企业信用评级模型页.docx
- 文档编号:12048431
- 上传时间:2023-04-16
- 格式:DOCX
- 页数:39
- 大小:107.04KB
企业信用评级模型页.docx
《企业信用评级模型页.docx》由会员分享,可在线阅读,更多相关《企业信用评级模型页.docx(39页珍藏版)》请在冰豆网上搜索。
企业信用评级模型页
作者:
ZHANGJIAN
仅供个人学习,勿做商业用途
企业信用评级模
摘要
社会信用体系是市场经济体制中的重要体系。
当前,社会中商业欺诈,制假售假,非法集资等现象屡禁不止,这些社会信用问题归根到底都是企业信用的问题,因此,科学、合理、公正、权威的企业信用评级技术是当前紧要的任务。
个人收集整理勿做商业用途
本文通过研究研究国内外企业信用评价方法,构建了一个企业信用评价平台。
该平台提供了信用评价,信用等级,信用反馈等功能,是一个功能非常完备的信用评价平台。
企业信用评级模型是评价企业信用等级的有效工具,随着全世界债券市场的迅猛发展、抵押品价值降低及其波动性增加,该模型将会得到更为广泛的关注,并将为我国各公司企业运用数学模型度量企业信用评级提供了重要参考意义。
个人收集整理勿做商业用途
关键词:
数学模型企业信用等级企业信用评级模型信用评价
Abstract
Thesocialcreditsystemisanimportantsystemofmarketeconomysystem.Atpresent,commercialfraudinthesocietyofcounterfeitgoods,thephenomenonsuchasillegalfund-raising,thesocialcreditproblemsinthefinalanalysisareenterprisecreditproblems,therefore,scientific,reasonable,fairandauthorityofenterprisecreditratingtechnologyisthecurrenturgenttask.个人收集整理勿做商业用途
Throughresearchtheenterprisecreditevaluationmethodsbothathomeandabroad,thispaperbuildsaenterprisecreditevaluation,creditrating,creditfeedback,andotherfunction,isaverycompletecreditevaluationplatform.Enterprisecreditratingmodelisaneffectivetoolforevaluationofenterprisecreditratingwiththerapiddevelopmentofbondmarketsaroundtheworldthevalueofcollateralreducesanditsvolatilityincreases,themodelwillbemorewidespreadattention,andthemathematicalmodelforthecompaniesinourcountryenterpriseusemetricenterprisecreditratingprovidesanimportantreferencesignificance.个人收集整理勿做商业用途
Keywords:
mathematicalmodelEnterprisecreditratingEnterprisecreditratingmodelCreditevaluation个人收集整理勿做商业用途
摘要·················……························
Abstract··········································
第一章绪论··········································1
1.1选题背景和意义·································1
1.2国内外文献综述·································2
1.2.1国外研究现状·······························2
1.2.2国内研究现状·······························5
1.3我国研究现状及存在的问题························9
第二章信用评级主要方法与模型综述····················10
2.1专家评估法及其优缺点·····························10
2.2财务比率分析法及其优缺点·························12
2.3多元判别分析(MDA)及其优缺点····················14
2.4logistic分析及其优缺点··························15
2.5非参数方法········································17个人收集整理勿做商业用途
2.5.1聚类分析及其优缺点····························17
2.5.2K近邻判别及其优缺点··························19
2.6Z模型和Zeta模型及其优缺点······················19
2.7基于投影寻踪和最优分割及其优缺点·················21
2.8模糊综合评判法及其优缺点·························26
2.8.1确定评语集····································27
2.8.2确定指标权重集·······························28
2.8.3确定评判矩阵···································28
2.8.4模糊综合评判···································29
2.8.5模糊合成算子的选择·····························31
2.9遗传算法优化BP神经网络及其优缺点·················34
2.10基于有序分类和支持向量机方法及其优缺点············39
2.10.1有序分类问题与内置空间法·······················39
2.11C4.5算法建立决策树模型及其优缺点··················42
2.12kmv公司的kmv模型及其优缺点·······················44
2.13j.p摩根的creditmetrics模型及其优缺点············45
2.14麦肯锡公司的creditportfolioview模型及其优缺点···46
2.15瑞士信贷银行的creditrisk+模型及其优缺点··········46
第三章现代模型在中国应用的缺陷性及改进措施·············47
3.1对于现代模型的运用还处于尝试阶段·····················47
3.2改进措施············································48个人收集整理勿做商业用途
第四章对我国企业信用评级工作的建议·····················50
参考文献················································52个人收集整理勿做商业用途
第一章绪论
1.1工程背景及意义
社会信用体系是市场经济体制中的重要体系。
建立社会信用体系,是完善我国社会主义市场经济体制的客观需要,是整顿和规范市场经济秩序的治本之策。
当前,社会中商业欺诈,制假售假,非法集资等现象屡禁不止,这些问题的源泉归根到底是社会信用出现了问题,因此加快建设社会信用体系,打击各种违法行为,处理各种信用问题不仅维护了正常的社会经济秩序,保护了群众权益,也进一步推进了政府更好的履行其公共服务、经济调节、以及市场监管的职能。
市场经济条件下,社会信用体系由个人信用、政府信用、企业信用融合而成。
其中个人信用是社会信用的基础;政府信用是社会信用的基石;而企业信用是最关键,最活跃和最具影响力的。
因为企业信用不仅在一般交易市场被多方重视更重要的是在金融市场被投资人或者贷款人所关注。
随着市场经济的不断发展,企业信用将成为合作与交易的先决条件,因此当前我国企业信用体系建设是整个社会信用体系建设的重点。
个人收集整理勿做商业用途
当前我国企业信用体系建设中存在的各种问题尽管表现形式各异,但从本质上讲,主要是企业信用信息的缺失,具体表现为企业信用信息的有效供给和有效需求的双重不足。
一方面,由于企业体系建设滞后,使资信评估机构难以全面、准确、快速地获得企业信用信息,并通过评级技术确定其信用等级,即资信评估机构难以有效地生产出能够满足市场需求的高品质的信用信息产品,形成有效供给。
另一方面,由于缺乏高品质的,能够满足市场需要的信用信息产品,投资者或者企业在进行投资或参与市场交易时,虽然对信用产品有需求,但不能转化为现实需要,即潜在的需求不能转化为有效需求。
正是这种有效供给与有效需求之间的矛盾,互相制约,恶性循环,严重制约了我国信用市场的健康有序发展。
因此当前我们迫切的主要任务就是建立一套完整,可靠的企业信用体系,而企业信用体系的核心就是要有一种企业信用等级必须能够客观公正地反映企业信用的真实状况。
因此,科学、合理、公正、权威的企业信用评级技术是成功地实施企业信用制度的关键所在,也是企业信用体系的紧要研究课题。
个人收集整理勿做商业用途
1.2国内外文献综述
1.2.1国外信用评级研究简况
国外信用评级的研究始于上世纪三十年代,分成四个阶段。
第一阶段主要建模方法是基于传统的比例分析方法,如“SC","LAPP”和财务比率分析方法。
个人收集整理勿做商业用途
第二阶段始于上世纪六十年代,这一阶段的主要方法包括多元判别分析法(MDA),Logistic回归模型以及聚类分析等非参数方法。
该阶段中关于财务信息与信用风险关系的研究主要以线性判别为主,在线性判别模型中又以Beaver的单变量模型和Altman的多元模型影响最为广泛。
Beaver对30多个企业的财务比率进行了研究,运用单变量分析法对企业的违约进行研究,通过对样木的分析找到破产企业与非破产企业单个财务比率的临界点,并利用该临界点对破产企业和非破产企业进行预测。
Altman于1968年对“家美国制造业企业的经营情况进行了典型判别分析,提出了著名的Z-Score模型,1977年Altman本人又对Z-Score模型进行了修正和扩展,建立了ZETA评分模型。
许多金融机构用它预测信用风险,并取得了一定的成效。
Z-Score模型和ZETA模型,都是以会计资料为基础的多变量信用评分模型,由其计算的Z值可以反映贷款企业在一定时期内的信用状况(违约与不违约、破产与不破产),简单实用,很快成为了预测企业违约或破产的主流分析方法,被应用到世界上超过25个国家。
类似的研究还包括Horrigan,Pogue和Soldofsky,West,Horton等。
但是多变量区别分析法有着严格的假设条件,如多元正态分布、等协方差矩阵等等,针对这些问题,Ohlson构建了假设条件较为宽松的Logistic识别模型,并将其应用于商业银行信用风险评估领域,Madalla采用Logistic模型区别违约与非违约贷款申请人的信用状况,Libby首次将主成份分析方法引入判别模型以克服变量多重共线性的问题。
Zmijewski则引入Probit模型进行类似的研究。
个人收集整理勿做商业用途
由于统计模型有着比较严格的假设,同时线性技术又无法区分出随机噪声和非线性关系。
因此依托迅速发展的计算机信息技术,运用数据挖掘方法进行建模在近年来的信用风险评估领域得到了广泛的关注。
也就是评级模型发展的第三阶段。
该阶段的主要方法是人工智能方法,主要建模方法包括专家系统,人工神经网络、决策树算法、支持向量机和遗传算法等。
Odom首次将神经网络引入企业破产领域,用BP神经网络预测了财务困境,结果显示神经网络模型优于判别分析模型。
随后Tam和Kiang,Trippi和Turban,Coats和Fant,Bell等也都采用神经网络模型来对公司和银行的财务危机进行了预测,取得了一定的效果。
KatiusciaManzoni利用神经网络对欧洲债券的信用评级和降级概率进行了研究。
Makowsik是第一批倡导将决策树方法应用于信用评估的学者之一,之后Carter,Catlett以及Boyleetal也对决策树方法用于信用评估的结果进行了分析。
TaeK.S,NamsikC和GunheeL.三人则应用决策树技术研究破产预测。
SchebeschKB和SleekingR用由一组高维数据组成的向量描述申请者,从而利用非线性SVM对信用卡申请者进行评级。
Yong-ChanLee使用支持向量机方法预测公司的信用等级取得了较好的结果。
Sheng-TunLia,WeissorShiue,Meng-HuahHuang利用支持向量技术对个人贷款信用评估问题进行了研究。
相对方法研究而一言,更多的研究集中在基于不同方法、不同类型模型之间的预测效果比较,这一部分的研究文献非常丰富。
Altman等发现神经网络方法有时优于线性判别方法,但由于神经网络有时过度训练产生了不合理的权重,从总体上看线性判别方法要优于神经网络方法。
Altman在对神经网络法和判别分析法的比较研究中得出结论“神经网络分析方法在信用风险识别和预测中的应用,并没有实质性的优于线性判别模型”。
Coffman对决策树方法和判别分析进行了比较,认为两者各有千秋。
Altman和Kao在现金流/总负债、保留盈余/总资产、总负债/总资产、现金流/销售收入等指标下分别建立了较高复杂度的分类树和较低复杂度分类树,与DA比较优劣,表明分类树是一种很有前途的方法。
MartinelliE,CarvalhoAD,RezendeS,MatiasA对决策树和神经网络模型进行了对比研究。
Hui-ChungYeh等运用LDA,决策树,神经网络,以及LDA与神经网络相结合的模型分别对同一数据集进行了信用风险评估研究,结果显示决策树在四种方法中具有最高的分类准确率,线性判别分析准确率最低。
个人收集整理勿做商业用途
第四阶段始于上世纪末,这一阶段主要是采用对信用风险组合计量的方法,主要模型有1995年KMV公司提出的信用监测模型;1997年J.P.Morgan银行提出的信用度量术模型,同期麦肯锡公司提出的CreditPortfolioView模型。
以及之后穆迪评级公司提出的CreditCalc+模型,标准普尔提出的CreditModel和CreditPro模型等。
个人收集整理勿做商业用途
1.2.2国内信用评级研究简况
国内信用风险评估方法研究主要是引进国外模型或在其基础上进行改进,方法的进展路线与国外大致相同,典型的研究成果如下:
个人收集整理勿做商业用途
陈静首次在国内运用统计方法和计量模型进行财务困境预警研究。
陈瑜应用一元和多元分析对135家上市公司的财务状况进行了分类和预测。
卢声、任若恩等利用Fisher判别分析法对我国上市公司的财务困境进行研究。
施锡锉等人采用典型判别分析对1999年到2000年9月间的128家上市公司进行了经营失败的预测研究。
梁琪运用主成份分析与判别分析相结合的方法预测企业财务困境。
姜天和韩立岩以6个财务指标作为输入变量,使用Logitic模型建立了我国上市公司财务困境预测模型。
唐春阳、冯宗宪运用多元线性回归方法,利用逐步回归得到的5个指标(分别是资产负债率、成木费用利润率、主营业务利润率、全部资本化比率行业债务结构)得到一个简明的企业违约率测度模型。
郑建平采用概率统计方法构建了个人信用评分模型,康世赢采用关联分析法和模糊综合评价的方法对个人信用评估进行了研究,孙建政运用Logistic方法对个人信用评估模型进行了研究。
张爱民等在借鉴Altman的多元Z值判定模型的基础上,采用主成分分析的方法建立了财务预警模型。
杨淑娥和徐伟刚采用主成分分析法,建立了Y分数财务预警系统。
庞素琳对106家上市公司进行两类模式分类,这两类模式是指按照公司的经营状况分为“差”和“正常”两个小组。
对每一家上市公司,考虑其经营状况的4个主要财务指标:
每股收益、每股净资产、净资产收益率和每股现金流量。
仿真结果表明,Logistic回归信用评价模型对总体106个样本,判别准确率达到99.06%。
宋冬梅,沈友娣也通过运用Logistic模型评价上市公司信用风险,也取得了较好的效果。
樊锰汪媛雏等人从中小企业信用评级方法的比较和选择入手,以AHP分析法为核心,构建多级模糊综合评价模型,对中小企业信用状况做出评价。
张目,周宗放提出一种基于投影寻踪和最优分割的企业信用评级模型。
该模型运用投影寻踪对样本企业进行信用综合评分,将信用综合得分由大到小排序,生成有序样品序列。
利用最优分割法对有序样品进行聚类,得出明确的聚类结果。
将最优分割点对应的信用综合得分作为划分信用等级的阈值,从而实现对样木企业的信用评级。
个人收集整理勿做商业用途
人工智能方法中,王春峰等是国内较早采用神经网络模型预测企业信用风险状况的学者。
庞素琳等人对基于BP算法的信用风险评价模型进行了研究。
陈雄华等、章忠志等也都各自利用神经网络构建了商业银行信用风险评估模型取得较好效果。
吴冲等、梁裸和吴德胜分别利用模糊神经网络对我国企业信用风险作了实证研究和分析。
杨淑娥等构建了BP神经网络模型对上市公司的财务状况进行预测。
李玉霜,张维将分类树应用于解决从业人员在进行贷款5分类过程中分析判断能力欠缺的问题中,实证分析表明决策树方法比线性判别分析方法的准确率高。
张维,李玉霜对基于分类树的商业银行信贷分类的数据处理问题进行了研究。
姚靠华姚靠华等以上市公司作为研究对象,选取反映上市公司盈利能力、偿债能力、营运能力、成长能力和公司规模的17个财务指标,区别于传统的建模方法,应用决策树技术建立了中国上市公司的财务困境预警系统。
实证结果表明该系统具有较好的预测性,在该领域有着良好的应用前景。
吴德胜等人利用遗传算法辅助优化神经网络训练策略,建立了基于进化神经网络的信用评估模型。
叶中行,余敏杰构建了一种分类树和遗传算法相结合的信用风险评估方法,先用分类树方法按照定性变量分类,然后在每个叶结点上运用遗传算法按照定量变量分类。
在个人信用评估方面,徐远纯等利用DONALDBRENSCHOOLOFINFORMATIONANDCOMPUTERSCIENCES(UNIVERSITYofCALIFORNIA.IRVINE)所提供的1986-1995年间的客户信用卡数据库,建立了信用卡欺诈风险分析决策树。
冯铁军对基于遗传算法的神经网络技术在个人信用评估中的应用进行了研究,沈翠华等人对基于支持向量机的个人信用评估技术进行了研究,石庆众、靳云汇则对多种个人信用评估技术在我国应用进行了比较研究。
姜明辉、王欢、王雅林将分类树与其它方法进行了比较研究,分析了其对个人信用评估的实用性。
鲁为,王极提出了一利,改进的ID3的决策树算法(E-ID3),E-ID3算法使用一种基于“统计出局部最优”的方法,获得比较好的启发式函数算法,并分析了E-ID3“算两步,走一步”的思想。
实验证明,该优化算法对于构建决策树具有很好的效率。
陆秋,程小辉针对ID3算法的多值偏向问题,提出一种基于属性相似度的、能够避免多值偏向问题的ID3改进算法。
朱毅峰等在传统决策树模型的基础上引入卡方检测的方法,将个人信用评估过程中误判好坏客户的成本差异考虑在内,实证结果证明该精炼决策树模型在个人信用评估应用中可以提高判别坏客户的正确率。
庞素琳等对C5.0算法进行了研究,并建立了基于C5.0算法的银行个人信用评级模型,用来对德国某银行的个人信贷数据进行信用评级。
郑也夫将数据挖掘方法引入信用风险预测问题中,全面比较决策树、神经网络和支持向量机算法在上市公司信息风险预测问题上的优劣,得出决策树具有良好的适用性。
后来郑也夫等以我国上市公司作为研究对象,以因财务状况异常而被特别处理作为界定上市公司陷入财务困境的标志,采用交叉验证技术建立决策树模型,并与Logistic和K最近邻模型进行了比较分析。
实证结果表明决策树模型能有效地预测上市公司的信用风险,且适用性较好。
个人收集整理勿做商业用途
1.3我国研究现状及存在的问题
目前,国内已经建立了一些评级系统,作为加强企业信用管理、防范风险的一项基础工作和重要手段。
但与国外同行业进行对比,可以发现主要还存在以下几个问题:
个人收集整理勿做商业用途
(1)评级模型适用性较差
评级模型是评级系统的重要技术基础,属于金融领域内的关键技术,其开发研究需要结合统计分析、风险计量、资产组合、期权定价等先进理论和技术,而我国由于经济发展程度不高,同时整体研究水平还相对欠缺,故在评级模型的建设方面有待加强。
因此必须结合经济发展的实际情况,充分考虑利率市场化进程、企业财务欺诈现象、数据积累量不高、金融市场展不充分等现象,开发出适合自身特点的评级模型。
个人收集整理勿做商业用途
(2)模型主要参数所需的数据不足
评级系统建设的核心资源是数据。
近年来信用评级工作建立了基本数据库和反映信用风险特征的微观指标体系。
但是,与评级法对数据的要求相比,现有的数据积累远远不够,数据储备严重不足目而且质量不高、缺乏规范性,严重制约了评级系统的应用和发展;为满足建设评级系统需要的数据样本,还需要大量而细致的数据积累工作,通过数据整合、挖掘等技术,形成有价值的信息,为建立相关模型奠定良好的基础。
个人收集整理勿做商业用途
(3)评级支持工具和系统落后
原有的评级工具为简单的EXCEL报表,属于单机分散操作,只是简单地进行手工操作,不能实现网络化操作与管理。
评级结果只是简单的EXCEL表格,数据的汇总程度、集中程度、共享性很低,同时也不利于对评级情况进行有效的监控。
同时通过原有的评级工具采集的客户资料也相对简单,无法支持客户评级数据的需要。
评级系统应与业务流程系统紧密结合,成为一个嵌入式的管理工具,最大限度地发挥监管和决策支持的作用,实现企业评级、授信审批的全流程计算机管理。
个人收集整理勿做商业用途
(4)评级指标体系落后
原有的评级指标体系中存在与经济发展、企业发展不相适应的指标,比如指某些指标权重太大、某些指标己不能反映企业的特点、有些指标设置较粗、某些指标缺乏等。
个人收集整理勿做商业用途
第二章信用评级主要方法与模型综述
2.1专家评估法
专家评估方法是指通过专家对影响企业经营业绩的有关经营要素进行分析评分,使信用定量化,然后求加权平均得出企业信用等级的一种方法。
该方法依赖于专家主观判断,而且评级结果主要应用于信贷决策。
比较有代表性的专家评估法有“5C”,“5P”,“LAPP”等方法。
个人收集整理勿做商业用途
5C分析法中5C是指:
品格、资本、能力,经营环境、担保品。
品格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。
个人收集整理勿做商业用途
资本是反映企业资金实力的一个重要方面,也间接反映了企业的资
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 企业信用 评级 模型