下载文档原格式
30多种信用评级方法不同的信用评级方法在金融领域中起着重要的作用，可以帮助金融机构和投资者评估借款人或发行人的信用风险。
本文将介绍30多种常见的信用评级方法，以帮助读者更好地了解这些方法的特点和应用。
一、经典信用评级方法1. 标准普尔评级：由标准普尔全球评级服务公司（S&P）提供，使用字母等级（如AAA、BBB等）对借款人或发行人进行评级。
2. 穆迪评级：由穆迪投资者服务公司提供，使用字母等级（如Aaa、Baa等）对借款人或发行人进行评级。
3. 惠誉评级：由惠誉全球投资者服务公司提供，使用字母等级（如AAA、BBB等）对借款人或发行人进行评级。
4. 中国评级：由中国评级公司提供，使用字母等级（如AAA、AA 等）对借款人或发行人进行评级。
二、基于概率的评级方法5. KMV模型：基于概率论和统计学原理，通过计算违约概率来评估借款人的信用风险。
6. Merton模型：基于期权定价理论，通过计算违约概率来评估借款人的信用风险。
7. Vasicek模型：基于随机过程理论，通过计算违约概率来评估借款人的信用风险。
8. CreditMetrics模型：基于统计学和金融工程学原理，通过计算违约概率来评估借款人的信用风险。
三、基于市场数据的评级方法9. 债券到期收益率：通过债券市场上的到期收益率反映借款人的信用风险水平。
10. 债券违约概率衍生指标：通过分析债券违约概率衍生指标（如CDS溢价）来评估借款人的信用风险。
11. 股票波动率：通过分析股票市场上的波动率反映借款人的信用风险水平。
四、定量评级方法12. Altman Z-score模型：通过计算借款人的财务指标来评估其破产风险。
13. Ohlson模型：通过计算借款人的财务指标来评估其破产风险。
14. Springate模型：通过计算借款人的财务指标来评估其破产风险。
五、基于评级模型的评级方法15. Logit模型：通过建立评级模型来评估借款人的信用风险。
中共济南市委党校学报•5/2020个体人力资本价值评估的CAI"模型：理念及思路王静张维国韩俊杰摘要：人力资本是现代经济增长和技术进步的核心驱动要素，但对其价值的衡量一向是个难题。
基于过去、现在和未来，采用新的思賂构建起对人力资本价值评估的新的模型和指导体系，具有重要意义。
这将有助于实现人力资本价值的货币化、市场化，为人力与资本的融合开辟新路径，也可以为金融机构改革提供参考，切实培育新动能。
关键词：个体人力资本价值评估；身价；四CAI模型作者简介：王静，山东财经大学教授，济南人力资本产业研究院特聘研究员，硕士生导师，博士（邮政编码250014）；张维国，济南人力资本产业研究院代理院长（邮政编码250002）；韩俊杰，济南人力资本产业研究院副院长（邮政编码250002）中图分类号：C962文献标识码：A文章编号：1672-6359（2020）05-0030-07十九大报告指出，要“在人力资本服务等领域培育新增长点、形成新动能”。
2019年10月3OH,国家发改委颁布了《产业结构调整指导目录（2019年）》，把人力资本产业化提到了国家战略的高度。
在这一背景下，人力资本价值的构成、测评、保值、提升、交易等都是值得研究的理论课题。
其中，评测定价是一个关键点。
科学、准确、及时地评定人力资本价值，既是对人力资本价值形成的结果，又是人力资本价值兑付的依据，保值和提升的基础，实现交易的前提。
我们在对既有理论和方法进行梳理的前提下，对个体人力资本价值评估的可能性和评估的方法进行了创新性的理论探索和实践尝试。
人力资本衡量的学科视野自从西奥多•舒尔茨1961年提出人力资本的概念以来，人力资本在学术研究和政策分析中已被广泛应用。
学界致力于探讨人力资本对经济增长的意义，建立了人力资本理论的基本逻辑和框架。
其中，人力资本的衡量历来被认为是一个难题，但是学术界对这一难题的研究从来就没有停止过。
关于人力资本价值衡量的研究，主要沿着经济学和管理学两个路径开展。
申请风险评估模型是指通过对消费信贷申请人的资信状况进行评估来预测其未来严重拖欠和坏账概率的模型。
申请风险评估模型在信贷风险管理中有着非常重要的作用，因为其评估结果是信贷审批的主要依据之一。
与国外银行信用卡业务相比，我国各商业银行的信用卡业务的风险管理水平较低，管理手段与方法比较落后。
缺乏一套有效的申请评估方法是阻碍个人信用卡业务进一步开展的主要因素之一。
如何提高我国商业银行信用卡的信用风险管理水平，从而提高信用卡的盈利能力，使其在与外资银行的竞争中处于不败之地是本文的出发点。
本文尝试利用层析分析法(AHP)和BP神经网络相结合的组合评价方法对信用卡申办人进行信用等级评估，寻求降低信用卡的信用风险的有效措施。
一、AHP-BP神经网络模型1.模型构建的出发点传统的B P神经网络模型研究的重点是围绕着如何确定网络的输入、输出层维数的建模问题。
然而，当研究复杂系统建模时，由于影响因素过多，不能确定冗余因素和有用因素，不能将输入的因素简化，这样在输入信息空间维数较大时，网络不仅结构复杂，而且训练时间也很长，从而降低网络性能，影响计算准确度。
因此，本文尝试利用层析分析法作为B P神经网络的前处理，通过已有的专家判断、比较、评价等手段将多个变量的重要程度数量化，以其结果作为B P神经网络的输入值，以减小B P神经网络的结构的复杂性，从而缩短训练时间，并充分利用B P 神经网络强大的容错能力和抗干扰能力，提高模型的效率。
2.两种方法集成的可行性分析以往国内商业银行对信用风险评估相关的数据重视不足，造成有效信息的缺失，而A H P-B P神经网络模型仍具有神经网络采用分布式存储结构的特点，具有很强的容错能力，少量单元的局部缺损不会造成整个网络的瘫痪，适合实际操作。
信用卡风险评估是一个较为复杂的过程，涉及各方面的因素，而且各影响因素与衡量结果之间并不完全是线性关系。
而A H P-B P神经网络模型具有很强的非线性映射能力。
基于层次分析法的个人信用评估体系李立兵，曾志伟河海大学，南京（210098）E-mail：libing_li2004@摘要：本文在层次分析法的基础上建立个人信用的评价指标体系对个人信用进行评估。
关键词：层次分析法，评估指标体系，个人信用评估从古到今，信用都不是孤立的概念，它必须依附于当时的经济、政治和文化背景，个人信用，是自然人个人的信用，是个人的无形资产，信用资产质量好，拥有良好的信用记录，则意味着更多的发展机会，更高的发展效率。
个人信用问题已经是我国经济体制改革和发展中不可回避的重要问题。
但是我国的个人信用体系还不完善，基本上属于空白。
目前我国居民个人信用资料缺乏，他们能提供的信用证明文件只有身份证和户籍证明、所在单位的工作证明；在个人储蓄实名制实施以后，又增加了个人存单和实物资产。
国内虽然已有相关机构对个人的信用进行评估，但是由于在评估定位、评估要素的选取以及评估手段方面的不足，使得个人信用评估结果的可信度大大降低。
如何建立科学的个人信用评估方法、如何建立一个规范化并和国际接轨的个人信用评估制度体系已成为一个亟待解决的重要课题。
本文选取个人资质评价指标情况、个人资产评价指标、家庭评价指标及个人的信用历史等一系列的指标，利用层次分析法来建立个人信用评估体系，对个人信用进行评估。
1. 层次分析法概述⑴、⑵、⑶层次分析法（Analytical Hierarchy Process，ＡＨＰ）是美国匹兹堡人学教授A. L. Saaty 于20世纪70年代提出的一种系统分析方法。
它是一种能将定性分析与定量分析相结合的系统分析方法。
其解决问题的基本思路和基本原理是：首先，把要解决的问题分层系列化，即根据问题的性质和要达到的目标，将问题分解为不同的组成因素，按照因素之间的相互影响和隶属关系将其分层聚类组合，形成一个递阶的、有序的层次模型。
然后，对模型中每一层次因素的相对重要性，依据人们对客观现实判断给予定量表述，再利用数学方法确定每一层次全部因素相对重要性次序的权值。
最后，通过综合训算各因素相对重要性的权值，得到最低层(方案层)相对最高层(总日标)相对重要性次序的组合权值，以此作为评价和选择方案的依据。
层次分析法处理问题的基木步骤简述如下：①确定评价目标，再明确方案评价的准则。
根据评价目标、评价准则构造递阶层次结构模型。
递阶层次结构模型一般分为3层：目标层、准则层和方案层；②应用两两比较法构造所有的判断矩阵。
具体如下：1.1 建立判断矩阵对本级的要素进行两两比较来确定判断矩阵A的儿素，a ij是要素a i对a j的相对重要性其值是由专家根据资料数据以及自己的经验和价值观用判断尺度来确定判断尺度表示要素要素a i对a j相对重要性的数量尺度。
采用的判断尺度见表１。
表１.两两比较法的标度判断尺度具体含义9 7 5 3 1 2、4、6、8i 因素比j 因素绝对重要 i 因素比j 因素重要得多 i 因素比j 因素重要 i 因素比j 因素稍微重要 i 因素比j 因素一样重要i 因素j 因素的重要程度介于上述各数值之间根据判断尺度建立n 阶的判断矩阵Ａn×n ：111212122212.....................n n n n n n a a a a a a A a a a ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦其中：0ij a >，1/ij ji a a =，1ii a =，,i j =１、２、…、n ;1.2 确定各要素的相对重要程度①计算判断矩阵的特征向量Ｗ，然后进行归一化处理即得到相对重要程度向量：11()nni ij j W a ==∏ ，i ＝1、2、…、n ; （1）②一致性判断。
为了检验判断矩阵的一致性，根据ＡＨＰ原理，可以利用max λ与n 之差来检验一致性，定义一致性计算指标为：....C I CR C R =（2） 其中max ..1nC I n λ−=−，max λ为判断矩阵Ａ的最大特征值；Ｃ.R.为随机性指标，是通过构造最不一致的情况，对不同的n 阶比较矩阵中的元素，采取随机取数的方式进行赋值，并且对不同的n 取多个子样，先计算出Ｃ.I.的值，再求得其平均值，记为Ｃ.R.，见表2。
表2. 随机性指标C.R.数值n 1 2 3 4 5 6 7 8 9 10 11 C.R. 0 0 0.58 0.9 1.12 1.24 1.32 1.41 1.45 1.49 1.51一致时，C.I.＝0；不一致时，一般有max λ＞n ，因此C.I. ＞0，故在一般情况下，当CR ＜0.1时就可以认为判断矩阵具有一致性，据此而计算的值是可以接受的；若不满足CR ＜0.1，则认为判断矩阵不符合一致性要求，需要专家重新按判断尺度表进行判断，建立判断矩阵进行相应计算，直到一致性检验通过。
2. 个人信用评估体系的建立现阶段，我国的个人信用评估主要以银行为主，目的是个人消费贷款的审批，各银行收集和管理本分行客户的信用资料，根据评估目的进行评估，来决定是否发放贷款和发放贷款的额度，但是随着我国经济的发展、与世界的接轨，对个人信用的评估将不再仅仅局限于银行，而是会扩展到其他许多领域中，所以有必要建立一套客观、定量的、适用范围更广的个人资信评估指标体系及评估模型。
首先来建立个人信用评估的指标体系。
在本文中，通过设立个人资质、个人资产状况、家庭状况、个人信用历史四个方面共同构成了个人信用评估的一级指标，每个一级指标下可划分出若干次级指标见表3。
表3. 个人信用评估指标体系大类指标权重 次级指标 权重得分年龄Ａ1 性别Ａ2 教育程度Ａ3 职业与单位Ａ4 职务与职称Ａ5 执业资格Ａ6 婚姻状况Ａ7个人资质评价指标Ａ现单位工作年限Ａ8住房Ｂ1 个人年收入Ｂ2 交通工具Ｂ3 信用卡Ｂ4 有价证券Ｂ5 银行存款Ｂ6 保险Ｂ7 个人资产评价指标Ｂ负债Ｂ8家庭成员人数Ｃ1 成员人均年收入Ｃ2 成员年龄构成Ｃ3 成员就业情况Ｃ4 家庭评价 指标Ｃ成员福利情况Ｃ5与银行发生业务的数量Ｄ1 个人信用与银行发生业务的总金额Ｄ2历史Ｄ 失信次数Ｄ3总和从表3中可以看出上面体系的基础上利用层次分析法，能够对个人的信用进行评分，但是利用上面的体系在实际操作中，由于次级指标没有进行细化，特别是个人资质的次级指标，处理起来很不方便，不易进行操作，所以在上面体系的基础上，本文进一步的然后对个人资质这个次级指标进行了细化，在每个二级指标下又划分出若干分项指标，这样在操作的时候就简单易行。
例如在年龄这个二级指标下面又可以分为18周岁以下、19～24周岁、25～29周岁、30～34周岁、35～44周岁、45～52周岁、53～59周岁、60周岁以上等不同的指标，所有指标构成了个人信用评估的指标体系具体划分见表4-表11。
表4.年龄指标分解表表5.性别指标分解表表6.教育程度指标分解表次级指标 权重分项指标 权重得分18周岁以下Ａ11 19～24周岁Ａ12 25～29周岁Ａ13 30～34周岁Ａ14 35～44周岁Ａ15 45～52周岁Ａ16 53～59周岁Ａ17 年龄Ａ160周岁以上Ａ18次级指标 权重分项指标权重 得分 男Ａ21 性别Ａ2女Ａ22次级指标 权重 分项指标权重 得分 硕士研究生或以上Ａ31 大学本科Ａ32 大专Ａ33高中（中专）Ａ34 初中或初中以下Ａ35 教育程度Ａ3不确定Ａ36表8.职位或职称指标分解表次级指标 权重 分项指标权重 得分 厅局级干部及以上Ａ51高级管理人员、总公司总经理Ａ52 处级干部Ａ53中级管理人员、公司或分公司总经理Ａ54科级干部Ａ55一般管理人员、部门经理Ａ56一般员工、工人、科员；国家机关、事业单位 和国有企业离退休人员、士兵Ａ57职位或 职称Ａ5待业人员、学生和职位不确定的其他人员Ａ58表9. 执业资格工资指标分解表次级指标 权重 分项指标权重 得分 高级职称人员Ａ61 中级职称人员Ａ62初级职称Ａ63 有执业资格Ａ64执业资格工资Ａ6无职称、无执业资格、不确定Ａ65表10. 现单位工作时间指标分解表次级指标 权重分项指标 权重 得分 5年以上Ａ71 3～5年（含）Ａ72 1～3年（含）Ａ73 1年（含）以下Ａ74 现单位工作时间Ａ7无单位、单位不确定Ａ75次级 指标权重 分项指标权重 得分 国家机关公务员；事业单位员工Ａ41 金融机构员工（不含保险公司）Ａ42人民警察、武装警察部队、中国人民解放军Ａ43国家机关、事业单位和国有企业离退休人员；优质公用事业单位 （邮政、电力、电信、报业、广播电视、民航、机场等）Ａ44 一般上市公司（ST 、PT 和亏损公司除外）员工Ａ45 一般国有企业、股份公司、私营企业员工；个体户；专业人员Ａ45职业、 单位Ａ4学生；待业或无业人员；其他职业或职业不确定的Ａ46次级指标 权重分项指标 权重 得分 已婚有子女Ａ81 已婚无子女Ａ82 丧偶Ａ83 未婚Ａ84 离婚Ａ85 婚姻状况Ａ8不确定Ａ86对个人资质类次级指标进行这样的分解后，在操作时完全可以进行量化，并可以直接利用加、减法进行计算。
但是在对其他几外次级指标进行评估时，对各次级指标赋予权重需要参考相关的信息，可以量化的就直接给出最后的得分，不可以量化的，采取德菲尔法，集中专家意见赋予权重(百分制)，再根据具体的评分标准计算出总分。
但是为了防止某个异常指标值对总分的影响，在给每个指标评分时，应规定上限和下限，以减少个别指标异常时对总分造成不合理的影响。
具体可以这样来做：上限定为正常评分值注1的150%，下限定为正常评分值的50%。
此外，给分时不采用“乘”的关系，而采用“加”或“减”的关系来处理。
具体处理方法是：先利用分项指标的评分结果以及层次分析法所得到的各分项指标的权重计算得到每个次级指标的得分，再与层次分析法中所得到的结果权重进行同样的计算即可以得到各次级指标的得分，最后得到每个大类指标的得分，最后进行加总就得到每个个案的总得分。
3. 信用评估当个人信用评估体系建立以后，对个人的信用评估就变得容易了。
利用前面通过层次分析法以及德尔菲法中给个人的信用进行评分的结果，就可以对个人的信用进行评级，确定个人信用的隶属级别，进而可以利用这个信用评级的结果进行各项决策。
设个人资质指标、个人资产指标、家庭指标、个人信用历史指标的权重分别是1a ，2a ，3a ，4a ，它们的分项指标的权重为1i a ，2i a ，3i a ，…，ji a ( i ，j=1, .....)，分项指标的得分分别为1i k ，2i k ，3i k ，…，ji k ( i ，j=1, .....)，总得分为N ，所以有11m j n imn mn m n N ak=====∑∑ i ，j ＝1,2, (3)确定个人信用得分后，再将这个得分与表4中的信用分数与信用等级的对照关系来确定个人的信用等级归属，见表12。
