信用风险是我国商业银行当前面临的重要风险之一，银行大量的不良资产和国外银行的竞争，使得提高银行的信用风险管理水平成为我国银行业面临的重要课题。国际上，由于新巴塞尔协议的出台和衍生品交易的快速发展，信用风险的管理正经历着一场革命，涌现出了大量有代表性的信用风险量化管理模型。 本文首先分析了引进国外先进的风险管理技术，提高我国商业银行信用风险管理水平的必要性，同时对现代信用风险管理的理论基础进行了总结。在此基础上，本文对当前国际上处于主流地位的两种信用风险模型：KMV模型和LOGISTIC模型，从前提条件、理论基础进行了论述，并总结了现代信用风险模型的建模思路，结合银行客户的实际情况，对模型在信用风险度量中的实用性进行了比较分析。 信用风险形成的根本原因根植于信用活动的不确定性。在银行与企业的借贷交易中，银行处于信息劣势，企业比银行更了解自身的经营能力、管理水平以及借款项目的风险特征。因此，企业有可能将有利于自己而不利于银行的虚假信息传递给银行，银行则不可能完全观察企业的行为和根据双方的风险类型而签订有效的借贷合同。由于银企间信息不对称，企业经理人可能采取过于冒险的行动而使银行承受潜在的损失。银行无法对企业取得贷款后的经营管理行为进行有效监督，或者说完全监督的成本太高，不合算。所以银行必须加快信用风险的量化管理，运用现代信息技术优势以及银行外部数据来有效的跟踪银行贷款质量。 银行信用风险评估方法经历了从定性分析到定量评估，从静态财务评价到动态的基于证券市场的信用评价方法的发展过程。 我国银行信用风险的成因基本上可以分为两个方面，一方面是来自银行外部因素的影响，主要是政府的干预和借款人的原因；另一方面是来自银行自身的原因，主要是银行的产权制度问题和银行内部经营管理、风险管理技术的落后。 传统的信用风险主要来源于银行的贷款业务。银行形成的一笔贷款要一直持有到贷款到期，只有当违约实际发生后才在其资产负债表中作相应的调整.所以传统的信用风险主要是指贷款到期违约的可能性。 20世纪90年代以来，市场风险量化管理技术飞速发展，特别是VAR法的快速发展，组合管理的观念被引入信用风险管理。从组合投资的角度出发，投资组合不仅会因交易对手(包括贷款借用人、债券发行者和其他交易合约的交易对手)的直接违约而发生损失，而且会因交易对手履约可能性的变化影响组合投资损失的大小。 在1999年巴塞尔委员会发布的研究报告《信用风险模型化：目前的实践和应用》中，根据信用风险定义的不同，将银行业使用的信用风险模型分为两大类：违约式模型(DefaultModel)和盯住市场式模型(Mark-to-MarketModel).DM模型只考虑违约与不违约两种信用状态，而MTM模型除了考虑违约与不违约两种信用状态以外，还要考虑到信用质量的变化，比如信用等级的升降或转移，在此意义下MTM模型是DM模型的一种推广。 LOGISTIC模型度量信用风险是DM模型的一种，而KMV模型是动态的基于证券市场的信用评价方法，是MTM模型的一种。本文对Logistic模型和KMV信用风险模型进行了详细论述，就两个模型在我国银行信用风险度量中的应用进行了理论和实证的分析。探讨各自的优缺点，试图通过两种方法的结合运用提高甄别信用风险的准确率。 分析LOGISTIC模型的回归结果可知对信用风险有显著影响的指标，可分为四类：1)偿债能力指标：资产短期负债率，利息保障倍数；2)现金流量指标：筹资活动净流入现金与负债比率；3)盈利性指标：净资产收益率；4)营运能力指标：股东权益周转率。 股东权益周转率越小，违约可能性越小，如果短期内公司营业收入变化不大，那么在主营业务收入一定的情况下，公司权益资本越充足，越有能力保护债权人的利益；利息保障倍数越大，息税前利润能够非常充分地满足支付利息的需要，违约可能性越小；净资产收益率越小，公司的违约可能性越小。因为虽然每一单位净资产创造的利润越多，公司盈利能力越强，但是如果短期内公司净利润变化不大，那么在利润一定的情况下，公司权益资本越充足，越有能力保证将资金按期偿还给债权人；资产短期负债率越小，违约可能性越小，说明流动负债占总资产的比例越小，公司短期内发生违约的概率越小；筹资活动净流入现金与负债比率越大，违约可能性越小，说明如果公司通过权益融资方式获得了大量资金，则公司出现资不抵债的可能性就减小了，如果公司能通过借新债还旧债的方式融入新的资金，在短期内能暂时克服资金短缺的困难，但长期靠这种方式获取资金则难以为继，一旦资金链断裂，则公司就有破产的危险。 作者在运用LOGISTIC模型分析信用风险的过程中发现三个问题。一是利用LOGISTIC模型只有在每年公司公布年报以后才能依据财务数据发现公司的风险变化情况。而且公布的年报中财务数据的准确程度将直接影响研究者对风险的判断。二是虽然有模型对指标进行筛选，但在应用统计方法前，仍然需要研究者事先对大量的财务指标进行选择，不同研究者的主观判断不同，得出的结论也不一样。三是模型运用某一时点或特定的时间区间数据进行分析，随着宏观经济环境的变化，在本期得出的较好的模型和回归系数不一定适合对下一期的信用风险进行识别和预测，所以研究人员常把回归模型当作解释某一时点风险因素的工具。 KMV模型是一种动态量化信用风险的模型，其敏感度更高，可以根据上市公司股票交易的实时数据，计算出违约概率值，能更快的发现公司的风险变化。KMV模型是根据公司资产价值和资产价值波动率来计算公司的违约距离和违约概率，能度量公司信用风险的准确值。它不用对财务指标进行主观选择，没有缺乏客观一致性的问题，因此作者希望运用KMV模型来弥补LOGISTIC的缺陷。 实证结果证明，用KMV模型能够将Logistic模型中误判的公司归入适当的风险级别，判别准确率较高，在一定程度上能弥补Logistic模型的不足，这两种方法的结合运用能够帮助银行提高甄别高风险和低风险客户的准确程度。 尽管KMV模型没有LOGISTIC模型的三个问题，但它对风险衡量的准确程度受到公司股权市价及其波动率是否真实地反映基本面情况，以及股价是否被人为操纵等因素的影响，因此如何改进KMV模型，提高其在非有效市场上的适用程度是作者的后续研究设想。 随着我国对世贸组织承诺金融业对外开放条款实施日期的日益逼近，面对问题贷款，呆坏账比例过大，风险管理水平不高等诸多的问题，我国银行业越来越感受到来自外资银行的竞争压力。就信用评级而言，目前我国的信用分析和评估技术仍处于传统的比率分析阶段。银行机构主要使用计算贷款风险度的方法进行信用风险评估，没有集多种技术于一体的动态量化信用风险的管理技术，这与国际上从主观判断分析法和传统的财务比率评分法转向以多变量，依赖于资本市场理论和计算机信息科学的动态计量分析方法为主的发展趋势相比，仍有很大的差距。所以，研究Logistic模型和基于期权定价理论的KMV方法，积极探索方便实用，可操作性强的信用度量方法，对于我国银行业强化内部风险管理，促进风险管理水平的提高，提升行业核心竞争力，无疑具有积极的现实意义。