第十章 证券公司信用管理

第一节 证券公司信用风险管理 的基本内容

证券公司从事的是高风险的业务，即使在已有上百年发展历史的发达国家及其成熟市场上，证券业务

也是有风险的，这是由证券公司自身的特点和发展规律决定的。 证券公司的信用风险是指交易对手出于不能或不愿

而不履行合约所引起的风险，这些合约包括按时偿还本息、互换与外汇交易中的结算，约定的证券买

卖及其他业务。互换：约定两个或两个以上的当事人按照协议条件 及在约定的时间内交换一系列现金流的衍生工具。

一、证券公司面临的 信用风险特性

证券公司风险的大小、结构等，可能因公司自身现行 财务状况、公司本身素质，公司业务等不同而有所区 别，但一般而言，证券公司信用风险具备下列特性：

客观存在性 证券行业由于所处的经济环境不确定性极强，因此风险 是时时存在的。

不确定性 就某一具体风险而言，它的发生是偶然的，是一种随机

现象。每次风险发生的剧烈程度，及影响结果充满不确定性。股票价格围绕价值上下波动，各个阶段，各种信 息对股市的影响不尽相同，具有不确定性。

可控制性– 人们不能避免风险，但并不是在风险面前束手 无策，由于风险是可预见的，人们可以进行风 险的事前控制，减少风险损失。尤其证券公司

的风险可以通过预测，利用风险管理工具进行控制和管理

效益性– 风险可以带来损失，但又可以带来效益，尤其

证券行业是一个高风险和高收益的行业，可以说没有风险就没有收益。当然冒风险不等于蛮 干，没有根据地冒风险，实际上等于危险，非 但不会带来利润，一定会造成的损失

创新性– 创新的动机之一是规避风险，带来收益，但是

创新带来的风险会更高当然带来损失的可能也更大。金融行业是一个创新不断的行业，新的 交易品种和新的业务开展，在带来较高收益的 同时，必然伴随着较高的风险。

二、证券公司信用风险衡量方法

信用风险的计量可以通过历史违约率的统计

得到实现：– 证券公司历史上的违约次数与交易次数的比例

– 违约金额与交易金额的比例

对证券公司来说，资本金的多少决定了证券

公司的实力和支付、偿债能力。国内外学者运用不同的预测变量、采用各种数学工具和

方法建立了大量的财务预警模型。

1、单变量模型——单个财务比例恶化来预测企业的破产 可能性 比弗于1966年首先运用统计方法建立了单变量财务预警模型。他按综合性和预测能力的大小，预测企业财务失败的因素有： 债务保障率=

现金流量/债务总额 资产收益率=净收益/总资产 资产负债率=总负债/总资产

资金安全率=资产变现率-资产负债率其中：资产变现率=资产变现金额/资产账面金额

比弗认为债务保障率能够最好地判定企业 的财务状况(误判率最低);其次是资产 负债率，并且离失败日越近，误判率越低。

蓝田股份各年有关比率如下：

1998年末、2000年中、2000年末，现金净流量为负值，导 致债务保障率为负数，现金流量不足应引起足够重视，而

各年资产收益率大体呈下降趋势，企业由于盈利和现金流量的不足，为维持生产经营的继续进行，通常会大量负债， 从而使偿债能力降低而偿债压力加大。 2001年中报中，其短期借款已达近2.9亿元，可以说明这一 点。在同行业对比中，其短期偿债能力也最低，而从上表

可知，该公司应收账款规模过低，应收账款比率已远远低于同行业水平，在商业信用如此发达的今天，如此过低的 应收账款让人对资料的真实性产生怀疑，也应提醒管理层 和投资者及早关注该公司动态。

缺点在于:一个企业的财务状况是用多方面的财务指标来反映的,没有哪一个比率能概 括企业的全貌。因此,这种方法经常会出现 对于同一个公司,使用不同的预测指标得出 不同结论的现象。因此招致了许多批评,而 逐渐被多变量方法所替代。

2、多元线性判定模型—Z分值模型 奥尔特曼以美国1946-1965年提出破产申请的33家公司和33家健 康公司为研究样本，采用多元线性判别方法构建了如下预测模型， 即Z分值模型： Z=1.2R1+1.4R2+3.3R3+0.6R4+1.0R5 R1=运营资金/总资产 R2 =留存收益/总资产 R3 =息税前利润/总资产 R4 =优先股和普通股市值/负债账面金额 R5 =销售收入/总资产

5个变量，将企业偿债能力、获利能力和资金运营能力有机地联系起来，综合预测企业财务失败或破产的可能性。

2、多元线性判定模型—Z分值模型 一般来说，Z值越低则企业破产的可能性的越大。– Z≤1.8时，企业破产可能性非常高； – 1.81<Z<2.99时，企业是否破产不能确定； – 3≤Z时，企业不可能破产。

奥尔特曼用1970-1982年间109家破产公司为样本对Z分值模 型进行了有效性验证，发现模型对破产公司样本前1年的预 测准确率达到86.2%,而审计师在公司破产前1年的预测准 确率仅为48.1%。这表明Z分值模型对持续经营危机的预测准 确性高于审计师，应用模型有助于减少审计期望差距。