(2)信用评分法

　　信用评分模型是一种传统的信用风险量化模型，利用可观察到的借款人特征变量计算出一个数值(得分)来代表债务人的信用风险。并将借款人归类于不同的风险等级。对个人客户而言，可观察到的特征变量主要包括收入、资产年龄、职业以及居住地等;对法人客户而言，包括现金流量、财务比率等。(定量与定性因素，定量主要是财务数据，定性如对行业的判断、客户在行业中的定位、企业经营管理层)

　　信用评分模型的关键在于特征变量的选择和各自权重的确定。目前，应用最广泛的信用评分模型有：线性概率模型、Logit 模型、Probit模型和线性辨别模型。

　　信用评分模型的局限性：

　　信用评分模型是建立在对历史数据(而非当前市场数据)模拟的基础，因此是一种向后看的模型。

　　信用评分模型对借款人历史数据的要求相当高，商业银行需要相当长的时间才能建立起一个包括大多数企业历史数据的数据库。

　　信用评分模型虽然可以给出客户信用风险水平的分数，却无法提供客户违约概率的准确数值，而后者往往是信用风险管理最为关注的。

　　(3)违约概率模型

　　对历史数据要求更高;需要建立一致、明确的违约定义;积累五年数据

　　3.违约概率模型

　　(1)RiSkCalc模型

　　RiSkCalc模型是在传统信用评分技术基础上发展起来的一种是适用于非上市公司的违约概率模型，其核心是通过严格的步骤从客户信息中选择出最能预测违约的一组变量，经过适当变换后运用Logit/Probit回归技术预测客户的违约概率。

　　(2)KMV的Ccredit Monito模型

　　KMV的Ccredit Monito模型是一种适用于上市公司的违约概率模型，其核心在于把企业与银行的借贷关系视为期权买卖关系。企业向银行借款相当于持有一个基于企业资产价值的看涨期权。

　　(3)KPMG风险中性定价模型

　　风险中性定价理论的核心思想是假设金融市场中的每个参与者都是风险中立者，不论是高风险资产、低风险资产或无风险资产，只要资产的期望收益是相等的，市场参与者对其的接受态度就是一致的。

　　根据风险中性定价原理，无风险资产的预期收益与不同等级风险资产的预期收益是相等的，即

　　P1(1+K1)+(1-P1)×(1+K1)×=1+i1

　　其中， P1为期限1年的风险资产的非违约概率，(1- P1)即其违约概率;K1为风险资产的承诺利息; 为风险资产的回收率，等于“1-违约损失率”;i1为期限1年的风险资产的收益率。

　　(4)死亡率模型

　　死亡率模型是根据风险资产的历史违约数据，计算在未来一定持有期内不同信用等级的客户/债项的违约概率(即死亡率)。通常分为边际死亡率和累计死亡率。

　　例如：根据历史数据分析得知，商业银行某信用等级的债务人在获得贷款后的第1年、第2年、第3年出现违约的概率(即边际死亡率)分别为1%、2%、3%.则根据死亡率模型，该信用等级的债务人能够在3年到期后将本息全部归还的概率[贷款存活率(SR)]为：

　　(1-1%)×(1-2%)×(1-3%)=94.1%

　　上述结果也意味着该信用等级的债务人在3年期间可能出现违约的概率(即累计死亡率)

　　为：1-94.1%=5.9%

　　相关推荐：

　　2014年银行初级资格考试《风险管理》常用公式

　　2014银行初级资格《风险管理》最后测试卷汇总

　　2014银行初级资格考试《风险管理》专业术语速记