信用分析方法

Ⅰ 什麼是信用分析模型

信用分析模型是准確評估對象的 信用等級 和風險級別的關鍵技術， 企業所在行業不同和客戶群的差異決定了信用分析模型設計的相對獨 特性。企業需要開發和應用專業的信用分析模型。 在企業開展信用分析工作時，僅靠管理人員的經驗和傳統方法， 往往達不到准確識別和評估風險的要求。

Ⅱ 如何進行信用分析中的定性分析

對債券投資主體的信用狀況進行定性分析包括宏觀環境分析、行業狀況分析、競爭地位分析、股東背景分析、公司治理分析和管理戰略分析等六個部分。
宏觀環境：關注宏觀經濟狀況和經濟增長速度、當前所處的經濟周期、宏觀經濟政策和法律制度。宏觀經濟周期與債券市場違約率存在很強的負相關關系，在經濟下行時，企業的信用狀況會惡化，企業所發債券的違約率會上升。
行業狀況：關注發行主體所處行業的景氣度與發展趨勢，關注行業周期、產品生命周期和行業在產業鏈中的地位。如果一個行業出現產能顯著過剩等趨勢性惡化且短期內難以扭轉，則即使行業內最好的企業信用狀況也存在惡化的可能。
競爭地位：關注企業在市場中的地位、企業的關鍵競爭優勢、市場佔有率等。企業在行業中越處於相對有利的競爭地位時，公司經營的穩健性往往越能得以保障。
股東背景：根據控股股東背景，可以將信用主體劃分為中央國有企業、地方國有企業以及民營企業等。
公司治理：公司治理主要涉及到企業各相關利益主體之間的責、權、利的劃分與相互的制衡。公司治理風險主要包括股權之爭、大股東掏空、管理層激進等方面：（1）實際控制權之爭，侵害債權人和中小股東利益的同時，也會加劇信用風險。（2）控股股東利用絕對控股地位，採用不合法手段，轉移下屬公司資源，侵佔中小股東及債權人利益。融資主體被大股東掏空後往往會成為空殼，債權人的利益難以保障，極有可能引發債務違約。（3）公司管理層風格過於激進，有可能導致企業無法承擔陡增的債務負擔，導致基本面惡化，並最終引發違約。
管理戰略：對公司的經營目標、管理風格、財務政策和融資戰略等進行分析。穩健的經營管理戰略有助於增強公司的穩定性。

Ⅲ 信用分析的基本框架是怎樣的

信用分析需要採用定性分析和定量分析相結合。定性分析包括外部宏觀環境分析、行業狀況分析、與信用主體的競爭地位分析和管理戰略分析，以及股東背景、公司治理等層面的分析。定量分析包括對債務人盈利能力、現金獲取能力、償債能力和資本結構等的分析。

Ⅳ 信用分析的古典信用分析方法

因此，在信貸決策過程中，信貸管理人員的專業知識、主觀判斷以及某些要考慮的關鍵要素權重均為最重要的決定因素。
在專家制度法下，絕大多數銀行都將重點集中在借款人的「5c」上，即品德與聲望(character)、資格與能力(capacity)、資金實力(capital or cash) 、擔保(collateral)、經營條件或商業周期(condition)。也有些銀行將信用分析的內容歸納為「5w」或「5p」。 「5w」系指借款人(who)、借款用途(why) 、還款期限(when)、擔保物(what)、如何還款(how)；「5p」系指個人因素( personal)、目的因素( purpose) 、償還因素( payment)、保障因素(protection)、前景因素(perspective)。這種方法的缺陷是主觀性太強，只能作為一種輔助性信用分析工具。 貸款評級分類模型是金融機構在美國貨幣監理署(occ)最早開發的評級系統基礎上拓展而來，occ對貸款組合分為正常、關注、次級、可疑、損失等5類，並要求對不同的貸款提取不同比例的損失准備金以彌補貸款損失。
在我國，1998年以前各商業銀行貸款分類的方法一直沿用財政部《金融保險企業財務制度》的規定，把貸款分為正常、逾期、呆滯、呆賬四類，後三類合稱不良貸款，簡稱「一逾兩呆法」。 這一方法低估了不良貸款, 因為它沒包括仍支付利息尚未展期的高風險貸款。1998年我國開始借鑒國際監管經驗，對貸款分類進行改革，按照風險程度將貸款劃分為正常、關注、次級、可疑、損失五類，即五級分類方法。2003年12月中國銀監會發布文件決定自2004年1月1日起，我國所有經營信貸業務的金融機構正式實施貸款五級分類制度。 信用評分方法是對反映借款人經濟狀況或影響借款人信用狀況的若干指標賦予一定權重，通過某些特定方法得到信用綜合分值或違約概率值，並將其與基準值相比來決定是否給予貸款以及貸款定價，其代表為z計分模型。
z計分模型是Altman 1968 年提出的以財務比率為基礎的多變數模型。該模型運用多元判別分析法，通過分析一組變數，使其在組內差異最小化的同時實現組間差異最大化，在此過程中要根據統計標准選入或捨去備選變數，從而得出z 判別函數。根據z值的大小同衡量標准相比，從而區分破產公司和非破產公司。1995 年，對於非上市公司，Altman對z 模型進行了修改，得到z′計分模型。Altman、Haldeman 和Narayannan在1977 年對原始的z 計分模型進行擴展，建立的第二代的zeta 信用風險模型。該模型在公司破產前5 年即可有效劃分出將要破產的公司，其中破產前1 年准確度大於90 % ，破產前5 年的准確度大於70 %。新模型不僅適用於製造業，而且其有效性同樣適用於零售業。上述兩種模型中，zeta 分類准確度比z 計分模型高，特別是破產前較長時間的預測准確度相對較高。由於方法簡便、成本低、效果佳，上述方法應用十分廣泛。
值得注意的是該類模型構建中的數理方法，綜合以來，主要有以下幾種：
1．判別分析法(discriminant analysis)
判別分析法(discriminant analysis，簡稱DA) 是根據觀察到的一些統計數字特徵，對客觀事物進行分類，以確定事物的類別。它的特點是已經掌握了歷史上每個類別的若干樣本，總結出分類的規律性，建立判別公式。當遇到新的事物時，只要根據總結出來的判別公式，就能判別事物所屬的類別。
da 的關鍵就在於建立判別函數。目前，統計學建立判別函數常用方法有：一是未知總體分布情況下，根據個體到各個總體的距離進行判別的距離判別函數；二是已知總體分布的前提下求得平均誤判概率最小的分類判別函數，也稱距離判別函數，通常稱為貝葉斯(bayes)判別函數；三是未知總體分布或未知總體分布函數前提下的根據費歇(fisher) 准則得到的最優線性判別函數。
2．多元判別分析法(multivariate discriminant analysis)
多元判別分析法(MDA)是除美國外的其他國家使用最多的統計方法。多元線性判別分析法，可以具體為一般判別分析(不考慮變數篩選)和定量資料的逐步判別分析(考慮變數篩選)。但應用多元判別分析(MDA)有三個主要假設：變數數據是正態分布的；各組的協方差是相同的；每組的均值向量、協方差矩陣、先驗概率和誤判代價是已知的。
該種方法的不足之處是必須建立在大量的、可靠的歷史統計數據的基礎之上，這在發展中國家如中國是難以具備的前提條件。
3．logit 分析判別方法
logit 分析與判別分析法的本質差異在於前者不要求滿足正態分布或等方差, 從而消除了MDA 模型的正態分布假定的局限性。其模型主要採用了logistic 函數。
該模型的問題在於當樣本點存在完全分離時，模型參數的最大似然估計可能不存在，模型的有效性值得懷疑，因此在正態的情況下不滿足其判別正確率高於判別分析法的結果。另外該方法對中間區域的判別敏感性較強，導致判別結果的不穩定。
4．神經網路分析法（artificial neural network，簡稱ANN）
神經網路分析法是從神經心理學和認知科學研究成果出發，應用數學方法發展起來的一種具有高度並行計算能力、自學能力和容錯能力的處理方法。它能有效解決非正態分布、非線性的信用評估問題，其結果介於0與1之間，在信用風險的衡量下，即為違約概率。神經網路分析方法應用於信用風險評估的優點在於其無嚴格的假設限制且具有處理非線性問題的能力。Altman、Marco和Varetto（1994）在對義大利公司財務危機預測中應用了神經網路分析法；Coats及Fant（1993）Trippi採用神經網路分析法分別對美國公司和銀行財務危機進行預測，取得較好效果。然而，要得到一個較好的神經網路結構，需要人為隨機調試，需要耗費大量人力和時間，加之該方法結論沒有統計理論基礎，解釋性不強，所以應用受到很大限制。
5．聚類分析法(cluster analysis)
聚類分析(cluster analysis)屬於非參數統計方法。信用風險分析中它根據由借款人的指標計算出的在樣本空間的距離，將其分類。這種方法一個主要優點是不要求總體的具體分布；可對變數採用名義尺度，次序尺度，因此該方法可用於定量研究，也可對現實中的無法用數值精確表述的屬性進行分析。這很適用於信用風險分析中按照定量指標(盈利比、速動比等) 和定性指標(管理水平、信用等級等) 對並不服從一定分布特性的數據信息分類的要求。例如，Lundy運用該方法對消費貸款申請者的典型信用申請數據及年齡、職業、婚否、居住條件進行處理分成6類並對每類回歸評分，它不僅將借款人進行有效的分類而且幫助商業銀行確定貸款方式策略。
6．k近鄰判別法(k-Nearest Neighbor)
k近鄰判別法在一定距離概念下按照若干定量變數從樣本中選取與確定向量距離最短k個樣本為一組，適用於初始分布和數據採集范圍限制較少時，減小了以函數形式表達內容的要求。另外，knn 通過將變數在樣本整體范圍內分為任意多決策區間，而近似樣本分布。Tametal將之用於信用風險分析，取馬氏距離，從流動性、盈利性、資本質量角度選出的19 個變數指標，對樣本分類，經比較其分類結果的准確性不如lda、lg 以及神經網路。原因在於在同樣的樣本容量下，若對具體問題的確存在特定的參數模型並可能找出時，非參數方法不及參數模型效率高。
7．層次分析法（AHP）
該方法強調人的思維判斷在決策過程中的作用，通過一定模式使決策思維過程規范化，它適用於定性與定量因素相結合、特別是定性因素起主導作用的問題，企業信用等級綜合評價就是這種定性因素起主導作用的問題。AHP 法的基本步驟是：建立遞階層次結構，構造判斷矩陣，求此矩陣的最大特徵根及其對應的特徵向量，確定權重，並進行一致性檢驗。
8．其他方法
此外還存在著其他眾多的方法：probit 法、因子－logistic法、模糊數學方法、混沌法及突變級數法、灰關聯熵、主成分分析綜合打分法、主成分分析與理想點的結合方法、原蟻群演算法、數據包絡判別法等等。關於這些方法的應用，將在後面的實證部分進行探討。

Ⅳ 信用評分模型的信用評分的方法

利用數據挖掘技術構建信用評分模型一般可以分為10個步驟，它們分別是：業務目的確定、數據源識別、數據收集、數據選擇、數據質量審核、數據轉換、數據挖掘、結果解釋、應用建議和結果應用。這些可以形象地表示為（圖一）：
1) 商業目標確定: 明確數據挖掘的目的或目標是成功完成任何數據挖掘項目的關鍵。例如，確定項目的目的是構建個人住房貸款的信用評分模型。
2) 確認數據源識別: 在給定數據挖掘商業目標的情況下，下一個步驟是尋找可以解決和回答商業問題的數據。構建信用評分模型所需要的是關於客戶的大量信息，應該盡量收集全面的信 息。所需要的數據可能是業務數據，可能是資料庫/數據倉庫中存儲的數據，也可能是外部數據。如果沒有所需的數據，那麼數據收集就是下一個必需的步驟。
3) 數據收集: 如果銀行內部不能滿足構建模型所需的數據，就需要從外部收集，主要是從專門收集人口統計數據、消費者信用歷史數據、地理變數、商業特徵和人口普查數據的企業購買得到。
4) 數據篩選: 對收集的數據進行篩選，為挖掘准備數據。在實際項目中，由於受到計算處理能力和項目期限的限制，在挖掘項目中想用到所有數據是不可能實現的。因此數據篩選是必不可少的。數據篩選考慮的因素包括數據樣本的大小和質量。
5) 數據質量檢測: 一旦數據被篩選出來，成功的數據挖掘的下一步是數據質量檢測和數據整合。目的就是提高篩選出來數據的質量。如果質量太低，就需要重新進行數據篩選。
6) 數據轉換: 在選擇並檢測了挖掘需要的數據、格式或變數後，在許多情況下數據轉換非常必要。數據挖掘項目中的特殊轉換方法取決於數據挖掘類型和數據挖掘工具。一旦數據轉換完成，即可開始挖掘工作。
7) 數據挖掘: 挖掘數據是所有數據挖掘項目中最核心的部分。在時間或其它相關條件（諸如軟體等）允許的情況下，最好能夠嘗試多種不同的挖掘技巧。因為使用越多的數據挖掘 技巧，可能就會解決越多的商業問題。而且使用多種不同的挖掘技巧可以對挖掘結果的質量進行檢測。例如：在構建信用評分模型時，分類可以通過三種方法來實 現：決策樹，神經分類和邏輯回歸，每一種方法都可能產生出不同的結果。如果多個不同方法生成的結果都相近或相同，那麼挖掘結果是很穩定、可用度非常高的。 如果得到的結果不同，在使用結果制定決策前必須查證問題所在。
8) 結果解釋: 數據挖掘之後，應該根據零售貸款業務情況、數據挖掘目標和商業目的來評估和解釋挖掘的結果。
9) 應用建議：數據挖掘關鍵問題，是如何把分析結果即信用評分模型轉化為商業利潤。
10) 結果應用：通過數據挖掘技術構建的信用評分模型，有助於銀行決策層了解整體風險分布情況，為風險管理提供基礎。當然，其最直接的應用就是將信用評分模型反饋到銀行的業務操作系統，指導零售信貸業務操作。 數 據挖掘方法可以依據其功能被分成4組：預估模型、分類、鏈接分析和時間序列預測。每一項功能都可以被開發和修改成為適應不同業務的應用。比如: 分類模型可以被運用到建立信用風險評分模型、信用風險評級模型、流失模型、欺詐預測模型和破產模型等。為實現數據挖掘的每一項功能，有許多不同的方法或算 法可以使用。
本文所討論的信用風險評分模型主要是屬於分類模型，所以用到的方法主要有分類分析和分割分析。分類分析主要方法包括：決策樹、神經網路、區別分析、邏輯回歸、概率回歸；分割分析主要方法包括：K-平均值、人口統計分割、神經網路分割。

Ⅵ 信用分析的現代信用分析方法

20世紀80年代以來，受債務危機的影響，各國銀行普遍重視對信用風險的管理和防範，工程化的思維和技術逐漸被運用於信用風險管理的領域，產生了一系列成功的信用風險量化管理模型。現代信用風險的計量模型按其計量的風險層次分為三種類型：一是單個交易對手或發行人的計量模型，二是資產組合層次的計量模型，三是衍生工具的計量模型。
交易對手或發行人層次的計量模型
（一）基於期權定價技術的風險計量模型。
Merton發現銀行以折現方式發放一筆面值為d的貸款所得到的支付和賣出一份執行價格d的看跌期權所得到的支付相等。因此有風險貸款的價值就相當於一個面值為d 的無違約風險貸款的價值加上一個空頭賣權。貸款的賣權價值取決於5個變數，即企業資產的市場價值、企業資產的市場價值的波動性、貼現貸款的面值、貸款的剩餘期限以及無風險利率。
基於企業的市場價值和其波動性的不可觀測性，1995 年美國KMV公司開發了KMV模型，該模型又稱為預期違約概率模型( expected default frequency，簡稱edf )，模型使用企業股權的市場價值和資產的市場價值之間的結構性關系來計算企業資產的市場價值；使用企業資產的波動性和企業股權的波動性之間的結構關系來計算企業資產的波動性，同時統計在一定標准差水平上的公司在一年內破產的比例，以此來衡量具有同樣標准差的公司的違約概率。
該模型是實際中應用最為廣泛的信用風險模型之一。該模型理論依據在很多方面與Black-Scholes (1973)，Merton(1974)以及Hull和White（1995）的期權定價方法相似。其基本思想是，當公司的價值下降至一定水平時，企業就會對其債務違約。根據有關分析，KMV發現違約最頻繁的分界點在公司價值等於流動負債±長期負債的50%時。有了公司在未來時刻的預期價值及此時的違約點，就可以確定公司價值下降百分之多少時即達到違約點。要達到違約點資產價值須下降的百分比對資產價值標准差的倍數稱為違約距離。違約距離=（資產的預期價值－違約點）/資產的預期價值×資產值的波動性。該方法具有比較充分的理論基礎，特別適用於上市公司信用風險。
KMV模型的優點在於其將違約與公司特徵而不是公司的初始信用等級聯系在一起，使其對債務人質量的變化更加敏感；同時，它通過股票價格來測算上市公司的預期違約概率，因而市場信息也能被反映在模型當中，使其具有一定的前瞻性，模型的預測能力較強；並且，由於該模型使用的變數都是市場驅動的，表現出更大的時變性，因此持有期的選擇比信用度量術模型更加靈活。
（二）基於風險價值var的信用度量模型。
var是指在正常的市場條件和給定的置信水平上，用於評估和計量金融資產在一定時期內可能遭受的最大價值損失。在計算金融工具的市場風險的var時，關鍵的輸入變數是金融資產目前的市場價格和波動性。由於貸款缺乏流動性， 因此貸款的市場價值和波動性不能觀測。
JP Morgan（1997）銀行開發了信用度量制（credit metrics™） 系統，該系統解決了諸如貸款和私募等非交易性資產的估值和風險計算。該方法基於借款人的信用評級、信用轉移矩陣、違約貸款的回收率、債券市場上的信用風險價差計算出貸款的市場價值及其波動性，推斷個別貸款或組合的var，從而對貸款和非交易資產進行估價和信用風險評價。
信用度量制模型的優點在於其第一次將信用等級轉移、違約率、違約回收率、違約相關性納入了一個統一的框架來度量信用風險。該模型適用於商業信用、債券、貸款、貸款承諾、信用證、以及市場工具（互換、遠期等）等信貸資產組合的風險計量。但該模型在應用中存在以下問題：違約率直接取自歷史數據平均值，但實證研究表明，違約率與宏觀經濟狀況有直接關系，並非固定不變，假定資產收益服從正態分布，但實證研究表明實際分布多呈現厚尾特徵；關於企業資產收益之間的相關度等於公司證券收益之間的相關度的假設有待驗證方法計算結果對於這一假定的敏感性很高。
（三）基於保險精算的creditrisk +系統。
Credit Suisse First Boston(CSFB，1997)銀行開發的信用風險附加（creditrisk +）系統的主導思想源於保險精算學，即損失決定於災害發生的頻率和災害發生時造成的損失或破壞程度，它不分析違約的原因，而且該模型也只針對違約風險而不涉及轉移風險，特別適於對含有大量中小規模貸款的貸款組合信用風險分析。
該方法基於這樣一些假設：貸款組合中任何單項貸款發生違約與否是隨機的；每項貸款發生違約的可能性是獨立的，因而這個方法假設貸款組合中單項貸款的違約概率分布服從Possion分布。信用風險附加模型的優點在於，它只要求有限的輸入數據，基本上只有貸款組合中各組的貸款違約率、違約率波動率和風險暴露，因此貸款損失很容易計算。
（四）以宏觀模擬為基礎建立的Creditportfolio View系統。
該信用組合觀點系統由mckinsey公司開發（Wilson，1997），它是一個違約風險的宏觀經濟模擬系統。由於商業周期因素影響違約的概率，麥肯錫公司將周期性的因素納入計量模型中，該系統在credit metrics的基礎上，對周期性因素進行了處理，將評級轉移矩陣與經濟增長率、失業率、利率、匯率、政府支出等宏觀經濟變數之間的關系方法化，並通過Monte Carlo法模擬周期性因素的「沖擊」來測定評級轉移概率的變化，分析宏觀經濟形勢變化與信用違約概率及轉移概率的關系，進而分析不同行業或部門不同信用級別的借款人的信用風險程度。
該模型的優點在於其將各種影響違約概率和信用等級變化的宏觀因素納入了自己的體系之中，並且給出了具體的損失分布，能夠刻畫回收率的不確定性和因國家風險帶來的損失；對所有的風險暴露都採用盯市法，更適用於對單個債務人和一組債務人進行信用風險度量。其主要適用於對對宏觀經濟因素變化敏感的投機級債務人的信用風險度量。
資產組合層次的計量模型
現代資產組合理論（MPT）表明適當地利用資產之間的相關關系可以有效地降低風險並改善資產組合的風險－收益狀況。然而流動性很差的貸款和債券組合存在著收益的非正態性、收益和相關系數的不可觀測性等問題，這使得資產組合理論不能簡單地運用這些組合中去。收益的非正態性使得基於兩矩（均值和方差） 而構建的資產組合理論只有增加偏度和峰度兩矩才能較好地進行描述。歷史價格和交易數據的缺乏造成了使用歷史的時間序列數據計算收益率、方差以及收益之間的協方差和相關系數變得極為困難。資產組合層次的信用風險計量模型正是通過克服這些問題而發展起來的。這類模型大體上可以分為兩大類：一類是尋求計算證券組合的全部風險－收益的交替關系，如KMV的資產組合管理模型；另一類是集中風險維度和組合的var計算，如Creditmetrics資產組合模型。
衍生工具的信用風險計量模型
衍生工具可以可分為利率衍生工具和信用衍生工具。前者按其風險－收益特性可以分為對稱性衍生工具，主要是指遠期、期貨和互換，而期權屬於非對稱性衍生工具，其風險－收益特徵表現出典型的非線性。而後者主要通過採用分解和組合技術改變資產的整體風險特徵，如信用互換、信用期權以及信用遠期等。
衍生工具的信用風險與表內業務存在許多區別。首先，合約的無違約價值對交易對手而言必須為負值；其次，交易對手一定處於財務困境之中；再次，在任一違約概率水平上，衍生工具結算一般採取軋差方式，其違約遭受的損失往往低於同等金額的貸款違約的損失；最後，銀行和其他金融機構都是用其它許多機制來降低違約的概率和損失。鑒於此，研究者相繼提出許多計量模型，但主要集中在互換和期權兩類衍生工具上。
信用衍生產品的定價是信用風險管理研究領域的難點問題。目前，學術界和實務界主要有三類定價信用衍生產品的方法：基於保險理論的定價，基於復制技術的定價和基於隨機模型的定價。在基於保險理論的定價方法中，保險公司承擔了投保人的信用風險，因而必須得到一定的保險費作為補償。這種定價方法是一種基於保險公司歷史違約資料庫的統計方法，應用范圍很窄，只能對存在歷史違約數據的信用衍生產品提供保險。而基於復制技術的定價需要逐一確定投資組合中所有頭寸的價值，對於結構復雜的信用衍生產品來說，這種技術很難實現。基於隨機模型的定價是現在的主流方向，其中強度模型和混合模型的應用十分廣泛。

Ⅶ 信用評價的方法

信用評價的方法是指對受評客體信用狀況進行分析並判斷優劣的技巧，貫穿於分析、綜合和評價的全過程。按照不同的標志，信用評價方法有不同的分類，如定性分析法與定量分析法、主觀評級方法與客觀評級法、模糊數學評級法與財務比率分析法、要素分析法與綜合分析法、靜態評級法與動態評級法、預測分析法與違約率模型法等等，上述的分類只是簡單的列舉，同時還有各行業的評級方法。
這些方法相互交叉，各有特點，並不斷演變。如主觀評級方法與客觀評級方法中，主觀評級更多地依賴於評級人員對受評機構的定性分析和綜合判斷，客觀評級則更多地以客觀因素為依據.
在評級業的發展中，各評級公司不斷總結自身經驗，評級指標不斷細化，有必要對不同的設計方法做一個比較。 根據不同的方法，對要素有不同的理解，主要有下述幾種方法。
5C要素分析法：這種方法主要分析以下五個方面信用要素：借款人品德（Character）、經營能力（Capacity）、資本（Capital）、資產抵押（Collateral）、經濟環境（Condiltion）。
5P要素分析法 個人因素（Personal Factor）、資金用途因素（Purpose Factor）、還款財源因素 (Payment Factor）、債權保障因素（Protection Factor）、企業前景因素（Perspective Factor）。
5W要素分析法 5W要素分析法即借款人（Who）、借款用途（Why）、還款期限（When）、擔保物（What）及如何還款（How）。
4F法要素分析法 4F法要素分析法主要著重分析以下四個方面要素：組織要素（Organization Factor）、經濟要素（Economic Factor）、財務要素（Financial Factor）、管理要素（Management Factor）。
CAMPARI法 CAMPARI法即對借款人以下七個方面分析：品德，即償債記錄（Character）、借款人償債能力（Ability）、企業從借款投資中獲得的利潤（Margin）、借款的目的（Purpose）、借款金額（Amount）、償還方式（Repayment）、貸款抵押（Insurance）。
LAPP法 LAPP法分析以下要素：流動性（Liquidity）、活動性（Activity）、盈利性（Profitability）和潛力（Potentialities）。
駱駝評估體系 駱駝評估體系包括五個部分：資本充足率（Capital adequacy）、資產質量（Asset Quality）、管理水平（Management）、收益狀況（Earnings）、流動性（Liquidity），其英文第一個字母組合在一起為「CAMEL」，因正好與「駱駝」的英文名字相同而得名。
上述評級方法在內容上都大同小異，是根據信用的形成要素進行定性分析，必要時配合定量計算。他們的共同之處都是將道德品質、還款能力、資本實力、擔保和經營環境條件或者借款人、借款用途、還款期限、擔保物及如何還款等要素逐一進行評分，但必須把企業信用影響因素的各個方面都包括進去，不能遺漏，否則信用分析就不能達到全面反映的要求。傳統的信用評價要素分析法均是金融機構對客戶作信用風險分析時所採用的專家分析法，在該指標體系中，重點放在定性指標上，通過他們與客戶的經常性接觸而積累的經驗來判斷客戶的信用水平。另外，美國幾家信用評價公司都認為信用分析基本上屬於定性分析，雖然也重視一些定量的財務指標，但最終結論還要依靠信用分析人員的主觀判斷，最後由評級委員會投票決定。 這是目前信用評價中應用最多的一種方法。一般做法是根據各具體指標在評級總目標中的不同地位，給出或設定其標准權數，同時確定各具體指標的標准值，然後比較指標的實際數值與標准值得到級別指標分值，最後匯總指標分值求得加權評估總分。
加權評分法的最大優點是簡便易算，但也存在三個明顯的缺點。
第一，未能區分指標的不同性質，會導致計算出的綜合指數不盡科學。信用評價中往往會有一些指標屬於狀態指標，如資產負債率並不是越大越好，也不是越小越好，而是越接近標准水平越好。對於狀態指標，加權評分法很容易得出錯誤的結果。
第二，不能動態地反映企業發展的變動狀況。企業信用是連續不斷的，加權評分法只考察一年，反映企業的時點狀態，很難判斷信用風險狀況和趨勢。
第三，忽視了權數作用的區間規定性。嚴格意義上講，權數作用的完整區間，應該是指標最高值與最低值之間，不是平均值，也不是最高值。加權評分法計算綜合指數時，是用指標數值實際值與標准值進行對比後，再乘上權數。這就忽視了權數的作用區間，會造成評估結果的誤差。如此，加權評分法難以滿足信用評價的基本要求。 這種方法是根據模糊數學的原理，利用隸屬函數進行綜合評估。一般步驟為：首先利用隸屬函數給定各項指標在閉區間[0，1]內相應的數值，稱為「單因素隸屬度」，對各指標作出單項評估。然後對各單因素隸屬度進行加權算術平均，計算綜合隸屬度，得出綜合評估的向指標值。其結果越接近0越差，越接近1越好。
隸屬函數評級方法較之加權評分法具有更大的合理性，但該方法對狀態指標缺乏有效的處理辦法，會直接影響評級結果的准確性。同時，該方法未能充分考慮企業近幾年各項指標的動態變化，評級結果很難全面反映企業生產經營發展的真實情況。因此，隸屬函數評估方法仍不適用於科學的信用評價。 功效系數法是根據多目標規劃原理，對每一個評估指標分別確定滿意值和不允許值。然後以不允許值為下限，計算其指標實現滿意值的程度，並轉化為相應的評估分數，最後加權計算綜合指數。
由於各項指標的滿意值與不允許值一般均取自行業的最優值與最差值，因此，功效系數法的優點是能反映企業在同行業中的地位。但是，功效系數法同樣既沒能區別對待不同性質的指標，也沒有充分反映企業自身的經濟發展動態，使得評級結論不盡合理，不能完全實現信用評價所要實現的評級目的。 對信用狀況的分析、關注、集成和判斷是一個不可分割的有機整體，這也是多變數信用風險二維判斷分析法的評級過程。
多變數特徵是以財務比率為解釋變數，運用數量統計方法推導而建立起的標准模型。運用此模型預測某種性質事件發生的可能性，使評級人員能及早發現信用危機信號。經長期實踐，這類模型的應用是最有效的。多變數分析就是要從若干表明觀測對象特徵的變數值（財務比率）中篩選出能提供較多信息的變數並建立判別函數，使推導出的判別函數對觀測樣本分類時的錯判率最小。根據判別分值，確定的臨界值對研究對象進行信用風險的定位。
二維判斷就是從兩方面同時考察信用風險的變動狀況：
一是空間，即正確反映受評客體在本行業（或全產業）時點狀態所處的地位；
二是時間，盡可能考察一段時期內受評客體發生信用風險的可能性。

Ⅷ 信用分析的概述

信用分析是對債務人的道德品格、資本實力、還款能力、擔保及環境條件等進行系統分析，以確定是否給與貸款及相應的貸款條件。

Ⅸ 企業信用評價方法主要採用什麼標准

企業信用評級是一項非常嚴肅認真的工作，企業信用評價的結果等同於企業信用狀況的鑒定書，關繫到企業的發展與命脈。因此，企業信用評級必須具備規范的評級標准和嚴格的評估程序，加以保證評價結果的客觀與公正。信用評級的打分標准體現了評價方法的科學性，沒有成熟規范的評級標准，評價結果失去了應有的客觀公正，就不再具有信服力。

方圓資信針對招投標活動，專門研發制訂了《招投標行業企業信用評價標准》（標准號：Q/FY CE001-2017），此標准主要用於招投標領域，已獲得深圳市標准技術研究院備案通過，是受招投標行業認可的評價標准體系。
在此評價打分標准中，招投標企業信用分析內容主要包括：產業分析、基礎素質分析、經營管理分析、財務分析和外部支持等。
1、產業分析：宏觀經濟運行、經濟政策和主要經濟指標、產業政策、法律制度；行業特性、競爭狀況、所處生命周期階段、金融形勢、基礎建設投資、經濟地理環境、行業前景。
2、基礎素質分析：企業規模，經營資質，安全環保等、技術設備水平，工程業績，完工項目的工程優良率及獲獎情況，獲得的榮譽稱號，企業品牌及其知名度；管理層素質：企業主要負責人（董事長、總經理）的教育程度、行業經驗、社會榮譽和個人信用記錄等；股東背景及信用狀況、資金支持、項目來源支持、人員支持及其它可能得到的支持等，銀行信貸支持，其他外部支持。
3、誠信度分析：商業信用分析、銀行貸款信用分析、主要管理人員、技術人員相關的記錄、拖欠工程款、農民工工資情況記錄、工商、稅務、法院訴訟等部門的相關記錄。
4、經營分析：經營方式(項目發包、分包)，目前企業施工能力，抓重大工程的能力，上年度公司簽訂項目數、合同額、大型項目，主要原材料及構成比例，采購原則，成本控制，質量控制，結算方式，企業應對原材料短缺；生產施工管理方式，質量、安全管理及控制措施，結算方式、市場定位，營銷策略、工程結算方式，未來市場開拓計劃及具體措施等。
5、管理分析：企業治理結構，管理模式，管理水平、管理制度。
6、財務分析：會計政策；財務政策；盈利能力；現金流量；資產及債務構成；債務償還能力。
方圓資信信用評價的等級劃分採用了國際通行的『四等十級制』評級等級，具體等級分為：AAA、AA、A、BBB、BB、B、CCC、CC、C、D，每個等級可用「+」、「-」符號進行微調，表示略高或略低於本等級，但不包括AAA+。有的評級機構把「D」級去掉，稱為「三等九級制」，與「四等十級制」在釋義上沒有本質區別。
信用評級採用百分制計分方法，既把最高的資信等級定為100分，例如AAA級為90～100分，AA級為80～89分，A級為70~79分，依此類推。採用這種方法，首先要把各項評估指標按照它對企業資信狀況的重要性分別確定各項評估指標的權數分，也叫重要性系數，權數分之和也為100分。在實際評估時，只要把各項評估指標的實際值同標准值進行比較，然後乘以權數分，就可算出它們的資信分值，再把各項評估指標的資信分值相加，即可求得信用評級的總分，根據總分就可確定企業的資信等級。
方圓資信為保證信用評價體系的有效運作，確保評價結果的一致性和可比性，專門建立了以信評委管理、分支機構應用的運作模式，該評價體系主要具有以下特徵：
1、依據信用評價指標搜集調查並核實企業信息，主要採用現場核對、行業對比等方法進行相關資料核實，以確保企業提供的資料真實准確。
2、評級模型充分考慮影響企業信用狀況的因素，採用定量分析與定性分析相結合的原則，根據不同地區、行業、評級對象等特徵，篩選指標、設定權重、建立模型，保證評級方法的科學性，通過對各指標的綜合評價分析來確定其信用等級。
3、評級標准在多年數據積累、專家分析判斷、行業研究等基礎上，劃分出產業分析、基礎素質分析、經營管理分析、財務分析和外部支持這5檔以有效區分各個指標，對企業主體歷史與未來的信用狀況進行定性分析，大大提高評級結果客觀性、准確性。
4、評級流程規范人員工作職責的分工，建立從設計、運行、管理、驗證、審計等相互依託的評級體系，保證評級體系及作業過程的統一，使評級結果具有一致性。
5、在作業管理方面，建立與評級體系、業務制度相對應的作業系統，實現全國范圍內的數據實時傳輸與集中，同時設定區域、行業等參數，基於對不同行業、不同區域風險水平的分析和判斷，對企業主體信用等級的客觀性和一致性進行驗證，以適應不同評級對象的風險特徵。
6、在對客戶基本信息調查核實基礎上，運用層次分析法、專家判斷法和其它定量分析技術制訂和完善評級指標體系，在保障評級指標體系科學性的同時，注重其可操作性。評級指標和評分標准依據評級對象性質及其所處行業等的不同而有所差異，充分發揮評級的風險管理工具作用。

Ⅹ 如何進行信用分析中的定量分析

對債券投資主體的信用狀況進行定量分析包括盈利能力分析、現金獲取能力分析、償債能力分析和資本結構分析等四個部分。
（1）盈利能力：雄厚的獲利能力是現金產生能力的基礎，也是企業償還債務的保障。衡量公司盈利能力的指標包括：①主營業務收入及增長率；②主營業務利潤率；③資產收益率（ROA）=凈利潤/平均總資產；④凈資產收益率（ROE）=凈利潤/平均凈資產；⑤營業利潤率；⑥凈利率及增長率等。
（2）現金獲取能力：由於企業必須用現金而不是賬面盈利來償還債務，因此現金流分析是信用分析的基礎，需考察現金流規模、構成、變化及其穩定性。考察企業現金獲取能力的指標包括：①經營活動現金流及增長率；②投資活動現金流；③自由現金流、籌資現金流；④現金收入比=銷售商品、提供勞務收到的現金/主營業務收入凈額；⑤應收賬款周轉率=主營業務收入/平均應收賬款余額；⑥存貨周轉率=主營業務成本/平均存貨余額等。
（3）償債能力：衡量企業償債能力的核心是衡量企業可支配資金與需償付債務的對比關系。衡量企業償債能力的指標包括：①經營活動現金流/總債務；②到期債務償付比率=經營活動現金流/（現金利息支出+本期到期的本金）；③利率覆蓋倍數=EBITDA（或經營現金流）/利息支出；④貨幣資金/短期債務；⑤流動比率=流動資產/流動負債；⑥速動比率=（流動資產-存貨）/流動負債。
（4）資本結構：資本結構衡量的是公司的財務杠桿和舉債程度，公司的財務杠桿越高，則面臨的償債壓力越大。衡量公司資本結構的指標有：①資產負債率=總負債/總資產；②短期債務比率=短期債務/總負債；③總債務資本比=總債務/（總債務+所有者權益）；④長期債務資本比=長期債務/（長期債務+所有者權益）。