上市公司信用风险评估方法理论研究与现实思考，本文主要内容关键词为：理论研究论文,上市公司论文,风险评估论文,现实论文,信用论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
上市公司信用评估方法理论述评
信用风险评估是通过使用某种计量模型或者某种技术来测量投资者面临的信用风险的大小。欧美等发达国家在信用风险评估领域取得了丰硕成果，一些新的量化度量信用风险模型和评估方法成了金融机构防范风险的武器。相比之下，中国金融市场尚处转轨和新兴发展阶段，信用风险评估的方法和手段较为落后。从上市公司信用风险评估方法的发展轨迹来看，其研究主要经历了以下三个阶段。
1．传统的定性和定量分析相结合的信用评估方法研究。传统的信用风险评估方法中专家分析法是金融机构在长期信贷活动中较为常用的一种定性评估方法。最早的专家分析法是“5C”要素分析法，它是指由有关专家根据借款人的品德(Character)、能力(Capacity)、资本(Capital)、抵押品(Collateral)、经营环境(Condition)等五个要素逐一进行评分，使信用风险数量化，评定其信用程度和综合还款能力，决定是否最终发放贷款。在专家分析法下，由于各商业银行自身条件的不同，因而在对贷款申请人进行信用分析所涉及的内容也不尽相同。运用该方法进行商业银行信用风险评估存在着效率性差、主观性强、风险性大的缺陷。
2．基于概率和统计分析方法与人工智能方法建立的信用风险评估模型研究。基于多变量的信用风险评估方法是以现代概率论和多变量统计技术逐步发展为基础的，它包括了Z值、ZETA模型、线性概率模型、Probit和Logit模型等。该方法从若干表明评价对象特征的财务比率中筛选出能提供较多信息的变量建立判别函数，推导出错判率最小的评估模型，然后对研究对象所属类别进行评估。人工智能(AI)模型随着信息技术的发展被引入信用风险评估中，常用的AI模型主要包括神经网络技术(NN)遗传规划等。NN可以看成是从输入空间到输出空间的一个非线性映射，它通过调整权重和阈值来“学习”或发现变量间的关系，实现对事物的分类。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，同时，由于神经网络是一种对数据分布无任何要求的非线性技术，它能有效解决非正态分布、非线性的信用评估问题，但其缺陷一是“黑箱性”问题，即不具有解释性；二是结构确定的困难性、训练效率低下等，因此实际中神经网络技术往往被作为一种“校验性”的辅助方法。
3．基于现代金融理论的信用风险评估模型研究。基于现代金融理论的信用风险评估模型是在商业银行贷款利润持续下降和表外业务风险不断加大，促使银行采用更经济的方法度量和控制信用风险的背景下发展起来的。而现代金融理论的发展和新的信用工具的创新，给开发新的信用风险评估模型提供了可能。(1)1993年，KMV公司开发并公布了EDF(Expected default Frequency)模型。该模型不依赖于信用评级以及评级转移，而是通过企业自身的资本结构和资本收益等因素来估计违约概率的损失分布。(2)CreditMetrics模型是J．P．Morgan等公司于1997年开发的一种基于VAR(Value At Risk)方法的信用风险管理模型。其关键是考虑到信用等级变化对资产价值的影响。(3)CreditRisk+是瑞士信贷银行(Credit Suisse First Boston)在1996年开发的一种信用风险管理模型。这个模型将保险业精算方法应用于计算金融机构中的信用风险，所以有着比较严密的数学推理。(4)麦肯锡的CPV(CreditPortfolio View)模型的技术描述主要来自于模型设计者Wilson以及1998年麦肯锡公司公布的技术文档。
中国上市公司信用风险评估问题分析
1．数据失信与缺乏。由于中国上市公司信用制度不健全、信用体系尚未建立，再加上上市公司关联交易情况严重，企业法人治理结构的先天性缺陷，自然会带来上市公司的数据失信；评定信用风险，需要大量的各类企业数据资料，中国上市公司在信息披露、管理等方面与发达国家尚有很大差距，不少企业(特别是中小企业)的财务资料无从搜集，已公开的一些大企业财务数据也存在失真现象，致使上市公司的信用数据严重缺乏，同时，中国信用风险评估起步较晚，这些都造成了中国在运用模型进行计量时数据库的瓶颈制约。
2．评估方法选择和有效性检验不理想。在对上市公司信用风险进行评估时，中国投资者通常没有把国外先进的评估方法和理论与中国实际联系起来，形成一套有效的风险评估体系。在信用风险评估模型建立过程中，需依赖许多主观性很强的假设，但一些参数的估计又受到数据的制约，很难保证其准确性，以至于在运用某些评估方法与定量模型对上市公司进行风险评估时相差甚远，评估效果也不理想，继而带来评估模型的有效性检验不理想等问题。
3．参数的稳定性假设与实际有差异。金融机构在对上市公司进行信用风险评估时，必须确定哪些是现代信用风险评估模型参数。例如，投资者在采用多变量统计模型时，有时并没有很好地注意到模型的使用范围，加之很多现实数据并不服从多元正态分布、等协方差，结果得出的上市公司信用状况的准确性和科学性值得怀疑。在运用基于现代金融理论的信用风险评估模型对上市公司信用风险进行评估时，由于有关上市公司历史违约数据和规范债券评级等统计数据严重缺乏，以至很难把违约距离转化成实际违约率，同时受利率尚未市场化等因素影响，转移矩阵的建立和信用价差的确定存在较大困难。特别是中国证券市场股价波动幅度大，极端值出现的概率并不算小的厚尾问题又十分突出，致使其信用风险模型对未来风险预测有明显的偏差。
4．信用评级不够完善。目前，中国独立的商业信用评级机构还很不成熟，市场比较凌乱，没有形成科学的行业组织结构。从开展的评级业务来看，相对成熟的主要有企业债评级与贷款证企业评级，而上市公司可转换债的评级业务才刚开始启动，这样是很难使投资者根据信用等级状况来评估上市公司的信用风险，进而通过选择恰当的投资组合来管理其投资风险。
中国上市公司信用风险评估的改进策略
1．加快上市公司信用信息历史数据库和网络基础设施建设。信用数据的缺乏已成为制约中国上市公司信用风险评估发展的一大瓶颈，现代信用风险评估模型的运用是建立在大量的上市公司信用信息历史数据基础之上，同时评级机构的信用评级亦依赖于此。因此，要提高中国上市公司信用风险评估水平，既要根据不同的上市公司甄选不同的评估方法，更为重要的是应加快中国上市公司信用信息的历史数据库和网络基础设施的建设。
2．加强信用风险评估专业人才队伍培养。2006年中国金融领域将全面对外开放，培养一支高素质的信用风险评估专业人才队伍不但有利于与国际接轨，吸取国外在信用评估领域的新技术新方法，而且更有利于提高自己的信用风险评估水平，增强竞争力。为此，应根据其自身情况特别是有关数据库建设的进展及时采用最新信用风险管理模型计量信用风险，实现信用风险管理和控制手段的不断更新。
3．建立健全上市公司信息披露制度。上市公司信息披露制度是证券监管机构对上市公司进行规范和管理的最主要制度之一，也是上市公司信用风险评估准确和真实性的保证。在上市公司信息披露制度安排上我们国家虽也取得了一些成绩，但在实践中还存在着诸多问题。为此，我们一是应树立高质量的信息披露理念，充分发挥现有监管资源，形成监管合力，提高上市公司信息披露的真实性、准确性和完整性；二是需加强上市公司信息披露的外部环境约束，切实提高信息披露质量；三是应借鉴海外证券市场经验，在中国建立上市公司信息披露电子化系统，利用最新信息技术改进上市公司信息披露的手段。
4．大力培育专业的商业信用评级机构。专业的商业信用评级机构是上市公司与金融机构及投资者之间相互了解和信任的中介和桥梁，更是解决证券市场信息不对称矛盾的中介和桥梁。培育专业的商业信用评级机构无疑是完善上市公司信用风险评估体系的基础。目前，我们应结合国情并在政府的正确领导和扶持下大力培育和发展中国有民族品牌的专业的商业信用评级机构，在中国金融开放的背景下加强与国外先进评级机构的合作，增强中国信用评级的科学性、合理性、社会规范性和国际适用性。
5．提高金融中介机构的整体素质。上市公司信用风险评估模型依赖财务数据的真实性，而财务数据的真实性很大程度上取决于券商、会计师事务所、律师事务所、资产评估事务所等金融中介机构。因此有必要提高这些机构的整体素质，并使这些机构独立于上市公司，从第三方的角度对上市公司财务信息的发布实施审核和监督作用，提高上市公司信用风险评估的真实性。