基于复杂性的客户信用评级

需求分析

• 20世纪80年代以来，世界范围内不断发生的金融危机导致了1988年的《巴塞尔资本协议》和2004年的《巴塞尔新资本协议》的出台。 《巴塞尔新资本协议》的核心内容是银行内部评级法，其目的在于加强银行监管力度，督促银行业提高风险管理水平，促进世界金融业的稳定。 从某种意义上讲，随着经济的发展和银行业监管力度的加强，现代银行业的竞争很大程度上是信用风险管理能力的竞争。
• 信用评级作为商业银行信贷管理的重要基础工作，重要性日趋明显，对评级方法的要求也越来越高。 建立一套科学有效的信用评级体系，对于商业银行提高风险管理水平具有重要的现实意义。

目标

　

• 运用复杂科学的方法和手段，客观、定量的进行客户信用及风险评价，帮助国内银行提高客户信用评级效果和银行的信贷资产质量，降低银行的信用风险，减少和避免风险损失。

解决方法

• Step 1 确定银行信用评价体系指标，获取待考察客户的数据
• Step 2 计算信息熵、拓扑结构和整体复杂度
• Step 3 量化计算客户当前的健康状态，识别客户脆弱点；根据客户的经营健康状态，确定客户信用评级
• 复杂度（Complexity）——反映系统图拓扑结构和信息熵；复杂度越高，反映企业管理成本和难度增加
• 不确定度（Uncertainty）——反映企业经营活动的无序度和不确定性程度
• 不稳定度（Instability）——反映复杂性突变程度，是一段时间内复杂度的波动程度，
• 互赖度（Interdependency）——反映企业内在结构的稳定程度，定义为复杂系统图密度
• 脆弱度（Vulnerability）——反映企业风险程度，是当前复杂度与临界复杂度的距离
• 拓扑稳健度（Topologic Robustness）水平,按下表5星评级
  
• Step 4 监测客户整体经营状态，及时发现危机前兆，调整信用评级

先进性

• 客观性和真实性：不建立数学模型，不对数据进行预处理，对样本的分布没有要求，不引入人为主观判断因素
• 全局性和整体性：将微观分析与宏观综合相结合，从系统工程角度认知数据整体的内在信息、结构和依赖规则
• 评价指标定量化：量化评价非线性相关度、复杂度、模型可信度水平等核心指标
• 数据处理能力强：能处理各种有噪声、随机的、不完全的、病态的、海量的或者小样本的数据

工具软件

• 基于复杂性的风险诊断软件：OntoDyn™
• 复杂性量化分析软件：OntoSpace™

数据来源

• 根据银行的信用评级体系确定指标，一般包括环境要素、财务要素、管理要素及信用要素：

计算原理

• 统计信息分析：
• 变量信息熵(Info Content): 香农熵测度，反映无序度
• 变量稳健度（Robustness): Kolmogorov-Smirnov病态性检验，反映偏离正态分布的程度
• 离群值分析（Outlier): 通过马氏距离分析离群点，识别小概率事件和风险
• 系统结构分析：
• 非线性相关性（Generalized Correlation):基于互信息测度进行非线性相关性计算，由于传统Pearson、Spearman等级相关系数和Kendall(肯德尔)的tau相关系数
• 状态空间图（Anthill Plot):动态查看所有变量和变量组数据序列形态
• 系统图（System Map)描述系统所有状态变量之间的依赖关系和模式，包含的知识远远超过传统函数描述：
• 节点(Node)代表参数，呈对角线排列
• 节点之间的连线(Link)代表关联规则和信息流
• 核心节点（Hub)是与其他节点关联最紧密的关键参数


• 复杂度贡献图 (Complexity Profile)：反映所有状态变量对系统整体复杂性的贡献
• 系统结构稳健度（Topological Robustness):反映系统整体结构稳健性的量化指标
• 系统度分布（Degree Histogram):反映所有变量之间耦合强弱的排序，可以识别核心参数和脆弱点

典型客户

• 意大利迪松德里奥人民银行
• 以色列米兹拉西联合银行