全面的分析结果。
一般所分析的特征包括客户自身特征、客户优先性特征、信用及财务特征等。
特征分析法的主要用途是对客户的资信状况做出综合性的评价，它涵盖了反映客户经营实力和发展潜力的所有重要指标，这种信用风险分析方法主要由信用调查机构和企业内部信用管理部门使用。
（３）财务比率分析法。
信用风险往往是由财务危机导致的，因此，可以通过及早发现和找出一些特征财务指标，判断评价对象的财务状况和确定其信用等级，从而为信贷和投资提供决策依据。
财务比率综合分析法就是将各项财务分析指标作为一个整体，系统、全面、综合地对企业财务状况和经营情况进行剖析、解释和评价。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
商业银行信用风险测量模型
5.1 Credit Metrics模型 5.1.1Credit Metrics模型 J.P.摩根在1997年提出的Credit Metrics方法来对信用 风险进行衡量，这是它在1994年提出的Risk Metrics 方法后又一重要的风险管理系统。 Risk Metrics是一个基于VaR方法的市场风险管理模 型，而Credit Metrics方法是基于VaR方法的信用风 险管理模型。 Credit Metrics方法在盯市(market-to-market)基础上 估计个别证券或投资组合的信用风险VaR，估计 VaR时充分考虑了信用等级升降和违约等信用事件， 也考虑了投资组合的风险分散作用。
AA
109.17
B
98.09
A
108.64
CCC
83.63
BBB
107.53
违约
51.13
第四步：单一信用资产VaR的计算 首先，计算债券的期望和标准差：
Vi Pi 107.09
（V ）P
2 i i
2.99
年末 信用 评级
信用评级 重估价 概率（%） 值（元）
由此可知，在正态分布下该债券的信用风险估值为：
缺点： 违约率问题。该模型假定违约率直接采取历史平 均值，实际违约率直接采取历史平均值，该假定 很多情况下不成立。Credit metrics模型的违约概 率与宏观经济状况无关，但实践研究证明，违约 率高低与宏观经济状况有直接关系，不是固定不 变的，在经济增长阶段，违约率低，在经济衰退 阶段，违约率较高。 大量证据表明信用等级迁移概率度不遵循马尔可 夫过程（某笔贷款未来的等级转移概率与其过去 的等级转移概率没有相关性），等级转移与过去 曾经出现的转移结果间有很高的相关性。
5.2 期权定价方法:KMV模型
KMV公司是一家专业信用风险分析公 司，该公司推出了一个信用风险模型和 一个可扩展数据库，用来估计违约概率 和损失分布。以KMV公司开发的信用监 测模型(Credit Monitor Model)为代表的 一类模型被称为KMV类模型。 KMV模型的理论基础是期权理论。
99％置信度的VaR＝2.33×2.99＝6.97 95％置信度的VaR＝1.65 ×2.99＝4.93 结果表明，正态分布的假设条件下，该债券有 1％的可能性在第二年的损失超过6.97 元,有5 ％的可能性在第二年的损失超过4.93元。反过 来说，该笔贷款在第二年的损失有99％的可能 性保证不超过6.97元，有95％的可能性保证不 超过4.93元。
V 6 6 6 6 106 108.64 2 3 4 1 0.0372 (1 0.0432 ) (1 0.0493 ) (1 0.0532 )
BBB级债券一年后预期价值
年末信用等级 年末债券价值 年末信用等级 年末债券价值
AAA
109.35
BB
102.01
例如：考虑一个5年期高级无担保债券，票面价值 为100，票面利率是6%。标普的评级是BBB级。
标普BBB级债券一年期评级转移概率
AAA AAA AA A BBB BB B CCC 90.81 0.70 0.09 0.02 0.03 0.00 0.00 AA 8.33 90.65 2.27 0.33 0.14 0.11 0.00 A 0.68 7.79 91.05 5.95 0.67 0.24 0.22 BBB 0.06 0.64 5.52 85.93 7.73 0.43 1.30 BB 0.12 0.06 0.74 5.30 80.53 6.48 2.38 B 0.00 0.14 0.26 1.17 8.84 83.46 11.24 CCC 0.00 0.02 0.01 0.12 1.00 4.07 64.84 违约 0.00 0.00 0.06 0.18 1.06 5.20 19.79
Credit Metrics模型开创了商业银行信用风险内 部管理模型的先河，而且在新巴塞尔协议框架 下，有能力的商业银行通过建立内部模型来管 理风险已经成为了现实，因此，对Credit Metrics模型以及进一步的扩展模型的研究必将 深入的进行。
Credit Metrics模型通过VaR的数值计算，用以反映 出银行某项贷款或贷款组合一旦面临信用级别变化 或拖欠风险时应准备的资本金数值，同时也为预测 借款人和衍生工具交易对手的违约风险暴露提供了 更好的方法。由于商业银行的贷款不能公开进行直 接交易，所以既不能观察到贷款的市场价值(P)， 也不能观察到贷款价值在观察期内的波动性( )。
AAA
0.02
109.37
AA
A BBB BB B CCC 违约
0.33
5.95 86.93 5.30 1.17 0.12 0.18
109.19
108.66 107.55 102.02 98.10 83.64 51.13
第五步：资产组合VaR计算 通过蒙特卡罗模拟，Credit Metrics模型确定 整个资产组合在其各种信用工具不同信用等 级变化下价值分布。另外，由于信用风险也 存在系统性因素，即借款人信用等级的变化 甚至违约的发生并非完全独立的。因此，需 要估计各种资产因信用事件引起其价值变化 的相关系数，建立相关系数矩阵。 在计算得出每种联合概率情况下的资产价值 和相关系数，即可求得资产组合的均值和方 差，然后在正态假定下，即可求得贷款组合 的VAR值。
解决方案
为使Credit Metrics在我国能更好地应用，需要做好以下工 作： 首先，建立客观公正的商业银行内部评级体系,对债务主 体进行连续、有效的长期评级,从而将来可以将Credit Metrics模型的思想和方法运用到商业银行信用风险管理 工作中,准确科学地计量信贷资产的信用风险值。 其次，大力发展企业债券市场,推进利率市场化进程,建立 信用风险计量分析基础。在成熟市场经济中,能从市场交 易的信息中获得大量数据,企业债券价格可以作为银行分 析债项信用风险估值的重要市场基准和参照体系,有利于 风险模型的适应和检验,从而提高信贷风险管理的技术水 平。 因此,发展企业债券市场、加快利率市场化,已经成为我国经 济金融生活中一项迫在眉睫的任务。
不同信用评级下一年远期零息利率
单位：%
等级 AAA AA A 1年 3.60 3.65 3.72 2年 4.17 4.22 4.32 3年 4.73 4.78 4.98
BBB
5
4.67
6.02 7.02
5.25
6.78 8.03
CCC
15.05
15.02
14.03
假定债券上升到A级，计算债券在1年末的价值V。
5.1.3 对模型的评价
优点： 该模型应用广泛。该方法运用VAR 值，使得不同的市场 的风险用统一的VAR 值表示，具有标准可比性。不仅适 用于测度单一贷款的风险，而且适合测度贷款组合的风险。 不仅能适用于应收账款、固定收益证券、信用证、承付书、 商业贷款等商业合同，还能处理掉期合同，其他衍生工具。 蒙特卡罗模拟法。运用蒙特卡罗模拟法，在一定程度上避 免了资产收益率正态性的硬性假设。这是一种盯市 (Market- to- market，MTM)信用风险度量模型，很好地 刻画新增一笔贷款风险收益及其取舍方法，最终为投资者 进行组合决策和管理提供科学的量化依据。
思考： 如果此债券年终评级上升到A级或者下降到B级，它 的价值会如何变化？
我们需要计算每个转移状态的价值，对单一债券， 需要进行8次重估。 这8次重估分为两类：
如果有违约事件发生，要估计回收率； 如果是升级（或降级），要估计因为等级转移而产生
的信用价差。
第三步：（1）违约事件发生后的债券价值重估 如果信用质量转移到违约状态，回收资金的可能 剩余净价值取决于债务还款顺序的种类。 在Credit Metrics模型中，需要知道不同债务级别 下回收率的经验数值，通常是由长期历史数据的 研究得到的。 不同级别的回收率
第二步：设定信用评级转换矩阵(transition matrix)
转换矩阵给出了债务人在一定的风险期限内由当前 评级状态转换到所有其他信用状态的概率。转换矩 阵的选择对于VaR的计算有着实质性的影响，通常 由专业信用评级公司给出，一般通过历史评级数据 获得。主要的评级机构每年都公布评级转换矩阵， 但是每一家机构都很清楚，为了符合它们自己的实 际情况，恰当的做法是收集和使用它们自己的相关 信息。
然而， Credit Metrics模型利用可得到的借款人的信 用评级、下一年信用评级发生变化的概率、违约贷 款的回收率和贷款市场上的信用风险价差和收益率 这些变量可以为任何非交易性贷款计算出一组贷款 的市场价值(P)和波动率( )，进而计算出单笔贷款 和贷款组合的VaR值。
5.1.2 Credit Metrics模型的计算方法 整个Credit Metrics的计算过程大致分为5个环节。 第一步：设定信用评级系统 Credit Metrics模型认为信用风险直接来源于信用等 级的变化，并假定信用评级体系是有效的，也就是 说，企业投资失败、利润下降等信用事件对其还款 履约能力的影响能够通过其信用等级的变化表现出 来。因此，每一个债务人都必须被赋予一个信用评 级，评级的来源可以是公认的外部评级结果，也可 以是内部评级结果。 J.P.摩根的Credit Metrics模型的外部信用评级以标 准普尔和穆迪公司的评级体系为基础。
对Credit Metrics模型在我国应用的问题 从Credit Metrics模型方法可以看出,该模型要求有效的评级历 史数据和评级机构。只有有效的评级历史数据存在,才能获 得信用等级转换矩阵。目前来看，Credit metrics模型在我 国的应用存在很多困难： 我国信用评级体系不完善。我国商业银行内部评级体系主观 性强，国内独立的商业信用评级机构还处于发展初期，没有 像发达国家穆迪、标准普尔这样发达的国际知名评级机构。 历史数据基础缺乏。Credit Metrics模型的建立需要大量的 历史数据，需要一个庞大的样本。但我国实际情况是信用样 本数据较少，而且在历史延续性和可比性方面存在不足，数 据的真实性不高。 市场机制还不完善。我国利率没有市场化，缺少一个基准的 贴现利率，给信用资产贴现困难。