Analysis of Credit Ratings in 
India 
 
 
Contemporary Concerns Study 
 
 
 
Submitted to 
Prof. Ashok Thampy 
 
 
 
On 
August 28, 2007 
 
 
 
Prepared by: 
 
Manoj Kumar Chitlangia 
0611172 
Pankaj Periwal 
0611176 
 
Indian Institute of Management Bangalore 
Acknowledgements 
 

We would like to thank Prof. Ashok Thampy for giving us the opportunity to work under his guidance. 
We  are  thankful  for  the  never  ending  support  and  inspiration  received  from  him  and  for  the  time  he 
took  out  of  his  busy  schedule  to  discuss  with  us  and  provide  us  directions  during  the  course  of  this 
study. His insights were instrumental in giving directions to this study. 

We would also like to thank Neela, Asst. Librarian, for helping us find necessary data required for this 
study.  

Last but not the least we would like to thank the PGP Office for allowing such a study in the curriculum. 

   

[2] 
 
 Table of Contents 
 
Executive Summary ....................................................................................................................................... 4 
Evolution of Credit Ratings ........................................................................................................................... 5 
Understanding Credit Ratings and its process .............................................................................................. 6 
CRISIL ......................................................................................................................................................... 6 
ICRA ........................................................................................................................................................... 7 
Credit Rating analysis of Banks in India ...................................................................................................... 14 
Credit Rating analysis of corporate sector in India ..................................................................................... 15 
Prediction of a company being rated D in 1 year time using Discriminant and Logit Analysis ............... 15 
International Scenario ................................................................................................................................. 20 
Comparison of Indian and Korean Banks ................................................................................................ 20 
Study of Defaults ......................................................................................................................................... 22 
Decreasing number of rated companies? ................................................................................................... 24 
Conclusion ................................................................................................................................................... 30 
Problems faced during the study ................................................................................................................ 31 
Appendix ..................................................................................................................................................... 32 
Average One‐Year Transition Rates ........................................................................................................ 32 
Number of corporate sector ratings by CRISIL from 1992 onwards ....................................................... 32 
Statistical tests for difference across AA and AAA rated Indian Banks ................................................... 33 
Statistical tests for comparison of Indian and Korean Banks. ................................................................ 35 
SPSS Outputs for Discriminant and Logit Analysis .................................................................................. 36 
Credit Rating Scales ................................................................................................................................. 38 
Comparison of bond market growth in Asia‐Pacific region .................................................................... 39 
References .................................................................................................................................................. 40 

 
   

[3] 
 
Executive Summary 
 

Credit ratings came into being because of the huge debt issue by US railroad companies that triggered 
the  need  for  information  about  the  creditworthiness  of  these  companies.  The  first  ever  rating  was 
published in  1909 and since then the rating  business has come a long way with  credit rating agencies 
actively providing independent opinions on the creditworthiness of the entities spread across the world.  

In  this  study  we  explored  the  process  followed  by  the  various  credit  ratings  agencies  for  the 
determination of credit ratings. The rating process differs across the rating agencies and the same entity 
may  get  a  different  rating  from  different  rating  agencies.  The  rating  agencies  evaluate  different 
parameters for different industries and the evaluation process also depends on the type of rating (long 
term, short term, etc) being given. As a proxy to evaluate the capability to payback the resources raised, 
these agencies also check whether the company can sustain or improve its profitability in the future and 
whether the industry in which it works would be favorable. 

We performed an analysis of the credit ratings in India and came up with some interesting insights. For 
example,  the  number  of  ratings  has  been  consistently  decreasing  over  the  years.  The  present 
outstanding ratings list of CRISIL has only a few number of companies rated below the investment grade. 
Have all companies been giving robust performance or have the probable lower rated companies said 
good‐bye to credit ratings? We have also explored this aspect in the study. 

An analysis of the credit ratings of banks and corporate sector companies in India has been performed. 
We have derived the differentiating financial parameters across the AAA and AA rated banks. We have 
also  tried  to  derive  a  model  using  Discriminant  (for  financial  factors)  and  Logit  analysis  (also  including 
non‐financial factors) which could help to predict whether a particular corporate sector company would 
be categorized in the default category in the following year, which would become important once banks 
come  under  the  purview  of  Basel‐II  norms  and  start  following  Internal  Credit  Rating  options.  An 
international perspective has also been provided with a comparison of the financial ratios of Indian and 
Korean banks. 

The very basic purpose of credit ratings is to predict the probability of default. We performed a study of 
the  defaults  happening  in  India  and  found  that  the  default  rate  has  been  decreasing.  A  possible 
explanation can be the decreasing number of rated companies or the current credit rating up‐cycle due 
to booming economy.  We have identified some recent developments which explain the decrease in the 
number  of  rated  companies.  We  finally  present  the  problems  that  we  have  faced  while  pursuing  this 
study. 

[4] 
 
Evolution of Credit Ratings 
 

The history of credit ratings began long back in 1850 when the US railroad companies had to raise funds 
which where beyond the capacity of banks or the equity investors to provide. Prior to this issue all major 
debt issues were from the government which were considered as safe by the investors. The companies 
raised amount either through bank loans or by way of issue of stock.  

This  huge  issue  of  debt,  the  investors  of  which  spanned 
across  continents,  led  to  a  high  demand  of  accurate  and  The first credit rating 
reliable  information  about  the  issuing  company  in  a  was published in the year 
simplified  form.  The  investors  wanted  information  from  a  1909 by John Moody. It 
third party based upon which they could  make the required  included an opinion on 
pricing and investing decisions.   the creditworthiness of 
Henry  Varnum  Poor  sensed  this  business  opportunity  and 
corporate debt papers 
started  publishing  systematic  information  about  railroad’s 
issued by railroad 
properties and other financial details. It became very popular 
companies.  
and  led  to  the  annual  publication  Poor’s  Manual  of  the 
Railroads of the United States that remained a standard and authentic  source  of 
information  for  several  decades.  This  statistics  contained  in  this  manual  was  the  birth  of  the  credit 
ratings as we see today.  

Thus  to  sum  up  credit  ratings  were  created  because  of  the  following  needs,  requirement  of  large 
investments,  globalization  leading  to  an  expanse  of  investor  base  and  the  need  for  a  comparable  and 
independent information. In India, CRISIL was setup in 1987. ICRA was founded in 1991.  

   

[5] 
 
Understanding Credit Ratings and its process 
 

In the very basic sense a credit rating is an opinion on the creditworthiness of an issuer indicating the 
probability  that  the  issuer  will  not  default  on  the  payment  obligation  of  the  issue.  It  is  important  to 
understand  that  the  credit  rating  is  just  an  OPINION  by  someone  and  should  not  be  taken  as  a  fact. 
However,  through  experience  the  rating  agencies  have  been  able  to  predict  defaults  with  reasonable 
accuracy levels. 

 Following are the leading credit rating agencies of India: 

• Credit Rating Information Services of India Limited (CRISIL) 
• Investment Information and Credit Rating Agency of India (ICRA) 
• Credit Analysis & Research Limited (CARE) 
• ONICRA Credit Rating Agency of India Ltd 
Amongst the above, CRISIL is associated with Standards & Poors and ICRA with Moody’s. 

The credit rating processes followed by these agencies differ from one another and thus it is useful to 
explore and understand the methodologies followed by them or credit rating.  

CRISIL 
 

CRISIL  is  India's  leading  Ratings,  Research,  Risk  and  Policy  Advisory  Company.  CRISIL’s  majority 
shareholder is Standard & Poor’s, the world's foremost provider of independent credit ratings, indices, 
risk evaluation, investment research and data1. 

The  exact  methodology  details  were  not  available  for  CRISIL,  but  by  and  large  they  assess  a  bank, 
financial institution on their Market position on following factors (They follow the modified version of 
classical CAMEL rating process to access market position called CRAMEL2): 

1. Capital Adequacy 
2. Resource raising ability 
3. Asset quality 
                                                            
1
http://www.crisil.com/about-crisil/about-crisil.htm
2
 Rating Criteria for Banks and Financial Institutions, CRISIL

[6] 
 
 4. Management and systems evaluation 
5. Earning potential 
6. Liquidity/Asset liability management 
All factors are treated equally in term of importance or weightage. 

Capital  Adequacy  is  judged  on  factor  like  Size  of  capital,  Quality  of  capital  (Tier  I  capital),  and 
sustainability, of capital rations and flexibility to raise Tier I capital and growth plans.  

Resource‐raising ability depends on size of deposit case, diversity in deposit base and the geographical 
spread, deposit mix, growth in deposits, cost of deposits, diversity in investor base, funding mix and cost 
of funds and retail penetration. 

Asset  quality is adjudged on geographical diversity and diversity across industries, client profile of the 
corporate  asset  portfolio,  quality  of  non‐industrial,  lending,  NPA  levels,  movement  of  provisions  and 
write‐offs and growth in advances. 

Management  and  systems  evaluation  is  based  on  goals  and  strategies,  systems  and  monitoring, 
appetite for risk and motivation levels of staff. 

Earning  potential  is  evaluated  on  factors  Level  of  earnings,  diversity  of  income  sources,  efficiency 
measures 

Liquidity/Asset  liability  management  position  is  assessed  through  factors  like  liquidity  risk,  liquid 
assets/total assets, proportion of small deposits, Interest rate risk,  

They  also  look  at  the  amount  of  Government  support  for  specialized  entities  in  the  financial  sector. 
Further public sector banks benefit from backing of government ownership. 

ICRA 
ICRA Limited (an Associate of Moody's Investors Service) was incorporated in 1991 as an independent 
and  professional  company.  ICRA  is  a  leading  provider  of  investment  information  and  credit  rating 
services  in  India.  ICRA’s  major  shareholders  include  Moody's  Investors  Service  and  leading  Indian 
financial institutions and banks3. 

                                                            
3
 http://icra.in/profile.aspx

[7] 
 
ICRA under Moody’s framework has specified it rating mechanism to detailed levels and following is the 
summary of their methodology4. 

Moody’s Bank Financial Strength Ratings (BFSR): Global Methodology 
Bank’s credit risk can be divided as a function of three broad factors 

1. Bank's intrinsic financial strength,  
2. The likelihood that it would benefit from external support in the case of need 
3. The risk that it would fail to make payments owing to the actions of a sovereign. 
Moody's  assigns  credit  risk  ratings  to  banks  and  their  debt  obligations  using  a  multi‐step  process  that 
incorporates both a bank's intrinsic risk profile and specific external support and risk elements that can 
affect  its  overall  credit  risk.  These  include  bank‐specific  elements  such  as  financial  fundamentals, 
franchise  value,  and  business  and  asset  diversification,  as  well  as  risk  factors  in  the  bank's  operating 
environment,  such  as  the  strength  and  prospective  performance  of  the  economy,  the  structure  and 
relative fragility of the financial system, and the quality of banking regulation and supervision. 

The  following  diagram  shows  how  BFSRs  fit  into  Moody's  overall  approach  to  assigning  bank  credit 
ratings  (The  left  side  of  the  diagram  shows  the  principal  factors  that  are  used  to  determine  a  bank's 
BFSR. The right side summarizes the specific external support and risk elements that are combined with 
the BFSR to determine Moody's local currency and foreign currency deposit and debt ratings). 

 
                                                            
4
Moody’s Bank Financial Strength Ratings (BFSR): Global Methodology, http://www.moodys.com

[8] 
 
The  focus  is  on  five  key  rating  factors  that  Moody’s  believe  are  critical  to  understanding  a  bank’s 
financial strength and risk profile. They are: 

1. Franchise Value 
2. Risk Positioning 
3. Regulatory Environment 
4. Operating Environment 
5. Financial Fundamentals 
To  dampen  the  cyclical  nature  of  the  industry,  most  of  the  financial  metrics  they  use  are  three‐year 
averages. 

The relative importance of the different key rating factors cannot be same across banks globally since 
banks  in  developing  markets  face  a  substantially  different  set  of  challenges  than  banks  in  mature 
markets. On the other hand, the higher degree of economic volatility in developing markets, as well as 
the potential for weaker regulatory oversight and less reliable financial reporting, indicates the relative 
riskiness of relying heavily on the current disclosed financial numbers for banks in developing markets. 
Therefore, while Moody’s puts a heavy emphasis on financial fundamentals in assigning BFSRs to banks 
in  mature  markets,  this  is  significantly  less  the  case  for  banks  in  developing  markets.  In  the  BFSR 
scorecard they assign a 50% weighting to financial fundamentals for banks in mature markets, with the 
four other key rating factors receiving a combined weighting of 50%. However, for banks in developing 
markets, this weighting is changed, so that financial fundamentals are only weighted at 30%, with the 
four other key rating factors receiving a combined weighting of 70%. 

Key Rating Factors for the BFSR 
Rating Factor 1: Franchise Value 

Franchise  Value  is  about  the  solidity  of  a  bank's  market  standing  in  a  given  geographical  market  or 
business  niche.  A  solid  and  defensible  Franchise  is  a  key  element  underpinning  the  ability  of  an 
institution to generate and sustain recurring earnings, to create economic value and, thus, to preserve 
or improve risk protection in its chosen markets. 

Four sub‐factors to assess an institution’s Franchise Value: 

1. Market Share and Sustainability: Large market shares suggest an entrenched market positioning with 
strong  brand  name  recognition  that  tends  to  come  hand  in  hand  with  high  pricing  power.  These 

[9] 
 
elements act as barriers to entry to other players and as such are indicative of the likely sustainability of 
a bank’s positioning and its ability to defend itself from competition. 

2.  Geographical  Diversification:  Excessive  concentration  on  lending  in  a  single  geographic  area  with 
relatively  undiversified  economies  heightens  an  institution’s  credit  risk  profile  and  plays  an  important 
role in weakening asset quality. 

3.  Earnings  Stability:  In  this  regard,  retail‐based  institutions  are  favored  than  banks  with 
wholesale/corporate  banking  given  their  highly  predictable  risk‐adjusted  earnings  stream  which  is  an 
invaluable  asset  in  times  of  volatility  or  stress.  This  earnings  stability  is  usually  a  result  of  strong 
customer relationships, higher switching costs for customers, and highly granular loan portfolios 

4.  Earnings  Diversification:  Excessive  reliance  on  one  business  line  can  make  an  institution  highly 
vulnerable  to  potential  changes  in  market  dynamics  which  could  be  sudden  and  unpredicted  with  no 
offsetting earnings stream to protect the institution's economic solvency. 

Rating Factor 2: Risk Positioning 

Risk management should aim to reduce or control the risks that banks face – be these customary (day‐
today  activities),  cyclical  or  event‐driven  –  or  take  advantage  of  them,  when  beneficial  to  the  bank. 
Taken together, these risks impact the core profitability and earnings predictability and may even, at an 
extreme,  severely  damage  a  bank’s  credit  standing  in  a  matter  of  days  if  they  are  not  managed 
appropriately 

Six sub­factors in assessing Risk Positioning 
1.  Corporate  Governance:  Focuses  not  only  on  the  relationship  between  the  boards  of  directors  (also 
known as supervisory boards, hereinafter referred  to as the “board”), management and shareholders, 
but  also  on  the  degree  to  which  the  board  and  management  team  have  shown  that  they  effectively 
balance shareholder and creditor interests. Factors like Ownership and Organizational Complexity, Key 
Man Risk, Insider and Related‐Party Risks are used to evaluate the scores. 

2.  Controls  and  Risk  Management:  Well‐functioning  and  deeply  imbedded  system  of  controls  and 
internal checks and balances are typical means of reducing operational risk and the overall risk profile of 
the bank. 

[10] 
 
3.  Financial  Reporting  Transparency:  Factors  like  Global  Comparability  of  Reported  Financial 
Information, Frequency and Timeliness of Reporting, Quality of Financial Information Reported by Banks 
are important in this case 

4.  Credit  Risk  Concentration:  As  with  any  concentration  risk,  large  exposures  to  single  obligors, 
industries, or regions are a potential source of earnings volatility. 

5.  Liquidity  Management:  It  starts  with  an  assessment  of  the  degree  to  which  a  bank’s  illiquid  assets 
(primarily  loans)  are  funded  by  core  liabilities  that  are  stable  (primarily  customer  deposits,  long‐term 
debt  and  equity).  Banks  with  stable  core  funding  in  excess  of  their  illiquid  assets  generally  face  low 
liquidity  risk.  Liquidity  risk  increases  to  the  extent  that  illiquid  assets  are  being  funded  by  more 
confidence‐sensitive funding sources such as short‐term capital markets funding or interbank funding. 

6.  Market  Risk  Appetite:  Focus  is  to  assess  the  sensitivity  of  both  the  trading  and  non‐trading  (i.e. 
banking) books to major changes in key financial variables (including interest rates, equity prices, foreign 
exchange rates, and credit spreads). Typically assessed through the results of a bank's own stress tests 
or economic capital measures, or if not available, other measures of market risk such as VaR or interest 
rate sensitivity analyses. 

Rating Factor 3: Regulatory Environment 

A bank's financial strength is often improved with the existence of an independent bank regulator with 
credible and demonstrated enforcement powers and an adherence to standards of effective regulation 
and supervision consistent with global best practices. 

The  key  parameters  of  evaluation  are  Independence,  Regulatory  standards,  supervision  and 
enforcement, maturity of regulatory framework and health of banking system 

Rating Factor 4: Operating Environment 

A bank’s performance is frequently constrained by its operating environment and, where conditions are 
particularly difficult, banks could often be said to be the victims of their environments. Violent economic 
cycles,  business  damaging  political  decisions,  weak  legal  systems  and  irrational  competitive 
environments can all act singly or in combination to impair a bank’s creditworthiness. Main factors are 
Economic Stability, Integrity and Corruption, Legal System. 

Rating Factor 5: Financial Fundamentals 

[11] 
 
The use of financial metrics helps to verify or falsify performance assumptions that were based on past 
trends. These following sub‐factors are all components of the classical CAMEL approach to bank credit 
analysis: 

1. Profitability 
2. Liquidity 
3. Capital Adequacy 
4. Efficiency 
5. Asset Quality 
Adjustments 

The scorecard is designed taking into account global availability of information, global comparison and 
reasonable  fit  for  all  banks  rated  by  Moody’s  Investors  Service.  However,  given  that  we  rate  banks  in 
over  85  countries,  with  different  market  environments,  regulations  and  business  models,  this  basic 
scorecard can not perfectly fit all of them and can not permit perfect global comparability. For example 
the  efficiency  ratio  of  an  investment  bank  ratio  established  in  a  market  with  loose  labor  regulations 
would be well lower than that of a nationwide retail bank. 

Therefore Moody’s analysts and rating committees will consider making additional adjustments to one 
or more sub‐factors in the scorecard, or consider additional metrics to improve comparability. 

   

[12] 
 
BFSR Scorecard Weights for Banks in Mature Markets 

BFSR Scorecard Weights for Banks in Developing Markets 

[13] 
 
Credit Rating analysis of Banks

[14] 
 
 
Results 
 

The follow
wing ratios we
ere found to be significanttly different aacross the AA
AA and AA rateed banks. 

• Interest Expen
nded / Total FFunds (%) 
• N
Net Interest In
ncome / Totaal Funds (%) 
• N
Non Interest I
Income / Totaal Funds (%)
• Interest Expen
nded / Intereest Earned (%)) 
• O
Other Income
e / Total Incom
me (%) 

Credit  Rating an
nalysis of 
f corporatte sector i
 in India 
 

Unlike  thee  credit  ratin

ngs  of  the  baanks,  corporaate  sector  rattings  show  so
ome  variabilitty  in  terms  of 
o the 
ratings.  H
However, the total number of corporate rated by CR
RISIL has been
n decreasing since 1998 leeading 
to a small number of o
outstanding raatings of corp
porate sector companies. 

As  we  see 

s in  the  adjoining  figure, 
f AA  rated 
r
companiees  form  a  major 
m chunkk  (39/84)  off  the 
1 AAA
outstanding  ratings.    There  is  no  corporate  sector  5
9 18 AA
on we 
company  rated in the  C category.   In this sectio 11
A
d to explore the possibilityy of a linear m
have tried model  BBB
39
that  can  help  some
eone  determ
mine  whether  a  BB
particularr  corporate  would  be  rated  D  in  the  D
following year or not. 

Predicttion of a co
ompany be
eing rated
d D in 1 yea
ar time ussing Discriiminant an
nd 
Logit Annalysis 
 

There  aree  many  facto

ors  which  afffect  the  ratin
ng  of  a  firm  or  an  entity.  The  rating  process  of  a 
a firm 
involves  a 
a long  processs  as  explained  before  in  this  report.  Since  we  do
o  not  have  co
omplete  acceess  to 
informatio
on as a creditt rating firm  would have d
during the rating process,  in this reporrt we have triied to 

[15] 
 
analyze  some  of  the  main  factors.  Apart  from  our  understanding,  a  similar  technique  would  also  be 
useful to most of the Banks, since with Basel norms getting implemented at various levels, Banks would 
be required to perform this task to some extent themselves, and hence there is a definite need for such 
models.  

Literature Survey 
We found the following studies relevant to this analysis during our literature survey: 

1. Z‐score  formulation  for  predicting  bankruptcy  by  Altman  (1968).  He  employed  working 
capital/total  assets  ratio,  retained  earnings/total  assets  ratio,  earning  before  interest  and 
taxes/total  assets  ratio,  market  value  of  equity/book  value  of  total  debt  ratio,  and  sales/total 
assets  ratio  as  predictor  of  financial  health  of  a  company.  The  indicator  variable  Z‐score 
forecasted  the  probability  of  a  firm  entering  bankruptcy  in  a  period  of  two  years  (the  cut‐off 
score was below 1.81). 

2. Altman et al. (1977) constructed a 2nd generation model with several enhancements to the initial 
Z‐score  model.  The  new  model  was  called  ZETA  and  it  was  effective  in  predicting  bankrupt 
companies  up  to  five  years  prior  to  failure.  The  sample  considered  was  of  corporations 
consisting of manufacturers and retailers. The ZETA model tests were based on non‐linear like 
quadratic  as  well  as  linear  discriminate  models.  Although  the  non‐linear  model  was  more 
accurate  in  the  original  test  sample  results  but  at  the  same  time  less  accurate  and  reliable  in 
holdout or out‐of‐sample forecasting.  

3. In Altman et al. (1995), they modified the Z‐score model to fit for emerging market corporations, 
especially Mexican firms that had issued Eurobonds denominated in US dollars. This alternate Z‐
score model for emerging markets dropped sales/total assets and used book value of equity for 
the fourth and final variable. This was modified to suit better to private firms. 

4. In Arindam Bandyopadhyay (2004), the above model was tweaked more to fit better for India as 
an emerging market. His study focused on predicting probability of default of Indian corporate 
bonds. He used an MDA (Multivariate Discriminate Analysis) model to predict corporate default 
using a balanced panel data of 104 Indian corporations for the period of 1998 to 2003. 

[16] 
 
Since quite a few literature has suggested that the credit rating, companies’ average performance and 
hence a quantitative model are all quite dynamic in nature over various time periods and are dependent 
on  the  state  of  economy.  The  previous  study  was  done  during  the  period  1998  to  2003,  which  also 
included jittery phases due to 9/11 and export linked economy and at the same time IT bubble bursting. 

Therefore we have tried to study the effects more to a context where Indian economy has been by far 
growing. We have included the most recent data available to for both Credit Rating issued by CRISIL and 
the financial & other factors. 

We have looked at 2 different analyses: 

1. Multivariate  Discriminate  Analysis  for  developing  the  Z‐score  model  for  the  current  Indian 
economy state. This would help us to predict the probability of being rates as default grade. 

2. Logistic  Regression  model  to  estimate  the  probability  of  being  rated  in  the  default  grade  and 
factoring  in  non‐financial  factors  like  age  of  company,  group  company  (if  it  is  past  of  some 
conglomerate/business house) and industry in which a firm operates. This particular model has 
a potential to predict credit risk capital for Indian Banks. 

Discriminant and Logit analysis 
This section details the discriminant and logit analysis performed to arrive at the model for predicting 
the probability of a corporate sector company being rated in Default category. 

Assumptions and limitations 
For this study we have taken the credit ratings done by CRISIL. CRISIL has the largest market share in the 
credit rating industry and the companies rated by CRISIL provide us an acceptable reference set for the 
study. However, since the ratings provided by different agencies can differ even for the same firm, the Z‐
Score model developed in this study might not reflect the ratings provided by other rating agencies.  

We  have  taken  the  data  from  2001  onwards,  which  is  a  period  of  up‐swing  rating  cycle.  Hence  the 
companies having a default grade rating is low as compared to the number of companies during early 
90s. The number of companies which are rated by CRISIL has also been going down which further limits 
the data set that we get for the analysis limiting the accuracy of the model. 

Selection of Data and Data Sources 
 

[17] 
 
 
Results of Discriminant Analysis 
A summary of the data set used for the analysis has been included in the Appendix. A total of 197 valid 
data points were included in the analysis out of which 20 randomly chosen data points (10 each from 
Default and Non‐Default grades) were kept as Holdout sample.  

The following discriminating function was derived using SPSS software for discriminant analysis: 

Z‐Score = 0.830 * Solvency Ratio + 0.602 * (Cash Profits / Total Assets) + 0.582 * (Working Capital/Total 
Assets) + 0.523 * (Operating Profit/Total Assets) + 0.516 * (Sales / Total Assets) 

The Z‐score for default grade was ‐0.612 and for non‐default grade was 0.619.  

The  above  model  successfully  predicted  the  rating  grade  for  only  77.4%  of  the  cases  in  the  analysis 
sample  and  70%  of  the  cases  in  the  holdout  sample.  A  detailed  SPSS  output  has  been  given  in  the 
appendix.  

Results of Logit Analysis 
As explained before three other non‐financial factors were included for logit analysis. The natural log of 
the age of the firm, the affiliation with the top 50 business groups of India and the category of industry 
the company is in. The results obtained through this analysis too were not conclusive. This model was 
successful  only  for  81.9%  of  the  cases  in  the  analysis  sample  and  75%  of  the  cases  in  the  holdout 
sample. A detailed output has been provided in the appendix.  

One  interesting  result  from  logit  analysis  is  that  only  the  following  ratios  were  included  in  the  final 
equation to attain the classification of default/non‐default grade: 

• Solvency Ratio 
• Sales/Total Assets 
• Ln(Age) 
   

[19] 
 
International Scenario 
 

The Indian economy is getting linked more closely with the global economy with companies accessing 
the  markets  abroad  to  raise  funds.  Thus,  it  becomes  important  to  understand  the  international  credit 
rating scenario. The credit ratings of the banks in India are skewed heavily towards the investment grade 
with  AAA  rating  being  awarded  to  a  large  number  of  banks.  However,  if  we  look  in  the  international 
context  there  is  only  one  corporation  that  has  been  awarded  AAA  rating  by  Moody’s,  The  Hong  Kong 
Mortgage Corporation Limited. 

Comparison of Indian and Korean Banks 
A large number of Indian banks have been awarded a domestic rating of AAA by CRISIL, however if we 
look at their international ratings, we find that no Indian bank has been awarded a rating in A category. 
The highest rating for any Indian bank is BBB‐ in the present ratings list. However, in Korea some banks 
have been awarded A as their international rating. The tables below show the domestic credit rating of 
some Indian banks and the international credit rating of the banks of Korea which have been included in 
our analysis. P
0

[20] 
 
Indian Banks  Rating  Korean Banks  Rating 
Bank Of Baroda  AAA  Daegu Bank  A3 
Bank Of India  AA  Industrial Bank of Korea  A1 
Canara Bank  AAA  Kookmin Bank  A1 
H D F C Bank Ltd.  AAA  Korea Exchange Bank  A3 
I C I C I Bank Ltd.  AAA  Pusan Bank  A3 
Indian Overseas Bank  AA  Woori Bank  A3 
Punjab National Bank  AAA  Shinhan Bank  A3 
State Bank Of India  AAA  Hana Bank  A3 
Source CRISIL Credit Ratings and S&P Credit Ratings

It is relevant here to mention that the sovereign rating of Korea (A+) is higher from that of India (BBB‐) 
as  per  S&P  ratings.  The  following  table  shows  the  means  and  variances  of  the  various  financial 
parameters of the chosen banks of India and Korea. The data is of financial year 2006 (ending 31st March 
2007 for India and 31st December 2006 for Korea) and the exchange rate as of these dates have been 
used to convert the total assets to equivalent Dollar value. 
 
  Mean  Variance 
  India  Korea  India  Korea 
CAR  12.44  12.36  0.75  1.62 
Tier1 Capital  7.95  8.58  0.84  1.28 
NIM  3.17  3.01  0.71  0.52 
ROE  17.60  19.56  5.12  3.51 
NPL  0.83  1.00  0.36  0.32 
Total Assets (USD bn)  48.93  119.48  37.86  80.97 

From the look at the above table it is seen that the various financial parameters have similar values in 
both the nation. Further statistical tests confirm that the means of these financial parameters are the 
same at a 90% confidence level. The details of the test can be found in the appendix. It should be noted 
here that the data set is very small here; hence the statistical tests are not very accurate. 
 
The above analysis immediately poses a question in one’s mind, that if the above parameters are almost 
the  same  for  both  the  Indian  and  the  Korean  banks  then  why  are  the  Korean  banks  given  a  higher 
international credit rating than the Indian Banks. One explanation to it can be the fact that the sovereign 
rating  of  Korea  is  higher  than  that  of  India,  as  already  mentioned  before.  Country  risk  is  one  of  the 
parameters taken as input by the rating agencies for the assessment of international credit ratings.

[21] 
 
Study of Defaults 
 

A prominent concern in the minds of every investor is whether he would get his money invested back or 
not.  The  probability  of  default  as  depicted  by  the  credit  ratings  helps  every  investor  to  choose 
appropriate  investment  instruments  as  per  his  risk  appetite.  High  risk  investors  would  prefer  the 
speculative grade instruments which have higher return along with a high probability of default. 

CRISIL defines default as “Even a single day’s delay, or a shortfall of even a single rupee, in terms of the 
promised payment schedule”5. 

A few important terms have been defined below to provide a better understanding of the study: 

Default  Rate:   It  is  the  percentage  of  companies  defaulting  in  a  particular  rating  category.  It  is 
calculated as the  number  of companies defaulting in a rating  category divided  by the total  number of 
ratings outstanding in that category. 

Transition Rate:  It captures the probability with which a company’s rating moves between different 
credit rating categories. 

Importance  of  the  default  and  transition  rates:  The pricing of the instruments in the debt 

markets  depends  on  the  credit  risk  of  the  company  issuing  the  debt.  The  default  and  transition  rates 
indicate the probability of the future payments by a company and thus help in the pricing of the debt 
instruments. Any other product dependant or influenced by the credit risk of the company also keeps 
these  rates  as  critical  input  parameters.  Certain  quantitative  models  for  determine  credit  risk  include 
these rates as input. Finally, both these rates can be used to validate the scales used for ratings since as 
the rating degrades the default probability should decrease and thus the transition probability to default 
grade would also increase.  

                                                            
5
CRISIL Credit Rating Default Study 2006

[22] 
 
CRISIL Default and Transition Rates 
The figure on the right shows that the default 
rates have declined over the years after 1998. 
The  default  rates  have  also  exhibited  trends 
similar  to  that  of  the  S&P’s  global  default 
rates. The default rate for the period 2000‐06 
has  been  1.7%.  The  declining  default  rates 
also indicate that the current period has been 
of a rating up‐cycle. The stricter regulations in 
the  current  scenario  making  fraudulent  and 
manipulative accounting policies difficult have also added to the trend. 

The decline in the default rates is further illustrated by comparing the cumulative default rates for the 
current period and historical rates. 

Source: CRISIL Ratings 

It is evident from the above two charts that the cumulative default rates for the period 2002‐2006 has 
been  lower  than  the  historical  average,  further  indicating  that  the  present  period  is  a  rating  up‐cycle 
period. The average 1‐year transition rates for CRISIL have been given in the appendix. 

   

[23] 
 
Decreasing number of rated companies? 
 

The  adjoining  table  shows  that  the  number  of  rated  No of Rated Companies by CRISIL
companies  by CRISIL  has been  decreasing since 1997. It  600
500
poses  an  interesting  question  to  one’s  mind.  Have  the  400
companies  vanished?  Or  are  these  ratings  not  worth  to  300
200 No of Rated 
be carried forward?  Companies
100
0
In  this  section  we  explore  the  possible  reasons  for  this 
phenomenon.  

The following developments contribute to a large extent to the above phenomenon. We explain them 
one by one in this section. 

1. Buoyant Equity Markets 
2. Private Placements 
3. Low risk appetite for risky corporate bonds in Indian debt market 
4. Primary and Secondary Markets for bond in India 
5. Decrease in participation from Mutual funds 
6. Structured finance product picking up fast 
7. Effects of regulatory norms like Basel‐II 
 
1. Buoyant Equity Markets 
As a widely know fact that Indian equity markets have been fairly buoyant in past couple of years and 
this  has  also  been  a  reason  for  many  corporate  houses  to  follow  the  equity  route  for  resource 
mobilization. This is also evident from the data in table below which clearly shows that the “Percentage 
share of debt in total resource mobilization” has been declining steeply in the recent years from 98.08% 
in 2002‐03 to 73.51% in 2004‐05. 

[24] 
 
Table: Resource mobilization by the corporate sector (INR billions) 

F‐Year          Total  Share  of  Share  of  debt 

Public    resources  private  in  total 
equity  Debt issues  (2+5)  placements  resource 
issues  in  total  debt  mobilization 
(4/5*100)  FY (5/6*100) 
Public  Private  Total  %  % 
issues  placements  (3+4) 

1  2  3  4  5  6  7  8 
2000‐01   24.79  41.39  524.34  565.73  590.52  92.68  95.8 
2001‐02   10.82  53.41  462.2  515.61  526.43  89.64  97.97 
2002‐03   10.39  46.93  484.24  531.17  541.56  91.16  98.08 
2003‐04   178.21  43.24  484.28  527.52  705.73  91.8  74.75 
2004‐05   214.32  40.95  553.84  594.79  809.11  93.12  73.51 
Note: Financial Year (April – March). Sources: Prime Database; Indian Securities Market Review, National Stock Exchange (NSE). 

 
2. Private Placements 
Private  placements  have  been  quite  popular  in  India,  primarily  because  of  the  ease  of  issuance  in  the 
underdeveloped  primary  as  well  as  secondary  debt  markets  and  cost  efficiency.  Again  from  the  table 
above  it  is  quite  clear  that  private  placements  share  more  than  90%  market  share  in  the  total  debt 
market.  

It has been observed that a significant proportion of bank's investments in non‐statutory liquidity ratio 
(SLR) securities are through the private placement route. Other than the banks and financial institutions 
bond issues are privately placed with several small players such as provident funds, mutual funds and 
co‐operative banks and regional rural banks (RRBs)6. 

Besides  the  general  benefits  for  private  placements,  until  29th  December,  2003  rating  was  not 
mandatory  for  private  placements.  It  was  only  after  this  date  that  the  regulations  were  drafted  and 
issued  to  make  the  corporate  debt  securities  under  private  placement  void  from  this  rule  as  per  the 
notification on BSE India issued on 29th December 2003. 

                                                            
6
Rating may be mandatory for private placement,
http://www.blonnet.com/2002/03/26/stories/2002032601860100.htm

[25] 
 
Conditions  to  be  complied  with  in  respect  of  private  placement  of  debt  securities  include  following 
clause: “The debt securities shall carry a credit rating from a Credit Rating Agency registered with SEBI”7.  

3. Low risk appetite for risky corporate bonds in Indian debt market 
The data on ratings suggests that lower‐quality credits have difficulty issuing bonds. The concentration 
of  turnover  in  the  secondary  market  also  suggests  that  investors’  appetite  is  mainly  for  highly  rated 
instruments, with nearly 84% of secondary market turnover in AAA‐rated securities8. 

4. Primary and Secondary Markets for bond in India 
Both primary and secondary debt markets in India have not been developed as equity markets and their 
has  been  fair  amount  of  criticism  over  this  but  off  late  quite  a  few  steps  have  been  taken  by  SEBI  to 
develop these markets to a state of maturity. 

Some limiting features often quoted are9: 

1. “buy and hold” strategies legitimately followed by most institutional investors in corporate debt 
securities; 
2. small issue sizes that fulfill the specific needs of the issuer or investor; 
3. stringent investor protection guidelines in the primary market; 
4. imperfections in the tax structure; 
5. mandatory investment in government bonds; 
6. lack of proper market infrastructure; and 
7. The inability of small and medium‐sized enterprises to access the debt markets. 
 
5. Decrease in participation from Mutual funds 
It has been discussed in literature that corporate debt market is guided from the total asset managed by 
mutual funds and it fluctuates with fluctuations in them. Over and above that aggregate figures shows 
that MF has been consistently decreasing their investments under the debt pie. 

                                                            
7
Secondary Market for Corporate Debt Securities, http://www.bseindia.com/whtsnew/secondarymkt.asp
8
V K Sharma and Chandan Sinha, ‘The corporate debt market in India’
9
V K Sharma and Chandan Sinha, ‘The corporate debt market in India’

[26] 
 
Table: Assets under management by mutual funds (% of total) 

Instrument   End‐March  End‐March  End‐March 

2003   2004   2005  
Debt   59.9  44.8 31.6
Equity   12.4  16.9 25.6
Money market  17.3  29.9 35.9
instruments  
Government securities   4.9  4.3 3
Others   5.5  4.1 3.9
Total   100  100 100
Source: Association of Mutual Funds in India. 

 
6. Structured finance product picking up fast 
With  Securitization  and  other  innovative  products  catering  to  customized  requirements  for  market 
participants  and  other  benefits  like  tax  savings,  their  market  volumes  have  seen  a  steep  increase  in 
volumes of trade. The table below show that the total volumes have increased almost 8 times from 2002 
to 2005. This is again a disturbing trend from corporate debt opportunities point of view. 

Table: Trends in issuance volumes (INR billions) 

Structure   2002  2003  2004 2005

Asset‐backed securities   12.9  36.4  80.9 222.9
Mortgage‐backed  0.8  14.8  29.6 33.4
securities  
Corporate debt  19.1  24.3  28.3 25.8
obligations/  
loan sell‐offs        
Partial guarantee  4  1.9  – 16
structures  
Others   0  0.4  0.5 10
Total   36.8  77.7  139.2 308.2
Source: Investment Information and Credit Rating Agency of India. 

7. Effects of Regulatory norms like Basel­II 
Under Basel II the risk weights assigned to securities rated below A (BBB and below) are all given 100% 
or more risk weights, while at the same time if a security is not rated its default weight is considered to 
be 100%. This clearly reduces incentive for firms to get rated unless they are sure of being rated an A or 
above rating. 

[27] 
 
Table: Proposed Risk Weights based on External Risk Assessment10 

Credit Rating  Sovereigns  Banks Corporate

    Option 1 Option 2  
AAA to AA‐  0  20  20 20
A+ to A‐  20  50  50*  100
BBB+ to BBB‐  50  100 50*  100
BB+ to B‐  100  100 100*  100
Below B+   150  150 150 150
Un‐rated   100  100 50*  100
Note: (i) * denotes claims on banks of short‐term maturity, e.g., less than 6 months would receive a weighting that 
is one category more favorable than usual risk weight on the bank’s claim. (ii) Option 1: Based on risk weighting of 
sovereign where bank is incorporated. (iii) Option 2: Based on assessment of the individual bank.   

Other relevant changes in the norm are11: 

• Credit  rating  is  mandatory  for  issuance  of  debt  instruments  by  listed  companies  with 
maturity/convertibility of 18 months and above. 
• SEBI  along  with  stock  exchanges  made  ratings  mandatory  for  debt  instruments  placed  under 
private placement basis and having a maturity of one year or more, which are proposed to be 
listed. 
• Requirement for certain investors to invest not more than a stipulated part of their portfolio in 
unrated bonds. 
• RBI has made it mandatory for all commercial banks to make fresh investment only in rated non‐
SLR securities. 

Other Trends covered through RBI Annual Report (2005­06) 
 
Decreased investments in Corporate bond from Banks 
In  addition  to  liquidating  a  part  of  their  gilt  portfolio,  banks  also  reduced  their  non‐SLR  investments 
(especially,  investments  in  the  bonds/  debentures  issued  by  various  corporate  entities)  by  Rs.10,256 
crore during 2005‐06. A reason could be again because of following regulations being brought in:  

                                                            
10
 D. M. Nachane , Saibal Ghosh, “Credit Rating And Bank Behaviour In India: Possible Implications Of The New 
Basel Accord” 

11
 Business Outlook: Basel‐II a big boon in the offing 
http://www.moneycontrol.com/india/news/ipoissuesopen/networthstockbrokingicraipo/subscribetoicra/market/s
tocks/article/272850 

[28] 
 
With effect from July 26, 2005, the risk weight for credit risk on certain capital market exposures was 
increased  from  100  percent  to  125  percent.  Capital  market  exposures  subject  to  higher  risk  weights 
included:  

1. Direct  investment  by  a  bank  in  equity  shares,  convertible  bonds  and  debentures  and  units  of 
equity oriented mutual funds; 
2. Advances  against  shares  to  individuals  for  investment  in  equity  shares  [including  Initial  Public 
Offerings  (IPOs)/  Employee  Stock  Option  Plans  (ESOPs)],  bonds  and  debentures  and  units  of 
equity oriented mutual funds; and  
3. Secured  and  unsecured  advances  to  stock  brokers  and  guarantees  issued  on  behalf  of  stock 
brokers and market makers. 
Significant capital being raised from international markets 
Reflecting  the  increased  domestic  investment  activity,  demand  for  external  commercial  borrowings 
(ECBs), including foreign currency convertible bonds (FCCBs), remained high during 2005‐06. Corporates 
resorted to ECBs mainly for import of capital goods, project financing, capital investment, modernization 
of  plants  and  expansion  of  activity.  Gross  disbursements  under  ECBs  increased  from  US  $  8.5  billion 
during 2004‐05 to US $ 13.5 billion during 2005‐ 06. Net disbursements under ECBs were lower during 
2005‐06 essentially on account of the one‐off effect of principal repayment of IMDs (US $ 5.5 billion). 
Recourse  to  short‐term  trade  credits  also  increased  during  the  year,  reflecting  rising  import  financing 
requirements. 

Buoyant  stock  markets  also  provided  an  opportunity  to  corporates  to  raise  funds  from  international 
capital  markets  for  their  investment  requirements.  Resources  raised  by  Indian  corporates  from 
international  capital  markets  during  2005‐06  increased  substantially  by  238.7  per  cent  to  Rs.11,358 
crore  (see  Table  1.59).  Out  of  these,  Rs.9,779  crore  were  mobilized  in  the  form  of  Global  Depository 
Receipts  (GDRs),  followed  by  American  Depository  Receipts  (ADRs)  (Rs.1,573  crore)  and  Foreign 
Currency  Convertible  Bonds  (FCCBs)  (Rs.6  crore).  Most  of  the  euro  issues  were  made  by  private  non‐
financial  companies.  During  2006‐07(April‐June),  resources  raised  through  euro  issues  by  Indian 
corporates  at  Rs.5,786  crore  were  substantially  higher  than  those  of  Rs.1,834  crore  during  the 
corresponding period of 2005‐06. 

All these reason are in a way making the debt market a little unattractive within the Indian geographical 
territory for the corporate houses here and hence could be a reason for the not many corporate being 

[29] 
 
willing  to  incur  the  costs  &  time  for  being  rated  through  a  rating  agency  and  in  the  process  releasing 
significant business information to an external agency. 

Conclusion 
 

In  this  report  we  saw  that  the  credit  rating  agencies  follow  a  detailed  methodology  to  arrive  at  on 
opinion  on  the  creditworthiness  of  an  entity.  The  process  varies  amongst  agencies  and  the  type  of 
entity. CAMEL model is generally used for banks. The credit ratings of banks in India are skewed towards 
A category and an analysis of the financial ratio’s of AAA and AA rated banks showed that a number of 
ratios  were  significantly  different  across  the  banks  in  these  categories.  The  model  developed  using 
discriminant  and  logit  analysis  to  predict  the  possibility  of  a  corporate  being  rated  into  the  default 
category in the following year showed that the following factors, Sales/Total Assets, Solvency Ratio and 
Ln(Age).  

The  international  ratings  differ  from  the  domestic  ratings  as  we  see  in  this  report.  The  highest 
international rating for any Indian bank is BBB‐. The comparison of financial ratios of Indian and Korean 
banks showed no difference amongst them, but the Korean banks were rated higher internationally than 
Indian  banks  implying that there are some  country related factors too that are taken into  account for 
international ratings. 

The  present  booming  economic  scenario  in  India  has  led  to  a  decrease  in  the  number  of  defaults 
happening in the country. During our study we found a disturbing trend being coming up in terms of the 
number  of  companies  getting  rated.  This  number  is  constantly  decreasing  over  the  past  7  years.  We 
found  that  this  trend  has  links  with  the  buoyant  equity  markets,  rising  number  of  debt  being  raised 
through  private  placements,  low  risk  appetite  for  risky  corporate  bonds  in  Indian  debt  market,  the 
maturity level of primary and secondary markets for bond in India, substantial decrease in participation 
from Mutual funds, and uptrend in structured finance products rather than the debt products. 

   

[30] 
 
Problems faced during the study 
 

We  would  like  to  document  the  problems  that  we  have  faced  while  doing  this  study  so  as  to  provide 
some  information  on  the  difficulties  encountered  to  anyone  else  who  would  be  pursuing  a  similar  or 
related  study.  The  study  is  heavily  dependent  on  the  availability  of  data  and  thus  the  first  and  prime 
concern  is  the  availability  of  data.  The  development  of  an  accurate  z‐score  model  and  statistical  tests 
require  larger  number  of  data  points  which  was  again  not  present  because  the  number  of  companies 
rated in India are very less and the number of defaults even more less. The rating history of India is also 
not very old. 

We  also  faced  problems  while  collecting  data  on  international  organization.  IIMB  doesn’t  have  license 
for  linking  excel  with  Bloomberg  database  making  it  difficult  to  extract  data  about  a  large  number  of 
companies,  and  the  information  available  from  ISI  Emerging  market  is  limited.  We  also  could  not  find 
the exact details of the rating methodology of CRISIL but could get only a summary of steps.  

The credit ratings of banks are highly skewed towards AAA in India, which again leads to a very few data 
points for lower ratings, restricting the scope of study. The study has been done in a period of rating up‐
cycle where the number of defaults is lesser. 

   

[31] 
 
Appendix 
 

Average One­Year Transition Rates 
 

Number of corporate sector ratings by CRISIL from 1992 onwards 
 

The following table lists the number of ratings as done by CRISIL from 1992 onwards and the number of 
defaults in each year. The ratings have been categorized industry‐wise. 

[32] 
 
Statistical tests for difference across AA and AAA rated Indian Banks 
 

The test was performed on the financial ratios of the following banks: 

Long Term : AAA Rated Banks  Long Term: AA Rated Banks 
Central Bank of India  I N G Vysya Bank Ltd. 
Standard Chartered Bank  Bank Of Maharashtra 
Citibank N.A  Indian Overseas Bank 
HDFC Bank  Oriental Bank Of Commerce 
ICICI Bank  Syndicate Bank 
ABN‐AMRO  Uco Bank 
Bank of Baroda  Union Bank Of India 
Canara Bank  Vijaya Bank 
Punjab National Bank  Allahabad Bank 
Bank of India 
Central Bank of India 
 
Source: CRISIL Monthly Rating Scan: April 2007 Issue 

To  test  the  whether  the  means  of  the  various  ratios  are  significantly  different  or  not  we  used  the 
following steps: 

Step 1 
An  F‐Test  was  performed  at  90%  confidence  interval  to  determine  whether  the  variances  of  the 
individual ratios are same or not so that the tests for the difference of the means could be performed. 
Null hypothesis was that the variances are equal. 

F = s12/s22 

Fcrictical upper = 3.14 

Fcritical down = 0.15 

The  following  ratios  were  not  rejected  for  the  null  Hypothesis  that  their  variances  are  same.  Hence 
further tests can be performed to check if their means are the same or different.  

Investment / Deposit (%)  Cash / Deposit (%) 
Interest Expended / Interest Earned (%)  Other Income / Total Income (%) 
Operating Expenses / Total Income (%)  Interest Income / Total Funds (%) 
Interest Expended / Total Funds (%)  Net Interest Income / Total Funds (%) 
Non Interest Income / Total Funds (%)  Operating Expenses / Total Funds (%) 
Profit before Provisions / Total Funds (%)  Net Profit / Total funds (%) 
RONW (%)  Capital Adequacy Ratio 
Tier1 Capital  Tier2 Capital 
Efficieny Ratio  Net NPA/Net Advances 
 

[33] 
 
Step 2 
In  order  to  test  whether  the  mean  of  these  ratios  is  statistically  different  or  not  across  AAA  and  AA 
banks, a two‐tailed T‐test was performed at 90% confidence level.  

Tcritical = 1.74 

The  ratio’s  for  which  t‐statistic  value  was  greater  than  this  critical  value  did  not  satisfy  the  null 
hypothesis that the means of the ratio is equal at 90% confidence level across AAA and AA credit ratings. 
We  are  interested  in  these  set  of  ratio’s  since  they  are  the  among  the  reasons  for  the  difference 
between the ratings of AAA and AA.  

The  ratio’s  for  which  means  across  AAA  and  AA  can  be  termed  as  significantly  different  are  the 
following: 

Efficieny Ratio 
Tier1 Capital 
Tier 2 Capital 
Net Profit / Total funds (%) 
Profit before Provisions / Total Funds (%) 
Operating Expenses / Total Funds (%) 
Operating Expenses / Total Income (%) 
Investment / Deposit (%) 
 

However,  there  were  some  ratios  for  which  these  tests  could  not  be  performed  since  the  standard 
deviations were statistically different for the two ratings. These ratios should be tested using some other 
measure. These ratios are: 

Interest Expended / Total Funds (%) 
Net Interest Income / Total Funds (%) 
Non Interest Income / Total Funds (%) 
Interest Expended / Interest Earned (%) 
Other Income / Total Income (%) 
Credit‐Deposit (%) 
 

A 2‐tailed t‐test, applicable to samples having different variances, was performed on these ratios. The 
results  of  the  test  suggest  that  the  mean  of  the  following  ratios  are  significantly  different  across  the 
credit ratings AAA and AA.  

Interest Expended / Total Funds (%) 
Net Interest Income / Total Funds (%) 
Non Interest Income / Total Funds (%) 
Interest Expended / Interest Earned (%) 
Other Income / Total Income (%) 
 

[34] 
 
Statistical tests for comparison of Indian and Korean Banks. 
 

F‐test  followed  by  T‐test  was  performed  in  order  to  determine  whether  the  means  of  the  different 
financial parameters of Korean banks were statistically different or not from the corresponding ratios of 
Indian Banks.  

Bank  Country  Rating CAR Tier1 NIM ROE  NPL  Total 

(%)  (%)  (%)  (%)  (%)  Assets 
(USD bn) 
Daegu Bank  Korea  A3  11.3 8.4 3.61 23.4  1  21.40978
Industrial Bank of  Korea  A1  11.7 8.4 2.66 21.9  1.2  93.30167
Korea 
Kookmin Bank  Korea  A1  15.1 11.1 3.73 20.4  1.7  195.9367
Korea Exchange Bank  Korea  A3  14.8 9.8 3.4 16.7  0.9  69.67224
Pusan Bank  Korea  A3  11.1 8.1 3.09 16  0.8  23.68637
Woori Bank  Korea  A3  11.6 7.1 2.67 19.3  0.9  231.2891
Shinhan Bank  Korea  A3  12 7.8 2.55 24.1  0.8  193.8982
Hana Bank  Korea  A3  11.3 7.9 2.4 14.7  0.7  126.6718
Bank Of Baroda  India  AAA  11.8 8.74 2.95 12.15  0.6  32.96657
Bank Of India  India  AA  11.58 6.54 2.71 20.6  0.74  32.71112
Canara Bank  India  AAA  13.5 7.17 2.71 18.77  0.94  38.25262
H D F C Bank Ltd.  India  AAA  13.08 8.57 4.5 17.66  0.43  21.03083
I C I C I Bank Ltd.  India  AAA  11.69 7.42 2.22 10.98  1.02  79.52546
Indian Overseas Bank  India  AA  13.27 8.2 3.62 27.32  0.55  18.95972
Punjab National Bank  India  AAA  12.29 8.93 3.59 17.9  0.76  37.43046
State Bank Of India  India  AAA  12.34 8.01 3.02 15.41  1.56  130.5355
Source: Capitaline databases for Indian banks, Hyundai Securities and Woori Investments and Securities research reports from the ISI Emerging 
Markets database. Ratings India: Domestic ratings by CRISIL ratings, Korea: International ratings by S&P. 

The null hypothesis for the F‐test was that the variances are equal for Indian and Korean banks and for 
the T‐test the null hypothesis was that the means are equal for Indian and Korean banks. The following 
table  gives  the  p‐values  for  each  test  and  also  mentioned  whether  the  hypothesis  was  accepted  (not 
rejected) or rejected after each test. 

  CAR  Tier1  NIM  ROE  NPL 

F‐Test  0.060186  0.28937  0.413743 0.340088  0.792184 
  Rejected  Accepted  Accepted Accepted  Accepted 
T‐Test  0.900368  0.264337  0.633832 0.385699  0.318832 
  Accepted  Accepted  Accepted Accepted  Accepted 
 

[35] 
 
The results show that we cannot infer that the values of these financial parameters are significantly 
different for Indian and Korean banks.  

SPSS Outputs for Discriminant and Logit Analysis 

Discriminant Analysis  
 

Group Statistics 

Group Statistics Mean Std. Deviation Valid N (listwise)

Unweighted Weighted
Default Grade WorkingCapital_TotalAssets -0.121280899 0.360965215 89 89
CashProfits_TotalAssets -0.031539326 0.169138664 89 89
Solvency 1.243707865 0.462946055 89 89
OperatingProfits_TotalAssets -0.035696629 0.154917676 89 89
Sales_TotalAssets 0.60741573 0.360084296 89 89
Non-Default Grade WorkingCapital_TotalAssets 0.097829545 0.23769367 88 88
CashProfits_TotalAssets 0.064465909 0.06962262 88 88
Solvency 2.1875 1.225545386 88 88
OperatingProfits_TotalAssets 0.042784091 0.075034467 88 88
Sales_TotalAssets 0.893375 0.526486059 88 88
Total WorkingCapital_TotalAssets -0.012344633 0.32426259 177 177
CashProfits_TotalAssets 0.01619209 0.137903323 177 177
Solvency 1.712937853 1.036122778 177 177
OperatingProfits_TotalAssets 0.003322034 0.127794149 177 177
Sales_TotalAssets 0.749587571 0.4716014 177 177

Standardized Canonical Discriminant Function Coefficients 

Function1
WorkingCapital_TotalAssets 0.082478
CashProfits_TotalAssets 0.449033
Solvency 0.729321
OperatingProfits_TotalAssets -0.24362
Sales_TotalAssets 0.395827
 

Functions at Group Centroids  

Function1
Default -0.61191
Non- 0.618863
Default
 

[36] 
 
Classification Results 

Predicted Group Membership Total

Default Non-Default
Cases Selected Original Count Default 75 14 89
Non- 26 62 88
Default
% Default 84.27 15.73 100
Non- 29.55 70.45 100
Default
Cases Not Original Count Default 6 4 10
Selected
Non- 2 8 10
Default
% Default 60 40 100
Non- 20 80 100
Default
 

Logit Analysis 
 

Classification Table   

Observed Predicted
Selected Cases(a) Unselected
Cases(b)
DRAT Percentage DRAT Percentage
Correct Correct
0 1 0 1
Step 1 DRAT 0 76 13 85.39 6 4 60
1 18 70 79.55 1 9 90
Overall Percentage 82.49 75
Step 2 DRAT 0 75 14 84.27 6 4 60
1 18 70 79.55 1 9 90
Overall Percentage 81.92 75
Step 3 DRAT 0 76 13 85.39 6 4 60
1 20 68 77.27 1 9 90
Overall Percentage 81.36 75
Step 4 DRAT 0 74 15 83.15 6 4 60
1 18 70 79.55 1 9 90
Overall Percentage 81.36 75
Step 5 DRAT 0 73 16 82.02 6 4 60
1 19 69 78.41 1 9 90
Overall Percentage 80.23 75
Step 6 DRAT 0 77 12 86.52 6 4 60
1 20 68 77.27 1 9 90
Overall Percentage 81.92 75
Note: DRAT Variable: 0: Default grade and 1: Non‐default grade 

[37] 
 
Variable in the equation 

The final step of the logistic regression is shown in the following table: 

B S.E. Wald df Sig. Exp(B)

Step 6(a) Solvency 2.192904 0.44593 24.18274 1 8.76E-07 8.961198
Sales/Total 1.207459 0.457587 6.963009 1 0.008321 3.344975
Assets
Ln (Age) 1.716624 0.685592 6.269296 1 0.012285 5.565708
Constant -6.83474 1.338742 26.06455 1 3.3E-07 0.001076

Credit Rating Scales 
 

The credit rating scales broadly are the same for all credit rating agencies with minor differences in the 
notation for each category. The investment grade ratings are BBB (LBBB) and above for CRISIL (ICRA). 
The following table describes convention for CRISIL.  

CRISIL’s Long term credit rating scale 
Investment Grade Ratings 
AAA  Highest degree of safety with regard to timely payment of financial obligations. Any 
  adverse changes in circumstances are most unlikely to affect the payments on the 
instrument 
AA   High degree of safety with regard to timely payment of financial obligations. They 
  differ only marginally in safety from `AAA' issues.  
A  Adequate degree of safety with regard to timely payment of financial obligations. 
However,  changes  in  circumstances  can  adversely  affect  such  issues  more  than 
those in the higher rating categories. 
BBB   Moderate  safety  with  regard  to  timely  payment  of  financial  obligations  for  the 
present;  however,  changing  circumstances  are  more  likely  to  lead  to  a  weakened 
capacity  to  pay  interest  and  repay  principal  than  for  instruments  in  higher  rating 
categories. 
 

Speculative Grade Ratings 
BB  Inadequate safety with regard to timely payment of financial obligations; they are
less  likely  to  default  in  the  immediate  future  than  other  speculative  grade 
instruments,  but  an  adverse  change  in  circumstances  could  lead  to  inadequate 
capacity to make payment on financial obligations. 
B   Greater likelihood of default; while currently financial obligations are met, adverse 
business or economic conditions would lead to lack of ability or willingness to pay 
interest or principal. 
C   Factors present that make them vulnerable to default; timely payment of financial 
obligations is possible only if favorable circumstances continue. 
D   Instruments  rated  'D'  are  in  default  or  are  expected  to  default  on  scheduled 
payment dates. Such instruments are extremely speculative and returns from these 
instruments may be realized only on reorganization or liquidation. 
Source: Long term Ratings Scale from CRISIL (http://www.crisil.com/credit‐ratings‐risk‐
assessment/rating‐scales‐long‐term.htm) 

[38] 
 
Comparison of bond market growth in Asia­Pacific region 
 

[39] 
 
References 
 

1. Credit Rating Information Services of India Limited (CRISIL, www.crisil.com)

2. Investment Information and Credit Rating Agency of India (ICRA, www.icra.in)
3. Credit Analysis & Research Limited (CARE, www.careratings.com)
4. ONICRA Credit Rating Agency of India Ltd. (www.onicra.com)
5. Prowess companies database
6. Capitaline Databases (www.capitaline.com)
7. ISI Emerging markets database
8. EBSCO Research Databases
9. Research report from Hyundai securities and Woori investments for Korean markets
10. Evolution of credit ratings - Part 1.
(http://www.caricris.com/index.php?option=com_caricris&Itemid=41&id=5)
11. Evolution of credit ratings – Part 2.
(http://www.caricris.com/index.php?option=com_caricris&Itemid=41&id=6)
12. Nikitin L. and Romashov A, The Global Geography of Credit Ratings in Past and Present: Exploratory
Research
13. V K Sharma and Chandan Sinha, ‘The corporate debt market in India’
14. D. M. Nachane , Saibal Ghosh, “Credit Rating And Bank Behaviour In India: Possible Implications Of
The New Basel Accord”
15. Arindam Bandyopadhyay, “Predicting probability of default of Indian corporate bonds: logistic and Z-
score model approaches”
16. Reserve Bank Of India Annual Report, 2005-06
17. CRISIL Annual Report, 2005-06
18. Insights - CRISIL default study 2005-06
19. Rating Roundup, FY 2006-07, CRISIL
20. Bank Financial Strength Ratings: Global Methodology, Moody’s Investor Services
21. Arturo Estrella, Sangkyun Park, and Stavros Peristiani, “Capital Ratios as Predictors of Bank Failure”
 

[40]