企业信用风险评级及成长实证研究

第三章　企业信用风险和信用评级

在深入研究企业信用与企业成长之间的关系之前，具体地探讨企业信用风险的形成机制，系统地比较信用风险评级模型之间的区别显得十分必要。在新制度经济学看来，信用风险是由于合约的不完全以及合约人的机会主义而产生的。现实社会中，在有限理性和机会主义的限制下，不可能签订所谓的完全合约，当存在信息不对称和契约不完全时，信用风险的产生成为必然。所以，企业信用风险可以指银行事先不能观察到企业违约的征兆，导致银行到期不能如数收回贷款本息的风险。简单地讲，就是企业信用未实现或者信用没有完全实现的可能性。

第一节　企业信用风险形成机制

企业信用风险形成机制可以分为企业外部机制和企业内部机制。

一、企业外部机制

企业外部机制包括：

1.自然灾害和战争

主要是对农业原材料需求多的企业和外贸企业影响比较大，这种情况的出现对企业的资金有很大的影响，同时可能导致银行贷款无法收回。

2.宏观经济因素

当经济处于衰退时期，市场需求下降，供给大于需求，导致企业销售下降，利润下降，无法偿还银行贷款，出现违约可能。

3.银行因素

收紧银根、提前收回贷款可能迫使短期现金流不足的企业出现资金紧张，无法偿还贷款。

4.制度因素

信用制度建设的不健全和法律制度的不规范使银行在发放贷款时处于信息劣势，一些本身经营有问题的企业利用信息上的优势骗取银行贷款，最后使这类企业的信用风险暴露无遗。可以看出，一般来说，企业外部机制对企业信用风险的影响是全局的，系统性的。

二、企业内部机制

企业内部机制包括：

1.企业的经营管理能力

当企业经营不善时，在市场竞争中处于劣势，这样不可避免地产生企业信用风险的问题。

2.贸易纠纷

如当发生货物买卖纠纷、货物运输纠纷时，造成资金的损失，无法还清银行贷款。

3.企业的财务管理能力

这三个因素中，以企业的经营管理能力最为重要。相对来说，企业的内部机制产生的信用风险一般都是非系统风险，具有个性特征，也就具有更多的不确定性。

银行的贷款对象主要是企业，企业信用风险的产生必定会给各方面带来损失。首先，从企业的角度来看，企业信用的丧失使得企业很难在以后申请到银行贷款，即使申请到贷款，其贷款成本也将增加，若到期无法偿还本息甚至还会使企业面临司法诉讼和破产。其次，从银行的角度来看，企业信用风险增加会加大银行的风险，银行将面临很大的收款压力。如果很多之前的贷款都无法收回，银行将出现损失，呆坏账增多，使得银行成本上升，利润下降。最后，从社会角度来看，企业信用风险过大对社会信用制度建设造成一定的负面影响，当企业的信用风险导致银行出现大面积的亏损时，还可能造成全社会的信用危机。

第二节　信用风险系统的特性

多种因素直接或者间接地导致了信用风险，这样的形成机制使得信用风险具有复杂性和不确定性。

一、信用风险的特点

从信用风险的特点来看，信用风险除了具有传递性、扩散性外，还有其他的特点：

1.内生性或者非系统性

这可以说是信用风险的最大特点，我们知道企业是否出现违约的主要决定因素是企业的还款能力和还款意愿。违约风险取决于企业的个体特征，尽管债务人的还款能力也会受到宏观经济状况的影响，但是，一般来说企业信用风险更多地受企业的经营能力、财务管理能力等这类的非系统风险的影响。

2.道德风险

这是信用风险产生的重要原因，也使得信用风险呈现出更多的复杂性和不确定性。由于信用交易过程中存在着明显的信息不对称，即企业作为借款人拥有更多的交易信息而处于优势的地位，银行作为贷款人拥有的信息较少而处于劣势地位，使得占据信息优势地位的企业很可能从事银行所不愿意见到的高风险活动，使得银行被迫地承受贷款无法收回的高风险压力，进而导致企业违约概率增加，信用风险加剧。

3.信用悖论的出现

当把“不要将所有鸡蛋都放到一个篮子里”这条理论用到风险管理中时，就是要求把风险分散化、防止风险过于集中。但实际情况是，由于收集客户信息成本、客户关系和贷款等都具有规模效应，使得银行发放贷款时总是偏好于某一行业、某一地区，导致信用风险无法分散。

4.信贷风险测定难度加大和信用风险暴露程度加深

出现这种情况是由于经济全球化和衍生金融工具的发展，衍生金融工具带来的巨大收益使得不少银行和企业把资金投资在衍生金融工具上，并由此导致信用风险变得日益复杂，透明度降低，比传统的信贷风险更加难以测定。

二、企业信用风险的具体表现

考虑到我国正处于经济转轨时期，银行和企业的风险控制和管理能力都存在不足，这些都使得我国的信用风险系统具有更多的复杂性和不确定性。具体表现如下：

1.企业缺少风险意识和风险管理措施

我国贷款的主体是国有企业，不少国有企业现在面临改革问题。虽然我国国企改革已经收到很大的成效，但是还有很多国有企业并不是按照市场化机制去运作，仍把银行的贷款看成是理所当然的事情，缺少必要的风险意识和风险管理措施，最后使得这种不确定性尤为明显。

2.商业银行风险控制能力落后，内部风险控制制度不完善

银行的风险控制能力决定着一国总体信用风险状况的好坏。目前，我国商业银行的风险控制能力和国外商业银行相比，还存在着很大的差距，如我国银行借贷前的风险分析不够严谨和专业，客户内部评级体系运作不规范，评级内容缺少可行度，这种情况容易使得银行错误地选择授信对象，加大信用风险。此外，信用风险内部控制不完善，表现为商业银行注重业务的扩张，不注重信贷的审核，风险的内部控制明显落后于业务的扩张，使得社会的信用风险体系隐形化、不确定性增大。

3.信用制度建设不健全

我国正处于转轨经济时期，全社会的信用制度建设存在着很多漏洞，信用制度主要是通过信息传递的情况来影响信用风险的。从前面的分析可知，由于双方信息不对称而产生的道德风险是发生信用风险的重要原因，当信用制度不健全时，信息流通就会存在隔阂，这使得原本处于信息劣势的银行无法知道企业更多的真实信息，导致在授信过程中以及授信过后，银行对贷款企业的监控很难有效进行，信用风险就更具隐蔽性。

第三节　信用评级

正因为信用风险有着很大的复杂性和不确定性并且难以量化，随着金融业的发展，对信用风险的控制成为人们研究的重点，在理论和实务操作上都发展了不少信用风险控制方法。本节主要研究信用评级在信用风险控制中的运用，下一节研究信用风险度量模型在信用风险控制中的运用。

一、信用评级指标体系原则

信用评级也称资信评估或资信评级，主要是指评级机构在对企业、债券发行者、金融机构等市场参与主体的信用记录、经营水平、财务状况以及所处外部环境等诸要素进行分析之后，就其信用能力（主要是偿还能力及其可偿债程度）进行综合评级，同时用简单明了的符号表示出来，以满足社会需要的市场行为。信用评级的内涵主要包括三方面：首先，信用评级的根本目的在于揭示受评对象违约风险的大小；其次，信用评级所评价的目标是经济主体按合同约定如期履行债务或其他义务的能力以及意愿，而不是企业本身的价值；最后，信用评级是独立的第三方根据其自身的经验以及技术上的优势，就各经济主体和金融工具的信用风险大小所发表的一种专家意见，不能代替资本市场投资者本身做出的投资选择。

信用评级指标体系是信用评级机构从事信用评级工作的依据，也是衡量评级目标的基础。信用评级指标体系要遵循以下原则，才能保证评级结果的客观性和可信性。

1.全面性

信用评级指标体系的内容应该全面地反映所有影响评级对象信用状况的要素。既要考虑评级对象过去的业绩，又要预测其将来的发展状况；既要考虑评级对象本身的情况，也不能忽略社会环境对其造成的影响。只有这样，才能尽可能做到对评级对象的全面考察，而绝不能基于少数指标就得出结论，以免造成评级结果失实。

2.科学性

建立信用评级指标体系，各项指标必须有机配合，相互之间没有矛盾和重复；同时，指标的计算和评价方法必须科学，要有一定的依据。整个指标体系的建立，要在不断实践的基础上逐步充实提高，最后通过一定形式，形成正式文件。既要防止随意更改指标，又要经得起实践的考验，逐步增强指标体系的科学性。

3.针对性

信用评级指标体系必须具有针对性，对于不同的评级对象和评级目的，指标体系应该有所区别。

4.公正性

信用评级指标体系的建立，要符合客观事实，能正确反映评级对象信用等级的真实面貌。指标体系和计算方法要保持一致，不能偏向评级对象或投资主体的任何一方；同时，评级机构和人员必须态度公正，评价客观，以事实为依据，不能根据个人爱好，任意改变指标项目、计算方法和评价标准。

5.合法性

信用评级必须遵守国家有关政策、法律和法规，指标体系要体现国家宏观政策的导向，对于国家政府机构制定了标准值的经济效益指标和风险监管指标，必须体现其规定要求。

6.可比性

信用评级指标体系的建立应该考虑到与西方国家指标体系等可以相互比较。

7.可操作性

信用评级指标体系的建立，要具有实用性，便于操作和设计电脑运算程序。同时要避免造成评级机构和人员的随意操作，使得评级结果丧失公平和公正。

考虑到中小企业的特殊性，在建立中小企业评级指标体系时要加强对中小企业管理者个人信用问题的关注。与大企业相比，中小企业多为私人企业或民营企业，企业的所有者个人对企业的经营发展具有决定性的作用。倘若企业主个人信用度低，缺乏诚信经商原则，则投资者有理由怀疑其经营的企业的信用状况。因此，在对中小企业进行信用评级时不能忽略企业管理者个人的信用问题。

二、信用评级指标体系内容

信用评级指标体系作为一个完整的体系，包括信用评级的要素、指标、等级、标准、方法和权重等。

1.信用评级的要素

即信用概念的深化。企业信用有广义和狭义之分，狭义的企业信用是指企业还本付息的能力；广义的企业信用则是履行经济责任的能力及其可信任程度。信用评级的要素应该体现对信用概念的理解，目前国际上较为普遍的对信用的形成要素的说法有：五C要素、五P要素、六A要素，等等。

2.信用评级的指标

即体现信用评级要素的具体项目。指标的选择，是信用评级很重要的一个方面，必须以能充分体现评级的内容为条件，通过几项主要指标的衡量，就能把企业信用的某一方面情况充分揭示出来。例如企业的盈利能力，可以通过销售利润率、资本金利润率和成本费用利润率等指标加以体现；企业的营运能力可以通过存货周转率、应收账款周转率和营业资产周转率等指标加以体现；等等。

3.信用评级的等级

即反映信用等级高低的符号和级别。我国企业信用评估的信用评级等级采用国际通行的“四等十级制”评级等级，具体等级分为：AAA，AA，A，BBB，BB，B，CCC，CC，C，D。具体可参照表3－1。

表3－1　国际通行的“四等十级制”信用评级等级

续表

4.信用评级的标准

要把信用状况划分为不同的级别，这就要对每一项指标定出不同级别的标准，以便参照定位。明确标准是建立信用评级指标体系的关键，标准定得过高，有可能把信用好的企业排挤出投资等级；反之，标准定得过低，又有可能把信用不好的企业混入投资等级，两者都对信用评级十分不利，因此标准的制订必须十分慎重。一般来说，信用评级的标准要根据企业所在行业的总体水平来确定，国际上通常采用全球标准，即信用评级的标准要反映整个世界的水平。目前我国信用评级主要用于国内，评级标准可以只考虑国内企业的总体水平。

5.信用评级的方法

包括评级的具体程序、数据构成等，对信用评级的可信度和公正客观起决定性作用，是信用评级的具体手段。

6.信用评级的权重

指在评级指标体系中各项指标的重要性。信用评级的各项指标在信用评级指标体系中的重要程度不同，有些指标占有重要地位，对企业信用等级起到决定性作用，其权重就大；有些指标的作用较小，则其权重就相对较小。

三、信用评级方法

信用评级方法由以前的单一的以财务数据为基础的评级方式，发展到了以财务数据为基础，分析各方面情况进行综合评级的阶段，并更多地运用到了统计模型和人工神经网络等技术。

简单来说，信用评级方法按照不同的标准可以分为以下不同类型：按评级依据划分，分为主观评级法和客观评级法。客观评级法的主要评级依据为公司的财务数据，而主观评级法的主要评级依据为专家根据专业判断和经验综合各个方面情况分析得出的结论。按评级方式划分，可分为定性分析法和定量分析法。定性分析法主要根据除企业财务报表等可以量化的数据以外的有关企业外部环境、企业自身内在素质等方面的情况对企业信用状况进行总体把握。定量分析法则以企业财务报表为主要数据来源，按照某种数理方式进行加工整理，得出企业信用结果。目前，国际上的权威评级机构在评级过程中，一般会同时采用定性分析和定量分析，但以定性分析为主，定量分析为定性分析服务。

总的来说，以上的评级方法并不是相互独立的，而是相互依赖、相辅相成的，只有综合运用以上方法，才能最大可能地提高评级的可信度和准确性。

1.传统的信用评级方法

传统的信用评级方法包括以5C法为代表的要素分析法、财务比率分析法和以要素分析法为基础发展起来的综合评级法。(www.xing528.com)

（1）要素分析法。要素分析法是指通过对影响企业经营业绩的有关经营要素分析评分，使信用定量化，然后加权平均得出企业信用等级的一种方法。常见的有5C、5P、LAPP法等。

5C中的品格（Character）主要是评价客户的品行是否诚实可信、其偿还贷款的主动性如何。对于公司而言，品格是指其主要领导人的经营能力与经营作风，公司文化及其伦理，也包括企业在同行业中的信誉、地位等。资本（Capital）是反映受信企业资金实力的一个重要方面，也间接反映了受信企业的资金积累情况。资本充足、资金积累多，则企业信用状况就好。能力（Capacity）主要包括经济上的借款与偿还能力和法律上的借款能力。从经济上看，信用评价应着重评价受信企业的偿债能力、盈利能力和营运能力，与财务比率分析法所强调的因素完全一致。从法律上看，信用评价应着重评价受信企业是否具备法定的资格和权利，通过对政府法规以及公司章程的调查分析可以获得此类信息。经营环境（Condition）是受信企业的内在环境和所处的外在环境。内在环境主要是指企业的经营特点、经营方式、技术设备状况、劳资关系等企业自身能够控制的方面；企业外在环境主要是指国家经济状况、行业竞争状况、行业发展趋势、市场状况等。环境条件越有利，则信用程度越高。担保品（Collateral）是指受信企业可以用做信用担保（如抵押）的物品。担保品丰富且价值良好，则信用相对就高，信用一旦发生危机则发生损失的可能性也相应少。但在评价时也应注意担保品的所有权、担保品的价值状况等。

5P中的个人因素（Personal Factor）主要分析企业经营者的品德、能力，以判断其是否诚实守信，是否具有还款意愿等；资金用途因素（Purpose Factor）主要包括生产经营、还款缴税、替代股权三个方面；还款财源因素（Payment Factor）主要有两个来源：一是现金流量，二是资产变现；债权保障因素（Protection Factor）主要包括内部保障和外部保障两个方面；企业前景因素（Perspective Factor）主要分析借款企业的发展前景，包括产业政策、竞争能力等。

LAPP是指从流动性（Liquidity）、活动性（Activity）、盈利性（Profitability）、潜力（Potentialities）这四个方面出发评价企业的信用。这种定量化过程虽然是通过有经验的专家将定性的指标量化，但是不可避免的主观性因素会对该过程产生影响，从而使量化的指标受人质疑。

（2）财务比率分析法。财务比率分析法从总体上讲就是对企业各项财务指标作一个全面、系统和综合的分析，从而对企业的经营状况和财务状况进行剖析、解析和评价。在实际应用中，这是一种简单的加权方法，即给每个财务比率确定相应的权重和计算标准，将企业具体指标的取值与标准值进行对比后给出个体的得分，然后加权求和得出该企业的信用得分并进行等级划分。

财务比率分析法克服了要素分析法的主观性，使得评价独立于评估人员的主观努力并使计算机的使用成为可能，但是其指标权重和与标准分对比后得出的财务比率得分有明显的主观性，使得评价结果与企业的实际情况有很大的出入。

（3）综合评级法。尽管以上两种方法的过程不同，但本质上都属于定量分析法。而综合分析法是定量分析和定性分析相结合、静态分析和动态分析相结合的办法，对评级对象做出全局性、整体性的评价。

综合评级法的评级步骤是：首先确定评级对象系统，明确评级内容和方式，建立合适的评价指标体系，最后根据对评级内容所作的系统分析，对企业的未来经营业绩变化做出趋势的推测和量的判断。为了保证信用评级质量，在设计评级体系时要做到科学严谨地设计评级程序、评级方法和评级手段，使其具有可操作性，以提高评级质量，确保评级结果公正、客观。

2.统计模型法

统计模型法属于定量评级方法，是指根据评级对象的各种历史数据，借助信用评级模型，即模型变量和参数，计算其违约风险的大小，从而确定评级对象信用等级的一种经济计量方法。在信用评级中，通常定出一个统一的经济指标标准，作为评级对象相互比较的基准，由此确定各评级对象在总体评级目标中所应该处于的位置。总的来说，这些模型都被表述为一种分类问题，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。

根据对判别函数和样本分布不同的假定，统计模型法可以分为多元判别分析模型、Logit分析模型、Probit模型和线性概率模型。其中多元判别分析法最受青睐，Logit模型次之。最典型的是Edward I.Altman在1968年建立的5变量Z计分模型和在此基础上改进的判别分析模型。该模型的前提是样本公司知道其信用等级，然后在此基础上利用判别函数使得判别函数的判错率最小，进而来判断观察到的新样品归属于哪一类。

（1）线性区别模型（Linear Discriminant Model，LDM）。1941年，David Duran率先将线性区别模型应用在信用领域。1968年，Altman将多变量分析用于预测财务困难公司，采取逐步多元区别分析法决定样本的区别模型，这是一种纯财务数据的多变量分析方法。多元区别模型的假设条件非常严格，使得实证结构的判断与推论令人质疑。在这里我们重点看看Altman的Z计分模型：它的基本思想是利用数理统计中的辨别分析方法分析银行的贷款情况，建立一个可以在最大程度上区分信贷风险度的模型，得到最能够反映借款人的财务状况好坏、具有预测和分析价值的比率，从而对企业进行信用风险状况评估。

Altman的Z计分模型借助构建的Z计分模型，把企业的有关财务数据填入该模型便可计算出Z值。若该Z值大于某一预定的临界值，就可以判定这家企业的财务状况良好；若Z值小于预定的临界值，则意味着该企业会被列入财务状况较差的一类，银行会拒绝其借款要求。Altman确立的分辨函数如下：

其中，X1为流动资本/总资产（WC/TA），X2为留存收益/总资产（RE/TA），X3表示息税前收益/总资产（EBIT/TA），X4表示股权市值/总负债账面值（MVE/TL），X5表示销售收入/总资产（S/TA）。

经过统计分析和计算确定了企业违约的临界值Z0= 2.675，如果Z≥2.675，则企业就在非违约组，企业的财务状况良好；如果Z＜2.675，企业就在违约组，企业的财务状况不佳，有违约的可能。当1.81＜Z＜2.99时，判断失误较大，称该重叠区域为“未知区”也可以称“灰色区域”。

（2）线性概率模型（Linear Probability Models，LPM）。由于实际运用中线性多元区别模型的各种苛刻假设，越来越多的研究转而以概率为模型核心。线性概率模型虽然很明了，但是难以保障所计算出来的条件概率在［0，1］之间，可能完全违反概率的定义。

（3）Logit模型。Logit模型采用了一系列的财务比率来预测信用危机发生的概率，然后根据银行、投资者等的风险偏好程度设定信用风险警戒线，以此对分析对象进行风险定位。Logit模型的优点在于不要求多元正态分布和协方差相等作为假设前提，缺点是样本的数量不宜少于200个，否则将出现参数估计的有偏性。

（4）Probit模型。假设条件概率服从正态分布的二分类因变量模型，即称为Probit模型或Normit模型。模型假设每一个样本i都存在一组变量X，这些变量的线性组合可以使每个样本都得到一个分数Yi，Yi代表某种内在变量或是隐藏变量。在信用评级中，它表示企业属于投资级或投机级的倾向，或是发生危机的倾向。

统计模型的突出优点是模型的估计和使用相对比较简单，容易得到较为一致的评级结果，但存在的问题也比较明显：模型是经验性的，很难对模型的经济意义做出解释；统计模型主要采用当前时点的会计数据，因而模型所反映的统计关系有可能随着经济周期的变化而发生变动，因此在使用时必须加以验证；由于输入变量主要是一些定量指标，从而未能对定性信息做出全面的评估；统计模型所反映的统计关系也可能因行业而异，因而在使用时可能需要分行业对模型做出相应的估计。

3.其他信用评级方法

（1）最近邻法（Nearest Neighbor Method，NNM）。最近邻法属于非参数方法，在信用评价领域有着广泛的运用。其思路就是把被评级企业分为两类，当一个新的待评企业加入时，与它的最近邻者同类，其关键问题是最近邻的寻找。

（2）层次分析法（Analytic Hierarchy Process，AHP）。层次分析法是一种定性分析与定量分析相结合的多准则决策分析方法。它将需要研究的复杂问题分解为不同的组成元素，并针对总目标按相互关系影响划分为有序递阶层次结构，通过两两比较，确定层次中诸因素相对于上一层次某一因素的相对重要性，构造出两两比较判断矩阵，然后综合人的判断以决定各因素相对重要性的总的顺序。

（3）人工智能模型法。近年来随着信息技术的发展，人工智能技术被引入到信用风险评估中，比较常用的主要有决策树、遗传算法、神经网络技术、专家系统等。

（4）模糊评估法。信用评级本质上是一个模糊性问题，因此引用模糊数学方法研究企业信用问题，主要有模糊算子法、模糊积分法、模糊综合评估法等。

综上所述，到目前为止已经出现了各种各样的信用评估方法和模型，但还没有一个有效的、统一的和全面的方法，各种方法都有一定的优缺点，这是由企业信用风险的复杂性和不确定性决定的。在我国，无论是用统计方法、计量经济模型还是用神经网络技术来研究信用风险分析起步都非常晚，而且基本倾向于应用研究。而国外在信用风险分析方面起步得比较早，其研究已走向成熟阶段，而且大多都已商业化，运用也十分广泛。

第四节　信用风险量化分析模型及相互比较

在具体地探讨了信用风险的形成机制及其特性之后，本节将比较分析不同信用风险量化模型之间的差别。国外关于信用风险量化的研究，从早期风险度量的专家制度到基于财务信息的评分模型，已经发展到现代信用风险量化模型。

20世纪70年代布雷顿森林体系的崩溃带来国际汇率和市场利率的剧烈波动后，金融业的不断发展以及金融工具的不断创新特别是衍生金融工具的出现使得信用风险变得更加复杂化和具有更多的不确定性。传统的信用风险度量模型变得越来越不适合计量现代的信用风险，这种发展趋势使得我们运用相对客观的方法去计算和量化信用风险，为此，现代信用风险度量模型应运而生。在这里本书主要介绍几个现在流行的并被广泛运用的现代信用风险度量模型。

一、KMV模型

KMV模型又称为预期违约率模型（Excepted Default Frequency，EDF），是由美国一家信用风险评估公司KMV公司提出的（KMV在2002年被穆迪并购）。KMV模型的起源可以追溯到1974年Merton提出的将期权定价理论应用于公司价值评估的方法。1980年初，McQuown与Vasicek研究和改良了期权定价模型，并将其应用于信用风险管理。

Merton的期权定价模型，使用的分析工具是EDF，即期望违约率，是指在正常的市场条件下，企业在一定时期的违约概率。它把公司资本作为标的资产，把公司所有者权益作为看涨期权，把负债作为看跌期权，违约概率是与债务额和债务人公司资产结构相关的内生变量。在这种基本思想下，KMV模型认为在企业的市场价值（可用企业资产价值表示）低于企业负债水平时就会发生违约，因为此时该企业即使将全部资产出售也不能偿还所借的全部款项，企业出现资不抵债的情况。因此在这个水平上的公司资产价值被定义为违约点（Default Point，DP）；同时KMV模型假定投资组合高度分散，市场利率可以确定。

该模型对期望违约率（EDF）的计算步骤如下：

1．计算资产价值（Va）和资产回报的波动性（σa）

一个有上市交易股份的公司，其股份的市场价值是可以观察到的。股权的市场价值可表示为一个看涨期权的价值，我们通过使用Black-Scholes公式，就可以得到如下表达式：

其中，E代表股权的市场价值即看涨期权的价值，D代表负债的账面价值即执行价格，V代表公司资产的市场价值，τ代表时间范围，到期时间，r代表无风险利率，N（·）代表正态分布累计概率函数，它根据d1、d2计算求出。

这里，.

对等式（3-2）两边求导，接着求期望，即可得到：

其中，σe是股票波动率，通过联立等式（3-2）和（3-3），就可以求出两个未知的变量，即资产的市场价值（Va）以及资产回报波动性（σa）。

2．估计违约距离（Distance to Default，DD）

根据期权定价理论，企业的违约行为发生在企业负债大于企业资产总值的情况下，但是现实经济中的违约并不等于破产。在这一方面，KMV模型认为企业在资产价值达到总债务和短期债务之间的某一点时，企业才会选择违约，这一点即违约点，KMV公司认为违约点DPT大约等于企业短期债务加上长期债务的一半。而违约距离（Distance to Default，DD）就是表示单位资产在风险期限T内与违约点的背离程度。

3．估计预期违约率EDF

违约距离是一个类似于债券等级序数的度量指标，但是我们不能通过违约距离就直接知道违约概率的多少，需要实现转换。所以KMV公司利用一个庞大的数据库，通过将求出的一组公司的违约距离与由历史数据观察到的违约率拟合出预期违约概率即EDF，该预期违约概率也是违约距离的函数。

KMV模型具有很多明显的优点。第一，它是运用现代期权定价理论建立起来的违约预测模型，是对传统信用风险度量方法的一次重要革命，KMV模型建立在期权理论的基础之上，具有良好的理论基础，容易让人信服。第二，KMV模型所获取的数据来自当前股票市场，而非企业的账面数据，因而更能反映企业当前的信用状况，其分析能力和预测能力更加准确。第三，KMV模型将违约与公司特征而不是公司的初始信用等级联系在一起，市场信息也能被反映在模型当中，使其对债务人质量的变化更加敏感。

同样，该模型也不可避免地存在一些局限性。第一，该模型基本上属于一种静态模型，它以Merton期权模型的假设为前提，而该假设认为企业的债务结构在一开始确定之后就不再改变。这种公司资本结构的假设与实际情况不符，因为在贷款期限内公司资本结构发生变化的可能性很大。第二，模型关于资产组合高度分散化的假设也不太合理，如果这个假设在现实环境中得不到体现，可能会错误估计所需的经济资本。第三，该模型假设利率是既定的，这样利率风险就得不到体现，和实际情况相悖。

二、CreditMetrics模型

1997年J.P.摩根推出该模型，应用VaR（Value at Risk）方法对一些非上市流通的资产，如贷款、私募债券等，进行信用风险度量。该模型依据一些基本的数学统计公式，将借款者的信用等级与风险资产的预期价值联系起来，对资产的信用风险量度量分析，是目前国际上比较流行的信用风险管理模型。

Credit Metrics模型是以VaR方法为基础提出的信用风险度量模型。所谓的VaR方法就是将某一种资产（组合）的风险用单一的指标来分析衡量，根据该指标的情况来确定风险敞口的大小，同时把风险管理中涉及的资产组合价值的潜在损失用货币单位来表达。具体地说，风险值（VaR）是指在特定的时期，一定的置信度下，资产组合可能遭受的最大损失值。Credit Metrics模型可以被称为在险价值法（VaR方法）的计算过程。

1．模型的假定

信用风险与市场风险不存在相关性；风险期限不变，一般情况是1年；假定同一信用等级中债务人具有完全相同的违约概率，违约损失率外部给定；违约事件发生的时间为债务到期时。

2．模型的计算

第一步是确定一个信用转移矩阵，该模型认为信用等级的变化会导致贷款资产的变化，因此必须估算违约的概率和评估企业信用状况的变化。以从大的信用评级公司获取的客户信用评级为基础，找出某项贷款或某组贷款的信用等级及风险敞口，然后根据历史信用等级变化矩阵计算这些贷款转移至各种信用等级组合的概率以及该组合下的资产价值，即信用转移矩阵，这是计算信用风险价值的基础也是该模型的关键。

第二步是估计信用等级变动后的贷款现值，信用等级变化必然会影响贷款未来期限内信用风险溢价，也会影响贷款潜在的市场价值。信用等级下降对贷款所要求的信用风险价差升水就应当提高，因而其贷款的现值也就相应下降，信用等级上升则会出现相反的效应。假定企业的贷款相当于向银行发行等值的债券，所以银行每年收到的现金流就是企业偿还的利息，最后一年则为本金再加利息。因此，运用参数估算贷款在信用风险期末的远期价值也就是风险敞口，如果违约，资产价值为债券面值与违约回收率相乘；如果没有违约，就用相应的远期折现率（远期折现率等于无风险利率加特定的信用级别的信用价差）对债券信用风险期外的所有现金流进行贴现得出债券的价值。计算公式如下：

其中，n为债券的到期期限，假定大于1年；ci为第i年的现金流，ri为第i年的1年远期无风险利率，si为第i年的1年期远期信用价差，它可以通过公司债券收益率与国债收益率计算出来。

第三步是计算信用在险值。将第一步得出的概率与第二步得出的信用风险期末的资产价值相结合，就得出了信贷资产价值的远期概率分布。该模型在险值的计算有两种方法，一种是基于贷款价值的实际分布，另一种是基于贷款价值服从正态分布的假设；一般是采用基于正态分布的假设，因为计算相对简单。在服从正态分布的情况下，我们可以求出该笔贷款下一年的均值和标准差。根据不同的置信度，我们就可以得到该贷款的信用在险值，即VaR值。该模型还可以计算贷款组合的在险值VaR，在计算中要考虑贷款组合资产波动的相关性，其步骤与上面的相似。

该模型的优点在于：第一，首次创新性地将VaR方法运用在信用风险的度量和管理上，对以后信用风险模型度量的发展提供了很好的思路。第二，VaR方法具有严谨的概率统计理论基础，能够简单清晰地表示风险的大小，利用我们比较熟悉的期望和标准差实现分析和度量资产信用风险的目的，不但使得不同市场的风险用统一的VaR值来表示，因而具有标准性和可比性，而且应用范围显得十分广泛。因此G30等团体推荐将VaR方法作为市场风险测度的最佳方法，这也是新巴塞尔协议的推荐方法。

同时，该模型的不足之处在于：第一，Credit Metrics模型是无条件模型，违约概率直接取自于历史数据平均值，而与当前宏观经济状况无关。实证表明，违约率与宏观经济状况有反向关系，在经济高涨时期，违约率较低；在经济衰退时期，违约率相对较高。这在一定程度上影响了计算的准确性，也限制了模型的运用范围。第二，Credit Metrics模型假定资产收益服从正态分布，这是模型进行模拟的前提，但资产收益的实际分布并不一定满足正态分布。第三，Credit Metrics模型认为信用等级转移矩阵的稳定性成立，计算中使用单一转换矩阵的前提假设是在同一信用级别下，不同借款者在不同时间段下，转换概率不发生变化。这一点和实际情况不同，实证研究表明，当经济状况发生变化以及在不同行业或不同地区转换矩阵并不相同。

三、Credit Risk+模型

Credit Risk+模型也叫做信用风险附加法模型，是1996年由瑞士信贷银行开发的信用风险度量模型，它也可以称做保险精算理论的违约式模型。该模型的创新点就是将保险精算理论引入到信用风险度量上，所以可以看出该模型在假设和计算上与前两个模型的区别。

1．模型的假设

贷款存在两种情况：以Pa的概率违约和以1－Pa的概率不违约，这意味对于一项贷款，在一定期间违约率不会改变；如果存在许多的债务人，不同时期违约发生的数目相互独立；存在稀有事件，就是在给定的一个时点下，违约事件的发生不超过一件。在上面三个假设下，违约事件发生的概率分布近似服从标准泊松分布。

2．具体计算步骤

首先，因为度量的是整个投资组合信用风险，那么其违约损失的分布就不是单个资产的泊松分布，因此瑞士信贷银行对资产组合里面的信用风险暴露进行了分区，将净风险敞口按风险的大小分成不同的区，每个区视为独立的资产组合；其次，不同区中的资产在违约数目服从泊松分布的假设条件下，可以得到一个概率分布函数，然后整个资产组合的概率分布函数就可以通过各区的概率分布函数计算得到。最后，根据上面的资产组合概率分布函数我们可以得出资产组合的损失分布：

其中，L为风险暴露单位，n＝1，2，3，…，G（z）是资产组合概率分布函数。

Credit Risk+模型将保险精算理论引入到信用风险管理中来具有创新性，用泊松分布来度量信用风险显得十分简洁有效，在计算上因为没有前面模型要求的信用转移矩阵，所以数据相对简单。但Credit Risk+模型也存在一定的不足：一是该模型和KMV模型相比只考虑违约风险，而没有对违约的成因进行假设分析。二是模型中没有考虑企业信用变化带来的信用风险的变化，这意味着一个企业的信用风险在给定的时期内保持不变，很明显与实际情况不符。三是该模型认为信用风险与企业的资产结构没有关系，但是一般情况下企业的负债比例越高其信用风险也就越高。

四、Credit Portfolio View模型（CPV模型）

Credit Portfolio View模型也被称为宏观因素模型，是在1998年由美国的麦肯锡公司提出的。该模型是一个考虑宏观因素的多因子模型，主要用于信贷组合风险的分析。而在上面提到的模型主要都是考虑非系统风险，一般不考虑系统风险。但是，现实中我们都知道一个企业的信用状况是离不开宏观经济状况的，是与经济周期息息相关的。Credit Portfolio View模型就是从宏观经济角度来分析度量信用风险，它认为企业的信用状况变化和违约概率与宏观经济存在因果关系。当经济处于高涨时期，企业信用等级下降的概率降低，发生违约的概率也是相应下降，当经济处于低潮时期，企业信用等级下降的概率上升，发生违约的概率也相应上升。

该模型充分利用当期的宏观经济数据，如GDP增长率、财政支出、利率、汇率、储蓄率等，运用计量经济学和蒙特卡罗模拟方法来分析信用组合的收益和风险。计算过程主要分为两步：

第一步，建立多因素的条件违约概率分布模型，企业违约概率分布是宏观变量（如失业率、利率、经济增长周期、汇率等）的函数。

其中，Pi，t是第i个企业在t时期内的条件违约概率，yi，t为第i个企业在t时期内的指数价值，该指数价值是宏观经济变量的函数，用多元线性因素模型表示是：

其中，F为宏观经济变量，b为该变量对y的相关系数。

第二步，在不存在当时宏观经济影响的假设下，利用穆迪或者标准普尔提供的历史数据求出信用等级转移矩阵，然后由上面的转移矩阵推出条件信用等级转移矩阵，这样我们就可以将宏观经济变化的影响通过调整条件信用等级转移矩阵表现出来，运用蒙特卡罗方法对任何时间上的信用等级转移概率生成其条件累积分布，最终计算出资产组合的损失分布。

该模型把宏观经济因素纳入信用风险的度量中，考虑到企业信用风险和经济系统风险之间的关系，这与现实经济情况相符。此外，该模型的信用转移矩阵是根据当时宏观经济状况变化作出相应的调整，所以对信用风险度量具有及时性、准确性和前瞻性。但该模型也存在一些不足，比如模型对数据要求较高，有些数据如行业的违约数据比较难以获得等。

五、信用风险模型之间的比较

上面提到的信用风险模型都在某个时期占据着重要地位，很多模型直到现在也还被广泛应用于各个方面。但每个模型都有自己的适用范围、优势和不足之处，因此，很难完全地对各个模型进行比较。

在本书主要介绍的四种现代信用风险模型中，表3－2清楚地显示了各个模型之间的异同点：

表3－2　现代信用模型比较

资料来源：詹原瑞.银行信用风险的现代度量与管理［M］.经济科学出版社，2004.