簡(jiǎn)簡(jiǎn)言

判別分析法

判別分析法是根據(jù)已知的違約和非違約的企業(yè)進(jìn)行分類構(gòu)成符于個(gè)總體，由這若干個(gè)總體的特征找出一個(gè)判別函數(shù)，用于判別任意已觀察的向量應(yīng)判屬于哪一個(gè)總體，以及檢驗(yàn)兩個(gè)或多個(gè)母體，在所測(cè)量的指標(biāo)變量上，是否有顯著差異，如有則指出為哪些指標(biāo)。

1968年奧特曼(Altman)率先將判別分析法應(yīng)用于財(cái)務(wù)分析、公司破產(chǎn)及信用風(fēng)險(xiǎn)的分析，建立了如下著名的線性判別分析模 ：

Z=0.012X1+0.014X2+0.033X3 +0.006X4+0.999X5,

其中，X1為流動(dòng)資金/總資產(chǎn)，X2為留存收益/總資產(chǎn)，X3為息稅的收益/總資產(chǎn)，X4為股權(quán)市值/總負(fù)債賬面值，X5為銷售收入/總資產(chǎn)。臨界值為
2.675，如果z小于臨界值，借款人被劃入違約組，信用級(jí)別較低；反之被劃入正常組，信用級(jí)別較高。當(dāng)分值在
1.81和
2.99之間時(shí)，Altman發(fā)現(xiàn)判斷失誤較大，該重復(fù)區(qū)域?yàn)榛疑珔^(qū)域。

以Z模型為代表的線性判別分析模型雖然很適用于信用評(píng)級(jí)，但這種方法存在一定問(wèn)題：(1)限制條件過(guò)于嚴(yán)格，如要求樣本數(shù)據(jù)服從多元正態(tài)分布，協(xié)方差矩陣相同等；(2)模型主要考慮的是財(cái)務(wù)因素，沒(méi)有考慮行業(yè)特征、企業(yè)規(guī)模、管理水平等非財(cái)務(wù)因素的影響；(2)模型以歷史數(shù)據(jù)為基礎(chǔ)，對(duì)未來(lái)發(fā)展的預(yù)測(cè)不夠。

綜合評(píng)判法

綜合評(píng)判法就是對(duì)多種因素所影響的事物或現(xiàn)象做出總的評(píng)價(jià)，即對(duì)評(píng)判對(duì)象的全體，根據(jù)所給的條件，給每一個(gè)對(duì)象賦予一個(gè)實(shí)數(shù)，通過(guò)總分法或加權(quán)平均等其他計(jì)算方法得到綜合評(píng)分，再據(jù)此進(jìn)行優(yōu)序評(píng)價(jià)。

從信用評(píng)級(jí)本身的屬性來(lái)看，企業(yè)信用評(píng)級(jí)屬于一種不確定性的模糊問(wèn)題，因此，綜合評(píng)價(jià)法的發(fā)展趨勢(shì)足與模糊理論相結(jié)合來(lái)對(duì)企業(yè)進(jìn)行信用評(píng)級(jí)，從而使評(píng)級(jí)結(jié)果更科學(xué)、更準(zhǔn)確。

人工神經(jīng)網(wǎng)絡(luò)法

所謂的人工神經(jīng)網(wǎng)絡(luò)，就是基于模仿生物大腦的結(jié)構(gòu)和功能而構(gòu)成的一種信息處理系統(tǒng)或計(jì)算機(jī)，簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)，簡(jiǎn)寫(xiě)為ANN(Artificial Neural Network)。人工神經(jīng)網(wǎng)絡(luò)的基本構(gòu)架是模仿生物的神經(jīng)細(xì)胞，分為輸入層、隱藏層和輸出層二層。每一層色括若干代表處理單元的點(diǎn)。輸入層的節(jié)點(diǎn)負(fù)責(zé)接收外在信息(如圖1) 不同于人腦的輸入，人工神經(jīng)網(wǎng)絡(luò)所接收的輸入信息是各種變量的數(shù)量化信息，一個(gè)輸人變量對(duì)應(yīng)一個(gè)輸入節(jié)點(diǎn)。隱藏層的節(jié)點(diǎn)負(fù)責(zé)處理輸入層傳來(lái)的信息，并轉(zhuǎn)化為中間結(jié)果傳遞給輸出層。而輸出層的節(jié)點(diǎn)就以隱藏層傳來(lái)的信息與門檻值比較后，得到系統(tǒng)的最后結(jié)果，并將結(jié)果輸出。

與傳統(tǒng)的統(tǒng)計(jì)方法相比，人工神經(jīng)網(wǎng)絡(luò)具有以下特點(diǎn)：(1)具有自我組織與學(xué)習(xí)的能力 ；(2)可以描述輸入資料中變量間的非線性關(guān)系；(3)可以依據(jù)樣本和環(huán)境的變化進(jìn)行動(dòng)態(tài)的調(diào)整 由于企業(yè)各項(xiàng)財(cái)務(wù)指標(biāo)與信用風(fēng)險(xiǎn)之間往往存在著非線性關(guān)系。因此人工神經(jīng)網(wǎng)絡(luò)比較適用于企業(yè)的信用評(píng)價(jià)。

模糊分析法

傳統(tǒng)的數(shù)學(xué)或統(tǒng)計(jì)方法都足建立在精確的觀點(diǎn)假設(shè)基礎(chǔ)之上，但是在自然科學(xué)、社會(huì)科學(xué)和工程技術(shù)等領(lǐng)域，存在著很多模糊或不確定性；人類的認(rèn)知模式、思考方式、甚至推理邏輯也涉及許多非確定性。因此利用傳統(tǒng)的方法無(wú)法解決這樣的不確定性問(wèn)題，而模糊數(shù)學(xué)是將數(shù)學(xué)的應(yīng)用范圍，從精確擴(kuò)大到模糊現(xiàn)象的領(lǐng)域，提出了隸屬函數(shù)理論，確定了某一事物在多人程度上屬于所講的概念，或者不屬于所講的慨念，這樣描述模糊性問(wèn)題比精確數(shù)學(xué)更為合理。

同樣，企業(yè)信用評(píng)級(jí)也屬于模糊性問(wèn)題，其信用狀態(tài)如何，用精確數(shù)學(xué)“是”或“非”的概念很難做出判斷，因此，應(yīng)用模糊分析法對(duì)信用狀況做出綜合評(píng)價(jià)比較科學(xué)。

但是，學(xué)術(shù)界對(duì)于模糊數(shù)學(xué)的正當(dāng)性仍然存在懷疑，因?yàn)椋菏紫?，模糊邏輯缺乏學(xué)習(xí)能力，應(yīng)用上受到一定的限制。其次，模糊系統(tǒng)的穩(wěn)定性很難獲得理論上的保證。第二，模糊邏輯不是建立在傳統(tǒng)數(shù)學(xué)的基礎(chǔ)上，很難對(duì)此邏輯系統(tǒng)的正確性加以驗(yàn)證。

企業(yè)信用評(píng)級(jí)法

企業(yè)信用評(píng)級(jí)法通過(guò)對(duì)國(guó)際上先進(jìn)的企業(yè)信用評(píng)級(jí)理論、企業(yè)信用評(píng)級(jí)思想、企業(yè)信用評(píng)級(jí)模型以及企業(yè)信用評(píng)級(jí)方法的研究，經(jīng)過(guò)多年的不斷探索、研究、實(shí)踐、創(chuàng)新和積累，最終總結(jié)出一套符合中國(guó)經(jīng)濟(jì)環(huán)境且適用于中國(guó)中小企業(yè)的信用評(píng)級(jí)體系，并建立了完備的企業(yè)信用評(píng)級(jí)數(shù)據(jù)庫(kù)、業(yè)內(nèi)領(lǐng)先的企業(yè)信用評(píng)級(jí)模型以及科學(xué)的企業(yè)信用評(píng)級(jí)方法通過(guò)對(duì)國(guó)際上先進(jìn)的企業(yè)信用評(píng)級(jí)理論、企業(yè)信用評(píng)級(jí)思想、企業(yè)信用評(píng)級(jí)模型以及企業(yè)信用評(píng)級(jí)方法的研究，經(jīng)過(guò)多年的不斷探索、研究、實(shí)踐、創(chuàng)新和積累，最終總結(jié)出一套符合中國(guó)經(jīng)濟(jì)環(huán)境且適用于中國(guó)中小企業(yè)的信用評(píng)級(jí)體系，并建立了完備的企業(yè)信用評(píng)級(jí)數(shù)據(jù)庫(kù)、業(yè)內(nèi)領(lǐng)先的企業(yè)信用評(píng)級(jí)模型以及科學(xué)的企業(yè)信用評(píng)級(jí)方法。企業(yè)信用網(wǎng)就是通過(guò)利用現(xiàn)代互聯(lián)網(wǎng)信息技術(shù)手段，來(lái)充分把握各個(gè)行業(yè)發(fā)展脈搏，從而保證了企業(yè)信用評(píng)級(jí)結(jié)果的準(zhǔn)確性、及時(shí)性，提高了中國(guó)企業(yè)信用評(píng)級(jí)行業(yè)的技術(shù)水平。

企業(yè)信用評(píng)級(jí)的評(píng)級(jí)方法主要有這幾種，國(guó)內(nèi)的評(píng)級(jí)機(jī)構(gòu)一般采用的是最后一種。