信用分析方法

Ⅰ 什么是信用分析模型

信用分析模型是准确评估对象的 信用等级 和风险级别的关键技术， 企业所在行业不同和客户群的差异决定了信用分析模型设计的相对独 特性。企业需要开发和应用专业的信用分析模型。 在企业开展信用分析工作时，仅靠管理人员的经验和传统方法， 往往达不到准确识别和评估风险的要求。

Ⅱ 如何进行信用分析中的定性分析

对债券投资主体的信用状况进行定性分析包括宏观环境分析、行业状况分析、竞争地位分析、股东背景分析、公司治理分析和管理战略分析等六个部分。
宏观环境：关注宏观经济状况和经济增长速度、当前所处的经济周期、宏观经济政策和法律制度。宏观经济周期与债券市场违约率存在很强的负相关关系，在经济下行时，企业的信用状况会恶化，企业所发债券的违约率会上升。
行业状况：关注发行主体所处行业的景气度与发展趋势，关注行业周期、产品生命周期和行业在产业链中的地位。如果一个行业出现产能显着过剩等趋势性恶化且短期内难以扭转，则即使行业内最好的企业信用状况也存在恶化的可能。
竞争地位：关注企业在市场中的地位、企业的关键竞争优势、市场占有率等。企业在行业中越处于相对有利的竞争地位时，公司经营的稳健性往往越能得以保障。
股东背景：根据控股股东背景，可以将信用主体划分为中央国有企业、地方国有企业以及民营企业等。
公司治理：公司治理主要涉及到企业各相关利益主体之间的责、权、利的划分与相互的制衡。公司治理风险主要包括股权之争、大股东掏空、管理层激进等方面：（1）实际控制权之争，侵害债权人和中小股东利益的同时，也会加剧信用风险。（2）控股股东利用绝对控股地位，采用不合法手段，转移下属公司资源，侵占中小股东及债权人利益。融资主体被大股东掏空后往往会成为空壳，债权人的利益难以保障，极有可能引发债务违约。（3）公司管理层风格过于激进，有可能导致企业无法承担陡增的债务负担，导致基本面恶化，并最终引发违约。
管理战略：对公司的经营目标、管理风格、财务政策和融资战略等进行分析。稳健的经营管理战略有助于增强公司的稳定性。

Ⅲ 信用分析的基本框架是怎样的

信用分析需要采用定性分析和定量分析相结合。定性分析包括外部宏观环境分析、行业状况分析、与信用主体的竞争地位分析和管理战略分析，以及股东背景、公司治理等层面的分析。定量分析包括对债务人盈利能力、现金获取能力、偿债能力和资本结构等的分析。

Ⅳ 信用分析的古典信用分析方法

因此，在信贷决策过程中，信贷管理人员的专业知识、主观判断以及某些要考虑的关键要素权重均为最重要的决定因素。
在专家制度法下，绝大多数银行都将重点集中在借款人的“5c”上，即品德与声望(character)、资格与能力(capacity)、资金实力(capital or cash) 、担保(collateral)、经营条件或商业周期(condition)。也有些银行将信用分析的内容归纳为“5w”或“5p”。 “5w”系指借款人(who)、借款用途(why) 、还款期限(when)、担保物(what)、如何还款(how)；“5p”系指个人因素( personal)、目的因素( purpose) 、偿还因素( payment)、保障因素(protection)、前景因素(perspective)。这种方法的缺陷是主观性太强，只能作为一种辅助性信用分析工具。 贷款评级分类模型是金融机构在美国货币监理署(occ)最早开发的评级系统基础上拓展而来，occ对贷款组合分为正常、关注、次级、可疑、损失等5类，并要求对不同的贷款提取不同比例的损失准备金以弥补贷款损失。
在我国，1998年以前各商业银行贷款分类的方法一直沿用财政部《金融保险企业财务制度》的规定，把贷款分为正常、逾期、呆滞、呆账四类，后三类合称不良贷款，简称“一逾两呆法”。 这一方法低估了不良贷款, 因为它没包括仍支付利息尚未展期的高风险贷款。1998年我国开始借鉴国际监管经验，对贷款分类进行改革，按照风险程度将贷款划分为正常、关注、次级、可疑、损失五类，即五级分类方法。2003年12月中国银监会发布文件决定自2004年1月1日起，我国所有经营信贷业务的金融机构正式实施贷款五级分类制度。 信用评分方法是对反映借款人经济状况或影响借款人信用状况的若干指标赋予一定权重，通过某些特定方法得到信用综合分值或违约概率值，并将其与基准值相比来决定是否给予贷款以及贷款定价，其代表为z计分模型。
z计分模型是Altman 1968 年提出的以财务比率为基础的多变量模型。该模型运用多元判别分析法，通过分析一组变量，使其在组内差异最小化的同时实现组间差异最大化，在此过程中要根据统计标准选入或舍去备选变量，从而得出z 判别函数。根据z值的大小同衡量标准相比，从而区分破产公司和非破产公司。1995 年，对于非上市公司，Altman对z 模型进行了修改，得到z′计分模型。Altman、Haldeman 和Narayannan在1977 年对原始的z 计分模型进行扩展，建立的第二代的zeta 信用风险模型。该模型在公司破产前5 年即可有效划分出将要破产的公司，其中破产前1 年准确度大于90 % ，破产前5 年的准确度大于70 %。新模型不仅适用于制造业，而且其有效性同样适用于零售业。上述两种模型中，zeta 分类准确度比z 计分模型高，特别是破产前较长时间的预测准确度相对较高。由于方法简便、成本低、效果佳，上述方法应用十分广泛。
值得注意的是该类模型构建中的数理方法，综合以来，主要有以下几种：
1．判别分析法(discriminant analysis)
判别分析法(discriminant analysis，简称DA) 是根据观察到的一些统计数字特征，对客观事物进行分类，以确定事物的类别。它的特点是已经掌握了历史上每个类别的若干样本，总结出分类的规律性，建立判别公式。当遇到新的事物时，只要根据总结出来的判别公式，就能判别事物所属的类别。
da 的关键就在于建立判别函数。目前，统计学建立判别函数常用方法有：一是未知总体分布情况下，根据个体到各个总体的距离进行判别的距离判别函数；二是已知总体分布的前提下求得平均误判概率最小的分类判别函数，也称距离判别函数，通常称为贝叶斯(bayes)判别函数；三是未知总体分布或未知总体分布函数前提下的根据费歇(fisher) 准则得到的最优线性判别函数。
2．多元判别分析法(multivariate discriminant analysis)
多元判别分析法(MDA)是除美国外的其他国家使用最多的统计方法。多元线性判别分析法，可以具体为一般判别分析(不考虑变量筛选)和定量资料的逐步判别分析(考虑变量筛选)。但应用多元判别分析(MDA)有三个主要假设：变量数据是正态分布的；各组的协方差是相同的；每组的均值向量、协方差矩阵、先验概率和误判代价是已知的。
该种方法的不足之处是必须建立在大量的、可靠的历史统计数据的基础之上，这在发展中国家如中国是难以具备的前提条件。
3．logit 分析判别方法
logit 分析与判别分析法的本质差异在于前者不要求满足正态分布或等方差, 从而消除了MDA 模型的正态分布假定的局限性。其模型主要采用了logistic 函数。
该模型的问题在于当样本点存在完全分离时，模型参数的最大似然估计可能不存在，模型的有效性值得怀疑，因此在正态的情况下不满足其判别正确率高于判别分析法的结果。另外该方法对中间区域的判别敏感性较强，导致判别结果的不稳定。
4．神经网络分析法（artificial neural network，简称ANN）
神经网络分析法是从神经心理学和认知科学研究成果出发，应用数学方法发展起来的一种具有高度并行计算能力、自学能力和容错能力的处理方法。它能有效解决非正态分布、非线性的信用评估问题，其结果介于0与1之间，在信用风险的衡量下，即为违约概率。神经网络分析方法应用于信用风险评估的优点在于其无严格的假设限制且具有处理非线性问题的能力。Altman、Marco和Varetto（1994）在对意大利公司财务危机预测中应用了神经网络分析法；Coats及Fant（1993）Trippi采用神经网络分析法分别对美国公司和银行财务危机进行预测，取得较好效果。然而，要得到一个较好的神经网络结构，需要人为随机调试，需要耗费大量人力和时间，加之该方法结论没有统计理论基础，解释性不强，所以应用受到很大限制。
5．聚类分析法(cluster analysis)
聚类分析(cluster analysis)属于非参数统计方法。信用风险分析中它根据由借款人的指标计算出的在样本空间的距离，将其分类。这种方法一个主要优点是不要求总体的具体分布；可对变量采用名义尺度，次序尺度，因此该方法可用于定量研究，也可对现实中的无法用数值精确表述的属性进行分析。这很适用于信用风险分析中按照定量指标(盈利比、速动比等) 和定性指标(管理水平、信用等级等) 对并不服从一定分布特性的数据信息分类的要求。例如，Lundy运用该方法对消费贷款申请者的典型信用申请数据及年龄、职业、婚否、居住条件进行处理分成6类并对每类回归评分，它不仅将借款人进行有效的分类而且帮助商业银行确定贷款方式策略。
6．k近邻判别法(k-Nearest Neighbor)
k近邻判别法在一定距离概念下按照若干定量变量从样本中选取与确定向量距离最短k个样本为一组，适用于初始分布和数据采集范围限制较少时，减小了以函数形式表达内容的要求。另外，knn 通过将变量在样本整体范围内分为任意多决策区间，而近似样本分布。Tametal将之用于信用风险分析，取马氏距离，从流动性、盈利性、资本质量角度选出的19 个变量指标，对样本分类，经比较其分类结果的准确性不如lda、lg 以及神经网络。原因在于在同样的样本容量下，若对具体问题的确存在特定的参数模型并可能找出时，非参数方法不及参数模型效率高。
7．层次分析法（AHP）
该方法强调人的思维判断在决策过程中的作用，通过一定模式使决策思维过程规范化，它适用于定性与定量因素相结合、特别是定性因素起主导作用的问题，企业信用等级综合评价就是这种定性因素起主导作用的问题。AHP 法的基本步骤是：建立递阶层次结构，构造判断矩阵，求此矩阵的最大特征根及其对应的特征向量，确定权重，并进行一致性检验。
8．其他方法
此外还存在着其他众多的方法：probit 法、因子－logistic法、模糊数学方法、混沌法及突变级数法、灰关联熵、主成分分析综合打分法、主成分分析与理想点的结合方法、原蚁群算法、数据包络判别法等等。关于这些方法的应用，将在后面的实证部分进行探讨。

Ⅳ 信用评分模型的信用评分的方法

利用数据挖掘技术构建信用评分模型一般可以分为10个步骤，它们分别是：业务目的确定、数据源识别、数据收集、数据选择、数据质量审核、数据转换、数据挖掘、结果解释、应用建议和结果应用。这些可以形象地表示为（图一）：
1) 商业目标确定: 明确数据挖掘的目的或目标是成功完成任何数据挖掘项目的关键。例如，确定项目的目的是构建个人住房贷款的信用评分模型。
2) 确认数据源识别: 在给定数据挖掘商业目标的情况下，下一个步骤是寻找可以解决和回答商业问题的数据。构建信用评分模型所需要的是关于客户的大量信息，应该尽量收集全面的信 息。所需要的数据可能是业务数据，可能是数据库/数据仓库中存储的数据，也可能是外部数据。如果没有所需的数据，那么数据收集就是下一个必需的步骤。
3) 数据收集: 如果银行内部不能满足构建模型所需的数据，就需要从外部收集，主要是从专门收集人口统计数据、消费者信用历史数据、地理变量、商业特征和人口普查数据的企业购买得到。
4) 数据筛选: 对收集的数据进行筛选，为挖掘准备数据。在实际项目中，由于受到计算处理能力和项目期限的限制，在挖掘项目中想用到所有数据是不可能实现的。因此数据筛选是必不可少的。数据筛选考虑的因素包括数据样本的大小和质量。
5) 数据质量检测: 一旦数据被筛选出来，成功的数据挖掘的下一步是数据质量检测和数据整合。目的就是提高筛选出来数据的质量。如果质量太低，就需要重新进行数据筛选。
6) 数据转换: 在选择并检测了挖掘需要的数据、格式或变量后，在许多情况下数据转换非常必要。数据挖掘项目中的特殊转换方法取决于数据挖掘类型和数据挖掘工具。一旦数据转换完成，即可开始挖掘工作。
7) 数据挖掘: 挖掘数据是所有数据挖掘项目中最核心的部分。在时间或其它相关条件（诸如软件等）允许的情况下，最好能够尝试多种不同的挖掘技巧。因为使用越多的数据挖掘 技巧，可能就会解决越多的商业问题。而且使用多种不同的挖掘技巧可以对挖掘结果的质量进行检测。例如：在构建信用评分模型时，分类可以通过三种方法来实 现：决策树，神经分类和逻辑回归，每一种方法都可能产生出不同的结果。如果多个不同方法生成的结果都相近或相同，那么挖掘结果是很稳定、可用度非常高的。 如果得到的结果不同，在使用结果制定决策前必须查证问题所在。
8) 结果解释: 数据挖掘之后，应该根据零售贷款业务情况、数据挖掘目标和商业目的来评估和解释挖掘的结果。
9) 应用建议：数据挖掘关键问题，是如何把分析结果即信用评分模型转化为商业利润。
10) 结果应用：通过数据挖掘技术构建的信用评分模型，有助于银行决策层了解整体风险分布情况，为风险管理提供基础。当然，其最直接的应用就是将信用评分模型反馈到银行的业务操作系统，指导零售信贷业务操作。 数 据挖掘方法可以依据其功能被分成4组：预估模型、分类、链接分析和时间序列预测。每一项功能都可以被开发和修改成为适应不同业务的应用。比如: 分类模型可以被运用到建立信用风险评分模型、信用风险评级模型、流失模型、欺诈预测模型和破产模型等。为实现数据挖掘的每一项功能，有许多不同的方法或算 法可以使用。
本文所讨论的信用风险评分模型主要是属于分类模型，所以用到的方法主要有分类分析和分割分析。分类分析主要方法包括：决策树、神经网络、区别分析、逻辑回归、概率回归；分割分析主要方法包括：K-平均值、人口统计分割、神经网络分割。

Ⅵ 信用分析的现代信用分析方法

20世纪80年代以来，受债务危机的影响，各国银行普遍重视对信用风险的管理和防范，工程化的思维和技术逐渐被运用于信用风险管理的领域，产生了一系列成功的信用风险量化管理模型。现代信用风险的计量模型按其计量的风险层次分为三种类型：一是单个交易对手或发行人的计量模型，二是资产组合层次的计量模型，三是衍生工具的计量模型。
交易对手或发行人层次的计量模型
（一）基于期权定价技术的风险计量模型。
Merton发现银行以折现方式发放一笔面值为d的贷款所得到的支付和卖出一份执行价格d的看跌期权所得到的支付相等。因此有风险贷款的价值就相当于一个面值为d 的无违约风险贷款的价值加上一个空头卖权。贷款的卖权价值取决于5个变量，即企业资产的市场价值、企业资产的市场价值的波动性、贴现贷款的面值、贷款的剩余期限以及无风险利率。
基于企业的市场价值和其波动性的不可观测性，1995 年美国KMV公司开发了KMV模型，该模型又称为预期违约概率模型( expected default frequency，简称edf )，模型使用企业股权的市场价值和资产的市场价值之间的结构性关系来计算企业资产的市场价值；使用企业资产的波动性和企业股权的波动性之间的结构关系来计算企业资产的波动性，同时统计在一定标准差水平上的公司在一年内破产的比例，以此来衡量具有同样标准差的公司的违约概率。
该模型是实际中应用最为广泛的信用风险模型之一。该模型理论依据在很多方面与Black-Scholes (1973)，Merton(1974)以及Hull和White（1995）的期权定价方法相似。其基本思想是，当公司的价值下降至一定水平时，企业就会对其债务违约。根据有关分析，KMV发现违约最频繁的分界点在公司价值等于流动负债±长期负债的50%时。有了公司在未来时刻的预期价值及此时的违约点，就可以确定公司价值下降百分之多少时即达到违约点。要达到违约点资产价值须下降的百分比对资产价值标准差的倍数称为违约距离。违约距离=（资产的预期价值－违约点）/资产的预期价值×资产值的波动性。该方法具有比较充分的理论基础，特别适用于上市公司信用风险。
KMV模型的优点在于其将违约与公司特征而不是公司的初始信用等级联系在一起，使其对债务人质量的变化更加敏感；同时，它通过股票价格来测算上市公司的预期违约概率，因而市场信息也能被反映在模型当中，使其具有一定的前瞻性，模型的预测能力较强；并且，由于该模型使用的变量都是市场驱动的，表现出更大的时变性，因此持有期的选择比信用度量术模型更加灵活。
（二）基于风险价值var的信用度量模型。
var是指在正常的市场条件和给定的置信水平上，用于评估和计量金融资产在一定时期内可能遭受的最大价值损失。在计算金融工具的市场风险的var时，关键的输入变量是金融资产目前的市场价格和波动性。由于贷款缺乏流动性， 因此贷款的市场价值和波动性不能观测。
JP Morgan（1997）银行开发了信用度量制（credit metrics™） 系统，该系统解决了诸如贷款和私募等非交易性资产的估值和风险计算。该方法基于借款人的信用评级、信用转移矩阵、违约贷款的回收率、债券市场上的信用风险价差计算出贷款的市场价值及其波动性，推断个别贷款或组合的var，从而对贷款和非交易资产进行估价和信用风险评价。
信用度量制模型的优点在于其第一次将信用等级转移、违约率、违约回收率、违约相关性纳入了一个统一的框架来度量信用风险。该模型适用于商业信用、债券、贷款、贷款承诺、信用证、以及市场工具（互换、远期等）等信贷资产组合的风险计量。但该模型在应用中存在以下问题：违约率直接取自历史数据平均值，但实证研究表明，违约率与宏观经济状况有直接关系，并非固定不变，假定资产收益服从正态分布，但实证研究表明实际分布多呈现厚尾特征；关于企业资产收益之间的相关度等于公司证券收益之间的相关度的假设有待验证方法计算结果对于这一假定的敏感性很高。
（三）基于保险精算的creditrisk +系统。
Credit Suisse First Boston(CSFB，1997)银行开发的信用风险附加（creditrisk +）系统的主导思想源于保险精算学，即损失决定于灾害发生的频率和灾害发生时造成的损失或破坏程度，它不分析违约的原因，而且该模型也只针对违约风险而不涉及转移风险，特别适于对含有大量中小规模贷款的贷款组合信用风险分析。
该方法基于这样一些假设：贷款组合中任何单项贷款发生违约与否是随机的；每项贷款发生违约的可能性是独立的，因而这个方法假设贷款组合中单项贷款的违约概率分布服从Possion分布。信用风险附加模型的优点在于，它只要求有限的输入数据，基本上只有贷款组合中各组的贷款违约率、违约率波动率和风险暴露，因此贷款损失很容易计算。
（四）以宏观模拟为基础建立的Creditportfolio View系统。
该信用组合观点系统由mckinsey公司开发（Wilson，1997），它是一个违约风险的宏观经济模拟系统。由于商业周期因素影响违约的概率，麦肯锡公司将周期性的因素纳入计量模型中，该系统在credit metrics的基础上，对周期性因素进行了处理，将评级转移矩阵与经济增长率、失业率、利率、汇率、政府支出等宏观经济变量之间的关系方法化，并通过Monte Carlo法模拟周期性因素的“冲击”来测定评级转移概率的变化，分析宏观经济形势变化与信用违约概率及转移概率的关系，进而分析不同行业或部门不同信用级别的借款人的信用风险程度。
该模型的优点在于其将各种影响违约概率和信用等级变化的宏观因素纳入了自己的体系之中，并且给出了具体的损失分布，能够刻画回收率的不确定性和因国家风险带来的损失；对所有的风险暴露都采用盯市法，更适用于对单个债务人和一组债务人进行信用风险度量。其主要适用于对对宏观经济因素变化敏感的投机级债务人的信用风险度量。
资产组合层次的计量模型
现代资产组合理论（MPT）表明适当地利用资产之间的相关关系可以有效地降低风险并改善资产组合的风险－收益状况。然而流动性很差的贷款和债券组合存在着收益的非正态性、收益和相关系数的不可观测性等问题，这使得资产组合理论不能简单地运用这些组合中去。收益的非正态性使得基于两矩（均值和方差） 而构建的资产组合理论只有增加偏度和峰度两矩才能较好地进行描述。历史价格和交易数据的缺乏造成了使用历史的时间序列数据计算收益率、方差以及收益之间的协方差和相关系数变得极为困难。资产组合层次的信用风险计量模型正是通过克服这些问题而发展起来的。这类模型大体上可以分为两大类：一类是寻求计算证券组合的全部风险－收益的交替关系，如KMV的资产组合管理模型；另一类是集中风险维度和组合的var计算，如Creditmetrics资产组合模型。
衍生工具的信用风险计量模型
衍生工具可以可分为利率衍生工具和信用衍生工具。前者按其风险－收益特性可以分为对称性衍生工具，主要是指远期、期货和互换，而期权属于非对称性衍生工具，其风险－收益特征表现出典型的非线性。而后者主要通过采用分解和组合技术改变资产的整体风险特征，如信用互换、信用期权以及信用远期等。
衍生工具的信用风险与表内业务存在许多区别。首先，合约的无违约价值对交易对手而言必须为负值；其次，交易对手一定处于财务困境之中；再次，在任一违约概率水平上，衍生工具结算一般采取轧差方式，其违约遭受的损失往往低于同等金额的贷款违约的损失；最后，银行和其他金融机构都是用其它许多机制来降低违约的概率和损失。鉴于此，研究者相继提出许多计量模型，但主要集中在互换和期权两类衍生工具上。
信用衍生产品的定价是信用风险管理研究领域的难点问题。目前，学术界和实务界主要有三类定价信用衍生产品的方法：基于保险理论的定价，基于复制技术的定价和基于随机模型的定价。在基于保险理论的定价方法中，保险公司承担了投保人的信用风险，因而必须得到一定的保险费作为补偿。这种定价方法是一种基于保险公司历史违约数据库的统计方法，应用范围很窄，只能对存在历史违约数据的信用衍生产品提供保险。而基于复制技术的定价需要逐一确定投资组合中所有头寸的价值，对于结构复杂的信用衍生产品来说，这种技术很难实现。基于随机模型的定价是现在的主流方向，其中强度模型和混合模型的应用十分广泛。

Ⅶ 信用评价的方法

信用评价的方法是指对受评客体信用状况进行分析并判断优劣的技巧，贯穿于分析、综合和评价的全过程。按照不同的标志，信用评价方法有不同的分类，如定性分析法与定量分析法、主观评级方法与客观评级法、模糊数学评级法与财务比率分析法、要素分析法与综合分析法、静态评级法与动态评级法、预测分析法与违约率模型法等等，上述的分类只是简单的列举，同时还有各行业的评级方法。
这些方法相互交叉，各有特点，并不断演变。如主观评级方法与客观评级方法中，主观评级更多地依赖于评级人员对受评机构的定性分析和综合判断，客观评级则更多地以客观因素为依据.
在评级业的发展中，各评级公司不断总结自身经验，评级指标不断细化，有必要对不同的设计方法做一个比较。 根据不同的方法，对要素有不同的理解，主要有下述几种方法。
5C要素分析法：这种方法主要分析以下五个方面信用要素：借款人品德（Character）、经营能力（Capacity）、资本（Capital）、资产抵押（Collateral）、经济环境（Condiltion）。
5P要素分析法 个人因素（Personal Factor）、资金用途因素（Purpose Factor）、还款财源因素 (Payment Factor）、债权保障因素（Protection Factor）、企业前景因素（Perspective Factor）。
5W要素分析法 5W要素分析法即借款人（Who）、借款用途（Why）、还款期限（When）、担保物（What）及如何还款（How）。
4F法要素分析法 4F法要素分析法主要着重分析以下四个方面要素：组织要素（Organization Factor）、经济要素（Economic Factor）、财务要素（Financial Factor）、管理要素（Management Factor）。
CAMPARI法 CAMPARI法即对借款人以下七个方面分析：品德，即偿债记录（Character）、借款人偿债能力（Ability）、企业从借款投资中获得的利润（Margin）、借款的目的（Purpose）、借款金额（Amount）、偿还方式（Repayment）、贷款抵押（Insurance）。
LAPP法 LAPP法分析以下要素：流动性（Liquidity）、活动性（Activity）、盈利性（Profitability）和潜力（Potentialities）。
骆驼评估体系 骆驼评估体系包括五个部分：资本充足率（Capital adequacy）、资产质量（Asset Quality）、管理水平（Management）、收益状况（Earnings）、流动性（Liquidity），其英文第一个字母组合在一起为“CAMEL”，因正好与“骆驼”的英文名字相同而得名。
上述评级方法在内容上都大同小异，是根据信用的形成要素进行定性分析，必要时配合定量计算。他们的共同之处都是将道德品质、还款能力、资本实力、担保和经营环境条件或者借款人、借款用途、还款期限、担保物及如何还款等要素逐一进行评分，但必须把企业信用影响因素的各个方面都包括进去，不能遗漏，否则信用分析就不能达到全面反映的要求。传统的信用评价要素分析法均是金融机构对客户作信用风险分析时所采用的专家分析法，在该指标体系中，重点放在定性指标上，通过他们与客户的经常性接触而积累的经验来判断客户的信用水平。另外，美国几家信用评价公司都认为信用分析基本上属于定性分析，虽然也重视一些定量的财务指标，但最终结论还要依靠信用分析人员的主观判断，最后由评级委员会投票决定。 这是目前信用评价中应用最多的一种方法。一般做法是根据各具体指标在评级总目标中的不同地位，给出或设定其标准权数，同时确定各具体指标的标准值，然后比较指标的实际数值与标准值得到级别指标分值，最后汇总指标分值求得加权评估总分。
加权评分法的最大优点是简便易算，但也存在三个明显的缺点。
第一，未能区分指标的不同性质，会导致计算出的综合指数不尽科学。信用评价中往往会有一些指标属于状态指标，如资产负债率并不是越大越好，也不是越小越好，而是越接近标准水平越好。对于状态指标，加权评分法很容易得出错误的结果。
第二，不能动态地反映企业发展的变动状况。企业信用是连续不断的，加权评分法只考察一年，反映企业的时点状态，很难判断信用风险状况和趋势。
第三，忽视了权数作用的区间规定性。严格意义上讲，权数作用的完整区间，应该是指标最高值与最低值之间，不是平均值，也不是最高值。加权评分法计算综合指数时，是用指标数值实际值与标准值进行对比后，再乘上权数。这就忽视了权数的作用区间，会造成评估结果的误差。如此，加权评分法难以满足信用评价的基本要求。 这种方法是根据模糊数学的原理，利用隶属函数进行综合评估。一般步骤为：首先利用隶属函数给定各项指标在闭区间[0，1]内相应的数值，称为“单因素隶属度”，对各指标作出单项评估。然后对各单因素隶属度进行加权算术平均，计算综合隶属度，得出综合评估的向指标值。其结果越接近0越差，越接近1越好。
隶属函数评级方法较之加权评分法具有更大的合理性，但该方法对状态指标缺乏有效的处理办法，会直接影响评级结果的准确性。同时，该方法未能充分考虑企业近几年各项指标的动态变化，评级结果很难全面反映企业生产经营发展的真实情况。因此，隶属函数评估方法仍不适用于科学的信用评价。 功效系数法是根据多目标规划原理，对每一个评估指标分别确定满意值和不允许值。然后以不允许值为下限，计算其指标实现满意值的程度，并转化为相应的评估分数，最后加权计算综合指数。
由于各项指标的满意值与不允许值一般均取自行业的最优值与最差值，因此，功效系数法的优点是能反映企业在同行业中的地位。但是，功效系数法同样既没能区别对待不同性质的指标，也没有充分反映企业自身的经济发展动态，使得评级结论不尽合理，不能完全实现信用评价所要实现的评级目的。 对信用状况的分析、关注、集成和判断是一个不可分割的有机整体，这也是多变量信用风险二维判断分析法的评级过程。
多变量特征是以财务比率为解释变量，运用数量统计方法推导而建立起的标准模型。运用此模型预测某种性质事件发生的可能性，使评级人员能及早发现信用危机信号。经长期实践，这类模型的应用是最有效的。多变量分析就是要从若干表明观测对象特征的变量值（财务比率）中筛选出能提供较多信息的变量并建立判别函数，使推导出的判别函数对观测样本分类时的错判率最小。根据判别分值，确定的临界值对研究对象进行信用风险的定位。
二维判断就是从两方面同时考察信用风险的变动状况：
一是空间，即正确反映受评客体在本行业（或全产业）时点状态所处的地位；
二是时间，尽可能考察一段时期内受评客体发生信用风险的可能性。

Ⅷ 信用分析的概述

信用分析是对债务人的道德品格、资本实力、还款能力、担保及环境条件等进行系统分析，以确定是否给与贷款及相应的贷款条件。

Ⅸ 企业信用评价方法主要采用什么标准

企业信用评级是一项非常严肃认真的工作，企业信用评价的结果等同于企业信用状况的鉴定书，关系到企业的发展与命脉。因此，企业信用评级必须具备规范的评级标准和严格的评估程序，加以保证评价结果的客观与公正。信用评级的打分标准体现了评价方法的科学性，没有成熟规范的评级标准，评价结果失去了应有的客观公正，就不再具有信服力。

方圆资信针对招投标活动，专门研发制订了《招投标行业企业信用评价标准》（标准号：Q/FY CE001-2017），此标准主要用于招投标领域，已获得深圳市标准技术研究院备案通过，是受招投标行业认可的评价标准体系。
在此评价打分标准中，招投标企业信用分析内容主要包括：产业分析、基础素质分析、经营管理分析、财务分析和外部支持等。
1、产业分析：宏观经济运行、经济政策和主要经济指标、产业政策、法律制度；行业特性、竞争状况、所处生命周期阶段、金融形势、基础建设投资、经济地理环境、行业前景。
2、基础素质分析：企业规模，经营资质，安全环保等、技术设备水平，工程业绩，完工项目的工程优良率及获奖情况，获得的荣誉称号，企业品牌及其知名度；管理层素质：企业主要负责人（董事长、总经理）的教育程度、行业经验、社会荣誉和个人信用记录等；股东背景及信用状况、资金支持、项目来源支持、人员支持及其它可能得到的支持等，银行信贷支持，其他外部支持。
3、诚信度分析：商业信用分析、银行贷款信用分析、主要管理人员、技术人员相关的记录、拖欠工程款、农民工工资情况记录、工商、税务、法院诉讼等部门的相关记录。
4、经营分析：经营方式(项目发包、分包)，目前企业施工能力，抓重大工程的能力，上年度公司签订项目数、合同额、大型项目，主要原材料及构成比例，采购原则，成本控制，质量控制，结算方式，企业应对原材料短缺；生产施工管理方式，质量、安全管理及控制措施，结算方式、市场定位，营销策略、工程结算方式，未来市场开拓计划及具体措施等。
5、管理分析：企业治理结构，管理模式，管理水平、管理制度。
6、财务分析：会计政策；财务政策；盈利能力；现金流量；资产及债务构成；债务偿还能力。
方圆资信信用评价的等级划分采用了国际通行的‘四等十级制’评级等级，具体等级分为：AAA、AA、A、BBB、BB、B、CCC、CC、C、D，每个等级可用“+”、“-”符号进行微调，表示略高或略低于本等级，但不包括AAA+。有的评级机构把“D”级去掉，称为“三等九级制”，与“四等十级制”在释义上没有本质区别。
信用评级采用百分制计分方法，既把最高的资信等级定为100分，例如AAA级为90～100分，AA级为80～89分，A级为70~79分，依此类推。采用这种方法，首先要把各项评估指标按照它对企业资信状况的重要性分别确定各项评估指标的权数分，也叫重要性系数，权数分之和也为100分。在实际评估时，只要把各项评估指标的实际值同标准值进行比较，然后乘以权数分，就可算出它们的资信分值，再把各项评估指标的资信分值相加，即可求得信用评级的总分，根据总分就可确定企业的资信等级。
方圆资信为保证信用评价体系的有效运作，确保评价结果的一致性和可比性，专门建立了以信评委管理、分支机构应用的运作模式，该评价体系主要具有以下特征：
1、依据信用评价指标搜集调查并核实企业信息，主要采用现场核对、行业对比等方法进行相关资料核实，以确保企业提供的资料真实准确。
2、评级模型充分考虑影响企业信用状况的因素，采用定量分析与定性分析相结合的原则，根据不同地区、行业、评级对象等特征，筛选指标、设定权重、建立模型，保证评级方法的科学性，通过对各指标的综合评价分析来确定其信用等级。
3、评级标准在多年数据积累、专家分析判断、行业研究等基础上，划分出产业分析、基础素质分析、经营管理分析、财务分析和外部支持这5档以有效区分各个指标，对企业主体历史与未来的信用状况进行定性分析，大大提高评级结果客观性、准确性。
4、评级流程规范人员工作职责的分工，建立从设计、运行、管理、验证、审计等相互依托的评级体系，保证评级体系及作业过程的统一，使评级结果具有一致性。
5、在作业管理方面，建立与评级体系、业务制度相对应的作业系统，实现全国范围内的数据实时传输与集中，同时设定区域、行业等参数，基于对不同行业、不同区域风险水平的分析和判断，对企业主体信用等级的客观性和一致性进行验证，以适应不同评级对象的风险特征。
6、在对客户基本信息调查核实基础上，运用层次分析法、专家判断法和其它定量分析技术制订和完善评级指标体系，在保障评级指标体系科学性的同时，注重其可操作性。评级指标和评分标准依据评级对象性质及其所处行业等的不同而有所差异，充分发挥评级的风险管理工具作用。

Ⅹ 如何进行信用分析中的定量分析

对债券投资主体的信用状况进行定量分析包括盈利能力分析、现金获取能力分析、偿债能力分析和资本结构分析等四个部分。
（1）盈利能力：雄厚的获利能力是现金产生能力的基础，也是企业偿还债务的保障。衡量公司盈利能力的指标包括：①主营业务收入及增长率；②主营业务利润率；③资产收益率（ROA）=净利润/平均总资产；④净资产收益率（ROE）=净利润/平均净资产；⑤营业利润率；⑥净利率及增长率等。
（2）现金获取能力：由于企业必须用现金而不是账面盈利来偿还债务，因此现金流分析是信用分析的基础，需考察现金流规模、构成、变化及其稳定性。考察企业现金获取能力的指标包括：①经营活动现金流及增长率；②投资活动现金流；③自由现金流、筹资现金流；④现金收入比=销售商品、提供劳务收到的现金/主营业务收入净额；⑤应收账款周转率=主营业务收入/平均应收账款余额；⑥存货周转率=主营业务成本/平均存货余额等。
（3）偿债能力：衡量企业偿债能力的核心是衡量企业可支配资金与需偿付债务的对比关系。衡量企业偿债能力的指标包括：①经营活动现金流/总债务；②到期债务偿付比率=经营活动现金流/（现金利息支出+本期到期的本金）；③利率覆盖倍数=EBITDA（或经营现金流）/利息支出；④货币资金/短期债务；⑤流动比率=流动资产/流动负债；⑥速动比率=（流动资产-存货）/流动负债。
（4）资本结构：资本结构衡量的是公司的财务杠杆和举债程度，公司的财务杠杆越高，则面临的偿债压力越大。衡量公司资本结构的指标有：①资产负债率=总负债/总资产；②短期债务比率=短期债务/总负债；③总债务资本比=总债务/（总债务+所有者权益）；④长期债务资本比=长期债务/（长期债务+所有者权益）。