法人客户评级模型

用手机看条目

出自 MBA智库百科(https://wiki.mbalib.com/)

目录

什么是法人客户评级模型

  法人客户评级模型是指对具有法人资格的企事业单位根据一定的标准进行评级的模型,为社会提供资信信息,或为单位自身提供决策参考。

法人客户评级模型的类型

  1、altman的z计分模型zeta模型

  altman(1968)认为,影响借款人违约概率的因素主要有五个:流动性(liquidity)、盈利性(profitability)、杠杆比率(leverage)、偿债能力(solvency)和活跃性(activity)。altman选择了下面列举的五个财务指标来综合反映上述五大因素,最终得出的z计分函数是:

  x1=(流动资产-流动负债)/总资产

  x2=留存收益/总资产

  x3=息税前利润/总资产

  x4=股票市场价值/债务账面价值

  x5=销售额/总资产

  作为违约风险指标,z值越高,违约概率越低。此外,altman还提出了判断企业破产的临界值:若z低于1.81,在企业存在很大的破产风险,应被归入高违约风险等级。

  1977年,altman与hardeman、narayanan又提出了第二代z计分模型——zeta信用风险分析模型,主要用于公共或私有的非金融类公司,其适应范围更广,对违约概率的计算更精确。

  zeta模型将模型考察指标由五个增加到七个,分别为:

  x1资产收益率指标,等于息税前利润/总资产。

  x2:收益稳定性指标,指企业资产收益率在5~10年变动趋势的标准差

  x3偿债能力指标,等于息税前利润/总利息支出。

  x4:盈利积累能力指标,等于留存收益/总资产

  x5流动性指标,即流动比率,等于流动资产/流动负债

  x6资本化程度指标,等于普通股/总资本。该比率越大,说明企业资本实力越强,违约概率越小。

  x7:规模指标,用企业总资产的对数表示。

  2、riskcalc模型

  riskcalc模型是在传统信用评分技术基础上发展起来的一种适用于非上市公司的违约概率模型,其核心是通过严格的步骤从客户信息中选择出最能预测违约的一组变量,经过适当变换后运用logit/probit回归技术预测客户的违约概率。

  (1)收集大量的公司数据;

  (2)对数据进行样本选择和异常值处理;

  (3)逐一分析变换各风险因素的单调性、违约预测能力及彼此间的相关性,初步选择出违约预测能力强、彼此相关性不高的20~30个风险因素;

  (4)运用logit/probit回归技术从初步因素中选择出9~11个最优的风险因素,并确保回归系数具有明确的经济含义,各变量间不存在多重共线性;

  (5)在建模外样本、时段外样本中验证基于建模样本所构建模型的违约区分能力,确保模型的横向适用性和纵向前瞻性;

  (6)对模型输出结果进行校正,得到最终各客户的违约概率。

  3、credit monitor模型

  credit monitor模型是在merton模型基础上发展起来的一种适用于上市公司违约概率模型,其核心在于把企业银行借贷关系视为期权买卖关系,借贷关系中的信用风险信息因此隐含在这种期权交易之中,从而通过应用期权定价理论求解出信用风险溢价和相应的违约率,即预期违约频率(expected default frequency,edf)。

  (4)kpmg风险中性定价模型

  风险中性定价理论的核心思想是假设金融市场中的每个参与者都是风险中立者,不管是高风险资产、低风险资产或无风险资产,只要资产的期望收益是相等的,市场参与者对其的态度就是一致的,这样的市场环境被称为风险中性范式。kpmg公司将风险中性定价理论运用到贷款债券的违约概率计算中,由于债券市场可以提供与不同信用等级相对应的风险溢价,根据期望收益相等的风险中性定价原则,每一笔贷款或债券的违约概率就可以相应计算出来。

  (5)死亡率模型

  死亡率模型是根据贷款或债券的历史违约数据,计算在未来一定持有期内不同信用等级的贷款或债券的违约概率,即死亡率,通常分为边际死亡率(marginamortality rate,mmr)和累计死亡率(cumulated mortality rate,cmr)。

本条目对我有帮助0
MBA智库APP

扫一扫,下载MBA智库APP

分享到:
  如果您认为本条目还有待完善,需要补充新内容或修改错误内容,请编辑条目

本条目由以下用户参与贡献

Tracy,寒曦.

评论(共0条)

提示:评论内容为网友针对条目"法人客户评级模型"展开的讨论,与本站观点立场无关。

发表评论请文明上网,理性发言并遵守有关规定。

打开APP

以上内容根据网友推荐自动排序生成