《信用评级模型》由会员分享，可在线阅读，更多相关《信用评级模型（7页珍藏版）》请在金锄头文库上搜索。
1、编码：P-J-B-0006评级技术基础规范之六信用评级模型（2012年11月版）中债资信评估有限责任公司China Credit Rating Co., Ltd.中债资信评估有限责任公司评级技术基础规范之六：信用评级模型信用评级模型（2012年11月版1）信用评级模型是以企业经营和财务信息、行业信息、宏观经济信息和市场信息为基础，运用统计分析、专家打分等手段，以量化方式测算受评对象信用风险的评级分析工具，是评级方 法在数理统计操作层面的具体表现形式，也是信用评级机构评级技术的重要组成部分。中债资 信通过学习、吸收国内外评级模型设计理念，并在征求专家顾问团信用风险建模领域专家意见 的基础上，确定
2、了目前采用的评级模型类型。中债资信评级模型力求体现中国企业信用风险特 点，减少评级过程中的主观判断因素，提高评级结果的客观性、一致性和准确性。中债资信目 前可使用的建模数据主要是发债企业数据和来自商业银行的信贷数据（以下简称“信贷数据”）,发债企业数据包括经营数据和财务数据，但没有违约率数据；信贷数据包括借款企业的违约数 据和大部分财务数据，但没有企业经营数据。基于可获得数据源及其质量，中债资信目前的评 级模型为分行业的打分卡模型和二元选择模型。一、经营与财务指标相结合的打分卡模型以发行债券企业作为统计样本，以发债企业数据和信贷数据为主要数据源，选择合适的经 营指标和财务指标，分行业建立打分卡
3、模型。按照中债资信工商企业主体评级方法总论，对工 商企业进行评级时，首先以经营风险和财务风险的综合平衡确定受评企业自身的个体信用等级， 然后考虑外部支持等因素对企业自身个体级别进行调整，最终确定受评企业的信用等级。由于 在同一行业内，不同经营风险程度的企业所能容忍的财务政策激进程度不同，因而经营风险对 信用等级的影响程度存在显著差异。因此，在本评级模型中依据受评企业经营风险程度的高低 对经营风险和财务风险赋以可变权重。此外，依据短板原理的评级思想，对弱势因素给予更高 的权重以放大其对最终评级结果的影响。由于体现这一影响的调整过程具有明显的主观性，因 此将此类调整以及其他难以量化的因素归类于模型
4、外考虑因素。在具体的模型设计中，相对应的采取分层建模思路：首先以线性加和形式得到经营风险模 块得分和财务风险模块得分；然后根据经营风险得分情况确定两模块权重的分配，加权平均得 到总分；最后根据其它难以量化的因素进行调整，得到最终对应级别。具体模型形式如下：2011年10月形成初稿并对外披露，2012年11月修订并正式发布BR 二 WiXi W2X2 叫必上Wnj .1T1(XnJ 1)WnTk(Xn)FR = w；T；(Zi) +wT(Z2)+ WmTZm)PR 二 W(BR) * BR (1 - W(BR) * FRIR - PR :其中BR代表经营模块评级(Busi ness Rat in
5、g)， FR代表财务模块评级(Finan cial Rati ng)， PR代表初步级别(Preliminary Rating )， IR表示指示级别(Indicated Rating )。X代表经营类指 标，X1到Xn上是定性指标，Xn上1到Xn是定量指标。Z代表财务类指标，均选取财务比率。IT(.)和T(.)是指标原始值到分值的转换。w和w 表示两模块内各自的权重分配，V w = 1， IZ w = 1 WBR)表示经营模块的权重 W是随BR的变化而变化的。6表示模型外调整因素。模型的运算依上述公式分四步进行：(1)计算各个指标的分值：经营类定性指标直接根据评价标准评定该指标的信用等级，并
6、根据信用评级模型中的信用等级和分值映射表(简称映射表，见附件)将其转化为对应的分值。经营类定量指标和财务类指标的原始值都是数值，需 要根据各指标不同级别所对应的阈值区间确定原始指标值所处的级别范围，然后根据映射表将该级别范围转化为分值区间，最后根据阈值区间和分值区间采用线性插值的方法将原始值转 化为分值。(2)计算经营模块得分和财务模块得分。(3)加权平均得到受评企业的总分，四舍五入后根据映射表得到模型初步级别。(4)根据外部支持等其它调整因素得到指示级别。具体有关指标的阈值和评价标准见相关行业评级模型文档。打分卡模型实现分为数据准备、指标选择、单变量分析、模型参数估计四个阶段。1、数据准备数
7、据准备包括模型数据库的建立、数据的录入、清洗和筛选，以及初步的计算工作。考虑 到发债企业违约率数据缺失，以信贷数据为基础研究违约率分布规律，在此基础上确定发债企 业的违约率数据。同时，以发债企业的经营数据和财务数据为基础，整理后得到完整的样本数 据。2、指标选择评级模型的指标分为经营指标和财务指标两大类。依据不同行业企业的主体评级方法，分行业确定用于模型拟合的指标池，经营指标池和财务指标池均依据行业专家经验确立。3、单变量分析通过单变量分析找出单个指标与违约率之间的映射关系。经营指标的映射关系由行业专家 估计样本实际值和信用等级的对应关系，进而制定各个指标的具体评价标准即映射关系。财务 指标的
8、映射关系由非参数统计方法对信贷数据进行分析获得。4、模型拟合和参数估计本评级模型变量的确定采用向前选择过程（Forward Selection Process）的统计学方法，即：将初步选定的指标逐个放入模型进行回归，如果新加入的指标有显著性，而且其参数的符号为 正，则加入到选定的指标集中。通过向前选择过程，可以排除相关性高的指标，以减少预测的 误差。通过此建模过程，确定分行业评级模型的最终指标；模型的参数估计采用最小二乘法， 计算得出各个参数数值（模型指标权重）。二、基于定量财务指标的二元选择模型基于财务指标的二元选择模型完全基于信贷数据，排除人为判断因素，是打分卡模型的补 充。模型形式采用二
9、元选择模型中的Logit模型，以企业是否违约作为响应变量：Logit P（Y =1| 人，,Xn） =（XJ 才“2）XTn（Xn）其中Logit （P） = ln p/（ 1 - p），x是指标体系，Ti（.）是指标到违约率的映射转换， Y代表是 否违约（1为违约），a、B是需要估计的系数。本模型的“数据准备”方面，建模的信贷数据与模型应用的对象（发债主体）在违约定义 和公司规模上有所不同，所以需要对信贷数据进行分析、清理。模型的“指标选择”、“单变量分析”等后续步骤的工作与打分卡模型中对财务指标进行的工作类似。该模型的参数估计采用 极大似然估计。三、相关说明中债资信打分卡模型主要有三个优点
10、：（1）在模型形式上，采用分层打分的结构设计，符合中债资信评级方法，而且直观透明，便于分析师理解和模型改进；（2）利用海量的信贷数据对财务指标进行研究，模型准确度高、说服力强；（3）经营指标的使用充分借鉴分析师的工作经验，使得模型更加符合中国企业的信用风险特点。该建模方案的不足之处有两点：（1）分行业对市场上的发债企业进行建模，样本量有限；（2）信贷数据的企业主体和发债企业主体并不完全相同，用信贷数据对财务指标进行研究存在模型适用性问题。中债资信二元选择模型方案的优点是：直接对信贷数据的企业主体违约情况进行分析，数 据充分、分析主体统一，模型建设的理论基础牢固。缺点是：仅使用财务数据具有时滞性
11、问题， 而且模型结果对发债企业存在适用性问题。总体来看，中债资信目前的评级模型是在国内发债企业违约率数据缺失、国外发债企业数 据适用性不足的情况下的阶段性选择。中债资信将致力于与评级模型建设有关的技术研究和建 模数据的有效积累，力争在条件成熟的情况下，建立更为合理、准确的评级模型。未来中债资 信将根据数据和建模经验的积累不断对评级模型进行优化。从中长期看，中债资信将尝试构建 非线性分析模型或神经网络模型，开发发债主体信用等级迁移模型。结构化模型等市场隐含评 级模型也将构成中债资信评级模型的补充。附件：中债资信信用评级模型中的信用等级和分值映射表信用等级分值AAA+1AAA2AAA-3AA+4AA5AA-6A+7A8A-9BBB+10BBB11BBB-12BB+13BB14BB-15B+16B17B-18CCC+19CCC20CCC-21CC+22CC23CC-24C+25C26C-27版权声明：本文件版权归中债资信评估有限责任公司所有，未经事先书面许可，任何单位或个人不得对文件进行任何形式的复制和发布。如为合理使用的目的而引用本文件中的定义、观点或其 他内容，请注明信息来源于中债资信评估有限责任公司。对于任何实施侵犯本文件版权行为的单位 或个人，中债资信评估有限责任公司将保留追究其相应法律责任的权利。-# -
