四种信用风险模型

20世纪70年代以前，金融机构在测定和管理信用风险方面将定性与定量分析相结合，主要通过分析财务报表对客户的信用质量进行主观评价。20世纪80年代以后，随着金融理论及计量技术的发展，基于金融市场信息和金融理论的现代信用风险量化模型逐渐发展起来。国际上一些大型金融机构开发出各自的信用风险评估系统。这些模型为实现投资分散化和具体的授信决策提供量化的、科学的依据，为传统信用分析方法提供很好的补充。

专家分析法对信用风险的评估取决于专家的主观判断，通过定性分析有关指标来评价客户信用风险。常用的要素分析法有5C分析法，由品格（Character）、资本（Capital）、偿付能力（Capacity）、抵押品（Collateral）和经济周期（CycleCondition）五个因素对借款人进行判断和权衡。专家分析法是一种比较有效的评价分析债务人信用品质的方法，这种方法对分析者的要求和依赖性很高，还需要培训后备专家，成本很高。此外，这种方法很多时候依赖于债务人的历史表现和专家的主观判断，比较缺乏客观的评价分析。

财务比率模型采用定量的手段以及判别分析来进行信用风险评价。1968年，Altman提出了Z计分模型。该模型主要是从上市公司财务报告中计算出一组能够反映企业财务危机程度的财务比率，并根据这些比率对财务危机警示作用的大小给予不同的权重，最后进行加权计算得到企业的信用风险总判别分Z，将其与临界值对比就可知企业财务危机或信用风险的大小。

Logit模型是采用一系列财务比率变量来分析公司破产或违约的概率，然后根据投资者的风险偏好程度设定风险警界线，以此进行风险定位和决策。Logit方法克服了线性判别函数统计假设过于苛刻的不足，对预测企业破产尽管有所改进，但仍不够理想。

现代信用风险模型主要有以下几种。CreditMetrics由J.P.摩根公司和一些合作机构于1997年推出，是一种信用在险值（CreditVAR）模型。信用在险值是指给定的信用风险期限内，在一定的置信水平下，信贷资产可能遭受的最大损失。CreditMetrics模型简单不复杂，透明度高。CreditRisk+由瑞士信贷银行于1997年发布。模型源于保险精算学，只考虑违约和不违约两种状态，同时假定违约率是随机的。CreditPortfolioView（简称CPV）基于CreditMetrics的思路，通过输入宏观经济变量，如利率、失业率、经济增长率和政府支出等，对各国不同产业间的信用等级转移概率和违约概率的联合条件分布进行模拟。CPV克服了CreditMetrics关于不同时期的评级转移矩阵固定不变的缺点。KMV模型是将期权定价理论应用于贷款和债券估值而开发出的信用监控模型，它通过对上市公司股价波动的分析，来预测股权公开交易公司发生违约的可能性。