企业的信用评价

企业的信用评价

1.信用评价概述

在美国和欧洲，企业信用评价引起了学术界和实务界极大的关注，判别方法和模型层出不穷，但迄今为止还没有公认的、有效的和统一的方法。企业信用评价之所以引起极大的关注，之所以有大量的方法和模型得到开发和利用，原因就在于其具有不可忽视的重要性：

一、作为早期警告系统，判别方法和模型可以告诫管理者企业是否在变坏，是否应采取有针对性的措施防止失败；

二、判别方法和模型可以用来帮助金融机构的决策者对企业作出评价和选择，因为这些模型和贷款决策模型相通。虽然贷款决策问题和企业信用问题不能等同，但贷款人可以卓有成效地利用企业信用等级判别模型评价贷款的可行性。

西方银行在多年的实践中逐渐形成了一整套衡量标准，即通常所称的贷款审查“6C”原则,“6C”即：（1）品德（Character）（2）能力（Capacity）（3）资本（Capital）（4）担保(Collateral)（5）经营环境(Condition)（6）事业的连续性（Continuity）或LAPP原则即流动性（Liquidity）、活动性（Activity）、盈利性（Profitability）、潜力（Potentialities）。

2.评价指标体系

3.信用评价模型

信用评价模型

多元判别分析（MDA）Logit分析模型近邻法分类树人工神经网络(ANN)模型国际上，对企业的信用评价，通常将商业银行对企业信用风险的测度转化为对企业财务

状况的衡量问题，因为信用风险的形成——企业是否能如期还本付息，主要取决于企业财务状况。具体做法是根据历史上每个类别（如信用等级AAA、AA、A、BBB等）的若干样本，从已知的数据中发现规律，从而总结出分类的规则，建立判别模型，用于对新的样本的判别。当然我们不能仅根据企业某些单一指标，而应根据影响企业财务状况的多维指标来评估企业的财务状况。因此，这些方法的关键步骤和难点在于指标体系的确立和评估模型的选择，也即如何将多维指标综合起来。目前采用的方法有统计方法、专家系统、神经网络技术等。

国内外在对信用评价中，广泛采用了基于统计判别方法的预测模型，这些方法都是在Fisher于1936年作出的启发性研究之后提出来的。总的来说，这些模型都被表述为一类分类系统（如图1.2），它们接受定义在已选变量集合上的一个随机观测值样本，建立判别函数，进行分类。常用的模型有：回归分析法、多元判别分析法、Logit法、Probit法等，这些模型已经得到广泛的应用，但它们仍存在着许多缺陷，下面就分别介绍这几种模型。

1.2 模型的分类系统

多元判别分析（MDA）

Chesser判别模型ZETA分析模型

多元判别分析（MDA）是除美国外的其他国家使用最多的统计方法。多元线性判别分析法，可以具体为一般判别分析（不考虑变量筛选）和定量资料的逐步判别分析（考虑变量筛选）。我国在1993年7月1日起正式实施与国际会计准则基本适应的、统一的《企业会计准则》，由此奠定了企业信用评估研究的基础和前提，随着国内会计人员的业务水平（如对准则的掌握、理解和应用水平等）和会计报表水平的不断提高，所产生的会计报表开始基本符合准则要求，因此，近年来的财务数据已具备建立企业信用判别模型的基本条件，采用多元

判别分析方法建立企业信用评价模型，并将判别结果与其它线性模型相比较，可以看出用

多元判别分析方法建立的企业信用评价模型在判别的准确性上有较大提高。但应用多元判

别分析（MDA）有以下三个主要假设：

①变量数据是正态分布的；

②各组的协方差是相同的；

③每组的均值向量、协方差矩阵、先验概率和误判代价是已知的。

对经济、财务变量的正态假设已成为通常惯例。由于线性判别函数（LDA）在实际使用中是最方便的，如在距离判别和贝叶斯判别中，在正态总体等协方差时，均导出一个线性判别函数，所以一般只研究线性判别函数。在满足上述3个假设的条件下，该判别函数使误判概率达最小，下面介绍几个应用判别分析法建立的模型。

1）Chesser判别模型

Delton Chesser采用6个变量进行了Logit分析，得到的公式是：

y= - 0.0434 - 5.247*+ 0.0053* - 6.65073*+ 4.4009*- 0.0791*- 0.1020*

其中(现金+市场化证券)/总资产

销售净额/(现金+市场化证券)

资产报酬率

资产负债率

固定资产/股东权益

营运资本/净销售收入

变量y是一个独立变量的线性组合，采用如下公式确定不一致的概率P:

e=2.71828

y值可以看作客户不一致倾向的指数，y越大不一致的概率越高，他确定的分类原则是：（1）如果p≥0.50，归于不一致组；

（2）如果p<0.50，归于一致组。

2）ZETA分析模型

zeta分析模型是Altman,Haldeman和Narayanan在研究公司破产时提出的一个模型，采用7个指标作为揭示企业失败或成功的变量，这7个指标是资产报酬率、收入的稳定性（用10年资产报酬率的标准差的倒数来度量）、利息保障倍数、赢利积累（用留存收益/总资产来度量）、流动比率、资本化率（用五年的股票平均市场值/总长期资本来度量）和规模（用公司总资产来度量），这7个指标分别表示企业目前的赢利性、收益的保障、长期赢利性、流动性和规模等特征，Altman在1968年通过对若干组企业的研究和分析，采用5个指标进行回归，得到如下回归方程：

Z=1.2* +1.4*+3.3* +0.6* +1.0*

其中X1=营运资本/总资产

X2=留存收益/总资产

X3=资产报酬率

X4=权益市场值/总债务的帐面值

如果Z≤2.267，归于破产组；

如果Z>2.675，归于非破产组。

同时Altman发现在1.81和2.99之间会产生错误的分类，因此，他认为这一区间是忽略区域。

>>TOP

Logit分析模型

logit分析与判别分析的本质差异在于不要求满足正态分布或等方差，其模型采用logistic 函数：