文档介绍：金融工程学第9章
信用风险计量模型
传统信用分析方法
5C分类法
评级方法
现代信用计量模型
围绕违约风险建模
Creditmetrics
围绕公司价值建模
KMV模型
评分方法
定性
定量
Z-Score模型
理论基础:贷款企业的破产概率大小与其财务状况高度相关。
Z计分模型的本质:破产预测模型
方法:复合判别分析(Multiple Discriminant Analysis,MDA)。
基本思想:聚类——MDA能将贷款企业区分为不会破产和破产两类。
Z-Score模型建模步骤
建立判别方程(线性)
收集过去已破产和不破产的企业的有关财务数据(比率)
Z-Score模型建模步骤
通过MDA或聚类分析,得到最关键的、最具有区别能力的财务指标,即这些指标具有如下性质
在破产组和非破产组之间差异显著
指标稳定性好,在组内没有差异
例子: Z-Score模型
基于33个样本,。
F用于检验两组均值的统计差异,越大越好,可用F排序。
我们从20个指标中筛选出5个,筛选的5个是按照F值从小到大排列后最后得到的。
指标筛选
变量
破产组均值
非破产组均值
F统计量
x1营运资本/总资产
-%
%
x2留存盈余/总资产
-%
%
x3税息前收益/总资产
-%
%
x4股权的市值/总负债的账面价值
%
%
x5销售额/总资产
建立判别方程
Z = + + 33x3+ +
x1~ x5的意义同上
将实际企业的财务指标值代入方程,计算得到Z
若Z>;
若Z<,则企业不具贷款资格,二者之间需要详细审查。
Z-Score模型
例:某申请贷款的企业主要财务比率如下:
x1—营运资本/总资产比率=
x2—留存盈余/总资产比率=
x3 —利息和税收之前的收益/总资产比率=
x4—股权的市场价值/总负债的账面价值比率=
x5—销售额/总资产比率(资产周转率)=
Z = ×+ ×+ 33×+ ×+ ×=>
结论:可以给该企业贷款。
计分模型缺点和注意事项
Altman 判别方程对未来一年倒闭预测的准确性可达95%,但对预测两年倒闭的准确性降低到75%,三年为48%。
缺陷:
依赖财务报表的账面数据而忽视了日益重要的资本市场指标,在一定程度上降低了预测结果的可靠性和及时性。
变量假设为线性关系,而现实的经济现象可能非线性的。
预测模型不能长期使用,需要定期更新,修正财务比率和参数。
研究表明:通过修正后对未来4年的预测准确度达到80%。