版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
企業(yè)的信用評(píng)價(jià)信用評(píng)價(jià)概述在美國(guó)和歐洲,企業(yè)信用評(píng)價(jià)引起了學(xué)術(shù)界和實(shí)務(wù)界極大的關(guān)注,判別方法和模型層出不窮,但迄今為止還沒(méi)有公認(rèn)的、有效的和統(tǒng)一的方法。企業(yè)信用評(píng)價(jià)之所以引起極大的關(guān)注,之所以有大量的方法和模型得到開(kāi)發(fā)和利用,緣由就在于其具有不行無(wú)視的重要性:一、作為早期警告系統(tǒng),判別方法和模型可以告誡治理者企業(yè)是否在變壞,是否應(yīng)實(shí)行有針對(duì)性的措施防止失??;二、判別方法和模型可以用來(lái)幫助金融機(jī)構(gòu)的決策者對(duì)企業(yè)作出評(píng)價(jià)和選擇,由于這些模型和貸款決策模型相通。雖然貸款決策問(wèn)題和企業(yè)信用問(wèn)題不能等同,但貸款人可以卓有成效地利用企業(yè)信用等級(jí)判別模型評(píng)價(jià)貸款的可行性。西方銀行在多年的實(shí)踐中漸漸形成了一整套衡量標(biāo)準(zhǔn),即通常所稱(chēng)的貸款審查4(Collateral)5(Condition)6ContinuityLAPPLiquidityActivityProfitabilityPotentialities評(píng)價(jià)指標(biāo)體系經(jīng)受U1企業(yè)信用尊級(jí)企業(yè)信用尊級(jí)U5企業(yè)資金構(gòu)造U6U7信用評(píng)價(jià)模型
信用評(píng)價(jià)模型多元判別分析〔MDA〕Logit分析模型近鄰法分類(lèi)樹(shù) 人工神經(jīng)網(wǎng)絡(luò)〔ANN〕模型國(guó)際上,對(duì)企業(yè)的信用評(píng)價(jià),通常將商業(yè)銀行對(duì)企業(yè)信用風(fēng)險(xiǎn)的測(cè)度轉(zhuǎn)化為對(duì)企業(yè)財(cái)務(wù)狀況的衡量問(wèn)題,由于信用風(fēng)險(xiǎn)的形成 一一企業(yè)是否能如期還本付息,主要取決于企業(yè)財(cái)務(wù)狀況。具體做法是依據(jù)歷史上每個(gè)類(lèi)別〔如信用等級(jí) AAA、AA、A、BBB等〕的假設(shè)干樣本,從的數(shù)據(jù)中覺(jué)察規(guī)律,從而總結(jié)出分類(lèi)的規(guī)章,建立判別模型,用于對(duì)的樣本的判別。固然我們不能僅依據(jù)企業(yè)某些單一指標(biāo),而應(yīng)依據(jù)影響企業(yè)財(cái)務(wù)狀況的多維指標(biāo)來(lái)評(píng)估企業(yè)的財(cái)務(wù)狀況。因此,這些方法的關(guān)鍵步驟和難點(diǎn)在于指標(biāo)體系確實(shí)立和評(píng)估模型的選擇,也即如何將多維指標(biāo)綜合起來(lái)。目前承受的方法有統(tǒng)計(jì)方法、專(zhuān)家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)技術(shù)等。國(guó)內(nèi)外在對(duì)信用評(píng)價(jià)中,廣泛承受了基于統(tǒng)計(jì)判別方法的推測(cè)模型,這些方法都是在Fisher1936年作出的啟發(fā)性爭(zhēng)論之后提出來(lái)的。總的來(lái)說(shuō),這些模型都被表述為一類(lèi)分類(lèi)系統(tǒng)〔1.2〕,它們承受定義在已選變量集合上的一個(gè)隨機(jī)觀測(cè)值樣本,建立判別函數(shù),進(jìn)展分類(lèi)。常用的模型有:回歸分析法、多元判別分析法、 Logit法、Probit法等,這些模型已經(jīng)得到廣泛的應(yīng)用,但它們?nèi)源嬖谥芏嗳毕?,下面就分別介紹這幾種模型。一1.2模型的分類(lèi)系統(tǒng)多元判別分析〔MDA〕Chesser判別模型 多元判別分析〔MDA〕是除美國(guó)外的其他國(guó)家使用最多的統(tǒng)計(jì)方法。 多元線(xiàn)性判別分析法,可以具體為一般判別分析〔不考慮變量篩選〕和定量資料的逐步判別分析〔考慮變量篩選〕我國(guó)在1993年7月1日起正式實(shí)施與國(guó)際會(huì)計(jì)準(zhǔn)則根本適應(yīng)的、 統(tǒng)一的《企業(yè)會(huì)計(jì)準(zhǔn)則》由此奠定了企業(yè)信用評(píng)估爭(zhēng)論的根底和前提,隨著國(guó)內(nèi)會(huì)計(jì)人員的業(yè)務(wù)水平〔如對(duì)準(zhǔn)則的把握、理解和應(yīng)用水公平〕和會(huì)計(jì)報(bào)表水平的不斷提高,所產(chǎn)生的會(huì)計(jì)報(bào)表開(kāi)頭根本符合準(zhǔn)則要求,因此,近年來(lái)的財(cái)務(wù)數(shù)據(jù)已具備建立企業(yè)信用判別模型的根本條件,承受多元判別分析方法建立企業(yè)信用評(píng)價(jià)模型,并將判別結(jié)果與其它線(xiàn)性模型相比較,可以看出用多元判別分析方法建立的企業(yè)信用評(píng)價(jià)模型在判別的準(zhǔn)確性上有較大提高。但應(yīng)用多元判別分析〔MDA〕有以下三個(gè)主要假設(shè):① 變量數(shù)據(jù)是正態(tài)分布的;②各組的協(xié)方差是一樣的;③每組的均值向量、協(xié)方差矩陣、先驗(yàn)概率和誤判代價(jià)是的對(duì)經(jīng)濟(jì)、財(cái)務(wù)變量的正態(tài)假設(shè)已成為通常慣例。由于線(xiàn)性判別函數(shù)〔
LDA〕在實(shí)際使用中是最便利的,如在距離判別和貝葉斯判別中,在正態(tài)總體等協(xié)方差時(shí),均導(dǎo)出一個(gè)線(xiàn)性判別函數(shù),所以一般只爭(zhēng)論線(xiàn)性判別函數(shù)。在滿(mǎn)足上述誤判概率達(dá)最小,下面介紹幾個(gè)應(yīng)用判別分析法建立的模型。1〕Chesser判別模型
3個(gè)假設(shè)的條件下,該判別函數(shù)使DeltonChesser6個(gè)變量進(jìn)展了Logit分析,得到的公式是:Y Y y=-0.0434-5.247*■■+0.0053*“J-
Y+4.4009*I-0.0791*
-0.1020*其中二一〔現(xiàn)金+市場(chǎng)化證券〕/總資產(chǎn)二一銷(xiāo)售凈額/〔現(xiàn)金+市場(chǎng)化證券〕”1資產(chǎn)酬勞率■”:資產(chǎn)負(fù)債率Y=-固定資產(chǎn)/股東權(quán)益營(yíng)運(yùn)資本/凈銷(xiāo)售收入變量y是一個(gè)獨(dú)立變量的線(xiàn)性組合,承受如下公式確定不全都的概率 P:P=^—1-::”e=2.71828y值可以看作客戶(hù)不全都傾向的指數(shù),y越大不全都的概率越高,他確定的分類(lèi)原則是:假設(shè)p>0.50歸于不全都組;假設(shè)p<0.50,歸于全都組。2〕ZETA分析模型zeta分析模型是Altman,Haldeman和Narayanan在爭(zhēng)論公司破產(chǎn)時(shí)提出的一個(gè)模型,采用7個(gè)指標(biāo)作為提醒企業(yè)失敗或成功的變量, 這7個(gè)指標(biāo)是資產(chǎn)酬勞率、收入的穩(wěn)定性〔用10年資產(chǎn)酬勞率的標(biāo)準(zhǔn)差的倒數(shù)來(lái)度量〕、利息保障倍數(shù)、贏利積存〔用留存收益 /總資產(chǎn)來(lái)度量〕、流淌比率、資本化率〔用五年的股票平均市場(chǎng)值 /總長(zhǎng)期資原來(lái)度量〕和規(guī)模〔用公司總資產(chǎn)來(lái)度量〕,這7個(gè)指標(biāo)分別表示企業(yè)目前的贏利性、收益的保障、長(zhǎng)期贏利性、流淌性和規(guī)模等特征,Altman在1968年通過(guò)對(duì)假設(shè)干組企業(yè)的爭(zhēng)論和分析, 承受5個(gè)指標(biāo)進(jìn)行回歸,得到如下回歸方程:Z=1.2*”1+1.4*1+3.3*1+0.6*i+1.0*j其中X1=營(yíng)運(yùn)資本/總資產(chǎn)X2=留存收益/總資產(chǎn)X3=資產(chǎn)酬勞率X4=權(quán)益市場(chǎng)值/總債務(wù)的帳面值假設(shè)ZW 2.267歸于破產(chǎn)組;假設(shè)Z>2.675,歸于非破產(chǎn)組。同時(shí)Altman1.812.99之間會(huì)產(chǎn)生錯(cuò)誤的分類(lèi),因此,他認(rèn)為這一區(qū)間是無(wú)視區(qū)域。>>TOPLogit分析模型logit分析與判別分析的本質(zhì)差異在于不要求滿(mǎn)足正態(tài)分布或等方差,其模型承受 logistic其中匚-門(mén)表示第i個(gè)指標(biāo),是第i個(gè)指標(biāo)的系數(shù),YY又常被理解為屬于某一類(lèi)的概率,如企業(yè)財(cái)務(wù)狀況好壞的概率由于一般判別分析方法的局限, Logit分析在推測(cè)中得到了相當(dāng)廣泛的應(yīng)用, 后的爭(zhēng)論絕大多數(shù)都用Logit分析。在一些國(guó)家建立了很多相應(yīng)的模型。這些爭(zhēng)論包括:Zavgren(1985)、Lau(1987)、Gloubos和Grammatikos(1988)、Gilbert等人(1990)、Kasey和McGuiness(1990)、Kasey(1990)、Luoma和Laitinen(1991)、Platt和Platt(1990)和Tennyson(1990)。>>TOP近鄰法近鄰法是一種非參數(shù)方法,當(dāng)總體表現(xiàn)為顯著非正態(tài)分布時(shí),特別是當(dāng)屬于同一類(lèi)的樣本在變量空間形成聚類(lèi)時(shí),近鄰法格外有效。與參數(shù)類(lèi)方法相比,近鄰法用于對(duì)總體分布施加很少約束的狀況,是一種格外敏捷的方法。近鄰法不僅放松了正態(tài)性假定,也避開(kāi)了傳統(tǒng)技術(shù)對(duì)模型函數(shù)形式設(shè)定的困難?任何一k個(gè)近鄰劃歸類(lèi)型所確定。任意兩個(gè)樣本之間的距離可定義r1為:; - 是合并協(xié)方差的逆?這樣,一個(gè)樣本劃歸為它的k個(gè)近鄰的多數(shù)〔k11類(lèi)〕。>>TOP分類(lèi)樹(shù)80年月末期,有學(xué)者提出一種利用機(jī)器學(xué)習(xí)技術(shù)進(jìn)展起來(lái)的符號(hào)方法 一一分類(lèi)樹(shù)。該方法不象傳統(tǒng)方法那樣通過(guò)判別函數(shù)形成決策規(guī)章來(lái)判別樣本所屬的類(lèi)型,而是創(chuàng)立了一個(gè)對(duì)原始樣本進(jìn)展最正確分類(lèi)判別的分類(lèi)樹(shù)。此前,曾有學(xué)者承受了一種叫做遞歸分割的類(lèi)似技術(shù)生成判別樹(shù)。兩種方法都承受了一種非返回跟蹤的分割方法將樣本集遞歸分割成不相交的子集?它們的差異只是在分割準(zhǔn)則上,分類(lèi)樹(shù)方法旨在極大化分割子集的熵,而遞歸分割方法則旨在使期望誤判損失到達(dá)最小。>>TOP人工神經(jīng)網(wǎng)絡(luò)〔ANN〕模型上述四種方法在國(guó)外已大量應(yīng)用,實(shí)證結(jié)果覺(jué)察
:1〕企業(yè)財(cái)務(wù)狀況的評(píng)價(jià)可以看作是一類(lèi)
2〕企業(yè)財(cái)務(wù)狀況的好壞與財(cái)務(wù)比率的關(guān)系是非線(xiàn)性的;3〕推測(cè)變量〔財(cái)務(wù)比率〕可能是高度相關(guān)的;成正態(tài)分布
4〕大量實(shí)證結(jié)果說(shuō)明,很多指標(biāo)不因此,傳統(tǒng)的分類(lèi)方法不能很好地解決這些問(wèn)題。作為爭(zhēng)論簡(jiǎn)單性的有力工具,神經(jīng)網(wǎng)絡(luò)技術(shù)近年來(lái)在模式識(shí)別與分類(lèi)、識(shí)別濾波、自動(dòng)掌握、推測(cè)等方面已展現(xiàn)了其非凡的優(yōu)越性,特別是能處理任意類(lèi)型的數(shù)據(jù),這是很多傳統(tǒng)方法所無(wú)法比較的。通過(guò)不斷學(xué)習(xí),能夠從未知模式的大量的簡(jiǎn)單數(shù)據(jù)中覺(jué)察其規(guī)律。神經(jīng)網(wǎng)絡(luò)方法抑制了傳統(tǒng)分析過(guò)程的復(fù)雜性及選擇適當(dāng)模型函數(shù)形式的困難,它是一種自然的非線(xiàn)性建模過(guò)程,毋需分清存在何種非線(xiàn)性關(guān)系,給建模與分析帶來(lái)極大的便利?該方法用于企業(yè)財(cái)務(wù)狀況爭(zhēng)論時(shí),一方面利用其映射力量,另一方面主要利用其泛化力量,即在經(jīng)過(guò)肯定數(shù)量的帶噪聲的樣本的訓(xùn)練之后,網(wǎng)絡(luò)可以抽取樣本所隱含的特征關(guān)系,并對(duì)狀況下的數(shù)據(jù)進(jìn)展內(nèi)插和外推以推斷其屬性。它在分類(lèi)問(wèn)題中的消滅,最早是用于對(duì)銀行破產(chǎn)的預(yù)估。
Tam(1991)、Tam和Kiang(1992)、DuttaShekhar(1992)建議
。Tam和Kiang(1992)BP神經(jīng)網(wǎng)絡(luò)(如以下圖所示)來(lái)訓(xùn)練網(wǎng)絡(luò),依據(jù)輸入到網(wǎng)絡(luò)的一些樣本供給一套權(quán)重,在網(wǎng)絡(luò)訓(xùn)練之后,可以將任何輸入(公司)劃分為破產(chǎn)或非破產(chǎn)。4神經(jīng)網(wǎng)絡(luò)模型是分布自由的,而且對(duì)實(shí)際問(wèn)題是適用的,特別是當(dāng)變量是從未知分布取出和協(xié)方差構(gòu)造不相等(在企業(yè)失敗樣本中的常態(tài))時(shí),神經(jīng)網(wǎng)絡(luò)能夠供給良好的分類(lèi)準(zhǔn)確性。Altman等人(1994)利用神經(jīng)網(wǎng)絡(luò)對(duì)意大利公司進(jìn)展了失敗推測(cè),與多元判別分析模型相比,給出了令人鼓舞結(jié)果。此外,神經(jīng)網(wǎng)絡(luò)的非線(xiàn)性形態(tài)較通用和較敏捷。但它也有一些問(wèn)題,如:模型的拓?fù)涠x、比其他方法計(jì)算量較大和表述判別力量較難。Altman等人(1994)提到,神經(jīng)網(wǎng)絡(luò)在決策方法中表現(xiàn)得像一個(gè) “黑匣子”,使得它的應(yīng)用和承受都較困難。雖然神經(jīng)網(wǎng)絡(luò)作為一種分類(lèi)工具似乎比其他方法較具吸引力,在財(cái)務(wù)領(lǐng)域解決實(shí)際問(wèn)題的應(yīng)用到目前為止還不多。Wilson和Sharda(1992)參考神經(jīng)網(wǎng)絡(luò)的應(yīng)用做過(guò)企業(yè)失敗推測(cè),Salchenberger等人(1992)利用神經(jīng)網(wǎng)絡(luò)推測(cè)過(guò)慈善機(jī)構(gòu)的失敗, Dutta和Shekhar(1992)提出
Serrano-Cinca(1996)用它作過(guò)破產(chǎn)推測(cè)。神經(jīng)網(wǎng)絡(luò)(ANN)人
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 《電話(huà)溝通科頓》課件
- 移動(dòng)支付系統(tǒng)漏洞挖掘與修復(fù)-洞察分析
- 星系早期形成理論-洞察分析
- 虛擬現(xiàn)實(shí)游戲教育應(yīng)用-洞察分析
- 習(xí)慣性脫位微創(chuàng)手術(shù)并發(fā)癥分析-洞察分析
- 游戲直播平臺(tái)競(jìng)爭(zhēng)策略-洞察分析
- 農(nóng)村網(wǎng)格員先進(jìn)事跡(6篇)
- 新聞?wù)鎸?shí)性與倫理考量-洞察分析
- 虛擬協(xié)作空間設(shè)計(jì)-洞察分析
- 移植后心理護(hù)理路徑構(gòu)建-洞察分析
- 2024秋期國(guó)家開(kāi)放大學(xué)專(zhuān)科《社會(huì)調(diào)查研究與方法》一平臺(tái)在線(xiàn)形考(形成性考核一至四)試題及答案
- 高中數(shù)學(xué)單元教學(xué)設(shè)計(jì)范文(5篇)
- 【人教版】《勞動(dòng)教育》五上 勞動(dòng)項(xiàng)目五《設(shè)計(jì)制作海報(bào)》課件
- GB/T 22517.2-2024體育場(chǎng)地使用要求及檢驗(yàn)方法第2部分:游泳場(chǎng)地
- 2024-2030年生命科學(xué)中的工業(yè)自動(dòng)化行業(yè)市場(chǎng)現(xiàn)狀供需分析及投資評(píng)估規(guī)劃分析研究報(bào)告
- 2024年江蘇蘇州市事業(yè)單位專(zhuān)業(yè)化青年人才定崗特選444人歷年高頻500題難、易錯(cuò)點(diǎn)模擬試題附帶答案詳解
- Unit3 Amazing Animals(教學(xué)設(shè)計(jì))-2024-2025學(xué)年人教PEP(2024)三年級(jí)上冊(cè)
- 一年級(jí)心理健康課件生命真美好蘇科版
- 10以?xún)?nèi)連加減口算練習(xí)題完整版89
- GB/T 44460-2024消費(fèi)品質(zhì)量分級(jí)導(dǎo)則衛(wèi)生潔具
- 2024合同模板合伙開(kāi)公司合同
評(píng)論
0/150
提交評(píng)論