信用风险是国内商业银行经营的主要风险,信用风险管理的高低直接决定银行的盈利能力和稳健经营能力,如何科学管理信用风险是国内银行风险管理的核心。对于信用风险的管理国外先进大银行进行了相当多的尝试,国内银行在这方面可以借鉴国外银行的经验,并结合国内银行的实际情况有选择的吸收。作为先进银行风险管理经验的总结,巴塞尔协议给出了信用风险管理的建议,在信用风险管理中如何准确预测违约现象,是信用风险管理的关键。通过对违约的预测主要根据历史数据,构建合理的风险管理模型,从而定量的分析客户信息,给出预测准则。国外的先进银行研究信用风险管理模型的历史已经相当长,在长期的数据积累基础之上,越来越精准的模型得到应用,总的来看,风险模型的发展经历了三个阶段-专家判断法、统计模型法和现代风险管理模型。对国内银行而言,数据管理的历史还比较短,有效数据的获取非常困难,即使在一些大型银行,有有效数据存储也不足,这制约了模型的可使用范围,目前来看,国内银行信用风险管理主要的研究方向是统计模型。本文从巴塞尔协议展开,巴塞尔协议是现代银行风险管理的主要依据标准,经济全球化的背景下,了解风险管理的国际统一标准是参与国际竞争的必要前提,因为文章的重点并不在此,所以本文只是泛泛的谈及巴塞尔协议的发展史,目的在于让大家了解目前银行的全面风险管理理念。文章的重点在于信用风险管理,介绍了商业银行信用风险管理定义,信用的产生和特点,信用风险的分类,并重点介绍了信用风险管理模型的典型代表。第三章介绍商业银行风险管理统计模型中的一种经典模型-判别分析模型。判别分析是根据已有分类数据建立判别模型,进而预测未分类样本的分类情况。判别分析中常用的方法是Fisher判别分析,Fisher判别分析将多维数据投影到一维空间,可以直观的看出数据的集中情况,在生物、医学等很多领域都得到了应用。但是]Fisher判别分析在高维数据的处理中遇到了困难,比如协方差阵的不可逆,噪声项的积累等,在高维情况下它的表现基本上和随机判断差不多。而国内的银行有效数据不足,特别是违约样本数据很少,这样的话会使得样本数小于特征变量数,也就是小样本情况出现,也就是高维问题出现。针对这种情况,文章介绍了两种变量减少模型-逐步判别和FAIR模型,这两个模型分别从不同的角度出发,比较变量的重要性,选取出主要的变量,从而降低样本维数。在理论介绍之后,文章用某银行的实际数据作实证分析,并对实证分析的结果进行解释,得出结论。