1、PAGE WORD格式可編輯PAGE 專業知識分享 WORD格式可編輯 專業知識分享爸氨骯企業信用評級模摘要拜 八社會信用體系是昂市場經濟體制中靶的重要體系。當笆前，社會中商業般欺詐，制假售假翱，非法集資等現矮象屢禁不止，啊這些社會信用問百題歸根到底都是隘企業信用的問題傲，因此，科學、昂合理、公正、權哀威的企業信用評白級技術是當前緊安要的任務。俺本文通過研究研骯究國內外企業信扮用評價方法，構霸建了一個企業信藹用評價平臺。該案平臺提供了信用癌評價，信用等級敗，信用反饋等功暗能，是一個功能吧非常完備的信用骯評價平臺。企業阿信用評級模型是翱評價企業信用等扮級的有效工具，辦隨著全世界債券俺市場的迅猛發

2、展耙、抵押品價值降拌低及其波動性增哎加，該模型將會百得到更為廣泛的胺關注，并將為我礙國各公司企業運扮用數學模型度量奧企業信用評級提藹供了重要參考意把義。扒關鍵詞：數學模版型芭 捌企業信用等擺級拜 芭企業信用評級模版型跋 氨信用評價昂Abstrac扮t瓣T絆he soci頒al cred頒it syst頒em is a跋n impor佰tant sy敖stem of阿 market翱 econom背y syste挨m. 愛A懊t prese澳nt, 凹commerc氨ial芭 fraud 藹in the 巴soc半iety of板 白counter岸feit矮 goods,扳 the ph佰en

3、omeno鞍n such 傲as ille笆gal fun叭d-raisi懊ng, the扒 social叭 credit頒 proble澳ms in t愛he fina矮l analy哀sis are瓣 enterp拔rise cr笆edit pr捌oblems,叭 theref芭ore, sc奧ientifi巴c, reas盎onable,啊 fair a八nd auth熬ority o佰f enter癌prise c敗redit r半ating t斑echnolo奧gy is t埃he curr邦ent urg瓣ent tas吧k.阿T癌hrough 氨researc捌h the e翱n

4、terpri奧se cred佰it eval襖uation 凹methods佰 both a敖t home 擺and abr胺oad, th癌is pape疤r build壩s a ent白erprise拌 credit跋 evalua敖tion, c靶redit r巴ating, 襖credit 敖feedbac擺k, and 哀other f爸unction哀, is a 拜very co阿mplete 拜credit 懊evaluat敖ion pla哎tform. 凹E藹nterpri俺se cred扳it rati癌ng mode叭l is an邦 effect阿ive too瓣l f

5、or e俺valuati斑on of e擺nterpri拜se cred襖it rati拔ng with班 the ra敗pid dev奧elopmen般t of bo壩nd mark俺ets aro敖und the安 world 澳the val案ue of c叭ollater瓣al redu擺ces and奧 its vo胺latilit邦y incre艾ases, t澳he mode哎l will 叭be more藹 widesp懊read at懊tention盎, and t奧he math背ematica扳l model伴 for th把e compa班nies in阿 our co

6、跋untry e把nterpri班se use 鞍metric 案enterpr佰ise cre跋dit rat搬ing pro藹vides a頒n impor按tant re爸ference暗 signif澳icance.俺K拔ey word靶s: 矮mathema氨tical m伴odel耙 奧Enterpr熬ise扳 credit懊 rating背 白Enterpr百ise扒 credit埃 rating佰 model罷 襖Credit 岸evalu愛ation目錄八摘案要艾暗白按盎熬罷阿哀耙拜靶Abstrac翱t哎靶辦俺隘哀奧傲第一稗章笆 靶緒盎論隘吧藹絆絆拌瓣擺1扳 1.1八 胺選題

7、背景和意佰義背芭艾罷唉壩昂壩1艾 1.2拌 愛國內外文獻綜頒述吧背隘絆擺八啊2懊 阿1.2.1拜 拜國外研究現疤狀伴叭佰安襖白癌2拔 絆1.2.2矮 熬國內研究現霸狀邦靶伴拌半版跋板5熬1.八3愛我國研究現狀及佰存在的問按題伴啊把礙氨斑9熬第二頒章癌 邦信用評級主要方唉法與模型綜拜述佰扳扒擺瓣暗10辦2.1壩 奧專家評估法及其疤優缺佰點叭伴巴瓣把哎案10爸2.2叭 哎財務比率分析法柏及其優缺柏點稗般敗瓣拜案12頒2.3般 瓣多元判別分捌析邦(MDA )唉 靶及其優缺伴點礙癌鞍絆14稗2.4 lo胺gisti般c搬分析及其優缺斑點罷扳爸背襖疤15壩2.5翱 斑非參數方昂法礙襖氨安阿班哎鞍17翱2

8、.5.1拌 澳聚類分析及其優阿缺愛點澳扒矮跋敗澳佰17癌2.5.2拌 奧K爸近鄰判別及其優般缺白點暗挨版皚頒敖19唉2.6 安Z按模型拜和愛Zet唉a吧模型及其優缺稗點唉稗頒跋癌19敖2.7 罷 奧基于投影尋艾蹤和最優分割及佰其優缺敗點藹襖盎霸唉21捌2.8 霸 疤模糊綜合評判昂法及其優缺辦點疤癌哎癌笆藹26班2.8.1板 把確定評語靶集氨般瓣按皚罷壩疤27扒2.8. 2瓣 白確定指標權重辦集礙罷巴澳凹把絆28跋2.8.3奧 爸確定評判矩瓣陣班耙辦芭罷八罷28擺2.8.4按 敗模糊綜合評哎判氨骯搬叭埃擺柏癌29艾2.8.5把 斑模糊合成算柏子的選翱擇霸襖癌敗懊艾31鞍2.9 白遺傳算法優化斑神

9、經網絡及其跋優缺版點捌跋疤啊34凹2.10 礙基于有序分類和笆支持向量機方法百及其優缺霸點叭熬翱39吧2.10.1鞍 阿有序分吧類問題與內置空搬間傲法佰板捌壩39百2.11 疤C4.5扒算法建立決策樹班模型及其優缺百點案岸傲42翱2.12 癌km半v拜公司盎的哎km哎v岸模型及其優缺點把奧盎伴4捌4白2.13 澳j.唉p擺摩根靶的襖credit 敗metrics骯模型及其優缺哎點埃扒板45俺2.14挨 啊麥肯錫公司皚的阿credit 拔portfol罷io vie扮w傲模型及其優缺點翱唉46皚2.15哀 敗瑞士信貸銀行捌的敖credit 爸risk靶+板模型及其優缺點安啊46敗第三藹章礙 佰現

10、代模型在中國扒應用的缺陷性及罷改進措暗施稗八矮47伴3.鞍1爸對于現代模型的礙運用還處于嘗試霸階版段疤佰扮頒47按3.2俺 百改進措礙施澳般阿按搬熬啊48胺第四哀章啊 耙對我國企業信用耙評級工作的建頒議半跋敖骯50埃參考文獻百骯捌藹翱案扮半52 WORD格式可編輯 專業知識分享第一章緒論疤1.班1鞍項目背景及意義笆社會信用體系是奧市場經濟體制中艾的重要體系。建罷立社會信用體系啊，是完善我國社爸會主義市場經濟柏體制的客觀需要昂，是整頓和規范拔市場經濟秩序的般治本之策。當前班，社會中商業欺啊詐，制假售假，吧非法集資等現象柏屢禁不止，這些埃問題的源泉歸根隘到底是社會信用翱出現了問題，因皚此加快建設社

11、會矮信用體系，打擊隘各種違法行為，叭處理各種信用問鞍題不僅維護了正拜常的社會經濟秩澳序，保護了群眾埃權益，也進一步白推進了政府更好懊的履行其公共服矮務、經濟調節、敖以及市場監管的拌職能。市場經濟板條件下，社會信笆用體系由個人信扒用、政府信用、哎企業信用融合而壩成。其中個人信藹用是社會信用的罷基礎；政府信用笆是社會信用的基阿石；而企業信用埃是最關鍵，最活把躍和最具影響力艾的。因為企業信八用不僅在一般交八易市場被多方重叭視更重要的是在版金融市場被投資懊人或者貸款人所拔關注。隨著市場挨經濟的不斷發展搬，企業信用將成按為合作與交易的八先決條件，因此百當前我國企業信敗用體系建設是整哀個社會信用體系礙建設

12、的重點。哎當前我國企業信熬用體系建設中存扒在的各種問題盡傲管表現形式各異啊，但從本質上講壩，主要是企業信捌用信息的缺失，斑具體表現為企業捌信用信息的有效跋供給和有效需求盎的雙重不足。一罷方面，由于企業笆體系建設滯后，哀使資信評估機構稗難以全面、準確胺、快速地獲得企爸業信用信息，并俺通過評級技術確唉定其信用等級，佰即資信評估機構礙難以有效地生產稗出能夠滿足市場巴需求的高品質的藹信用信息產品，佰形成有效供給。哎另一方面，由于懊缺乏高品質的，瓣能夠滿足市場需伴要的信用信息產捌品，投資者或者爸企業在進行投資凹或參與市場交易案時，雖然對信用敖產品有需求，但爸不能轉化為現實拜需要，即潛在的奧需求不能轉化為

13、挨有效需求。正是盎這種有效供給與埃有效需求之間的百矛盾，互相制約捌，惡性循環，嚴疤重制約了我國信半用市場的健康有皚序發展。因此當捌前我們迫切的主艾要任務就是建立瓣一套完整，可靠拌的企業信用體系奧，而企業信用體霸系的核心就是要盎有一種企業信用稗等級必須能夠客哎觀公正地反映企般業信用的真實狀佰況。因此，科學矮、合理、公正、伴權威的企業信用澳評級技術是成功盎地實施企業信用罷制度的關鍵所在鞍，也是企業信用岸體系的緊要研究阿課題。奧1.敗2捌國內外文獻綜述吧1.2.1愛國外信用評級研罷究概況靶國外信用評級的邦研究始于上世紀艾三十年代，分成敖四個階段。第一皚階段主要建模方絆法是基于傳統的邦比例分析方法，骯

14、如稗“熬SC , 絆LAP佰P哀”叭和財務比率分析邦方法。頒第二階段始于上八世紀六十年代，埃這一階段的主要巴方法包括多元判搬別分析按法壩(MDA 頒)芭，班Logisti氨c骯回歸模型以及聚挨類分析等非參數隘方法。該階段中壩關于財務信息與霸信用風險關系的班研究主要以線性邦判別為主，在線搬性判別模型中又爸以皚Beave艾r斑的單變量模型艾和拌Altma氨n搬的多元模型影響矮最為廣泛氨。岸Beave骯r骯對絆3爸0扮多個企業的財務按比率進行了研究襖，運用單變量分按析法對企業的違般約進行研究，通把過對樣木的分析背找到破產企業與凹非破產企業單個吧財務比率的臨界昂點，并利用該臨柏界點對破產企業爸和非破產

15、企業進捌行預測昂。芭Altma芭n斑于扳196拔8凹年唉對佰“稗家美國制造業企懊業的經營情況進搬行了典型判別分霸析，提出了著名板的耙Z-Scor氨e邦模型矮，拌197背7吧年吧Altma皚n藹本人又跋對班Z-Scor襖e埃模型進行了修正礙和擴展，建立扮了拔ZET拔A百評分模型。許多板金融機構用它預爸測信用風險，并拜取得了一定的成傲效暗。懊Z-Scor氨e辦模型鞍和襖ZET凹A吧模型，都是以會般計資料為基礎的壩多變量信用評分阿模型，由其計算阿的叭Z傲值可以反映貸款扮企業在一定時期岸內的信用狀翱況盎(啊違約與不違約、安破產與不破板產挨)暗，簡單實用，很斑快成為了預測企案業違約或破產的暗主流分析方法

16、，艾被應用到世界上藹超半過罷2案5扮個國家。類似的霸研究還包柏括翱Horriga阿n, Pogu隘e熬和頒Soldofs吧ky, Wes昂t, Hort背o耙n哎等。但是多變量隘區別分析法有著盎嚴格的假設條件奧，如多元正態分埃布、等協方差矩柏陣等等，針對這笆些問題熬，愛Ohlso巴n傲構建了假設條件藹較為寬松壩的澳Logisti襖c盎識別模型，并將哎其應用于商業銀伴行信用風險評估爸領域叭，捌Madall柏a氨采敖用瓣Logisti澳c跋模型區別違約與班非違約貸款申請拜人的信用狀況吧，拔Libb壩y背首次將主成份分白析方法引入判別百模型以克服變量隘多重共線性的問壩題昂。哎Zmijews班k澳i矮

17、則引啊入皚Probi阿t壩模型進行類似的扳研究。盎 昂 阿由于統計模型有按著比較嚴格的假翱設，同時線性技敖術又無法區分出啊隨機噪聲和非線把性關系。因此依白托迅速發展的計礙算機信息技術，埃運用數據挖掘方隘法進行建模在近翱年來的信用風險罷評估領域得到了盎廣泛的關注。也皚就是評級模型發皚展的第三階段。矮該階段的主要方安法是人工智能方扳法，主要建模方岸法包括專家系統擺，人工神經網絡襖、決策樹算法、柏支持向量機和遺扒傳算法等八。奧Odo斑m壩首次將神經網絡襖引入企業破產領案域，挨用熬B邦P俺神經網絡預測了扳財務困境，結果擺顯示神經網絡模扮型優于判別分析埃模型。隨埃后啊Ta版m案和藹Kiang, 氨Tri

18、pp昂i藹和安Turban,拌 Coat百s版和凹Fant, B霸el邦l氨等也都采用神經拔網絡模型來對公礙司和銀行的財務佰危機進行了預測矮，取得了一定的奧效果翱。啊Katiusc扒ia Manz邦oni岸 按利用神經網絡對叭歐洲債券的信用叭評級和降級概率版進行了研究俺。班Makowsi絆k捌是第一批倡導將版決策樹方法應用班于信用評估的學捌者之一，之案后巴Carter,懊 Catlet耙t辦以搬及班Boyleet矮 a熬l拔也對決策樹方法胺用于信用評估的版結果進行了分析扒。癌Tae K. 唉S, Nams笆ik 板C吧和拌Gunhee 搬L凹.靶三人則應用決策爸樹技術研究破產霸預測半。唉Sch

19、ebes埃ch K柏B般和暗Sleekin瓣g 半R頒用由一組高維數白據組成的向量描白述申請者，從而安利用非線岸性啊SV瓣M案對信用卡申請者搬進行評級扳。拔Yong-Ch辦an Le扮e澳使用支持向量機拔方法預測公司的伴信用等級取得了半較好的結果霸。俺Sheng-T襖un Lia,搬 Weisso罷r Shiue礙, Meng-背Huah Hu稗an百g耙利用支持向量技扮術對個人貸款信藹用評估問題進行耙了研究。相對方辦法研究而一言，辦更多的研究集中八在基于不同方法隘、不同類型模型昂之間的預測效果哎比較，這一部分埃的研究文獻非常啊豐富隘。皚Altma伴n擺等發現神經網絡捌方法有時優于線叭性判別方

20、法，但跋由于神經網絡有澳時過度訓練產生敖了不合理的權重巴，從總體上看線絆性判別方法要優艾于神經網絡方法盎。班Altma氨n芭在對神經網絡法藹和判別分析法的愛比較研究中得出佰結百論安“芭神經網絡分析方癌法在信用風險識頒別和預測中的應埃用，并沒有實質案性的優于線性判盎別模礙型傲”暗。啊Coffma八n唉對決策樹方法和岸判別分析進行了芭比較，認為兩者懊各有千秋板。半Altma扳n拌和柏Ka啊o愛在現金佰流佰/艾總負債、保留盈瓣余案/藹總資產、總負半債澳/昂總資產、現金靶流皚/岸銷售收入等指標壩下分別建立了較八高復雜度的分類稗樹和較低復雜度爸分類樹，骯與襖D胺A芭比較優劣，表明八分類樹是一種很案有前途

21、的方法百。案Martine暗lli E, 癌Carvalh盎o A D, 襖Rezende巴 S, Mat叭ias 凹A搬對決策樹和神經叭網絡模型進行了癌對比研究霸。壩Hui-Chu柏ng Ye把h佰等運澳用板LD班A骯，決策樹，神經按網絡，以敖及笆LD巴A稗與神經網絡相結暗合的模型分別對吧同一數據集進行盎了信用風險評估按研究，結果顯示吧決策樹在四種方吧法中具有最高的岸分類準確率，線翱性判別分析準確翱率最低。捌第四階段始于上疤世紀末，這一階扳段主要是采用對啊信用風險組合計藹量的方法，主要澳模型吧有凹199斑5版年安KM阿V把公司提出的信用皚監測模型把；安199挨7翱年哀J.P.Mor爸ga俺n

22、艾銀行提出的信用唉度量術模型，同斑期麥肯錫公司提埃出百的艾Credit 啊Portfol隘io Vie跋w巴模叭型耙;班 拌以及之后穆迪評班級公司提出愛的靶CreditC巴alc百+吧模型，標準普爾扳提出跋的斑CreditM癌ode唉l捌和挨CreditP把r把o安模型等。拜1.扳2.2翱國內信用評級研澳究概況懊國內信用風險評百估方法研究主要骯是引進國外模型埃或在其基礎上進拜行改進，方法的拌進展路線與國外靶大致相同，典型奧的研究成果如下壩：扒陳靜首次在國內拌運用統計方法和白計量模型進行財辦務困境預警研究俺。陳瑜應用一元把和多元分析埃對哀13斑5岸家上市公司的財靶務狀況進行了分哀類和預測。盧聲白

23、、任若恩等利壩用版Fishe罷r跋判別分析法對我奧國上市公司的財挨務困境進行研究罷。施錫銼等人采奧用典型判別分析哎對芭199挨9柏年昂到懊200阿0愛年百9爸月間班的哀12扳8皚家上市公司進行暗了經營失敗的預伴測研究。梁琪運耙用主成份分析與奧判別分析相結合疤的方法預測企業絆財務困境。姜天奧和韓立巖八以骯6熬個財務指標作為扮輸入變量，使百用爸Logiti熬c拜模型建立了我國哀上市公司財務困白境預測模型。唐搬春陽、馮宗憲運拌用多元線性回歸凹方法，利用逐步拔回歸得到愛的把5跋個指霸標礙(背分別是資產負債吧率、成木費用利盎潤率、主營業務跋利潤率、全部資絆本化比率行業債絆務結傲構昂)暗 奧得到一個簡明的

24、爸企業違約率測度癌模型。鄭建平采頒用概率統計方法拔構建了個人信用稗評分模型，康世耙贏采用關聯分析耙法和模糊綜合評罷價的方法對個人胺信用評估進行了邦研究，孫建政運靶用阿Logisti爸c挨方法對個人信用岸評估模型進行了拜研究。張愛民等挨在借俺鑒傲Altma吧n凹的多骯元笆Z襖值判定模型的基八礎上，采用主成鞍分分析的方法建愛立了財務預警模半型埃;隘楊淑娥和徐偉剛柏采用主成分分析岸法，建立翱了懊Y矮分數財務預警系辦統。龐素琳拔對辦10拔6邦家上市公司進行白兩類模式分類，絆這兩類模式是指扮按照公司的經營隘狀況分巴為八“柏差叭”笆和啊“礙正癌常跋”霸兩個小組。對每板一家上市公司，班考慮其經營狀況唉的懊4

25、八個主要財務指敖標把:昂每股收益、每股耙凈資產、凈資產隘收益率和每股現愛金流量。仿真結礙果表明疤，熬Logisti疤c班回歸信用評價模稗型對總鞍體盎10啊6愛個樣本，判別準安確率達藹到靶99.06般%哀。宋冬梅，沈友疤娣也通過運斑用暗Logisti罷c敖模型評價上市公板司信用風險，也懊取得了較好的效半果。樊錳汪媛雛搬等人從中小企業爸信用評級方法的敗比較和選擇入手敖，礙以伴AH背P頒分析法為核心，隘構建多級模糊綜啊合評價模型，對斑中小企業信用狀襖況做出評價。張把目，周宗放提出暗一種基于投影尋胺蹤和最優分割的斑企業信用評級模罷型。該模型運用吧投影尋蹤對樣本絆企業進行信用綜埃合評分，將信用靶綜合得分

26、由大到白小排序，生成有扒序樣品序扳列斑;白利用最優分割法岸對有序樣品進行靶聚類，得出明確隘的聚類結搬果鞍;辦將最優分割點對巴應的信用綜合得愛分作為劃分信用耙等級的閾值，從般而實現對樣木企跋業的信用評級。佰人工智能方法中皚，王春峰等是國佰內較早采用神經按網絡模型預測企拜業信用風險狀況啊的學者。龐素琳胺等人對基隘于笆B骯P俺算法的信用風險瓣評價模型進行了阿研究。陳雄華等伴、章忠志等也都半各自利用神經網懊絡構建了商業銀斑行信用風險評估斑模型取得較好效案果。吳沖等、梁按裸和吳德勝分別唉利用模糊神經網胺絡對我國企業信背用風險作了實證埃研究和分析。楊安淑娥等構建吧了把B班P隘神經網絡模型對瓣上市公司的財務

27、扳狀況進行預測。背李玉霜，張維將安分類樹應用于解跋決從業人員在進伴行貸叭款昂5翱分類過程中分析藹判斷能力欠缺的鞍問題中，實證分盎析表明決策樹方霸法比線性判別分襖析方法的準確率哀高。張維，李玉壩霜對基于分類樹凹的商業銀行信貸霸分類的數據處理鞍問題進行了研究拔。姚靠華姚靠華鞍等以上市公司作背為研究對象，選懊取反映上市公司斑盈利能力、償債襖能力、營運能力扳、成長能力和公罷司規模靶的哎1耙7扮個財務指標，區鞍別于傳統的建模把方法，應用決策扳樹技術建立了中伴國上市公司的財翱務困境預警系統板。實證結果表明岸該系統具有較好罷的預測性，在該藹領域有著良好的笆應用前景。吳德耙勝等人利用遺傳斑算法輔助優化神安經網

28、絡訓練策略哀，建立了基于進壩化神經網絡的信拌用評估模型。葉辦中行，余敏杰構靶建了一種分類樹皚和遺傳算法相結頒合的信用風險評傲估方法，先用分班類樹方法按照定傲性變量分類，然阿后在每個葉結點頒上運用遺傳算法安按照定量變量分頒類。在個人信用扒評估方面，徐遠按純等利挨用埃DONALD 辦BREN SC愛HOOL OF凹 INFORM岸ATION A邦ND COMP疤UTER SC敖IENCES(爸UNIVERS擺ITY of 鞍CALIFOR哎NIA.IRV背INE背)氨所提供般的霸1986-19霸9扮5哀年間的客戶信用百卡數據庫，建立壩了信用卡欺詐風阿險分析決策樹。斑馮鐵軍對基于遺按傳算法的神經網芭

29、絡技術在個人信跋用評估中的應用翱進行了研究，沈岸翠華等人對基于唉支持向量機的個靶人信用評估技術捌進行了研究，石百慶眾、靳云匯則癌對多種個人信用笆評估技術在我國扳應用進行了比較耙研究。姜明輝、版王歡、王雅林將擺分類樹八與其它方法進行邦了比較研究，分罷析了其對個人信俺用評估的實用性癌。魯壩為霸,暗王極提出了一利背，改進襖的矮ID胺3芭的決策樹算絆法絆(E-ID3)艾,E-ID疤3斑算法使用一種基班于安“啊統計出局部最吧優笆”阿的方法，獲得比伴較好的啟發式函般數算法，并分析般了柏E-ID暗3背“靶算兩步，走一邦步瓣”癌的思想。實驗證頒明，該優化算法哎對于構建決策樹頒具有很好的效率鞍。陸秋，程小輝班針

30、跋對芭ID芭3皚算法的多值偏向伴問題，提出一種案基于屬性相似度邦的、能夠避免多懊值偏向問題昂的奧ID熬3吧改進算法。朱毅懊峰等在傳統決策把樹模型的基礎上班引入卡方檢測的扳方法，將個人信翱用評估過程中誤埃判好壞客戶的成笆本差異考慮在內懊，實證結果證明伴該精煉決策樹模俺型在個人信用評藹估應用中可以提擺高判別壞客戶的皚正確率。龐素琳骯等奧對岸C5.扮0胺算法進行了研究襖，并建立了基笆于唉C5.俺0傲算法的銀行個人埃信用評級模型，扳用來對德國某銀扮行的個人信貸數巴據進行信用評級疤。鄭也夫將數據凹挖掘方法引入信敗用風險預測問題哀中，全面比較決搬策樹、神經網絡背和支持向量機算哀法在上市公司信伴息風險預測問

31、題襖上的優劣，得出氨決策樹具有良好背的適用性。后來矮鄭也夫等以我國澳上市公司作為研翱究對象，以因財暗務狀況異常而被埃特別處理作為界啊定上市公司陷入叭財務困境的標志案，采用交叉驗證背技術建立決策樹扒模型，并頒與盎Logisti隘c襖和按K敖最近鄰模型進行跋了比較分析。實敖證結果表明決策啊樹模型能有效地啊預測上市公司的扳信用風險，且適笆用性較好。靶1.斑3隘我國研究現狀及按存在的問題盎 拌 哀目前，國內已經拔建立了一些評級癌系統，作為加強哀企業信用管理、靶防范風險的一項藹基礎工作和重要矮手段。但與國外跋同行業進行對比稗，可以發現主要啊還存在以下幾個哎問題：啊(1巴)扮評級模型適用性跋較差皚 鞍 把

32、評級模型是評級傲系統的重要技術安基礎，屬于金融耙領域內的關鍵技班術，其開發研究版需要結合統計分盎析、風險計量、愛資產組合、期權奧定價等先進理論佰和技術，而我國隘由于經濟發展程叭度不高，同時整哎體研究水平還相扳對欠缺，故在評八級模型的建設方扮面有待加強。因案此必須結合經濟邦發展的實際情況佰，充分考慮利率把市場化進程、企吧業財務欺詐現象背、數據積累量不傲高、金融市場展笆不充分等現象，敗開發出適合自身胺特點的評級模型巴。八(2般)霸模型主要參數所懊需的數據不足昂 翱 背評級系統建設的案核心資源是數據矮。近年來信用評扒級工作建立了基爸本數據庫和反映罷信用風險特征的翱微觀指標體系。芭但是，與評級法般對數

33、據的要求相艾比，現有的數據傲積累遠遠不夠，阿數據儲備嚴重不敗足目而且質量不巴高、缺乏規范性鞍，嚴重制約了評骯級系統的應用和矮發展；為滿足建襖設評級系統需要邦的數據樣本，還暗需要大量而細致啊的數據積累工作壩，通過數據整合哀、挖掘等技術，挨形成有價值的信扮息，為建立相關爸模型奠定良好的佰基礎。澳(3盎)案評級支持工具和吧系統落后辦 頒 跋原有的評級工具拜為簡單扳的頒EXCE班L皚報表，屬于單機芭分散操作，只是半簡單地進行手工耙操作，不能實現壩網絡化操作與管斑理。評級結果只拌是簡單傲的背EXCE哀L艾表格，數據的匯熬總程度、集中程班度、共享性很低案，同時也不利于白對評級情況進行愛有效的監控。同頒時通

34、過原有的評般級工具采集的客埃戶資料也相對簡昂單，無法支持客罷戶評級數據的需扒要。評級系統應敖與業務流程系統拌緊密結合，成為傲一個嵌入式的管癌理工具，最大限癌度地發揮監管和澳決策支持的作用愛，實現企業評級礙、授信審批的全斑流程計算機管理敖。扒(4哎)佰評級指標體系落埃后笆原有的評級指標背體系中存在與經搬濟發展、企業發艾展不相適應的指笆標，比如指某些艾指標權重太大、暗某些指標己不能班反映企業的特點搬、有些指標設置鞍較粗、某些指標案缺乏等。敗第二礙章百 氨信用評級主要方哀法與模型綜述芭2.1昂 八專家評估法傲 皚 懊 哎專家評估方法是耙指通過專家對影稗響企業經營業績胺的有關經營要素癌進行分析評分，霸

35、使信用定量化，斑然后求加權平均皚得出企業信用等扒級的一種方法。笆該方法依賴于專皚家主觀判斷，而跋且評級結果主要斑應用于信貸決策稗。比較有代表性罷的昂專家評估法哎有暗“佰5C骯”岸，哀“鞍5P芭”頒，翱“扮LAPP辦”斑等方法。愛 熬5瓣C疤分析法敗中芭5擺C唉是般指暗:唉品格唉、凹資本絆、搬能力襖,笆經營環境暗、胺擔保品百。疤 盎 氨品格主要是評價扳客戶的品行是否阿誠實可信、其償巴還貸款的主動性白如何。對于公司拔而言，品格是指胺其主要領導人的按經營能力與經營愛作風，公司文化柏及其倫理，也包絆括企業在同行業斑中的信譽、地位澳等。扳 傲 澳資本是反映企業敗資金實力的一個耙重要方面，也間邦接反映了企

36、業的翱資金積累情況。矮資本充足、資金哎積累多，則企業稗信用狀況就好。耙 奧 哎能力主要包括經叭濟上的借款與償霸還能力和法律上翱的借款能力。從笆經濟上看，信用礙評價應著重評價敖企業的償債能力巴、盈利能力和營骯運能力，與財務伴比率分析法所強絆調的因素完全一瓣致，從法律上看唉，信用評價應著矮重評價企業是否哀具備法定的資格阿和權利，通過對搬政府法規以及公熬司章程的調查分拔析可以獲得此類辦信息。胺 拜 扮經營環境是企業扒的內在壞境和所爸處的外在環境。拜內在環境主要是伴指企業的經營特爸點、經營方式、氨技術設備狀況、板勞資關系等企業疤自身能夠控制的盎方面白；疤企業外在環境主翱要是指國家經濟疤狀況、行業競爭傲

37、狀況、行業發展柏趨勢、市場狀況白等。環境條件有隘利，則信用程度佰將提高。罷 昂 藹擔保品是指企業隘可以用為信用擔扳保如抵昂押傲)敖的物品。擔保品辦豐富且價值良好癌，則信用相對就俺高，信用一旦發澳生危機則發生損俺失的可能性也相稗應少。但在評價叭時也應注意擔保芭品的所有權、擔耙保品的價值狀況熬等。巴 熬5凹P霸分析法礙中啊5邦P把是指：把個人因素捌、艾資金用途因素柏、拜還款來源因素拔、岸債權保障因素熬,爸企業前景因素跋。跋 骯 瓣個人因素主要分骯析企業經營者品壩德、能力，是否鞍誠實守信，還款俺意愿等。壩 擺 般資金用途因素主版要包括生產經營芭、還款繳稅、替隘代股權等三個方翱面。皚 拌 皚還款來源因

38、素主骯要有兩個來源一搬是現金流量，二敖是資產變現。般 敗 壩債權保障因素主斑要包括內部保障柏和外部保障兩個挨方面。芭 邦 敗企業前景因素主氨要分析借款企業半的發展前景，包藹括產業政策、競耙爭能力等。敗 癌LAP熬P拌法百是以邦Liquidi懊ty芭(白流動皚性巴)背、傲Activit笆y吧(胺活動懊性巴)頒、鞍profita耙bility絆(版盈利壩性暗)俺、拔Potenti鞍alities白(哎潛佰力岸)埃四個詞的第一個藹字母命名，從這扮四個方面評價企耙業的信用。敖專家評估方法的笆主要缺陷是一個跋主觀性問題，該拜方法的因素權重俺完全取決于專家熬的主觀判斷，衡霸量標準因人而異百，導致結果大相挨

39、徑庭。或者說，百這種方法會使專敖家在進行評判時癌造成思維定勢，隘人為因素致使評疤判結果有失公允隘。這一方法的特敖點是主觀定性判敗斷，主要依靠專叭家的專業判斷和霸經驗綜合各個方辦面的情況對企業癌的信用進行評估熬，但是不可避免疤的主觀性因素會藹對評級過程產生般影響，由于是人襖工評級，其成本頒較高，評級周期凹長，在效率上，挨無法滿足企業對稗信用評級的要求俺。安2.2拜 暗財務比率分析法盎該方法藹在懊196鞍6頒年被引入預測企阿業破產領域，經埃過多年的發展形八成了一系列財務哀比率分析方法，礙總體上講就是對捌企業各項財務指柏標作一個全面、盎系統和綜合的分佰析，從而對企業笆的經營狀況和財翱務狀況進行剖析啊

40、、解析和評價。鞍在實際應用中這凹是一種簡單的加笆權方法，即給每耙個財務比率確定白相應的權重和計辦算標準，將企業埃與標準值進行對矮比后給出個體的澳得分，然后加權耙求和得出該企業頒的信用得分并進襖行等級劃分。這罷類方法的主要代版表有跋杜邦財務分析體氨系班和傲沃爾比重評分法翱。翱杜邦財務分析體疤系哀的基本原理是將凹財務指標作為一般個系統，將財務跋分析與評價作為半一個系統工程，靶全面評價企業的靶償債能力、營運扳能力、盈利能力板及其相互之間的跋關系，在全面財擺務分析的基礎上癌進行全面評價，吧使評價者對公司捌的財務狀況有深爸入而相互聯系的頒認識，有效地進般行決策。其基本拜特點是以唉凈值報酬率啊為龍頭，以啊

41、資產凈利潤率絆為核心，將唉償債能力胺、凹資產營運能力吧、暗盈利能力傲有機結合起來，頒層層分解，逐步絆深入，構成了一懊個完整的分析系案統，全面、系統絆、直觀地反映了絆企業的財務狀況疤。隘沃爾比重法奧選鞍定隘7耙項財務比率作為澳分析指標，版即百:懊流動比率敗、拔自有資產對固定罷資產比重搬、埃自有資產對負債皚比率頒、拔應收賬款周轉率頒、芭存貨周轉率唉、罷固定資產周轉率暗、靶自有資本周轉率奧。將指標的行業稗先進水平作為標啊準值，并將指標阿用線性關系結合拔起來，分別給定啊各自的分數比重版，通過實際值與矮標準比率的比較隘，確定各項指標唉的得分及總體指昂標的累積分數，爸從而得出企業財奧務狀況的綜合評巴價，繼

42、而確定其扮信用等級。啊財務比率分析法白克服了要素分析跋法的主觀性使得背評價獨立于評估吧人員的主觀努力搬并使計算機的使跋用成為可能，但班是其指標權重和案與標準分對比后拔得出的財務比率般得分有明顯的主邦觀性，使得評價盎結果與企業的實傲際情況有很大的凹出入。壩2.3昂 百多元判別分骯析笆(皚MDA )跋 挨 案 澳多元判別分翱析八(MDA壩)盎是除美國外的其半它國家使用最多斑的統計方耙法啊.邦多元線性判別分鞍析法，可以具體背分為昂一般判別分岸析襖(霸不考慮變量篩芭選笆)哀和敗定量資料的逐步擺判別分胺析氨(班考慮變量篩暗選跋)把.八我國在疤199胺3奧年吧7懊月拔1霸日絆起正式實施與國凹際會計準則基本

43、翱適應的、統一的吧企業會計準則搬，由此奠定了岸企業信用評估研安究的基礎和前提氨，隨著國內會計俺人員的業務水把平胺(傲如對準則的掌握靶、理解和應用水擺平啊等般)疤和會計報表水平皚的不斷提高，所捌產生的會計報表板開始基本符合準皚則要求，因此，敖近年來的財務數版據已具備建立企埃業信用判別模型頒的基本條拜件唉.頒應用多元判別分安析安(MDA班)岸有以下三個主要佰假設版：藹(1罷)骯變量數據是正態唉分布的隘；俺(2靶)翱各組的協方差是巴相同的白；胺(3懊)熬每組的均值向量靶、協方差矩陣、襖先驗概率和誤判吧代價是已知的。百 奧 般多元判別分搬析岸(MDA耙)按的優點：對財務罷變量的正態假設佰已成為通常慣瓣

44、例岸.懊由于線性判別函昂數澳(LDA按)翱在實際使用中是拔最方便的，如在白距離判別和貝葉瓣斯判別中，在正背態總體等協方差擺時，均導出一個笆線性判別函數，叭所以一般只研究瓣線性判別函埃數班.阿在滿足上扳述邦3鞍個假設的條件下澳，該判別函數使疤誤判概率達最小矮。凹多元判別分安析岸(MDA矮)哀的不足之處：多辦元判別分析襖（絆MD叭A胺）要求樣本數據鞍服從正態分布和氨等協方差，而現拌實中大量數據并襖不服從這些假定叭。哎2.4 lo搬gisti般c百分析邦logisti佰c皚分析是基于累積氨概率的判別方法盎，該方法對包括癌有二值相關的變骯量比較適用，絆和懊MD敖A白比較拜，邦Collin芭s唉和背Gr

45、ee佰n板宣拔稱伴Logisti絆c佰分析方法能夠降爸低第一類錯耙誤柏(俺即將破產的企業藹判為非破產的企熬業稗)啊，但不能顯著地奧提高總體判別的拌準確性，此外他扮們還指澳出捌MD斑A鞍對于模型假設錯捌誤有著很強的魯瓣棒性。如果第一扒類錯誤的代價不佰是特別巨大，比皚之熬于捌MD阿A跋模型俺，班Logisti唉c哀分析方法帶來的氨復雜的計算是不笆值得的襖。拔 Chesse骯r澳分析模型就笆是胺logisti白c暗分析方法一個很跋有代表性的判別哎模型。捌 Lo胺gisti鞍c扒回歸分析方法也扳是目前為止應用班最為廣泛的一種巴信用評分模型案。版197背7稗年熬，白Marti八n拜采用一系列財務哀比率變

46、量來預測俺公司破產及違約癌概率，建立拜了半Logisti八c扒回歸模型，并逐扮漸成為衡量公司阿信用風險的一種唉常用方法，它對搬于誤差項沒有正拔態分布要求，對哎判別虛擬變量問安題有良好的效果藹，在違約概率計芭算中有很好的適啊用性，還可以降擺低犯第一類錯誤鞍的概率佰。哎Logisti伴c搬模型適用于因變矮量是非連續的且耙為二分類選擇模班式，目的是找出襖被解釋變量與一版組自變量之間的背線性關系，核心爸思想是將這些自白變量擬合成一個骯可以預測違約概鞍率的被解釋變量皚，即違約概率扒。我們知道，一白般的線性回歸模板型如下：巴 襖 絆 阿 扮 翱若對分類因變量癌直接擬合違約事罷件發生的概率，耙自然而然地我們

47、叭想到了下面形式耙的回歸模型埃：岸 佰該模型等式右邊搬取值范圍為罷，而左邊作為違柏約概率，其取值斑范圍為瓣，因此該模型存壩在漏洞，為了更啊加合理把，搬197拔0邦年拜，叭Co伴x按引入了人口學領捌域俺的凹Logit(L吧ogit Tr鞍ansform胺)扳，成功對模型進跋行優化，得到埃了板Logisti頒c板模型： 也即： 癌 Log翱i岸t百變換導致了模型爸中的參數含義比哎較復雜，但是實鞍用性得到了提高芭，這里將一些基盎本概念解釋如下稗：挨（暗1按）其中擺為企業公司的概把率澳，白為信用風險評定隘中的指標變量，般為技術系數，可斑以通過極大似然扒法求解。通過樣敗本回歸估計出系跋數藹后，一可計算出

48、跋概率昂，將其歸納為相胺應的信用等級疤。阿(2瓣)昂優勢唉比瓣(odds安)熬：分析中常常會扒把某種情況發生般的概率與不發生挨的概率的比稱為吧比值，即：頒。兩個比值之比八稱為優勢凹比昂(瓣或比值比佰，罷Odds Ra翱ti胺o啊，簡敖稱扮OR班)瓣，因百此懊O扒R版是否大癌于敗1隘意為兩種情況概伴率情況的比較：當時，則當時，則當時，則版缺點翱：敖Logisti盎c阿回歸模型不僅對敗中間區域的差別板敏感性較強，而拔且當樣本點完全盎分離時，模型參耙數的最大似然估哀計可能不存在。唉因此在正態的情啊況下不滿足其判澳別正確率高于判凹別分析法的結果絆。另外該方法對捌中間區域的判別頒敏感性較強，導稗致判別結

49、果的不氨穩定。疤2.5靶 疤非參數方法阿（罷Non-par邦ametric霸Method)岸2.5.1壩 鞍聚類分般析版(霸Cluster安 Analys凹is)佰聚類分析的基本跋思想是認為我們瓣所研究的樣本或矮指稗標氨(奧變斑量癌)斑之問存在著不同敖程度的相似性。瓣于是根據一批樣扳本的多個觀測指藹標，找出一些能俺夠度量樣本或指芭標之問相似程度吧的統計量，以這版些統計量為劃分敖類型的依據，把盎一些相似程度較挨大的樣本或指標澳聚為一類，把另靶外一些彼此之問敗相似程度較大的懊樣本又聚為另一奧類，關系密切的隘聚合到一個小的愛分類單位，關系百疏遠的聚合到一礙個大的分類單位癌，直到把所有樣百本或指標都聚

50、合柏完畢，形成一個邦由小到大的分類啊系統。柏常見的阿聚類分析方法扳有骯層次聚類霸和絆一均值聚類敗。其核心思想瓣是挨:骯給定一個包含敖個數據對象的數稗據庫，以及要生艾成的簇的數目扮,挨隨機選取隘個對象作為初始白的絆個聚類中心，然吧后計算剩余各個骯樣本到每一個聚隘類中心的距離，扮把該樣本歸到離辦它最近的那個聚般類中心所在的類癌，對調整后的新靶類使用平均值的扒方法計算新的聚班類中心，如果相瓣鄰兩次的聚類中擺心沒有任何變化胺，說明樣本調整壩結束且聚類平均壩誤差準則函數已挨經收斂。背在每次迭代中都白要考察每個樣本絆的分類是否正確胺，若不正確，就板要調整，在全部拌樣本調整完后，頒再修改聚類中心八，進入下一

51、次迭敗代。如果在一次澳迭代算法中，所搬有的樣本被正確白分類，則不會有癌調整，聚類中心靶也不會有任何變安化。在算法迭代般的過程中準則函笆數的值在不斷減搬小，最終收斂至俺一個固定的值。耙總之，奧一均值聚類是一笆個反復迭代的分稗類過程。在聚類靶過程中，樣本所百屬的類會不斷改柏變，直到最終達背到穩定為止。佰 敖 稗聚類分析屬于非哀參數統計方盎法芭.半信用風險分析中半它根據由借款人藹的指標計算出的安在樣本空間的距傲離，這種方法一罷個主要優點是不板要求知道總體的扒具體分澳布拌;背可對變量采用名靶義尺度，次序尺伴度，因此該方法皚可用于定性研究笆，也可對現實中懊的無法用數值精扮確表述的屬性進扒行分傲析埃.扮這

52、很適用于信用叭風險分析中按照阿定量指胺標藹(熬盈利比、速動比笆等皚)耙和定性指懊標扳(皚管理水平、信用般等級捌等唉)頒，對并不服從一扳定分布特性的數胺據信息進行分壩類盎.扳例如捌，扳Lund辦y拌運用該方法對消暗費貸款申請者的把典型信用申請數罷據及年齡、職業伴、婚否、居住條熬件進行處理分班成把6隘類并對每類回歸隘評分，它不僅將半借款人進行有效阿的分類而且還幫班助商業銀行確定辦了貸款方式策吧略哎.矮優點：聚類分析邦具有不要求樣本瓣數據服從具體分癌布、可對變量采按用名義尺度和次巴序尺度等優點，邦適于信用風險分昂析中按照定量指襖標和定性指標對襖并不服從一定分艾布特性的數據信伴息分類的要求。斑我國信用

53、數據表拔現出明顯的非正盎態分布特征，因半而將聚類分析應耙用于我國企業信矮用評級具有較強按的針對性和適應矮性扳;芭不足之處：我國按信用數據又具有岸高維性，當數據岸維數較高時，聚靶類分析會遇到很靶大的困難。因此翱，聚類分析應用頒于企業信用評級邦的基本思路目前皚仍然是基拌于絆“把降擺維扳”暗的思路，即首先敗采用唉評分法、因子分伴析法等對樣本企癌業進行信用評分絆，然后，運用系熬統聚類、芭-爸 辦均值聚類等算法柏對信用得分序列柏進行聚類，從而笆獲得企業信用評柏級結果。然而，盎在實際應用過程白中，系統聚類、懊-疤 唉均值聚類等算法礙并不能給出明確扮的信用等級閾值絆，這給模型的檢頒驗和推廣帶來了安困難。耙2

54、.5.2白 版K澳近鄰判跋別癌(艾K Neare稗st Neig版hbor)板近鄰判別扳（巴K Neare扒st Neig凹hbor吧)靶，簡佰稱跋KN俺N吧，是另一種非參靶數方法，它在一鞍定距離概念下按奧照若干定量變量阿從樣本中選取與隘確定向量距離最巴短愛個樣本為一組，懊適用于初始分布熬和數據采集范圍吧限制較少和情扮況按.昂另外阿，半KN背N埃通過將變量在樣半本整體范圍內分搬為任意多決策區愛間，而近似樣本絆分拜布盎.Ta皚m拌將之用于信用風安險分析，取馬氏襖距離，從流動性爸、盈利性、資本癌質量角度選出皚的艾1頒9凹個變量指標，對跋樣本分類，經比八較，其分類結果跋的準確性不澳如懊LDA, Lo

55、唉gistic百i癌。以及神經網絡礙。原因在于在同安樣的樣本容量下板，若對具體問題辦的確存在特定的佰參數模型并可能稗找出時，非參數版方法不及參數方阿法好。傲2.6 藹Z扮模型瓣和鞍Zet芭a八模型班以罷模型瓣和柏Zet吧a邦模型為代表的系哎列統計判別方法邦目前仍然是西方邦國家商業銀行對伴客戶信用等級評爸定的重要模型之背一。敗模胺型襖(Altman鞍, 1968半)吧的建立過程包括霸四步扳：頒(1板)癌選取一組反映借耙款人財務狀況和藹還本付息能力的按財務比率哀；八(2絆)把從銀行過去的貸哎款資料中分正常爸和違約兩類收集俺資料按；伴(3絆)阿確定每一比率的傲權重，將每一比拜率乘以相應權重笆，然后相

56、加，得靶到捌分值懊；氨(4安)半對所選的樣本進澳行愛Z艾值分析，得出衡罷量貸款風險度版的挨Z扳值或值域用于衡吧量信貸風險。罷Altman 擺196耙8辦年確立的分辨函癌數岸為吧: 霸 芭 巴Z=0.012扳*芭X1+0.01按4版*拜X2 +0.0耙33巴*皚X3+0.00跋6搬*氨X4+0.99哀9靶*柏X岸5 邦 礙（胺1奧）頒公礙式挨(1瓣)隘中皚X癌1俺為岸流動資金癌/胺總資產敖，傲X扳2哀為隘留存收益八/氨總資產班，叭X罷3笆為叭息稅前收益疤/奧總資產唉，澳X柏4奧為擺股權市值皚/扒總負債賬面值邦，壩X矮5背為俺銷售收入叭/耙總資產。隘Altma斑n唉經過統計分析和俺計算最后確定了白

57、借款人違約的臨稗界埃值爸Zo=2.67盎5叭，如叭果版Z2.67骯5伴，則借款人被劃哎為非違約組。辦當傲1.81Z拜2.9昂9斑時，此時的判斷百失誤較大，稱該熬區域為未知安區鞍(zone o叭f ignor霸ance扮)襖或稱灰色區捌域邦(gray a癌rea百)壩。骯Zet矮a擺模型暗(扮Altman 隘Haldema唉n Naray疤aman拜 1977埃)挨對原百始白Z把模型進行了重大案修正和提升，原骯來的五個指標變氨為七個。這七個啊指標分別代表企背業短期贏利性、拌收益的保障、長皚期贏利性、流動奧性和規模等特征疤。按Altma背n絆應用世界著名評拜級機構如標準普盎爾、穆迪等的評斑級結果，

58、與澳值的結果進行對疤比，發現兩者具擺有很強的相關性唉，實證顯示愛值模型作為信用伴評級的方法具有隘較強的有效性。斑 邦 啊其間，也有學者按對頒值模型的應用提爸出了異議般。瓣Moriari胺t板y礙曾經應用多維圖拌解計算半法氨(Multid愛imensio叭nal Gra案phics吧)捌與癌值模型進行比較擺，認拜為霸Altma藹n傲模型并不能很好吧判別破產和非破擺產企業。哀Altman跋對此回應為：岸值模型僅僅適用俺于制造型企業，爸而不是用于非制吧造型企業，白Moriari凹t捌y案所提供的樣本應版該版用拔Zet哎a按模型來預測，經斑分爸析靶Altma矮n皚認吧為笆Zet藹a啊模型所得的結論班比

59、佰Moriari拌t暗y艾所得的結論更精澳確。霸 背值模型在發展中熬得到不斷的修正笆，由于其方法易把于掌握和控制，敗實證效果較為理矮想骯，班2跋0熬世癌紀辦9吧0阿年代該模型已逐埃漸商業化，各國扒紛紛在百值模型跋和稗Zet懊a八模型的基礎上推佰出適合本國、本巴地區的判別模型哎，效果比較理想襖，取得較大的經巴濟效益。笆模型般和奧Zet襖a白模型存在的主要拔問題是般：埃1奧.白兩個模型都依賴按于財務報表的賬凹面數據，而忽視哎日益重要的各項敖資本市場指標，熬這就必然削弱預疤測結果的可靠性半和及時性擺。鞍2版.敗由于模型缺乏對鞍違約和違約風險八的系統認識，理稗論基礎比較薄弱搬，從而難以令人罷信服罷。鞍

60、3罷.扒兩個模型都假設拔在解釋變量中存版在著線性關系，奧而現實的經濟現暗象是非線性的，般因而也削弱了預爸測結果的準確程隘度，使得違約模凹型不能精確地描懊述經濟現實擺。辦4疤.半兩個模型都無法奧計量企業的表外柏信用風險，另外愛對某些特定行業絆的企業，如公用爸企業、財務公司癌、新公司以及資愛源企業也不適用霸，因而它們的使哎用范圍受到較大按限制。捌2.7 敖 安基于投影尋蹤和擺最優分割氨運用投影尋蹤對扒樣本企業進行信案用綜合評分，將壩信用綜合得分由傲大到小排序，生百成有序樣品序八列唉;班利用最優分割法敗對有序樣品進行版聚類，得出明確瓣的聚類結果；將凹最優分割點對應骯的信用綜合得分啊作為劃分信用等拌級