关于科技型企业信用风险度量模型的选取(2)
2017-05-10 01:03
导读：4.CreditRisk 模型。该方法采用了保险精算的科学框架推导债券/贷款组合的损失分布，建立只考虑违约不考虑降级风险的模型。与信用计量模型（CreditMetric
4.CreditRisk 模型。该方法采用了保险精算的科学框架推导债券/贷款组合的损失分布，建立只考虑违约不考虑降级风险的模型。与信用计量模型（CreditMetrics）、KMV等不同，违约与企业的资本结构无关。CreditRisk 是信用违约风险的统计模型，该模型对引发违约的原因不作假设，与市场风险治理考虑的出发点是相同的。建立市场风险模型，不考虑市场价格变动的原因。银行和保险公司一样，必须用贴现现金流模型定量化度量自身蒙受的风险。保险公司的风险来源于客户的索赔，而银行的风险来源于债务人的违约。
三、科技型企业信用风险度量模型的选取
1.信用风险度量模型、方法的比较与评价。从上面的文献回顾可以发现，关于信用风险度量的模型和方法很多，然而由于信用风险本身的固有特点，大家公认和同一的模型和方法到目前还没有出现，各种模型和方法其本身都存在这样或那样的缺陷，且大多是针对上市公司等大型企业的，并没有考虑科技型企业自身的一些特点，因此有必要对这些模型和方法进行分析、比较、评价，从中选择合适的模型来度量我国科技型企业的信用风险。
单变量模型具有简单可行的优点，但其缺陷是任何单个财务指标都无法全面地反映公司财务特征及公司总体情况，甚至任何单个财务指标将在很大程度上排斥其他指标的作用。多元线性判别模型具有相当的影响，它克服了单变量模型的缺点，判别的正确性也有大幅进步，但其本身也存在两大缺陷：其一，它是一个线性模型，但判定一个公司信用风险的因素非常复杂，不太可能成简单的线性关系；其二，它基本上采用历史财务比率，影响对借款人信用评价的时效性。Logistic等多元非线性回回模型很好的解决了非线性的题目，并且有较高的正确性，但也存在信用度量的时效滞后缺陷。 KMV模型以股票市场数据为基础，而不是依靠会计核算数据，反映了市场中投资者对公司未来发展的综合预期，具有前瞻性、高敏感性；但它针对未上市公司具有一定的局限性，而且片面夸大股票市场，变动敏感度太高。CreditMetrics模型成功地把信用风险度量与信用等级的转移、违约率等相关因素结合起来，使模型考虑的因素更加全面，适用范围更加广泛；但它片面夸大信用评级，不能够反映特定债务人当前的信用质量变化情况。而且我国目前还没有一个权威的、完善的信用评级体系，也不可能有有效的信用风险转移矩阵，同时也缺少一个正确的基准贴现率，因此现阶段该模型在我国尚无法应用。CreditRisk 模型最大的优点是简单易用，泊松过程的应用使得计算非常有效，需要估计的变量很少，对于每个组合只需要知道违约概率和风险头寸；但它忽略了信用级别的变动，对于每个债务人风险头寸是固定不变的，只依靠于远期利率变动。甚至在大多数情况下，模型简化为违约概率由几种随机背景因子决定，风险头寸是常量。
（科教论文网 lw.nseaC.Com编辑发布） 2.我国科技型企业信用风险度量可能采用的模型或方法。中小企业普遍存在着一些题目，如规模小、经营制度不规范、财务数据不完善、资本结构不公道和可抵押资产相对缺乏等。这意味着贸易银行向科技企业贷款的信用风险较大，且有不同于一般企业信用风险的特点。科技企业贷款的信用风险与企业所有者个人的信用息息相关，判定指标体系不易用衡量大型企业的标准。然而，长期以来我国贸易银行并没有将对科技型企业的贷款独立出来，信用风险内部评级仍然采用与大企业一样的体系。2003年以前，我国银行对贷款的分类一直延用“一逾两呆”的分类方式。“一逾两呆”分类治理主要依据借款人的还款状况将贷款划分为正常、逾期、呆滞、呆账四类，是一种事后监视的治理方法。从2003年1月1日起，我国各类银行全面实行贷款风险五级分类治理。贷款五级风险分类将贷款质量划分为正常、关注、次级、可疑和损失五类(其中后三类称为不良贷款)，在动态监测的基础上，通过对借款人现金流量、财务实力、抵押品价值等因素的连续监测和分析，判定贷款的实际损失程度，确定贷款风险。
