Ch14 信用风险 估测违约概率
信用分析师的信用评级与信用违约概率
信用分析师的信用评级与信用违约概率信用评级和信用违约概率是信用分析师工作中非常重要的两个方面。
信用评级是用来衡量债务人或债务工具偿还债务的能力和信用状况的一种评估方式，而信用违约概率则是指债务人未能如约履行其还款义务的可能性。
在金融市场中，准确评估信用状况和预测信用违约概率对投资者、借款人和金融机构都具有重要的意义。
一、信用评级信用评级是根据债务人的信用状况和偿还能力，对其债务进行评估并给予相应的等级。
评级通常采用字母或者符号表示，比如AAA、AA+、AA等等。
不同评级代表了不同的信用等级，从高到低分别代表了低风险到高风险的范围。
信用评级机构专门从事信用评级工作，通过对企业或者国家的财务状况、经营状况、行业前景等多方面指标进行评估来确定信用评级。
信用评级除了为投资者提供参考，还对借款人具有直接的影响。
一般来说，评级较高的借款人可以更容易、更快速地获得贷款，并且还可以获得更有吸引力的贷款利率。
因此，借款人也会努力维持或提升自己的信用评级，以获得更好的信贷条件。
二、信用违约概率信用违约概率是指债务人在约定还款期限内未能按时按量履行还款义务的可能性。
它是信用分析师根据大量历史数据和统计模型推算而得，可以量化地衡量债务人的违约风险。
信用违约概率通常以百分比表示，比如5%，表示债务人违约的可能性为5%。
高信用违约概率意味着债务人的违约风险较大，投资者在投资或提供贷款时需要对此进行更为谨慎的考虑。
信用违约概率可以通过多种方式进行计算和预测，如基于财务数据的模型、基于市场数据的模型以及基于债券违约历史的统计模型等。
不同的模型和方法有各自的特点和适用范围，信用分析师需要根据具体情况选择合适的方法来确定信用违约概率。
三、信用评级与信用违约概率的关系信用评级与信用违约概率有一定的内在关联。
一般来说，信用评级较高的债务人信用违约概率较低，而信用评级较低的债务人信用违约概率较高。
评级较高的债务人一般具有较好的还款能力和较低的违约风险，因此投资者对其债务更为信任，更愿意购买其债券或提供贷款。
违约概率计算公式
违约概率计算公式违约概率计算公式是用于衡量借款人未来付款能力的一种金融分析工具。
它可以帮助投资者筛选高风险投资，并对贷款风险进行评估。
违约概率计算公式总结了贷款风险，例如借款人信用历史、财务状况和当前经济状况，以及借款人偿还贷款的能力。
违约概率计算公式可以被简单地定义为：违约概率=借款人违约的可能性/所有借款人的总人数。
可以将违约概率看作是一种把借款人的可能性转换成定量比例的工具。
违约概率计算公式主要受借款人信用历史、财务状况和当前经济状况等因素影响。
信用历史反映了借款人过去的偿还情况，是评估其未来还款能力的重要依据。
财务状况包括借款人的收入、负债状况和财产，用于判断借款人是否有能力偿还贷款。
当前经济状况反映了借款人的就业情况、物价水平、利率水平和金融市场的波动等，影响着借款人的还款能力。
具体来说，违约概率计算公式可以分为以下几步：1. 评估借款人的信用历史。
要评估借款人的信用历史，需要了解借款人过去的还款状况，并结合当前的经济状况，对借款人的信用状况进行评估。
2. 评估借款人的财务状况。
要评估借款人的财务状况，需要了解借款人的收入、负债状况和财产状况，以及借款人的生活费用，以判断其能否按时偿还贷款。
3. 评估当前经济状况。
要评估当前经济状况，需要了解当前的就业情况、物价水平、利率水平和金融市场的波动等，以判断借款人的还款能力。
4. 对收集的数据进行分析。
根据上述信息，对借款人的违约概率进行评估，并得出最终的结论。
5. 将结果转化为可用的违约概率指标。
根据最终评估结果，将违约概率转换成可用的百分比指标，以便投资者对借款人的违约风险进行评估。
违约概率计算公式是一种有用的工具，可以帮助投资者筛选高风险投资，并对贷款风险进行评估。
违约概率计算公式可以将借款人的可能性转换成定量比例，并受到借款人信用历史、财务状况和当前经济状况等因素影响。
信用评估中的关键风险指标解读
信用评估中的关键风险指标解读信用评估是一种对个人或机构信用状况进行评估和判断的过程。
在信贷、融资等金融活动中，信用评估是决策者进行风险管理和决策的基础工具。
在信用评估过程中，关键风险指标的解读对于准确评估和预测信用状况具有重要意义。
本文将介绍几个常见的关键风险指标，分析其重要性和解读方法。
一、违约风险指标违约风险指标是评估借款人违约概率的关键指标之一。
其中，最常用的指标是信用分。
信用分是根据借款人的个人信息、借贷历史等进行统计分析和模型建立后得出的结果。
一般而言，信用分越高，代表借款人违约概率越低。
除了信用分，借款人的历史违约情况也是判断其违约风险的重要指标。
通过分析借款人过去的还款记录和信用历史，可以预测其未来还款表现。
同时，借款人的负债情况、月收入等信息也需要考虑在内，因为这些因素涉及到借款人还款能力和偿还意愿。
二、流动性风险指标流动性风险指标主要衡量借款人的资金流动能力和偿债能力。
其中，最重要的指标是借款人的债务比率和还款能力比率。
债务比率是指借款人的债务总额与资产总额之间的比例关系，高债务比率意味着借款人的负债偏高，可能对偿还能力产生不利影响。
还款能力比率是指借款人可支配收入与债务偿还额之间的比例关系，低还款能力比率则意味着借款人还款能力较弱。
此外，借款人的现金流状况也是衡量流动性风险的重要指标之一。
借款人的现金流量表可以显示其经常性现金流入和流出情况，进而判断其偿债能力。
三、市场风险指标市场风险指标主要涉及宏观经济环境和特定行业的风险因素。
其中，最常用的指标是行业风险指标。
行业风险指标是通过对借款人所处行业的发展前景、市场竞争情况等进行分析，来评估借款人所处行业的风险程度。
行业风险高的借款人往往面临着更大的违约风险。
此外，市场风险指标还包括经济周期指标和利率指标。
经济周期指标反映经济的整体运行态势，借款人所处的经济周期阶段将直接影响其还款能力和信用状况。
而利率指标则与借款人的利息支出和借款成本有关，高利率环境下，借款人的偿还压力可能增加，进而影响其信用评估结果。
违约概率标准
违约概率标准违约概率标准是指金融机构在营口金融市场中为评估贷款项目风险程度而制定的标准。
它是基于贷款人财务数据，把贷款人可能暴露于违约风险的测量和控制，它对金融机构决策具有重要意义。
为了评估贷款项目风险程度，金融机构会根据整体市场状况、个别贷款申请者的个人背景、贷款申请者的信用历史等信息来建立自己的违约概率标准。
例如，贷款申请者的收入水平、财务状况和信用历史记录等都是金融机构考虑的重要因素，它们可以把贷款申请者的可能暴露于风险的程度，以及它们所带来的风险和回报，描述为一种数字形式：违约概率。
违约概率是用来评估贷款项目风险程度的一种量化分析方法，其主要目的是比较不同项目的风险程度，并作出正确的风险评估决策。
为了准确地测量和评估贷款项目风险，违约概率标准必须是基于充分有效的可靠信息，并且能够准确反映贷款项目的实际情况。
因此，在建立违约概率标准时，必须考虑两个重要的问题：1）如何有效地收集相关的信用评级信息；2）如何有效地对违约概率进行分析和评估，以建立一套评估贷款项目风险程度的客观标准。
首先，金融机构需要开展有效的信用评级调查，以获取贷款申请者的完整信用档案。
此外，必须考虑的一个重要因素是，目前社会上有多种类型的贷款，例如抵押贷款、信用贷款、准备金贷款，而这些贷款的风险程度也是不同的，需要金融机构考虑到这一点。
此外，在建立违约概率标准时，还需要考虑贷款监管人员的专业知识。
例如，监管人员需要了解抵押贷款、信用贷款以及准备金贷款的特定规则，以及抵押物的性质和价值，考虑到这些因素对违约概率的影响，以便正确评估贷款项目的风险程度。
最后，根据所收集的信用评级信息、专业知识和贷款规则，金融机构还必须在这些因素的基础上进行客观、系统的分析，用精确的数字评估贷款项目的风险程度。
这就是违约概率标准实施的目的，因此，它对贷款决策者来说是非常重要的指导性原则。
从上述分析可以看出，违约概率标准在金融机构评估贷款项目风险程度方面发挥着重要的作用，它不仅有助于金融机构准确地测量和控制贷款暴露于风险的程度，而且还有助于加强金融管理、控制违规风险以及提高金融机构的贷款水平。
信用风险评估中的信用违约概率计算
信用风险评估中的信用违约概率计算信用风险评估是金融机构和投资者进行信用决策的重要工具，其中信用违约概率计算是评估一个借款人、债券或其他信用工具发生违约的可能性。
本文将介绍信用违约概率计算的一些常见方法和模型。
一、经济衰退模型经济衰退模型是基于历史数据和宏观经济指标来评估信用违约概率的一种方法。
该模型通常使用借款人的历史数据，如财务报表和贷款违约记录，以及宏观经济因素，如GDP增长率、失业率等来进行建模。
经济衰退模型可以帮助评估在不同经济环境下发生违约的概率，并可以用于预测未来违约的可能性。
二、违约概率评级模型违约概率评级模型是根据借款人的信用评级来评估其违约概率的方法。
信用评级机构会根据借款人的信用状况和风险特征，将其分为不同的评级等级。
每个评级等级对应着一定的违约概率。
违约概率评级模型可根据历史违约数据、借款人财务数据和宏观经济因素等进行建模，以便为借款人分配适当的信用评级。
三、结构化模型结构化模型是一种基于数学和统计方法评估信用违约概率的模型。
最常见的结构化模型是基于随机过程的模型，如Merton模型和Vasicek模型。
Merton模型基于借款人的债务结构和资产价值等因素来计算违约概率。
Vasicek模型则基于借款人的违约触发因素和市场风险因素。
结构化模型依赖于数学和统计方法的计算，需要较多的数据和参数估计，但其评估结果较为准确和可靠。
四、机器学习模型随着大数据和人工智能技术的发展，机器学习模型在信用风险评估中扮演了越来越重要的角色。
机器学习模型通过对大量数据的学习和训练，能够自动提取特征和规律，并进行预测和分类。
在信用违约概率计算中，机器学习模型可以通过对历史违约数据和借款人的风险特征进行学习和训练，来预测未来的违约概率。
机器学习模型的优势在于其能够处理大量的非线性、高维度和复杂的数据，提高了信用风险评估的准确性和效率。
总结：信用风险评估中的信用违约概率计算是金融机构和投资者进行决策的重要工具。
违约概率标准
违约概率标准
违约概率是企业及机构经营风险的重要指标，是评价企业财务状况的重要参考依据。
企业违约概率标准往往用于评估企业发行债券和承保信用风险等经营活动，是判断甲方是否能够履行债权和其他义务的关键依据。
违约概率标准通常由信用评级机构确定，常用的信用评级机构有中债登、标普、和恒生等。
根据所披露的企业财务数据，评级机构会根据行业情况，采用统一的标准和方法，对企业违约概率进行测算和统计，并分配信用等级，以便为投资者提供参考依据。
根据国际上通用的信用评级体系，违约概率可以分为良好、中等、较差和极差四个等级，下表给出了不同等级的违约概率标准：等级t违约概率标准
良好t≤2%
中等t2%-5%
较差t5%-10%
极差t>10%
国内企业在发行债券时，信用评级机构通常会采用不同的标准和方法对企业违约概率进行测算和统计，并将投资者风险等级按照违约概率标准进行分类，使其受益最大化。
为了避免投资者投资违约概率超出合理范围，投资者可以通过锁定不同等级的违约概率标准，及时调整投资组合，以最大程度保护财务安全。
此外，企业违约概率标准还可用于衡量企业抗风险能力和偿债能
力，这对企业和金融机构起着重要作用。
企业违约概率标准是由财务状况、市场和经济环境等多种因素共同决定的，因此，违约概率标准的设定应综合考虑各种因素，以确保企业的健康运营。
从以上分析可知，企业违约概率标准是对企业发行债券和承保风险等经营活动的重要参考依据。
违约概率标准不仅可用于评估企业的财务状况，而且可以作为企业抗风险能力和偿债能力的评价依据，及时调整投资组合，为投资者提供可靠参考依据。
信用风险评估违约概率的模型分析
信用风险评估违约概率的模型分析信用风险是金融领域中的一个重要概念，即借款人或债务人无法按时支付其偿还债务的能力。
在金融机构和债券市场中，评估违约概率是一项核心工作。
本文将对信用风险评估违约概率的模型分析进行探讨。
一、引言信用风险评估是金融机构必备的风险管理工具之一。
对于金融机构而言，评估借款人或债务人的违约概率有助于减少损失，并在贷款决策和投资组合管理中提供参考。
因此，建立可靠的信用风险评估模型至关重要。
二、信用风险评估的方法1. 历史数据分析历史数据分析是评估违约概率的一种常见方法。
通过对过去几年的违约情况进行统计和分析，建立统计模型来预测未来借款人或债务人的违约概率。
2. 评级模型评级模型是一种基于信用评级的方法。
通过对借款人或债务人的信用状况进行评级，确定相应的违约概率。
通常，评级越高，违约概率越低，反之亦然。
3. 统计模型统计模型是一种基于统计学原理的方法。
通过对借款人或债务人的相关因素进行统计回归分析，建立预测模型来评估违约概率。
常用的统计模型包括逻辑回归、决策树等。
三、常用的信用风险评估模型1. Altman Z-Score模型Altman Z-Score模型是一种经典的信用评估模型，通过综合考虑借款人的资产负债比、营运能力、盈利能力、流动性和市值规模等因素，将借款人划分为违约风险等级，进而预测违约概率。
2. Merton模型Merton模型是基于期权定价理论的信用风险评估模型。
该模型将债务人的违约看作是资产负债表的债务端价值低于债务端面值的情况，并通过计算违约距离（Debt-to-Asset Ratio）来评估违约概率。
3. KMV模型KMV模型是一种基于市场价值的信用风险评估模型。
该模型通过借款人的市场价值波动情况和市场风险敏感度来计算违约概率，并通过借款人的市场风险敏感度来度量债务人的违约风险。
四、信用风险评估的局限性1. 数据不完全数据不完全是评估信用风险的主要困难之一。
由于借款人或债务人的信息不完全或随时间变化，导致信用风险评估模型的准确性下降。
债券发行的违约风险如何评估债券违约概率
债券发行的违约风险如何评估债券违约概率债券发行是企业或政府筹集资金的一种重要方式，而债券违约则是债券投资者最关心的问题之一。
评估债券违约概率是投资者进行风险分析和决策的关键环节。
本文将介绍债券违约风险的评估方法和主要影响因素。
一、债券违约概率的评估方法评估债券违约概率的方法有很多种，主要包括定性评估和定量评估两种。
定性评估是基于专家判断和经验的方法，主要是通过对发行人的财务状况、行业竞争环境、管理层能力等因素进行分析和评估。
在定性评估中，投资者可以考虑多个因素的集合，综合判断违约的概率。
定量评估是利用统计和模型等工具进行债券违约概率的量化分析。
其中，常用的评估方法包括：1. 计算违约指标：通过统计发行人历史违约数据和相关指标，构建违约模型，计算违约指标。
常用的违约指标有债券违约率、违约距离、违约概率等。
2. 建立评级模型：利用历史违约数据和相关因素，建立评级模型，通过评级的结果来评估债券违约概率。
常见的评级机构如标准普尔、穆迪等都有各自的评级体系和评级模型。
3. 使用信用违约互换（CDS）市场数据：信用违约互换市场是违约风险的重要衍生品市场，在CDS市场上的交易价格和流动性可以反映市场对违约风险的预期。
通过分析CDS市场数据，可以得到债券违约概率的一些指标。
二、影响债券违约概率的主要因素评估债券违约概率时，需要考虑多个因素的综合影响。
以下是影响债券违约概率的一些主要因素：1. 发行人的财务状况：包括发行人的偿债能力、盈利情况、负债结构等。
财务状况越好，违约概率越低。
2. 行业竞争环境：行业竞争激烈、市场前景不明朗的行业，违约概率较高。
3. 政策法规和市场环境：宏观经济政策、金融监管等因素都会对债券违约概率产生影响。
4. 市场流动性和变动性：市场流动性较差、价格波动较大的债券，违约概率较高。
5. 发行人的信用评级：信用评级是评估发行人违约概率的重要依据，评级越低，违约概率越高。
三、风险控制和投资策略建议基于债券违约概率的评估结果，投资者需要制定相应的风险控制和投资策略，以降低投资风险。
- 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)。
金融风险管理
第14章信用风险：估测违约概 率
金融风险管理，第十四章，闫海峰，南京财经大学金融学院，2011
12.1
本章主要内容
信用评级 历史违约概率 收回率 信用违约互换 信用溢差 有信用溢差来估计违约概率 违约概率比较 利用股价来估计违约概率
金融风险管理，第十四章，闫海峰，南京财经大学金融学院，2011
券指数表示, 不同债务人的资产收益的相关性可用它们的证
券收益的相关性近似.
即期和远期利率是确定的(因此模型对利率变化不敏感).
金融风险管理，第十四章，闫海峰，南京财经大学金融学院，2011
12.7
传统信用评级的手段
5C要素分析法：
1、道德品质(Character) 2、还款能力(Capacity) 3、资本实力 (Capital)4、担保(Collateral) 5、经营环境条件(Condition) 1、借款人(Who) 2、借款用途(Why) 3、还款期限(When) 4、担保物(What) 5、如何还款(How) 1、个人因素(Personal) 2、借款目的(Purpose) 3、偿还(Payment) 4、保障(Protection) 5、前景(Perspective)
金融风险管理，第十四章，闫海峰，南京财经大学金融学院，2011
12.3
信用风险管理中的数据问题
历史数据，如会计数据，评级数据。 市场数据，如公司债券价格，股价，特别是信用衍 生产品的报价
数据的缺乏和其真实性有效性是目前度量信用风险 的主要困难
金融风险管理，第十四章，闫海峰，南京财经大学金融学院，2011
12.2
信用风险管理方法的演变
《巴塞尔协议》的诞生：1999年6月3日，巴塞尔银行委员会发布关于修改 1988年《巴寒尔协议》的征求意见稿，该协议对银行进行信用风险管理提供 更为现实的选择。 信用风险管理模型应用：1997年4月初，美国J.P摩根财团与其他几个国际银行 ——德意志摩根建富、美国银行、瑞士银行、瑞士联合银行和巴克莱银行（ BZW）共同研究，推出了世界上第一个评估银行信贷风险的证券组合模型Credit Metrics。 全面风险管理模式 ：1997年亚洲金融危机爆发以来，世界金融业风险出现了 新特点，即损失不再是由单一风险所造成，而是由信用风险和市场风险等联 合造成。金融危机促使人们更加重视市场风险与信用风险的综合模型以及操 作风险的量化问题，由此全面风险管理模式引起人们的重视。 利用金融衍生品管理信用风险 ：随着全球金融市场的迅猛发展，一种用于管 理信用风险的新技术——信用衍生产品逐渐成为金融界人们关注的对象。
t
无条件违约概率是指在t时刻以前没有违约的条件 下，在 [ t , t t ) 内违约的条件概率。即
V (t ) V (t t ) V (t )
金融风险管理，第十四章，闫海峰，南京财经大学金融学院，2011
12.22
违约密度VS无条件违约概率
违约密度与无条件违约的关系
V (t t ) V (t ) V (t ) (t ) t
金融风险管理，第十四章，闫海峰，南京财经大学金融学院，2011
12.21
违约密度VS无条件违约概率
违约密度是指单位时间上的违约概率。设T表示公 V ( t ) P (T t ) 司的违约时间，定义 在 [ t , t t ) 内违约的概率为：V ( t ) V ( t t ) 则违约密度定义为： ( t ) V ( t ) V ( t t )
金融风险管理，第十四章，闫海峰，南京财经大学金融学院，2011
12.10
内部评级法关键的模型 (高斯 Copula函数)
在99.9% 的把握下，“最糟糕情形的违约 率”是
N -1 ( PD ) N -1 ( 0 .999 WCDR N 1 )
资本金数量
i
EAD
i
LGD i (WCDR
i
PD i )
金融风险管理，第十四章，闫海峰，南京财经大学金融学院，2011
12.11
Altmans-Z计分（Z-Score）模型
适用于上市公司的“Z计分模型” Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5 其中:X1=流动资金（净营运资本）/总资产； X2=保留收益/总资产； X3=息税前收益/总资产； X4=普通股和优先股市价/负债的账面价值； X5=销售额/资产总额。
评级主要方法
传统评级方法；内部评级法；Altmans Z-记分法；
金融风险管理，第十四章，闫海峰，南京财经大学金融学院，2011
12.5
传统的信用风险度量和管理模型
信用风险的专家制度 5C、5W、5P分 析法 多远判别分析模型 ：距离判别法、贝 叶斯（Bayes）判别方法和费希尔（ Fisher）判别方法 、Z计分（Z-Score ）模型 、ZETA信用风险模型 。 广义线性、Logit模型和Probit模型 神经网络模型
缺陷： 1）过分依赖财务报表的账面数据，忽视了资本市场指标； 2）理论基础薄弱，缺乏对违约和违约风险的系统识别； 3）前提假设苛刻，假设变量服从正态分布且各个变量之间是线性关系； 4）无法计量企业的表外信用风险，不适合一些具有特殊背景的企业。
12.14
金融风险管理，第十四章，闫海峰，南京财经大学金融学院，2011
12.6
金融风险管理，第十四章，闫海峰，南京财经大学金融学院，2011
信用评级技术基本假设
有信用评级系统,每个债务人都有信用等级,它影响资产的定 价和折现率。 每一信用等级中的所有债务人具有相同的迁移和违约概率。 资产收益的变化是由系统风险和特殊风险(单个债务人特有的 )的共同作用引起的. 系统风险可由一些不同国家和行业的证
金融风险管理，第十四章，闫海峰，南京财经大学金融学院，2011
12.13
ZETA信用风险模型
1977年Altman、Narayanan等对Z-score模型进行扩展，建立了第二代信 用评分模型即ZETA评分模型，他将Z计分模型中的五个解释变量增加 到七个，资产收益率、收益稳定性指标、债务偿还能力指标、累积盈 利能力指标、流动性指标、资本化程度指标、规模指标这七个指标确 定一个分辨函数。 Z值模型和ZETA评分模型均是以会计资料为基础的多变量信用评分模 型，具备较强的可操作性和良好的预测能力。它们作为多元线性判定 模型的典型代表，已成为当代预测企业违约或破产的主要分析方法之 一
金融风险管理，第十四章，闫海峰，南京财经大学金融学院，2011
12.9
内部评级法
新巴塞尔协议提出了一个公式，这个公式把PD (违约概率), LGD (违约损失率), EAD (违约风险敞 口), 和M (有效到期日) 演化为风险权重。 在高级内部评级法中银行能够估计出PD, LGD, EAD, 和 M。 在基础内部评级法中银行仅仅估计出PD ，其他参 数由巴塞尔委员会来设定。
4
0.026 0.106 0.342 1.360 7.648 20.325
5
0.100 0.178 0.467 1.835 9.805 24.692
7
0.252 0.344 0.762 2.794 13.465 32.527
10
0.525 0.521 1.308 4.353 18.426 40.922
金融风险管理，第十四章，闫海峰，南京财经大学金融学院，2011
12.19
解释
该表显示了特定的信用评级公司违约的累积概 率。 有累积违约概率可以确定制定某一年的违约概 率。 一个有Baa信用评级的公司第一年末违约的概 率为0.170% ，两年内违约的概率是0.478%，第 二年违约的概率为0.478%-0.170%=0.308% ，三 年内违约的概率为0.883%，第三年违约的概率 是0.883%-0.478%=0.405% 依次类推。
金融风险管理，第十四章，闫海峰，南京财经大学金融学院，2011
12.12
Z计分（Z-Score）模型
适用于非上市公司的“Z计分模型” Z=0.717X1+0.847X2+3.107X3+0.420X4+0.998X5 这一模型对原来适用于上市公司的模型作了如下修 订:
1、财务比率X4的计算公式中分子用企业的账面价值代替普通 股和优先股的市场价值总额; 2、修改了模型中各相关变量的系数; 3、Z值的判断范围有了调整:如果Z值大于2.90,则表示企业的财 务状况、经营状况良好,发生破产的可能性小；如果Z值小于 1.23,则表明企业正处于破产的边缘;如果Z值在1.23-2.90之间,则 表明企业的财务及经营极不稳定,为“灰色地带”。
金融风险管理，第十四章，闫海峰，南京财经大学金融学院，2011
12.20
违约的概率随着时间增加么？
平均累计违约率随时间的增加而增加，制定年度
的违约概率不一定随时间的增加而增加。
对于一个拥初级信用评级有的公司其违约的概率
随着时间增加而增加。