融资租赁是目前国际上使用最为普遍、最基本的一种租赁形式，也是国际上通行的长期直接投资的融资方式之一。据《世界租赁年报》的统计数据资料显示，融资租赁在经济发达国家已经成为设备投资中仅次于银行信贷的第二大融资方式。美国大约80％以上的设备是靠租赁得以流通的。我国融资租赁发展至今已快30年，但到2007年中国的租赁额也只有44亿美元，仅占全球租赁业交易总规模7791亿美元的0.56％，市场渗透率仪达到1％，远远低于同属于亚洲的日本8.7％。所以融资租赁在中国还会有很广阔的发展空间。　　缺少有效的风险管理和评价机制，是国内融资租赁行业畏首畏脚的绊脚石。如何学习西方国家，建立成熟有效的风险管理和评价机制，通过风险管理减少和控制项目风险，是融资租赁业最急需完善的制度。而客户信用评级又是融资租赁公司信用风险控制最重要的部分，所以笔者根据自己在融资租赁行业的经验，结合案例，从实务的角度探讨和研究企业信用评级的手段和方法，及如何解析风险模型的变量分析。　　信用评级，是指对影响评级对象的诸多信用风险因素进行分析研究，就其偿还债务的能力及其偿债意愿进行综合评价，是一种社会中介服务为社会提供资信信息，或单位为其自身提供决策参考。信用等级则是信用评级的符号表示。目前国际通行的主要是穆迪、标准普尔和惠誉国际三大评级机构的等级标准。　　融资租赁公司对客户的信用分析主要包括基本信息分析、财务指标分析和非财务指标分析三个层面。其中，财务指标分析又涉及到盈利能力分析、营运能力分析、偿债能力分析、企业发展能力分析、客户现金流量分析等。非财务指标分析则应该从管理层风险分析、行业风险分析、生产与经营风险分析、宏观经济及自然环境分析、区域风险分析、融资担保分析等几个角度着手。　　信用风险计量是现代信用风险管理的基础和关键环节。融资租赁公司对信用风险的计量建立于二维评级体系之上:一维是客户评级;另一维是债项评级。　　客户信用评级是融资租赁公司对客户偿债能力和偿债意愿的计量和评价，反映客户违约风险的大小。客户评级的评价主体是融资租赁公司，评级目标是客户违约风险，评价结果是违约概率(PD)。违约概率(PD)是指借款人在未来一定时期内发生违约的可能性。违约概率的评价方法根据笔者在融资租赁公司的实务经验，主要介绍了采用专家判断法、Altman的Z计分信用评分模型和MoodyKMV公司的Riskcalc评分模型。　　对金额较小的融资申请，可以采用专家判断法。它主要考虑与借款人有关的声誉、杠杆、收益波动性因素，及与市场有关的经济周期、宏观经济政策、利率水平等因素。目前所使用的专家系统，其中，对企业信用分析的5Cs系统使用最为广泛。5Cs系统指:品德(Character)、资本(Capital)、还款能力(Capacity)、抵押(Collateral)、经营环境(Condition)。专家判断法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带来的一个突出问题是对信用风险的评估缺乏一致性。此外，尽管专家系统在银行业的长期发展和实践中已经形成了较为成熟的分析框架，但专家系统缺乏系统的理论支持，尤其是对关键要素的选择、权重的确定以及综合评定等方面更显薄弱。因此，专家系统更适合于对借款人进行是和否的二维决策，难以实现对信用风险的准确计量。　　Z- score模型是爱德华·阿特曼（Edward Altman）通过对美国破产和非破产生产企业进行观察，采用了22个财务比率经过数理统计筛选而最终选定其中的5个变量建立的模型，Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5。这5个变量分别是X1（流动资本/总资产）、X2（留存收益/总资产）、X3（息税前收益/总资产）、X4（权益市场值/总债务账面值）、X5（销售收入/总资产）。其中，获利能力变量X3被认为是决定企业破产可能性的最关键因素，其次是X2，X1等。当Z＜1.8时，企业属于破产之列当时;当1.8＜Z＜2.675时，企业属于"灰色区域"，很难简单得出企业是否肯定破产的结论;当Z＞2.675时，公司财务状况良好，破产可能性极小。研究表明该公式的预测准确率高达72％-80％。　　Moody KMV公司在Z-Score的基础上又进行了大量的改进，最终形成了自己研究设计的基于财务数据的违约概率预测模型-RiskCalc。Riskcalc模型是目前市场上主要的适用于非上市公司的违约概率模型，拥有超过28000家企业十年以上的财务数据和1600多个违约记录，覆盖了全球GDP的80％。Riskcalc模型一共有6类指标，10个变量:盈利性指标包括3个变量，总权重为27％;杠杆指标包括2个变量，总权重22％;流动性指标一个变量，权重15％;公司规模指标一个标量，权重7％，收入指标一个变量，权重10％，营运能力指标3个变量，总权重19％。变量的相对贡献表示的是一个变量发生变化，而其他九个变量不变时，公司的预期违约率(Expected Default Frequency, EDF)会发生什么样的变化。正数的相对贡献表示的是使预期违约率增加的变量，被称之为"不好"的变量;负数的相对贡献表示的是使预期违约率减少的变量，被称之为"好"的变量。另外，各变量数值绝对值的大小代表对预期违约率影响的权数。相对敏感度表示的是九个变量不变，另外一个变量发生变化时，公司的预期违约率变化的敏感程度。正数代表变量数值变大时，预期违约率也变大;负数代表变量数值变大时，预期违约率会变小。各变量相对敏感度的绝对值的大小代表其变动的敏感程度。　　债项评级是对交易本身的特定风险进行计量和评价，反映客户违约后的债项损失大小。其中债项评级的主要指标是违约损失率(Loss Given Default，LGD)，即借款人违约后贷款损失金额占违约风险暴露的比例。影响违约损失率的因素包括产品因素、公司因素、行业因素、地区因素和宏观经济周期因素。违约损失率的评级方法一般有市场价值法和回收现金法两种。　　综合评价客户评级和债项评级，就形成了信贷资产风险分类，包括正常、关注、次级、可能和损失五类（后三类合称为不良贷款）。　　由于更多的金融工作者只是风险评级模型的使用者，所以为加快我国信贷风险体系的发展，应该要加强企业数据化管理，加强信用文化的推广和传播，也应该培养更多的信用人才，从实务的角度侧重对风险模型评级结果的解读和理解各个风险模型最终评级结果差异的原因。