[摘 要]本文回顧和整理了我國(guó)財(cái)務(wù)信用評(píng)價(jià)研究所取得的主要成果，旨在為相關(guān)研究提供借鑒。主要從信用評(píng)價(jià)指標(biāo)體系研究、信用評(píng)價(jià)的分析方法和信用評(píng)價(jià)模型的有效性研究三個(gè)方面進(jìn)行綜述。

[關(guān)鍵詞]信用評(píng)價(jià) 指標(biāo) 模型

信用風(fēng)險(xiǎn)一直以來(lái)都是各個(gè)經(jīng)濟(jì)主體面臨的重要金融風(fēng)險(xiǎn)，信用風(fēng)險(xiǎn)評(píng)價(jià)的研究在國(guó)際上得到了高度的重視和迅速的發(fā)展。次貸危機(jī)的爆發(fā)，使得信用評(píng)價(jià)研究的重要性更加不言而喻。我國(guó)的信用風(fēng)險(xiǎn)度量方法雖然起步較晚，但隨著我國(guó)市場(chǎng)經(jīng)濟(jì)和金融市場(chǎng)地發(fā)展不斷演進(jìn)，越來(lái)越多的學(xué)者加入到信用評(píng)價(jià)的研究中來(lái)。

綜觀我國(guó)的信用評(píng)價(jià)研究，焦點(diǎn)主要集中在信用評(píng)價(jià)指標(biāo)體系的建立、信用評(píng)價(jià)的分析方法和信用評(píng)價(jià)模型中的有效性研究三個(gè)方面。

一、信用評(píng)價(jià)指標(biāo)體系的研究

在指標(biāo)的選取上，許劍生(1997)認(rèn)為現(xiàn)行企業(yè)信用等級(jí)評(píng)定指標(biāo)體系存在著以企業(yè)資產(chǎn)負(fù)債表和損益表數(shù)據(jù)為主，忽略了對(duì)企業(yè)現(xiàn)金流量的分析和部分指標(biāo)設(shè)置不科學(xué)兩大缺陷。

夏紅芳、趙麗萍(1998)則指出現(xiàn)行指標(biāo)體系存在著與新財(cái)務(wù)管理準(zhǔn)則的核算口徑不統(tǒng)一、定性分析指標(biāo)太多、單項(xiàng)指標(biāo)設(shè)置內(nèi)涵過(guò)寬三個(gè)方面做得不足。認(rèn)為當(dāng)前的指標(biāo)系統(tǒng)未能全面反映企業(yè)經(jīng)營(yíng)情況。

周佰成等(2003)認(rèn)為一個(gè)指標(biāo)體系應(yīng)能準(zhǔn)確地反映評(píng)估對(duì)象的特點(diǎn)與實(shí)際水平。

李小燕、盧闖(2004)研究了基于業(yè)績(jī)企業(yè)信用評(píng)價(jià)指標(biāo)與股權(quán)所有者的利益相關(guān)性，從而提出改進(jìn)和完善現(xiàn)有企業(yè)信用評(píng)價(jià)模型的構(gòu)想。研究結(jié)果表明:企業(yè)信用評(píng)價(jià)指標(biāo)體系中的業(yè)績(jī)指標(biāo)較非業(yè)績(jī)指標(biāo)與企業(yè)的信用等級(jí)更相關(guān)。

田俊平(2005)在其碩士論文中提出現(xiàn)有信用評(píng)價(jià)指標(biāo)較多關(guān)注企業(yè)的短期能力，應(yīng)更多地關(guān)注反映企業(yè)長(zhǎng)期能力的指標(biāo)。

曲艷梅(2006)根據(jù)平衡計(jì)分卡原理，分別設(shè)計(jì)定性指標(biāo)和定量指標(biāo)的四個(gè)維度。其中定性指標(biāo)的四個(gè)維度指標(biāo)均衡分布，各為25分。而定量指標(biāo)中的償債能力指標(biāo)定為50分。

綜合現(xiàn)有文獻(xiàn)中所采用的信用評(píng)價(jià)指標(biāo)體系，信用評(píng)價(jià)所強(qiáng)調(diào)的是債權(quán)人的利益，而非股東的利益，故指標(biāo)體系中最為看重的是體現(xiàn)償債能力的指標(biāo)。現(xiàn)有的指標(biāo)體系普遍存在著定量指標(biāo)比重過(guò)大，定性指標(biāo)較少的現(xiàn)象，評(píng)價(jià)指標(biāo)中所涉及的現(xiàn)金流量指標(biāo)也較少。

二、信用評(píng)價(jià)的分析方法研究

當(dāng)前我國(guó)學(xué)者研究得更多的是各種分析方法在信用評(píng)價(jià)模型中的應(yīng)用。

最早用于建立信用評(píng)價(jià)模型的線性判別法(Liner Discriminate Analysis，簡(jiǎn)稱LDA)是一種簡(jiǎn)單的參數(shù)統(tǒng)計(jì)方法?？紤]到財(cái)務(wù)比率的多維性，信用評(píng)價(jià)模型中更為常用的是多元判別法(Multivariate Discriminate Analysis，簡(jiǎn)稱MDA)。近年來(lái)，線性概率模型和Logistic回歸模型，特別是神經(jīng)網(wǎng)絡(luò)法等也被廣泛應(yīng)用于企業(yè)信用評(píng)級(jí)。

最先將多元線性判別法用于信用分析的是美國(guó)的Redward#8226;Altman于1968使用22個(gè)財(cái)務(wù)指標(biāo)分析了美國(guó)破產(chǎn)企業(yè)和非破產(chǎn)企業(yè)，并從中選出5個(gè)最有代表性的關(guān)鍵指標(biāo)建立了著名的五變量Z模型。該模型簡(jiǎn)單且成本低，在美國(guó)商業(yè)銀行得到廣泛應(yīng)用。我國(guó)學(xué)者陳靜(1999)使用多元判別法進(jìn)行實(shí)證研究，建立了評(píng)價(jià)企業(yè)信用風(fēng)險(xiǎn)水平的現(xiàn)行判別模型。方洪全、曾勇(2004)以銀行實(shí)際貸款數(shù)據(jù)樣本為分析對(duì)象，使用SAS軟件在66個(gè)財(cái)務(wù)指標(biāo)中選取7個(gè)財(cái)務(wù)指標(biāo)運(yùn)用多元統(tǒng)計(jì)技術(shù)建立起4水平的線性判別模型，并根據(jù)對(duì)模型的檢驗(yàn)證實(shí)了該判別模型對(duì)信用風(fēng)險(xiǎn)的定量評(píng)估有較強(qiáng)的解釋和預(yù)測(cè)能力。

這些多元判別分析模型一般情況下只能對(duì)企業(yè)信用劃分成兩類，即還本付息和違約。這種分類不利于使用者對(duì)企業(yè)的風(fēng)險(xiǎn)進(jìn)行更深層的管理。同時(shí)，由于多元判別分析法對(duì)變量數(shù)據(jù)要求較多，應(yīng)用前提過(guò)于嚴(yán)格，而實(shí)際所使用的數(shù)據(jù)卻有一定的違背，使得這種模型的誤判率較高。

為了解決多元判別法應(yīng)用前提的局限，美國(guó)學(xué)者Ohlson將多元邏輯回歸(Logistic regression，簡(jiǎn)稱Logit分析法)引入了信用評(píng)價(jià)研究中。使用Logit分析法的模型采用Logistic函數(shù)，在數(shù)據(jù)不滿足正態(tài)分布情況下其判別正確率高于多元判別分析法的結(jié)果。

在國(guó)內(nèi)，許多學(xué)者將Logit模型用于上市公司財(cái)務(wù)困境的預(yù)測(cè)研究，并取得了不錯(cuò)的效果。陳曉、陳治鴻(2000)使用Logit模型對(duì)ST公司和非ST公司進(jìn)行了預(yù)測(cè)，其判別準(zhǔn)確率為86.5%。常麗娟、張俊瑞(2007)建立了多元因變量Logit模型對(duì)69家進(jìn)行了實(shí)證分析，并使用一個(gè)樣本進(jìn)行檢驗(yàn)，評(píng)價(jià)結(jié)果與中介機(jī)構(gòu)評(píng)價(jià)結(jié)果一致。

隨著信息技術(shù)的發(fā)展，人工智能模型被引入到企業(yè)信用評(píng)估中，最典型的是人工神經(jīng)網(wǎng)絡(luò)(Artificial neural networks，簡(jiǎn)稱ANN)的運(yùn)用。神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)的要求不嚴(yán)格，處理非線性關(guān)系的變量具有良好的效果。但其工作的隨機(jī)性較強(qiáng)，往往需要進(jìn)行多重的訓(xùn)練。國(guó)外學(xué)者Altman、Marco、Jenson等都使用了神經(jīng)網(wǎng)絡(luò)分析法對(duì)公司的財(cái)務(wù)危機(jī)進(jìn)行了預(yù)測(cè)研究，并取得了一定的成果。

王春峰、萬(wàn)海暉、張維(1999)使用神經(jīng)網(wǎng)絡(luò)法對(duì)100個(gè)企業(yè)樣本進(jìn)行了信用分析，研究結(jié)果中使用判別分析法的誤判率為25.45%，神經(jīng)網(wǎng)絡(luò)法的誤判率為18.18%。神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)準(zhǔn)確性明顯優(yōu)于判別分析法。劉慶宏，劉列勵(lì)(2009)對(duì)各類方法中的代表模型使用了兩個(gè)數(shù)據(jù)集來(lái)驗(yàn)證他們的在信用評(píng)級(jí)應(yīng)用中的評(píng)價(jià)效果，結(jié)論認(rèn)為在各種方法中人工神經(jīng)網(wǎng)絡(luò)方法較為靈活與準(zhǔn)確。但由于該研究數(shù)據(jù)為澳大利亞與德國(guó)企業(yè)的數(shù)據(jù)，未能代表其在中國(guó)的應(yīng)用效果。

由于神經(jīng)網(wǎng)絡(luò)工作的隨機(jī)性較大，需要人為地對(duì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行調(diào)試，其應(yīng)用受到了一定的限制。Altman(1997)經(jīng)過(guò)研究后認(rèn)為“神經(jīng)網(wǎng)絡(luò)分析方法在信用風(fēng)險(xiǎn)識(shí)別和預(yù)測(cè)中的應(yīng)用，并沒(méi)有實(shí)質(zhì)性低優(yōu)于線性判別模型”。

也有部分學(xué)者針對(duì)如何解決各種樣本存在的問(wèn)題，在模型中引入了各種處理方法進(jìn)行改進(jìn)。在解決小樣本問(wèn)題上，王春峰(2001)、吳德勝(2004)的研究結(jié)果認(rèn)為將cross-validation法引入信用風(fēng)險(xiǎn)評(píng)估建模技術(shù)，對(duì)于小樣本情況更為有效。章華、盧太平(2006)考慮到企業(yè)財(cái)務(wù)信息不確定和樣本的非典型分布特征，將灰靶模型引入對(duì)企業(yè)信用等級(jí)的評(píng)價(jià)。王慧玲等(2009)的研究表明在財(cái)務(wù)信用評(píng)價(jià)中引入熵模型，能夠更加客觀的確定評(píng)價(jià)指標(biāo)的權(quán)重。

綜合相關(guān)文獻(xiàn)，我們可以發(fā)現(xiàn)隨著統(tǒng)計(jì)分析方法的發(fā)展，越來(lái)越多的方法被應(yīng)用到信用評(píng)價(jià)模型的分析中來(lái)以解決樣本數(shù)據(jù)存在的缺陷。盡管信用風(fēng)險(xiǎn)評(píng)估方法層出不窮，但主流的方法只有多元Logistic回歸、多元判別分析和神經(jīng)網(wǎng)絡(luò)法三大類。當(dāng)前在準(zhǔn)確性上較為認(rèn)可的是神經(jīng)網(wǎng)絡(luò)法。

三、信用評(píng)價(jià)模型有效性研究

現(xiàn)代信用風(fēng)險(xiǎn)度量模型主要包括Credit Metrics模型、基于精算方法的信用風(fēng)險(xiǎn)附加(Credit Risk)模型、信用證券組合(Credit Portfolio View)模型以及基于期權(quán)定價(jià)理論的KMV模型。國(guó)內(nèi)對(duì)現(xiàn)代信用風(fēng)險(xiǎn)度量模型的涉及最初見(jiàn)于對(duì)信用風(fēng)險(xiǎn)模型的綜述類和比較類文獻(xiàn)。陳忠陽(yáng)(2000)、梁世棟等(200)、王毅春等(2004)分別對(duì)各種信用風(fēng)險(xiǎn)度量模型做了比較分析。李志光(2007)在其碩士論文中對(duì)Credit Metrics模型、KMV模型、Credit Risk模型、CPV模型進(jìn)行了分析比較，得出了Credit Metrics模型比其他模型在我國(guó)商業(yè)銀行更具適用性和可行性的結(jié)論。

而對(duì)于Credit Risk模型，常麗娟等(2007)認(rèn)為在我國(guó)的銀行貸款業(yè)務(wù)中，行業(yè)特征和風(fēng)險(xiǎn)會(huì)對(duì)各筆貸款的獨(dú)立性產(chǎn)生影響，不符合Credit Risk模型將每筆貸款是為獨(dú)立的重要假設(shè)，該模型在我國(guó)的適用性令人懷疑。

國(guó)內(nèi)對(duì)CPV模型進(jìn)行的研究較少。靳鳳菊(2007)基于CPV模型，選取了綜合領(lǐng)先指標(biāo)、中國(guó)房地產(chǎn)開(kāi)發(fā)企業(yè)綜合景氣指數(shù)和企業(yè)景氣指數(shù)三個(gè)指標(biāo)從宏觀層面對(duì)房地產(chǎn)信貸的信用風(fēng)險(xiǎn)進(jìn)行了研究。楊崗、陳帥(2009)對(duì)KMV模型與CPV模型進(jìn)行比較分析后認(rèn)為，CPV模型能更好地把握經(jīng)濟(jì)變化對(duì)信用風(fēng)險(xiǎn)的影響。謝赤等(2006)對(duì)Credit Metrics模型與CPV模型進(jìn)行了比較研究，結(jié)論認(rèn)為CPV模型有利于提高信用風(fēng)險(xiǎn)度量的精確性，特別適用于投機(jī)性債務(wù)人。

國(guó)內(nèi)較多的研究驗(yàn)證集中于KMV模型在我國(guó)的適用性。主要研究成果有:薛鋒等(2003)討論了運(yùn)用KMV模型分析我國(guó)上市公司信用風(fēng)險(xiǎn)的優(yōu)缺點(diǎn)和運(yùn)用前景。常麗娟、張俊瑞(2007)使用中國(guó)上市公司數(shù)據(jù)，對(duì)KMV模型做了有效性檢驗(yàn)，研究結(jié)果認(rèn)為KMV模型在我國(guó)股票市場(chǎng)環(huán)境下具備整體有效性，但由于我國(guó)股票市場(chǎng)信息效率存在一定的缺陷，模型的預(yù)測(cè)效力尚顯不足。李磊寧等(2007)在KMV模型中引入了公司資產(chǎn)價(jià)值增長(zhǎng)率，使得模型在我國(guó)的適用性有了提高。李博、王海生(2008)使用修正后的KMV模型進(jìn)行信用風(fēng)險(xiǎn)評(píng)價(jià)并檢驗(yàn)了模型識(shí)別我國(guó)房地產(chǎn)上市公司信用風(fēng)險(xiǎn)的能力，發(fā)現(xiàn)模型能較好的識(shí)別出ST與非ST公司之間信用風(fēng)險(xiǎn)的差別，但同時(shí)也認(rèn)為其在我國(guó)上市公司的預(yù)測(cè)準(zhǔn)確率同其在國(guó)外的預(yù)測(cè)準(zhǔn)確率相比相對(duì)較低。夏紅芳、馬俊海(2008)利用KMV模型，通過(guò)對(duì)我國(guó)4家上市公司5年股票價(jià)格的違約距離實(shí)證分析表明，KMV模型的靈敏度和預(yù)測(cè)能力都相當(dāng)好。

這些學(xué)者普遍認(rèn)為KMV模型在我國(guó)的實(shí)用性不高，主要在于我國(guó)缺乏一個(gè)完善的違約數(shù)據(jù)庫(kù)，難以確定一個(gè)較為準(zhǔn)確客觀的經(jīng)驗(yàn)EDF值。且我國(guó)資本市場(chǎng)上處于初步發(fā)展階段，企業(yè)信息披露存在不足。必須結(jié)合我國(guó)的實(shí)際情況，不斷地對(duì)模型進(jìn)行修訂與校驗(yàn)，才能提高KMV模型在我國(guó)的有效性。

四、小結(jié)

近年來(lái)我國(guó)經(jīng)濟(jì)一直在保持持續(xù)增長(zhǎng)，在增長(zhǎng)的同時(shí)我國(guó)的社會(huì)信用體系建設(shè)卻嚴(yán)重滯后。企業(yè)缺乏一個(gè)良好的信用氛圍，對(duì)于社會(huì)保障各種信用關(guān)系的健康發(fā)展和整個(gè)金融市場(chǎng)的穩(wěn)定有著一定的影響。目前我國(guó)政府也越來(lái)越重視這個(gè)問(wèn)題，并相應(yīng)出臺(tái)了一系列政策措施。如何有效地、客觀地對(duì)企業(yè)的信用進(jìn)行評(píng)價(jià)，不僅有利于保障企業(yè)各相關(guān)經(jīng)濟(jì)關(guān)系主體的利益，更有助于我們今后繼續(xù)推進(jìn)社會(huì)的信用體系建設(shè)。

參考文獻(xiàn)

[1]夏紅芳，趙麗萍.企業(yè)債券信用評(píng)級(jí)指標(biāo)體系及神經(jīng)網(wǎng)絡(luò)方法[J].華東船舶工業(yè)學(xué)院學(xué)報(bào)，1998 (2).

[2]李小燕，盧闖等.企業(yè)信用評(píng)價(jià)模型、信用等級(jí)與業(yè)績(jī)相關(guān)性研究[J].中國(guó)軟科學(xué)，2003 (5).

[3]陳曉，陳治鴻.企業(yè)財(cái)務(wù)理論、方法及應(yīng)用[J].投資研究，2000 (2).

[4]常麗娟，張俊瑞.企業(yè)財(cái)務(wù)信用評(píng)價(jià)與管理研究[M].大連:東北大學(xué)出版社，2007.

[5]王春峰，萬(wàn)海暉，張維.商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估及其實(shí)證研究[J].管理科學(xué)學(xué)報(bào)，1998，1(1).

[6]李志光:Credit Metrics模型在我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)管理的應(yīng)用研究——基于我國(guó)商業(yè)銀行某分機(jī)構(gòu)的實(shí)證分析[D].上海財(cái)經(jīng)大學(xué)，2007.

[7]靳鳳菊:基于CPV模型的房地產(chǎn)信貸信用風(fēng)險(xiǎn)的度量和預(yù)測(cè)[J].金融論壇，2007 (9).

[8]夏紅芳，馬俊海:基于KMV模型的上市公司信用風(fēng)險(xiǎn)預(yù)測(cè)[J].預(yù)測(cè)，2008 (6).