信用风险是金融市场中最古老,也是最重要的风险形式之一。它已经成为当前市场环境下的经济体面临的最重要的金融风险。对于中国的实际情况来讲,无论从宏观上还是微观上看,我国金融体系已经积累了很大的风险,而且金融风险主要表现为信用风险。信用风险被定义为借款人不能按期还本付息而给贷款人造成损失的风险。然而,随着风险环境的变化和风险管理技术的发展,这一定义已经不能充分反映现代信用风险及其管理的性质与特点。现代意义上的信用风险应包括由交易对手直接违约和交易对手违约可能性变化而给投资组合造成损失的风险。本文第一部分为绪论,介绍了商业银行的信用风险产生的背景,研究现状以及我国商业银行信用风险管理的现状。第二部分介绍了信用风险的概念以及特征。从已有的研究成果来看,商业银行对其面临的信用风险进行度量,首先要解决的问题就是如何确定贷款者的违约概率、或者判断其是否会违约。第三部分介绍了在巴塞尔新资本协议下的商业银行信用风险度量方法,并对各种方法的优劣进行简要的评述。由于信用风险具有内生性、非线性、收益与损失的不对称、数据收集困难等特点,因此,传统的度量信用风险的方法很难对信用风险进行准确地定量分析。因此,在本文第四部分,应用支持向量机作为在统计学习理论上产生发展的一种模式分类方法,给信用风险的分析和评估提供了一种新方法和新工具。由于支持向量机没有对样本的分布提出假设,并且引入核函数可以将非线性分类问题映射到高维特征空间的线性分类问题,这就很好解决了传统方法中对分布的假设与实际不符以及对非线性问题无能为力的情况。第五部分采用张忠桢教授发明的凸二次规划的旋转算法来求解基于支持向量机的商业银行信用风险度量模型,这样虽然需要计算机存储凸二次规划的Hessian矩阵,但是利用旋转运算来求解凸二次规划的最优解实际上的速度要比分解算法快。在第六部分,本文选取了2007年A股上市公司的财务数据作为样本,采用支持向量机模型,并应用旋转算法求解凸二次规划,对其样本违约概率进行判别,并与采取传统的多元判别分析方法判断其违约的概率进行对比。通过实验结果的对比,容易发现,支持向量机模型判别的误判率明显低于多元线性判别模型的误判率。验证了支持向量机不需要对样本分布作出假设和支持向量机对解决非线性分类问题的特点用来处理信用风险的识别是有效的,并且提出了一些关于支持向量机在信用风险识别应用中有待解决的问题以。最后,对全文进行总结,并对商业银行信用风险的研究提出一些建议。