资信评级是对经济主体和各类金融工具所负债务是否如约还本付息的能力和可信任程度的评价。在我国，当前有五家评级机构对企业债券和近40家评级机构对贷款企业的资信进行评级。评级结果表明：企业债券大都为AAA和AA级；贷款企业资信等级则大都呈正态分布。从各自评出的结果看，各家评级机构都会自认为是客观的。但对于市场的使用者和监管部门来说，如何鉴别此AAA就等同于彼AAA，此AAA就一定优于彼AA呢?如何比较和评价不同评级机构对同一评级对象的评级结果呢?那就需要有另一个可以对评级结果进行事后检验和比较的客观度量标准——违约率(Default Rate)。
一、违约率及违约概率指标的重要意义
违约率是指债务人未能偿还到期债务的实际违约情况。违约概率(Probability of Default，PD)是预计债务人不能偿还到期债务(违约)的可能性。违约概率(PD)与违约率所不同的是：它是基于债务人历史和现实的实际违约情况作出的对未来一定时期(一般为一年)违约状况的判断。评级结果与违约率的对应关系是国际公认的事后检验评级机构评估质量标准的一项最重要的标尺。
资信等级应有与之对应的违约率和违约概率才真正具有应用价值，才能作为衡量评级对象未来违约可能性和信用风险的工具。本质上，与资信等级对应的违约率和违约概率水平才真正代表资信等级所反映的风险状况。信用中国我们共同打造ccn86.com所以，缺少违约率统计数据的资信等级是不完整的、缺乏说服力的，只能对信用风险进行排序。但不同评级机构所设定的违约定义可能不同，所反映同一等级的质量也因此而不同。因此，只有违约定义相同的评级机构，其评级结果才可以进行比较，才能检验各自评级结果的“含金量”和质量差异。有了违约率指标的对比，就可以解释为什么违约率低的AA级要优于违约率高的AAA级了。有了对应违约率的资信等级才能真正成为决策的依据。
二、国际上有代表性的信用风险评价模型在中国运用的局限性
我国加人WTO以来，加快了中国市场经济运行方式向国际接轨的步伐，中国资信评级业如何向国际接轨也受到了新的挑战。探索和选择国外且适合我国市场状况的评估模型势在必行，国内有部分学者对此也作了有益的研究。在这里，我们把部分学术界将国外有代表性的评估模型运用于中国市场进行实证研究后，将其所发现的问题和缺陷部分作一归集以利于后续的研究工作。
1、Z-Score信用风险评价模型
Z模型是通过选取五项关键性的财务比率并赋予其一定的参数(权重)来预测公司违约或破产可能性的方法。
其中：
X1=营运资金／总资产
X2=(未分配利润+资本公积)／总资产
X3=税息前收益／总资产
X4=股权的市场价值／债务的账面价值
X5=营业额／总资产
以Z值为临界值，若小于临界值将发生债务违约。
实证研究发现Z模型存在以下三个缺陷：一是该模型对上市公司中的少数几个行业具有准确性，许多行业的参数需调整。二是对非上市公司和小公司无法获得股权价值的数据，需要借助一些会计信息或其他指标来替代并通过对比分析才能最终得出期望的违约概率。这在一定程度上可能影响计算的准确性。三是需要在Z值的基础上按国内金融市场的状况作调整，但一般的决策者都无此能力。
2、KMV信用风险评价模型
KMV模型建立在期权定价理论之上，其出发点是基于这样的假设：公司的任何信息都可以在股票价格及其波动中得到体现，当公司股票的市场价值因波动而使预期的价值低于一定水平(违约点价值)以下时，公司就会对它的债务违约。该模型把持有的债权看作一个无风险的债权减去一个看跌期权，以此为基础计算出违约距离，并结合上市公司数据估计出经验违约概率。虽然KMV模型相对于以注重会计资料分析为基础的传统方法的违约概率估计体系具有更好的敏感性，但它的适应条件更严格。信用中国我们共同打造ccn86.com从结果上看，比较适用于资本市场成熟地区的上市公司。很显然，我国目前尚不具备推广KMV模型的条件。
3、CreditMetrics信用风险评价模型
该模型是基于这样的假设：某一特定时期内(通常为一年)债务组合价值的分布与将来债务人信用等级变化无关，信用等级迁移概率服从稳定的马尔科夫过程，即贷款或债券目前等级迁移与其过去的迁移概率不相关。虽然，该模型是目前被证明较为有效的信用风险模型，但还是存在若干尚需解决的问题：一是该模型假设贷款或债券目前等级迁移与其过去的迁移概率不相关。但实际的历史数据表明，一笔债务如果过去发生过违约事件，那么它目前等级下降的概率要比同一级别的没有发生过违约行为的要高；二是在计算债务的VaR值时，假设等级迁移概率矩阵是稳定的，即不同借款人之间、不同时期之间，其等级迁移概率是不变的。而实际上，行业因素、国家因素以及商业周期等因素会对等级迁移概率矩阵产生重要影响。三是CreditMetrics模型的违约模型和相关系数的度量是以期权定价理论为基础的，这对股票市场的成熟条件和数据的真实性有很高的要求。
4、神经网络模型
神经网络模型也是西方运用较广泛的估计违约概率模型，它依靠采集的数据，对大量的财务及相关信息进行数理统计分析，从而建立违约估计模型。这种模型在实证中仍存在局限性。一是随着技术创新及金融工具创新，使得财务报表上有限的数据越来越难以真实地反映企业的财务状况及经营结果，尤其是对于高新技术企业而言，非财务因素占据越来越重的分量；二是因国内企业会计信息失真现象还较为严重，使用失真的数据输入模型必然造成计算结果的偏差。
【
