信用风险管理是商业银行风险管理的中心内容，但长期以来该问题一直是商业银行风险管理研究中的薄弱点，这无疑制约了商业银行的进一步发展。鉴于九十年代商业银行的信用风险形式和作用机制的新发展，信用风险管理重新成为人们关注的热点，成为风险管理研究的前沿问题。在我国，商业银行的信用风险及其管理问题也是近年来困扰我国商业银行和金融监管部门的一大难题。深入研究这一问题具有较强的理论意义和实践意义。本文致力于全面系统的研究信用风险量化度量和管理模型，试图通过这项研究弥补国内银行在信用风险研究领域的空白和不足并缩短与国外的差距。希望本文能在加强和改善我国商业银行信用风险管理，提高入世后我国银行的竞争力等方面起到积极的作用。本文共分为五章，具体结构和主要内容如下：第一章，商业银行信用风险的理论分析。本章是全文分析研究的基础。这一章首先阐述了信用风险的概念，分析了信用风险收益与风险的不对称性、非线性和内源性等基本特征，然后从四个方面介绍了信用风险管理发展变化的趋势，最后，结合近年来信用风险量化度量和管理方法增强国际银行界抵御金融市场动荡能力的实践， 指出建立科学的信用风险量化度量和管理模型将是银行业面临的一个紧迫任务和挑战。 第二章，信用风险度量模型的历史演进。本章回顾了信用风险度量模型的发展历史，将其分为三类：古典的信用风险分析方法、现代的信用风险量化度量模型以及由古典向现代过渡的模型。这一章较为全面地介绍了古典的信用分析方法（基于DA方法的Z, Z’和Zeta计分模型）以及过渡模型（Altman的死亡率模型和迁移概率矩阵）的内容和原理，对它们和现代信用度量模型的差异做了科学的归纳和总结，分析了信用风险度量模型由古典分析转向现代度量的原因和背后的思想的演变。第三章，现代信用风险量化度量模型：CreditMetrics模型，KMV模型和CreditRisk+模型。这三个模型是目前在西方最为流行的信用风险量化度量模型，本章对其进行了详细的介绍和分析。J.P.摩根的CreditMetrics模型是基于VaR方法的信用风险管理系统，它在盯市(market-to-market)基础上估计个别资产或资产组合的信用风险VaR(即在一定置信水平下，信用资产组合可能遭受的最大损失量)。KMV公司的KMV模型是利用现代期权理论作为其依据所建立起来的违约预测模型，该模型可对所有股权公开交易的主要公司和银行的违约可能性做出预测。瑞士信贷银行的CreditRisk+模型是用一种保险精算技术的信用风险度量方法，目的是导出资产组合的损失分布，这种方法的最大优势在于需要输入的信用数据较少。本章对三个模型各自的优缺点进行了总结，并从风险的定义、风险驱动因素、风险波动性、回收率、数字方法及应用背景几个方面对这三大模型进行了比较、分析和研究。 第四章，现代信用风险量化度量模型运用。本章重点探讨了现代信用风险量化度量模型的运用领域即银行是如何运用这些模型和方法对信用风险进行积极有效管理的。现代信用量化度量模型和方法可以用来计算基于真实信用风险的经济资本，弥补监管资本的不足；可以通过计算个别交易或业务单位经风险调整的<WP=4>业绩指标，真实比较各个交易或单位的业绩；还可以对传统的信用资产定价方法存在的缺陷进行矫正，对面临的信用风险获取相应的报偿。这一章的分析和探讨展示了现代信用风险量化度量和管理模型的广阔运用前景。第五章，现代信用风险量化度量和管理研究对中国的启示。本章首先分析了我国进行信用风险管理的必要性，从我国银行信用风险存量大、企业经营环境艰难、银行外部竞争压力增大、银行业监管加强等方面进行阐述，指出商业银行信用风险管理是当前一项极为迫切的任务。然而，我国银行目前运用信用风险量化度量和管理方法的条件尚不具备，表现在：中国的商业银行尚未建立起有关信用资产的历史数据库；我国商业银行内部评级体系尚不成熟；信用风险高级管理人才严重匮乏；金融市场中介服务机构不健全。笔者根据中国商业银行量化信用风险管理的现状，借鉴西方国家的经验，提出了我国银行建立先进的信用风险度量管理体系的对策：改进信用分析方法和技术，探索信用风险评估和定价模型；建立信用资产的数据库，加强信息技术在信用风险管理领域的应用；健全和完善内部信用评级体系建立健全信用风险管理的组织体系和管理机制；加强对信用风险的全程动态监控建立良好的银行信用文化。