信用評級方法模型的研究綜述與展望

卿固+辛超群

摘 ? 要：本文對信用評級的幾大類方法如信用評級的定性分析如層次分析法、統計分析方法如Probit模型、神經網絡與支持向量機方法如支持向量機（SVM）、其他方法如投影尋蹤法等相關研究及應用成果分別進行了闡述。本文認為，各模型具有內在的優(yōu)點和缺陷，應用多種分析方法相結合對企業(yè)進行信用評級，有助于提高模型的預測價值和結論的可解讀性。

關鍵詞：信用評級方法;研究綜述

中圖分類號：F830.31 ? ? ? ? ? ? ? ? ? 文獻標識碼：B ? ? ? ? ? ? ? ? ? ? ?文章編號：1674-0017-2015（5）-0041-05

一、引言

作為社會經濟生活各領域不可或缺的一部分，信用在5000年前就已經萌芽產生，而有關信用評級的研究卻僅僅只有100多年的歷史。至于信用評級正式進入證券市場，則要追溯到1931年，穆迪公司成立信用評級公司并將信用評級延伸到債券行業(yè)領域。隨著社會經濟全球化步伐的加快以及資本市場領域的不斷發(fā)展，信用評級的研究也逐漸成為學術界的熱點。在國外以穆迪（Moody）、標準普爾（S&P）和菲奇（Fitch）三大公司為代表的信用評級機構，不但成為西方發(fā)達國家經濟活動中不可或缺的金融中介服務公司，而且成為信用評級領域認定的權威。在我國，隨著經濟體制改革的不斷深化，信用評級業(yè)也得到了迅速發(fā)展。截至2012年，已有近80家評級機構得到了人民銀行的許可。2014年6月國務院印發(fā)《社會信用體系建設規(guī)劃綱要（2014-2020年）》更是為信用建設指明了方向。在此背景下，如何建立運用一套行之有效的方法模型對信用進行評估認定就顯得尤為重要。據此，本文對國內外信用評級方法模型進行了梳理和探討，并對未來信用評級方法模型的發(fā)展進行了展望，以期通過借鑒方法模型增強信用評級的可信度和價值，為投資者、籌資者和監(jiān)管者提供有益的參考。

二、信用評級方法模型的研究綜述

對于信用評級方法模型的研究，一般可劃分為定性分析評估法、統計分析評估法、人工神經網絡評估法以及基于市場價值KMV評估法（朱順泉，2012）。本文在前人研究的基礎上，對相關信用評級方法模型進行了梳理整合，如表1所示：

（一）信用評級的定性分析模型

1、5C與LAPP法。定性分析主要是基于經驗判斷的信用評級方法。5C模型作為相對古老的模型，主要是指銀行系統在考察客戶時從品質（character）、能力（capacity）、資本（capital）、擔保物（collateral）和條件（condition）五方面分析客戶的信用。與5C相對應的是5P模型，主要是從客戶情況（personal）、目的（purpose）、償還（payment）、擔保（protection）和前景（perspective）來對借款人等客戶的信用進行評價。LAPP法主要是從資產的變現能力（liquidity）、業(yè)務活動能力（activity）、盈利能力（profitability）和業(yè)務發(fā)展?jié)摿Γ╬otentialities）四方面對借款人的信用進行評價。5C或5P模型與LAPP法側重點不同、互為補充，可以將兩者進行綜合以評價借款人的信用。

2、沃爾分析與杜邦分析法。隨著穆迪和標準普爾等公司的出現，信用評級逐漸注重從財務數據的角度出發(fā)進行研究，如20世紀初的沃爾比重分析法和杜邦財務分析法，這些方法運用財務比率分析公司的財務狀況以此來反映償債能力和信用能力，主要運用在對企業(yè)的整體狀況進行分析領域。

3、消費信貸評分模型。采用評分方法對借款人的信用進行評價也廣為使用。信用評分模型最早應用于消費信貸領域，David Durand（1941）以體現個人消費能力的居住的穩(wěn)定性、職業(yè)、個人擁有資產數等九要素作為打分的依據對個人消費貸款進行了研究。

4、Z-計分模型與Zeta計分模型?，F在廣為使用的Z-計分模型是Altman等（1968）在研究企業(yè)破產倒閉風險時提出的，主要是選取資產收益率、收入的穩(wěn)定程度、利息保障倍數、收益累積、流動比率、資本化程度、企業(yè)規(guī)模等7個變量對企業(yè)的信用進行評價，通過建立回歸分析模型，結果表明Z≦2.68時企業(yè)違約的可能性較大，Z>2.68時違約可能性較低。該模型既可以用于商業(yè)銀行對借款人信用進行評定，也可以用在企業(yè)內部控制程序、應收賬款管理等。1977年，Altman對Z-計分模型進行了擴展和修正并構建了Zeta模型，將Z模型中的5變量增加為7變量，結果顯示修正后的Z模型具有更高的預測能力。然而，它們共有的缺陷主要表現為：一是過度依賴財務數據，沒有與證券市場掛鉤，削弱了預測的可靠程度;二是以變量間存在線性關系為基礎，忽視了非線性關系的存在。在我國，張玲、曾維火（2004）以A股114家上市公司為樣本，檢驗了Z值和信用評級之間的關系，結果發(fā)現二者具有較好的相關性，同時認為我國上市公司資信狀況整體良好，前兩年較為穩(wěn)定，此后波動較大，而這種波動與公司行業(yè)風險緊密相連。

5、Bathory模型。廣泛應用在各行業(yè)中衡量公司實力和信用的模型為Bathory（巴薩利）模型，該模型主要選取反映公司的業(yè)績、資本回報率、流動性以及對負債的保障程度的相關財務指標，若Z值得分高，反映公司營運狀況好，違約的風險小，據調查其準確度為95%。近年來，隨著層次分析法和模糊綜合評價法在綜合評價領域的興起，越來越多的學者也將該方法引用到了信用評級領域。

6、層次分析法。層次分析法簡稱為AHP，是運籌學家T.L.Satty于20世紀70年代提出的融定性和定量于一體的決策分析方法。該方法通過將決策問題分解為目標層、準則層和方案層等，在問題層次化的基礎上構建判斷矩陣并進行一致性檢驗，從而進行單排序和總排序，最終做出判斷決策。吳金星、王宗軍（2004）根據商業(yè)銀行和企業(yè)準則的相關規(guī)定建立企業(yè)信用評價體系，運用層次分析法進行權重賦予，并以某市數據為例進行了實證分析檢驗，同時認為層次分析法通過將學者和信貸專家經驗和數理方法相結合，弱化了主觀因素，提高了企業(yè)信用評價的規(guī)范性和科學性。樊錳、汪媛雛等（2010），周少飛、王亮（2014）也采用層次分析法對中小企業(yè)的信用評級狀況進行了研究。

7、模糊綜合評價法。模糊綜合評價法是由我國學者汪培莊首先提出的，該方法借助模糊數學的基本原理，將定性的或不易定量的因素定量化，通過單獨因素評判和綜合評判兩個步驟從而對多因素復雜的問題進行評價。顧海峰（2014）從財務和非財務方面對貸款企業(yè)的信用風險進行指標設計，采用模糊綜合評價法構建了商業(yè)銀行信用風險測度模型并進行了實證分析，結果表明使用該方法對信用風險測度具有很好的操作便利性，對商業(yè)銀行信用體系建立具有很好的參考價值和意義。

（二）信用評級的統計分析模型

20世紀60年代前后，隨著統計方法的不斷推廣以及經驗判定和評分模型缺陷的暴露，信用評級領域逐漸引入了統計、數學方法，較為代表性的有單變量分析法、多變量分析法、因子分析、Logistic模型、Probit模型。

1、單變量分析法。使用單變量分析的學者是Beaver，他在1966年通過選取單一財務比率，采用配對樣本法這一統計方法對1954-1964年的79家失敗企業(yè)和與之相對應的正常企業(yè)進行了研究，驗證了具有區(qū)別能力的財務比率及分界點。該方法只考慮單一財務比率，而眾所周知企業(yè)的財務狀況不可能通過單一指標就能反映出來，因此單變量分析法現實意義要低于其理論意義。

2、多變量分析法。Altman（1968）則采用了多變量分析技術（MDA），以1946-1965年間33家制造業(yè)破產上市公司為樣本，并選取了與之行業(yè)規(guī)模等相當的33家正常經營的上市公司為配對樣本，從公司的流動性、獲利能力、財務杠桿、償債能力以及周轉能力角度選取指標對樣本公司進行了研究，最終形成Z計分模型。后來，Altman對該模型進行了改進，彌補了Z模型的行業(yè)以及只針對上市公司的不足。

3、因子分析法。因子分析法作為一種從諸多變量中提取共性因子的統計技術，通過權重賦予建立綜合因子得分得分函數，從而達到對某一問題的評價研究。在針對信用評級問題上，我國學者將因子分析與聚類分析相結合做了大量的工作研究。劉淑蓮、王真等（2008）采用因子分析和聚類分析法，選取了反映上市公司信用風險水平的15個財務指標，并設計信用評級標準對307家上市公司的信用水平進行了評價，結果表明該模型具有很高的預測能力，在判定上市公司信用評級的同時也會提供其他中間信息，具有重要的現實意義。杜曉穎（2012）則從非上市公司的視角出發(fā)，采用因子分析和聚類分析法，選取非上市公司的17項指標進行研究，認為該方法能很好的消除多重共線性問題，增加信用評級模型的縝密性和穩(wěn)定性。

4、Logistic模型。Logistic模型作為使用廣泛的分類統計工具之一，彌補了多變量分析要求變量服從正態(tài)分布的不足，無需假設變量間存在任何分布。Ohlson（1980）采用該模型對企業(yè)運營失敗的樣本進行研究，并認為多變量分析法與樣本企業(yè)是否服從正態(tài)分布存在很大關系，影響了結果的準確性。鄒亞寶、梁紅漫（2013）采用二元Logistic回歸模型，將制造業(yè)上市公司分為信用評級低的*ST組和信用評級高的預增預盈組，通過選取16個財務指標進行了實證分析，并認為該模型對商業(yè)銀行信貸具有借鑒意義。雖然該模型有著普遍的應用，但也存在些許不足：當樣本點完全分離時，其有效性值得商榷;該方法對數值中間部分較為敏感，影響了其穩(wěn)定性。

5、Probit模型。該模型與Logistic模型原理相似，只是假設條件有所不同。Probit模型要求變量間服從正態(tài)分布且不存在多重共線性問題，通過極大似然函數確定企業(yè)破產的概率，以此作為企業(yè)信用評級的依據。張鵬、曹陽（2012）以KMV模型得出的違約距離作為Probit模型的自變量，并據此評價上市公司違約的概率，結果發(fā)現違約距離能較好地判別上市公司的信用水平，并認為將違約距離加入到Probit模型中能顯著提高模型的預測性。鄭昱（2009）則基于該模型對個人信用風險進行了研究，同時對模型的預測效力做了檢驗。

（三）信用評級的神經網絡與支持向量機方法

當影響信用評級的各因素發(fā)生變化時，采用層次分析或模糊綜合評價法會產生較大誤差，且以前的經驗也無法得到利用，需要重新建立模型。為解決上述問題，人們提出了模擬人腦的神經網絡工作原理，通過建立學習模型，將經驗知識得到充分利用，以求達到最佳效果。在信用評級領域使用較多的有反向傳播神經網絡即BP神經網絡、徑向神經網絡、學習矢量量化網絡、概率神經網絡和支持向量機（SVM）。本文主要對使用最為廣泛的BP神經網絡和支持向量機（SVM）進行綜述研究。

1、BP網絡神經。作為應用最多的一種神經網絡，BP神經網絡即反向傳播神經網絡是Rumehart等人于1985年提出的，該方法由輸入層、中間層和輸出層三個層面組成，通過對多指標進行歸一化處理作為輸入，將評價結果當做輸出。針對信用評級領域，采用三層反向傳播，對輸入的數據進行訓練模擬，通過反向傳遞不斷調整權重，最終通過函數得出輸出數據。BP網絡神經具有運算速度快，自學能力強、效率高等優(yōu)點，但由于學習和訓練較為復雜，且缺乏成熟理論對輸出結果做全面的解釋，影響了其在信用評級中的應用。我國學者張鴻、丁以中（2007）基于BP神經網絡選取定性和定量指標，對我國2004年的ST和正常公司共100家上市公司進行信用評級研究，研究表明BP神經網絡非常適用于企業(yè)信用評級，同時存在著網絡穩(wěn)定性差等缺陷。

2、支持向量機（SVM）。為了彌足以往信用評級方法模型的不足，Vapnik（1995）根據統計學習理論提出了支持向量機法，較好地解決了過去研究方法非線性、非正態(tài)、小樣本、學習速度慢等缺陷。該方法分為線性支持向量機和非線性支持向量機，通過構造拉格朗日函數等得出最優(yōu)分類函數。陳偉、王業(yè)球（2011）采用支持向量機的方法對中小企業(yè)的信用狀況進行了評級，并以實證的方式與BP網絡神經進行了比較分析。朱順泉（2012）采用最小二乘系統對支持向量機進行了修正，以2008年54家典型代表上市公司為樣本做了研究，實驗結果最小二乘支持向量機在中國資本市場具有良好的應用前景。

（四）信用評級的其他方法

1、Credit Metrics模型。該模型是由J.P 摩根（Morgen）等銀行共同研究的第一個評估信用風險的量化模型，通過確定風險期間、評級系統、評級轉移矩陣、信貸利差溢價、違約損失率等計算貸款等的信用風險值。涉及到違約模型，違約相關系數模型，資產收益率相關系數等量化估計。由于CreditMetrics模型涉及諸多參量需要確定，且信用矩陣模型也不太成熟，制約了該模型的推廣。2006年，李興發(fā)、王慶石通過采用該模型對單筆債券或貸款、組合債券或貸款的風險進行了研究，并指出該模型對商業(yè)銀行對企業(yè)的信用評級具有主要借鑒價值。

2、KMV模型。由美國KMV公司開發(fā)的KMV模型，以期權定價模型為理論基礎，主要通過三大步驟來計算企業(yè)違約的概率：第一，計算企業(yè)的市場價值及波動性;第二，確定違約觸發(fā)點（DPT）和違約距離（DD）;最后，根據違約距離和違約概率之間的關系得出企業(yè)違約概率。郭立侖（2012）選取了64家上市公司對其2010年的信用狀況運用KMV模型進行了實證研究，結果表明KMV在我國具有良好的適用性，隨著信用等級的降低信用風險也隨之增加。

3、Copula模型。該模型是依據相依Copula函數于1959年由Sklar提出的相關理論而來的，主要包括二元Copula、多元Copula、時變Copula、變結構Copula和配對Copula，一般通過極大似然估計法和秩相關法來選擇，在企業(yè)內部評級預警、部門風險暴露、違約概率的估計等方面有著廣泛應用。

4、投影尋蹤法。投影尋蹤（Projection Pursuit）由斯坦福大學的Friedman和Tukey教授首先提出，是依據投影尋蹤技術來解決高緯數非正態(tài)、非線性的問題，并通過構造判別模型來解決企業(yè)信用評級的新興方法。基本思路是通過降緯的方式確定投影指標，并將其作為目標函數進而判別分析。王春峰、李汶華（2000）基于投影尋蹤法對商業(yè)銀行的信用風險評級問題進行了實證研究，同時和傳統的判別模型、Logistic模型等進行了對比分析，結果發(fā)現投影尋蹤法的信用評估精度更高。

三、結論和展望

本文從定性分析、統計分析、神經網絡和支持向量機等角度對信用評級的方法模型進行了梳理和研究，研究發(fā)現未來對信用評級方法模型的選擇應關注以下幾點：

一是對企業(yè)而言，影響其信用的因素十分復雜，僅僅考慮可以量化的因素顯得過于片面，而過多地對非量化因素分析則具有更多的主觀色彩。如企業(yè)出現信用狀況較差，不一定通過財務報表反映出來，而此時其戰(zhàn)略導向、市場份額以及過度依賴銀行借貸等則可很好地體現出來。因此，在選擇信用評級模型時，不能單純地依靠企業(yè)財務報表的數字，還應在模型設計中加入足夠的定性因素。

二是信用評級模型的構建需要設計指標，情境不同指標選取也應不同。信用評級涉及的財務指標方方面面，只依靠資產負債表和利潤表得出結論則顯得不足。在我國，有的學者過多地從償債能力和盈利能力角度選取指標，忽視了現金流量方面的指標選取，而對企業(yè)周轉能力具有重要影響的現金流量指標對企業(yè)的信用狀況有著重要影響。因此，將三大報表涉及的指標綜合起來考慮，模型的可靠性則會大大提高。

三是同一財務比率，不同行業(yè)具有不同的標準，甚至差異很大。針對信用評級，不應將一個行業(yè)的評級標準應用于其他行業(yè)，應在充分調研和研究的基礎上，依據不同行業(yè)建立行業(yè)的信用評級模型和標準，提高信用評級模型的可比性和準確性。

總之，本文論述的各類模型具有內在的優(yōu)點和缺陷，依靠單一的方法模型對企業(yè)的信用水平進行研究，雖然可以得出一定的結論和成果，但在我國企業(yè)財務數據不健全，信息不對稱現象嚴重的情況下，應用多種分析方法相結合對企業(yè)進行信用評級則更為合理，有助于提高模型的預測價值和結論的可解讀性。

參考文獻

[1]Altman EI. Financial ratios， discriminated analysis and the prediction of corporate bankruptcy[J].Journal of Finance，

1968（23）：589-609.

[2]Ohlson J A. Financial ratios and the probabilistic of bankruptcy[J].Journal of Accounting Research，1980，18（1）：109-131.

[3]陳偉，王業(yè)球.基于支持向量機方法的中小企業(yè)信用評級優(yōu)化研究[J].云南財經大學學報：社會科學版，2011，（6）：82-85。

[4]杜棟，龐慶華.現代綜合評價方法與案例精選[M].北京：清華大學出版社，2005。

[5]杜曉穎.企業(yè)信用評級體系的構建—基于非上市公司的視角[J].廣東金融學院學報，2012，（4）：86-96。

[6]郭立侖.我國上市公司信用風險度量—基于KMV模型[J].生產力研究[J].生產力研究，2012，（1）：76-78。

[7]顧海峰.信用平穩(wěn)下商業(yè)銀行信用風險測度模型及應用—基于模糊綜合評判法[J].財經理論與實踐，2014，（9）：8-12。

[8]劉淑蓮，王真等.基于因子分析的上市公司信用評級應用研究[J].財經問題研究，2008，（7）：53-60。

[9]王春峰，李汶華.商業(yè)銀行信用風險評估：投影尋蹤判別分析模型[J].管理工程學報，2000，（2）：43-46。

[10]吳金星，王宗軍.基于層次分析法的企業(yè)信用評價方法研究[J].華中科技大學學報（自然科學版），2004，（3）：109-111。

[11]張鴻，丁以中.基于BP神經網絡的企業(yè)信用評級模型[J].上海海事大學學報，2007，（3）：64-68。

[12]張玲，曾維火.基于Z值模型的我國上市公司信用評級研究[J].財經研究，2004，（6）：5-13。

[13]張鵬，曹陽.上市公司信用風險度量研究[J].財經問題研究，2012，（3）：66-71。

[14]朱順泉.信用評級理論、方法、模型與應用研究[M].北京：科學出版社，2012。

[15]鄒亞寶，梁紅漫.基于Logistic回歸的我國上市公司信用評級模型研究[J].西南金融，2013，（3）：14-19。

The Research Review on the Credit Rating Methods and Models and the Outlook

QING Gu ?XIN Chaoqun

（College of Economic and Management， Dalian University， Dalian Liaoning 116622）

Abstract：The paper respectively expounds the related research and application results of the major kinds of credit rating methods such as the qualitative analysis of credit rating like Analytic Hierarchy Process （AHP）， statistical analysis methods like Probit model， neural network and support vector machine methods like Support Vector Machine （SVM）， and other methods like projection pursuit method. The paper believes that each model has its own inherent advantages and defects， so a variety of analysis methods should be combined to make the credit rating for the enterprises， which helps to improve the predictive value of the models and the rationality of the conclusion.

Keywords： credit rating method; research review

責任編輯、校對：張德進