)企业信用评级
企业信用评级
企业信用评级目前，由于投资者与经营者之间存在着信息不对称，因此会形成两个问题：第一是逆向选择；第二是道德风险。解决这两个问题的一个有效办法就是信用评级。信用评级不但为资金供需双方的信息缺口开辟通道，使资本市场不至于收敛于因信息不对称而无法发挥资金中介的功能，使资金需求者能取得所需资金从事其各项牛产经营活动，使资金供给者的投资拥有适合其风险偏好的标的，也使金融机构的管理效率得到提高，从而增强了资本市场的整体效率。然而，信用评级是否合理，评级结果是否准确， 很大程度上取决于评级方法的科学性。
企业信用评级(二)法律依据不足。企业信用贫农国际行业管理与业务规则基本空白，法律责任条款也不完善。目前只有1999年9月发布的《中共中央关于国有企业改革和发展若干重大问题的决定》、《企业债券管理条例》，已经存在的中国人民银行《企业信用评级管理办法》等规章体制。中国人民银行的企业评级还停留在部门规章的层面上。贷款人的管理、评级过程及评级结果还未提出规范。信用评级的业务规则、从业人员的资质相应的法律责任等都都尚未纳入立法范围，理发层次较低，内容过于单薄，达不到强制性效果。
(三)信用评级的基本职能与社会“需求”存在差异，特别是市场推动之初矛盾尤均突出。信用评级是揭示市场风险的一种有效手段， 其基本职能是通过综合考察分析受评经济组织的信用状况，揭示风险，公开发布，为社会提供公众信息， 满足投资者和监管部门需求的中介服务， 其评级结果和质量，也就是第一位的经营目标，是投资者和监管都门对评级结果的使用和信任，为其提供决策参考。目前的状况是受评企业对级别期望值很高，大有“没有AAA不罢休”之势。究其原因，一是受评企业的错误认识；二是存在客观原因：目前全国评级业务没有全面铺开，走正门的反而成了“低级别”，一旦进入招投标市场，没有“高级别”甭想入围，从而严重影响了企业的正常经营与发展。
(四)出介机构自身素质不高，尤其在“僧多粥少”的情况下，自律性更差，甚至提级压价，存在道德风险。
企业信用评级判别分析法是根据已知的违约和非违约的企业进行分类构成符于个总体，由这若干个总体的特征找出一个判别函数，用于判别任意已观察的向量应判属于哪一个总体，以及检验两个或多个母体，在所测量的指标变量上，是否有显著差异，如有则指出为哪些指标。
1968年奥特曼(Altman)率先将判别分析法应用于财务分析、公司破产及信用风险的分析，建立了如下著名的线性判别分析模 ：
Z=0.012X1+0.014X2+0.033X3 +0.006X4+0.999X5,
其中，X1为流动资金／总资产，X2为留存收益／总资产，X3为息税的收益／总资产，X4为股权市值／总负债账面值，X5为销售收入／总资产。临界值为2.675，如果z小于临界值，借款人被划入违约组，信用级别较低；反之被划人正常组，信用级别较高。当分值在1.81和2.99之间时，Altman发现判断失误较大，该重复区域为灰色区域。
以Z模型为代表的线性判别分析模型虽然很适用于信用评级，但这种方法存在一定问题：(1)限制条件过于严格，如要求样本数据服从多元正态分布，协方差矩阵相同等；(2)模型主要考虑的是财务因素，没有考虑行业特征、企业规模、管理水平等非财务因素的影响；(2)模型以历史数据为基础，对未来发展的预测不够。
2．综合评判法
综合评判法就是对多种因素所影响的事物或现象做出总的评价，即对评判对象的全体，根据所给的条件，给每一个对象赋予一个实数，通过总分法或加权平均等其他计算方法得到综合评分，再据此进行优序评价。
从信用评级本身的属性来看，企业信用评级属于一种不确定性的模糊问题，因此，综合评价法的发展趋势足与模糊理论相结合来对企业进行信用评级，从而使评级结果更科学、更准确。
3，人工神经网络法
所谓的人工神经网络，就是基于模仿生物大脑的结构和功能而构成的一种信息处理系统或计算机，简称神经网络，简写为ANN(Artificial Neural Network)。人工神经网络的基本构架是模仿生物的神经细胞，分为输入层、隐藏层和输出层二层。每一层色括若干代表处理单元的点。输入层的节点负责接收外在信息(如图1) 不同于人脑的输入，人工神经网络所接收的输入信息是各种变量的数量化信息，一个输人变量对应一个输入节点。隐藏层的节点负责处理输入层传来的信息，并转化为中间结果传递给输出层。而输出层的节点就以隐藏层传来的信息与门槛值比较后，得到系统的最后结果，并将结果输出。
与传统的统计方法相比，人工神经网络具有以下特点：(1)具有自我组织与学习的能 ；(2)可以描述输人资料中变量间的非线性关系；(3)可以依据样本和环境的变化进行动态的调整 由于企业铒项财务指标与信用风险之 往往存在着非线性关系。因此人工神经网络比较适用于企业的信用评价。
4．模糊分析法
传统的数学或统计方法都足建立在精确的观点假设基础之上，但是在自然科学、社会科学和工程技术等领域，存在着很多模糊或不确定性；人类的认知模式、思考方式、甚至推理逻辑也涉及许多非确定性。因此利用传统的方法无法解决这样的不确定性问题，而模糊数学是将数学的应用范围，从精确扩大到模糊现象的领域，提出了隶属函数理论，确定了某一事物在多人程度上属于所讲的概念，或者不属于所讲的慨念，这样描述模糊性问题比精确数学更为合理。
同样，企业信用评级也属于模糊性问题，其信用状态如何，用精确数学“是”或“非”的概念很难做出判断，因此，应用模糊分析法对信用状况做出综合评价比较科学。
但是，学术界对于模糊数学的正当性仍然存在怀疑，因为：首先，模糊逻辑缺乏学习能力，应用上受到一定的限制。其次，模糊系统的稳定性很难获得理论上的保证。第二，模糊逻辑不是建立在传统数学的基础上，很难对此逻辑系统的正确性加以验证。
企业信用评级2、时效性。证券评估通常是在发行前评估，叫做“一债一评”，或“一票一评”，目的是为投资人或债权人提供信息，要以证券有效期为准。而企业信用评级不同，在资信等级评出以后，一般有效期为两年，两年以后要重新评级，它具有一定的时效性。
3、复杂性。由于企业的性质不同，有工业企业、商业企业、外贸企业、建筑安装企业等等；不同的企业有着不同的行业特点和资金结构，信用评级的重点和要求都不相同，因而企业信用评级要比证券信用评级复杂得多。
4、信息性。企业信用评级将为国家宏观调控提供比较完整的有关企业资信状况的信息，由于信用评级内容全面，方法科学，而且评估人员多为专业人才，因而评估结论具有相当的权威性，不仅可以为贷款银行作为贷款依据，而且还可为各个方面的投资者提供资信信息，有助于对金融市场的宏观管理。
5、简洁性。信用评级以简洁的字母数字组合符号揭示企业的信用状况，是一种对企业进行价值判断的一种简明的工具。
6、可比性。各信用评级机构的评级体系使同行业受评企业处于同样的标准之下，从而揭示受评企业在同行业中的信用地位。
7、服务对象的广泛性。除了给评估对象自身对照加强改善经营管理外，主要服务对象有：(1)投资者；(2)商业银行；证券承销机构；(3)社会公众与大众媒体；(4)与受评对象有经济往来的商业客户；(5)金融监管机构。
8、全面性。信用评级就受评企业的经营管理素质、财务结构、偿债能力、经营能力、经营效益、发展前景等方面全面揭示企业的发展状况，综合反映企业的整体状况，非其他单一的中介服务所能做到。
9、公正性。信用评级由独立的专业信用评级机构作出，评级机构秉持客观、独立的原则，较少受外来因素的干扰，能向社会提供客观、公正的信用信息。
10、监督性。一是投资者对其投资对象的选择与监督，二是大众媒体的舆论监督，三是金融监管部门的监管。
11、形象性。信用评级是企业在资本市场的通行证，一个企业信用级别的高低，不但影响到其融资渠道、规模和成本，更反映了企业在社会上的形象和生存与发展的机会，是企业综合经济实力的反映，是企业在经济活动中的身份证。
12、社会信用的基础性。当今社会信用基础较为薄弱，通过信用评级，使社会逐步重视作为微观经济主体的企业的信用状况，从而带动个人、其他经济主体和政府的信用价值观的确立，进而建立起有效的社会信用管理体制。
（1）《中国大百科全书》 中国大百科全书出版社
（2）《工会财务会计百科全书》
