客户信用评级系统的经济计量模型检验
《计量经济学》考试复习资料含课后题
《计量经济学》期末考试复习资料 第一章绪论 参考重点： 计量经济学的一般建模过程 第一章课后题（1.4.5） 1.什么是计量经济学？计量经济学方法与一般经济数学方法有什么区别？ 答：计量经济学是经济学的一个分支学科，是以揭示经济活动中客观存在的数量关系为内容的分支学科，是由经济学、统计学和数学三者结合而成的交叉学科。 计量经济学方法揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述；一般经济数学方法揭示经济活动中各个因素之间的理论关系，用确定性的数学方程加以描述。 4.建立与应用计量经济学模型的主要步骤有哪些？ 答：建立与应用计量经济学模型的主要步骤如下：(1)设定理论模型，包括选择模型所包含的变量，确定变量之间的数学关系和拟定模型中待估参数的数值范围；(2)收集样本数据，要考虑样本数据的完整性、准确性、可比性和—致性；(3)估计模型参数；(4)检验模型，包括经济意义检验、统计检验、计量经济学检验和模型预测检验。 5.模型的检验包括几个方面？其具体含义是什么？ 答：模型的检验主要包括：经济意义检验、统计检验、计量经济学检验、模型的预测检验。在经济意义检验中，需要检验模型是否符合经济意义，检验求得的参数估计值的符号与大小是否与根据人们的经验和经济理论所拟订的期望值相符合；在统计检验中，需要检验模型参数估计值的可靠性，即检验模型的统计学性质；在计量经济学检验中，需要检验模型的计量经济学性质，包括随机扰动项的序列相关检验、异方差性检验、解释变量的多重共线性检验等；模型的预测检验主要检验模型参数估计量的稳定性以及对样本容量变化时的灵敏度，以确定所建立的模型是否可以用于样本观测值以外的范围。 第二章经典单方程计量经济学模型：一元线性回归模型参考重点： 1.相关分析与回归分析的概念、联系以及区别？ 2.总体随机项与样本随机项的区别与联系？
计量经济学系列课件23一元线性回归模型检验
§2.3 一元线性回归模型的统计检验 回归分析是要通过样本所估计的参数来代替总体的真实参数，或者说是用样本回归线代替总体回归线。尽管从统计性质上已知，如果有足够多的重复抽样，参数的估计值的期望（均值）就等于其总体的参数真值，但在一次抽样中，估计值不一定就等于该真值。那么，在一次抽样中，参数的估计值与真值的差异有多大，是否显著，这就需要进一步进行统计检验。主要包括拟合优度检验、变量的显著性检验及参数的区间估计。 一、拟合优度检验 拟合优度检验，顾名思义，是检验模型对样本观测值的拟合程度。检验的方法，是构造一个可以表征拟合程度的指标，在这里称为统计量，统计量是样本的函数。从检验对象中计算出该统计量的数值，然后与某一标准进行比较，得出检验结论。有人也许会问，采用普通最小二乘估计方法，已经保证了模型最好地拟合了样本观测值，为什么还要检验拟合程度？问题在于，在一个特定的条件下做得最好的并不一定就是高质量的。普通最小二乘法所保证的最好拟合，是同一个问题内部的比较，拟合优度检验结果所表示优劣是不同问题之间的比较。例如图2.3.1和图2.3.2中的直线方程都是由散点表示的样本观测值的最小二乘估计结果，对于每个问题它们都满足残差的平方和最小，但是二者对样本观测值的拟合程度显然是不同的。 ．． ．．．．．．． ．． 图2.3.1 图2.3.2 1、总离差平方和的分解 已知由一组样本观测值),(i i Y X ，i =1,2…,n 得到如下样本回归直线 i i X Y 10???ββ+= 而Y 的第i 个观测值与样本均值的离差)(Y Y y i i -=可分解为两部分之和： i i i i i i i y e Y Y Y Y Y Y y ?)?()?(+=-+-=-= （2.3.1） 图2.3.3示出了这种分解，其中，)?(?Y Y y i i -=是样本回归直线理论值(回归拟合值)与观测值i Y 的平均值之差，可认为是由回归直线解释的部分；)?(i i i Y Y e -=是实际观测值与回归拟合值之差，是回归直线不能解释的部分。显然，如果i Y 落在样本回归线上，则Y 的第i 个观测值与样本均值的离差，全部来自样本回归拟合值与样本均值的离差，即完全可由
企业信用评级方法比较分析
目录 一、引言 (3) 二、企业信用评级的必要性 (3) 三、传统的企业信用评级方法比较分析 (4) ㈠综合评判法——专家系统 (4) ㈡线性模型分析法——信用评分方法 (4) ㈢专家系统和线性模型分析法的比较分析 (5) 四、现代企业信用评级方法比较分析 (5) ㈠现代企业信用评级模型总体分析 (5) ㈡信用监控模型（credit monitor model）：KMV模型 (6) ㈢在险价值方法：risk metrics 模型和Credit metrics模型 (6) ㈣KMV模型与Credit metrics模型的比较分析 (6) ㈤KMV模型与线性模型的比较分析 (8) ㈠现代企业信用评级模型总体分析 (8) ㈡人工神经网络分析法 (9) ㈢模糊分析法 (9) 六、结论 (10)
企业信用评级方法（模型）比较分析 陈婕 摘要： 本文从企业信用评级的传统方法（专家系统评级法、信用评分法）、现代方法（KMV 模型、Credit metrics模型、Credit Portfolio V iew模型和Credit Risk+模型等）和新科技方法（模糊综合评价法、人工神经网络分析法、Logit模型统计法等）这三个方面进行分析。重点分析了若干个信用评级模型，如专家系统、信用评分系统、KMV模型、Credit metrics模型、人工神经网络分析法、模糊综合评价法。并对个别模型进行了比较分析，如KMV模型和Credit metrics模型的比较分析，KMV模型和线性模型的比较分析，提出了我们应灵活运用企业信用评级方法，并结合多种方法，相互取长补短，对企业信用进行有效而合理评级的观点。 关键词：企业信用评级方法评级模型比较分析 一、引言： 信用风险是商业银行承担的最重要的风险。对企业信用风险的进行评级和度量不仅有利于金融机构有效降低风险，提升自身的发展能力，对国家金融稳定和经济发展有着重要的作用。在我国，由于受到银行业旧体制的影响，国内开始研究信用风险评级和度量方法的时间晚于其他国家。自2000年以来，为数不少的国内科研工作者积极投入信用风险度量研究，并在理论研究和实际应用上取得了，一定的成绩。由此可见，对风险进行度量，对企业进行有效的信用评级已经成为现代银行和其他金融机构风险管理职能中最为重要的内容之一。 二、企业信用评级的必要性 信用风险由来已久，它随着借贷的产生而发展。对于一个贷款企业而言，其能否按时归还贷款总是存在着不确定性，这种不确定性具体表现为，贷款企业不愿意履行或不能完全履行还款责任，信用风险一旦形成，银行将会因客户违约而遭受巨大金融损失。因此，银行需要对贷款企业进行严格的信用评级。 对企业进行信用评级的意义在于，它可以消除银行与企业之间的信息不对称性，提高银行借贷的管理效率，从而使资本市场的整体效率得以提高。 对于企业而言：有效的信用评级，可以使资信良好和还款能力强的企业取得所需贷款资金从事经营活动。 对于银行而言：其不仅可以拥有适合其风险偏好的标的，取得收益。同时还可以有效的过滤资信较差和还款能力较弱的企业，从而缓释银行违约风险。 所以，对企业进行合理而准确的信用评级是相当必要的。然而，信用评级是否合理，评级结果是否准确，在很大程度上取决于评级方法的科学性。那么，到底有哪些信用评级的方法呢？哪些才是合理而有效的信用评级方法？下面我就对企业信用评级方法进行简要的阐述与分析。
所有计量经济学检验方法(全)
计量经济学所有检验方法 一、拟合优度检验 可决系数 TSS RSS TSS ESS R - ==12 TSS 为总离差平方和，ESS 为回归平方和，RSS 为残差平方和 该统计量用来测量样本回归线对样本观测值的拟合优度。 该统计量越接近于1，模型的拟合优度越高。 调整的可决系数)1/() 1/(12---- =n TSS k n RSS R 其中：n-k-1为残差平方和的自由度，n-1为总体平方 和的自由度。将残差平方和与总离差平方和分别除以各自的自由度，以剔除变量个数对拟合优度的影响。 二、方程的显著性检验(F 检验) 方程的显著性检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立作出推断。 原假设与备择假设：H 0:β1=β2=β3=…βk =0 H 1: βj 不全为0 统计量 )1/(/--= k n RSS k ESS F 服从自由度为(k , n-k-1)的F 分布，给定显著性水平α，可得到临 界值F α(k,n-k-1)，由样本求出统计量F 的数值，通过F>F α(k,n-k-1)或F ≤F α(k,n-k-1)来拒绝或接受原假设H 0，以判定原方程总体上的线性关系是否显著成立。 三、变量的显著性检验（t 检验） 对每个解释变量进行显著性检验，以决定是否作为解释变量被保留在模型中。 原假设与备择假设：H0：βi =0 （i=1,2…k ）；H1：βi ≠0 给定显著性水平α，可得到临界值t α/2(n-k-1)，由样本求出统计量t 的数值，通过 |t|> t α/2(n-k-1) 或 |t|≤t α/2(n-k-1) 来拒绝或接受原假设H0，从而判定对应的解释变量是否应包括在模型中。 四、参数的置信区间 参数的置信区间用来考察：在一次抽样中所估计的参数值离参数的真实值有多“近”。 统计量 )1(~1??? ----'--= k n t k n c S t ii i i i i i e e βββββ 在(1-α)的置信水平下βi 的置信区间是 ( , ) ββααββ i i t s t s i i -?+?2 2 ，其中，t α/2为显著性 水平为α、自由度为n-k-1的临界值。 五、异方差检验 1. 帕克(Park)检验与戈里瑟(Gleiser)检验 试建立方程： i ji i X f e ε+=)(~2 或 i ji i X f e ε+=)(|~|
第三章 信用风险管理-客户信用评级.
2015年银行业专业人员职业资格考试内部资料 风险管理 第三章 信用风险管理 知识点：客户信用评级 ● 定义： 商业银行对客户偿债能力和偿债意愿的计量和评价，反映客户违约风险的大小。客户评级的评价主体是商业银行，评价目标是客户违约风险，评价结果是信用等级和违约概率。 ● 详细描述： 一、违约： （1）定义：根据巴塞尔新资本协议的定义，当下列一项或多项事件发生时，债务人即被视为违约： （2）债务人对于商业银行的实质性信贷债务逾期90天以上。若债务超过了规定的透支限额或新核定的限额小于目前余额，各项透支将被视为逾期。 （3）未来面临同样的本息还款的要求，在期望收益相等的条件下，收益波动性高的企业更容易违约，信用风险较大。 二、违约概率： （1）定义：借款人在未来一定时期内发生违约的可能性。 （2）在巴塞尔新资本协议中，违约概率被具体定义为借款人内部评级1年期违约概率与0.03%中的较高者，巴塞尔委员会设定0.03%的下限是为了给风险权重设定下限，也是考虑到商业银行在检验小概率事件时所面临的困难。 （3）违约概率的估计包括两个层面：巴塞尔新资本协议要求实施内部评级法的商业银行估计其各信用等级借款人所对应的违约概率。 （4）据监管机构的要求，商业银行采用信用风险内部评级法高级法应当自行估计违约概率、违约损失率、违约风险暴露、有效期限 三、客户信用评级的发展 从国际银行业的发展历程来看，商业银行客户信用评级大致经历了专家
判断法、信用评分法、违约概率模型分析三个主要发展阶段。 （1）专家判断法：是商业银行在长期经营信贷业务、承担信用风险过程中逐步发展并完善起来的传统信用分析方法。专家系统在分析信用风险时主要考虑两方面因素：与借款人有关的因素、与市场有关的因素。 1、与借款人有关的因素： 1）声誉：如果该借款人过去总能及时、全额地偿还本金与利息，那么他就具有良好的声誉，也就能较容易或以较低的价格从商业银行获得贷款。 2）杠杆：借款人的杠杆或资本结构，如果贷款给杠杆比率较高的借款人。商业银行就会相应提高风险溢价。 3）收益波动性：收益波动性高的企业更容易违约，信用风险较大。 2、与市场有关的因素： 1）经济周期：经济周期对于评价借款人的违约风险有着重要的意义。 2）宏观经济政策：对行业信用风险分析具有重要作用。 3）利率水平：高利率水平表示中央银行正在实施紧缩的货币政策。 3、常用的专家系统： 1）5Cs：品德、资本、还款能力、抵押、经营环境。 2）5Ps：个人因素、资金用途因素、还款来源因素、保障因素、企业前景因素。 （2）信用评分法 1、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） 2、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、
信 用 评 级 汇 总
信用评级汇总 2、“信用度量制”方法(Credit Metrics) “信用度量制”(CreditMetrics)是由J.P.摩根与其它合作者(美洲银行、KMV 公司、瑞士联合银行等)在已有的“风险度量制”方法基础上，创立的一种专门用于对非交易性金融资产如贷款和私募债券的价值和风险进行度量的模型。① 风险度量制方法(RiskMetrics)所要解决的问题是：“如果明天是一个坏天气的话，我所拥有的可交易性金融资产如股票、债券和其它证券的价值将会有多大的损失?”。而信用度量制方法(CreditMetrics)则是要解决这样的问题：如果下一个年度是一个坏年头的话，我的贷款及贷款组合的价值将会遭受多大的损失呢?② 我们在前面曾谈及，由于贷款是不能够公开进行交易的，所以我们既无法观察到贷款的市值(P)，也不能够获得贷款市值的变动率(σ)。但是人们仍然可以通过掌握借款企业的以下资料来解决这个问题。这些资料包括： ①参见：《信用度量制》，技术文件，J.P.摩根公司，纽约，1997。在1998年，开发出“信用度量制”和“风险度量制”产品的J.P.摩根集团又建立了一家独立的名为“风险度量制”集团的公司。 ②参见：Anthony Saunders，Credit Risk Measurement，John Wiley & Sons，1999, p.40。 ③关于贷款组合的受险价值量计算我们将在第三节进行详细讨论。 为了说明“信用度量制”方法，我们来看一看怎样计算一笔贷款的受险价值量，并且讨论一下围绕着计算受险价值所涉及到的相关技术问题。 一旦人们获得了这些资料，他们便可以计算出任何一项非交易性的贷款和债券的P值和σ值，从而最终可利用受险价值方法对单笔贷款或贷款组合的受险价值量进行度量。③ 借款人的信用等级资料 在下一年度里该信用级别水平转换为其它信用级别的概率 违约贷款的收复率 用“信用度量制”方法计算单笔贷款的受险价值量的例子
计量经济学 Chow(邹氏)检验 检验模型是否存在结构性变化 Eviews6
数学与统计学院实验报告 院（系）：数学与统计学学院学号：姓名： 实验课程：计量经济学指导教师: 实验类型（验证性、演示性、综合性、设计性）：验证性 实验时间：2017年 3 月15 日 一、实验课题 Chow检验（邹氏检验） 二、实验目的和意义 1 建立财政支出模型 表1给出了1952-2004年中国财政支出（Fin）的年度数据（以1952年为基期，用消费价格指数进行平减后得数据）。试根据财政支出随时间变化的特征建立相应的模型。 表1 obs Fin obs Fin obs Fin 1952 173.94 1970 563.59 1988 1122.88 1953 206.23 1971 638.01 1989 1077.92 1954 231.7 1972 658.23 1990 1163.19 1955 233.21 1973 691 1991 1212.51 1956 262.14 1974 664.81 1992 1272.68 1957 279.45 1975 691.32 1993 1403.62 1958 349.03 1976 656.25 1994 1383.74 1959 443.85 1977 724.18 1995 1442.19 1960 419.06 1978 931.47 1996 1613.19 1961 270.8 1979 924.71 1997 1868.98 1962 229.72 1980 882.78 1998 2190.3 1963 266.46 1981 874.02 1999 2616.46 1964 322.98 1982 884.14 2000 3109.61 1965 393.14 1983 982.17 2001 3834.16 1966 465.45 1984 1147.95 2002 4481.4 1967 351.99 1985 1287.41 2003 5153.4 1968 302.98 1986 1285.16 2004 6092.99 1969 446.83 1987 1241.86 步骤提示： （1）做变量fin的散点图，观察规律，看在不同时期是否有结构性变化。
债券评级模型与方法
影响企业债券（包括公司债券）信用评级的各方因素： 第一，发行债券的主体信用。目前，每个信用评级公司主要是参考发行债券主体单位的资产负债情况，以还债能力以及其资金流动性，来对主体进行信用评级。 第二，债券的担保机构。在我国企业债券市场不发达的情况下，企业债券发行过程中申报复杂、审批漫长、额度控制、债券必须担保等措施严重制约了企业债券的发行。因而发行债券的企业几乎全为大型优质企业，并且大部分债券均由四大国有商业银行担保。拥有强有力保障的企业债券在信用评级上具有很大的优势。同时，我们也应该看到，如果我国所发行的企业债券都在“准政府”机构的担保之下发行的，这在一定程度上提高了企业债券的信用评级，但这扭曲了其实际的价值，给债券市场带来了潜在的风险。 第三，债券的融资项目。融资项目的未来现金流状况以及该项目的发展前景决定了该债券的价值，是信用评级的参考因素之一。 第四，宏观因素。在我国，国家政策对资本市场的影响不容忽视。在利好的国家政策扶持之下，企业债券所融资项目的价值会相对提高，债券主体的未来现金流流动性会更强，偿债能力会相对提高，从而提高了该债券的信用评级等级。 二、运用Altman 的Z 模型对我国发债企业的信用评级分析 从上述分析来看，我国企业债券评级的主要参考因素仍然是发行债券的主体信用等级。因此，运用Altman 的Z 计分模型对我国企业主体信用进行评级，这对我国外部评级有一定指导作用。 其判断函数为： Z=1.2X1+1.4X2+3.3X3+0.6X4+0.99X5 其中： X1 为营运资金/ 总资产；X2 为留存收益/ 总资产，X3 为息税前利润/ 总资产，X4 为股权市价总值/ 总负债，X5 为销售收入/ 总资产 为了对非上市公司进行资信评级，Altman 对模型进行了改进，将用账面价值代替了市场价值，并改变各个比率的参数，得到对非上市公司资信评级Z 模型： Z=0.717X1+0.847X2+3.107X3+0.420X4+0.998X5（2） 其中，各个变量的含义同式（1）。 在非上市公司资信评级 Z 模型中，将反映公司的偿债能力比率、获利能力比率以及营运能力比率有机地联系起来，采用综合的方式预测公司财务失败或危机的可能性，从而在这一分析模型中提出了判断公司破产的临界值。当Z<1.2 时，公司有很大的破产危险；当1.2
企业信用风险评估模型分析
企业信用风险评估模型 企业信用风险评估是构建社会信用体系的重要构成要素，也是企业信用风险管理的 核心环节。企业信用风险评估涉及四个基本的概念，即信用、信用风险、信用风险管理以及信用风险评估。本节重点为厘清基本概念，并介绍相关企业信用风险评估操作。 I —、企业信用风险评估概念 企业信用风险评估是对企业信用情况进行综合评定的过程，是利用各种评估方法，分析受评企业信用关系中的履约趋势、偿债能力、信用状况、可信程度并进行公正审查和评估的活动。 信用风险评估具体内容包括在收集企业历史样本数据的基础之上，运用数理统计方法与各种数学建模方法构建统计模型与数学模型，从而对信用主体的信用风险大小进行量化测度。 I 二、企业信用风险评估模型构建 (一）信用分析瘼型概述 — 在信用风险评估过程中所使用的工具——信用分析模型可以分为两类，预测性模型和管理性模型。预测性模型用于预测客户前景，衡量客户破产的可能性；管理性模型不具有预测性，它偏重于均衡地揭示和理解客户信息，从而衡量客户实力。 计分模型 Altman的Z计分模型是建立在单变量度量指标的比率水平和绝对水平基础上的多变量模型。这个模型能够较好地区分破产企业和非破产企业。在评级的对象濒临破产时，Z 计分模型就会呈现出这些企业与基础良好企业的不同财务比率和财务趋势。 2.巴萨利模型
巴萨利模型（Bathory模型）是以其发明者Alexander Bathory的名字命名的客户资信分析模型。此模型适用于所有的行业，不需要复杂的计算。其主要的比率为税前利润/营运资本、股东权益/流动负债、有形资产净值/负债总额、营运资本/总资产。 Z计分模型和巴萨利模型均属于预测性模型。 3.营运资产分析模型 营运资产分析模型同巴萨利模型一样具有多种功能，其所需要的资料可以从一般的财务报表中直接取得。营运资产分析模型的分析过程分为两个基本的阶段：第一阶段是计算营运资产（working worth);第二阶段是资产负债表比率的计算。从评估值的计算公式中可以看出，营运资产分析模型流动比率越高越好，而资本结构比率越低越好。 《 营运资产分析模型是管理性模型，与预测性模型不同，它着重于流动性与资本结构比率的分析。由于净资产值中包含留存收益，因而营运资产分析可以反映企业的业绩。 □第三章企业征信业务 又因为该模型不需要精确的业绩资料，可以有效地适用于调整后的账目。通过营运资产和资产负债表比率的计算，确定了衡量企业规模大小的标准，并对资产负债表的评估方法进行了考察，可以确定适当的信用限额。 4.特征分析模型 特征分析模型采用特征分析技术对客户所有财务和非财务因素进行归纳分析；从客户的种种特征中选择出对信用分析意义最大、直接与客户信用状况相联系的若干特征，把它们编为几组，分别对这些因素评分并综合分析，最后得到一个较为全面的分析结果。 (二）企业信用风险评估模型构建① 1.预测性风险模型构建——Z计分模型
现代计量经济学模型体系解析
#学术探讨# 现代计量经济学模型体系解析* 李子奈刘亚清 内容提要:本文对现代计量经济学模型体系进行了系统的解析,指出了现代计量经济学的各个分支是以问题为导向,在经典计量经济学模型理论的基础上,发展成为相对独立的模型理论体系,包括基于研究对象和数据特征而发展的微观计量经济学、基于充分利用数据信息而发展的面板数据计量经济学、基于计量经济学模型的数学基础而发展的现代时间序列计量经济学、基于非设定的模型结构而发展的非参数计量经济学,并对每个分支进行了扼要的描述。最后在/交叉与综合0的方向上提出了现代计量经济学模型理论的研究前沿领域。 关键词:经典计量经济学时间序列计量经济学微观计量经济学 一、引言 计量经济学自20世纪20年代末30年代初诞生以来,已经形成了十分丰富的内容体系。一般认为,可以以20世纪70年代为界将计量经济学分为经典计量经济学(Classical Econometrics)和现代计量经济学(Mo dern Eco no metr ics),而现代计量经济学又可以分为四个分支:时间序列计量经济学(Tim e Ser ies Econo metrics)、微观计量经济学(M-i cro-econometrics)、非参数计量经济学(Nonpara-m etric Econometrics)以及面板数据计量经济学(Panel Data Eco nom etrics)。这些分支作为独立的课程已经被列入经济学研究生的课程表,独立的教科书也已陆续出版,应用研究已十分广泛,标志着它们作为计量经济学的分支学科已经成熟。 据此提出三个问题:一是经典计量经济学的地位问题。既然现代计量经济学模型体系已经成熟,而且它们都是在经典模型理论的基础上发展的,那么经典模型还有应用价值吗?是不是凡是采用经典模型的研究都是低水平和落后的?二是现代计量经济学的各个分支的发展导向问题。即它们是如何发展起来的?三是现代计量经济学进一步创新和发展的基点在哪里?回答这些问题,对于正确理解计量经济学的学科体系,对于计量经济学的课程设计和教学内容安排,对于正确评价计量经济学理论和应用研究的水平,对于进一步推动中国的计量经济学理论研究,都是十分有益的。 现代计量经济学的各个分支是以问题为导向,以经典计量经济学模型理论为基础而发展起来的。所谓/问题0,包括研究对象和表征研究对象状态和变化的数据。研究对象不同,表征研究对象状态和变化的数据具有不同的特征,用以进行经验实证研究的计量经济学模型既然不同,已有的模型理论方法不适用了,就需要发展新的模型理论方法。按照这个思路,就可以用图1简单地描述经典计量经济学模型与现代计量经济学模型各个分支之间的关系。 本文试图从方法论的角度对现代计量经济学模型的发展,特别是现代计量经济学模型与经典计量经济学模型之间的关系进行较为系统的讨论,以期对未来我国计量经济学的发展研究提供借鉴和启示。本文的内容安排如下:首先分析经典计量经济学模型的基础地位,明确它在现代的应用价值,同时对发生于20世纪70年代的/卢卡斯批判0的实质进行讨论;然后依次讨论时间序列计量经济学、微观计量经济学、非参数计量经济学以及面板数据计量经济学的发展,回答它们是以什么问题为导向,以什么为目的而发展的;最后以/现代计量经济学模型体系的分解与综合0为题,讨论现代计量经济学的前沿研究领域以及从对我国计量经济学理论的创新和发展 ) 22 ) *本文受国家社会科学基金重点项目(08AJY001,计量经济学模型方法论基础研究)的资助。
中国信用债券评级模型构建及评级效果检验
中国信用债券评级模型构建及评级效果检验 摘要：本文在借鉴国际机构评级模型的基础上，结合国内评级环境的自身特点，构建了适用于国内的信用债评级模型，进行了评级体系设计及指标体系权重设置，最后对模型评级效果进行了检验。 关键词：信用债券评级模型主成分分析权重设置 监管环境和债券市场的发展使得金融机构未来将承担更多的个体投资信用风险，机构的长期盈利目标也迫切要求自身强化风险识别与资产配置能力。其中关键环节在于借助内部评级体系实现有效的风险评估和资产选择。正确的信用评级以科学的评级模型为基础，以公正合理的专家评审规则为保障。因此，评级模型的构建至关重要。 国际机构评级模型的启示与国内评级模型的自身要求 (一)国际机构评级模型的特点及启示 本文以穆迪的钢铁行业和煤炭行业两个评级模型为例进行分析，发现其具有如下特点：(1)定量指标权重占比很高，数据可靠性和客观性较高，指标数量虽不多，但覆盖了经营与财务的核心要素，简洁明了，具有较强的可操作性；(2)在运营规模和财务稳健性指标上，穆迪对钢铁行业配置更高的权重；(3)重视经营性现金流对债务的保障程度；(4)对煤炭行业注重资源储备和经营多元化的考察，虽然钢铁行业对上游铁矿石依赖程度较高，但穆迪模型并未设置资源控制方面的指标；(5)两个行业模型的权重配比和指标设置存在较明显的行业差异；(6)重视现实的公司财务稳健性考察。 根据上述分析，笔者认为穆迪模型不乏借鉴之处：(1)指标简单、数量较少，但能覆盖核心要素，代表性强；(2)注重财务稳健性考察而不是盈利，强调评级模型的行业风险特征差异。 (二)中国信用债券评级模型的自身要求 尽管穆迪模型不乏借鉴之处，但构建中国信用债券评级模型要有自身特点而不能照搬其固有框架。 1.国内信用评级范围(rating scope)不同于国际机构 本文界定的评级范围为中国国内，被评的行业信用和个体信用均在国内范围内进行排序，评级结果表明其在国内的风险序列，不受主权评级上限的约束。这与国际机构全球化的评级范围有显著的不同。 从经济发展阶段和市场结构来看，中国作为新兴市场与发达市场也存在不同之处：中国市场行业集中度相对不高，公司竞争力主要依靠规模或来自外部的特许支持；在对待发行人
信用评价模型
《信用评价模型》 一， 某企业有五笔债务，其偿债能力和经营能力评分如下表所示 试用最短距离法对他们进行分类（距离采用绝对值距离），标准化方法为规格化变换。(A) 解：(1)规格化变换公式为： } {min }{max } {min 111' 'ij n i ij n i ij n i ij ij x x x x x ≤≤≤≤≤≤--= （2）由于两个边来南国的数量水平不同，故先采用规格化变换将原始数据变换如下表 （3）样品间采用绝对值距离： j i j i ij y y x x d -+-= 计算出初始距离阵)0(D 为 （4）初始距离矩阵)0(D 中最小的元素为对应的元素是 G 2}{G 1G 3G 21,34.01212，合并成新一类，记作与所以将===G d D （5）再将Ｇ３与其它类的距离进行计算 03.1}03.1,37.1m in{),m in(231363===d d D .1.}1,34.1m in{),m in(241464===d d D 33.1.}67.1,33.1m in{),m in(251565===d d D 债务 偿债能力 经营能力 1 2 3 4 5 0 债务 1 2 3 4 5 债务能力 0 0 0．7 1 1 经营能力 1 0 ? ?? ??? ? ? ??=067.0030.163.0067.1103.1033.134.137.134.0054321)0(G G G G G D G1 G2 G3 G4 G5
由此的距离阵)1(D 为 (6)找出距离矩阵)1(D 最小元素，它是63.034=D 所以将G3,G4合并，记作G7={ G3,G4},然后计算G7与其它各类的距离 1}1,63.1m in{),m in(646367===d d D 67.0}67.0,30.1m in{),m in(453575===d d D 由此的距离阵)2(D 为 (7)距离矩阵)2(D 中的最小元素为67.075=D ，所以将G7,G5合并，记作G8={ G7,G5},然后计算G8,G6的距离 1}33.1,1m in{),m in(567686===d d D 由此可得距离矩阵)3(D 为 ( 8)最后将G6,G8合并最短距离法的聚类谱试图如图所示 G1 G2 G3 G4 G5 ??? ? ? ??=067.0033.110G5G7G6)2(D G6 G7 G5 ??? ?? ? ? ??=067.0030.163.0033.11 03 .105436)1(G G G G D G6 G3 G4 G5 ??? ? ??=0108686) 3(G G G G D
信用等级评估模型(轻工业)
信用等级评估模型(轻工业)
信用等级评估模型 1.1 公司客户信用等级评估模型 ◆ 公司客户信用等级的评定分值区间 评级总分 信用等级 信用度 备 注 90<,<=100 AAA 特优 客户信用很好，整体业务稳固发展，经营状况和财务状况良好，资产负债结构合理，经营过程中现金流量较为充足，偿债能力强，授信风险较小。 80—90 AA 优 70—80 A 良 客户信用较好，现金周转和资产负债状况可为债务偿还提供保证，授信有一定风险，需落实有效的担保规避授信风险 60—70 BBB 较好 50—60 BB 尚可 客户信用较差，整体经营状况和财务状况不佳，授信风险较大，应采取措施改善债务人的偿债能力和偿债意愿，以确保银行债权的安全。 45—50 B 一般 40—45 CCC 较差 35—40 CC 差 35以下 C 很差 ◆ 信用等级评分表的分类指南（删除宾馆服务类） 名称 对应的行业类别 轻工类 纺织，服装，食品，饮料，烟草，普通机械，家电，家化，电子设备，计算机，通讯设备制造，仪器仪表，造纸，印刷，小型交通工具制造，建材，塑料制品制造，文体用品制造，家具制造，生物医药 重工类 冶金，矿藏开采，金属加工，石化，化工，化纤，重型机械，电气，造船，飞机制造，汽车制造，军工， 商业类 各类批发企业，各类零售业，供销社，粮、油、棉收购、流通、仓储， 外贸企业，商业经纪与代理 房产类 房产开发与经营企业，物业管理，房地产经纪与代理 施工类 土木工程建筑类企业，建筑公司，工程公司，工程队，道路管线和设备安装企业，装饰装修企业 交通运输类 铁路、公路、航空、管道、水上运输业，客运公司，航运公司，航空公司，出租汽车公司，铁路局 投资管理类 各种以短期投资、股本投资和资本运作为主要运营方式的企业， 政府财政背景，作为地方财政投融资窗口的企事业单位 企业化管理的事业单位类 电力、煤气、蒸汽和水的生产和供应业，医院，学校，科教文卫，广播电影电视，报刊，传媒业，社团 综合类 从事多元化经营的企业； 邮电，养殖，信息咨询服务，软件开发以及其他难以归并类别的企业 ◆ 信用等级评估模型：轻工业 非财务因素 40%
客户信用分析模型型
客户信用分析模型（Z计分模型、巴萨利模型等） 客户信用分析模型 客户信用分模型分为两类：预测模型和管理模型。预测模型用于预测客户前景，衡量客户破产的可能性，Z计分模型和巴萨利模型属于此类，两者都以预测客户破产的可能性为目标。 客户信用分析之预测模型－Z计分模型 信用评分法的基本思想是，财务指标反映了企业的信用状况，通过对企业主要财务指标的分析和模拟，可以预测企业破产的可能性，从而预测企业的信用风险。最初的Z计分模型由 Altman在1968年构造。 其中：Z1主要适用于上市公司，Z2适用于非上市公司，Z3适用于非制造企业。 Z1＝1.2*X1 + 1.4*X2 + 3.3*X3 + 0.6*X4 + 0.999*X5 其中 X1 ＝（流动资产-流动负债）/资产总额 X2 ＝留存收益/资产总额 X3 ＝（利润总额+利息支出）/资产总额 X4 ＝权益市场值/负债总额 X5 ＝销售收入/总资产 一般地，Z值越低企业越有可能破产。如果企业的Z值大于2.675，则表明企业的财务状况良好，发生破产的可能性较低。反之，若Z值小于1.81，则企业存在很大的破产风险。如果Z值处于两者之间，则企业的财务状况非常不稳定。 Z2＝0.717*Xl + 0.847*X2 + 3.107*X3 + 0.420*X4 + 0.998*X5 其中 X1 ＝（流动资产一流动负债）/资产总额 X2 ＝未分配利润/资产总额 X3 ＝（利润总额+利息支出）/资产总额 X4 ＝权益/负债总额 X5 ＝销售收入/总资产 Z3＝6.56*X1 + 3.26*X2 + 6.72*X3 + 1.05*X4 其中 X1 ＝（流动资产-流动负债）/资产总额 X2 ＝未分配利润/资产总额 X3 ＝（利润总额+折旧+摊销+利息支出）/资产总额 X4 ＝所有者权益/负债总额 Altman认为，根据上述公式计算的Z值，如果Z小于1.23，风险很大；Z大于2.9风险较 小。
个人征信系统数据仓库与信用评估模型的构建
Ａ Ｂ Ｃ Ｄ Ｅ １项 目 本月 累计 本年计划 占收入计划（％） ２１消费税３２５３２５４１４３７．８４３２增值税２２３２２３２６４３８．４４４３营业税 ２４５２４５３０８７７．９４５４专项调节税３３３３３３４３９２７．５８６５个人所得税２６０２６０３０１８８．６１７６证券交易税１７０１７０１８９２８．９９８７遗产税 １０６１０６１４３９７．３７９８土地增值税６５６５６３５１０．２４１０９企业所得税 １８７１８７２１６３８．６５１１其中：集体 ７５７５９０２８．３１１２私营５７５７６３７８．９５１３其他 ５５５５６２４８．８１１４１０城乡维护建设税２０７２０７２０３７１０．１６１５１１车船税２６９２６９１８８４１４．２８１６１２房产税１６５１６５１７６４９．３５１７１３屠宰税１３８１３８２６１９５．２７１８１４资源税 １２６１２６１８３０６．８９１９１５土地使用税４９４９１０８０４．５４２０１６印花税 １２０１２０２４９３４．８１２１１７滞纳金及补税罚款１７１７３９６４．２９２２ 收入合计 ３００５３００５３７５１５８．０１ !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! １引言 １．１个人征信相关概念 个人征信，是指第三方中介机构（即征信机构）把分散在不同授信机构、司法机构、行政机构等社会各个方面的个人信用信息通过合法手段进行采集、加工、存储到一个或若干个数据库中，进而形成个人信用档案，让授信机构在授信决策时能方便、快捷地查询到完整、真实的信用信息和信用评分。个人征信体系是一个庞杂的系统，它由一 整套个人征信制度和方法，以及个人征信主体、手段和产品构成，是与个人征信有关的业务和活动的总称，主要包括个人信用信息基础数据库、征信相关的法律法规、征信服务机构、信用产品市场、政府监督管理和诚信教育６个方面内容。其中建立标准化的个人信用信息基础数据库系统是个人征信体系建设的核心，开发有效可靠的信用等级评估产品、建立个人信用评估机制是个人征信体系建设的目标，这将有助于对个人进行客观、科学的信用状况分析，是降低银行信贷风险、稳定金融秩序、促进经济增长的关键所在。 １．２国内外征信业发展现状 从国际经验看，征信系统的构建主要有３种模式，而这３种模式的共同特点是都建有集中管理的全国性甚至跨国性数据库。（１）美国模式：也称市场型模式，其信用体 个人征信系统数据仓库与信用评估模型的构建 黄岚１，张晓晖２，殷树友２ （１．吉林大学计算机科学与技术学院，长春１３００１２； ２．长春金融高等专科学校，长春１３００２２） ［摘要］建立、健全个人征信体系有助于降低信贷风险、稳定金融秩序和促进经济增长。随着个人信用信息数据量的增多以及对数据分析需求的加大，构建个人信用信息数据仓库，利用多维数据分析和数据挖掘等技术，开发信用评估等增值产品将会是个人征信体系发展的必经之路。 ［关键词］个人征信系统；数据仓库；信用评估；信贷风险决策；数据挖掘；智能算法［中图分类号］Ｆ８３０．５８９ ［文献标识码］Ａ ［文章编号］１６７３－０１９４（２００７）０６－００６０－０５ ［收稿日期］２００７－０３－２３ ［基金项目］吉林省科技发展计划项目资助（２００５０６０３－２） ［作者简介］黄岚（１９７４－），女，江西临川人，吉林大学计算机科学与技术学院副教授，博士，主要从事计算机应用研究工作。 运行上述程序得到的结果如下表４所示。 表４ 某市税务局税收数据汇总表 中国管理信息化 ＣｈｉｎａＭａｎａｇｅｍｅｎｔＩｎｆｏｒｍａｔｉｏｎｉｚａｔｉｏｎ ２００７年６月第１０卷第６期 Ｊｕｎ．，２００７Ｖｏｌ．１０，Ｎｏ．６
(仅供参考)信用评级模型
评级技术基础规范之六编码：P-J-B-0006 信用评级模型 （2012年11月版）
信用评级模型 （2012年11月版1） 信用评级模型是以企业经营和财务信息、行业信息、宏观经济信息和市场信息为基础，运用统计分析、专家打分等手段，以量化方式测算受评对象信用风险的评级分析工具，是评级方法在数理统计操作层面的具体表现形式，也是信用评级机构评级技术的重要组成部分。中债资信通过学习、吸收国内外评级模型设计理念，并在征求专家顾问团信用风险建模领域专家意见的基础上，确定了目前采用的评级模型类型。中债资信评级模型力求体现中国企业信用风险特点，减少评级过程中的主观判断因素，提高评级结果的客观性、一致性和准确性。中债资信目前可使用的建模数据主要是发债企业数据和来自商业银行的信贷数据（以下简称“信贷数据”），发债企业数据包括经营数据和财务数据，但没有违约率数据；信贷数据包括借款企业的违约数据和大部分财务数据，但没有企业经营数据。基于可获得数据源及其质量，中债资信目前的评级模型为分行业的打分卡模型和二元选择模型。 一、经营与财务指标相结合的打分卡模型 以发行债券企业作为统计样本，以发债企业数据和信贷数据为主要数据源，选择合适的经营指标和财务指标，分行业建立打分卡模型。按照中债资信工商企业主体评级方法总论，对工商企业进行评级时，首先以经营风险和财务风险的综合平衡确定受评企业自身的个体信用等级，然后考虑外部支持等因素对企业自身个体级别进行调整，最终确定受评企业的信用等级。由于在同一行业内，不同经营风险程度的企业所能容忍的财务政策激进程度不同，因而经营风险对信用等级的影响程度存在显著差异。因此，在本评级模型中依据受评企业经营风险程度的高低对经营风险和财务风险赋以可变权重。此外，依据短板原理的评级思想，对弱势因素给予更高的权重以放大其对最终评级结果的影响。由于体现这一影响的调整过程具有明显的主观性，因此将此类调整以及其他难以量化的因素归类于模型外考虑因素。 在具体的模型设计中，相对应的采取分层建模思路：首先以线性加和形式得到经营风险模块得分和财务风险模块得分；然后根据经营风险得分情况确定两模块权重的分配，加权平均得到总分；最后根据其它难以量化的因素进行调整，得到最终对应级别。 具体模型形式如下： 1 2011年10月形成初稿并对外披露，2012年11月修订并正式发布。 - 1 -
计量经济学模型
第七章 计量经济学应用 §7.1 计量经济学模型的设定 计量经济学模型设定的主要根据： 1） 研究目的； 2） 已有理论模型。 通常是根据研究目的所涉及的范围，决定需要分析哪些经济变量之间的关系。再设定这些变量之间的关系式。 设定变量关系式可以根据已有的理论模型、经济恒等式、经济关系式来确定（可能需要进行一定的修改）。若没有已知的关系式可用，可以根据研究目的，人为设定。 变量间具体表达式的选择 若经济理论已给出具体表达式，就直接套用。否则，可以直接假设为线性函数。其原因是经济中的所使用函数大多数都认为是连续可微的函数，因而可以用线性函数近似。 §7.2 数据调整 由于统计指标与经济变量的含义、口径一般不会一致。在模型估计之前，如有可能，应先进行调整，使统计指标的口径尽可能的接近经济变量的含义。 §7.3 变量的选择 基于上述同样的原因，及统计指标间的相关性，在设计模型结构时，需要筛选变量。 假设模型已转化为简化型，即设模型为 ??? ????++++=++++=++++=k p kp k k k p p p p x x x y x x x y x x x y εαααεαααεαααΛΛΛΛ2211222221212112121111 变量筛选有两层含义： 1） 对内生变量T k y y y ),,,,(21Λ有重要影响的外生变量是否都选入模型了？ 2） 模型内的外生变量T p x x x ),,,(21Λ对内生变量T k y y y ),,,,(21Λ是否都有重要影 响？ 判别准则 1） 复相关系数R （一般要求R>0.8），或方程的F -统计量； 一般来说，若R>0.9或经F-检验是显著的，则从整体上说，方程几乎包含了对响应变量有重要影响所有外生变量，外生变量对内生变量有较强的解释能力，否则，表明方程遗漏了一些对内生变量有重要影响的变量，需要增加外生变量。 当模型用于结构分析时，R 值可以低一些，用于预测时，R 值应比较大。 2） 系数显著性检验t -统计量。 下面介绍几种常用的变量筛选算法。这些算法都是一对多回归模型的搜索算法。 记in Ω是在回归模型内的预测变量集，out Ω是在回归模型外待检的预测变量集，del Ω是