信用风险的“5C” 调查分析法

5C分析法最初是金融机构对客户作信用风险分析时所采用的专家分析法之一，它主要集中在借款人的道德品质

(Character)、还款能力 (Capacity)、资本实力(Capital)、担保(Collateral)和经营环境条件(Con-dition)五个方面进行全面的定性分析以判别借款人的还款意愿和还款能力。 是指重点分析影响信用的5个方面的一种方法。由于这5个方面的英文单词开头第一个字母都是c，故称“5c”分析法

信用5C分析法就是通过“5C”系统来分析顾客或客户的信用标准，5C系统是评估顾客或客户信用品质的五个方面：品质、能力、资本、抵押和条件。

近些年5C分析法被更广泛地应用在企业对客户的信用评价，如果客户达不到信用标准，便不能享受企业的信用或只能享受较低的信用优惠。

（一）进行信用分析的五个方面

1．品质(Character)：指顾客或客户努力履行其偿债义务的可能性，是评估顾客信用品质的首要指标，品质是应收账款的回收速度和回收数额的决定因素。因为每一笔信用交易都隐含了客户对公司的付款承诺，如果客户没有付款的诚意，则该应收帐款的风险势必加大。品质直接决定了应收账款的回收速度和回收数额，因而一般认为品行是信用评估最为重要的因素。

2．能力(Capacity)：指顾客或客户的偿债能力，即其流动资产的数量和质量以及与流动负债的比例，其判断依据通常是客

户的偿债记录、经营手段以及对客户工厂和公司经营方式所做的实际调查。

3．资本(Capital)：指顾客或客户的财务实力和财务状况，表明顾客可能偿还债务的背景，如负债比率、流动比率、速动比率、有形资产净值等财务指标等。

4．抵押(Collateral)：指顾客或客户拒付款项或无力支付款项时能被用做抵押的资产，一旦收不到这些顾客的款项，便以抵押品抵补，这对于首次交易或信用状况有争议的顾客或客户尤为重要。

5．条件(Condition)：指可能影响顾客或客户付款能力的经济环境，如顾客或客户在困难时期的付款历史、顾客或客户在经济不景气情况下的付款可能。

企业掌握客户以上5个方面的品质状况后，基本上可以对客户的信用品质进行综合评估了。对综合评价高的客户可以适当放宽标准，而对综合评价低的客户就要严格信用标准，甚至可以拒绝提供信用以确保经营安全。

（二）企业了解“5C”的三种途径

1、从企业自身获取,总结企业以往跟客户交易的经验，从主观上对客户的信用品质做出判断；

2、从企业外部获取，由企业管理人员亲自对客户进行调查，广泛收集有关情报，上门登记来取得直接信息；

3、通过专门的信息机构，或是从其他企业对该客户的评价获取间接信息。

（三）实例分析

江苏某家大型物资贸易公司，在物资市场饱和、以赊销为主

的经营状况下，他们20xx年的销售收入4亿元，而呆帐损失只有4000多万元。这个成绩来自于该企业的信用等级管理。他们根据５Ｃ分析法对客户进行评估后将其分为三类：A级客户，公司可以继续满足其赊销的要求；B级客户，即有回款不及时的客户，他们提出的赊销要求，公司要严格调查以往的销售记录和原始档案后决定；C级客户，即让公司出现呆帐的，公司则拒绝交易。

（四） 信用5C分析的应用意义

通过对客户进行信用等级管理，企业可以对不同信用等级的客户投入不同的人力和物力，采取不同的服务方式和给予不同的信用额度，促进企业销售额的增长和信用风险的降低，同时也为公司积累了一批优质的客户

西方商业银行在长期的经营时间中，总结归纳出了“5C”原则，用以对借款人的信用风险进行分析，有些银行将分析的要素归纳为“5W”因素,即借款人 (Who)、借款用途(Why)、还款期限(When)、担保物(What)及如何还款(How)，还有的银行将其归纳为“5P”因素,即个人因素 (Personal)、借款目的(Purpose)、偿还(Payment)、保障(Protec-tion)和前景(Perspective)。

 

第二篇：信用风险的度量方法

一、信用风险度量方法与模型

１．传统的信用风险评价方法

（１）要素分析法。

要素分析法是通过定性分析有关指标来评价客户信用风险时所采用的专家分析法。 常用的要素分析法是５Ｃ要素分析法，它主要集中在借款人的道德品质（Ｃｈａｒａｃｔｅｒ）、还款能力（Ｃａｐａｃｉｔｙ）、资本实力（Ｃａｐｉｔａｌ）、担保（Ｃｏｌｌａｔｅｒａｌ）和经营环境条件（Ｃｏｎｄｉｔｉｏｎ）五个方面进行全面的定性分析，以判别借款人的还款意愿和还款能力。

根据不同的角度，有的将分析要素归纳为“５Ｗ”因素，即借款人（Ｗｈｏ）、借款用途（Ｗｈｙ）、还款期限（Ｗｈｅｎ）、担保物（Ｗｈａｔ）及如何还款（Ｈｏｗ）。

还有的归纳为“５Ｐ”因素，即个人因素（Ｐｅｒｓｏｎａｌ）、借款目的（Ｐｕｒｐｏｓｅ）、偿还（Ｐａｙｍｅｎｔ）、保障（Ｐｒｏｔｅｃｔｉｏｎ）和前景（Ｐｅｒｓｐｅｃｔｉｖｅ）。

无论是“５Ｃ”、“５Ｗ”还是“５Ｐ”，其共同之处都是先选取一定特征目标要素，然后对每一要素评分，使信用数量化，从而确定其信用等级，以其作为其销售、贷款等行为的标准和随后跟踪监测期间的政策调整依据。

（２）特征分析法。

特征分析法是目前在国外企业信用管理工作中应用较为普遍的一种信用分析工具。它是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因素，将其编为几组，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。

一般所分析的特征包括客户自身特征、客户优先性特征、信用及财务特征等。特征分析法的主要用途是对客户的资信状况做出综合性的评价，它涵盖了反映客户经营实力和发展潜力的所有重要指标，这种信用风险分析方法主要由信用调查机构和企业内部信用管理部门使用。

（３）财务比率分析法。

信用风险往往是由财务危机导致的，因此，可以通过及早发现和找出一些特征财务指标，判断评价对象的财务状况和确定其信用等级，从而为信贷和投资提供决策依据。

财务比率综合分析法就是将各项财务分析指标作为一个整体，系统、全面、综合地对企业财务状况和经营情况进行剖析、解释和评价。这类方法的主要代表有杜邦财务分析体系和沃尔比重评分法。

杜邦财务分析体系是由美国杜邦公司创立的，它以净值报酬率为龙头，以资产净利润率为核心，重点揭示企业获利能力及其前因后果，通过对某项综合性较强的财务比率的逐层分解，将相关财务指标联系起来，形成一个综合体系，以便清楚地反映各项财务指标的相互关系。

沃尔比重评分法是由财务综合评价领域的著名先驱者之一亚历山大·沃尔创立的，他把若干个财务比率用线性关系结合起来，以此评价企业的信用水平。他选择了七种财务比率，即流动比率、产权比率、固定资产比率、存货周转率、应收账款周转率、固定资产周转率和自有资金周转率，分别给定各自的分数比重，通过与标准比率（行业平均比率）进行比较，确定各项指标的得分及总体指标的累计分数，从而得出企业财务状况的综合评价，继而确定其信用等级。

２．多变量信用风险判别模型

多变量信用风险判别模型是以财务会计信息为基础，以特征财务比率为解释变量，运用数量统计方法建模。多变量信用风险判别模型主要包括以下几种：

（１）多元线性判定模型（Ｚ－Ｓｃｏｒｅ模型）。

其是财务失败预警模型，最早是由Ａｌｔｍａｎ（１９６８）开始研究的。该模型通过五个变量（五种财务比率）将反映企业偿债能力的指标、获利能力指标和营运能力指标有机联系起来，综合分析预测企业财务失败或破产的可能性。一般地，Ｚ值越低，企业越有可能发生破产。

具体模型为：

Ｚ＝Ｖ１Ｘ１＋Ｖ２Ｘ２＋?＋ＶｎＸｎ

其中，Ｖ１、Ｖ２?Ｖｎ是权数，Ｘ１、Ｘ２?Ｘｎ是各种财务比率。根据Ｚ值的大小，可将企业分为“破产”或“非破产”两类。在实际运用时，需要将企业样本分为预测样本和

测试样本，先根据预测样本构建多元线性判定模型，确定判别Ｚ值（Ｚ值的大小可以作为判定企业财务状况的综合标准），然后将测试样本的数据代入判别方程，得出企业的Ｚ值，并根据判别标准进行判定。此方法还可以用于债券评级、投资决策、银行对贷款申请的评估及子公司业绩考核等。

（２）多元逻辑模型（Ｌｏｇｉｔ模型）。

其采用一系列财务比率变量来预测公司破产或违约的概率，然后根据银行、投资者的风险偏好程度设定风险警界线，以此对分析对象进行风险定位和决策。

Ｌｏｇｉｔ模型建立在累计概率函数的基础上，不需要自变量服从多元正态分布和两组间协方差相等的条件。Ｌｏｇｉｔ模型判别方法先根据多元线性判定模型确定企业破产的Ｚ值，然后推导出企业破产的条件概率。其判别规则是：如果概率大于０．５，表明企业破产的概率比较大；如果概率低于０．５，可以判定企业为财务正常。

（３）多元概率比回归模型（Ｐｒｏｂｉｔ回归模型）。

其假定企业破产的概率为ｐ，并假设企业样本服从标准正态分布，其概率函数的ｐ分位数可以用财务指标线性解释。其计算方法是先确定企业样本的极大似然函数，通过求似然函数的极大值得到参数ａ、ｂ，然后利用公式，求出企业破产的概率；其判别规则与Ｌｏｇｉｔ模型判别规则相同。

（４）联合预测模型。

联合预测模型是运用企业模型来模拟企业的运作过程，动态地描述财务正常企业和财务困境企业的特征，然后根据不同特征和判别规则，对企业样本进行分类。这一模型运作的关键是准确模拟企业的运作过程，因此，它要求有一个基本的理论框架，通过这一框架来有效模拟企业的运作过程，从而能够有效反映和识别不同企业的行为特征、财务特征，并据此区分企业样本。

３．现代金融工程模型

２０世纪８０年代以来，受债务危机的影响，各国银行普遍重视对信用风险的管理和防范，新一代金融工程专家利用工程化的思维和数学建模技术，在传统信用风险度量的基础上提出了一系列成功的信用风险量化模型。

（１）神经网络分析法。

神经网络是从神经心理学和认识科学研究成果出发，应用数学方法发展起来的一种并行分布模式处理系统，具有高度并行计算能力、自学能力和容错能力。

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，它是一种自然的非线性建模过程，无须分清存在何种非线性关系，给建模与分析带来极大的方便。

该方法用于企业财务状况研究时，一方面利用其映射能力，另一方面主要利用其泛化能力，即在经过一定数量的带噪声的样本的训练之后，网络可以抽取样本所隐含的特征关系，并对新情况下的数据进行内插和外推以推断其属性。

（２）衍生工具信用风险的度量方法。

２０世纪８０年代以来，作为一种有效的避险工具，衍生工具因其在金融、投资、套期保值和利率行为中的巨大作用而获得了飞速发展。然而，这些旨在规避市场风险应运而生的衍生工具又蕴藏着新的信用风险。

研究者相继提出许多方法来度量衍生工具的信用风险，最具代表性的有下列三种： 一是风险敞口等值法，这种方法是以估测信用风险敞口价值为目标，考虑了衍生工具的内在价值和时间价值，并以特殊方法处理的风险系数建立了一系列ＲＥＥ计算模型。

二是模拟法，这种计算机集约型的统计方法采用蒙特卡罗模拟过程，模拟影响衍生工具价值的关键随机变量的可能路径和交易过程中各时间点或到期时的衍生工具价值，最终经过反复计算得出一个均值。

三是敏感度分析法，就是利用这些比较值通过方案分析或应用风险系数来估测衍生工具价值。

（３）集中风险的评估系统。

前述方法绝大多数是度量单项贷款或投资项目的信用风险，而很少注重信用集中风险的评估。信用集中风险是所有单一项目信用风险的总和。金融机构和投资者采用贷款组合、投资组合来达到分散和化解风险的目的。

１９９７年，ＪＰ摩根推出的“信用计量法”和瑞士信贷金融产品的“信用风险法”，均可以用来评估信用风险敞口亏损分布以及计算用以弥补风险所需的资本。“信用计量法”是以风险值为核心的动态量化风险管理系统，它集计算机技术、计量经济学、统计学和管理工程系统知识于一体，从证券组合、贷款组合的角度，全方位衡量信用风险。该方法应用的范围比较广，诸如证券、贷款、信用证、贷款承诺、衍生工具、应收账款等领域的信用风险都可用此方法进行估测。

“信用风险法”是在信用评级框架下，计算每一级别或分数下的平均违约率及违约波动，并将这些因素与风险敞口综合考虑，从而算出亏损分布与所需资本预测数。

二、分析与评价

１．传统信用风险评价方法的分析与评价

传统的信用评价方法必须根据经济环境和风险因素的变化不断调整自己分析和调查的重点，才能做出准确的决策。虽然其有成熟的经验可资借鉴，但在实际估测某个企业的信用风险时，必须重新设定工作程序，而且企业信用调查与评价工作必须通过自己的实践来积累经验。

一般认为，传统的信用评价方法突出的问题是：风险因素的评价是定性的，主观性的分析有时不令人信服。比如“沃尔比重评分法”在理论上存在一定的缺陷：至今未能证明为什么要选择这７个指标，而不是更多或更少些，或者选择别的财务比率，以及未能证明每个指标所占比重的合理性。从技术上看，当某一个指标严重异常时，“沃尔比重评分法”会对总评分值产生不合逻辑的重大影响。尽管沃尔的方法在理论上还有待证明，在技术上也不完善，但它还是在实践中被应用。

２．多变量信用风险判别模型的分析与评价

多变量信用风险判别模型几种模型的优缺点主要体现在以下几个方面：

（１）Ｚ－Ｓｃｏｒｅ模型具有较高的判别精度，但存在着几处不足：一是该模型要求的工作量比较大。二是在前一年的预测中，Ｚ－Ｓｃｏｒｅ模型的预测精度比较高，但在前两年、前三年的预测中，其预测精度都大幅下降，甚至低于一元判别模型。三是Ｚ－Ｓｃｏ

ｒｅ模型有一个很严格的假设，即假定自变量是呈正态分布的，两组样本要求等协方差，而现实中的样本数据往往并不能满足这一要求。

（２）Ｌｏｇｉｔ模型的最大优点是，不需要严格的假设条件，克服了线性方程受统计假设约束的局限性，具有了更广泛的适用范围。目前这种模型的使用较为普遍，但其计算过程比较复杂，而且在计算过程中有很多的近似处理，这不可避免地会影响到预测精度。

（３）Ｐｒｏｂｉｔ模型和Ｌｏｇｉｔ模型的思路很相似，都采用极大化似然函数，但在具体的计算方法和假设前提上又有一定的差异，主要体现在三个方面：一是假设前提不同，Ｌｏｇｉｔ不需要严格的假设条件，而Ｐｒｏｂｉｔ则假设企业样本服从标准正态分布，其概率函数的ｐ分位数可以用财务指标线性解释。二是参数ａ、ｂ的求解方法不同，Ｌｏｇｉｔ采用线性回归方法求解，而Ｐｒｏｂｉｔ采用极大似然函数求极值的方法求解。三是求破产概率的方法不同，Ｌｏｇｉｔ采用取对数方法，而Ｐｒｏｂｉｔ采用积分的方法。

（４）与其他多变量信用风险判别模型相比，联合预测模型克服了其他模型只运用财务指标的片面性，能够动态模拟和反映企业的综合情况，但其仍存在着操作性较差的缺陷。

３．现代金融工程模型的分析与评价

现代金融工程模型的几种信用风险度量模型的优缺点主要是：

（１）神经网络分析方法应用于信用风险评估的优点在于其无严格的假设限制，且具有处理非线性问题的能力。它能有效解决非正态分布、非线性的信用评估问题，其结果介于０与１之间，在信用风险的衡量下，即为违约概率。神经网络法的最大缺点是其工作的随机性较强。因为要得到一个较好的神经网络结构，需要人为地去调试，非常耗费人力与时间，因此，使该模型的应用受到了限制。Ａｌｔｍａｎ（１９９５）在对神经网络法和判别分析法的比较研究中得出结论认为，神经网络分析方法在信用风险识别和预测中的应用，并没有实质性的优于线性判别模型。

（２）衍生工具信用风险模型的优点是具有较强的严谨性，该模型力图以数量化的、严谨的逻辑识别信用风险。从缺点和不足来看，衍生工具信用风险模型的严密的前提假设（当一个变量发生改变，则原有的结论需要全部推翻重新进行论证）限制了它的使用范围。而且从大量的实证研究结果来看，衍生工具信用风险模型没有得到足够的支持。例如Ｄｕｆｆｉｅ（１９９９）发现简约模型无法解释观测到的不同信用等级横截面之间的信用差期限结构。

衍生工具信用风险模型虽然是最新的科学化方法，但其要发挥作用，还必须与金融风险管理的理念和主观判断结合起来。

（３）集中风险评估系统的目的是综合反映评价对象的风险，更接近于风险分析的本源目的，但过多的变量因素又使其陷入浩繁的考察与计量之中，过于繁密的信息造成“噪音”过大，这又使结论容易发生偏离。

三、发展趋势与我国的现状

１．信用风险度量方法与模型的发展趋势

从目前国际金融与财务学界的主流观点来看，信用风险度量方法与模型的未来发展趋势主要包括以下几个：

（１）对信用风险的度量从过去的定性分析转化为定量分析。

（２）从指标化形式向模型化形式的转化，或二者的结合。

（３）信用风险度量模型涵盖的因素和条件越来越全面：从对单个角度的分析向组合角度进行分析、从账面价值转向市场价值、变量从离散向连续扩展、从单个对象的微观特征扩散到经济环境、从单一的风险度量模式向多样化的和个性化的风险度量模式转化。

（４）在理论上，信用风险度量方法与模型开始大量运用现代金融理论的最新研究成果，比如期权定价理论、资本资产定价理论、资产组合理论等，并且汲取相关领域的最新研究成果，比如经济计量学方法、保险精算方法、最优化理论、仿真技术等。

（５）信用风险度量方法与模型越来越需要现代计算机的大容量信息处理技术和网络化技术。

２．信用风险度量方法与模型在我国的现状

从信用风险度量方法和模型的改进方向上看，这一领域的研究和应用已从传统的主观判断分析法发展到以多变量判别模型，再到现代金融工程下的动态计量分析方法，已经向科学的纵深发展。而目前我国信用风险的分析主要是以单一投资项目、贷款和证券为主，衍生工具、表外资产的信用风险以及信用集中风险的评估尚属空白。更没有集多种技术于一体的动态量化的信用风险管理技术。

随着我国经济体制改革的深入、市场机制的建立与完善以及资本市场、银行业的迅速发展，现行的信用风险评估体制与方法已不能满足经济改革与发展的需要。因此，我国在信用风险度量方法的发展上，应博采众长、引入科学方法来确定有效指标，并建立准确的定量模型来解决信用评估问题。