李奎元称:根据企业信用管理理论,5C原则是指考察客户信用价值的5个因素,即品行(character)、能力(capacity)、资本(capital)、担保品(collateral)和环境状况(condition),这五个因素的英文字母均以C开头,故将其简称为5C。

除了根据5C原则以及客户的财务状况对其资信进行评价以外,企业还可以通过资信分析模型分析客户的资信状况。根据目标和效能的不同,资信分析模型可以分为两大类,即预测类模型和管理类模型。

预测类模型用于预测企业客户前景,衡量客户破产的可能性。Z计分模型、巴萨利模型和A值模型就属于这一类。这三种模型都以预测客户破产的可能性为目标,只是所观察的比率与公式略有不同。

管理类模型不具有预测性,它偏重于均衡地解释客户信息,从中衡量客户实力。它不像预测类模型那样目标专一,管理类模型能在信用决策中得到广泛应用,同时具有很大的灵活性。在这一类模型中,较为典型的有营运资产分析模型和特征分析模型。

运用预测类模型分析企业客户风险

预测类模型主要包括Z计分模型、巴萨利模型、A值模型等。

1.Z计分模型

Z计分模型是由美国的爱德华•奥特曼教授早在1968年研究建立的。它是通过对“健康”企业和“失败”企业样本数据的分析而构建的,它运用关键的财务比率计算出Z值,并据此预测公司破产的可能性。

(1)具体步骤

首先选择能够把健康企业和失败企业区分开的指标;然后计算每一个指标的系数,从而构建模型,计算出Z值。模型的具体公式是:

Z=c1x1+c2x2+c3x3+……cnxn

式中x1x2,x3xn——模型选用的指标;

c1,c2 c3 cn——每个指标对应的系数。

不同性质的企业,Z计分模型的具体形式也不同。下面介绍三种形式的Z模型,其中Z1为最基本的模型,适用于上市公司;Z2适用于非上市公司;Z3适用于非制造企业。

z1=1.2x1+1.4x2+3.3x3+0.6x4+0.999x5

式中x1=(流动资产-流动负债)/资产总额

x2=未分配利润/资产总额

x3=(利润总额+利息支出)/资产总额

x4=权益市场值/负债总额

x5=销售收入/总资产

Z值越低,企业信用风险越大,当Z<1.81时,企业信用风险较大;当Z≥2.99时,企业信用状况良好。

z2=0.717x1+0.847x2+3.107x3+0.420x4+0.998x5

式中x1=(流动资产-流动负债)/资产总额

x2=未分配利润/资产总额

x3=(利润总额+利息支出)/资产总额

x4=所有者权益/负债总额

x5=销售收入/总资产

一般而言,当Z<1.23时,企业信用风险较大;当Z≥2.9时,企业信用状况良好。

z3=6.56x1+3.26x2+6.72x3+1.05x4

式中x1=(流动资产-流动负债)/资产总额

x2=未分配利润/资产总额

x3=(利润总额+折旧+摊销+利息支出)/资产总额

x4=所有者权益/负债总额

Altman认为,根据上述Z3公式计算的Z值,如果Z<1.23时,风险很大;Z ≥2.9时,风险较小。

另外,Altman还认为Z计分模型开创了资信分析的新思路。它虽不能准确预测公司破产的具体时间,但它指出了破产的可能性,并能通过逐年比较反映出这种可能性扩大或缩小的趋势。1977年Altman又建立了第二代模型,称为Zeta信用风险模型。主要变量有7个,即资产报酬率、收入的稳定性、利息倍数、负债比率、流动比率、资本化比率、规模等。Zeta模型适应范围更宽,对信用不良客户的辨认精度也**提高。

(2)Z计分模型的局限性

  • 主要依赖财务报表的账面数据而忽视资本市场指标,因此,削弱了预测结果的可靠性和及时性

  • 缺乏对违约和违约风险的系统认识,理论基础比较薄弱难以令人信服。

  • 假设各指标变量中存在着线性关系,而现实的经济现象是非线性的,因而也降低了预测结果的准确程度,使得违约模型不能精确地描述经济现实。

  • 无法计量企业的表外信用风险,另外对某些特定行业的企业如公用企业、财务公司、新公司以及资源企业不适用,因而它的使用范围受到了较大限制。

  • 权数难于确定,权数的精确受到很多因素的影响,这些因素难以量化确定。

2.巴萨利模型

巴萨利模型是后人在Z计分模型的基础上发展出来的。该模型以其发明者亚历山•巴萨利的名字命名,它适用于所有行业,其特点是形式比较简单且不需要复杂的计算。该模型需要用到以下几个比率:

(1)(税前利润+折旧+递延税)/流动负债

其中,流动负债包括银行借款、应付税金、租赁费用。

(2)税前利润/营运资本

(3)股东权益/流动负债

(4)有形资产净值/负债总额

(5)营运资本/资产总额

上术5个比率的总和便是该模型的最终指数。指数高说明企业运营状况良好,实力强;低指数或负数均表明企业前景不佳。其中,

(1)衡量公司业绩,能精确计算出公司当前利润和短期优先债务的比值。

(2)用于表示公司业绩,它衡量的是营运资本回报率。

(3)是资本结构比率,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全部债务的保障程度。

(5)衡量流动性,表示营运资本或流动资产净值占总资产的比重。

与Z计分模型相比较,巴萨利模型适用范围更宽,被广泛应用于美国金融机构的客户信用分析中,据调查,巴萨利模型的准确率可达到95%。巴萨利模型的最大优点是易于计算,并且它比Z计分模型多一个功能,即在预测公司破产可能性的同时,还能衡量公司实力大小,模型指数高即说明公司实力强,反之则弱。

3.A值模型

在Z计分模型和巴萨利模型中,财务比率都是依靠企业公开报表提供的数据计算出来的。而处于财务困境之中的企业往往会利用各种手段粉饰企业的财务报表,仅仅根据财务报表数据计算的结果往往不能反映企业的真实情况,A值模型克服了这一缺陷。A值模型由约翰•阿根提于《企业破产》一书中首先提出,是一种以更客观的判断为基础的企业破产预测模型。它不仅仅计算财务比率,还考虑了管理不善可能导致企业破产的因素。

阿根提认为管理不善会导致企业破产,他在A值模型列出了管理不善的所有现象,并将所有这些现象分为管理缺陷、有管理缺陷企业易犯的错误和管理缺陷企业的恶化征兆等3个部分共17种,并给第一种现象制定了最高分值。测试企业时,根据企业表现打出相应的分数。在总分为100分的测试中,如果企业总得分超过25分,那么该企业就有潜在的破产风险。

管理不善的现象

缺陷

最高分值

  1. 1.   独裁管理

  2. 2.   董事长和首席执行官是同一个人

  3. 3.   董事会不起积极作用

  4. 4.   董事会成员构成不平衡

  5. 5.   财务总监权力不大

  6. 6.   管理不够充分有效

  7. 7.   没有预算约束

  8. 8.   现有现金流量计划或现金流量报告

  9. 9.   没有成本系统

  10. 10.  对市场变化反应缓慢

总计

及格线

8

4

2

2

2

1

3

3

3

15

43

10

错误

 

11.财务杠杆率过高

12.过度交易

13.正在推行大型项目

总计

及格线

15

15

15

45

15

征兆

 

财务指标恶化

寻机性会计

非财务指标恶化

出现终结迹象

总计

及格线

4

4

3

1

12

0

总分数

及格线

100

25(或者低于25)


运用管理类模型分析企业客户风险

管理类模型主要包括营运资产分析模型和特征分析模型。

1.  营运资产分析模型

营运资产分析模型是1981年在国外提出并被广泛使用的一种分析模型。营运资产分析模型的计算分营运资产计算、资产负债比率计算和评估值计算三个步骤。

(1)营运资产计算

该模型首先考察的指标是营运资产,以此作为衡量客户规模的尺度。同时它平均考察客户营运资本和净资产,用以衡量客户的基本信用风险。

营运资产的计算公式: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。

该模型考虑了客户的当前偿债能力和净资产实力,用这两个方面的综合平均值来衡量客户风险有很大的功效。

(2)资产负债比率计算

该模型以四项资产负债比率计算对营运资本进行调整和修正,得出合适的信用限额。这四项比率分别是以下内容:

流动比率=流动资产/流动负债

速动比率=(流动资产-存货)/流动负债

短期债务净资产比率=流动负债/净资产

债务净资产比率=负债总额/净资产

可以看出,流动比率和速动比率是衡量公司的资产流动动性,短期债务净资产比率和债务净资产比率是衡量公司的资本结构。将这四项比率综合分析,能比较均衡地考察客户的资信状况。

(3)评估值计算

评估值=流动比率+速动比率-短期债务净资产比率-债务净资产比率

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。

与预测类模型相比,营运资产分析模型比较简单,使用的财务数据和比率并不复杂,可直接在财务报表中获得,而且计算简便、易于操作、适用性强,比较适于我国企业应用。但它不能用来预测客户的破产可能性。

营运资产分析模型通过对一些财务指标的分析,在计算客户的信用额度方面具有非常实用的价值。

2.特征分析模型

(1)操作程序

特征分析模型属于一种管理类模型,它的基本做法是综合考查、分析客户各类财务和非财务因素,采用特征分析技术对其进行区分和描述。该模型从客户各种特征中选出对信用分析意义最大且直接与客户信用状况相联系的若干特征,对这些不同特征表现的含义予以说明、评分并综合分析,从而对客户的信用状况做出一个总体的说不定,最后得到一个较为全面的分析结果。

在进行特征分析前,企业首先要设置一套严格的特征评分标准和合理的权数,以评分和权数为参数进行评估运算,最后根据评估值给客户的信用状况定级。

通过情况下将客户的信用信息分为三大类特征共18个项目,作为衡量客户信用状况的综合评定。企业可以由此非常直观地了解每个客户的基本信用状况。

客户信用信息类别特征

类别特征

项目

客户特征

①  外表印象②产品概要③产品需求④竞争实力⑤最终顾客⑥管理能力

优先特征

①可获利润②产品质量③市场吸引力④市场竞争⑤担保⑥替代能力

信用特征

①付款历史记录②资信证明③资本和利润增长率④资产负债表状况⑤资产结构比率⑥资本总额

由此可见,特征分析技术涵盖了反映客户经营实力和发展潜力的一切重要指标。特别是“优先性特征”的设置使分析工作更接近实际情况,对促使企业的销售工作有极大推动作用。

在了解这18个项目之后,根据企业的销售政策和信用政策,在1-10范围内对每一项都赋予一个权数(权数一经设定不宜随意变动)然后按照以下三个步骤计算:

1)在1-10范围内对每个特征进行打分,客户的某项特征情况越好,分值越高。具体操作是对每一个项目特定一个衡量标准,分为好、中、差三个层次,每个层次对应不同的分值。例如,对应“管理能力”一项,衡量标准层次可用以下文字描述:好,管理能力强;中,管理能力一般;差,管理能力弱。对其他项也都应确定不同衡量标准层次的文字描述。不同层次对应的分值一般为以下三档:好,对应分值8-10分;中,对应分值4-7分;差,对应分值1-3分。在未得到某项特征的情况时,对该项特征的赋值为0。

2)用权数乘以10(每一项可能得到的最高分值),计算出最大可能评分值。这里权重的设定很关键,权重的设定实质上反映了本企业的信用政策取向,不同的信用政策给各个因素的权重是不同的。

3)用实际分数乘以权数并加总得出加权总分,并以此与加总的最大可能评分值相比,得出最终百分率。最终百分率的意义可以进行归类。

特征分析模型最终百分率分类

最终百分率

类别

0-20

收集的信息特征不完全,信用风险不明朗,或存在严重的信用风险。因此,不应该进行赊销交易

21-45

交易的风险较高,交易的吸引力低。建议尽量不与之进行赊销交易,即使进行,也不要突破信用额度,并时刻监控

46-65

风险不明显,具有交易价值,很可能发展为未来的长期客户,可适当超出原有额度进行交易

66以上

交易风险小,为很有吸引力的大客户,具有良好的长期交易前景,可给予较高的信用额度

(2)模型的应用

1)调整赊销额度。根据特征分析模型得出的最终百分比对在营运资产分析模型基础上得出的赊销额度进行调整。与营运资产模型相比,特征分析模型更为全面。可以将特征分析模型与营运资产模型结合真情两会不销额度,具体分析见表。

根据特征分析模型调整赊销额度

最终百分率

可超出赊销额度(根据营运资产分析模型确定)的数量

0-20

0

21-45

赊销额度*21%-赊销额度*45%

46-65

赊销额度*(46%+0.5%)-赊销额度*(65%+0.5%)

66以上

赊销额度*(66%+1.0%)以上

例如,A公司的最终百分比为50%,根据营运资产分析模型得出对其赊销额度为10000元,则根据特征分析模型调整后的赊销额度为10000*(50%+0.5%)+0000=15050(元)

2)与其他分析模型的结果互相印证。

3)对客户进行评级。

根据特征分析模型对客户评级

评估值

客户资信等级

0-20

D

21-45

C

46-65

B

66以上

A

一笔交易的信用风险不仅取决于客户的付款能力还取决于它的付款意愿。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。此外,企业从多渠道获得的客户信息(如销售人员获得的客户信息)也可以在特征分析模型中加以利用。预测类模型和营运资产分析模型主要以财务分析为主,特征分析模型克服了这方面的局限,是值得企业广泛采用的一种有效方法。此外,特征分析评估结果也可用于确定与客户交易额度的参考。

李奎元:说说那些征信模型(Z计分模型、巴萨利模型和A值模型)相关推荐

  1. 详解OSI七层模型和TCP/IP模型

    详解OSI七层模型 1. 详解OSI七层模型 1.1 详解每层结构 1.2 交换机和路由器的区别 1.3 集线器与路由器在功能上有什么不同 2. 详解TCP/IP模型 2.1 详解每层结构 2.2 O ...

  2. R语言广义加性模型(GAMs:Generalized Additive Model)建模:数据加载、划分数据、并分别构建线性回归模型和广义线性加性模型GAMs、并比较线性模型和GAMs模型的性能

    R语言广义加性模型(GAMs:Generalized Additive Model)建模:数据加载.划分数据.并分别构建线性回归模型和广义线性加性模型GAMs.并比较线性模型和GAMs模型的性能 目录

  3. OSI 七层模型和TCP/IP模型及对应协议(详解)

    OSI 七层模型和TCP/IP模型及对应协议(详解) 查看全文 http://www.taodudu.cc/news/show-6185847.html 相关文章: OSI7层网络模型协议精析 OSI ...

  4. OSI 七层模型和TCP/IP模型及对应协议

    OSI 七层模型和TCP/IP模型及对应协议图: 完成中继功能的节点通常称为中继系统.在OSI七层模型中,处于不同层的中继系统具有不同的名称. 一个设备工作在哪一层,关键看它工作时利用哪一层的数据头部 ...

  5. 标准事件模型和IE事件模型

    前言:在上一篇博客中总结了0级DOM事件模型和2级DOM事件模型,打铁趁热就在谈谈标准事件模型和IE事件模型的区别吧. 一. 标准事件模型 在JavaScript中把标准事件模型的执行分为三个阶段,即 ...

  6. 标准盒模型和 IE 盒模型

    对于标准盒模型和 IE 盒模型你了解多少? 盒模型讲解 我们今天只会提到 标准盒模型,和 IE 盒模型,两种盒模型模式讲解.首先来看标准盒模型. 只要是盒模型都会有这四个属性 margin, bord ...

  7. 基于JVM原理、JMM模型和CPU缓存模型深入理解Java并发编程

    许多以Java多线程开发为主题的技术书籍,都会把对Java虚拟机和Java内存模型的讲解,作为讲授Java并发编程开发的主要内容,有的还深入到计算机系统的内存.CPU.缓存等予以说明.实际上,在实际的 ...

  8. utxo模型_UTXO模型和Account账户模型的区别和对比

    最近一直看NX-MAX共识协议,以前没有看过NC共识,很多基本的概念不是很了解,边看边做了些笔记,和大家分享: Account模型 首先我们来看看Account模型是怎样的,举个例子A的银行账户里面有 ...

  9. OSI模型和TCP/IP模型

    OSI模型 开放式系统互联通信参考模型(英语:Open System Interconnection Reference Model,缩写为 OSI),简称为OSI模型(OSI model),一种概念 ...

最新文章

  1. 取消掉Transfer-Encoding:chunked
  2. spark集群使用hanlp进行分布式分词操作说明
  3. Ora_Excel 碉堡了
  4. 自动化部署shell01
  5. python subprocess Popen
  6. boost::mp11::mp_map_update_q相关用法的测试程序
  7. matlab中打不开保存好的模糊控制器,(完整版)matlab模糊控制工具箱的使用
  8. FastAPI 结合 SQLAlchemy 操作 MySQL 数据库
  9. 计算机专业英语基础篇
  10. python selenium chrome获取每个请求内容_python+selenium调用chrome打开网址获取内容
  11. jmstudio 摄像头获取不到_什么是全景摄像头?
  12. 使用rapid-framework继承jsp页面
  13. 沧小海笔记之PCIE协议解析——第二章 详述PCIE事务层
  14. 2018年6月2日 星期六 天气晴
  15. 无线服务器dns怎么设置方法,怎么设置无线路由器的dns
  16. .fit VS .fit_generator in Keras
  17. 弘辽科技:淘宝直通车点击量是什么意思?直通车点击量怎么提升?
  18. 晨控可视化标签在资产管理上的应用及优势
  19. android开发的程序闪退,Android软件闪退
  20. linux禁用用户账号,linux 如何禁用账号和解除禁用账号

热门文章

  1. BigDecimal 运算及取小数位
  2. “启智创新 连接未来”2016中国移动互联网年会在京举办
  3. Unity ASE制作彩色流光马赛克 像素风 舞池DJ台效果Shader
  4. 国内云计算的下半场机遇在哪里?
  5. JAVA 图片地址路径转换 Base64 工具类
  6. 智能车竞赛技术报告 |单车拉力组 - 大理工大学- 基于串级控制的智能循迹自形成研究
  7. 一个简单的审批流程系统设计
  8. Pagerduty - prometheus - grafana测试告警的使用方法
  9. Hystrix(1)--->hystrix的基本使用
  10. CSS-background、渐变