文档介绍：{财务管理信用管理}企业的信用
评价办法
企业的信用评价
1. 信用评价概述
在美国和欧洲，企业信用评价引起了学术界和实务界极大的关注，判别方法和模型层出
不穷，但迄今为止还没有公认的、有效的和统一的方法。企业信用评价之所以引起极大
的关注，之所以有大量的方法和模型得到开发和利用，原因就在于其具有不可忽视的重
要性：
一、作为早期警告系统，判别方法和模型可以告诫管理者企业是否在变坏，是否应采取
有针对性的措施防止失败；
二、判别方法和模型可以用来帮助金融机构的决策者对企业作出评价和选择，因为这些
模型和贷款决策模型相通。虽然贷款决策问题和企业信用问题不能等同，但贷款人可以
卓有成效地利用企业信用等级判别模型评价贷款的可行性。
西方银行在多年的实践中逐渐形成了一整套衡量标准，即通常所称的贷款审查
“6C”原则,“6C”即：（1）品德（Character）（2）能力（Capacity）（3）
资本（Capital）（4）担保(Collateral)（5）经营环境(Condition)（6）事业
的连续性（Continuity）或 LAPP 原则即流动性（Liquidity）、活动性
（Activity）、盈利性（Profitability）、潜力（Potentialities）。
2. 评价指标体系
3. 信用评价模型
信用评价模型
多元判别分析（MDA）Logit 分析模型近邻法分类树人工神经网络(ANN)模型
国际上，对企业的信用评价，通常将商业银行对企业信用风险的测度转化为对企业财务
状况的衡量问题，因为信用风险的形成——企业是否能如期还本付息，主要取决于企业
财务状况。具体做法是根据历史上每个类别（如信用等级 AAA、AA、A、BBB 等）的若干
样本，从已知的数据中发现规律，从而总结出分类的规则，建立判别模型，用于对新的
样本的判别。当然我们不能仅根据企业某些单一指标，而应根据影响企业财务状况的多
维指标来评估企业的财务状况。因此，这些方法的关键步骤和难点在于指标体系的确立
和评估模型的选择，也即如何将多维指标综合起来。目前采用的方法有统计方法、专家
系统、神经网络技术等。
国内外在对信用评价中，广泛采用了基于统计判别方法的预测模型，这些方法都是在
Fisher 于 1936 年作出的启发性研究之后提出来的。总的来说，这些模型都被表述为一
类分类系统（如图 ），它们接受定义在已选变量集合上的一个随机观测值样本，建
立判别函数，进行分类。常用的模型有：回归分析法、多元判别分析法、Logit 法、Probit
法等，这些模型已经得到广泛的应用，但它们仍存在着许多缺陷，下面就分别介绍这几
种模型。
模型的分类系统
多元判别分析（MDA）
Ches