JP4358475B2

JP4358475B2 - Credit evaluation system

Info

Publication number: JP4358475B2
Application number: JP2002120102A
Authority: JP
Inventors: 眞三好; 直人大城; 滋引馬
Original assignee: 株式会社金融工学研究所
Priority date: 2002-04-23
Filing date: 2002-04-23
Publication date: 2009-11-04
Anticipated expiration: 2022-04-23
Also published as: JP2003316950A

Description

【０００１】
【発明が属する技術分野】
本発明は、債務者の信用評価システム及び信用評価方法に関するものである。
【０００２】
【従来の技術】
現在、金融機関で債務者格付、もしくはスコアリングを行なう手段として、各種財務変数（売上高、有形固定資本等）やそれらを組み合わせた財務指標（売上高経常利益率、自己資本比率等）を用いて判別分析やロジスティック分析等の統計的手法により、対象企業のデフォルト可能性を判断する方法が主流である。これらの統計的手法は、分析対象となる全ての企業から同じ財務変数を入手することが前提である。
【０００３】
しかしながら、一般に中堅企業、中小企業、零細企業や個人においては、財務諸表の整備が十分でない場合が多く、また統計上粉飾決済等により異常値が統計データ中に含まれる可能性が高い。このため、これらの企業や個人のデータを分析する際、分析に必要な財務指標が揃わない場合が多い。この場合、その財務指標を利用することをあきらめるか、その他の一定の数値を代用として利用する必要があるが、データ精度の面などから分析上問題となることがある。
【０００４】
また、既存の統計的手法では、財務指標など定量的な数値を利用することが前提である。定性情報をモデルに織り込むにはダミー変数の設定など分析上工夫が必要となる。
【０００５】
さらに、既存の統計的手法では、財務諸表間の相関関係が強い場合、共線性の発生により係数の符号の正負が逆転するなど好ましくない影響が起こりやすいため、極度に注意を払う必要がある。
【０００６】
【発明が解決しようとする課題】
以上、説明したように従来の信用評価システムは、定性データ、定量データ、欠測値の多い財務データ、欠測値の少ない財務データ、外れ値の多いデータ等を総合的に判断できなかった。即ち、従来の技術では債務者の情報のごく一部を用いて信用度を計測していた。また、一定の経済的概念の中での総合評価を算出することのできる信用評価システム及び信用評価方法は確立されていない。
【０００７】
本発明は、このような問題点を解決するためになされたものであり、信用評価を適切に行なうことができ、特に定性データ、定量データ、欠測値の多い財務データ、欠測値の少ない財務データ、外れ値の多いデータ等を総合的に判断することができる信用評価システム及び信用評価方法を提供することを目的とする。
【０００８】
【課題を解決するための手段】
本発明にかかる信用評価システムは、１次判別モデルに基づいて優良企業グループと、非優良企業グループに分別する第１の処理手段と、前記第１の処理手段により分別された優良企業グループと、非優良企業グループのそれぞれのグループ毎に、異なるモデルに従って２次スコアリングモデルにより実行する第２の処理手段と、債務者の信用リスクと関連性のある指標に関する指標情報であって、過去の多数のサンプルに対する指標データと、各サンプルが基準時点において実際にデフォルトしたデフォルト先であるか、基準時点において実際にデフォルトに至らなかった正常先かを示すデータを関連付けて記憶する指標情報記憶手段と、分割値に関する情報を含むモデル情報を記憶するモデル情報記憶手段と、信用リスクの評価を行なおうとする債務者の各指標に対応するデータを記憶する債務者情報記憶手段と、信用リスクの評価結果を示す評価情報を記憶する評価情報記憶手段とを備え、債務者の信用度を評価する信用評価システムであって、第１の処理手段は、分割基準を入力し、入力された分割基準に応じて前記債務者情報記憶手段に格納された債務者のデータを優良企業グループのデータ群と、非優良企業グループのデータ群に分別する分別手段を有し、第２の処理手段は、前記指標情報記憶手段より取得された各グループ毎の指標情報から生成された、各グループ毎のデフォルト先の分布データと正常先の分布データのそれぞれについて、当該分布データのうち信用度の低い側にありデフォルトと判別するデフォルト領域と、当該分布データのうち信用度の高い側にあり正常と判別する正常領域に分割する分割値を各グループのそれぞれについて入力する手段と、入力された分割値に基づき、前記指標情報記憶手段より取得された各グループ毎の指標情報から生成された、各グループ毎のデフォルト先の分布データを分割し、実際のデフォルトサンプルで前記デフォルト領域にあるサンプルの数Ａと、実際のデフォルトサンプルで前記正常領域にあるサンプル数Ｃを算出し、さらに、Ａ／（Ａ＋Ｃ）をシグナル（Ｓ）として算出し、各グループのそれぞれについてバッファに格納する手段と、入力された分割値に基づき、前記指標情報記憶手段より取得された各グループ毎の指標情報から生成された、各グループ毎の正常先の分布データを分割し、実際の正常サンプルで前記デフォルト領域にあるサンプルの数Ｂと、実際の正常サンプルで前記正常領域にあるサンプル数Ｄを算出し、さらに、Ｂ／（Ｂ＋Ｄ）をノイズ（Ｎ）として算出し、各グループのそれぞれについてバッファに格納する手段と、前記バッファより前記シグナル（Ｓ）及びノイズ（Ｎ）を読み出し、ノイズ（Ｎ）÷シグナル（Ｓ）を計算することによりＮ／Ｓ比率を算出し、当該Ｎ／Ｓ比率を各グループのそれぞれについてバッファに格納する手段と、複数の分割値毎に計算され、前記バッファに格納された複数のＮ／Ｓ比率から、Ｎ／Ｓ比率が最低値をとる分割値を求め、その分割値を各グループのそれぞれについて前記モデル情報記憶手段に格納する手段と、前記モデル情報記憶手段に格納された分割値の指標値と、前記債務者情報記憶手段に格納された評価対象の債務者の指標値とを比較する手段と、比較の結果、評価対象の債務者の指標値が前記分割値の指標値よりも信用度の低い側にあると判定された場合には、Ｎ／Ｓ比率の逆数を計算して、Ｎ／Ｓ比率の逆数を評価対象の債務者の得点として前記評価情報記憶手段に格納する手段と、比較の結果、評価対象の債務者の指標値が前記分割値の指標値よりも信用度の高い側にあると判定された場合には、０点を評価対象の債務者の得点として前記評価情報記憶手段に格納する手段を備えたものである。
【０００９】
さらに、複数の指標について得点を付与し、特定の合計値を求めると共に、当該指標の数により割ることによって、単位当りの得点を算出し、単位総合デフォルト指数として前記評価情報記憶手段に格納する手段をさらに備えることが好ましい。
【００１０】
望ましくは、債務者の信用度を評価するための指標には、利益関連指標が含まれる。
【００１２】
ここで、好適な実施の形態では、前記債務者は、中小企業である。
【００１５】
【発明の実施の形態】
発明の実施の形態１．
図１に、本発明にかかる信用評価システムにおける評価モデルの概念図を示す。図１に示されるように、本発明にかかるモデルは、１次判別モデル１００と、２次スコアリングモデル２００を含み、これらを経て最終スコアリングモデル３００が構成される。
【００１６】
ここで、１次判別モデル１００は、対象企業群を優良と非優良に分割するためのモデルである。２次スコアリングモデル２００は、1次判別モデルの結果や業種別などに細分化されたグループ毎に、各企業のデフォルト確率を計算するためのモデルである。最終スコアリングモデル３００では、各モデル１００、２００を統合し、例えば業種、規模、グループ毎のスコアリングを統合する。
【００１７】
さらに１次判別モデル１００について詳述する。1次判別モデルは、財務データから一見して優良に判断される中小企業と厳しい経営が予想される非優良中小企業に分別するモデルである。１次判別モデル１００を設けた理由は次の通りである。
【００１８】
（１）優良中小企業と非優良企業では、粉飾決算なども含め倒産にいたるプロセスに違いがある可能性を考慮するためである。
【００１９】
（２）一般に、デフォルト率は信用度が悪化するほど指数関数的に増加することが知られている。この指数関数的なデフォルト率を、債務者の質により優良と非優良へ２分することで、直線２本で近似する。結果として、推計結果のフィッティングを良くすることが可能となる。
【００２０】
以上の理由により、１次判別モデルを利用して、比較的優良な企業群とそうでない非優良企業群に分割している。ここで、優良企業と非優良企業の分割は、例えば、格付け会社の格付けや評価点を用いるとよい。例えば、格付けがＢＢ＋より悪くなる確率を求めるモデルを作成し、その結果を利用する。尚、この例では、２分割したが、これに限らず、３分割以上であってもよい。
【００２１】
続いて、２次スコアリングモデル２００について詳述する。２次スコアリングモデル２００は、個々の債務者の理論デフォルト確率を求めるモデルである。従来の統計モデルでは避けることができなかった、外れ値や欠損値による影響を極力減らすモデル構築を行う。また、できるだけ多くの指標値を評価の対象とする。これを実現するために、本モデルでは、説明変数の一つに総合デフォルト指数を含む。
【００２２】
図２に、２次スコアリングモデル２００の構成を示す。まず、各種財務指標値から総合デフォルト指数を計算する。そして、この総合デフォルト指数を説明変数の一つとして利用し、他の財務指標値とともに、所定のロジスティックモデルを用いてデフォルト確率を計算する。
【００２３】
ここで、総合デフォルト指数を導くためのシグナルモデルについて説明する。まず、例えば、自己資本比率等の信用リスクを評価する上での特定の指標の分布が図３で与えられるとする。この分布は、例えば、多数の債務者のサンプルデータに基づき与えられ、デフォルト先の分布データと、正常先の分布データが示されている。ここで、「デフォルト先」とは、基準時において実際にデフォルトに至ったサンプルをいい、「正常先」とは、基準時において実際にはデフォルトに至らなかったサンプルをいう。図３では、横軸が自己資本比率であり、縦軸はサンプル数である。左に行くほど自己資本比率が低くなる、即ち、一般的にデフォルトしやすい傾向を有する。先ず、適当なところでサンプルを２分割する。例えば図３中の点線で示す箇所にて分割する。
【００２４】
ここで、点線より左側を「デフォルト領域」とする。点線より右側を「正常領域」とする。そして、実際のデフォルトサンプルでデフォルト領域にあるサンプル数をＡとする。また、実際の正常先サンプルでデフォルト領域にあるサンプル数をＢとする。実際のデフォルトサンプルで正常領域にあるサンプル数をＣとする。さらには、実際の正常先サンプルで正常領域にあるサンプル数をＤとする。これらの関係は次の表１にまとめる。
【００２５】
【表１】

この分割線でサンプルを２分したとき、デフォルト先サンプル全体に対するデフォルト領域に入るサンプル数の比、Ａ／（Ａ＋Ｃ）をシグナル（Ｓ）と呼ぶ。このシグナル（Ｓ）は、実際にデフォルトしたサンプルをデフォルト先であると正しく判別した割合である。
【００２６】
また、正常先サンプルに対するデフォルト領域に入るサンプル数の比、Ｂ／（Ｂ＋Ｄ）をノイズ（Ｎ）と呼ぶ。このノイズ（Ｎ）は、実際にはデフォルトしなかった正常先であるが、誤ってデフォルト先と判定してしまった割合である。
【００２７】
シグナルとノイズの推移を図４に示す。縦軸は比率、横軸は自己資本比率を示している。図４の分割点におけるＮ／Ｓ比率を求める。Ｎ／Ｓ比率はノイズ（Ｎ）÷シグナル（Ｓ）で計算される。分割点における正常サンプルとデフォルトサンプルの判別能力が高いほどノイズは小さく、シグナルが大きくなるので、Ｎ／Ｓ比率は小さい値となる。逆に判別能力が低いほどＮ／Ｓ比率は大きくなる。Ｎ／Ｓ比率が１を超える場合、その分割点における判別能力はないことを示す。算出されたＮ／Ｓ比率が例えば最小値をとる分割点、即ち最小誤判別点を求め、その分割点を決定する。分割点の設定については、その他の発明の実施の形態において、この手法以外の手法につき説明する。
【００２８】
このようにして分割点が決定されると、次に特定の債務者に関する信用リスクの評価を指標毎に得点化することによって実行する。好適な実施の形態では、分割点左側の全てのサンプルは１点、分割点の右側のサンプルは０点とする。具体的には、分割点にかかる自己資本比率よりも低い自己資本比率を有する債務者は、１点が与えられる。また、分割点にかかる自己資本比率よりも高い自己資本比率を有する債務者は、０点が与えられる。これらに、決定された分割点におけるＮ／Ｓ比率の逆数を乗じた数字を得点（スコア）とする。判別能力が高いほど、即ち、Ｎ／Ｓ比率が低いほど、分割点の左側にあるサンプルは高いスコアを得ることになる。これは、判別能力が高い方法によりデフォルト可能性が高いと判別された場合には、より信用リスクが高くなるように、得点に対する重み付けを行なったものである。
【００２９】
他の自己資本比率以外の指標に関して同様にスコアを計算してそれらを全て合計する。例えば、５０以上の指標につきスコアを計算し、合計する。この合計値を総合デフォルト指数と呼ぶ。尚、総合デフォルト指数の最大値は、すべての指標が１のシグナルを発したとき、Ｎ／Ｓ比の逆数の合計に等しくなる。
【００３０】
しかしながら、サンプルの中には、データが不備のため一部の指標が計算できない場合もある。この場合、総合デフォルト指数をサンプル間で直接比較することができない。そこで、本発明にかかる信用評価システムでは、総合デフォルト指数を計算する際に用いた指標の個数（即ち、０か１が与えられた個数）で割ることで単位得点（単位総合デフォルト指数）を計算している。このようにすることによって、債務者間で信用リスクにつき直接比較が可能となる。この単位総合デフォルト指数が大きいほどデフォルトする可能性が高いとみなす。
【００３１】
このような単位総合デフォルト指数を用いた本発明にかかる信用評価システムは、中小企業の信用リスクを評価する上で極めて有用である。通常の信用リスク分析においては、中小企業の財務諸表のように、データの信頼性に乏しく、かつ財務指標が十分にそろわない欠損値が多い場合、信用リスク分析は困難になる。この場合、本発明にかかる信用評価システムでは、各財務指標値において相対的によい側に属する企業群と悪い側に属する企業群に分割し、悪い側に属する企業に１を、良い側に属する企業に０を付与し各種財務指標値の単位合計で企業の信用力を評価しているため、総合的に中小企業の信用力を評価することができる。
【００３２】
本発明にかかる信用評価システムについて、実際に、精度の高い単位総合デフォルト指数の計算に不可欠な大規模な財務データベースを用いて単位総合デフォルト指数のパラメータを計算した。この財務データベースは、法人に関しては債務者数が約７５万（その内デフォルト数が約５万）、決算書数が約２２５万（その内デフォルト数が約１３万）であり、事業性個人に関しては債務者数が約２４万（その内デフォルト数が約２万）、決算書数が約５０万（その内デフォルト数が約３万）である。その結果、従来の信用評価システムでは、デフォルトとの相関性が低いため利用されることが少ない、売上高営業利益率、一人当たり利払い後事業利益、総資本当期利益率等の利益関連指標や減価償却率等も本発明にかかる信用評価システムでは評価対象とすることができることが確認された。
【００３３】
次に、本発明の実施の形態１にかかる信用評価システムの構成及び処理例について説明する。図５に当該信用評価システムの構成例を示す。
【００３４】
この信用評価システムは、専用コンピュータ、パーソナルコンピュータ（ＰＣ）等のコンピュータより実現可能である。但し、コンピュータは、物理的に単一である必要はなく、分散処理を実行する場合には、複数であってもよい。この信用評価システムは、例えば、ＣＰＵ１０１、入出力装置１０２、制御プログラム１０３、指標情報ファイル１０４、モデル情報ファイル１０５、債務者情報ファイル１０６、評価情報ファイル１０７及びそれらを接続するバス１０８を備えている。
【００３５】
ＣＰＵ１０１は、制御プログラム１０３に基づいて、この信用評価システム内の各種処理を実行する中央制御装置である。入出力装置１０２は、例えば、キーボード、マウス等の入力手段及びＣＲＴ、液晶ディスプレイ、プリンタ等の出力手段によって構成される。
【００３６】
制御プログラム１０３、指標情報ファイル１０４、モデル情報ファイル１０５、債務者情報ファイル１０６、評価情報ファイル１０７は、ＲＯＭ、ＲＡＭ、ハードディスク等の内部又は外部記憶手段に格納されている。これらのプログラム、データベースは、遠隔に設けられたデータベース等からインターネット等の通信網を介して取得するようにしてもよい。
【００３７】
制御プログラム１０３は、本システムに関する処理をＣＰＵ１０１により実行させるためのプログラムである。
【００３８】
指標情報ファイル１０４は、自己資本比率、親会社の信用度、オーナー資産の有無等の信用リスクと関連性のある指標に関する指標情報を記憶するファイルである。例えば、この指標情報には、図３の分布情報を得るための、過去の多数のサンプルに対する指標のデータと、各サンプルが基準時点においてデフォルトしたか否かのデータを関連付けた情報が含まれる。
【００３９】
モデル情報ファイル１０５は、上述のシグナルモデルによりＮ／Ｓ比率を算出するために必要な情報を記憶するファイルである。例えば、この情報には、決定された分割点に関する情報、データ補充率や基準となるＮ／Ｓ比率等が含まれる。
【００４０】
債務者情報ファイル１０６は、信用リスクの評価を行なおうとする債務者に関する情報を記憶するファイルである。例えば、この情報には、債務者の各指標に対応するデータや、総合デフォルト指数を算出する上で含める指標を特定する情報が含まれる。
【００４１】
評価情報ファイル１０７は、信用リスクの評価結果を示す情報を記憶するファイルである。例えば、この情報には、上述のような方法によって算出された総合デフォルト指数や単位総合デフォルト指数が含まれる。
【００４２】
次に、図６に示すフローチャート及び図７乃至図９に示す画面例に基づき本発明にかかる信用評価システムの処理の一例について説明する。
【００４３】
まず、一次判別モデル１００に関する処理を行う。例えば、オペレータの指示に基づき制御プログラム１０３は、債務者情報ファイル１０６より評価すべき債務者数を画面上に表示する。オペレータは、グループを分割するための基準となる格付け情報や評価点を入力する。制御プログラム１０３は、基準の入力に応じて債務者情報ファイル１０６中の債務者情報を分別し、それぞれのグループに属する債務者数を表示する。
【００４４】
続いて、２次スコアリングモデル２００に関する処理を行う。この処理は、１次判別モデル１００により分けられたグループ毎に異なるモデルに従って実行する。最初に、例えば、信用リスクを評価する上で用いられる指標のうち、特定の指標を選択する（Ｓ１０１）。例えば、自己資本比率を選択する。具体的には、図７に示す画面表示例に基づき、特定の指標の選択が実行される。図７の指標項目の欄には、予め信用リスクを評価する上で用いられる指標が列挙されている。操作者は、各指標項目についてグループ番号を付与することにより、グルーピングし、特定の指標を選択する。例えば、グループ番号として１が付与された項目が選択された指標であるとして、グループ番号１に対応する総合デフォルト指数及び単位総合デフォルト指数が計算される。それぞれの指標項目に対してグループ番号を入力し終わった場合に、入力完了ボタンをクリックすると、その情報が制御プログラム１０３によってモデル情報ファイル１０５に格納される。
【００４５】
選択された指標をさらに絞り込む処理を行なうようにしてもよい。例えば、図８の画面表示例に示すようにデータ補充率やＮ／Ｓ比率等の指標の限定要素に対する対象基準を入力する。制御プログラム１０３は、このようにして入力された対象基準に基づいて、選択された指標を絞り込み、対象とならない指標についてはその旨の情報が付加され、ステップＳ１０２以降の処理の対象とはならない。
【００４６】
さらに、この時点で計数処理の指示を行なうようにしてもよい。例えば、図９の画面表示例に示すように、処理項目及びそれに対する指示内容として、指数タイプ、分割数、分割基準等の情報を入力する。指数タイプでは、単位総合指数か総合指数かを選択入力する。
【００４７】
次に、Ｎ／Ｓ比率の計算を実行する（Ｓ１０２）。先ず、サンプルを２分割する適当な分割点を入力する。例えば図３に示すような分布を表示させ、任意の位置を指定することによって分割点を入力するようにしてもよい。また、分布を数値で表し、分割点も数値により入力するようにしてもよい。そして、シグナル（Ｓ）をＡ／（Ａ＋Ｃ）を計算することによって算出する。また、ノイズ（Ｎ）をＢ／（Ｂ＋Ｄ）を計算することによって算出する。そして、分割点におけるＮ／Ｓ比率を求める。Ｎ／Ｓ比率はノイズ（Ｎ）÷シグナル（Ｓ）で計算される。これらのシグナル（Ｓ）、ノイズ（Ｎ）及びＮ／Ｓ比率の計算にあたっては、適宜、バッファ等の記憶手段に記憶させ、読み出すことにより実現する。即ち、シグナル（Ｓ）を算出し、算出結果をバッファ等の記憶手段に保存する。ノイズ（Ｎ）を算出し、算出結果をバッファ等の記憶手段に保存する。このようにして保存された計算結果を読み出し、Ｎ／Ｓ比率の計算を実行し、その結果を再度バッファやモデル情報ファイル１０５に格納する。算出されたＮ／Ｓ比率が例えば最低値をとる分割点を求め、その分割点を決定する。分割点に関する情報は、Ｎ／Ｓ比率情報とともに、モデル情報ファイル１０５に格納される。
【００４８】
このようにして分割点が決定されると、次に特定の債務者に関する信用リスクの評価を指標毎に得点化することによって実行する（Ｓ１０３）。具体的には、分割点にかかる自己資本比率と、評価しようとする債務者の自己資本比率を比較する。分割点にかかる自己資本比率は、モデル情報ファイル１０５より読み出す。評価対象の自己資本比率は、債務者情報ファイル１０６より読み出す。制御プログラム１０３によって、評価しようとする債務者の自己資本比率の方が分割点にかかる自己資本比率よりも低いと判定された場合には、その債務者については、Ｎ／Ｓ比率の逆数を計算し、その計算結果を評価情報ファイル１０７に格納する。また、分割点にかかる自己資本比率よりも高い自己資本比率を有する債務者については、０点を評価情報ファイル１０７に格納する。
【００４９】
選択した指標に関する得点を算出すると、制御プログラム１０３は、全ての指標につき得点の算出が完了しているか否かについて判定する（Ｓ１０４）。制御プログラム１０３が、全ての指標につき得点の算出が完了していないと判定した場合には、他の自己資本比率以外の指標を選択し（Ｓ１０１）、ステップＳ１０２、ステップＳ１０３、ステップＳ１０４の処理を繰り返す。
【００５０】
全ての指標につき得点の算出が完了した場合には、算出した得点の合計値を算出し、総合デフォルト指数として、評価情報ファイル１０７に格納する（Ｓ１０５）。さらに、評価情報ファイル１０７に格納された総合デフォルト指数を、総合デフォルト指数を算出する上で計算された指標の個数により割る計算を実行し、単位総合デフォルト指数を算出する（Ｓ１０６）。この単位総合デフォルト指数も評価情報ファイル１０７に格納される。
【００５１】
以上説明したように、本発明の実施の形態にかかる信用評価システム及び信用評価方法によれば、大企業、中堅中小企業、零細企業、個人企業など入手できる定性・定量データの情報量に格差があるケース、或いは同一の業態においても、欠測値の多いデータや欠測値の少ないデータなど情報の質に格差があるケースにおいて、各種の情報を網羅的に評価した債務者の信用リスクの計測が可能になる。
【００５２】
発明の実施の形態２．
この発明の実施の形態２は、本発明にかかる信用評価システムにおいて用いられる指標値の選択処理に関する。
【００５３】
指標値の選択処理のフローを図１０に示す。まず、予め用意された複数の指標より対象とする指標を一次選択する（Ｓ２０１）。具体的には、信用評価システムでは、制御プログラム１０３に従い、指標情報ファイル１０４より指標情報を読み出し、入出力装置１０２である表示装置に指標情報を表示する。オペレータは、表示された指標情報より特定の指標情報を選択する。例えば、キーボードを用いて画面表示された指標情報のチェック欄にチェックを付することによって指標情報を選択する。選択された指標情報は、モデル情報ファイル１０５に格納される。
【００５４】
次に、信用評価システムは、一次選択された指標のそれぞれにおいて、最小誤判別点を計算により求める（Ｓ２０２）。先ず、サンプルを２分割する適当な分割点を入力する。そして、シグナル（Ｓ）をＡ／（Ａ＋Ｃ）を計算することによって算出する。また、ノイズ（Ｎ）をＢ／（Ｂ＋Ｄ）を計算することによって算出する。そして、分割点におけるＮ／Ｓ比率を求める。Ｎ／Ｓ比率はノイズ（Ｎ）÷シグナル（Ｓ）で計算される。これらのシグナル（Ｓ）、ノイズ（Ｎ）及びＮ／Ｓ比率の計算にあたっては、適宜、バッファ等の記憶手段に記憶させ、読み出すことにより実現する。即ち、シグナル（Ｓ）を算出し、算出結果をバッファ等の記憶手段に保存する。ノイズ（Ｎ）を算出し、算出結果をバッファ等の記憶手段に保存する。このようにして保存された計算結果を読み出し、Ｎ／Ｓ比率の計算を実行し、その結果を再度バッファやモデル情報ファイル１０５に格納する。算出されたＮ／Ｓ比率が例えば最低値をとる分割点を求め、その分割点を決定する（Ｓ２０３）。分割点の決定方法は、これに限らず、他の方法でもよい。分割点に関する情報は、Ｎ／Ｓ比率情報とともに、各指標と関連付けられてモデル情報ファイル１０５に格納される。ここで、分割点は、入力によるものでなくとも、制御プログラム１０３が自動的に複数の分割点を発生させ、随時、分割点ごとのＮ／Ｓ比率を計算するようにしてもよい。
【００５５】
次に制御プログラム１０３は、モデル情報ファイル１０５に格納されたＮ／Ｓ比率情報に基づき、最も低いＮ／Ｓ比率を有する指標を選択する（Ｓ２０４）。そして、制御プログラム１０３は、選択された指標について単位総合デフォルト指数を計算する（Ｓ２０５）。具体的には、図５に示すフローチャートのＳ１０２乃至Ｓ１０６及びその説明に示される処理を実行することによって単位総合デフォルト指数を計算により求める。
【００５６】
その後、制御プログラム１０３は、計算により求められた単位総合デフォルト指数に基づいて、デフォルトサンプルに対する説明力を確認する（Ｓ２０６）。この説明力の確認は、例えば、多数のサンプルについて単位総合デフォルト指数の悪い方から２０％を抽出し、その中にどの程度実際にデフォルトしたサンプルが含まれているかを算出することによって行う。
【００５７】
次に、制御プログラム１０３は、２番目にＮ／Ｓ比率が低い指標を選択する（Ｓ２０７）。そして、制御プログラム１０３は、この指標と、Ｓ２０４において選択された指標とに基づき、単位総合デフォルト指数を計算する（Ｓ２０８）。そして、この計算結果に基づきデフォルトサンプルに対する説明力が先の計算結果と比較して改善されているかどうかを制御プログラム１０３が確認する（Ｓ２０８）。制御プログラム１０３が改善されないと判定した場合（Ｓ２１０）は、指標の追加を中止する（Ｓ２１１）。中止した場合には、これまでに選択された指標を入出力装置１０２によって出力する（Ｓ２１２）。
【００５８】
制御プログラム１０３が改善されたと判定した場合（Ｓ２１０）は、３番目にＮ／Ｓ比率が低い指標を選択し（Ｓ２０７）、これを加えて単位総合デフォルト指数を計算し（Ｓ２０８）、デフォルトサンプルに対する説明力を比較する（Ｓ２０９）。これら一連の作業を、指標値を加えても、デフォルトサンプルに対する説明力が改善されなくなるまで続ける。
【００５９】
ここで、指標の選択処理に関しては、指標値を成長性や収益性などの観点からいくつかのサブカテゴリーに分類し、それぞれのサブカテゴリーの中からＮ／Ｓ比率が低い指標をいくつか選択するようにしてもよい。例えば、１００個の指標がある場合には、２０個ずつのサブカテゴリーに分け、それぞれのサブカテゴリから１つの指標を選択する。
【００６０】
また、使用する指標値の相関係数を事前に調査し、相関の高い指標はどちらか一つを排除しておくようにしてもよい。
【００６１】
その他の発明の実施の形態．
上述の例では、分割点が１箇所、即ち全体を２分割する場合を説明したが、分割を２箇所以上とすることも可能である。その場合は、各分割点でのＮ／Ｓ比率を計算する。この場合、与える点数を１か０のみではなく、３分割の場合０、１、２とする等の任意の三段階の数値とすることも可能である。信用リスクを評価しようとする債務者が、３分割した領域のいずれの領域に該当するかを判別する。そして、その上で該当する領域に対応して０、１、２のいずれかにＮ／Ｓ比率の逆数を乗算した値、即ち、０、Ｓ／Ｎ又は２Ｓ／Ｎを得点（スコア）とする。４分割の場合には、四段階の数値、５分割の場合には、五段階の数値とし、ｎ分割の場合には、ｎ段階の数値とすることが好ましい。これらの計算処理は、制御プログラム１０３に基づき実行し、最終的な評価結果は、評価情報ファイル１０７に格納される。
【００６２】
また、上述の例では、数値の存在しない指標による影響を避けるため、単位総合デフォルト指数を計算したが、存在しない数値には他の数値を代用（することで、単位当たりとはせず、総合デフォルト指数をそのまま利用することも可能である。例えば、０と１の中間の０．５点などを代用値として用いることができる。
【００６３】
また、信用度の高い側のサンプル数と信用度に低い側のサンプル数とが等しくなるような分割点としてもよい。つまり、サンプルを半分にする点で２分割する。この場合には、信用度の低い側のサンプルに対して１点を与える。
【００６４】
全体を２０％タイル毎に５分割し、信用度の低い領域から順に１点、２点、３点、４点、５点を与えても良い。
【００６５】
全体をｎ分割し、それぞれに同じ点数、例えば１点を与えても良い。
【００６６】
分割点に関しては、データマイニング手法である、ＣＡＲＴ法、ＱＵＥＳＴ法等のＴｒｅｅ分析を用いて最適分割点を探るようにしてもよい。ここで、ＣＡＲＴ法は、分類および回帰２進木をいい、データを２つのサブセットに分割して、各サブセット内のケースが前のサブセットよりも等質になるようにする。また、ＱＵＥＳＴ法は、変数選択と分岐点選択を個別に取り扱う２進木成長アルゴリズムである。
【００６７】
また、単位総合デフォルト指数の作成に不可欠なＮ／Ｓの設定については、次のようにしてもよい。即ち、複数の分割点があり、かつ、各領域ごとに０点もしくは1点およびそれ以外の数値を含む得点が付与されている場合は、全ての分割点でＮ／Ｓ比率を一定にする。換言すると、複数の分割点によって分割された場合には、それぞれの領域に異なる点数を付与する。そのときは、それぞれの点数にはＮ／Ｓ比率は掛け合わせる必要はなく、そのままの点数としてもよい。
【００６８】
また、複数の分割点があり、かつ、各領域ごとに同じ得点が付与されている場合は、同じ点数が付与された分割点ではＮ／Ｓ比率を個別に与えるようにしてもよい。このようにすることで、Ｎ／Ｓ比率によって各領域に差異を生じさせることが可能となる。
【００６９】
さらに、全てのデフォルトサンプルの点で分割点を与え、それぞれの分割点でＮ／Ｓ比率を計算するようにしてもよい。即ち、１０００個のサンプルがある場合には、１０００個分のＮ／Ｓ比率を計算する。これらのＮ／Ｓ比率をスムーズにつなぐ曲線で近似したラインを利用し、指標値の任意の点におけるＮ／Ｓ比率を計算する。
【００７０】
上述の例では、連続的なデータを前提としたが、定性的で離散的なデータも織り込むことが可能である。例えば、「持ち家」か「借家」を示すデータが有る場合、以下の算式でＮ／Ｓ比率を計算することで、本指標をモデルに取りこむことが可能である。借家をデフォルト領域とした場合、借家でデフォルトしたサンプルをＡ、借家で正常のサンプルをＢ、持ち家でデフォルトしたサンプルをＣ、持ち家で正常のサンプルをＤとすることで、同様にＮ／Ｓ比率を計算する。即ち、Ａ／（Ａ＋Ｃ）を計算することによりシグナル（Ｓ）を求め、Ｂ／（Ｂ＋Ｄ）を計算することによりノイズ（Ｎ）を求める。そして、これらの値より特定の分割点におけるＮ／Ｓ比率を求める。
【００７１】
また、単位総合デフォルト指数を用いて、事業性個人の評価項目に「営業利益率」等の定量項目と「後継者の有無」などの定性項目を同じモデルのなかで評価するようにしてもよい。
【００７２】
さらに図１１のようにデフォルト先の分布が２極化しているようなケースでは、デフォルト先の中間値からの距離により、図４の横軸に示すような元データを基準化してＮ／Ｓ比率を算出して精度を上げることができる。或いは、そもそもの変数自体を正規化していれば変数の絶対値を用いていることでＮ／Ｓ比率を算出して精度を上げることができる。
【００７３】
計算された単位総合デフォルト指数を、判別分析やロジスティック分析などの統計モデルの説明変数の一つとして利用することも可能である。或いは判別分析やロジスティック分析などの統計モデルの評価結果を用いてＮ／Ｓ比率を算出し、単位総合デフォルト指数を算出するような逆の手順や繰り返しの方法がある。
【００７４】
なお、ここで単位総合デフォルト指数と組み合わせる統計モデルは、例えば、評価結果＝ｘ、或いは評価結果＝自然対数の底ｅのｘ乗／（１＋自然対数の底ｅのｘ乗）、なお、ｘは定数及び財務指標や属性などｎ個の説明変数から構成される説明変数とする。
【００７５】
評価結果に時系列的な傾向が見受けられる場合、上記の統計モデルのｘのうち定数項をその時系列的な変動に合わせて増減させることで、モデルの陳腐化の防止や将来の予測評価結果が算出可能となる。また、マクロ変数やセミマクロ変数により評価結果の傾向を予測できる場合には、上記の統計モデルのｘのうち定数項を、マクロ変数やセミマクロ変数の予測値に合わせて増減させることで、モデルの陳腐化の防止や将来の予測評価結果が算出可能となる。さらに、時系列的な要因だけでなく、当定数項に債務者の規模、業種、地域性、年度、客層などのあらゆる個別要因を反映できる。例えば、統計モデルが大標本のデフォルト率（＝評価結果）を推定している場合、評価対象とする小標本（例えば、債務者の規模、業種、地域性、年度、客層などで区分したデータ）の実績デフォルト率や予想デフォルト率の期待値を算出するように当定数項を逆算して調整すれば、小標本の特性を反映したモデル化が可能となる。なお、ここでの評価結果とは推定デフォルト率やその代理変数としての評点などをさす。
【００７６】
分割点は様々な選択が可能である。例えば、最小誤判別点、最小Ｎ／Ｓ比率点、下位２０％タイル点等である。
【００７７】
例えば、最小誤判別点の探索方法は、例えば次の誤判定率の評価式の値が最小となる点を分割点として決定する。
デフォルトの評価式＝（Ｄ２／Ｄ１）＋（ｓ２／ｓ１）
非投資適格の評価式＝（ｎ２／ｎ１）＋（ｉ２／ｉ１）
Ｄ１：総デフォルト数
ｓ１：総生存数
Ｄ２：総デフォルト数のうちデフォルトと判定できなかった数
ｓ２：総生存数のうち生存と判定できなかった数
Ｄ２／Ｄ１：デフォルト誤判定率
ｓ２／ｓ１：生存誤判定率
【００７８】
また、上述の例では、分割対象は、デフォルト・非デフォルトとしたが、さらに、外部格付を用いることも可能である。この場合には、例えば、投資適格＝ＢＢＢ−以上と非投資適格＝ＢＢ+以下に２分割する。その他、外部評価を用いる場合には、例えばｘｘ以上とｘｘ以下に２分割する。さらには、内部評価を用いる場合には、正常先、要注意先１、要注意先２、破綻懸念先、実質破綻先・破綻先、などの序列のうち、任意の箇所において２分割する。
【００７９】
上述の例において、システムのハードディスク、メモリ等の記憶手段等にインストールされた各種のプログラムは、様々な種類の記憶媒体に格納することが可能であり、また、通信媒体を介して伝達されることが可能である。ここで、記憶媒体には、例えば、フレキシブルディスク、ハードディスク、磁気ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＤＶＤ、ＲＯＭカートリッジ、バッテリバックアップ付きＲＡＭメモリカートリッジ、フラッシュメモリカートリッジ、不揮発性ＲＡＭカートリッジ等を含む。また、通信媒体には、電話回線等の有線通信媒体、マイクロ波回線等の無線通信媒体等を含み、インターネットも含まれる。
【００８０】
【発明の効果】
本発明により、信用評価を適切に行なうことができ、特に定性データ、定量データ、欠測値の多い財務データ、欠測値の少ない財務データ、外れ値の多いデータ等を総合的に判断することができる信用評価システム及び信用評価方法を提供することができる。
さらに詳細には、本発明にかかる信用評価システムは、ポートフォリオの信用リスク管理手段として有用である。
また、本発明により算出されたデフォルト率を基に将来を予測し、それを貸出金利に反映させれば、与信審査やプライシングの判断基準として有効である。
また、本発明にかかる信用評価システムにより、中堅、中小、零細企業の理論デフォルト率が計測可能となるため、同じクラスの企業をたくさん集めれば、実際のデフォルト率を理論値に近づけることができる。多くの企業向けの債権を集めて証券化すればデフォルト率の分散が小さくなるため、投資家の信任を得やすい世界に商品が組成可能となる。
特に、不良債権をはじめいろいろな要因で金融仲介機能が低下しているなかで、新しい金融商品として貸し出し債券を証券化するＣＬＯ（Collateralized Loan Obligation）を組成したり、融資だけでなく中小企業の売掛金を担保とした債権に組成することが可能となる効果は大である。
【図面の簡単な説明】
【図１】本発明にかかる信用評価システムにおける評価モデルの概念図である。
【図２】本発明にかかる信用評価システムにおける２次スコアリングモデルの概念図である。
【図３】本発明にかかる信用評価システムにおけるシグナルモデルを説明するための図である。
【図４】本発明にかかる信用評価システムにおけるシグナルモデルを説明するための図である。
【図５】本発明にかかる信用評価システムのハードウェア構成例を示す図である。
【図６】本発明にかかる信用評価システムの処理を示すフローチャートである。
【図７】本発明にかかる信用評価システムにおける入力画面例を示す図である。
【図８】本発明にかかる信用評価システムにおける入力画面例を示す図である。
【図９】本発明にかかる信用評価システムにおける入力画面例を示す図である。
【図１０】本発明にかかる信用評価システムの処理を示すフローチャートである。
【図１１】本発明にかかる信用評価システムの他の実施の形態を説明するための図である。
【符号の説明】
１０１ＣＰＵ１０２入出力装置
１０３制御プログラム１０４指標情報ファイル
１０５モデル情報ファイル１０６債務者情報ファイル
１０７評価情報ファイル１０８バス[0001]
[Technical field to which the invention belongs]
The present invention relates to a debtor credit evaluation system and a credit evaluation method.
[0002]
[Prior art]
Currently, various financial variables (sales, tangible fixed capital, etc.) and financial indicators that combine them (recurring profit margin, equity ratio, etc.) are used as a means of rating or scoring debtors at financial institutions. The mainstream method is to determine the target company's default possibility using statistical methods such as discriminant analysis and logistic analysis. These statistical methods assume that the same financial variables are obtained from all companies to be analyzed.
[0003]
However, generally, in the case of medium-sized enterprises, small and medium enterprises, micro enterprises, and individuals, there are many cases where the financial statements are not sufficiently prepared, and there is a high possibility that abnormal values are included in statistical data due to statistical settlement. For this reason, when analyzing the data of these companies and individuals, there are many cases where financial indicators necessary for the analysis are not available. In this case, it is necessary to give up the use of the financial index or use other fixed numerical values as a substitute, but this may cause an analysis problem in terms of data accuracy.
[0004]
In addition, existing statistical methods are premised on using quantitative figures such as financial indicators. In order to incorporate qualitative information into the model, some ingenuity is required for analysis, such as setting dummy variables.
[0005]
Furthermore, with existing statistical methods, when the correlation between financial statements is strong, it is necessary to pay extreme attention because unfavorable effects such as the reversal of the sign of the coefficient due to the occurrence of collinearity are likely to occur.
[0006]
[Problems to be solved by the invention]
As described above, the conventional credit evaluation system cannot comprehensively judge qualitative data, quantitative data, financial data with many missing values, financial data with few missing values, data with many outliers, and the like. That is, in the conventional technology, the credit quality is measured using only a part of the debtor's information. In addition, a credit evaluation system and a credit evaluation method capable of calculating a comprehensive evaluation within a certain economic concept have not been established.
[0007]
The present invention has been made to solve such problems, and can appropriately perform credit evaluation, and in particular, qualitative data, quantitative data, financial data with many missing values, and few missing values. It is an object of the present invention to provide a credit evaluation system and a credit evaluation method capable of comprehensively judging financial data, data with many outliers, and the like.
[0008]
[Means for Solving the Problems]
The credit evaluation system according to the present invention uses a primary discrimination model. Based on the classification of excellent company group and non-excellent company group Sorted by the first processing means and the first processing means Each group of excellent company group and non-excellent company group Each of the second processing means executed by the secondary scoring model according to a different model, index information on an index related to the credit risk of the obligor, index data for a number of past samples, Index information storage means for storing data indicating whether the sample is a default destination actually defaulted at the reference time point or a normal destination that has not actually reached the default at the reference time point, and model information including information on the division value Model information storage means for storing credit information, debtor information storage means for storing data corresponding to each indicator of the debtor who is going to evaluate credit risk, and evaluation for storing evaluation information indicating the credit risk evaluation result An information storage means for evaluating the creditworthiness of the debtor, wherein the first processing means is a division criterion. Type, the debtor of the data stored in the obligor information storage means in accordance with the input divided reference Data group of excellent company group and data group of non-excellent company group The second processing means is obtained from the index information storage means. Each group is generated from the index information for each group. Default distribution data And positive For each of the distribution data of normal destinations, a division value that is divided into a default area that is determined to be default on the low credit side of the distribution data and a normal area that is determined to be normal on the high reliability side of the distribution data. The About each group Based on the input means and the input division value, the index information storage means has obtained Each group is generated from the index information for each group. The distribution data of the default destination is divided, and the number A of samples in the default area with the actual default samples and the number C of samples in the normal area with the actual default samples are calculated, and A / (A + C) is further calculated. Calculated as signal (S) About each group Based on the means for storing in the buffer and the input division value, the information obtained from the index information storage means Each group is generated from the index information for each group. Divide the distribution data of normal destination, calculate the number B of samples in the default area with actual normal samples and the number D of samples in the normal area with actual normal samples, and further calculate B / (B + D) Calculated as noise (N) About each group Means for storing in the buffer, reading the signal (S) and noise (N) from the buffer, and calculating the noise (N) ÷ signal (S) to calculate the N / S ratio; The About each group A division value at which the N / S ratio has the lowest value is obtained from the means for storing in the buffer and the plurality of N / S ratios calculated for each of the plurality of division values and stored in the buffer. About each group Means for storing in the model information storage means, means for comparing the index value of the division value stored in the model information storage means and the index value of the obligor to be evaluated stored in the debtor information storage means As a result of the comparison, if it is determined that the index value of the obligor to be evaluated is on the side of lower credibility than the index value of the divided value, the reciprocal of the N / S ratio is calculated, As a result of comparison with the means for storing the reciprocal of the S ratio in the evaluation information storage means as the score of the debtor to be evaluated, as a result of comparison, the index value of the debtor to be evaluated In the case where it is determined that there is, a means for storing 0 points in the evaluation information storage means as a score of the obligor to be evaluated is provided.
[0009]
In addition, scores are given for multiple indicators, and a specific total value is calculated, and the score per unit is calculated by dividing by the number of the indicators. And stored in the evaluation information storage means as a unit total default index Preferably further means are provided.
[0010]
Preferably, the indicator for evaluating the credit quality of the debtor includes a profit-related indicator.
[0012]
Here, in a preferred embodiment, the debtor is a small business.
[0015]
DETAILED DESCRIPTION OF THE INVENTION
Embodiment 1 of the Invention
FIG. 1 shows a conceptual diagram of an evaluation model in a credit evaluation system according to the present invention. As shown in FIG. 1, the model according to the present invention includes a primary discrimination model 100 and a secondary scoring model 200, and a final scoring model 300 is configured through these models.
[0016]
Here, the primary discrimination model 100 is a model for dividing the target company group into excellent and non-excellent. The secondary scoring model 200 is a model for calculating the default probability of each company for each group subdivided into the results of the primary discrimination model and the type of industry. In the final scoring model 300, the

models

100 and 200 are integrated, and, for example, scoring for each industry, scale, and group is integrated.
[0017]
Further, the primary discrimination model 100 will be described in detail. The primary discriminant model is a model that separates SMEs that are judged excellent from financial data at first glance and non-excellent SMEs that are expected to have severe management. The reason why the primary discrimination model 100 is provided is as follows.
[0018]
(1) This is in order to consider the possibility that there is a difference in the process leading to bankruptcy, including fine-decorated settlements, between excellent SMEs and non-excellent companies.
[0019]
(2) It is generally known that the default rate increases exponentially as the credit quality deteriorates. This exponential default rate is approximated by two straight lines by dividing it into good and bad according to the debtor quality. As a result, the fitting of the estimation result can be improved.
[0020]
For the above reasons, the primary discrimination model is used to divide into a relatively good company group and a non-excellent company group. Here, for the division of the excellent company and the non-excellent company, for example, the rating or evaluation score of the rating company may be used. For example, a model for obtaining a probability that the rating is worse than BB + is created, and the result is used. In addition, in this example, although divided into two, it is not restricted to this, Three or more divisions may be sufficient.
[0021]
Next, the secondary scoring model 200 will be described in detail. The secondary scoring model 200 is a model for obtaining the theoretical default probability of each obligor. We will build a model that minimizes the effects of outliers and missing values that could not be avoided with conventional statistical models. In addition, as many index values as possible are evaluated. To achieve this, the model includes an overall default index as one of the explanatory variables.
[0022]
FIG. 2 shows the configuration of the secondary scoring model 200. First, a comprehensive default index is calculated from various financial index values. Then, using this overall default index as one of explanatory variables, a default probability is calculated using a predetermined logistic model together with other financial index values.
[0023]
Here, a signal model for deriving the overall default index will be described. First, for example, it is assumed that the distribution of specific indexes for evaluating credit risk such as capital adequacy ratio is given in FIG. This distribution is given based on, for example, sample data of a large number of obligors, and distribution data of default destination and distribution data of normal destination are shown. Here, “default destination” refers to a sample that has actually reached the default at the reference time, and “normal destination” refers to a sample that has not actually reached the default at the reference time. In FIG. 3, the horizontal axis represents the capital ratio, and the vertical axis represents the number of samples. The capital adequacy ratio becomes lower as it goes to the left, that is, it generally tends to be defaulted. First, the sample is divided into two at appropriate places. For example, the image is divided at a location indicated by a dotted line in FIG.
[0024]
Here, the left side of the dotted line is the “default area”. The right side of the dotted line is the “normal area”. Then, let A be the number of samples in the default area in the actual default samples. Also, let B be the number of samples in the default area in the actual normal destination sample. Let C be the number of samples in the normal region in the actual default sample. Further, let D be the number of samples in the normal region in the actual normal destination sample. These relationships are summarized in Table 1 below.
[0025]
[Table 1]

When the sample is divided into two by this dividing line, the ratio of the number of samples entering the default area to the entire default destination sample, A / (A + C), is called a signal (S). This signal (S) is a ratio at which the actually defaulted sample is correctly determined as the default destination.
[0026]
Further, the ratio of the number of samples that enter the default region with respect to the normal destination sample, B / (B + D) is referred to as noise (N). This noise (N) is a normal destination that is not actually defaulted, but is a ratio that is erroneously determined as the default destination.
[0027]
The transition of signal and noise is shown in FIG. The vertical axis represents the ratio, and the horizontal axis represents the equity ratio. The N / S ratio at the dividing point in FIG. 4 is obtained. The N / S ratio is calculated as noise (N) ÷ signal (S). The higher the discrimination ability between the normal sample and the default sample at the division point, the smaller the noise and the larger the signal, and thus the N / S ratio becomes a smaller value. Conversely, the N / S ratio increases as the discrimination ability decreases. When the N / S ratio exceeds 1, it indicates that there is no discrimination ability at that division point. A division point where the calculated N / S ratio takes a minimum value, for example, a minimum misidentification point is obtained, and the division point is determined. Regarding the setting of the dividing points, other methods than this method will be described in other embodiments of the invention.
[0028]
When division points are determined in this way, credit risk evaluation for a specific obligor is then scored for each index. In the preferred embodiment, all samples to the left of the dividing point are 1 point, and samples to the right of the dividing point are 0 points. Specifically, a debtor having an equity ratio lower than the capital ratio at the split point is awarded one point. In addition, a debtor who has a higher capital ratio than the capital ratio at the split point is given 0 points. A number obtained by multiplying these by the reciprocal of the N / S ratio at the determined division point is used as a score. The higher the discrimination ability, that is, the lower the N / S ratio, the higher the score on the left side of the dividing point. In this case, when it is determined that the possibility of default is high by a method with high discrimination ability, weighting is performed on the score so that the credit risk becomes higher.
[0029]
The score is calculated in the same manner with respect to other indicators other than the capital ratio, and all of them are summed up. For example, a score is calculated for 50 or more indexes and summed. This total value is called an overall default index. Note that the maximum value of the overall default index is equal to the sum of the reciprocals of the N / S ratio when all the indicators emit a signal of 1.
[0030]
However, some indices may not be calculated for some samples due to incomplete data. In this case, the overall default index cannot be directly compared between samples. Therefore, in the credit evaluation system according to the present invention, the unit score (unit overall default index) is calculated by dividing by the number of indices used for calculating the total default index (that is, the number given 0 or 1). is doing. By doing so, it becomes possible to directly compare credit risk among debtors. The larger the unit overall default index, the higher the possibility of default.
[0031]
The credit evaluation system according to the present invention using such a unit total default index is extremely useful for evaluating the credit risk of small and medium enterprises. In ordinary credit risk analysis, credit risk analysis becomes difficult when there are many missing values such as financial statements of small and medium enterprises where data is not reliable and financial indicators are not sufficient. In this case, in the credit evaluation system according to the present invention, each financial index value is divided into a group of companies belonging to the relatively good side and a group of companies belonging to the bad side, and 1 is assigned to the company belonging to the bad side and 1 belongs to the good side Since 0 is given to the enterprise and the creditworthiness of the enterprise is evaluated by the unit total of various financial index values, the creditworthiness of the small and medium enterprise can be comprehensively evaluated.
[0032]
For the credit evaluation system according to the present invention, the parameters of the unit total default index were actually calculated using a large-scale financial database indispensable for calculating the unit total default index with high accuracy. This financial database has about 750,000 debtors (including about 50,000 defaults) and about 22.5 million financial statements (including about 130,000 defaults) for corporations. The number of debtors is about 240,000 (of which the default number is about 20,000) and the number of financial statements is about 500,000 (of which the default number is about 30,000). As a result, the conventional credit evaluation system has a low correlation with defaults and is rarely used. Profit-related indicators and depreciation such as operating profit margin on sales, operating profit after interest payment per person, and return on total capital are as follows. It was confirmed that the depreciation rate and the like can be evaluated in the credit evaluation system according to the present invention.
[0033]
Next, a configuration and processing example of the credit evaluation system according to the first exemplary embodiment of the present invention will be described. FIG. 5 shows a configuration example of the credit evaluation system.
[0034]
This credit evaluation system can be realized by a computer such as a dedicated computer or a personal computer (PC). However, the computer does not need to be physically single, and a plurality of computers may be used when performing distributed processing. The credit evaluation system includes, for example, a CPU 101, an input / output device 102, a control program 103, an index information file 104, a model information file 105, a debtor information file 106, an evaluation information file 107, and a bus 108 for connecting them. .
[0035]
The CPU 101 is a central control device that executes various processes in the credit evaluation system based on the control program 103. The input / output device 102 includes, for example, input means such as a keyboard and a mouse and output means such as a CRT, a liquid crystal display, and a printer.
[0036]
The control program 103, the index information file 104, the model information file 105, the obligor information file 106, and the evaluation information file 107 are stored in an internal or external storage means such as a ROM, a RAM, or a hard disk. These programs and databases may be acquired from a remote database or the like via a communication network such as the Internet.
[0037]
The control program 103 is a program for causing the CPU 101 to execute processing relating to this system.
[0038]
The index information file 104 is a file that stores index information relating to an index that is related to credit risk such as the capital ratio, the creditworthiness of the parent company, and the presence or absence of owner assets. For example, the index information includes index data for a number of past samples for obtaining the distribution information of FIG. 3 and information associating data indicating whether each sample defaulted at the reference time.
[0039]
The model information file 105 is a file that stores information necessary for calculating the N / S ratio using the signal model described above. For example, this information includes information on the determined dividing point, a data supplement rate, a reference N / S ratio, and the like.
[0040]
The debtor information file 106 is a file that stores information relating to a debtor who is going to evaluate credit risk. For example, this information includes data corresponding to each index of the obligor and information for specifying an index to be included in calculating the total default index.
[0041]
The evaluation information file 107 is a file that stores information indicating a credit risk evaluation result. For example, this information includes a total default index and a unit total default index calculated by the method described above.
[0042]
Next, an example of processing of the credit evaluation system according to the present invention will be described based on the flowchart shown in FIG. 6 and the screen examples shown in FIGS.
[0043]
First, processing related to the primary discrimination model 100 is performed. For example, based on the operator's instruction, the control program 103 displays the number of debtors to be evaluated from the debtor information file 106 on the screen. The operator inputs rating information and evaluation points that are criteria for dividing the group. The control program 103 sorts the debtor information in the debtor information file 106 according to the input of the reference, and displays the number of debtors belonging to each group.
[0044]
Subsequently, processing related to the secondary scoring model 200 is performed. This process is executed according to a different model for each group divided by the primary discrimination model 100. First, for example, a specific index is selected from among indices used for evaluating credit risk (S101). For example, an equity ratio is selected. Specifically, selection of a specific index is executed based on the screen display example shown in FIG. In the index item column of FIG. 7, indices used for evaluating credit risk in advance are listed. The operator performs grouping by assigning a group number to each index item, and selects a specific index. For example, assuming that the item assigned 1 as the group number is the selected index, the total default index and the unit total default index corresponding to the group number 1 are calculated. When the input completion button is clicked when the group number has been input for each index item, the information is stored in the model information file 105 by the control program 103.
[0045]
You may make it perform the process which further narrows down the selected parameter | index. For example, as shown in the screen display example of FIG. 8, a target criterion for a limiting element of an index such as a data supplement rate and an N / S ratio is input. The control program 103 narrows down the selected index based on the target criteria input in this way, and information to that effect is added to the index that is not the target, and the control program 103 does not become the target of the processing after step S102.
[0046]
Further, at this time, an instruction for counting may be given. For example, as shown in the screen display example of FIG. 9, information such as an index type, the number of divisions, a division criterion, and the like is input as processing items and instruction contents corresponding thereto. In the index type, either the unit index or the index is selected and input.
[0047]
Next, calculation of the N / S ratio is executed (S102). First, an appropriate dividing point for dividing the sample into two is input. For example, a distribution point as shown in FIG. 3 may be displayed and division points may be input by designating an arbitrary position. Further, the distribution may be expressed by numerical values, and the dividing points may be input by numerical values. Then, the signal (S) is calculated by calculating A / (A + C). Also, noise (N) is calculated by calculating B / (B + D). Then, the N / S ratio at the dividing point is obtained. The N / S ratio is calculated as noise (N) ÷ signal (S). The calculation of these signals (S), noise (N), and N / S ratio is realized by appropriately storing them in a storage means such as a buffer and reading them out. That is, the signal (S) is calculated, and the calculation result is stored in a storage means such as a buffer. Noise (N) is calculated, and the calculation result is stored in a storage means such as a buffer. The calculation result saved in this way is read out, the N / S ratio is calculated, and the result is stored again in the buffer or the model information file 105. For example, a division point where the calculated N / S ratio takes the lowest value is obtained, and the division point is determined. Information about the division points is stored in the model information file 105 together with the N / S ratio information.
[0048]
Once the division points are determined in this way, credit risk evaluation regarding a specific obligor is then scored for each index (S103). Specifically, we compare the capital adequacy ratio at the dividing point with the capital adequacy ratio of the debtor to be evaluated. The capital ratio relating to the division point is read from the model information file 105. The capital ratio to be evaluated is read from the debtor information file 106. If the control program 103 determines that the debtor's capital ratio to be evaluated is lower than the capital ratio at the dividing point, the reciprocal of the N / S ratio is calculated for that debtor. The calculation result is stored in the evaluation information file 107. For the debtor having a higher capital ratio than the capital ratio related to the division point, 0 is stored in the evaluation information file 107.
[0049]
When the score relating to the selected index is calculated, the control program 103 determines whether or not the calculation of the score has been completed for all the indices (S104). When the control program 103 determines that the calculation of the scores for all the indices has not been completed, another index other than the capital ratio is selected (S101), and the processes of step S102, step S103, and step S104 are performed. repeat.
[0050]
When the calculation of the scores for all the indices is completed, the total value of the calculated scores is calculated and stored in the evaluation information file 107 as a general default index (S105). Further, the unit default index is calculated by dividing the total default index stored in the evaluation information file 107 by the number of indexes calculated in calculating the total default index (S106). This unit total default index is also stored in the evaluation information file 107.
[0051]
As described above, according to the credit evaluation system and the credit evaluation method according to the embodiment of the present invention, there is a difference in the amount of information of qualitative / quantitative data that can be obtained, such as large enterprises, small and medium-sized enterprises, micro enterprises, and private enterprises. In some cases, or even in the same business category, in cases where there is a difference in the quality of information, such as data with many missing values or data with few missing values, measurement of credit risk of debtors by comprehensively evaluating various information Is possible.
[0052]
Embodiment 2 of the Invention
Embodiment 2 of the present invention relates to an index value selection process used in the credit evaluation system according to the present invention.
[0053]
FIG. 10 shows a flow of index value selection processing. First, a target index is primarily selected from a plurality of prepared indexes (S201). Specifically, in the credit evaluation system, the index information is read from the index information file 104 in accordance with the control program 103, and the index information is displayed on the display device which is the input / output device 102. The operator selects specific index information from the displayed index information. For example, the index information is selected by checking a check column of the index information displayed on the screen using a keyboard. The selected index information is stored in the model information file 105.
[0054]
Next, the credit evaluation system obtains a minimum misidentification point by calculation for each of the primary selected indices (S202). First, an appropriate dividing point for dividing the sample into two is input. Then, the signal (S) is calculated by calculating A / (A + C). Also, noise (N) is calculated by calculating B / (B + D). Then, the N / S ratio at the dividing point is obtained. The N / S ratio is calculated as noise (N) ÷ signal (S). The calculation of these signals (S), noise (N), and N / S ratio is realized by appropriately storing them in a storage means such as a buffer and reading them out. That is, the signal (S) is calculated, and the calculation result is stored in a storage means such as a buffer. Noise (N) is calculated, and the calculation result is stored in a storage means such as a buffer. The calculation result saved in this way is read out, the N / S ratio is calculated, and the result is stored again in the buffer or the model information file 105. For example, a division point where the calculated N / S ratio takes the lowest value is obtained, and the division point is determined (S203). The method for determining the dividing point is not limited to this, and other methods may be used. Information on the division point is stored in the model information file 105 in association with each index together with the N / S ratio information. Here, even if the dividing points are not input, the control program 103 may automatically generate a plurality of dividing points and calculate the N / S ratio for each dividing point at any time.
[0055]
Next, the control program 103 selects an index having the lowest N / S ratio based on the N / S ratio information stored in the model information file 105 (S204). Then, the control program 103 calculates a unit total default index for the selected index (S205). Specifically, the unit total default index is obtained by calculation by executing the processing shown in S102 to S106 of the flowchart shown in FIG.
[0056]
Thereafter, the control program 103 confirms the explanatory power for the default sample based on the unit total default index obtained by the calculation (S206). The confirmation of the explanatory power is performed by, for example, extracting 20% from the worst unit overall default index for a large number of samples and calculating how much of the samples that are actually defaulted are included.
[0057]
Next, the control program 103 selects an index having the second lowest N / S ratio (S207). Then, the control program 103 calculates a unit total default index based on this index and the index selected in S204 (S208). Then, based on this calculation result, the control program 103 checks whether or not the explanatory power for the default sample is improved compared to the previous calculation result (S208). If it is determined that the control program 103 is not improved (S210), the index addition is stopped (S211). In the case of canceling, the index selected so far is output by the input / output device 102 (S212).
[0058]
When it is determined that the control program 103 has been improved (S210), an index with the third lowest N / S ratio is selected (S207), and this is added to calculate a unit overall default index (S208). The explanatory power is compared (S209). These series of operations are continued until the explanatory power for the default sample is not improved even if the index value is added.
[0059]
Here, regarding the index selection process, the index value is classified into several subcategories from the viewpoint of growth potential and profitability, and several indices with low N / S ratios are selected from each subcategory. You may do it. For example, when there are 100 indicators, the indicators are divided into 20 subcategories, and one indicator is selected from each subcategory.
[0060]
Further, the correlation coefficient of the index value to be used may be investigated in advance, and one of the highly correlated indices may be excluded.
[0061]
Other Embodiments of the Invention
In the above-described example, the case where the division point is one place, that is, the whole is divided into two parts has been described. However, the division may be performed at two or more places. In that case, the N / S ratio at each division point is calculated. In this case, the number of points to be given is not limited to 1 or 0, but can be an arbitrary three-stage numerical value such as 0, 1 and 2 in the case of three divisions. It is determined whether the obligor who is to evaluate the credit risk falls into one of the three divided areas. A value obtained by multiplying 0, 1, or 2 by the reciprocal of the N / S ratio corresponding to the corresponding region, that is, 0, S / N, or 2S / N is used as a score. . In the case of four divisions, it is preferable to use four-stage numerical values, in the case of five divisions, five-stage numerical values, and in the case of n divisions, n-stage numerical values. These calculation processes are executed based on the control program 103, and the final evaluation result is stored in the evaluation information file 107.
[0062]
In the above example, the unit general default index is calculated to avoid the influence of the index that does not exist, but other numerical values are substituted for the non-existing numerical values. It is also possible to use the default index as it is, for example, a 0.5 point between 0 and 1 can be used as a substitute value.
[0063]
Alternatively, the dividing point may be such that the number of samples on the side with higher reliability is equal to the number of samples on the side with lower reliability. That is, the sample is divided into two at the point where the sample is halved. In this case, 1 point is given to the sample on the low credit side.
[0064]
The whole may be divided into 5 for each 20% tile, and 1 point, 2 points, 3 points, 4 points, and 5 points may be given in order from the region with the lowest reliability.
[0065]
The whole may be divided into n, and each may be given the same score, for example, one point.
[0066]
With respect to the division point, the optimum division point may be found using a tree analysis such as the CART method or the QUEST method that is a data mining method. Here, the CART method refers to classification and regression binary trees, dividing the data into two subsets so that the cases within each subset are more homogeneous than the previous subset. The QUEST method is a binary tree growth algorithm that handles variable selection and branch point selection individually.
[0067]
Further, the N / S setting that is indispensable for the creation of the unit general default index may be as follows. That is, when there are a plurality of division points and a score including 0 or 1 point and other numerical values is assigned to each area, the N / S ratio is made constant at all division points. In other words, when divided by a plurality of division points, different points are given to each region. In that case, it is not necessary to multiply each score by the N / S ratio, and the score may be used as it is.
[0068]
Further, when there are a plurality of division points and the same score is assigned to each region, the N / S ratio may be individually given at the division points to which the same score is assigned. By doing in this way, it becomes possible to make a difference in each region depending on the N / S ratio.
[0069]
Furthermore, division points may be given at all default sample points, and the N / S ratio may be calculated at each division point. That is, when there are 1000 samples, the N / S ratio for 1000 is calculated. A line approximated by a curve that smoothly connects these N / S ratios is used to calculate the N / S ratio at an arbitrary point of the index value.
[0070]
In the above example, continuous data is assumed, but qualitative and discrete data can also be incorporated. For example, when there is data indicating “owned house” or “rented house”, this index can be incorporated into the model by calculating the N / S ratio by the following formula. If the leased area is the default area, the default sample for the leased house is A, the normal sample for the leased house is B, the default sample for the owned house is C, and the normal sample for the owned house is D. Calculate That is, the signal (S) is obtained by calculating A / (A + C), and the noise (N) is obtained by calculating B / (B + D). Then, the N / S ratio at a specific division point is obtained from these values.
[0071]
In addition, using the unit overall default index, it is also possible to evaluate quantitative items such as “operating profit margin” and qualitative items such as “presence of successor” in the same model as evaluation items for business individuals. .
[0072]
Further, in the case where the distribution of the default destination is bipolar as shown in FIG. 11, the N / S ratio is obtained by standardizing the original data as shown on the horizontal axis of FIG. 4 according to the distance from the intermediate value of the default destination. To increase the accuracy. Alternatively, if the variable itself is normalized, the N / S ratio can be calculated and the accuracy can be improved by using the absolute value of the variable.
[0073]
It is also possible to use the calculated unit overall default index as one of explanatory variables of statistical models such as discriminant analysis and logistic analysis. Alternatively, there is a reverse procedure or iterative method in which the N / S ratio is calculated using the evaluation result of a statistical model such as discriminant analysis or logistic analysis, and the unit total default index is calculated.
[0074]
Here, the statistical model combined with the unit general default index is, for example, evaluation result = x, or evaluation result = natural logarithm base e to the power of x / (1 + natural logarithm base e to the power of x), where x is An explanatory variable composed of n explanatory variables such as a constant, a financial index, and an attribute.
[0075]
If the evaluation result shows a time-series trend, the constant term of x in the above statistical model is increased or decreased in accordance with the time-series fluctuation to prevent the model from becoming obsolete or to predict future prediction evaluation results. It can be calculated. In addition, when the trend of evaluation results can be predicted using macro variables or semi-macro variables, the constant of the x in the above statistical model is increased or decreased according to the predicted value of the macro variable or semi-macro variable, thereby making the model obsolete. Prevention of computerization and future prediction evaluation results can be calculated. In addition to time-series factors, the constant term can reflect all individual factors such as the debtor's size, industry, regionality, fiscal year, and customer base. For example, if the statistical model estimates the default rate (= evaluation result) of a large sample, the small sample to be evaluated (for example, data divided by debtor size, industry, regionality, fiscal year, customer base, etc.) If the constant term is adjusted by back-calculating so as to calculate the actual default rate and the expected default rate, the modeling reflecting the characteristics of the small sample becomes possible. Here, the evaluation result refers to an estimated default rate or a score as a proxy variable.
[0076]
Various division points can be selected. For example, the minimum misidentification point, the minimum N / S ratio point, the lower 20% tile point, and the like.
[0077]
For example, in the method for searching for the minimum misidentification point, for example, the point at which the value of the evaluation formula for the next misjudgment rate is minimum is determined as the division point.
Default evaluation formula = (D2 / D1) + (s2 / s1)
Non-investment grade evaluation formula = (n2 / n1) + (i2 / i1)
D1: Total default number
s1: Total survival
D2: Number of total default numbers that could not be determined as default
s2: Number of total survival that could not be determined as survival
D2 / D1: Default misjudgment rate
s2 / s1: Survival misjudgment rate
[0078]
In the above example, the division target is default / non-default, but an external rating can also be used. In this case, for example, it is divided into two, ie, investment grade = BBB− or higher and non-investment grade = BB + or lower. In addition, when using external evaluation, it divides into two, for example, xx or more and xx or less. Further, when internal evaluation is used, it is divided into two parts at an arbitrary position in the order of normal destination, caution target 1, caution target 2, risk of bankruptcy, actual bankruptcy and bankruptcy.
[0079]
In the above example, various programs installed in the storage means such as the hard disk and memory of the system can be stored in various types of storage media and transmitted via a communication medium. Is possible. Here, the storage medium includes, for example, a flexible disk, a hard disk, a magnetic disk, a magneto-optical disk, a CD-ROM, a DVD, a ROM cartridge, a battery-backed RAM memory cartridge, a flash memory cartridge, and a nonvolatile RAM cartridge. The communication medium includes a wired communication medium such as a telephone line, a wireless communication medium such as a microwave line, and the Internet.
[0080]
【The invention's effect】
According to the present invention, credit evaluation can be performed appropriately, and in particular, comprehensive determination of qualitative data, quantitative data, financial data with many missing values, financial data with few missing values, data with many outliers, etc. A credit evaluation system and a credit evaluation method can be provided.
More specifically, the credit evaluation system according to the present invention is useful as a credit risk management means of a portfolio.
Further, if the future is predicted based on the default rate calculated according to the present invention and reflected in the lending interest rate, it is effective as a criterion for credit examination and pricing.
In addition, the credit rating system according to the present invention makes it possible to measure the theoretical default rates of small, medium, and small enterprises. Therefore, if many companies of the same class are collected, the actual default rate can be brought close to the theoretical value. By collecting and securitizing a large number of corporate loans, the default rate will be less diversified, making it possible to create products in a world where investors can easily gain confidence.
In particular, the financial intermediary function has declined due to various factors such as non-performing loans. As a new financial product, CLO (Collateralized Loan Obligation) has been established to securitize loans, and not only loans but also accounts receivables of SMEs. The effect that it is possible to create a loan with collateral as a collateral is significant.
[Brief description of the drawings]
FIG. 1 is a conceptual diagram of an evaluation model in a credit evaluation system according to the present invention.
FIG. 2 is a conceptual diagram of a secondary scoring model in the credit evaluation system according to the present invention.
FIG. 3 is a diagram for explaining a signal model in the credit evaluation system according to the present invention.
FIG. 4 is a diagram for explaining a signal model in the credit evaluation system according to the present invention.
FIG. 5 is a diagram showing a hardware configuration example of a credit evaluation system according to the present invention.
FIG. 6 is a flowchart showing processing of the credit evaluation system according to the present invention.
FIG. 7 is a diagram showing an example of an input screen in the credit evaluation system according to the present invention.
FIG. 8 is a diagram showing an example of an input screen in the credit evaluation system according to the present invention.
FIG. 9 is a diagram showing an example of an input screen in the credit evaluation system according to the present invention.
FIG. 10 is a flowchart showing processing of a credit evaluation system according to the present invention.
FIG. 11 is a diagram for explaining another embodiment of a credit evaluation system according to the present invention.
[Explanation of symbols]
101 CPU 102 I / O device
103 Control program 104 Index information file
105 Model information file 106 Debtor information file
107 Evaluation information file 108 Bus

Claims

A first processing means for sorting into a superior company group and a non-excellent company group based on a primary discrimination model;
Second processing means for executing the second scoring model according to a different model for each of the excellent company group and the non-excellent company group sorted by the first processing means;
Index information related to indicators related to the credit risk of the obligor, including indicator data for a number of past samples, and whether each sample is the default destination that was actually defaulted at the base time, or the default at the base time Index information storage means for storing data indicating whether it is a normal destination that did not reach
Model information storage means for storing model information including information on the division value;
A debtor information storage means for storing data corresponding to each index of the debtor to be evaluated for credit risk;
A credit evaluation system for evaluating creditor creditworthiness, comprising evaluation information storage means for storing evaluation information indicating a credit risk evaluation result,
The first processing means is
Separation means for inputting division criteria and separating the debtor data stored in the debtor information storage means according to the inputted division criteria into a data group of a good company group and a data group of a non-good company group Have
The second processing means is
The index information generated from the index information for each group obtained from the storage unit, for each of the distribution data of the default destination distribution data and normal destination for each group, the low side of credibility among the distribution data A default area that is determined to be default, and a means for inputting a division value that is divided into normal areas that are determined to be normal on the high reliability side of the distribution data, for each group ;
Based on the inputted division value, the distribution data of the default destination for each group generated from the index information for each group acquired from the index information storage means is divided into the default area with the actual default sample. A means for calculating the number A of samples and the number C of samples in the normal region with actual default samples, and further calculating A / (A + C) as a signal (S) and storing each group in a buffer. When,
Based on the input division value, the distribution data of the normal destination for each group generated from the index information for each group acquired from the index information storage means is divided into the default area with actual normal samples Means for calculating the number B of samples and the number D of samples in the normal region with actual normal samples, and further calculating B / (B + D) as noise (N) and storing each group in a buffer When,
The signal (S) and noise (N) are read from the buffer, and the N / S ratio is calculated by calculating noise (N) ÷ signal (S). The N / S ratio is buffered for each group. Means for storing in,
From the plurality of N / S ratios calculated for each of the plurality of division values and stored in the buffer, a division value having the lowest N / S ratio is obtained, and the division value is stored in the model information for each group. Means for storing in the means;
Means for comparing the index value of the division value stored in the model information storage means and the index value of the debtor to be evaluated stored in the debtor information storage means;
As a result of the comparison, if it is determined that the index value of the obligor to be evaluated is on the lower credit side than the index value of the division value, the reciprocal of the N / S ratio is calculated and the N / S ratio is calculated. Means for storing in the evaluation information storage means as a score of the obligor to be evaluated,
As a result of the comparison, when it is determined that the index value of the obligor to be evaluated is on the higher credit side than the index value of the division value, the evaluation information storage is performed with 0 points as the score of the obligor to be evaluated. A credit evaluation system comprising means for storing in the means.

A means for assigning a score for a plurality of indices, obtaining a specific total value, and calculating a score per unit by dividing by the number of the indices, and storing in the evaluation information storage means as a unit total default index The credit evaluation system according to claim 1, further comprising:

3. The credit evaluation system according to claim 2, wherein the index for evaluating the credit quality of the debtor includes a profit-related index.

The debtor credit evaluation system according to any one of claims 1 to 3, characterized in that a small business.