风险是影响金融决策行为的基本要素,在现实生活中,风险无处不在。银行是高流动性金融风险的承受者,因此构建科学的风险管理体系对其尤为重要。商业银行面临的风险主要有信用风险、操作风险和市场风险等。世界银行曾经对各国银行业出现过的危机进行过较详细的研究,结果发现导致银行破产的主要原因正是信用风险。因此,随着我国金融市场的不断完善和开放,如何做好风险管理特别是信用风险的管理是我国商业银行在自我完善和发展过程中所面临的最大挑战。早在1987年,国际清算银行旗下的巴塞尔银行监督委员会就提出旨在鼓励银行实施风险管理,减轻银行破产的风险和代价的国际银行界的“神圣公约”巴塞尔协议。此后的二十几年,巴塞尔委员会不断的修改协议,并先后公布了巴塞尔新资本协议和巴塞尔协议Ⅲ,以期完善各国银行和监管部门的风险特别是信用风险的管理制度。内部评级法正是在此背景下被正式提出,并被要求在各国银行间推广使用。内部评级法是指在经过银行监管当局批准之后,满足某些最低条件和披露要求的商业银行,根据银行本身对风险要素的估算值来决定自己对特定风险暴露的最低资本要求,从而确保银行资本充足的一种方法。内部评级法是衡量信用风险的重要方法,它通过鼓励银行自主研究风险的测量和管理方法,来强化银行的内控机制和风险管理机制,从而达到提高银行核心竞争力的目的。与发达国家商业银行相比,我国商业银行的信用风险管理相对落后,但这并不表示我国对此不重视。相反,我国银行业监管委员会分别于2007年和2008年发布了《中国银行业实施新资本协议指导意见》和《商业银行信用风险内部评级体系监管指引》,明确提出各商业银行必须逐步推行巴塞尔协议和内部评级法以提高信用风险管理水平的要求,同时指引中还给出了各类商业银行构建内部评级体系的具体操作时间表。因此,内部评级法和信用风险管理的实用性和迫切性已毋庸多论。相对的,我国商业银行怎样推行内部评级法,采用何种模型来度量信用风险,这些问题的探讨和解决变得更为重要。本文在较为全面地研究国内外相关文献的基础上,从信用风险的定义及特征出发,研究信用风险管理的各种方法和模型。首先系统地介绍了信用风险及其理论基础、巴塞尔协议具体内容、内部评级相关要求等内容；接着介绍并比较了信用风险度量方面的各种方法和模型,包括传统的信用风险度量方法,即专家方法、信用评分模型和神经网络模型等；以及现代的信用风险度量模型,包括Credit Metrics模型、Credit Risk+模型、Credit Portfolio View模型和KMV模型等；然后根据我国特殊国情,对四种现代度量模型进行适用性分析,选择KMV模型进行实证研究,并对实证结果做了分析说明,讨论了我国商业银行在建立和完善内部评级体系过程中,使用KMV模型度量信用风险的可行性、有效性以及存在的不足之处并提出对策建议；最后对本文进行总结并对内部评级法在我国商业银行的实际应用进行前景展望。实证方面,本文选取了10个行业、共30家沪深上市企业的相关财务数据和市场数据,使用KMV模型测算其违约距离并比较他们违约的可能性。30家上市企业分别是绩优股企业,代表资金实力较为雄厚、财务状况较好、违约概率较小的优良企业；ST股企业,代表近几年连续亏损、财务状况较差、违约概率较大的不良企业；以及创业板企业,代表经营时间较短、资金实力较为薄弱、违约概率有待进一步观测的新兴企业和成长型中小企业。通过对这三类企业实证结果的比较分析,证明KMV模型能够较为直观、真实的反映这三类企业的信用状况。本文的创新之处主要体现在以下几个方面：首先,对于发达国家商业银行现行使用的信用风险度量模型在我国的适用性情况,本文针对我国历史违约数据严重缺乏和弱有效市场的特殊国情,结合各种度量模型的分布假设、理论基础、参数选取以及实践中暴露出来的优缺点等进行比较分析,得出KMV模型更适合我国商业银行使用的结论。其原因主要表现在KMV模型理论基础扎实,数据要求容易满足(只需企业少量财务数据和市场数据),不要求有效市场假设,既能反映单个企业的信用变动情况又能比较多个企业的违约风险情况,还能一年内评级数次,种种优点对我国商业银行来说正为合适。其次,在实证过程中,本文针对我国的实际情况对KMV模型做了一定修正,以期能更好的反映我国企业的信用状况。主要表现在两方面：(1)模型部分参数值的选取和计算方面。例如,和外国股市不同的是,我国股市中的企业存在流通股和非流通股的问题。因此在实证过程中,样本企业的股票市值由流通股和非流通股的市值加总得到。其中在非流通股的定价方式上,本文选择了上市企业股票全流通研究中的方法。此外,对股价波动率的计算方法等都做了修正,具体请参见本文第五章第二节；(2)模型方程的求解方面。针对模型中的二元非线性方程组,为了避免联立方程组受某个参数的干扰而导致结果误差较大,本文选择使用Matlab软件针对该二元非线性方程组做了一个迭代法的编程,通过Matlab软件计算得出一个收敛值并以此作为方程组的计算结果。使用此迭代编程能够得出的一个经过反复计算的收敛值,因此更科学也更方便,具有很强的实用性。再次,本文将理论和实证结合,根据我国沪深上市企业真实的财务和市场数据,运用修正过的KMV模型对我国的上市企业进行实证分析。本文不仅选取了绩优股企业和ST股企业来分析KMV模型对优质企业和不良企业的信用状况反映情况,更针对2009年底才允许挂牌交易的我国创业板企业特别分组以分析KMV模型对其的信用状况反映情况。这是因为我国具有大量中小企业,特别是存在许多刚上市及未来将上市的新兴企业和成长型中小企业。对于商业银行来说,这部分企业既是机遇也是风险的所在,是当前的重点营销客户。因此,如何测算这类企业的信用风险情况以及测算的准确性都直接影响我国商业银行的信用风险管理质量。据此,本文特别对我国创业板的企业进行了实证分析。实证结果也表示KMV模型不仅能较好地反映出我国优质企业和不良企业的信用风险状况,同样能较好地反映出创业板企业的信用风险状况,非常适合稳步推行内部评级法的我国商业银行使用。最后,本文对实证过程中反映出的一些问题做了总结,并就我国商业银行如何合理运用内部评级法、建立健全信用风险管理体系提出了对策建议。