一、信用評級的概念

　　狹義的信用評級是指獨立的第三方信用評級中介機構對債權人如期償還債務本息的能力和意愿進行評價，并用評級符號表示其違約風險和損失的嚴重程度。根據巴塞爾提出的內部評級法(Internal Ratings Based Approaches，IRB)的三個風險參數：違約概率（PD）、違約損失率（LGD）和違約風險暴露（EAD） ，其中：

　　違約概率（Probability of Default, PD） ：評價對象違約的可能性。PD的估計與驗證是內部評級法(IRB)的核心。“牛頓力學”里每個物理量，比如動量、電流等，在每個時刻都有明確的數值，都是一個客觀存在;但“量子力學”里，存在“不確定性原理”(uncertainty principle，又譯測不準原理)，微觀世界的物理量帶有一定的隨機性和不確定性。信用風險指債務人不能根據債務合約的規定及時足額償還債務本金和利息的風險概率，信用風險研究更像是“量子力學”而非“牛頓力學”，同樣面臨“不確定性”和“概率”。

　　違約損失率（Loss Given Default, LGD） ：表示違約發生時違約金額暴露中得不到賠償的比例。在內部評級法(IRB)初級法中，LGD水平是預先決定的;在內部評級法(IRB)高級法中，銀行使用自己內部估計的LGD。

　　違約風險暴露（Exposure at Default, EAD） ：指債務人違約時預期表內項目和表外項目的風險暴露總額。

　　內部評級法(IRB)對銀行的吸引力在于，較之使用標準化方法，它允許銀行接受較低的資本要求，因為巴塞爾提出的內部評級法(IRB)與銀行風險資本計量密切相關。但監管部門對內部評級法的數據和模型均要求很高，這對不少金融機構而言，一定時間內難以做到。本文探討的內部評級僅指資本市場債券類評級，僅用于業務準入、風險敞口管控、集中度限額、預警監控等，不涉及風險資本計量。

　　二、信用評級的方法概覽

　　(一)   信用評估模型的類型

　　目前市場上提供的模型主要可以分為三類：

　　1、第一類是以信用風險排序為目的模型（如打分卡模型） ，外部評級公司普遍采用打分卡模型(分為城投企業打分卡、金融機構打分卡、各行業打分卡等);

　　2、第二類是以評價企業財務狀況為目的財務模型 ，尤其是測算獲取現金能力和短期風險承受能力的流動性評價模型;

　　3、第三類是通過市場交易信息，量化估算企業違約可能性的模型 (如KMV模型，隱含違約率模型等)，典型案例有中債隱含評級、中證隱含違約率、YY評級、彭博DRSK。

　　(二) 信用評估建模的方法

　　常用傳統的信用評級建模方式有三種：

　　除了可以使用傳統的建模方式，也可以使用定量的思維進行快速建模并度量信用風險，信用風險度量的定量模型大致可以分為以下三類：

　　(一)   信用評估建模的對比分析

　　1.  多元線性判定模型（Z-score模型）

　　多元線性判定模型(Z-score模型)是財務失敗預警模型，最早是由Altman(1968)開始研究的。該模型通過五個變量(五種財務比率)將反映企業償債能力的指標、獲利能力的指標和營運能力的指標有機聯系起來，綜合分析預測企業財務失敗或破產的可能性。一般地，Z值越低，企業越有可能發生破產。具體模型為：Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5

　　其中，X1為營運資本/總資產比率;X2 為留存盈余/總資產比率;X3為利息和稅收之前的收益/總資產比率;X4 為股權的市場價值/總負債的賬面價值比率;X5為銷售額/總資產比率。Z值越大，資信就越好，Z值越小，風險就越大。

　　線性模型分析法依賴財務報表數據，具有一定程度上的定量分析，不似專家經驗只對信用風險進行定性分析，因此克服了專家系統評級的隨意性和主觀性，但是其定量分析只是進行簡單的線性分析，仍存在諸多局限性。

　　2.  多元邏輯模型（Logit模型）

　　Logit模型采用一系列財務比率變量來預測公司破產或違約的概率，然后根據銀行、投資者的風險偏好程度設定風險警界線，以此對分析對象進行風險定位和決策。用Logit模型開發IRB的主要流程如下：

　　1) 數據清洗及整理，該環節的工作量較大。

　　2) 模型變量篩選

　　a) 用單因素分析篩選對PD有顯著影響的財務指標;

　　b) 用多因素分析篩選對PD有顯著影響的財務指標;

　　3) 邏輯回歸

　　a) 通過Logistic 回歸模型來估計違約概率，選擇最佳的財務指標組合，并確定每個指標在PD財務模塊中的權重;

　　b) 通過外部映射確定每級的PD值和區間;

　　4) 經濟周期校準(對客戶違約概率的估計需反應長期的平均水平)

　　3.  多元概率比回歸模型（Probit回歸模型）

　　Probit回歸模型假定企業破產的概率為p，并假設企業樣本服從標準正態分布，其概率函數的p分位數可以用財務指標線性解釋。其計算方法是先確定企業樣本的極大似然函數，通過求似然函數的極大值得到參數a、b，然后利用公式，求出企業破產的概率;其判別規則與Logit模型判別規則相同。

　　4.  市場隱含評級

　　區別于基于信用基本面的傳統評級，市場隱含評級(Market Implied Ratings，簡稱MIR)是一種基于債券市場信息的評級，其利用當前所獲得的債券交易信息來反映被評級對象的信用風險，本質是使用證券的信用利差來反映其信用風險。

　　目前市場主流運用的是“中債市場隱含評級”這一指標，“中債市場隱含評級”是在市場價格的基礎之上，綜合發行人的信用評級、企業性質、行業特點、財務信息、償債順序、擔保情況等信息提煉出的動態反映市場投資者對債券的客觀信用評價。

　　5.  YY評級

　　YY評級的邏輯與中債隱含評級類似，但YY評級比中債隱含評級更為敏感(中債隱含評級受限于較多原因而無法靈活調整)，其根據市場主流存續債券的隱含收益率對債券進行10檔排序。YY評級和估值的方法如下：

　　1) 數據選擇與清洗：選擇公募發行的中期票據、短期融資券、公司債和企業債數據，剔除永續債、小微債和有擔保債券，樣本定期清洗、維護和更新;

　　2) 編制收益率曲線：選擇資質穩定的主體編制收益率曲線;

　　3) 曲線調整規則：關鍵點替代、評級內左右影響、評級間影響、曲線擬合、倒掛調整;

　　4) 每日主體隱含更迭：當天的成交隱含與前一天的主體隱含的加權，作為當天的主體隱含;

　　5) 每日債券估值計算：以主體為準，結合當日主體隱含，當日調整后的曲線和個券期限數據進行估值。

　　6.  信用監控模型（credit monitor model）： KMV模型

　　KMV模型的主要思想是利用期權定價原理對風險債券和貸款進行評估由股權價值及其波動率推出資產價值及其波動率。它是以EDF(預期違約頻率)為研究的核心手段的模型。

　　KMV模型是對傳統信用風險度量的一次革命。首先，KMV模型可充分利用資本市場上的信息，對所有公開上市的的企業進行信用風險的量化分析;其次，這種方法的數據來源于企業在股票市場上的信息，而非企業的歷史賬面資料，應此它更能反映企業當前的信用狀況，使預測更及時、準確。但是該模型也有其固有的不足，主要表現在：1、該模型存在較多假設前提，與我國實際情況較難吻合;2、該模型假設企業的資產價值成正態分布，而在實際上會有所偏差。

　　三、小結

　　各類信用評級方法都有其優點和缺點，評級方法的選擇需與金融機構自身的機構稟賦、數據資源和人力儲備相匹配，復雜方法不見得一定有效，需客觀認識到各種評級方法的局限性而融合各家之所長，并進行互相交叉檢驗。在實際運用中，應針對不同類型的企業(如城投、地產、工業企業、金融等)，選擇不同的評級方法和評級模型，并將多種評級方法互相結合和交叉驗證，將定性分析(專家經驗、專家打分)與定量分析(統計建模)相結合，將靜態分析(靜態財報分析)與動態分析(市場價格所隱含的評級和違約率、動態輿情爬蟲)相結合，并結合內外部新要素(如財務粉飾/造假、公司治理、或有負債、外部支持、股權質押、商譽減值、關聯交易、“母弱子強”風險等)、結合宏觀經濟周期和行業狀況進行調整和校準，不斷優化評級分析框架，靈活而準確對企業信用風險進行評級。