目录一、引言 (3)二、企业信用评级的必要性 (3)三、传统的企业信用评级方法比较分析 (4)㈠综合评判法——专家系统 (4)㈡线性模型分析法——信用评分方法 (4)㈢专家系统和线性模型分析法的比较分析 (5)四、现代企业信用评级方法比较分析 (5)㈠现代企业信用评级模型总体分析 (5)㈡信用监控模型（credit monitor model）：KMV模型 (6)㈢在险价值方法：risk metrics 模型和Credit metrics模型 (6)㈣KMV模型与Credit metrics模型的比较分析 (6)㈤KMV模型与线性模型的比较分析 (8)㈠现代企业信用评级模型总体分析 (8)㈡人工神经网络分析法 (9)㈢模糊分析法 (9)六、结论 (10)企业信用评级方法（模型）比较分析陈婕摘要：本文从企业信用评级的传统方法（专家系统评级法、信用评分法）、现代方法（KMV 模型、Credit metrics模型、Credit Portfolio V iew模型和Credit Risk+模型等）和新科技方法（模糊综合评价法、人工神经网络分析法、Logit模型统计法等）这三个方面进行分析。

重点分析了若干个信用评级模型，如专家系统、信用评分系统、KMV模型、Credit metrics模型、人工神经网络分析法、模糊综合评价法。

并对个别模型进行了比较分析，如KMV模型和Credit metrics模型的比较分析，KMV模型和线性模型的比较分析，提出了我们应灵活运用企业信用评级方法，并结合多种方法，相互取长补短，对企业信用进行有效而合理评级的观点。

关键词：企业信用评级方法评级模型比较分析一、引言：信用风险是商业银行承担的最重要的风险。

对企业信用风险的进行评级和度量不仅有利于金融机构有效降低风险，提升自身的发展能力，对国家金融稳定和经济发展有着重要的作用。

在我国，由于受到银行业旧体制的影响，国内开始研究信用风险评级和度量方法的时间晚于其他国家。

自2000年以来，为数不少的国内科研工作者积极投入信用风险度量研究，并在理论研究和实际应用上取得了，一定的成绩。

由此可见，对风险进行度量，对企业进行有效的信用评级已经成为现代银行和其他金融机构风险管理职能中最为重要的内容之一。

二、企业信用评级的必要性信用风险由来已久，它随着借贷的产生而发展。

对于一个贷款企业而言，其能否按时归还贷款总是存在着不确定性，这种不确定性具体表现为，贷款企业不愿意履行或不能完全履行还款责任，信用风险一旦形成，银行将会因客户违约而遭受巨大金融损失。

因此，银行需要对贷款企业进行严格的信用评级。

对企业进行信用评级的意义在于，它可以消除银行与企业之间的信息不对称性，提高银行借贷的管理效率，从而使资本市场的整体效率得以提高。

对于企业而言：有效的信用评级，可以使资信良好和还款能力强的企业取得所需贷款资金从事经营活动。

对于银行而言：其不仅可以拥有适合其风险偏好的标的，取得收益。

同时还可以有效的过滤资信较差和还款能力较弱的企业，从而缓释银行违约风险。

所以，对企业进行合理而准确的信用评级是相当必要的。

然而，信用评级是否合理，评级结果是否准确，在很大程度上取决于评级方法的科学性。

那么，到底有哪些信用评级的方法呢？哪些才是合理而有效的信用评级方法？下面我就对企业信用评级方法进行简要的阐述与分析。

三、传统的企业信用评级方法比较分析传统度量方法是以定性分析为起点，结合财务报表有关数据进行分析。

下面我以专家系统、信用评分方法为例，对传统的企业信用评级方法进行分析和比较。

㈠综合评判法——专家系统专家系统是一种传统的评级方法。

传统的信用评级方法包括以5C法为代表的专家判断法和以5C法为基础发展起来的综合评价法，包括品德和声望(Character)、资格与能力(Capacity)、资金实力(Capital or Cash)、担保(Collateral)、及经营环境(Condition)。

也有些银行将信用分析的内容归纳为“5W”或“5P”。

专家系统评级方法的特点是：银行贷款的决策权是由该机构那些经过长期训练和具有丰富经验的信贷人员所掌控，并由他们做出是否贷款的决定。

因此，在信贷决策过程中，信贷人员的专业知识、主观判断以及某些关键要素的权衡均为最重要的决定因素。

专家系统判断法是一种综合评判法，综合评判法就是对多种因素所影响的事物或现象做出总的评价，属于定性分析。

从信用评级本身的属性来看，企业信用评级属于一种不确定性的模糊问题，因此，综合评价法的发展趋势是与模糊理论相结合来对企业进行信用评级，从而使评级结果更科学、更准确。

但是专家系统判断法也存在着一些固有缺陷：如不能对因素进行量化分析；判断具有主观臆断性，带有很大不确定性；且判断具有一致性，不能区分哪些是不同类型借款人的重要的共同因素。

所以在实践中，专家系统方法应配合其他评级方法一起使用，扬长避短。

㈡线性模型分析法——信用评分方法信用评分模型是传统方法中研究者最多的模型，1968年爱德华﹒爱特曼教授提出了Z计分模型（Z-score model），1977年对模型进行修正和扩展后，提出θ模型，由于信用评分模型使用方便、易于计算，在度量企业信用风险中使用较为广泛。

Z计分模型如下：Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5式中，X1为营运资本/总资产比率；X2为留存盈余/总资产比率；X3为利息和税收之前的收益/总资产比率；X4为股权的市场价值/总负债的账面价值比率；X5为销售额/总资产比率。

Z值越大，资信就越好，Z值越小，风险就越大。

θ模型包含七个指标变量：资产收益率、收益稳定性指标、债务偿付能力指标、累计盈利能力指标、流动性指标、资本化程度指标、规模指标。

从模型的改进发展来看，θ模型的分类比Z计分模型分类的准确度高，特别是破产前较长时间的预测准确度相对较高。

㈢专家系统和线性模型分析法的比较分析专家系统和线性模型分析法（Z计分模型和 模型）都属于传统的企业信用评级方法，都比较侧重于对信用风险的定性分析，方法比较简单。

随着信息经济学兴起，信用风险度量逐步建立起以违约风险为核心的度量体系，而传统的企业信用评级方法缺乏对违约和违约风险的认识，理论基础薄弱，难以令人信服。

线性模型分析法都依赖财务报表的账面数据，具有一定程度上的定量分析，不似专家系统只对信用风险进行定性分析，但是我觉得其定量分析的比较浅显，只是进行简单的线性分析，所以它其实仍偏向于对企业风险的定性评估。

其次，线性模型分析法克服了专家系统评级的随意性和主观性。

四、现代企业信用评级模型比较分析近几年来，商业银行业务出现多元化趋势，投资银行和信托业务的开展使得商业银行表外业务增强且风险的内涵不断扩大，促使银行采用更有效的方法度量和控制信用风险。

新一代金融工程专家在风险管理理论的基础上创建起了许多以数理模型为基础的信用风险计量方法并应用到这一领域。

㈠现代企业信用评级模型总体分析现代企业信用评级模型以KMV(credit monitor model)模型、J.P.摩根的Credit metrics模型、麦肯锡(McKinsey)公司的Credit Portfolio View模型和瑞士信贷银行(CSFP)的Credit Risk+模型为代表。

毫无疑问，这些信用风险管理模型的发展正在对传统信用风险管理模式产生革命性的影响，一个现代信用风险管理的新模式正在形成。

这些现代风险度量模型各有特点，展现出以下几个方面的创新：1.建立了以违约风险为核心的信用风险度量体系；2.大量引入数学方法、统计方法度量信用风险；3.尽可能多地考虑外部影响因素。

但是，上述模型依然存在着许多不足之处：1.多数模型正态分布的假设难以真实反映信用风险的实际分布，实际上，长期债务可以依据其优先偿还顺序、有否担保、有否契约、能否转换等来区别不同的长期债券，因而造成违约的确定的不准确，使模型产生变量不准，需要寻找符合信用风险分布特征的数学模型代替；2.信用等级转移矩阵的数据来源和全面性仍然受到挑战；3.道德风险和逆向选择的影响因素未能在计量模型中充分反映；4.现代度量模型需要一个庞大的数据库作为支持。

如，KMV模型需要一个较为充分的违约数据库作为支持。

对现代企业信用评级模型进行总体分析之后，我们有必要对单个的模型进行比较分析，众所周知，KMV模型与Credit metrics模型是目前国际金融界最流行的两个信用风险管理模型。

下面，我们就以这两个模型为例，对其进行比较分析。

㈡信用监控模型（credit monitor model）：KMV模型KMV模型的主要思想是：利用期权定价原理对风险债券和贷款进行评估由股权价值及其波动率推出资产价值及其波动率。

它是以EDF（预期违约频率）为研究的核心手段的模型。

KMV模型是对传统信用风险度量的一次革命。

首先，KMV模型可充分利用资本市场上的信息，对所有公开上市的的企业进行信用风险的量化分析；其次，这种方法的数据来源于企业在股票市场上的信息，而非企业的历史账面资料，应此，它更能反映企业当前的信用状况，使预测更及时、准确；再次，KMV模型具有很强的理论基础。

但是，该模型也有其固有的不足，主要表现在以下两个方面：1.模型的使用范围仅限于上市公司，对非上市公司的EDF进行计量的时候往往需要借助会计资料信息或其它指标；2.该模型假设企业的资产价值成正态分布，而在实际上，会有所偏差。

㈢在险价值方法：risk metrics 模型和Credit metrics模型1994年，J.P.摩根推出了以V aR为基础的风险矩阵（risk metrics）,1997年，又推出了信用风险量化度量和管理模型——信用矩阵（Credit metrics）。

由于V aR方法能够简单清楚地表示市场风险的大小，又有严谨、系统的概率统计理论作为依托，因而得到了国际金融界的广泛支持和认可。

但是这一方法也存在了以下几方面的问题：第一，现在的市场价值不是可以直接观察到的，因为大多数贷款并不进行交易。

第二，我们没有时间序列数据来计算σ，即现在的市场价值的波动率。

对于一些可交易资产的收益采纳一种正态分布的假设之多只是一种粗劣的近似，如果这一近似的方法运用于分析贷款价值的可能的分布就更加粗劣了。

由此，J.P.摩根公司推出了信用矩阵（Credit metrics），旨在对贷款和私募债券这样的非交易性资产的价值和风险进行计算。

我们既不能观察到贷款的市场价值，也不能贷款价值在所关注的时期内的波动率，但是我们可以利用1.可得到的借款人的信用评级；2.下一年度评级发生概率的变化（评级转移矩阵）；3.违约贷款的回收率；4.债券或市场上的信用风险差价和收益率就有可能为任何非交易性贷款或债券计算出一组假象的P和σ，并随之计算出个别贷款和贷款组合的V aR值。