1、信用風(fēng)險評估方法及其比較本篇論文目錄導(dǎo)航：【題目】中國網(wǎng)絡(luò)保險信用風(fēng)險的控制研究【第一章】網(wǎng)絡(luò)保險信用風(fēng)險防控分析緒論【第二章】網(wǎng)絡(luò)保險信用風(fēng)險的影響因素及其作用機(jī)理【第三章】信用風(fēng)險評估方法及其比較【4.1 - 4.3】網(wǎng)絡(luò)保險信用風(fēng)險度量模型的構(gòu)建【4.4 4.5】信用風(fēng)險Logit回歸結(jié)果與多元線性回歸分析【結(jié)論/參考文獻(xiàn)】網(wǎng)絡(luò)保險信用風(fēng)險的管理研究結(jié)論與參考 文獻(xiàn)第三章信用風(fēng)險評估方法及其比較3.1信用風(fēng)險評估的概念所謂的信用風(fēng)險評估是指找出一些可能引起信用風(fēng)險的因素， 并利用定量和定性的方法對這些因素進(jìn)行系統(tǒng)的分析，找出其中引起 信用風(fēng)險的最主要的影響因素，或者是直接運(yùn)用相關(guān)的計量模

2、型來計 算出發(fā)生信用風(fēng)險的概率，例如，如果通過相關(guān)模型找出某一企業(yè)的 違約概率很大，那么擔(dān)保機(jī)構(gòu)就不會為該企業(yè)擔(dān)保，銀行也不會為該 企業(yè)貸款。之所以有信用風(fēng)險的評估，實(shí)際上的主要目的對評估對象 的違約風(fēng)險進(jìn)行預(yù)測，也就是為了控制信用風(fēng)險。對保險公司來說， 信用風(fēng)險評估主要是對投保人來說的，如果說投保人的信用風(fēng)險較高， 可能收取的保費(fèi)就比較多，反之如果投保人的信用較好可能降低該投 保人的保費(fèi)，也就是說，保險公司一般都會利用科學(xué)的信用評級方法， 對投保人的信用狀況進(jìn)行合理的評估來降低信用風(fēng)險，但是隨著網(wǎng)絡(luò) 保險的發(fā)展，保險公司面臨的信用風(fēng)險發(fā)生了一些轉(zhuǎn)變，一般的信用 評級方法已不在適合于網(wǎng)絡(luò)保險業(yè)

3、務(wù)。網(wǎng)絡(luò)保險的信用風(fēng)險評估就是 以一般保險公司的信用評估理論為基礎(chǔ)，利用針對網(wǎng)絡(luò)保險設(shè)計的評 估模型，對在互聯(lián)網(wǎng)上投保人的信用狀況進(jìn)行評估。3.2信用風(fēng)險的評估方法3.2.1傳統(tǒng)評估方法由于市場經(jīng)濟(jì)的發(fā)展，人們對于市場信用風(fēng)險評估方法的研 究也比較早，隨著市場經(jīng)濟(jì)的不斷變化，人們對于信用風(fēng)險的評估方 法也在不斷地改進(jìn)和創(chuàng)新。經(jīng)過多年的發(fā)展，如今存在著多種信用評 估方法，本文將那些較早出現(xiàn)的信用評估方法稱為傳統(tǒng)的信用評估方 法，與之相對應(yīng)的就稱為現(xiàn)代評估方法。并且由于信用評估方法的種 類較多，本文就不一一都做介紹，只對那些影響力較大、較為典型的 幾種評估方法做出描述。（1）專家系統(tǒng)法。所謂的專家

4、系統(tǒng)法，就是一些掌握著專業(yè) 的知識和具有豐富的經(jīng)驗(yàn)的高素質(zhì)人才組成的評估團(tuán)隊，他們利用他 們的專業(yè)知識和工作經(jīng)驗(yàn)，以及一些統(tǒng)計分析工具對信用風(fēng)險的評估 對象進(jìn)行主觀上的分析判斷，它是過去應(yīng)用最為廣泛的一種信用風(fēng)險 分析方法，對如今的一些信用風(fēng)險分析方法產(chǎn)生了深遠(yuǎn)的影響。在專 家系統(tǒng)分析方法中，最具有代表性的就是“5c”法，其中 5c法主要是利用道德品質(zhì)、資本實(shí)力、擔(dān)保抵押、償債能力、經(jīng)營 環(huán)境這五個因素來分析研究對象的信用狀況，后來根據(jù)研究對象的不 同又出現(xiàn)了“5p”法、“5w”法等。（2）信用評分法。信用評分法主要是指應(yīng)用相關(guān)模型或計量 工具對研究對象未來失去償還能力或者違約可能性進(jìn)行計算分

5、析。信 用評分法是以影響研究對象信用的因素為基礎(chǔ)，在利用先進(jìn)的數(shù)據(jù)處 理方式對這些數(shù)據(jù)進(jìn)行統(tǒng)計分析，得出其產(chǎn)生信用風(fēng)險的概率。信用 評分法主要有l(wèi)ogit回歸法和多元判別分析法，目前這一傳統(tǒng)的信用 評估方法仍然被廣發(fā)的應(yīng)用。多元判別法就是指利用提供信息量大的 變量，構(gòu)建出一個模型使得在研究對象時的錯誤率最小，然后再利用 該模型進(jìn)行判別。Logit模型就是對影響研究對象信用風(fēng)險的因素進(jìn) 行回歸分析，預(yù)測出研究對象違約的概率，然后進(jìn)行風(fēng)險等級劃分。（3）神經(jīng)網(wǎng)絡(luò)法。神經(jīng)網(wǎng)絡(luò)法是一種容錯了多門學(xué)科的信用 評估方法，它涉及到神經(jīng)心理學(xué)、應(yīng)用數(shù)學(xué)和認(rèn)知科學(xué)。神經(jīng)網(wǎng)絡(luò)法 是一種純天然的、獨(dú)立自主的建模過程

6、，神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)一般由3個 部分組成，即輸入層、隱蔽層和輸出層。神經(jīng)網(wǎng)絡(luò)法能夠通過自身的 學(xué)習(xí)，并行的處理資訊，也就是說神經(jīng)網(wǎng)絡(luò)法能夠處理足夠多的數(shù)據(jù)。而且神經(jīng)網(wǎng)絡(luò)法還可以處理一些特殊的數(shù)據(jù)、以及一些錯誤 的數(shù)據(jù)。再就是神經(jīng)網(wǎng)絡(luò)法不需要服從正態(tài)分布以及不需要明確該模 型需要那種函數(shù)來匹配分析。雖然神經(jīng)網(wǎng)絡(luò)法在數(shù)據(jù)處理上具有一定 的優(yōu)點(diǎn)，但是構(gòu)建一個神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)需要耗費(fèi)大量的時間，因此，考 慮到時間成本，大部分研究人員和企業(yè)不愿意開發(fā)神經(jīng)網(wǎng)絡(luò)去有效的 解決問題。3.2.2現(xiàn)代信用風(fēng)險評估方法雖然傳統(tǒng)的信用風(fēng)險評估方法在分析研究對象的信用風(fēng)險中 發(fā)揮著重要的作用，但是在現(xiàn)實(shí)的實(shí)踐中也出現(xiàn)的許多問題，

7、于是一 些專家和學(xué)者在傳統(tǒng)信用風(fēng)險的評估方法的基礎(chǔ)上，利用如今的建模 技術(shù)和統(tǒng)計分析方法，提出了一批新型的信用風(fēng)險度量模型。本文主 要介紹 KMV 模型、Credit Metrics 模型、Credit Portfolio View 模型和 Credit Risk+模型。（1）KMV模型。該模型是1997年KMV公司建立的用以 計算企業(yè)違約概率的方法。KMV模型指出，銀行貸款所面臨的信用 風(fēng)險主要是受到企業(yè)在既定貸款額度下，其所擁有的資產(chǎn)市場價值影 響。因?yàn)椴惶菀讓ζ髽I(yè)資產(chǎn)市場價值進(jìn)行直觀的判斷，所以在KMV 模型中將該問題轉(zhuǎn)換為企業(yè)的股權(quán)價值，以此來衡量企業(yè)的信用狀況。 KMV模型是運(yùn)用現(xiàn)

8、代期權(quán)定價理論建立起來的違約預(yù)測模型，充分 利用資本市場的信息而非歷史賬面資料進(jìn)行預(yù)測，將市場信息納入了 違約概率。（2）Credit Metrics模型。該模型是1997年J.P.摩根公司用 于進(jìn)行信用風(fēng)險管理而開發(fā)出來的。其基本思想是：個人的信用風(fēng)險 取決于他本人的信用狀況，而企業(yè)的信用情況會被評為不同的等級加 以顯示。對于企業(yè)來說，它發(fā)行的股票、有價債券等金融工具，會因 為它的信用狀況不同而受到不同程度的影響，也就是說企業(yè)的信用等 級越低，它的股票市場價值就會越低，反之也一樣。該模型放棄了從 某一種資產(chǎn)來看待企業(yè)的信用情況，該模型的最大特點(diǎn)就是從資產(chǎn)組 合的角度出發(fā)來度量企業(yè)的信用風(fēng)險。

9、每一種金融工具都會對整個資 產(chǎn)組合的風(fēng)險產(chǎn)生影響，因此、該模型研究單一的金融工具對整個資 產(chǎn)組合風(fēng)險的作用，并且引入了邊際風(fēng)險這樣一個概念，來反映一種 金融工具對整體的風(fēng)險狀況的影響。（3）Credit Risk+模型。該模型最早在1997年被開發(fā)出來， 利用精算的方法將風(fēng)險出現(xiàn)的整個過程劃分為不同的階段，以此來提 高對風(fēng)險的把握程度。該模型模首先要確定貸款組合的違約次數(shù)概率， 在一定時期內(nèi)違約次數(shù)的概率服從泊松分布，其次對貸款損失嚴(yán)重性 的大小進(jìn)行分組，最后將各組的損失分組，得到整個貸款組合的損失 概率分布。（4）Credit Portfolio View模型。該模型認(rèn)為，隨著宏觀經(jīng)濟(jì) 中各

10、種客觀因素的變化，債務(wù)人的信用狀況也會隨著發(fā)生變動，也就 是說，債務(wù)人的信用等級可能提高也可能降低。基于經(jīng)濟(jì)周期的各種 宏觀因素會對債務(wù)人的信用等級轉(zhuǎn)移產(chǎn)生重要的影響，以此為基礎(chǔ)， 麥肯錫公司首次將這些經(jīng)濟(jì)中的客觀影響因素與信用等級的變動概 率之間的關(guān)系構(gòu)建出了該模型。該模型需要以國家和各個行業(yè)的宏觀 違約數(shù)據(jù)為基礎(chǔ)，求出經(jīng)濟(jì)周期中宏觀因素變動所對應(yīng)的信用狀況變 化概率值。3.2.3各信用風(fēng)險評估方法的比較通過上面對信用風(fēng)險評估方法的介紹可以看到，信用風(fēng)險評 估的方法種類較多，而且不同信用風(fēng)險評估方法有著不同的優(yōu)缺點(diǎn)。 對專家系統(tǒng)法來說，它最大的優(yōu)點(diǎn)就是操作起來簡單，它的缺點(diǎn)就是 主觀性和隨意

11、性太強(qiáng)，不同的評估團(tuán)隊對評估對象的評估結(jié)果可能出 現(xiàn)較大的差異，而且缺乏定量的分析，沒有定量的數(shù)據(jù)支持，不具有 說服力。對信用評分法的logit模型來說，logit回歸模型不需要變量 之間的線性關(guān)系，對數(shù)據(jù)的要求并不苛刻，適合于處理因變量是定性 指標(biāo)的問題，能夠很好地反映違約因素與違約結(jié)果之間的關(guān)系。并且 logit模型的假設(shè)條件也不苛刻，但是卻具有較高的準(zhǔn)確性，是目前 應(yīng)用最為廣泛的信用風(fēng)險度量模型之一。對神經(jīng)網(wǎng)絡(luò)法來說，神經(jīng)網(wǎng) 絡(luò)法能夠很好的解決非線性和費(fèi)正太的信用風(fēng)險評估問題，但是其對 未來的預(yù)測性較差，存在過度擬合的問題，再就是它的完成需要耗費(fèi) 大量的人力和時間。對于KMV模型來說，該

12、模型的理論基礎(chǔ)較為全 面，具有很好的預(yù)測性，上市公司的信用風(fēng)險一般都是利用該模型來 度量的，但是該模型的假設(shè)條件非常嚴(yán)格，模型的精確性也有待檢驗(yàn)， 使用的范圍比較窄。對于Credit Metrics模型來說，該模型較為全面 的考慮了信用風(fēng)險的度量，能夠較為真實(shí)、全面的反映出信用風(fēng)險的 大小，但是在對統(tǒng)一信用等級的研究對象選取了相同的違約概率和等 級轉(zhuǎn)移概率，很難準(zhǔn)確的把握住客戶當(dāng)前信用情況的變化。對于信用 附加模型來說，該模型的使用能力較為廣泛，它沒有時間、地點(diǎn)、企 業(yè)種類的限制，它只需要風(fēng)險曝露和違約率，需要的估計變量較少。 但是它沒有考慮到違約風(fēng)險以外的其他因素，再就是它忽視了信用等級的變

13、動。對于CreditPortfolio View模型來說，該模型充分的考慮 到了宏觀經(jīng)濟(jì)對信用等級變化的影響，而且在該模型中不同的時期它 的等級轉(zhuǎn)移概率是隨著變化的，減少了由于轉(zhuǎn)移概率固定不變而引起 的結(jié)果的偏差。但是該模型需要真實(shí)有效的宏觀數(shù)據(jù)，數(shù)據(jù)的收集、 處理和計算都相當(dāng)?shù)膹?fù)雜，而且最后的結(jié)果是加總的違約概率，而不 是特定研究對象單個的違約概率。根據(jù)上述各個信用評估方法的優(yōu)缺點(diǎn)，以及本文研究對象的 特殊性，本文決定選取logit模型來對我國網(wǎng)絡(luò)保險的信用風(fēng)險進(jìn)行 度量，logit模型能夠處理大量的數(shù)據(jù)，在度量我國網(wǎng)絡(luò)保險的信風(fēng) 險上具有很大的優(yōu)勢，根據(jù)我國網(wǎng)絡(luò)保險信用風(fēng)險所面臨的問題來看， 第一，影響我國網(wǎng)絡(luò)保險信用風(fēng)險的因素是多種多樣的，而且各個因 素之間并沒有特別明顯的關(guān)系，然而logit模型對預(yù)測的變量并沒有 嚴(yán)格的規(guī)定，也不需要正太分布和線性相關(guān)的假設(shè)條件，自變量可以 使離散的也可以是連續(xù)的，這就保證了對網(wǎng)絡(luò)保險信用風(fēng)險評估指標(biāo) 的全面性。第二，和線性回歸方法相比較，在處理定性的數(shù)據(jù)時，logit 模型是占有較大優(yōu)勢的。第三，該模型最后得出的結(jié)果簡單易懂，輸 出的結(jié)果具有很強(qiáng)的直觀性，便于我們的理解。關(guān)于該模型的詳細(xì)內(nèi) 容會在下一章介紹，在這里就不過多的闡述了。3.3本章小結(jié)本章主要介紹并比較了幾種傳統(tǒng)的信用風(fēng)險評估方法和幾種 現(xiàn)代信用風(fēng)