
信用风险每天都在变化——但外部评级却未必。企业实际信用状况与其最新外部评级之间的差距,可能持续数月,使投资组合面临静态评分无法捕捉的风险敞口。
Criat 的违约概率 (PD) 量化企业1个月至5年期的违约可能性;量化评级将其映射到字母评级体系,可直接与外部评级对比——且每日更新。

硅谷银行 (SVB) 在倒闭当日仍持有穆迪 (Moody's) 和标普 (S&P) 的投资级评级。
量化评级为模型输出,并非注册信用评级机构发布的信用评级。

PD 数据可直接接入您现有的风险基础设施——无论是交互式分析、通过数据推送集成,还是在合作伙伴平台内直接使用。
Criat 的违约概率由远期强度模型 (FIM) 生成——这是一个基于计量经济学、并经机器学习优化的第三代信用风险模型。
动态、前瞻性。适用于所有企业类型与市场。
远期强度模型是一个统一框架,可跨所有期限、企业类型和市场,每日生成前瞻性违约概率。
每个模型最多从四个风险因子维度中提取信息——宏观金融条件、企业特定财务比率、股权因子和债券因子——根据数据可用性和市场特征进行组合。
核心基础。16个风险因子——水平值与趋势联合使用以捕捉动量和方向变化。按地区和行业分别校准。
将上市公司框架延伸至非上市公司。通过代理股权因子,生成与上市公司直接可比的 PD。
专为中国境内外债券市场构建——在股权数据单独信息量有限、本地宏观动态与全球模式存在差异的市场环境中更为有效。
基于精心整理的违约数据库进行训练。违约定义与国际三大评级机构一致——涵盖破产、逾期偿付及困境债务交换。
分别在北美、欧洲、亚太发达市场、新兴市场、中国和印度进行校准——企业与金融行业独立分组。
Criat 的样本内和样本外准确性比率 (AR) 保持一致——验证了模型在训练数据之外的泛化能力,无过拟合。