企业信用评级模型

企业信用评级模摘要社会信用体系是市场经济体制中的重要体系。当前，社会中商业欺诈，制假售假，非法集资等现象屡禁不止，这些社会信用问题归根到底都是企业信用的问题，因此，科学、合理、公正、权威的企业信用评级技术是当前紧要的任务。本文通过研究研究国内外企业信用评价方法，构建了一个企业信用评价平台。该平台提供了信用评价，信用等级，信用反馈等功能，是一个功能非常完备的信用评价平台。企业信用评级模型是评价企业信用等级的有效工具，随着全世界债券市场的迅猛发展、抵押品价值降低及其波动性增加，该模型将会得到更为广泛的关注，并将为我国各公司企业运用数学模型度量企业信用评级提供了重要参考意义。关键词：数学模型企业信用等级企业信用评级模型信用评价AbstractThesocialcreditsystemisanimportantsystemofmarketeconomysystem.Atpresent,commercialfraudinthesocietyofcounterfeitgoods,thephenomenonsuchasillegalfund-raising,thesocialcreditproblemsinthefinalanalysisareenterprisecreditproblems,therefore,scientific,reasonable,fairandauthorityofenterprisecreditratingtechnologyisthecurrenturgenttask.Throughresearchtheenterprisecreditevaluationmethodsbothathomeandabroad,thispaperbuildsaenterprisecreditevaluation,creditrating,creditfeedback,andotherfunction,isaverycompletecreditevaluationplatform.Enterprisecreditratingmodelisaneffectivetoolforevaluationofenterprisecreditratingwiththerapiddevelopmentofbondmarketsaroundtheworldthevalueofcollateralreducesanditsvolatilityincreases,themodelwillbemorewidespreadattention,andthemathematicalmodelforthecompaniesinourcountryenterpriseusemetricenterprisecreditratingprovidesanimportantreferencesignificance.Keywords:mathematicalmodelEnterprisecreditratingEnterprisecreditratingmodelCreditevaluation目录摘要·················……························Abstract··········································第一章绪论··········································11.1选题背景和意义·································11.2国内外文献综述·································21.2.1国外研究现状·······························21.2.2国内研究现状·······························51.3我国研究现状及存在的问题························9第二章信用评级主要方法与模型综述····················102.1专家评估法及其优缺点·····························102.2财务比率分析法及其优缺点·························122.3多元判别分析(MDA)及其优缺点····················142.4logistic分析及其优缺点··························152.5非参数方法········································172.5.1聚类分析及其优缺点····························172.5.2K近邻判别及其优缺点··························192.6Z模型和Zeta模型及其优缺点······················192.7基于投影寻踪和最优分割及其优缺点·················212.8模糊综合评判法及其优缺点·························262.8.1确定评语集····································272.8.2确定指标权重集·······························282.8.3确定评判矩阵···································282.8.4模糊综合评判···································292.8.5模糊合成算子的选择·····························312.9遗传算法优化ＢＰ神经网络及其优缺点·················342.10基于有序分类和支持向量机方法及其优缺点············392.10.1有序分类问题与内置空间法·······················392.11C4.5算法建立决策树模型及其优缺点··················422.12kmv公司的kmv模型及其优缺点·······················442.13j.p摩根的creditmetrics模型及其优缺点············452.14麦肯锡公司的creditportfolioview模型及其优缺点···462.15瑞士信贷银行的creditrisk+模型及其优缺点··········46第三章现代模型在中国应用的缺陷性及改进措施·············473.1对于现代模型的运用还处于尝试阶段·····················473.2改进措施············································48第四章对我国企业信用评级工作的建议·····················50参考文献················································52第一章绪论1.1项目背景及意义社会信用体系是市场经济体制中的重要体系。建立社会信用体系，是完善我国社会主义市场经济体制的客观需要，是整顿和规范市场经济秩序的治本之策。当前，社会中商业欺诈，制假售假，非法集资等现象屡禁不止，这些问题的源泉归根到底是社会信用出现了问题，因此加快建设社会信用体系，打击各种违法行为，处理各种信用问题不仅维护了正常的社会经济秩序，保护了群众权益，也进一步推进了政府更好的履行其公共服务、经济调节、以及市场监管的职能。市场经济条件下，社会信用体系由个人信用、政府信用、企业信用融合而成。其中个人信用是社会信用的基础；政府信用是社会信用的基石；而企业信用是最关键，最活跃和最具影响力的。因为企业信用不仅在一般交易市场被多方重视更重要的是在金融市场被投资人或者贷款人所关注。随着市场经济的不断发展，企业信用将成为合作与交易的先决条件，因此当前我国企业信用体系建设是整个社会信用体系建设的重点。当前我国企业信用体系建设中存在的各种问题尽管表现形式各异，但从本质上讲，主要是企业信用信息的缺失，具体表现为企业信用信息的有效供给和有效需求的双重不足。一方面，由于企业体系建设滞后，使资信评估机构难以全面、准确、快速地获得企业信用信息，并通过评级技术确定其信用等级，即资信评估机构难以有效地生产出能够满足市场需求的高品质的信用信息产品，形成有效供给。另一方面，由于缺乏高品质的，能够满足市场需要的信用信息产品，投资者或者企业在进行投资或参与市场交易时，虽然对信用产品有需求，但不能转化为现实需要，即潜在的需求不能转化为有效需求。正是这种有效供给与有效需求之间的矛盾，互相制约，恶性循环，严重制约了我国信用市场的健康有序发展。因此当前我们迫切的主要任务就是建立一套完整，可靠的企业信用体系，而企业信用体系的核心就是要有一种企业信用等级必须能够客观公正地反映企业信用的真实状况。因此，科学、合理、公正、权威的企业信用评级技术是成功地实施企业信用制度的关键所在，也是企业信用体系的紧要研究课题。1.2国内外文献综述1.2.1国外信用评级研究概况国外信用评级的研究始于上世纪三十年代，分成四个阶段。第一阶段主要建模方法是基于传统的比例分析方法，如“SC,LAPP”和财务比率分析方法。第二阶段始于上世纪六十年代，这一阶段的主要方法包括多元判别分析法(MDA)，Logistic回归模型以及聚类分析等非参数方法。该阶段中关于财务信息与信用风险关系的研究主要以线性判别为主，在线性判别模型中又以Beaver的单变量模型和Altman的多元模型影响最为广泛。Beaver对30多个企业的财务比率进行了研究，运用单变量分析法对企业的违约进行研究，通过对样木的分析找到破产企业与非破产企业单个财务比率的临界点，并利用该临界点对破产企业和非破产企业进行预测。Altman于1968年对“家美国制造业企业的经营情况进行了典型判别分析，提出了著名的Z-Score模型，1977年Altman本人又对Z-Score模型进行了修正和扩展，建立了ZETA评分模型。许多金融机构用它预测信用风险，并取得了一定的成效。Z-Score模型和ZETA模型，都是以会计资料为基础的多变量信用评分模型，由其计算的Z值可以反映贷款企业在一定时期内的信用状况(违约与不违约、破产与不破产)，简单实用，很快成为了预测企业违约或破产的主流分析方法，被应用到世界上超过25个国家。类似的研究还包括Horrigan,Pogue和Soldofsky,West,Horton等。但是多变量区别分析法有着严格的假设条件，如多元正态分布、等协方差矩阵等等，针对这些问题，Ohlson构建了假设条件较为宽松的Logistic识别模型，并将其应用于商业银行信用风险评估领域，Madalla采用Logistic模型区别违约与非违约贷款申请人的信用状况，Libby首次将主成份分析方法引入判别模型以克服变量多重共线性的问题。Zmijewski则引入Probit模型进行类似的研究。由于统计模型有着比较严格的假设，同时线性技术又无法区分出随机噪声和非线性关系。因此依托迅速发展的计算机信息技术，运用数据挖掘方法进行建模在近年来的信用风险评估领域得到了广泛的关注。也就是评级模型发展的第三阶段。该阶段的主要方法是人工智能方法，主要建模方法包括专家系统，人工神经网络、决策树算法、支持向量机和遗传算法等。Odom首次将神经网络引入企业破产领域，用BP神经网络预测了财务困境，结果显示神经网络模型优于判别分析模型。随后Tam和Kiang,Trippi和Turban,Coats和Fant,Bell等也都采用神经网络模型来对公司和银行的财务危机进行了预测，取得了一定的效果。KatiusciaManzoni利用神经网络对欧洲债券的信用评级和降级概率进行了研究。Makowsik是第一批倡导将决策树方法应用于信用评估的学者之一，之后Carter,Catlett以及Boyleetal也对决策树方法用于信用评估的结果进行了分析。TaeK.