本文在次贷危机带来对新资本协议的重新反思和我国各大银行即将全面推行内部评级法的背景下,系统地研究了新巴塞尔协议内部评级法。新的资本协议明确要求各国银行以内部评级法为风险计量手段,本文力图结合我国实际情况,系统全面研究内部评级法,并对我国商业银行全面实施内部评级法提出设想框架,本文的研究主要从以下几个方面展开：(1)系统回顾了新巴塞尔资本协议的演变过程,较为全面地分析了新资本协议对国际银行业提出的新的风险管理要求及其目的,提出了新形势下对我国商业银行的挑战。简要系统归纳了国外先进的风险计量模型研究成果及进展,从传统的信用风险测量模型出发,指出了传统风险测量模型的无法克服的弊端,并对目前流行的风险计量模型简要评述。深入研究内部评级法的具体内涵,运用信息经济学和博弈论的思想研究了银行信用评级,并对违约率和违约损失率进行相关综述。(2)研究的重点是从违约的定义角度出发,以上市公司财务数据为样本,建立了用Logit和主成分基础上的Logit模型对公司经营失败的预测模型,并尝试运用聚类的分析方法进行信用等级评定。本文选取了199家ST公司与相对应的378家正常公司的19组共10963个财务数据为基础,分别采用Logit回归方法、在主成分基础上的Logit,实证检验了模型对企业财务失败预警的检验,表明了两种模型都能较准确地判别企业经营失败,本研究在Logistic回归分析中引入了主成分分析法,可以保留原样本信息的完整性同时又降低变量维度,使得模型构造具有更高的稳定性和预测精度。并在此基础上运用聚类的分析方法对照目前我国商业银行七级分类,对577家公司的风险等级水平进行了实证研究,表明聚类方法能够较好地为商业银行客户信用等级进行分类,以提高我国商业银行的信用风险分析能力,给我国商业银行的信用风险管理提供有益的借鉴。两种模型对全部样本的判别准确率中,两者都有较好的拟合度,其中Logit模型判断准确率在87.52%,而在主成分基础上的Logit的判断准确率略高于普通Logit回归模型,为91.16%,而运用聚类的分析方法对577家上市公司进行的信用等级分类,取得了与预期较为一致的结论。在一般Logit模型基础上,引入主成分分析方法,并在主成分分析法基础上进一步运用聚类的分析方法进行信用评级的实证,可以避免反映风险信息的冗余与遗漏,各指标权重的设置更加科学,使评级指标体系更加科学合理,聚类分析的评级模型直接与信用等级联系,使得研究结论具有一定现实参考价值。(3)本文国际上现代商业银行信用风险评级的最新理论、技术和方法,结合我国商业银行的实际状况,探讨和初步构建了适合我国商业银行风险管理特点的商业银行内部评级体系。本文研究可能存在的创新有以下几个方面：(1)本研究在Logit回归的基础上,引入了主成分分析方法，在降低变量维度的同时保存了公司财务信息的完整性,使得模型的构造与国内其他学者相比,更具有精准度和稳定性。(2)本研究尝试运用聚类的分析方法建立信用评级模型,并与商业银行信用七级分类相结合,为商业银行信用等级评定做出了理论上新的尝试。(3)本文根据我国银企关系的特性,从微观经济学理论出发,构建了关系型信贷和交易型信贷下的授信决策模型,并根据我国商业银行贷款流程现状,提出了构建内部评级体系的相关思考,为国内商业银行提供可借鉴的标准。