2007年美国次贷危机的爆发引起全球金融市场动荡,就连世界著名投资银行贝尔斯登、雷曼兄弟、美林证券等在内的众多金融机构也难幸免遇难,从而全球财富大幅度缩水,全球经济陷入衰退的泥沼。时至今日,次贷危机的传递性和危害性仍未消失。因此,怎样有效地控制和度量信用风险已经成为各国金融监管当局、金融机构和投资者关注的焦点。特别是在经济全球化和一体化的进程中,学习和借鉴国外先进的信用风险度量技术,建立在中国行之有效的信用风险度量模型成为我国金融业的一个重要课题,由此本文对我国商业银行信用风险度量做出相关研究。本文首先从信用风险的概念、特点、产生的原因以及信用风险管理的基本理论出发,并详细阐述了信用风险度量的模型和方法。在此基础上,结合我国实际,利用我国上市公司为样本分别建立多元线性判别模型、Logistic回归模型,并比较两个模型的判别的准确率；最后探讨了内部风险计量模型KMV模型在我国的适用性,并通过实证分析说明KMV模型在我国是可以推广使用的信用风险计量模型。一、研究目的本文以2008年深沪两市168家上市公司为样本,同时利用这些上市公司在2005年、2006年、2007年的财务报表数据,纵向地以及横向地分析不同模型对信用风险度量的效果。1、分析多元线性判别模型和logistic模型对信用风险度量的效果。通过分别建立多元线性判别模型和logistic模型来判别和衡量上市公司的信用风险,来检验何者判别效果更佳?以及在短期内还是长期内是否都具备同样的判别能力?2、分析现代四种主流模型的优缺点和在中国的适用性。通过理论分析四种主流模型的优缺点和在中国的适用性,并结合实证分析来检验KMV模型是否能有效地识别信用风险。二、主要内容本文共分为六章,结构和内容如下：第一章是导论,主要介绍了研究背景、研究目的以及研究思路。第二章是文献综述,详细地阐述了国外内关于信用风险度量的研究。在国外,信用风险度量方法的发展大约经历了三个阶段：上世纪七十年代以前的定性分析阶段；七十年代到八十年代末的基于财务指标的信贷评分模型阶段和九十年代以后的模型定量评估阶段。第一阶段主要分析工具有5C分析法,五级分类法等；第二阶段是建立在借款人财务指标的分析模型阶段,主要有Z分数模型,probit模型等；第三阶段主要有两种类型：一类是组合理论,如JP摩根的Credit.Metrics、KMV模型等；另一类是违约模型,如瑞士第一信贷银行的Credit Risk+和麦肯锡公司的Credit Portfolio View模型等。在国内,由于我国缺乏大量的企业贷款及债券信用记录的样本数据,我国对信用风险的研究主要是基于财务报表对企业的信用状况的研究,在银行信用风险度量方面主要是对银行的信用风险的成因进行定性的分析。在量化研究方面,不少学者运用实证的方法对多元判别式、Logit等统计学方法以及神经网络方法进行了实证分析,分析了其在信用风险预测中的优势和不足。第三章是商业信用风险基本理论,首先定义了信用风险,即信用风险是指由于借款人或市场交易对手违约而导致的损失的可能性,包括由于借款人的信用评级的变动和履约能力的变化导致其债务的市场价值变动而引起的损失可能性。然后阐述了信用风险计量的特点,即不对称性,累积性,系统性,这三个计量的特点就决定了信用风险度量的困难性,同时对信用风险的形成原因也进行了分析,即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、借款人的原因、银行监管因素、市场竞争因素等；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。因此本章对商业银行信用风险问题做了系统的理论分析,为后文的实证研究提供了理论依据。第四章比较分析信用风险度量方法及模型。首先商业银行信用风险度量大体可以分为传统信用风险度量和现代信用风险度量两种。传统信用风险度量包括人工专家分析法、贷款评级分类法和信用评分法。现代信用风险度量模型主要有JP摩根的信用度量制模型(Credit Metrics),瑞士信贷银行的信用风险附加模型(Credit Risk+), KMV公司的以EDF为核心手段的KMV模型,麦肯锡公司的Credit Portfolio View模型等。然后系统地总结了各种方法的思想原理,侧重评估信用风险度量方法的优缺点,并将传统方法与现代模型进行分析比较,由此认为信用风险的定量化和模型化会是未来信用风险管理的发展趋势。第五章为实证研究。在理论分析的基础上,选取了线性判别方法、logistic回归和KMV等三种模型对我国上市公司信用风险进行判别和度量。本文以沪深两市168家上市公司为研究对象,分为两个样本,样本1为60家ST公司和60家非ST公司,样本2为24家ST公司和24家非ST公司,样本1为训练样本,样本2为预测样本,分别对多元线性判别模型和logistic模型进行了有效性分析和长期判别分析,同时还横向比较了二者在对上市公司信用风险判别的准确性。对于经营失败企业向前1年的判别正确率都达到85%以上,向前2年的判别正确率都达到80%以上,说明多元线性判别分析模型和logistic模型对ST企业的判别正确率,在短期内都有很强的判别预警能力。而对于长期判别能力而言,logistic模型对前3年的判别正确率为80.85%,而判别分析模型则为63.33%,logistic模型比判别分析模型预测的准确度高,可见相对于判别分析模型而言,logistic更适合长期判别。最后,运用KMV模型来度量和识别沪深两市40家上市公司的信用风险,实证检验表明ST公司的违约距离一般都比非ST公司的违约距离小,违约的可能性也较高；ST公司随着ST的期限逐渐的接近,违约距离也越来越小,说明该模型具有一定的事先判断能力,能够有效地帮助投资人识别信用风险。特别是,四种违约点的假设之中,当违约点为DPT4=STD+0.25LTD时,KMV模型整体区别ST公司和非ST公司的信用质量是最有效的。第六章是政策建议以及研究的限性。本章对于前述的理论和实证研究进行分析总结后,提出了提高我国商业银行信用风险度量水平的政策建议。主要体现在以下三点：第一,大力进行我国信用文化建设和信用体系建立的工作；第二,尽快建立我国的上市公司的信用数据库,特别是完成我国的上市公司的信用评级和建立从违约距离到经验违约率的函数映射；第三,发展和完善我国资本市场的规章制度。同时,总结了本文研究上的一些不足之处,比如在模型指标的选取,除了财务因素,还有非财务因素,即公司规模,管理水平,发展前景,财务报表的可信性等其他指标。还有目前对信用风险度量模型的实证研究都是针对上市公司,而上市公司毕竟是少数,而商业银行面临的是广大的非上市公司和中小企业等等,期许以后更进一步的研究。三、主要贡献1、通过构建多元线性判别模型和logistic模型,本文用事实数据来检验了两种模型在短期内都具备较强的预测能力,相对而言,logistic模型更适合长期预测。从实证结果可知,两个模型对样本前1,2年的预测准确率都在80%左右,而在对样本前3年的预测时,多元判别模型只有63.33%的正确率,而logistic模型仍保持80.85%的正确率,说明现阶段的logistic模型对于信用风险度量是有效的。2、本文全面系统地阐述了信用风险度量模型与方法,在此基础上对我国商业银行的信用风险度量进行了研究,这在一定程度上弥补了国内商业银行信用风险管理以定性为主,系统化、信息技术运用较少的不足,对于我国商业行信用风险管理方法全面与国际接轨具有一定的现实指导意义。3、通过以40家上市公司为样本的实证分析,本文检验了KMV模型的适用性,即该模型具有一定的事先判断能力,能够有效地帮助商业银行识别信用风险。特别是在四种违约点的假设之中,当违约点为DPT4=STD+0.25LTD时,KMV模型整体区别ST公司和非ST公司的信用质量是最有效的。4、通过理论分析我国商业银行信用风险的形成原因和三种模型的实证分析,本文提出了提高我国商业银行信用风险度量水平的政策建议。