前言：想要寫出一篇引人入勝的文章？我們特意為您整理了企業信用風險的評估方法淺述范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：企業信用風險評估日益成為銀行規避風險的基礎和關鍵。本文通過梳理國內外文獻，總結信用風險評估方法發展的不同階段，并列舉不同階段的相關代表模型，指出不同模型的優缺點，為銀行開展企業信用風險評估提供依據。

關鍵詞：信用風險評估；模型；違約風險

引言

信用風險亦稱作違約風險，是指以企業為主的借款人或者交易對方由于主、客觀原因不能或者不愿履行合同，使銀行等投資者出現損失的可能性。企業信用風險評估，是通過對能夠體現企業信用風險的定性、定量指標進行分析、計算，得出作為借款人的企業最終發生違約可能性，作為銀行決定是否為其貸款的依據。因此，信用風險評估逐漸成為銀行規避風險的基礎和關鍵，信用風險評估的方法也不斷豐富和發展。

一、信用風險評估方法綜述

國內外信用風險評估的方法前后大致可以分為主觀定性分析方法、依賴財務數據的信用評分方法和信用風險量化管理模型以及結合了數據挖掘技術的信用風險評估模型等不同方法。

（一）主觀定性分析方法

主觀定性分析方法是早期信用風險評估的主要方法，這種方法的應用主要取決于專家的主觀判斷。因素分析法是主觀分析方法的典型代表，主要包括5C法、5P法和5W法等。但是該主觀性極強的評估方法判斷結果因人而異，可信度不高。

（二）依賴于財務數據的信用評分方法

該階段主要代表方法有多元判別模型、logit模型和probit模型。Altman（1968）利用美國破產企業和非破產企業不同特征的財務指標構建了用以判別企業財務風險的判別函數，較早地使用多元判別模型評估企業財務風險。并在此基礎上不斷完善，構建了Zate信用評分模型。而線性判別技術對其使用的數據要求嚴格，即要求其滿足協方差矩陣相等、服從嚴格正態分布等，使其實際應用也受到限制。Logit模型是建立在logistic函數模型上的信用風險評估模型，最早由Ohlson（1981）提出。通過對破產企業和非破產企業的調查，使用logit模型評估企業實際發生違約的可能性大小，并發現其評估結果較多元判別模型更為準確。Probit模型與logit模型原理相似，可視為后者的擴展。但同logit模型一樣，probit模型對數據的需求量大，數據需服從嚴格正態分布的要求也使這兩種模型的應用受限。

（三）信用風險量化管理模型

這類評估方法以KMV模型、Credit-metrics模型及CreditRisk+模型為代表。KMV模型是由美國KMV公司提出并以其公司名稱命名，建立在公司債務定價模型和期權定價模型基礎上監測上市公司信用風險的模型。KurbatM.（2002）、PeterCrodbie（2003）利用該模型分別預測較大樣本量的上市公司和金融企業的違約可能，均驗證了KMV模型的預測能力。但該模型的應用需要大量的公開市場信息，因此僅在上市公司財務風險預測上取得一定成果。Credit-metrics模型由KMV公司和J.P.摩根銀行共同提出，通過風險矩陣計算資產組的在險價值并結合相應的銀行評級資料計算目標企業的信用風險。該模型的效果在DJones（1999）的研究中得到了肯定。然而企業的長期信用評級數據缺失與否，是影響該模型發揮作用的關鍵。由瑞士第一波士頓銀行提出的CreditRisk+模型是建立在Panjer這一保險精算遞推算法上的信用風險計算模型。該模型的應用重點在于對算法本身的提升，其模型計算的準確性也受算法本身正確與否的影響，而這一點也在IyerD.（2005）的研究中得以證實。但是梁世棟（2002）在研究中發現，以上三種信用風險量化管理模型在當前環境下，僅適用于美國本土企業，而在對我國企業信用風險的評估中效果不及預期。

二、文獻述評及總結

文獻梳理發現，信用風險的評估方法逐漸由主觀定性判斷轉向以定性、定量指標相結合的依賴信息技術的綜合分析方法。不同評估方法的出現與完善為商業銀行對企業信用風險的評估提供了更為科學與便捷的路徑。但不可忽視每一種方法具體的應用環境與實施基礎。因此，商業銀行應“因時、因地制宜”得采用適當方法評估企業信用風險，以達到規避風險的目的。

參考文獻：

[1]Altman.E.I.Financial.ratios,.discriminant.analysis.and.the.prediction.of.corporate.bankruptcy[J].Journal.of.Finance,.1968,23(1):193-194.

[2]Ohlson.J.A..Financial.Ratios.and.the.Probabilistic.Prediction.of.Bankruptcy[J].Journal.of.Accounting.Research,.1981,18，(1):109-131.

[3]李云飛,惠曉峰.基于支持向量機的股票投資價值分類模型研究[J].中國軟科學,2008，(01):135-140..

[4]李揚,李竟翔,馬雙鴿.不平衡數據的企業財務預警模型研究[J].數理統計與管理,.2016,(1):15.

[5]梁世棟,郭仌,李勇,方兆本.信用風險模型比較分析[J].中國管理科學,2002,(01):18-23.

作者:孟杰 單位:天津財經大學