2015年小額貸款公司信用評級方法

① 企業信用評級有哪些常用方法

• 判別分析法

判別分析法是根據已知的違約和非違約的企業進行分類構成符於個總體，由這若干個總體的特徵找出一個判別函數，用於判別任意已觀察的向量應判屬於哪一個總體，以及檢驗兩個或多個母體，在所測量的指標變數上，是否有顯著差異，如有則指出為哪些指標。

1968年奧特曼(Altman)率先將判別分析法應用於財務分析、公司破產及信用風險的分析，建立了如下著名的線性判別分析模 ：

Z=0.012X1+0.014X2+0.033X3 +0.006X4+0.999X5,

其中，X1為流動資金/總資產，X2為留存收益/總資產，X3為息稅的收益/總資產，X4為股權市值/總負債賬面值，X5為銷售收入/總資產。臨界值為2.675，如果z小於臨界值，借款人被劃入違約組，信用級別較低；反之被劃入正常組，信用級別較高。當分值在1.81和2.99之間時，Altman發現判斷失誤較大，該重復區域為灰色區域。

以Z模型為代表的線性判別分析模型雖然很適用於信用評級，但這種方法存在一定問題：(1)限制條件過於嚴格，如要求樣本數據服從多元正態分布，協方差矩陣相同等；(2)模型主要考慮的是財務因素，沒有考慮行業特徵、企業規模、管理水平等非財務因素的影響；(2)模型以歷史數據為基礎，對未來發展的預測不夠。

• 綜合評判法

綜合評判法就是對多種因素所影響的事物或現象做出總的評價，即對評判對象的全體，根據所給的條件，給每一個對象賦予一個實數，通過總分法或加權平均等其他計算方法得到綜合評分，再據此進行優序評價。

從信用評級本身的屬性來看，企業信用評級屬於一種不確定性的模糊問題，因此，綜合評價法的發展趨勢足與模糊理論相結合來對企業進行信用評級，從而使評級結果更科學、更准確。

• 人工神經網路法

所謂的人工神經網路，就是基於模仿生物大腦的結構和功能而構成的一種信息處理系統或計算機，簡稱神經網路，簡寫為ANN(Artificial Neural Network)。人工神經網路的基本構架是模仿生物的神經細胞，分為輸入層、隱藏層和輸出層二層。每一層色括若干代表處理單元的點。輸入層的節點負責接收外在信息(如圖1) 不同於人腦的輸入，人工神經網路所接收的輸入信息是各種變數的數量化信息，一個輸人變數對應一個輸入節點。隱藏層的節點負責處理輸入層傳來的信息，並轉化為中間結果傳遞給輸出層。而輸出層的節點就以隱藏層傳來的信息與門檻值比較後，得到系統的最後結果，並將結果輸出。

與傳統的統計方法相比，人工神經網路具有以下特點：(1)具有自我組織與學習的能力 ；(2)可以描述輸入資料中變數間的非線性關系；(3)可以依據樣本和環境的變化進行動態的調整 由於企業各項財務指標與信用風險之間往往存在著非線性關系。因此人工神經網路比較適用於企業的信用評價。

• 模糊分析法

傳統的數學或統計方法都足建立在精確的觀點假設基礎之上，但是在自然科學、社會科學和工程技術等領域，存在著很多模糊或不確定性；人類的認知模式、思考方式、甚至推理邏輯也涉及許多非確定性。因此利用傳統的方法無法解決這樣的不確定性問題，而模糊數學是將數學的應用范圍，從精確擴大到模糊現象的領域，提出了隸屬函數理論，確定了某一事物在多人程度上屬於所講的概念，或者不屬於所講的慨念，這樣描述模糊性問題比精確數學更為合理。

同樣，企業信用評級也屬於模糊性問題，其信用狀態如何，用精確數學「是」或「非」的概念很難做出判斷，因此，應用模糊分析法對信用狀況做出綜合評價比較科學。

但是，學術界對於模糊數學的正當性仍然存在懷疑，因為：首先，模糊邏輯缺乏學習能力，應用上受到一定的限制。其次，模糊系統的穩定性很難獲得理論上的保證。第二，模糊邏輯不是建立在傳統數學的基礎上，很難對此邏輯系統的正確性加以驗證。

• 企業信用評級法

企業信用評級法通過對國際上先進的企業信用評級理論、企業信用評級思想、企業信用評級模型以及企業信用評級方法的研究，經過多年的不斷探索、研究、實踐、創新和積累，最終總結出一套符合中國經濟環境且適用於中國中小企業的信用評級體系，並建立了完備的企業信用評級資料庫、業內領先的企業信用評級模型以及科學的企業信用評級方法通過對國際上先進的企業信用評級理論、企業信用評級思想、企業信用評級模型以及企業信用評級方法的研究，經過多年的不斷探索、研究、實踐、創新和積累，最終總結出一套符合中國經濟環境且適用於中國中小企業的信用評級體系，並建立了完備的企業信用評級資料庫、業內領先的企業信用評級模型以及科學的企業信用評級方法。企業信用網就是通過利用現代互聯網信息技術手段，來充分把握各個行業發展脈搏，從而保證了企業信用評級結果的准確性、及時性，提高了中國企業信用評級行業的技術水平。

企業信用評級的評級方法主要有這幾種，國內的評級機構一般採用的是最後一種。

② 農戶小額貸款的信用評級是怎樣的

農戶小額貸款的調查與信用評級:對於符合條件的貸款申請

③ 信用評級的評級方法

信用評級的方法是指對受評客體信用狀況進行分析並判斷優劣的技巧，貫穿於分析、綜合和評價的全過程。按照不同的標志，信用評級方法有不同的分類，如定性分析法與定量分析法、主觀評級方法與客觀評級法、模糊數學評級法與財務比率分析法、要素分析法與綜合分析法、靜態評級法與動態評級法、預測分析法與違約率模型法等等，上述的分類只是簡單的列舉，同時還有各行業的評級方法。
這些方法相互交叉，各有特點，並不斷演變。如主觀評級方法與客觀評級方法中，主觀評級更多地依賴於評級人員對受評機構的定性分析和綜合判斷，客觀評級則更多地以客觀因素為依據.
在評級業的發展中，各評級公司不斷總結自身經驗，評級指標不斷細化，有必要對不同的設計方法做一個比較。
企業信用評級法通過對國際上先進的企業信用評級理論、企業信用評級思想、企業信用評級模型以及企業信用評級方法的研究，經過多年的不斷探索、研究、實踐、創新和積累，最終總結出一套符合中國經濟環境且適用於中國中小企業的信用評級體系，並建立了完備的企業信用評級資料庫、業內領先的企業信用評級模型以及科學的企業信用評級方法。企業信用網通過利用現代互聯網信息技術手段，來充分把握各個行業發展脈搏，從而保證了企業信用評級結果的准確性、及時性，提高了中國企業信用評級行業的技術水平 。
要素分析法比較
根據不同的方法，對要素有不同的理解，主要有下述幾種方法。
5C要素分析法:這種方法主要分析以下五個方面信用要素：借款人品德(Character)、經營能力(Capacity)、資本(Capital)、資產抵押(Collateral)、經濟環境(Condiltion)。
5P要素分析法 個人因素(Personal Factor)、資金用途因素(Purpose Factor)、還款財源因素 (Payment Factor)、債權保障因素(Protection Factor)、企業前景因素(Perspective Factor)。
5W要素分析法 5W要素分析法即借款人（Who）、借款用途（Why）、還款期限（When）、擔保物（What）及如何還款（How）。
4F法要素分析法 4F法要素分析法主要著重分析以下四個方面要素：組織要素（Organization Factor）、經濟要素（Economic Factor）、財務要素（Financial Factor）、管理要素（Management Factor）。
CAMPARI法 CAMPARI法即對借款人以下七個方面分析：品德，即償債記錄（Character）、借款人償債能力（Ability）、企業從借款投資中獲得的利潤（Margin）、借款的目的（Purpose）、借款金額（Amount）、償還方式（Repayment）、貸款抵押（Insurance）。
LAPP法 LAPP法分析以下要素：流動性（Liquidity）、活動性（Activity）、盈利性（Profitability）和潛力（Potentialities）。
駱駝評估體系 駱駝評估體系包括五個部分：資本充足率（Capital adequacy）、資產質量（Asset Quality）、管理水平（Management）、收益狀況（Earnings）、流動性（Liquidity），其英文第一個字母組合在一起為「CAMEL」，因正好與「駱駝」的英文名字相同而得名。
上述評級方法在內容上都大同小異，是根據信用的形成要素進行定性分析，必要時配合定量計算。他們的共同之處都是將道德品質、還款能力、資本實力、擔保和經營環境條件或者借款人、借款用途、還款期限、擔保物及如何還款等要素逐一進行評分，但必須把企業信用影響因素的各個方面都包括進去，不能遺漏，否則信用分析就不能達到全面反映的要求。傳統的信用評級要素分析法均是金融機構對客戶作信用風險分析時所採用的專家分析法，在該指標體系中，重點放在定性指標上，通過他們與客戶的經常性接觸而積累的經驗來判斷客戶的信用水平。另外，美國幾家信用評級公司都認為信用分析基本上屬於定性分析，雖然也重視一些定量的財務指標，但最終結論還要依靠信用分析人員的主觀判斷，最後由評級委員會投票決定。
綜合分析方法的比較
綜合分析評級方法就是依據受評客體的實際統計數據計算綜合評級得分(或稱指數)的數學模型。企業信用綜合評級方法很多，但實際計算中普遍採用的方法主要有四種。為讓讀者更清晰理解「多變數信用風險二維判斷分析法」，有必要考察這幾種評級方法的優劣。
加權評分法
這是目前信用評級中應用最多的一種方法。一般做法是根據各具體指標在評級總目標中的不同地位，給出或設定其標准權數，同時確定各具體指標的標准值，然後比較指標的實際數值與標准值得到級別指標分值，最後匯總指標分值求得加權評估總分。
加權評分法的最大優點是簡便易算，但也存在三個明顯的缺點。
第一，未能區分指標的不同性質，會導致計算出的綜合指數不盡科學。信用評級中往往會有一些指標屬於狀態指標，如資產負債率並不是越大越好，也不是越小越好，而是越接近標准水平越好。對於狀態指標，加權評分法很容易得出錯誤的結果。
第二，不能動態地反映企業發展的變動狀況。企業信用是連續不斷的，加權評分法只考察一年，反映企業的時點狀態，很難判斷信用風險狀況和趨勢。
第三，忽視了權數作用的區間規定性。嚴格意義上講，權數作用的完整區間，應該是指標最高值與最低值之間，不是平均值，也不是最高值。加權評分法計算綜合指數時，是用指標數值實際值與標准值進行對比後，再乘上權數。這就忽視了權數的作用區間，會造成評估結果的誤差。如此，加權評分法難以滿足信用評級的基本要求。
隸屬函數評估法
這種方法是根據模糊數學的原理，利用隸屬函數進行綜合評估。一般步驟為：首先利用隸屬函數給定各項指標在閉區間[0,1]內相應的數值，稱為「單因素隸屬度」，對各指標作出單項評估。然後對各單因素隸屬度進行加權算術平均，計算綜合隸屬度，得出綜合評估的向指標值。其結果越接近0越差，越接近1越好。
隸屬函數評級方法較之加權評分法具有更大的合理性，但該方法對狀態指標缺乏有效的處理辦法，會直接影響評級結果的准確性。同時，該方法未能充分考慮企業近幾年各項指標的動態變化，評級結果很難全面反映企業生產經營發展的真實情況。因此，隸屬函數評估方法仍不適用於科學的信用評級。
功效系數法
功效系數法是根據多目標規劃原理，對每一個評估指標分別確定滿意值和不允許值。然後以不允許值為下限，計算其指標實現滿意值的程度，並轉化為相應的評估分數，最後加權計算綜合指數。
由於各項指標的滿意值與不允許值一般均取自行業的最優值與最差值，因此，功效系數法的優點是能反映企業在同行業中的地位。但是，功效系數法同樣既沒能區別對待不同性質的指標，也沒有充分反映企業自身的經濟發展動態，使得評級結論不盡合理，不能完全實現信用評級所要實現的評級目的。
多變數信用風險二維判斷分析評級法
對信用狀況的分析、關注、集成和判斷是一個不可分割的有機整體，這也是多變數信用風險二維判斷分析法的評級過程。
多變數特徵是以財務比率為解釋變數，運用數量統計方法推導而建立起的標准模型。運用此模型預測某種性質事件發生的可能性，使評級人員能及早發現信用危機信號。經長期實踐，這類模型的應用是最有效的。多變數分析就是要從若干表明觀測對象特徵的變數值（財務比率）中篩選出能提供較多信息的變數並建立判別函數，使推導出的判別函數對觀測樣本分類時的錯判率最小。根據判別分值，確定的臨界值對研究對象進行信用風險的定位。
二維判斷就是從兩方面同時考察信用風險的變動狀況：
一是空間，即正確反映受評客體在本行業(或全產業)時點狀態所處的地位；
二是時間，盡可能考察一段時期內受評客體發生信用風險的可能性。