CN102800016B - 基于信用等级与违约损失率匹配的信用评级调整方法 - Google Patents
基于信用等级与违约损失率匹配的信用评级调整方法 Download PDFInfo
- Publication number
- CN102800016B CN102800016B CN201210201114.3A CN201210201114A CN102800016B CN 102800016 B CN102800016 B CN 102800016B CN 201210201114 A CN201210201114 A CN 201210201114A CN 102800016 B CN102800016 B CN 102800016B
- Authority
- CN
- China
- Prior art keywords
- credit
- grade
- adjustment
- lgd
- credit grade
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000007405 data analysis Methods 0.000 claims abstract description 7
- 230000013011 mating Effects 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000005192 partition Methods 0.000 claims description 6
- 230000008676 import Effects 0.000 claims description 2
- 230000008520 organization Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
一种基于信用等级与违约损失率匹配的信用调整方法,主要步骤包括信用等级划分、设定调整标准和信用等级调整;信用等级划分时,先将数据导入,再设定划分参数,然后输出划分结果。设定调整标准时,先设定调整参数,再输出调整标准;信用等级调整时,先进行数据分析,而后是信用等级调整,由低信用等级向高信用等级依次逆向确定其他信用等级的违约损失率,调整后的信用等级结果直接显示于Microsoft?Office?Excel界面。本发明的信用调整方法,不但像现有研究和实践那样给出了客户清偿能力的信用等级排序,而且给出了每一个信用等级的违约率和违约损失,比现有的银行信用评级***更科学。
Description
技术领域
本发明涉及一种基于信用等级与违约损失率匹配的信用评级调整方法,属于信用服务技术领域。
背景技术
信用评级对当代社会有极其重要的影响。不论是主权信用评级、企业信用评级、银行信用评级,还是个人信用评级,若信用等级划分不合理,必将误导债权人和社会公众。2008年下半年爆发的百年不遇的国际金融危机,就是由个人信用620分以下的住房抵押贷款的次级贷款引起。
信用评级包括指标筛选、打分、赋权、客户评分以及信用等级划分等步骤。其中,信用等级划分至关重要。
现有信用等级划分主要通过信用评价得分属于某个区间,或根据违约概率大于特定阈值的思路来划分客户所属的信用等级。中华人民共和国知识产权局专利号为200810139934.8的“征信评级管理咨询***”包括财务分析、信用评级、风险管理***等15个模块,具有结构清晰,易于扩展,易于重用等特点。中华人民共和国国家知识产权局专利号为201010546434.3的“信用评级***”为信用评级服务机构提供了一种开展信用评级业务的信息化***。美国专利商标局专利号为6965878的“Currencyandcreditratingsystemforbusiness-to-businesstransaction”通过信用得分属于不同区间的方法来划分信用等级。世界知识产权组织专利号为WO/2012/012623的“CREDITRISKMINING”利用企业财务、宏观环境等多种数据,提供了企业信用等级变化的概率测算、违约率测算等模型。
现有已公开的信用评级相关专利存在以下不足:划分的信用等级不满足“信用等级越高、违约损失率越低”这一信用本质属性。导致很多在指标上看上去很完美的评级体系,对客户评价时往往得到信用等级很高的客户、对应违约损失率反而不低的怪现象。
本发明根据信用等级越高、违约损失率越低的金字塔原理,提出了一种基于信用等级与违约损失率匹配的信用评级调整方法,确保调整后的信用等级划分结果满足“信用等级越高、违约损失率越低”的特征。
发明内容
本发明的目的是提供一种满足信用等级越高、违约损失率越低的信用本质属性的信用评级调整方法。
本发明的目的通过以下技术方案来实现:
一种基于信用等级与违约损失率匹配的信用评级调整方法,所述信用评级调整方法由信用等级划分功能、设定调整标准功能、信用等级调整功能构成,所述信用等级划分功能包括设定划分参数、输出划分结果,所述设定调整标准功能包括设定调整参数、输出调整标准,所述信用等级调整功能包括数据分析、信用等级调整。
本发明所述信用评级调整方法包括如下步骤,
步骤1:信用等级划分
步骤1.1:数据导入。将所有客户的信用风险评价得分、应收未收本息、应收本息等源数据导入到MicrosoftOfficeExcel文件中。
步骤1.2:设定划分参数。根据参数设定提示,输入第1到第9个信用等级的客户数所占比重p1、p2、p3、p4、p5、p6、p7、p8、p9的值。
步骤1.3:输出划分结果。根据步骤1.2不同信用等级的客户数所占比重的值,进行信用等级划分,划分结果直接显示于MicrosoftOfficeExcel界面。
步骤2:设定调整标准
步骤2.1:设定调整参数。根据参数设定提示,输入第1等级的初始违约损失率LGD1、第4等级的初始违约损失率LGD4的值。其他等级的违约损失率LGD2、LGD3、LGD5、LGD6、LGD7、LGD8、LGD9根据步骤2.2的算法计算得到。
步骤2.2:输出调整标准。根据步骤2.1第1等级的初始违约损失率LGD1和第4等级的初始违约损失率LGD4,通过信用等级与违约损失率匹配的信用评级调整算法,进行信用评级调整标准的确定,调整标准的结果直接显示于MicrosoftOfficeExcel界面。
基于信用等级与违约损失率匹配的信用评级调整算法确保了调整后的信用等级划分结果满足“信用等级越高、违约损失率越低”的信用本质属性,算法包括:
(1)标准1:各等级违约损失率递增,即0<LGD1<LGD2<LGD3<LGD4<LGD5<LGD6<LGD7<LGD8<LGD9≤1。
(2)标准2:限制相邻等级违约损失率级差的变化范围,即后一个违约损失率级差在0.5-1.5倍的前一个级差的范围内。
步骤3:信用等级调整
步骤3.1:数据分析。通过MicrosoftOfficeExcel设定的每一个信用等级中,客户数与该信用等级违约损失率的函数关系,从信用评价得分最低的客户开始,逆向计算第9个等级每增加或减少一个客户后的违约损失率的变化情况,通过与步骤2.2的调整标准比较,将与调整标准中第9个等级违约损失率最接近的值作为调整后的第9个等级的违约损失率。
步骤3.2:信用等级调整。将步骤3.1已经划分到第9个等级的客户去掉,重复步骤3.1的步骤,重新计算每增加或减少一个客户后的违约损失率的变化情况,以步骤2.2的调整标准为基准,由低信用等级向高信用等级依次逆向确定其他信用等级的违约损失率,调整后的信用等级结果直接显示于MicrosoftOfficeExcel界面。
本发明通过MicrosoftOfficeExcel设定的每一个信用等级中,客户数与该信用等级违约损失率的函数关系,对不同信用等级的违约损失率进行Excel表上作业的调整,得到满足步骤2.2的标准1和标准2的、调整后的信用等级结果。
本发明的效果与益处是:
一是本发明提供了“信用等级越高、违约损失率越低”信用评级调整方法,满足了信用的本质属性。
二是避免了无穷多次调整方可得到“信用等级越高、违约损失率越低”的调整结果;因为按照常理来调整信用评级结果,由于一个信用等级客户数量或违约率的调整、势必引起相邻等级客户数量和违约率的变化,由于任意两点间的有理数是无穷多的常识,经过人为调整满足合理的信用等级划分简直是不可能的。
三是商业银行等债权人在清楚不同信用等级对应的违约率的情况下,可以避免对盈亏平衡点以下等级的客户进行贷款,减少贷款损失。利用该方法对中国邮政储蓄银行农户进行信用等级调整,分层随机抽样和T检验的研究结果表明:对盈亏平衡临界点以下信用等级的农户不予贷款,2009年能给中国邮政储蓄银行减少损失1.036亿元。
四是根据不同信用等级的违约状况可以对贷款和债券等金融工具进行弥补违约风险溢酬的合理定价。
五是本方法的信用评级调整结果,不但像现有研究和实践那样给出了客户清偿能力的信用等级排序,而且给出了每一个信用等级的违约率和违约损失,比现有的银行信用评级***揭示了更多、公众更需要了解的信息。
六是根据信用评级调整结果揭示的不同等级的违约率、可使商业银行、债券投资者等债权人和社会公众了解每一个信用等级的违约状况,进行投资决策。
附图说明
下面结合附图对本发明作进一步说明:
图1是未调整的不同信用等级的违约损失率金字塔分布图。横轴是违约损失率,纵轴是信用等级。
图2是调整标准的不同信用等级违约损失率金字塔分布图。横轴是违约损失率LGDk′,纵轴是信用等级k′。
图3是调整后的不同信用等级违约损失率金字塔分布图。横轴是违约损失率LGDk,纵轴是信用等级k。
具体实施方式
本发明揭示了一种基于信用等级与违约损失率匹配的信用评级调整方法的工作流程。
本发明的信用评级调整方法由信用等级划分功能、设定调整标准功能、信用等级调整功能构成,通过基于信用等级与违约损失率匹配的信用评级调整算法,实现信用评级的调整,各功能包括:
(1)信用等级划分功能:设定划分参数、输出划分结果。
(2)设定调整标准功能:设定调整参数、输出调整标准。其中,调整标准根据基于信用等级与违约损失率匹配的信用评级调整算法来实现。
(3)信用等级调整功能:数据分析、信用等级调整。
如图1所示,未调整的不同信用等级的违约损失率金字塔分布图。横轴是违约损失率,纵轴是信用等级。以中国某全国性大型商业银行2044个农户数据为样本,根据第1到第9个信用等级的客户数所占比重p1、p2、p3、p4、p5、p6、p7、p8、p9的值,得到未调整的不同信用等级的违约损失率金字塔分布图,如图1所示。由图1知,第6个信用等级的违约损失率小于第5个信用等级的违约损失率,即:LGD6=0.90%<LGD5=1.04%,出现了信用等级越高、违约损失率反而不低的怪现象。
如图2所示,调整标准的不同信用等级违约损失率金字塔分布图。横轴是违约损失率LGDk′,纵轴是信用等级k′。以中国某全国性大型商业银行2044个农户数据为样本,采用本发明基于信用等级与违约损失率匹配的信用评级调整方法,得到调整标准的不同信用等级违约损失率金字塔分布图。
如图3所示,调整后的不同信用等级违约损失率金字塔分布图。横轴是违约损失率LGDk,纵轴是信用等级k。以中国某全国性大型商业银行2044个农户数据为样本,利用本发明所述信用评级调整方法进行信用等级调整,得到调整后的不同信用等级违约损失率金字塔分布图,如图3所示。由图3知,信用评级结果满足“信用等级越高、违约损失率越低”的信用本质属性。
本发明所述方案实施步骤如下:
步骤1:信用等级划分
步骤1.1:数据导入。将所有客户的信用风险评价得分、应收未收本息、应收本息等源数据,依据信用风险评价得分由高到低的次序导入到MicrosoftOfficeExcel文件中。
步骤1.2:设定划分参数。根据不同信用等级的客户数所占比重的参数设定提示,输入第1到第9个信用等级的客户数所占比重p1、p2、p3、p4、p5、p6、p7、p8、p9的值。
步骤1.3:输出划分结果。根据步骤1.2不同信用等级的客户数所占比重的值,进行信用等级划分,划分结果直接显示于MicrosoftOfficeExcel界面。
以中国某全国性大型商业银行2044个农户数据为样本,根据第1到第9个信用等级的客户数所占比重p1、p2、p3、p4、p5、p6、p7、p8、p9的值,得到信用等级划分结果,如表1所示。
由表1第3列知,第6个信用等级的违约损失率小于第5个信用等级的违约损失率,即:LGD6=0.90%<LGD5=1.04%,出现了信用等级越高、违约损失率反而不低的怪现象。
以表1第3列的未调整的违约损失率为横轴,第2列的信用等级为纵轴,得到对应的未调整的不同信用等级的违约损失率金字塔分布图,如图1所示。
表1未调整的不同信用等级的违约损失率
步骤2:设定调整标准
步骤2.1:设定调整参数。根据参数设定提示,输入第1等级的初始违约损失率LGD1、第4等级的初始违约损失率LGD4的值。其他等级的违约损失率LGD2、LGD3、LGD5、LGD6、LGD7、LGD8、LGD9根据步骤2.2的算法计算得到。
步骤2.2:输出调整标准。根据步骤2.1第1等级的初始违约损失率LGD1和第4等级的初始违约损失率LGD4,通过信用等级与违约损失率匹配的信用评级调整算法,进行信用评级调整标准的确定,调整标准的结果直接显示于MicrosoftOfficeExcel界面。调整标准结果包括:初始参数第1等级初始违约损失率LGD1,第4等级初始违约损失率LGD4,各信用等级的违约损失率LGD′k,k=1,2,3,4,5,6,7,8,9。
以中国某全国性大型商业银行2044个农户数据为样本,选取初始参数第1等级违约损失率LGD1=0.01%、第4等级违约损失率LGD4=1.07%,得到的基于信用等级与违约损失率匹配的信用评级调整方法的调整标准表格,如表2所示。
以表2第3列的调整标准中的违约损失率LGDk'为横轴,表2第2列的信用等级k'为纵轴,得到对应的调整标准的不同信用等级违约损失率金字塔分布图,如图2所示。
表2调整标准的各信用等级违约损失率
步骤3:信用等级调整
步骤3.1:数据分析。通过MicrosoftOfficeExcel设定的每一个信用等级中,客户数与该信用等级违约损失率的函数关系,从信用评价得分最低的客户开始,逆向计算第9个等级每增加或减少一个客户后的违约损失率的变化情况,通过与步骤2.2的调整标准比较,将与调整标准中第9个等级违约损失率最接近的值作为调整后的第9个等级的违约损失率。
以中国某全国性大型商业银行2044个农户数据为样本,从第9个等级开始逆向调整,得到的第9个等级违约损失率确定。第9个等级违约损失率确定的过程,如表3所示。
表3第9个等级违约损失率确定
步骤3.2:信用等级调整。将步骤3.1已经划分到第9个等级的客户去掉,重复步骤3.1的步骤,重新计算每增加或减少一个客户后的违约损失率的变化情况,以步骤2.2的调整标准为基准,由低信用等级向高信用等级依次逆向确定其他信用等级的违约损失率,调整后的信用等级结果直接显示于MicrosoftOfficeExcel界面。其中,调整结果包括:各信用等级的违约损失率LGDk,k=1,2,3,4,5,6,7,8,9。
以中国某全国性大型商业银行2044个农户数据为样本,利用本发明所述信用评级调整方法进行信用等级调整,得到的基于信用等级与违约损失率匹配的信用评级调整方法的调整结果,如表4所示。表4第3列可知,各等级违约损失率严格递增,信用评级结果满足“信用等级越高、违约损失率越低”的信用本质属性。
表4调整后各信用等级的违约损失率
以表4第3列的调整标准中的违约损失率LGDk为横轴,表4第2列的信用等级k为纵轴,得到调整后各信用等级违约损失率金字塔分布图,如图3所示。
本发明尚有多种具体的实施方式,凡采用本发明所述“基于信用等级与违约损失率匹配的信用评级调整方法”等同替换、或者等效变换而形成的所有技术方案,均落在本发明要求保护的范围内。
Claims (1)
1.一种基于信用等级与违约损失率匹配的信用评级调整方法,所述信用评级调整方法由信用等级划分功能、设定调整标准功能、信用等级调整功能构成,所述信用等级划分功能包括设定划分参数、输出划分结果,所述设定调整标准功能包括设定调整参数、输出调整标准,所述信用等级调整功能包括数据分析、信用等级调整,其特征包括如下步骤,
步骤1:信用等级划分
步骤1.1:数据导入,将所有客户的信用风险评价得分、应收未收本息、应收本息等源数据导入到MicrosoftOfficeExcel文件中;
步骤1.2:设定划分参数,根据参数设定提示,输入第1到第9个信用等级的客户数所占比重p1、p2、p3、p4、p5、p6、p7、p8、p9的值;
步骤1.3:输出划分结果,根据步骤1.2不同信用等级的客户数所占比重的值,进行信用等级划分,划分结果直接显示于MicrosoftOfficeExcel界面;
步骤2:设定调整标准
步骤2.1:设定调整参数,根据参数设定提示,输入第1等级的初始违约损失率LGD1、第4等级的初始违约损失率LGD4的值,其他等级的违约损失率LGD2、LGD3、LGD5、LGD6、LGD7、LGD8、LGD9根据步骤2.2的算法计算得到;
步骤2.2:输出调整标准,根据步骤2.1第1等级的初始违约损失率LGD1和第4等级的初始违约损失率LGD4,通过信用等级与违约损失率匹配的信用评级调整算法,进行信用评级调整标准的确定,调整标准的结果直接显示于MicrosoftOfficeExcel界面;
基于信用等级与违约损失率匹配的信用评级调整算法确保了调整后的信用等级划分结果满足“信用等级越高、违约损失率越低”的信用本质属性,算法包括:
(1)标准1:各等级违约损失率递增,即0<LGD1<LGD2<LGD3<LGD4<LGD5<LGD6<LGD7<LGD8<LGD9≤1;
(2)标准2:限制相邻等级违约损失率级差的变化范围,即后一个违约损失率级差在0.5-1.5倍的前一个级差的范围内;
步骤3:信用等级调整
步骤3.1:数据分析,通过MicrosoftOfficeExcel设定的每一个信用等级中,客户数与该信用等级违约损失率的函数关系,从信用评价得分最低的客户开始,逆向计算第9个等级每增加或减少一个客户后的违约损失率的变化情况,通过与步骤2.2的调整标准比较,将与调整标准中第9个等级违约损失率最接近的值作为调整后的第9个等级的违约损失率;
步骤3.2:信用等级调整,将步骤3.1已经划分到第9个等级的客户去掉,重复步骤3.1的步骤,重新计算每增加或减少一个客户后的违约损失率的变化情况,以步骤2.2的调整标准为基准,由低信用等级向高信用等级依次逆向确定其他信用等级的违约损失率,调整后的信用等级结果直接显示于MicrosoftOfficeExcel界面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210201114.3A CN102800016B (zh) | 2012-06-18 | 2012-06-18 | 基于信用等级与违约损失率匹配的信用评级调整方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210201114.3A CN102800016B (zh) | 2012-06-18 | 2012-06-18 | 基于信用等级与违约损失率匹配的信用评级调整方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102800016A CN102800016A (zh) | 2012-11-28 |
CN102800016B true CN102800016B (zh) | 2015-11-18 |
Family
ID=47199115
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210201114.3A Active CN102800016B (zh) | 2012-06-18 | 2012-06-18 | 基于信用等级与违约损失率匹配的信用评级调整方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102800016B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235828B (zh) * | 2013-05-13 | 2016-08-17 | 中科数据技术(苏州)有限公司 | 一种信息数据评分卡的指标的档位分析及调整方法 |
US20180308158A1 (en) * | 2016-04-19 | 2018-10-25 | Dalian University Of Technology | An optimal credit rating division method based on maximizing credit similarity |
CN110020939B (zh) * | 2019-03-01 | 2023-08-18 | 平安科技(深圳)有限公司 | 建立违约损失率预测模型的装置、方法及存储介质 |
CN110110981B (zh) * | 2019-04-26 | 2021-07-20 | 重庆第二师范学院 | 一种信用评级违约概率测度与风险预警方法 |
CN112348636A (zh) * | 2020-11-06 | 2021-02-09 | 深圳市微琪思服饰有限公司 | 一种个性化服装设计***及方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102081781A (zh) * | 2009-11-26 | 2011-06-01 | 陈晓明 | 基于信息自循环的金融建模优化方法 |
-
2012
- 2012-06-18 CN CN201210201114.3A patent/CN102800016B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102081781A (zh) * | 2009-11-26 | 2011-06-01 | 陈晓明 | 基于信息自循环的金融建模优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102800016A (zh) | 2012-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102800016B (zh) | 基于信用等级与违约损失率匹配的信用评级调整方法 | |
CN102779317B (zh) | 基于信用等级与违约损失率匹配的信用评级***与方法 | |
CN108596443A (zh) | 一种基于多维度数据的用电客户信用等级评价方法 | |
CN107240014A (zh) | 一种基于企业征信业务的信用评级方法 | |
Hu | Economic and social transformation in China | |
CN103413215A (zh) | 一种基于矩阵相似度算法的电子联行号匹配方法 | |
Cao et al. | Does the weather affect the Chinese stock markets? Evidence from the analysis of DCCA cross-correlation coefficient | |
CN107330542A (zh) | 一种分析优化电网投资规模的方法 | |
Tang et al. | Evaluating water ecological achievements of leading cadres in Anhui, China: Based on water resources balance sheet and pressure-state-response model | |
Naseem et al. | The profitability of banking sector in Pakistan: An empirical analysis from 2006-2010 | |
Whalley | China's integration into the world economy | |
Chen et al. | Complexity of the analysis of financial cloud based on fuzzy theory in the wisdom of sustainable urban development | |
Ye et al. | Financial structure, technology, and economic growth: a structural matching perspective | |
Scholtens et al. | How does the development of the financial industry advance renewable energy? A panel regression study of 198 countries over three decades | |
CN110648066B (zh) | 一种水库电站优先发电配额方法 | |
Brühl | The economic rise of China–an integrated analysis of China’s growth drivers | |
Hu et al. | The Development of Digital Financial Inclusion in China | |
Li | New Thinking on Capacity Cooperation between China and Africa under the “Belt and Road Initiative” | |
Clowes et al. | China’s contribution to the economic potential of the 16+ 1 platform: developments prior to the global pandemic | |
Zou et al. | Analysis of causation and future trends of service industry in Hong Kong | |
Lei et al. | The Inhibiting Effect of Inclusive Finance over Urban-Rural Income Gap Based on Provincial-level Panel Data Threshold Model | |
Hu et al. | Analysis of artificial intelligence industry based on grey correlation‐‐a case study of Tianjin | |
Chen | A study of influencing factors of industrial location under the background of regional transfer in China | |
Wang et al. | A Method of Applying Big Data in Electricity to Inclusive Finance | |
Gu et al. | The Impact of Internet Financing on Commercial Banks-A Case Study of Savings Business |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |