Cómo realizar el trabajo de calificación crediticia corporativa
1. Método de análisis discriminante:
El método de análisis consiste en dividir las empresas conocidas que incumplen y las que no incumplen en dos grupos. estos Encuentre una función discriminante a partir de las características de la población para determinar a qué población debe pertenecer cualquier vector de observación, pruebe si existe una diferencia significativa entre dos o más matrices en las variables indicadoras medidas y, de ser así, indique qué indicadores.
En 1968, Altman tomó la delantera en la aplicación del análisis discriminante al análisis financiero, quiebras corporativas y análisis de riesgo crediticio, y estableció el siguiente famoso modelo de análisis discriminante lineal:
z = 0,012x 1 0,014x 2 0,033 x3 0,006 x4 0,999 X5,
Donde, X1 es capital de trabajo/activos totales, X2 son ganancias retenidas/activos totales, X3 son ingresos por intereses e impuestos/activos totales y /valor en libros del pasivo total, X5 son ingresos por ventas/activos totales. El valor crítico es 2,675. Si Z es menor que el valor crítico, el prestatario se clasifica en el grupo de incumplimiento y tiene una calificación crediticia baja. En cambio, se clasifica en el grupo normal, con una calificación crediticia más alta. Cuando la puntuación estaba entre 1,81 y 2,99, Altman descubrió que el error de juicio era grande y las áreas repetidas eran grises.
Aunque el modelo de análisis discriminante lineal representado por el modelo Z es muy adecuado para la calificación crediticia, existen algunos problemas con este método: (1) Las condiciones de restricción son demasiado estrictas, como requerir que los datos de muestra obedezcan distribución normal multivariada, coherencia Las matrices de varianza son las mismas (2) el modelo considera principalmente factores financieros y no considera el impacto de factores no financieros como las características de la industria, el tamaño de la empresa y el nivel de gestión; se basa en datos históricos y no predice suficientemente el desarrollo futuro.
2. Método de evaluación integral
El método de evaluación integral consiste en realizar una evaluación general de las cosas o fenómenos afectados por diversos factores, es decir, dando a cada objeto un número real según lo dado. condiciones, obtenga una puntuación completa a través de otros métodos de cálculo, como el método de puntuación total o el promedio ponderado, y luego evalúe su prioridad en consecuencia.
Por la naturaleza misma de la calificación crediticia, la calificación crediticia corporativa es una cuestión incierta y vaga. Por lo tanto, la tendencia de desarrollo de métodos de evaluación integrales es suficiente para incorporar la teoría difusa en las calificaciones crediticias corporativas, haciendo así que los resultados de las calificaciones sean más científicos y precisos.
3. Método de red neuronal artificial
La denominada red neuronal artificial es un sistema de procesamiento de información o computadora basado en imitar la estructura y función del cerebro biológico, denominado artificial. red neuronal. El marco básico de la red neuronal artificial es imitar las células nerviosas biológicas y se divide en capa de entrada, capa oculta y capa de salida. Cada capa de color consta de varios puntos que representan unidades de procesamiento. Los nodos de la capa de entrada son responsables de recibir información externa diferente a la entrada del cerebro humano. La información de entrada recibida por la red neuronal artificial es información cuantitativa de varias variables, y una variable de entrada corresponde a un nodo de entrada. Los nodos de la capa oculta son responsables de procesar la información transmitida desde la capa de entrada y convertirla en resultados intermedios para transmitirlos a la capa de salida. Los nodos de la capa de salida comparan la información de la capa oculta con el umbral para obtener el resultado final del sistema y generarlo.
En comparación con los métodos estadísticos tradicionales, las redes neuronales artificiales tienen las siguientes características: (1) tienen la capacidad de autoorganizarse y aprender (2) pueden describir la relación no lineal entre variables en los datos de entrada; (3) Puede ajustarse dinámicamente según los cambios en la muestra y el entorno, porque a menudo existe una relación no lineal entre varios indicadores financieros de una empresa y el riesgo crediticio. Por tanto, las redes neuronales artificiales son más adecuadas para la evaluación del crédito empresarial.
Cuarto método de análisis difuso
Los métodos matemáticos o estadísticos tradicionales se basan en suposiciones precisas, pero existen muchas ambigüedades en las ciencias naturales, las ciencias sociales y la tecnología de ingeniería, sexo o incertidumbre. Los modelos cognitivos humanos, los modelos de pensamiento e incluso la lógica de razonamiento también implican mucha incertidumbre. Por lo tanto, los métodos tradicionales no pueden resolver tales problemas de incertidumbre, y las matemáticas difusas amplían el alcance de aplicación de las matemáticas desde la precisión al campo de los fenómenos difusos y proponen la teoría de las funciones de pertenencia, que en gran medida determina si las cosas pertenecen a conceptos o no. , por lo que describir problemas difusos es más razonable que las matemáticas precisas.
Del mismo modo, la calificación crediticia de una empresa también es una cuestión vaga. Es difícil juzgar su situación crediticia en términos de "sí" o "no". Por lo tanto, es más científico utilizar el método de análisis difuso para evaluar de manera integral el estado crediticio.
Como sistema completo, la calificación crediticia corporativa incluye elementos e indicadores de calificación crediticia, niveles y estándares de calificación crediticia, métodos y modelos de calificación crediticia, etc. Entre ellos, los indicadores de calificación crediticia y los métodos de calificación crediticia son los dos contenidos centrales del sistema de calificación crediticia, y también son los dos contenidos con la relación más estrecha y la mayor influencia en el sistema de evaluación crediticia.