随着2006年我国金融市场的全面开放,商业银行面临着前所未有的激烈竞争。自1999年开始的不良贷款资产剥离以来,在各大商业银行完善自身信贷风险控制和外部监管控力度逐步加强基础上,我国银行的信贷资产质量有一定程度的提高。但由于我国银行业的信贷风险控制技术比较落后,在很多方面已经跟不上日益复杂的宏观经济和信贷运营环境的变化。所以对我国商业银行而言,大力加强银行信贷风险控制研究迫在眉睫,尤其是信用风险度量技术的运用和内部控制管理的强化。本文在大量信贷业务风险控制的实践基础上,结合银行风险控制理论,把信贷风险控制系统分为:信贷风险评估、信贷活动风险控制、信贷风险事后监督和处理、环境控制四大子系统,运用全程和全面风险控制的理念对上述每个子系统进行了分析研究。本文所做的主要研究工作如下:(1)为了克服古典和现代信用风险度量方法中需要大量的原始数据且要求满足各种分布形态的局限,建立了短期信用风险指标体系和长期信用风险指标体系,引入了灰色关联度模型来对ST公司和非ST公司进行信用风险度量。实证结果表明,基于灰关联度的信用评估方法对非ST公司得出了良好的关联区分度,而对于ST股票类型得到的关联度区分并不很好,这是因为ST股票公司的某些财务指标出现了极大值或极小值有关,导致了算法的区分度不高。(2)本文对KMV在我国的应用情况进行了研究,分析了我国上市公司的信用状况,计算出我国上市公司的违约距离。针对KMV公司提出的发现违约发生最频繁的分界点在公司价值大约等于流动负债加50%的长期负债,但是,我国上市公司失信状况比较严重,与美国的信用状况不同,所以不能直接套用其违约点。本文设立七种违约点,分别计算出违约距离,然后通过对违约距离进行非参数检验,最终确立一个最适合中国股市的违约点计算模式,且在计算股权的市场价值考虑了非流通股的价值。实证分析表明,ST公司违约距离与非ST公司违约距离差距明显,从而说明KMV模型在我国使用是有效的,并发现对总资产与流动负债、长期负债之间的回归取得的带截距项的回归方程是最适合我国情况的违约点设置。(3)本文通过选取反映短期和长期信用风险两种情形的财务指标,建立了适合短期和长期违约风险监测的两个Logistic回归模型,并使用检验样本对得到的两个Logistic回归模型进行了信贷风险预警效果检验。在此基础上,本文还利用多层次评估的全面性,建立了比Logistic回归模型更加符合客观信贷实践的基于灰色层次评估的信贷风险预警体系,并用实证结果加以论证其有效性。(4)本文在信贷风险的内控制度的建设上,针对我国商业银行在内控制度上的缺陷,提出了基于银行实践的改进措施,如完善贷审会制度和建立风险经理制度等,并根据自身的信贷工作实践从微观信贷管理的视角提出了较好地对信贷风险实施过程控制的对策。