一、信用评级的概念　　狭义的信用评级是指独立的第三方信用评级中介机构对债权人如期偿还债务本息的能力和意愿进行评价，并用评级符号表示其违约风险和损失的严重程度。根据巴塞尔提出的内部评级法(Internal Ratings Based Approaches，IRB)的三个风险参数：违约概率（PD）、违约损失率（LGD）和违约风险暴露（EAD） ，其中：　　违约概率（Probability of Default, PD） ：评价对象违约的可能性。PD的估计与验证是内部评级法(IRB)的核心。“牛顿力学”里每个物理量，比如动量、电流等，在每个时刻都有明确的数值，都是一个客观存在;但“量子力学”里，存在“不确定性原理”(uncertainty principle，又译测不准原理)，微观世界的物理量带有一定的随机性和不确定性。信用风险指债务人不能根据债务合约的规定及时足额偿还债务本金和利息的风险概率，信用风险研究更像是“量子力学”而非“牛顿力学”，同样面临“不确定性”和“概率”。　　违约损失率（Loss Given Default, LGD） ：表示违约发生时违约金额暴露中得不到赔偿的比例。在内部评级法(IRB)初级法中，LGD水平是预先决定的;在内部评级法(IRB)高级法中，银行使用自己内部估计的LGD。　　违约风险暴露（Exposure at Default, EAD） ：指债务人违约时预期表内项目和表外项目的风险暴露总额。　　内部评级法(IRB)对银行的吸引力[信特国际 www.315g.com 3a认证]在于，较之使用标准化方法，它允许银行接受较低的资本要求，因为巴塞尔提出的内部评级法(IRB)与银行风险资本计量密切相关。但监管部门对内部评级法的数据和模型均要求很高，这对不少金融机构而言，一定时间内难以做到。本文探讨的内部评级仅指资本市场债券类评级，仅用于业务准入、风险敞口管控、集中度限额、预警监控等，不涉及风险资本计量。　　二、信用评级的方法概览　　(一) 信用评估模型的类型　　目前市场上提供的模型主要可以分为三类：　　1、第一类是以信用风险排序为目的模型（如打分卡模型） ，外部评级公司普遍采用打分卡模型(分为城投企业打分卡、金融机构打分卡、各行业打分卡等);　　2、第二类是以评价企业财务状况为目的财务模型 ，尤其是测算获取现金能力和短期风险承受能力的流动性评价模型;　　3、第三类是通过市场交易信息，量化估算企业违约可能性的模型 (如KMV模型，隐含违约率模型等)，典型案例有中债隐含评级、中证隐含违约率、YY评级、彭博DRSK。　　(二) 信用评估建模的方法　　常用传统的信用评级建模方式有三种：　　除了可以使用传统的建模方式，也可以使用定量的思维进行快速建模并度量信用风险，信用风险度量的定量模型大致可以分为以下三类：　　(一) 信用评估建模的对比分析　　1. 多元线性判定模型（Z-score模型）　　多元线性判定模型(Z-score模型)是财务失败预警模型，最早是由Altman(1968)开始研究的。该模型通过五个变量(五种财务比率)将反映企业偿债能力的指标、获利能力的指标和营运能力的指标有机联系起来，综合分析预测企业财务失败或破产的可能性。一般地，Z值越低，企业越有可能发生破产。具体模型为：Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5　　其中，X1为营运资本/总资产比率;X2 为留存盈余/总资产比率;X3为利息和税收之前的收益/总资产比率;X4 为股权的市场价值/总负债的账面价值比率;X5为销售额/总资产比率。Z值越大，资信就越好，Z值越小，风险就越大。　　线性模型分析法依赖财务报表数据，具有一定程度上的定量分析，不似专家经验只对信用风险进行定性分析，因此克服了专家系统评级的随意性和主观性，但是其定量分析只是进行简单的线性分析，仍存在诸多局限性。　　2. 多元逻辑模型（Logit模型）　　Logit模型采用一系列财务比率变量来预测公司破产或违约的概率，然后根据银行、投资者的风险偏好程度设定风险警界线，以此对分析对象进行风险定位和决策。用Logit模型开发IRB的主要流程如下：　　1) 数据清洗及整理，该环节的工作量较大。　　2) 模型变量筛选　　a) 用单因素分析筛选对PD有显著影响的财务指标;　　b) 用多因素分析筛选对PD有显著影响的财务指标;　　3) 逻辑回归　　a) 通过Logistic 回归模型来估计违约概率，选择最佳的财务指标组合，并确定每个指标在PD财务模块中的权重;　　b) 通过外部映射确定每级的PD值和区间;　　4) 经济周期校准(对客户违约概率的估计需反应长期的平均水平)　　3. 多元概率比回归模型（Probit回归模型）　　Probit回归模型假定企业破产的概率为p，并假设企业样本服从标准正态分布，其概率函数的p分位数可以用财务指标线性解释。其计算方法是先确定企业样本的极大似然函数，通过求似然函数的极大值得到参数a、b，然后利用公式，求出企业破产的概率;其判别规则与Logit模型判别规则相同。　　4. 市场隐含评级　　区别于基于信用基本面的传统评级，市场隐含评级(Market Implied Ratings，简称MIR)是一种基于债券市场信息的评级，其利用当前所获得的债券交易信息来反映被评级对象的信用风险，本质是使用证券的信用利差来反映其信用风险。　　目前市场主流运用的是“中债市场隐含评级”这一指标，“中债市场隐含评级”是在市场价格的基础之上，综合发行人的信用评级、企业性质、行业特点、财务信息、偿债顺序、担保情况等信息提炼出的动态反映市场投资者对债券的客观信用评价。　　5. YY评级　　YY评级的逻辑与中债隐含评级类似，但YY评级比中债隐含评级更为敏感(中债隐含评级受限于较多原因而无法灵活调整)，其根据市场主流存续债券的隐含收益率对债券进行10档排序。YY评级和估值的方法如下：　　1) 数据选择与清洗：选择公募发行的中期票据、短期融资券、公司债和企业债数据，剔除永续债、小微债和有担保债券，样本定期清洗、维护和更新;　　2) 编制收益率曲线：选择资质稳定的主体编制收益率曲线;　　3) 曲线调整规则：关键点替代、评级内左右影响、评级间影响、曲线拟合、倒挂调整;　　4) 每日主体隐含更迭：当天的成交隐含与前一天的主体隐含的加权，作为当天的主体隐含;　　5) 每日债券估值计算：以主体为准，结合当日主体隐含，当日调整后的曲线和个券期限数据进行估值。　　6. 信用监控模型（credit monitor model）： KMV模型　　KMV模型的主要思想是利用期权定价原理对风险债券和贷款进行评估由股权价值及其波动率推出资产价值及其波动率。它是以EDF(预期违约频率)为研究的核心手段的模型。　　KMV模型是对传统信用风险度量的一次革命。首先，KMV模型可充分利用资本市场上的信息，对所有公开上市的的企业进行信用风险的量化分析;其次，这种方法的数据来源于企业在股票市场上的信息，而非企业的历史账面资料，应此它更能反映企业当前的信用状况，使预测更及时、准确。但是该模型也有其固有的不足，主要表现在：1、该模型存在较多假设前提，与我国实际情况较难吻合;2、该模型假设企业的资产价值成正态分布，而在实际上会有所偏差。　　三、小结　　各类信用评级方法都有其优点和缺点，评级方法的选择需与金融机构自身的机构禀赋、数据资源和人力储备相匹配，复杂方法不见得一定有效，需客观认识到各种评级方法的局限性而融合各家之所长，并进行互相交叉检验。在实际运用中，应针对不同类型的企业(如城投、地产、工业企业、金融等)，选择不同的评级方法和评级模型，并将多种评级方法互相结合和交叉验证，将定性分析(专家经验、专家打分)与定量分析(统计建模)相结合，将静态分析(静态财报分析)与动态分析(市场价格所隐含的评级和违约率、动态舆情爬虫)相结合，并结合内外部新要素(如财务粉饰/造假、公司治理、或有负债、外部支持、股权质押、商誉减值、关联交易、“母弱子强”风险等)、结合宏观经济周期和行业状况进行调整和校准，不断优化评级分析框架，灵活而准确对企业信用风险进行评级。