企业研究论文-关于科技型企业信用风险度量模型的选取.doc

企业研究论文-关于科技型企业信用风险度量模型的选取论文关键词：科技型企业信用风险Logistic回归模型论文摘要：科技型企业作为国民经济中一支活跃的力量，已逐渐引起各个银行的重视。但是对科技型企业信用风险的度量，国内尚无合适的方法。文章试通过对国际上较先进的信用风险度量模型进行介绍、比较，从而选取适合我国科技型企业的度量模型。科技型企业在生产经营过程中，资本金主要靠自我积累和银行信贷，银行借款成为其最主要的外部资金来源。然而，由于银行对科技企业的风险识别能力有限，加之信贷市场中的逆向选择和道德风险的存在，银行对科技企业贷款一直持谨慎态度。近年来，我国利率市场，特别是小额贷款的利率正逐步放开，商业银行为增加利润来源，渐渐趋向于各科技企业贷款。不过，科技企业贷款业务为银行带来利润的同时，也带来了较大的信用风险。因此，对于科技型企业的信用风险度量方法的选择，成为了各家银行急迫解决的问题。一、古典信用风险度量模型1.古典信用分析。古典信用分析属于定性分析，是银行最基本的信用风险度量方法。银行业在发展过程中为控制信用风险早已形成了一些有用的信用风险管理技术，如常见的5C法和5P法。5C法从以下五个方面对借款人的信用进行考察：品格、资本、偿付能力、抵押品、周期状况。5P法将以下五个因素作为银行判断企业信用的准则：个人状况、借款用途、还款来源、债权保障和未来前景。古典信用分析过分依赖专家的主观经验判断，不同专家对同一借款人会做出不同的判断，扭曲借款人真正的信用品质，同时它也缺乏为信用风险定价的市场机制，难以满足信用风险评估日益发展的要求。2.多元统计分析。即利用统计方法把企业违约概率评估看成是模式识别中的分类问题根据贷款企业的财务、非财务状况，将其分为正常和违约两类，或根据已评级级别结果分为多类，这样企业违约概率评估就转化为统计中的分类问题。根据历史样本每个类别（两类或多类），从数据中找出规律，总结出分类的规则，建立评估模型，然后用于对新样本的判别，这些判别的结果隐含着不同企业的综合得分或者说企业竞争力排序。国外关于违约概率评估研究，主要集中于违约的定性测度方法，然后根据结果，通过违约频率统计获得违约概率。按违约测度方法分：有线性判别模型，Logistic模型，神经网络模型等；按变量数分有单变量（Fitzpatrick，1932；Beaver，1966）和多变量方法；按变量性质分有定量变量，定性变量，混合变量。多元统计分析最初表现为多元线形判别分析模型，包括Z计分模型和ZETA模型。此后又产生了另一种多元线性方法线形概率模型，其典型代表有Logistic回归分析模型，随后又有像神经网络、遗传算法、线形规划等方法的信用风险模型的诞生。二、现代信用风险度量模型1.结构性模型。即基于公司价值的模型，把违约过程描述为公司价值恶化的显性结果，并把公司证券视为发行公司价值的或有债权（期权）。一旦公司估值过程的模型确定，公司的资本结构也已知，就可用期权定价公式对权益和债务进行定价。结构模型已经成为违约风险领域的一个市场标准。这类模型的主要特点之一是能够对上市公司信用价值进行逐日盯市的连续评估。但满足违约概率简单计算公式必要的基本假设有时与现实不符。2.简约化模型。这个方法不像结构型模型那样，要求利用企业参数确定违约风险。该方法通过外生定义的违约率和回收率，把有违约风险债券的定价或价差直接与无风险债券连在一起。在这种方法中，信用期限结构不是根据公司财务基础或宏观经济因素进行推导而是直接从市场数据中获取。在数学上，这种方法更易于实施。但从考察公司信用基础的角度看，这种方法远不如企业价值方法那么直观。3.CreditMetrics模型。它建立在Merton模型所构筑的资本结构假设之上（当公司市场价值小于债务值时,公司违约），因此借款人的违约概率和资产超过债务的数量、资产的波动密切相关,资产的变化遵循几何布朗运动,当资产的变化超过某一临界值时,借款人即违约。该模型应用信用受险价值（VaR）对一些非上市流通的资产，如贷款、私募债券等进行估价和信用风险评价。运用这个模型可以估算在极端情况下贷款或贷款组合的损失。4.CreditRisk+模型。该方法采用了保险精算的科学框架推导债券/贷款组合的损失分布，建立只考虑违约不考虑降级风险的模型。与信用计量模型（CreditMetrics）、KMV等不同，违约与企业的资本结构无关。CreditRisk+是信用违约风险的统计模型，该模型对引发违约的原因不作假设，与市场风险管理考虑的出发点是相同的。建立市场风险模型，不考虑市场价格变动的原因。银行和保险公司一样，必须用贴现现金流模型定量化度量自身蒙受的风险。保险公司的风险来源于客户的索赔，而银行的风险来源于债务人的违约。三、科技型企业信用风险度量模型的选取1.信用风险度量模型、方法的比较与评价。从上面的文献回顾可以发现，关于信用风险度量的模型和方法很多，然而由于信用风险本身的固有特点，大家公认和统一的模型和方法到目前还没有出现，各种模型和方法其本身都存在这样或那样的缺陷，且大多是针对上市公司等大型企业的，并没有考虑科技型企业自身的一些特点，因此有必要对这些模型和方法进行分析、比较、评价，从中选择合适的模型来度量我国科技型企业的信用风险。单变量模型具有简单可行的优点，但其缺陷是任何单个财务指标都无法全面地反映公司财务特征及公司总体情况，甚至任何单个财务指标将在很大程度上排斥其他指标的作用。多元线性判别模型具有相当的影响，它克服了单变量模型的缺点，判别的准确性也有大幅提高，但其本身也存在两大缺陷：其一，它是一个线性模型，但判断一个公司信用风险的因素非常复杂，不太可能成简单的线性关系；其二，它基本上采用历史财务比率，影响对借款人信用评价的时效性。Logistic等多元非线性回归模型很好的解决了非线性的问题，并且有较高的准确性，但也存在信用度量的时效滞后缺陷。KMV模型以股票市场数据为基础，而不是依赖会计核算数据，反映了市场中投资者对公司未来发展的综合预期，具有前瞻性、高敏感性；但它针对未上市公司具有一定的局限性，而且片面强调股票市场，变动敏感度太高。CreditMetrics模型成功地把信用风险度量与信用等级的转移、违约率等相关因素结合起来，使模型考虑的因素更加全面，适用范围更加广泛；但它片面强调信用评级，不能够反映特定债务人当前的信用质量变化情况。而且我国目前还没有一个权威的、完善的信用评级体系，也不可能有有效的信用风险转移矩阵，同时也缺少一个准确的基准贴现率，因此现阶段该模型在我国尚无法应用。CreditRisk+模型最大的优点是简单易用，泊松过程的应用使得计算非常有效，需要估计的变量很少，对于每个组合只需要知道违约概率和风险头寸；但它忽略了信用级别的变动，对于每个债务人风险头寸是固定不变的，只依赖于远期利率变动。甚至在大多数情况下，模型简化为违约概率由几种随机背景因子决定，风险头寸是常量。2.我国科技型企业信用风险度量可能采用的模型或方法。中小企业普遍存在着一些问题，如规模小、经营制度不规范、财务数据不完善、资本结构不合理和可抵押资产相对缺乏等。这意味着商业银行向科技企业贷款的信用风险较大，且有不同于一般企业信用风险的特点。科技企业贷款的信用风险与企业所有者个人的信用息息相关，判定指标体系不易用衡量大型企业的标准。然而，长期以来我国商业银行并没有将对科技型企业的贷款独立出来，信用风险内部评级仍然采用与大企业一样的体系。2003年以前，我国银行对贷款的分类一直延用“一逾两呆”的分类方式。“一逾两呆”分类管理主要依据借款人的还款状况将贷款划分为正常、逾期、呆滞、呆账四类，是一种事后监督的管理方法。从2003年1