1、多變量信用風(fēng)險(xiǎn)判別模型的概述多變量信用風(fēng)險(xiǎn)判別模型是以特征財(cái)務(wù)比率為解釋變量，運(yùn)用數(shù)量統(tǒng)計(jì)方法推導(dǎo)而建立起的 標(biāo)準(zhǔn)模型。運(yùn)用此模型預(yù)測(cè)某種性質(zhì)事件發(fā)生的可能性，及早發(fā)現(xiàn)信用危機(jī)信號(hào)，使經(jīng)營者能夠在 危機(jī)出現(xiàn)的萌芽階段采取有效措施改善企業(yè)經(jīng)營，防范危機(jī)；使投資者和債權(quán)人可依據(jù)這種信號(hào) 及時(shí)轉(zhuǎn)移投資、管理應(yīng)收帳款及作出信貸決策。目前國際上這類模型的應(yīng)用是最有效的,也是國 際金融業(yè)和學(xué)術(shù)界視為主流方法。概括起來有線性概率模型、Logit模型、Probit模型和判別分 析模型。其中多元判別分析法最受青睞,Logit模型次之。多元判別分析法是研究對(duì)象所屬類別進(jìn)行判別的一種統(tǒng)計(jì)分析方法。判別分析就是要從若

2、干 表明觀測(cè)對(duì)象特征的變量值（財(cái)務(wù)比率）中篩選出能提供較多信息的變量并建立判別函數(shù)，使推導(dǎo) 出的判別函數(shù)對(duì)觀測(cè)樣本分類時(shí)的錯(cuò)判率最小。率先將這一方法應(yīng)用于財(cái)務(wù)危機(jī)、公司破產(chǎn)及違 約風(fēng)險(xiǎn)分析的開拓者是美國的愛德華阿爾特曼博士（Edward I.Altman）。他早在1968年對(duì)美國破 產(chǎn)和非破產(chǎn)生產(chǎn)企業(yè)進(jìn)行觀察，采用了 22個(gè)財(cái)務(wù)比率經(jīng)過數(shù)理統(tǒng)計(jì)篩選建立了著名的5變量 Z-score模型和在此基礎(chǔ)上改進(jìn)的“Zeta”判別分析模型。根據(jù)判別分值，以確定的臨界值對(duì)研究對(duì) 象進(jìn)行信用風(fēng)險(xiǎn)的定位。由于模型簡便、成本低、效果佳Zeta模型己商業(yè)化，廣泛應(yīng)用于美國商 業(yè)銀行，取得了巨大的經(jīng)濟(jì)效益。美國還專門

3、成立了一家Zeta服務(wù)有限公司，著名美林證券也提 供Z值統(tǒng)計(jì)服務(wù)。受美國影響，日本開發(fā)銀行、德國、法國、英國、澳大利亞、加拿大等許多發(fā) 達(dá)國家的金融機(jī)構(gòu),以及巴西都紛紛研制了各自的判別模型。雖在變量上的選擇各有千秋,但總體 思路則與阿爾特曼如出一轍。編輯多變量信用風(fēng)險(xiǎn)判別模型的內(nèi)容多變量信用風(fēng)險(xiǎn)判別模型主要包括以下幾種：（1）多元線性判定模型（Z-score模型）。其是財(cái)務(wù)失敗預(yù)警模型，最早是由Altman（1968） 開始研究的。該模型通過五個(gè)變量（五種財(cái)務(wù)比率）將反映企業(yè)償債能力的指標(biāo)、獲利能力的指 標(biāo)和營運(yùn)能力的指標(biāo)有機(jī)聯(lián)系起來，綜合分析預(yù)測(cè)企業(yè)財(cái)務(wù)失敗或破產(chǎn)的可能性。一般地，Z值 越低

4、，企業(yè)越有可能發(fā)生破產(chǎn)。具體模型為：Z=V1X1+V2X2+.+VnXn其中，V1、V2.Vn是權(quán)數(shù)，X1、X2.Xn是各種財(cái)務(wù)比率。根據(jù)Z值的大小，可將企業(yè)分為破 產(chǎn)”或“非破產(chǎn)”兩類。在實(shí)際運(yùn)用時(shí)，需要將企業(yè)樣本分為預(yù)測(cè)樣本和測(cè)試樣本，先根據(jù)預(yù)測(cè)樣本 構(gòu)建多元線性判定模型，確定判別Z值（Z值的大小可以作為判定企業(yè)財(cái)務(wù)狀況的綜合標(biāo)準(zhǔn)）， 然后將測(cè)試樣本的數(shù)據(jù)代入判別方程，得出企業(yè)的Z值，并根據(jù)判別標(biāo)準(zhǔn)進(jìn)行判定。此方法還可 以用于債券評(píng)級(jí)、投資決策、銀行對(duì)貸款申請(qǐng)的評(píng)估及子公司業(yè)績考核等。多元邏輯模型(Logit模型)。其采用一系列財(cái)務(wù)比率變量來預(yù)測(cè)公司破產(chǎn)或違約的概 率，然后根據(jù)銀行、投資者

5、的風(fēng)險(xiǎn)偏好程度設(shè)定風(fēng)險(xiǎn)警界線，以此對(duì)分析對(duì)象進(jìn)行風(fēng)險(xiǎn)定位和決 策。Logit模型建立在累計(jì)概率函數(shù)的基礎(chǔ)上，不需要自變量服從多元正態(tài)分布和兩組間協(xié)方差 相等的條件。Logit模型判別方法先根據(jù)多元線性判定模型確定企業(yè)破產(chǎn)的Z值，然后推導(dǎo)出企 業(yè)破產(chǎn)的條件概率。其判別規(guī)則是：如果概率大于0.5，表明企業(yè)破產(chǎn)的概率比較大；如果概率 低于0.5，可以判定企業(yè)為財(cái)務(wù)正常。多元概率比回歸模型(Probit回歸模型)。其假定企業(yè)破產(chǎn)的概率為P，并假設(shè)企業(yè) 樣本服從標(biāo)準(zhǔn)正態(tài)分布，其概率函數(shù)的P分位數(shù)可以用財(cái)務(wù)指標(biāo)線性解糕 其計(jì)算方法是先確定 企業(yè)樣本的極大似然函數(shù)，通過求似然函數(shù)的極大值得到參數(shù)a、b，然后

6、利用公式，求出企業(yè) 破產(chǎn)的概率；其判別規(guī)則與Logit模型判別規(guī)則相同。聯(lián)合預(yù)測(cè)模型。聯(lián)合預(yù)測(cè)模型是運(yùn)用企業(yè)模型來模擬企業(yè)的運(yùn)作過程，動(dòng)態(tài)地描述財(cái) 務(wù)正常企業(yè)和財(cái)務(wù)困境企業(yè)的特征，然后根據(jù)不同特征和判別規(guī)則，對(duì)企業(yè)樣本進(jìn)行分類。這一 模型運(yùn)作的關(guān)鍵是準(zhǔn)確模擬企業(yè)的運(yùn)作過程，因此，它要求有一個(gè)基本的理論框架，通過這一框 架來有效模擬企業(yè)的運(yùn)作過程，從而能夠有效反映和識(shí)別不同企業(yè)的行為特征、財(cái)務(wù)特征，并據(jù) 此區(qū)分企業(yè)樣本。編輯多變量信用風(fēng)險(xiǎn)判別模型的分析與評(píng)價(jià)多變量信用風(fēng)險(xiǎn)判別模型幾種模型的優(yōu)缺點(diǎn)主要體現(xiàn)在以下幾個(gè)方面：Z-score模型具有較高的判別精度，但存在著幾處不足：一是該模型要求的工作量

7、比 較大。二是在前一年的預(yù)測(cè)中，Z-score模型的預(yù)測(cè)精度比較高，但在前兩年、前三年的預(yù)測(cè)中， 其預(yù)測(cè)精度都大幅下降，甚至低于一元判別模型。三是Z-score模型有一個(gè)很嚴(yán)格的假設(shè)，即假 定自變量是呈正態(tài)分布的，兩組樣本要求等協(xié)方差，而現(xiàn)實(shí)中的樣本數(shù)據(jù)往往并不能滿足這一要 求。Logit模型的最大優(yōu)點(diǎn)是，不需要嚴(yán)格的假設(shè)條件，克服了線性方程受統(tǒng)計(jì)假設(shè)約束的 局限性，具有了更廣泛的適用范圍。目前這種模型的使用較為普遍，但其計(jì)算過程比較復(fù)雜，而 且在計(jì)算過程中有很多的近似處理，這不可避免地會(huì)影響到預(yù)測(cè)精度。Probit模型和Logit模型的思路很相似，都采用極大化似然函數(shù)，但在具體的計(jì)算方 法和

8、假設(shè)前提上又有一定的差異，主要體現(xiàn)在三個(gè)方面：一是假設(shè)前提不同，Logit不需要嚴(yán)格 的假設(shè)條件，而Probit則假設(shè)企業(yè)樣本服從標(biāo)準(zhǔn)正態(tài)分布，其概率函數(shù)的P分位數(shù)可以用財(cái)務(wù) 指標(biāo)線性解釋。二是參數(shù)a、b的求解方法不同，Logit采用線性回歸方法求解，而Probit采用 極大似然函數(shù)求極值的方法求解。三是求破產(chǎn)概率的方法不同Logit采用取對(duì)數(shù)方法，而Probit 采用積分的方法。與其他多變量信用風(fēng)險(xiǎn)判別模型相比，聯(lián)合預(yù)測(cè)模型克服了其他模型只運(yùn)用財(cái)務(wù)指標(biāo) 的片面性，能夠動(dòng)態(tài)模擬和反映企業(yè)的綜合情況，但其仍存在著操作性較差的缺陷。編輯Logit模型與多元判別分析法的比較Logit模型是采用一系列財(cái)務(wù)比率變量來預(yù)測(cè)公司破產(chǎn)或違約的概率，然后根據(jù)銀行、投資 者的風(fēng)險(xiǎn)