企业信用风险度量技术的革新与优化

传统的信用风险识别方法主要是基于对借款企业的财务和非财务分析，由专家评判，或是对各项指标评分得出信用等级。这些传统方法依据财务报表和其他历史记录，属于静态分析，难以及时发现债务人信用品质的细微变化；定性分析的成分较多，需要依靠分析人员的主观经验判断；效率较低，耗时费力。

20世纪60年代以来，破产现象的大幅度增加、融资非中介化、存贷利差缩小、贷款抵押品价值的波动加剧等，都对传统信用风险评估方法提出了挑战，银行需要对信用风险进行更为精确的测度。信用风险的度量方法酝酿着一场革命，与传统方法不同，新型度量方法注重建立技术性很强的数学模型。大银行、咨询公司和金融专家相继从不同角度开发各种信用风险度量模型，代表性模型的基本思想如下^[3]:

(一)Z计分模型

阿尔特曼(Altman，1968)利用判别分析技术，从众多财务比率中选取最能反映企业财务状况的若干比率，对各比率赋予相应的权重，构建区分破产与非破产企业的判别函数。将企业财务数据输入这个多变量模型后，即可得到信用评分(Z值)，进而将之与临界值比较，据以判断企业的评分是否位于破产区域。

(二)Logit模型

Logit模型是对线性概率模型的改良，以代表企业信用品质的虚拟变量作为因变量，将影响企业资信水平的财务指标或非财务因素作为自变量，采用回归分析，估计各项因素对企业信用质量的影响程度，并据此测算企业的违约概率。

(三)KMV模型(www.xing528.com)

KMV模型是由KMV公司开发的信用风险度量模型，旨在预测股票公开交易的公司对债务违约的可能性。模型的核心分析工具是EDF，即预期违约频率(expected default frequency)。模型的基本思路是:当借款企业资产的市场价值超出企业的负债时，企业有动力偿还贷款，并将剩余部分留作利润或投资收益。如果企业资产的市场价值小于其负债水平，企业的所有者就会选择违约，因为将企业全部资产出售也不足以偿付贷款，因而，企业的违约触发点被设定为与企业负债水平相等的企业市场价值或资产价值水平。EDF就是根据企业资产价值的波动性来衡量企业资产价值降低到违约触发点的概率，也即违约概率。企业资产价值的波动性是通过企业股票市场价格的波动性测算出来的。

KMV模型的特色在于从借款企业股权持有者的角度考虑借款偿还的动力问题，对企业信用风险的衡量指标EDF主要是基于对企业股票价格变化的分析。

(四)Creditmetrics模型

Creditmetrics模型即“信用度量模型”，由JP摩根银行与合作者于1997年推出。该模型的基本思路是估算信贷资产在信用品质变迁影响下的价值分布，据以计算信用风险的VaR值，即在给定的置信区间上、给定时段内贷款可能发生的最大价值损失。Creditmetrics认为信用风险取决于借款企业的信用状况，而企业的信用状况可以通过其信用等级得到反映。因而，该模型首先是确定借款企业当前的信用等级，然后再确定借款企业在既定的风险期限内由当前信用等级变化到其他所有信用等级的概率，并由此得到一个概率转移矩阵。接下来，估算出贷款期末在所有可能的信用等级下的理论市场价值，与信用等级转移的概率矩阵结合，就可以得到贷款在风险期限末的价值的概率分布。然后，求VaR值(给定的置信度上年末可能的贷款价值与贷款预期价值之间的差距)，即贷款价值损失。

Creditmetrics模型是基于信用等级变化的多状态盯市模型(mark-to-marketmodel)，而KMV模型则是仅考虑借款企业违约与否的两状态违约模型(defaultmodel)。