多變量信用評(píng)模型法

1、多變量信用風(fēng)險(xiǎn)判別模型法多變量信用風(fēng)險(xiǎn)判別模型法多變量信用風(fēng)險(xiǎn)判別模型的概述多變量信用風(fēng)險(xiǎn)判別模型的概述多變量信用風(fēng)險(xiǎn)判別模型是以特征財(cái)務(wù)比率為解釋變量運(yùn)用數(shù)量統(tǒng)計(jì)方法推導(dǎo)而建立起的標(biāo)準(zhǔn)模型。運(yùn)用此模型預(yù)測(cè)某種性質(zhì)事件發(fā)生的可能性及早發(fā)現(xiàn)信用危機(jī)信號(hào)使經(jīng)營(yíng)者能夠在危機(jī)出現(xiàn)的萌芽階段采取有效措施改善企業(yè)經(jīng)營(yíng)防范危機(jī)；使投資者和債權(quán)人可依據(jù)這種信號(hào)及時(shí)轉(zhuǎn)移投資、管理應(yīng)收帳款及作出信貸決策。目前國(guó)際上這類(lèi)模型的應(yīng)用是最有效的也是國(guó)際金融業(yè)和學(xué)

2、術(shù)界視為主流方法。概括起來(lái)有線性概率模型、Logit模型、Probit模型和判別分析模型。其中多元判別分析法最受青睞Logit模型次之。多元判別分析法是研究對(duì)象所屬類(lèi)別進(jìn)行判別的一種統(tǒng)計(jì)分析方法。判別分析就是要從若干表明觀測(cè)對(duì)象特征的變量值(財(cái)務(wù)比率)中篩選出能提供較多信息的變量并建立判別函數(shù)使推導(dǎo)出的判別函數(shù)對(duì)觀測(cè)樣本分類(lèi)時(shí)的錯(cuò)判率最小。率先將這一方法應(yīng)用于財(cái)務(wù)危機(jī)、公司破產(chǎn)及違約風(fēng)險(xiǎn)分析的開(kāi)拓者是美國(guó)的愛(ài)德華阿爾特曼博士(Edwar

3、dI.Altman)。他早在1968年對(duì)美國(guó)破產(chǎn)和非破產(chǎn)生產(chǎn)企業(yè)進(jìn)行觀察采用了22個(gè)財(cái)務(wù)比率經(jīng)過(guò)數(shù)理統(tǒng)計(jì)篩選建立了著名的5變量Zsce模型和在此基礎(chǔ)上改進(jìn)的“Zeta”判別分析模型。根據(jù)判別分值以確定的臨界值對(duì)研究對(duì)象進(jìn)行信用風(fēng)險(xiǎn)的定位。由于模型簡(jiǎn)便、成本低、效果佳Zeta模型己商業(yè)化廣泛應(yīng)用于美國(guó)商業(yè)銀行取得了巨大的經(jīng)濟(jì)效益。美國(guó)還專(zhuān)門(mén)成立了一家Zeta服務(wù)有限公司著名美林證券也提供Z值統(tǒng)計(jì)服務(wù)。受美國(guó)影響日本開(kāi)發(fā)銀行、德國(guó)、法國(guó)、英

4、國(guó)、澳大利亞、加拿大等許多發(fā)達(dá)國(guó)家的金融機(jī)構(gòu)以及巴西都紛紛研制了各自的判別模型。雖在變量上的選擇各有千秋但總體思路則與阿爾特曼如出一轍。[編輯]多變量信用風(fēng)險(xiǎn)判別模型的內(nèi)容多變量信用風(fēng)險(xiǎn)判別模型的內(nèi)容多變量信用風(fēng)險(xiǎn)判別模型主要包括以下幾種：（1）多元線性判定模型（Zsce模型）。其是財(cái)務(wù)失敗預(yù)警模型，最早是由Altman(1968)開(kāi)始研究的。該模型通過(guò)五個(gè)變量（五種財(cái)務(wù)比率）將反映企業(yè)償債能力的指標(biāo)、獲利能力的指標(biāo)和營(yíng)運(yùn)能力的指標(biāo)有機(jī)

5、聯(lián)系起來(lái)，綜合分析預(yù)測(cè)企業(yè)財(cái)務(wù)失敗或破產(chǎn)的可能性。一般地，Ｚ值越低，企業(yè)越有可能發(fā)生破產(chǎn)。具體模型為：Z＝V1X1＋V2X2＋…＋VｎXｎ其中，V1、V2…Vｎ是權(quán)數(shù)，X1、X2…Xｎ是各種財(cái)務(wù)比率。根據(jù)Z值的大小，可將企業(yè)分為“破產(chǎn)”或“非破產(chǎn)”兩類(lèi)。在實(shí)際運(yùn)用時(shí)，需要將企業(yè)樣本分（3）Probit模型和Logit模型的思路很相似，都采用極大化似然函數(shù)，但在具體的計(jì)算方法和假設(shè)前提上又有一定的差異，主要體現(xiàn)在三個(gè)方面：一是假設(shè)前提不同

6、，Logit不需要嚴(yán)格的假設(shè)條件，而Probit則假設(shè)企業(yè)樣本服從標(biāo)準(zhǔn)正態(tài)分布，其概率函數(shù)的ｐ分位數(shù)可以用財(cái)務(wù)指標(biāo)線性解釋。二是參數(shù)ａ、ｂ的求解方法不同，Logit采用線性回歸方法求解，而Probit采用極大似然函數(shù)求極值的方法求解。三是求破產(chǎn)概率的方法不同，Logit采用取對(duì)數(shù)方法，而Probit采用積分的方法。（4）與其他多變量信用風(fēng)險(xiǎn)判別模型相比，聯(lián)合預(yù)測(cè)模型克服了其他模型只運(yùn)用財(cái)務(wù)指標(biāo)的片面性，能夠動(dòng)態(tài)模擬和反映企業(yè)的綜合情況，

7、但其仍存在著操作性較差的缺陷。[編輯]LogitLogit模型與多元判別分析法的比較模型與多元判別分析法的比較Logit模型是采用一系列財(cái)務(wù)比率變量來(lái)預(yù)測(cè)公司破產(chǎn)或違約的概率，然后根據(jù)銀行、投資者的風(fēng)險(xiǎn)偏好程度設(shè)定風(fēng)險(xiǎn)警界線、以此對(duì)分析對(duì)象進(jìn)行風(fēng)險(xiǎn)定位和決策。Logit模型與多元判別分析法的本質(zhì)區(qū)別在于前者不要求滿足正態(tài)分布其模型采用Logistic函數(shù)。由于Logistic回歸不假定任何概率分布不滿足正態(tài)情況下其判別正確率高于判別分析