信用分析模型

准确评估对象的信用等级和风险级别的关键技术

信用分析模型是准确评估对象的信用等级和风险级别的关键技术，企业所在行业不同和客户群的差异决定了信用分析模型设计的相对独特性。企业需要开发和应用专业的信用分析模型。在企业开展信用分析工作时，仅靠管理人员的经验和传统方法，往往达不到准确识别和评估风险的要求。

类别

信用分析模型可以分两类，预测模型和管理模型。预测模型用于预测客户前景，衡量客户破产的可能性。Z计分模型和巴萨利模型属于此类，两者都以预测客户破产的可能性为目标，不同之处在于所考察的比率和公式略有不同。管理模型不具有预测性，它偏重于均衡地解释客户信息，从而衡量客户实力。营运资产分析模型和特征分析模型属于此类。营运资产分析模型旨在通过资产负债表衡量客户的实力与规模，特征分析模型则偏重于利用各类财务、非财务信息评价客户风险大小。管理模型不象预测模型那样目标专一，同时具有很大的灵活性，通过适当的调整可以用于各种场合。

预测模型

预测模型之一：Z计分模型

Z计分模型通过关键的财务比率来预测公司破产的可能性。比较典型的为理查得·托夫勒（Richard Taffler）Z计分模型。1977年理查得·托夫勒对46家性质相同、规模大小一样的破产公司和有偿债能力的公司进行了对比，并依据其调查结果和利用多样差别分析法的基础上得出如下一些比率：

（税前利润/平均流动负债）×权数（1）

（流动资产/负债总数）×权数（2）

（流动负债/总资产）×权数（3）

现金交易间隔期×权数（4）

公式（1）衡量公司业绩；

公式（2）和（3）衡量公司的债股比率；

公式（4）衡量公司在无收入状态下可维持业务的时间长短。

Z计分值便是公式（1）（2）（3）（4）四个比率的总和；如计分值为负值，则表示公司不景气。

经实践证明，这四种比率配上适当的权数，预测公司破产率的准确性高达97%以上。其中还发现一个重要规律，即公司破产一般发生在该公司第一次Z计分出现负值后的第三年里。可见，Z计分模型是帮助企业确定客户破产风险的有力工具。（适用于大的集团公司）

预测模型之二：巴萨得模型

由亚历山大·巴萨利（Alexander Bathory）发明。其比率如下：

（税前利润+折旧+递延税）/流动负债（银行借款、应付税金、租赁费用）（1）

税前利润/营运资本（2）

股东利益/流动负债（3）

有形资产净值/负债总额（4）

营运资本/总资产（5）

（1）-（5）总和便是该模型的最终指数。低指数或负数均表明公司前景不妙。

（1）衡量公司业绩；

（2）衡量营运资本回报率；

（3）衡量股东权益对流动负债的保障程度；

（4）衡量扣除无形资产后的净资产对债务的保障程度；

（5）衡量流动性。

巴萨利模型是Z计分法更普遍的应用。据调查，巴萨利模型的准确率可达到95%；其最大优点在于易于计算，同时，它还能衡量公司实力大小，广泛适用于各种行业。

管理模型之一：营运资产分析模型

该模型自1981年起在国外开始应用，在计算客户的信用限额方面具有非常实用的价值。该模型的计算分两个步骤：营运资产计算和资产负债表比率计算。

1、营运资产计算。该模型首先提出考察的指标是营运资产，经此作为衡量客户规模的尺度，这一指标与销售营业额无关，只同客户的净流动资产和账面价值有关。

营运资产的计算公式是：营运资产=（营运资本+净资产）/2

其中营运资本=流动资产–流动负债

净资产即为企业自有资本或股东权益。

该模型公式在营运资产的计算上，不仅考虑了客户当前的偿债能力，而且还考虑客户的净资产实力。用这两个方面的综合平均值来衡量客户风险具有很大的功效。因为从信用管理的角度看，仅考虑客户的流动资本和流动负债情况，还不足以反映客户的真正资本实力，净资产是保障客户信用的另一个重要指标。

2、资产负债表比率计算。营运资产模型考虑如下比率：

流动比率=流动资产/流动负债（1）

速动比率=（流动资产–存货）/流动负债（2）

短期债务净资产比率=流动负债/净资产（3）

债务净资产比率=负债总额/净资产（4）

评估值=（1）+（2）-（3）-（4）

（1）和（2）衡量公司的资产流动性；（3）和（4）衡量公司的资本结构。评估值综合考虑了资产流动性和负债水平两个最能反映公司偿债能力的因素。评估值越大，表示公司的财务状况越好，风险越小。

3、信用额度的计算。

表1营运资产百分比等级

从表1可以看出，对评估值越小（即信用风险越大）的公司，营运资产分析模型给予其越小的营运资产比例作为计算赊销额度的依据。

例：公司A、B、C的评估值及营运资产分别如下表2所示

表2赊销额度计算

由此可见，该模型使用的财务数据和比率并不复杂，直接在财务报表中都可获得，因此较为实用。

管理模型之二：特征分析模型

特征分析模型采用特征分析技术对客户所有财务和非财务因素进行归纳分析；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特征，把它们编为几组，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。

特征分析技术将客户信用信息分为三大类特征，18个项目。

（一）客户特征：1、表面印象；2、组织管理：（1）客户的股东结构及股东的背景（2）客户的内部管理组织结构及附属机构（3）主要负责人背景；3、产品与行业；4、市场竞争性；5、状况；（1）生产状况及经营范围（2）购销区域、结算方式和特点（3）主要供应商、经销商或代理商的状况（4）经营业绩，包括销售额、业绩增长情况，尤其应注意客户主营业务的增长情况；6、发展前景。

（二）优先特征：1、交易利润率；2、交易条件；3、对市场吸引力的影响；4、对市场竞争力的影响；5、担保条件；6、可替代性。

（三）信用及财务特征：1、付款记录；2、银行信用：（1）银行对该客户的信用评级（2）该客户在银行的存贷款情况、信用额度是否有拖欠（3）是否能获得银行的资信证明书和保函；3、获利能力；4、资产负债表评估；5、偿债能力；6、资本总额。

好：产品质量好，富有特色；中：质量中等，属大众消费商品；差：质量很差，属劣等品。对其它项也都相应确定不同衡量标准层次下的语言描述。不同层次对应的分值为：

好-对应分值为8-10分；中-对应分值为4-7分；差-对应分值为1-3分；在未得到某项的任何情况时，赋值0。

另外，根据公司的销售政策和信用政策对每一项都赋予一个权数，18个项权数之和为100。接下来，可以按照以下三个步骤计算：

对于特征分析模型的最终百分率可以作出如下归类：

表3特征分析模型最终百分率分类

特征评分有以下几个用途：

1 调整赊销额度。与营运资产模型相比，特征分析模型更全面。可以将特征分析模型与营运资产分析模型结合起来确定赊销额度。方法为：根据特征分析模型得出的最终百分率对在营运资产分析模型基础上得出的赊销额度进行调整。如表5所示：

表4根据特征分析模型调整赊销额度

比如：A公司的最终百分比为46%，根据营运资产分析模型得出对其赊销额度为10,000元，则根据特征分析模型调整后的赊销额度为： 10 000×(46%+0.5)+10 000=19 600

2 与其它分析模型的结果互相印证。

3 对客户进行分级。可以按照表6所示对客户分级

表5根据特征分析模型对客户分级

在采用特征分析模型时涉及到权数的的选择问题。权数的重心倾向实质反映了公司的政策取向。不管权数是偏重于销售或偏重于财务，有一些项目因为其重要性总是具有较高的权数，包括：付款担保、付款历史记录，资本结构比率，管理能力，产品概要等。一笔交易的信用风险不光取决于客户的付款能力还取决于它的付款意愿。Z计分模型、巴萨利模型和营运资产分析模型主要以财务分析为主，而特征分析模型既考虑了财务因素，又考虑了非财务因素，既考虑了付款能力，又考虑了付款意愿，另外，企业从多渠道获得客户信息（如销售人员获得客户信息）也可以在特征分析模型中加以利用。因此，特征分析模型是值得企业广泛采用的一种有效方法。

全国各地天气预报查询

上海市

云南省

云南省

云南省

云南省

云南省