信用风险又称违约风险，是指借款人、证券发行人或交易对方因种种原因，不愿或无力履行合同条件而构成违约，致使银行、投资者或交易对方遭受损失的可能性。80年代末以来，随着金融的全球化趋势及金融市场的波动性加剧，各国银行和投资者受到了前所未有的信用风险的挑战。世界银行对全球银行业危机的研究表明，导致银行破产的主要原因就是信用风险。因此，国际金融界对信用风险的关注日益加强,如旨在加强信用风险管理的《巴塞尔协议》已在西方发达国家全面实施。信用风险评估方法不断推陈出新，管理技术正日臻完善,许多定量技术、支持工具和软件已付诸商业应用。

　　一、现代信用风险模型迅速发展的动因
　　近年来，信用风险的计量和管理方法发生了革命性的变化。与过去的信用管理相对滞后和难以适应市场变化的特点相对比，新一代的金融工程专家将建模技术和分析方法应用到这一领域,产生了一批新技术和新思想。随之而来，在传统信用评级方法基础上产生了一批信用风险模型，这些模型受到了业内人士的广泛关注。信用风险模型主要是通过数学手段对历史数据进行统计分析，从而对有关群体或个体的信用水平进行定性或者定量评估，并对其未来行为的信用风险进行预测，提供信用风险防范的有效依据和手段。信用风险模型的提出和发展之所以受到广泛关注，主要基于以下原因：　　　　
　　1、公司倒闭的结构性增加
　　尽管近年来的经济萧条是在不同国家的不同时间发生,但对大多数关于倒闭的统计表明,与以前的经济萧条时期相比，公司倒闭显著增加。从某种程度上说,世界范围内的破产有了一个持久的或者说结构性增加。这可能是由于全球性竞争引起的,但不管怎么说，准确的信用风险分析显得比过去更加重要。
　　2、脱媒效应（disinter mediation）
　　随着资本市场扩张并涉及到中小企业，银行作为融资中介的地位削弱，银行和其他传统金融机构对获得贷款的公司（或者借贷者）的规模要求有越来越小的趋势，其信用等级要求也越来越低。资本市场的成长对传统金融机构的信用投资组合产生了一种“赢家咒语”（winner’s curse）效应。
　　 3、抵押品价值降低及其波动增加
　　 在亚洲金融危机发生的同时，在一些发达国家如瑞士、日本发生了银行危机。这些危机表明，有形资产价值和不动产的价值是很难通过清算来估计的。抵押品价值的不确定性越大，贷款的风险就越大。
　　 4、资产负债表之外的衍生产品的增长
　　 由于衍生工具市场的显著扩展，信用风险的增加必然带来对贷款帐目以外信用的分析需求。在美国大银行中，由场外交易（otc）的掉期和远期等衍生工具带来的表外风险的名义价值比他们贷款帐目价值的10倍还多。实际上，表外信用风险的增长是国际结算银行（bank for international settlemants即bis）在1993年规范风险资本的主要原因。
　　 5、信息技术的进步
　　 计算机系统的发展以及相关信息技术的发展，例如历史贷款数据库的发展，使得银行和其他金融机构有可能检测高效的建模技术，除了能分析贷款损失和价值分布函数及其分布的尾部形状，银行还可以利用现代组合理论的模型和技术对贷款组合进行积极而有效的管理。
　　6、bis对风险资本的规定
　　除了以上五个原因之外，银行发展新的信用风险模型最大的动力来自对bis订立的借贷资本强制规定的不满。现行的bis政策可以称为“万能”政策。不管贷款的规模、到期日和借方的信用水平如何，对私人部分的所有贷款都要遵循相同的8%资本保证金。因此,一个濒临破产的公司和一个aaa级的企业在贷款方面的待遇是相同的。很多大公司提议允许他们将内部信用风险模型用于计算并划分借贷者的信用等级。从1998年起，国际结算银行开始准许10家主要大银行使用市场内部风险模型，用于一般性的和特殊性的市场风险度量，并每天报告交易计划的一般资本需求。现代信用模型的出现给借贷市场带来了显著的变化，主要体现在大量信用衍生工具的出现和赊销市场的出乎意料的增长。银行等金融机构第一次能够积极地、准确地控制它们的信用风险，从而改善经济界或者银行自身的风险状况。

　　二 creditmetrics模型的基本思想
　　creditmetrics（信用计量）模型是j.p.摩根在1997年推出的用于量化信用风险的风险管理产品。与1994年推出的量化市场风险的riskmetrics一样，该模型引起了金融机构和监管当局的高度重视，是当今风险管理领域在信用风险量化管理方面迈出的重要一步。
　　1、信用风险取决于债务人的信用状况，而企业的信用状况由被评定的信用等示。因此，信用计量模型认为信用风险可以说直接源自企业信用等级的变化，并假定信用评级体系是有效的，即企业投资失败、利润下降、融资渠道枯竭等信用事件对其还款履约能力的影响都能及时恰当地通过其信用等级的变化而表现出来。信用计量模型的基本方法就是信用等级变化分析。转换矩阵（transition matrix一般由信用评级公司提供），即所有不同信用等级的信用工具在一定期限内变化（转换）到其他信用等级或维持原级别的概率矩阵，成为该模型重要的输入数据。
　　2、信用工具（包括债券和贷款等）的市场价值取决于债务发行企业的信用等级，即不同信用等级的信用工具有不同的市场价值，因此，信用等级的变化会带来信用工具价值的相应变化。根据转换矩阵所提供的信用工具信用等级变化的概率分布，同时根据不同信用等级下给定的贴现率就可以计算出该信用工具在各信用等级上的市场价值（价格），从而得到该信用工具市场价值在不同信用风险状态下的概率分布。这样就达到了用传统的期望和标准差来衡量资产信用风险的目的，也可以在确定的置信水平上找到该信用资产的信用值，从而将var的方法引入到信用风险管理中来。
　　3、信用计量模型的一个基本特点就是从资产组合而并不是单一资产的角度来看待信用风险。根据马柯威茨资产组合管理理论，多样化的组合投资具有降低非系统性风险的作用，信用风险很大程度上是一种非系统性风险，因此，在很大程度上能被多样性的组合投资所降低。另一方面，由于经济体系中共同的因素（系统性因素）的作用，不同信用工具的信用状况之间存在相互联系，由此而产生的系统性风险是不能被分散掉的。这种相互联系由其市场价值变化的相关系数（这种相关系数矩阵一般也由信用评级公司提供）表示。由单一的信用工具市场价值的概率分布推导出整个投资组合的市场价值的概率分布可以采取马柯威茨资产组合管理分析法。
　　4、由于信用计量模型将单一的信用工具放入资产组合中衡量其对整个组合风险状况的作用，而不是孤立地衡量某一信用工具自身的风险，因而，该模型使用了信用工具边际风险贡献这样的概念来反映单一信用工具对整个组合风险状况的作用。边际风险贡献是指在组合中因增加某一信用工具的一定持有量而增加的整个组合的风险（以组合的标准差表示）。通过对比组合中各信用工具的边际风险贡献，进而分析每种信用工具的信用等级、与其他资产的相关系数以及其风险暴露程度等各方面因素，可以很清楚地看出各种信用工具在整个组合的信用风险中的作用，最终为投资者的信贷决策提供科学的量化依据。

　　三、kmv模型的基本思想
　　 kmv模型是著名的风险管理公司kmv公司开发的一个信用风险计量模型。与creditmetrics从授信企业的信用评级变化的历史数据中分析出企业的信用状况不同，该模型采用了一种从授信企业股票市场价格变化的角度来分析出该企业信用状况的信用风险计量方法。
　　1、该模型最主要的分析工具是所谓的edf，即预期违约频率，是指授信企业在正常的市场条件下，在计划期内违约的概率。
　　2、违约被定义为授信企业不能正常支付到期的本金和利息，而且被认为在企业的市场价值（可用企业资产价值表示）等于企业负债水平时就会发生，因为此时该企业即便将其全部资产出售也不能完成全部偿还义务，因而在概念上会发生违约。正是基于对违约的这种理解，企业市场价值或资产价值的违约触发点（default point）被设定为与企业负债水平相等的企业资产价值水平。edf就是根据企业资产价值的波动性（通过该企业股票在市场上的波动性测算出来）来衡量的企业目前市场价值或资产价值水平降低到违约触发点水平的概率，即违约概率。
　　3、有关edf的信息被包含在公司上市交易的股票的价格之中。因此，只要分析公司的股票价格水平及其变化，就可以得到edf，即与该公司进行信用交易所面临的信用风险。这一信用风险信息还可以随着股票交易价格的最新变化而不断更新。通过对公司股票价格波动的分析来寻找其中包含的该公司信用状况的信息是edf模型的基本特点之一。
　　4、公司资产的市场价值从概念上被认为等于公司的债务加股东权益的全部负债。因此，通过观察借款公司的股票价格以及由此推导出公司债务的市场价值，kmv模型可以间接地衡量难以直接观察的借款公司资产的市场价值。
资产市价=账面负债+股权市价
　　 5、由于公司负债的账面价值的波动性可以被视为0，所以，资产市价的波动性可以被视为等于公司股票市价的波动性（方差或标准差），即通过观察股票市价的波动性可以得到资产市价的波动性。
账面负债的波动性（以标准差表示）=0；资产市价的波动性=股权市价的波动性

　　 四、kmv模型与creditmetrics模型的比较
　　 kmv模型与creditmetrics模型是目前国际金融界最流行的两个信用风险管理模型。两者都为银行和其它金融机构在进行贷款等授信业务时衡量授信对象的信用状况，分析所面临的信用风险，防止集中授信，进而为实现投资分散化和具体的授信决策提供量化的、更加科学的依据，为以主观性和艺术性为特征的传统信用分析方法提供了很好的补偿。然而，从上述的介绍和分析中，我们又可以明显地看到这两个模型在建模的基本思路上又相当大的差异，这些差异还主要表现在以下几个方面。
　　 1、kmv模型对企业信用风险的衡量指标edf主要来自于对该企业股票市场价格变化的有关数据的分析，而creditmetrics模型对企业信用风险的衡量来自于对该企业信用评级变化及其概率的历史数据的分析。这是两者最根本的区别之一。
　　 2、由于kmv采用的是企业股票市场价格分析方法，这使得该模型可以随时根据该企业股票市场价格的变化来更新模型的输入数据，得出及时反映市场预期和企业信用状况变化的新的edf值。因此，kmv模型被认为是一种动态模型，可以及时反映信用风险水平的变化。然而，creditmetrics采用的是企业信用评级指标分析法。企业信用评级，无论是内部评级还是外部评级，都不可能象股票市场价格一样是动态变化的，而是在相当长的一段时间内保持静态特征。这有可能使得该模型的分析结果不能及时反映企业信用状况的变化。
　　 3 、同时，也正是因为kmv模型所提供的edf指标来自于对股票市场价格实时行情的分析，而股票市场的实时行情不仅反映了该企业历史的和当前的发展状况，更重要的是反映了市场中的投资者对于该企业未来发展的综合预期，所以，该模型被认为是一种向前看（forward-looking）的方法，edf指标中包含了市场投资者对该企业信用状况未来发展趋势的判断。这与creditmetrics模型采用的主要依赖信用状况变化的历史数据的向后看（backward-looking）的方法有根本性的差别。kmv的这种向前看的分析方法在一定程度上克服了依赖历史数据向后看的数理统计模型的“历来可以在未来复制其自身”的缺陷。
　　 4 、kmv模型所提供的edf指标在本质上是一种对风险的基数衡量法，而creditmetrics所采用的与信用评级分析法则是一种序数衡量法，两者完全不同。以基数法来衡量风险最大的特点在于不仅可以反映不同企业风险水平的高低顺序，而且可以反映风险水平差异的程度，因而更加准确。这也更加有利于对贷款的定价。而序数衡量法只能反映企业间信用风险的高低顺序，如bbb级高于bb级，却不能明确说明高到什么程度。
　　5、creditmetrics采用的是组合投资的分析方法，注重直接分析企业间信用状况变化的相关关系，因而更加与现代组合投资管理理论相吻合。而kmv则是从单个授信企业在股票市场上的价格变化信息入手，着重分析该企业体现在股价变化信息中的自身信用状况，对企业信用变化的相关性没有给予足够的分析。

　　五、神经网络分析系统
　　实证研究发现：（1）企业财务状况的评价可以看作是一类基于一系列独立变量基础上的分类问题；（2）企业财务状况的好坏与财务比率的关系是非线性的；（3）预测变量（财务比率）可能是高度相关的；（4）大量实证结果表明，许多指标不成正态分布。 因此，传统的分类方法不能很好地解决这些问题。作为研究复杂性的有力工具，神经网络技术近年来在模式识别与分类、识别滤波、自动控制、预测等方面已展示了其非凡的优越性，特别是能处理任意类型的数据，这是许多传统方法所无法比拟的。通过不断学习，能够从未知模式的大量的复杂数据中发现其规律。神经网络方法克服了传统分析过程的复杂性及选择适当模型函数形式的困难，它是一种自然的非线性建模过程，毋需分清存在何种非线性关系，给建模与分析带来极大的方便．该方法用于企业财务状况研究时，一方面利用其映射能力，另一方面主要利用其泛化能力，即在经过一定数量的带噪声的样本的训练之后，网络可以抽取样本所隐含的特征关系，并对新情况下的数据进行内插和外推以推断其属性。
虽然神经网络的理论可追溯到40年代，但在信用风险分析中的应用还是90年代的新生事物。神经网络是从神经心理学和认识科学研究成果出发,应用数学方法发展起来的一种并行分布模式处理系统，具有高度并行计算能力、自学能力和容错能力。神经网络的结构是由一个输入层、若干个中间隐含层和一个输出层组成。国外研究者如altman,marco和varetto（1995）对意大利公司财务危机预测中应用了神经网络分析法；coats,fant（1993）、trippi和turban,kevin、karyantan和mdodyy.kiang（1992）采用了神经网络分析法分别对美国公司和银行财务危机进行了预测，取得了一定的效果。我国学者杨保安、王春峰等（1998）也在此领域进行了初探。然而神经网络的最大缺点是其工作的随机性较强。因为要得到一个较好的神经网络结构，需要人为地去调试，非常耗费人力与时间，因此应用受到了限制。但神经网络作为一门崭新的信息处理科学仍然吸引着众多领域的研究者。

　　六、改进和优化我国企业信用风险模型的构想
　　当然，现有的信用风险模型也并不是完美的，并且除了模型本身的性能原因之外，在应用模型的过程中也有一定的困难。（1）参数选择问题；（2）风险遗漏；（3）信用风险的复杂性；（4）数据空白。有关信用风险的数据相对缺乏，许多时候只能利用相似情况的数据类推，这严重阻碍了实证研究的发展。
在信息不对称、信用制度不完善的现实状况下，银行等金融机构如何设计出有效的企业信用评价模型，以降低企业违约风险，实现资源有效配置，需要解决两个方面的问题：
　　1、企业信用评价指标的有效性及所需信息成本问题，即什么指标能更有效地揭示企业的违约风险大小；如何以最小的成本获取评价所需要的真实、可靠的信息。企业信用评价指标的有效性包括两个方面的涵义：一是企业信用评价指标赖以计算的基础数据的真实性和可靠性，即会计信息的真实性。“客户信用相关数据的真实性和准确性是银行测量信用风险的关键保障。再先进复杂的风险计量模型，离开了真实、准确的数据，也无法导出有预见性的结果。”二是评价指标能准确地预测企业违约风险大小，即指标的灵敏度。目前我国企业信用评价指标中的盈利能力指标，是以权责发生制为基础，“反映企业在一定时期内获取利润数量多少的一种评价结果。该指标容易被人为操纵，而且验证的难度比较大。”实证研究表明，现金流量指标比会计数据指标具有一定的不可操纵性，能够在一定程度上缩小企业盈余管理的空间，能更有效地鉴别公司盈利质量，容易核查和验证，并且取得成本相对较低。
　　2、还贷的激励问题，即通过设计信用激励机制，使经营者满足于激励相容约束，从而自动履行还贷义务。从表面上看，还贷是经济行为主体履行债务契约的行为，是一种契约安排。实际上，根据行为学派的观点，还贷隐含着企业经营管理者期望获得满足的心理因素。由于这种心理因素的存在，加大了企业履行债务契约的不确定性，使得信用风险的预测更加困难和复杂。单纯依靠现有的信用风险度量技术已不能有效地估计“借款人或市场交易对手违约而导致损失的可能性大小，以及由于借款人信用等级变动和履约能力变化导致其债务的市场价值变动而引起损失的可能性。”为此，刺激代理人利用他的私有信息，谋取委托人与代理人利益最大化的较好办法是建立激励机制。履约还贷的激励，包括外在激励和内在激励。外在激励是指企业在外界的要求与外力的作用下所产生的行为动力。既包括企业经营者为提高企业信用等级，降低融资成本、赢得信誉等而产生的正向激励，也包括企业经营者为避免受到行政处分、经济处罚、取消授信额度等而产生的反向激励（负激励）。内在激励是指企业经营者内在需要产生的行为动力。表现为企业经营者认识到履约还贷对提升业绩，实现企业价值最大化，从而实现自我价值的重要性，因而积极主动地增强偿债能力。当企业信用等级与企业经营管理者个人利益相联系时，受内在激励因素的推动，经营管理者会努力去提高业绩，以便获得较高的信用等级，低成本取得占支配性地位的金融资本资源，从而使自身的需要获得满足。一旦企业盈利质量下降，与盈利质量相关的代理人的经营绩效考核指标值恶化，企业信用等级随之下降，经营管理者迫于不能取得贷款或高成本取得贷款，甚至金融机构中途收回贷款，企业面临破产的压力下，必然会选择按期履约。
在企业信用评价模型中，引入基于现金流的业绩指标代替非业绩指标，可以较好地解决以上两个基本问题。从实证研究结果看：企业信用评价中的基于现金流的业绩指标较非业绩指标与企业的信用等级更相关，业绩指标成为决定企业信用等级，进而提示企业违约风险的更为有效的指标。当业绩指标产生变化，意味着信用等级将发生转移；业绩指标产生变化的幅度越大，信用等级发生转移的跨度就越大。为此，可以通过观测并计算业绩指标的变动幅度来预测企业的信用风险程度。这样一来，大大简化了企业信用评价模型，降低了信息取得成本，同时克服了定性指标据专家经验打分，客观依据不足的弊端。另外，基于现金流的企业业绩指标相对于非业绩指标来说，与企业经营管理者的业绩更相关。为此，我们认为，基于现金流的业绩指标与企业经营管理者的利益相联系，可以起到一定的内在激励作用。
综上所述，以现金流的业绩指标为重新来构建企业信用评价模型，可以在一定程度上提高预测的准确率，并且该模型与企业经营管理者的还贷责任、还贷义务以及相应的还贷激励相联系，将有助于促使还贷成为经营管理者内在激励的自发行为。虽然我们提出构建基于现金流的企业信用评价模型，对预测信用风险、激励经营管理者按期履约以及提供更加客观的信息等方面优于现有企业信用评价模型，但它并不是没有局限，仍有许多方面有待研究，如：经济周期因素对信用等级转移的影响、业绩指标变化幅度与等级转移跨度之间的数量关系、业绩指标体系的优化等。希望通过以上研究及对模型的改进构想能为银行等金融机构在修改和完善内部评级体系，以便符合新巴塞尔协议要求时提供有益的思.