从银行业的发展历程来看，商业银行客户信用评级大致经历了专家判断法、信用评分模型、违约概率模型三个主要发展阶段。
（1）专家判断法
专家判断法即专家系统（Expert System），是商业银行在长期经营信贷业务、承担信用风险过程中逐步发展并完善起来的传统信用分析方法。专家系统是依赖高级信贷人员和信贷专家自身的专业知识、技能和丰富经验，运用各种专业性分析工具，在分析评价各种关键要素基础上依据主观判断来综合评定信用风险的分析系统。一般而言，专家系统在分析信用风险时主要考虑两方面因素。
①与借款人有关的因素：
声誉（Reputation）。借款人的声誉是在其与商业银行的历史借贷关系中反映出来的，如果该借款人过去总能及时、全额地偿还本金与利息，那么他就具有良好的声誉，也就能较容易或以较低的利率从商业银行获得贷款。
杠杆（Leverage）。借款人的杠杆或资本结构，即资产负债比率对借款人违约概率影响较大。杠杆比率较高的借款人相比杠杆比率较低的借款人，其未来面临还本付息的压力要大得多，其违约概率也就会高很多。如果贷款给杠杆比率较高的借款人，商业银行就会相应地提高风险溢价。
收益波动性（Volatility of Earnings）。如果未来面临同样的本息还款要求，在期望收益相等的条件下，收益波动性高的企业更容易违约，信用风险较大。因此，对于处于成长期的企业或高科技企业而言，由于其收益波动性较大，商业银行贷款往往非常谨慎，即使贷款，其利率也会比较高。
②与市场有关的因素：
经济周期（Economic Cycle）。经济周期对于评价借款人的违约风险有着重要的意义。例如，如果经济处于萧条时期，那么消费者就会明显削减对汽车、家电、房产等耐用消费品的需求，但对于食品、水电等生活必需品的需求则不会有明显下降。因此，在经济萧条时期，耐用消费品行业的企业更容易出现违约，对于该类企业的贷款要相对谨慎，且应要求较高的风险溢价。
宏观经济政策（Macro-Economy Policy）。政府宏观经济政策对于行业信用风险分析具有重要作用，尤其是对市场经济不发达或正处于转型经济中的国家/地区而言，影响尤为突出。如果政府对某些行业（如高耗能行业）采取限制发展的措施，那么这些行业的企业信用风险就会比较高。
利率水平（Leveof Interest Rates）。高利率水平表示中央银行正在实施紧缩的货币政策。从宏观角度看，在该货币政策的影响下，所有企业的违约风险都会有一定程度的提高。此外，在信息不完全对称的情况下，商业银行在向企业要求较高风险溢价的同时也使自身面临的风险增加，原因在于，由于逆向选择效应与激励效应的作用，高利率不仅造成潜在借款人的整体违约风险提高，而且会促使借款人承担更高的风险。
专家系统的突出特点在于将信贷专家的经验和判断作为信用分析和决策的主要基础，这种主观性很强的方法／体系带来的一个突出问题是对信用风险的评估缺乏一致性。例如，对于同一笔信贷业务主要受到哪些风险因素的影响以及这些风险因素的重要程度有什么差异，不同的信贷人员由于其经验、习惯和偏好的差异，可能出现不同的风险评估结果和授信决策建议。专家系统这一局限性对于大型商业银行而言尤为突出，使得商业银行统一的信贷政策在实际操作过程中因为专家意见不一致而失去意义。
（2）信用评分模型
信用评分模型是一种传统的信用风险量化模型，利用可观察到的借款人特征变量计算出一个数值（得分）来代表债务人的信用风险，并将借款人归类于不同的风险等级。对个人客户而言，可观察到的特征变量主要包括收入、资产、年龄、职业以及居住地等；对法人客户而言，包括现金流量、各种财务比率等。信用评分模型的关键在于特征变量的选择和各自权重的确定。目前，应用最广泛的信用评分模型有线性概率模型（Linear Probability Model）、Logit模型、Probit模型和线性辨别模型（Linear Discriminant Model）。信用评分模型是商业银行分析借款人信用风险的主要方法之一，但在使用过程中存在一些问题：
①信用评分模型是建立在对历史数据（而非当前市场数据）模拟的基础上，回归方程中各特征变量的权重在一定时间内保持不变。
②信用评分模型对借款人历史数据的要求较高，商业银行需要建立起一个包括大多数企业历史数据的数据库。
（3）违约概率模型
违约概率模型分析属于现代信用风险计量方法。与传统的专家判断法和信用评分模型相比，违约概率模型能够直接估计客户的违约概率。同时，需要商业银行建立一致的、明确的违约定义，并且在此基础上积累至少五年的数据。毫无疑问，信用风险量化模型的发展正在对传统的信用风险管理模式产生革命性的影响。针对我国银行业的发展现状，商业银行将违约概率模型和传统的信用评分法、专家系统相结合、取长补短，有助于提高信用风险评估/计量水平。
京公网安备：11010802023422号
