区别于传统的信用风险评价方法，如要素分析法、特征分析法、财务比率分析法，20世纪80年代末以来，国际金融与财务界对信用风险的关注日益加强，信用风险评估方法不断推陈出新，信用风险度量模型日臻完善。本文从比较研究的角度对现代信用风险度量方法与模型进行综述分析。

　　一、现代信用风险度量方法与模型分析与评价

　　20世纪80年代以来，受债务危机的影响，各国银行普遍重视对信用风险的管理和防范，新一代金融工程专家利用工程化的思维和数学建模技术，在传统信用风险度量的基础上提出了一系列成功的信用风险量化模型。

　　1.神经网络分析法。近年来，神经网络技术在模式识别与分类、识别滤波、自动控制、预测等方面已展示了其非凡的优越性。神经网络是从神经心理学和认识科学研究成果出发，应用数学方法发展起来的一种并行分布模式处理系统，具有高度并行计算能力、自学能力和容错能力。神经网络的结构由一个输入层、若干个中间隐含层和一个输出层组成。神经网络分析法通过不断学习，能够从未知模式的大量的复杂数据中发现其规律。神经网络方法克服了传统分析过程的复杂性及选择适当模型函数形式的困难，它是一种自然的非线性建模过程，毋需分清存在何种非线性关系，给建模与分析带来极大的方便。该方法用于企业财务状况研究时，一方面利用其映射能力，另一方面主要利用其泛化能力，即在经过一定数量的带噪声的样本的训练之后，网络可以抽取样本所隐含的特征关系，并对新情况下的数据进行内插和外推以推断其属性。

　　神经网络分析方法应用于信用风险评估的优点在于其无严格的假设限制，且具有处理非线性问题的能力。它能有效解决非正态分布、非线性的信用评估问题，其结果介于0与1之间，在信用风险的衡量下，即为违约概率。神经网络法的最大缺点是其工作的随机性较强。因为要得到一个较好的神经网络结构，需要人为地去调试，非常耗费人力与时间，因此使该模型的应用受到了限制。Altman（1995）在对神经网络法和判别分析法的比较研究中得出结论认为，神经网络分析方法在信用风险识别和预测中的应用，并没有实质性的优于线性判别模型。

　　2.衍生工具信用风险的度量方法。20世纪80年代以来，作为一种有效的避险工具，衍生工具因其在金融、投资、套期保值和利率行为中的巨大作用而获得了飞速的发展。然而，这些旨在规避市场风险应运而生的衍生工具又蕴藏着新的信用风险。研究者相继提出许多其他方法来度量衍生工具的信用风险，不过主要集中在期权和互换两类衍生工具上，最具代表性的有下列三种：一是风险敞口等值法，这种方法是以估测信用风险敞口价值为目标，考虑了衍生工具的内在价值和时间价值，并以特殊方法处理的风险系数建立了一系列REE计算模型；二是模拟法，这种计算机集约型的统计方法采用蒙特卡罗模拟过程，模拟影响衍生工具价值的关键随机变量的可能路径，以及交易过程中各时间点或到期时的衍生工具价值，最终经过反复计算得出一个均值；三是敏感度分析法，衍生工具交易者通常采用衍生工具价值模型中的一些比较系数来衡量和管理头寸及交易策略的风险，敏感度分析法就是利用这些比较值通过方案分析或应用风险系数来估测衍生工具价值。

　　衍生工具信用风险模型的优点是具有较强的严谨性，该模型力图以数量化的、严谨的逻辑识别信用风险。从缺点和不足来看，衍生工具信用风险模型的严密的前提假设（当一个变量发生改变，则原有的结论需要全部推翻重新进行论证）限制了它的使用范围。而且，从大量的实证研究结果来看，衍生工具信用风险模型没有得到足够的支持。例如，Duffie（1999）发现简约模型无法解释观测到的不同信用等级横截面之间的信用差期限结构。衍生工具信用风险模型虽然是最新的科学化方法，但其要发挥作用，还必须与金融风险管理的理念和主观判断结合起来。

　　3.集中风险的评估系统。前述方法绝大多数是度量单项贷款或投资项目的信用风险，而很少注重信用集中风险的评估。信用集中风险是所有单一项目信用风险的总和。金融市场的全球化和风险的多样化使人们越来越认识到“不能把鸡蛋放在一个篮子里”的重要性。金融机构和投资者们采用贷款组合、投资组合来达到分散和化解风险的目的。1997年，J.P摩根推出的“信用计量法”和瑞士信贷金融产品的“信用风险法”，均可以用来评估信用风险敞口亏损分布以及计算用以弥补风险所需的资本。“信用计量法”是以风险值为核心的动态量化风险管理系统，它集计算机技术、计量经济学、统计学和管理工程系统知识于一体，从证券组合、贷款组合的角度，全方位衡量信用风险。该方法应用的范围比较广，诸如证券、贷款、信用证、贷款承诺、衍生工具、应收账款等领域的信用风险都可用此方法进行估测。“信用计量法”依据与动态信用事件（信用等级的变迁，违约等）相关的基本风险来估测集中信用风险的风险值。集中信用风险值是指在未来一定时间内，因信用事件引起证券或贷款组合资产价值的潜在变化量。风险管理者依据这一风险值调整头寸和决策以防范损失。“信用风险法”是在信用评级框架下，计算每一级别或分数下的平均违约率及违约波动，并将这些因素与风险敞口综合考虑，从而算出亏损分布与所需资本预测数。

　　集中风险的评估系统的目的是综合地反映评价对象的风险，更接近于风险分析的本源目的，但过多的变量因素又使其陷入浩繁的考察与计量之中，过于繁密的信息造成“噪音”过大，这又使结论容易发生偏离。

　　二、信用风险度量方法与模型的发展趋势与改进方向

　　1．信用风险度量方法与模型的发展趋势。从目前国际金融与财务学界的主流观点来看，信用风险度量方法与模型的未来发展趋势主要包括以下几个方面：（1）对信用风险的度量从过去的定性分析转化为定量分析；（2）从指标化形式向模型化形式的转化，或二者的结合；（3）信用风险度量模型涵盖的因素和条件越来越全面。从对单个角度的分析向组合角度进行分析、从账面价值转向市场价值、变量从离散向连续扩展、从单个对象的微观特征扩散到经济环境、从单一的风险度量模式向多样化的和个性化的风险度量模式的转化；（4）在理论上，信用风险度量方法与模型开始大量运用现代金融理论的最新研究成果，比如期权定价理论、资本资产定价理论、资产组合理论等，并且汲取相关领域的最新研究成果，比如经济计量学方法、保险精算方法、最优化理论、仿真技术等；（5）信用风险度量方法与模型越来越需要现代计算机的大容量信息处理技术和网络化技术。

　　2．信用风险度量方法与模型在我国的适用

性及其改进方向。对于我国当前的经济与社会发展现实，现有的信用风险度量方法和模型仍存在是否适用的问题。总体而言，信用风险度量方法与模型在我国的适用性有如下几个特点：（1）我国的市场经济环境还不完善，相关数据缺乏，而现有的信用风险度量模型大都需要大样本数据，这使得其在我国适用性不强；（2）我国企业的违约行为及其原因与西方发达国家有很大的不同。在西方发达国家，企业违约最主要的原因是企业偿债能力不足造成的，而我国企业违约的情形复杂，不仅仅有偿债能力不足的原因，也有可能是企业道德风险等多方面的原因。

　　从信用风险度量方法和模型的改进方向上来看，这一领域的研究和应用已从传统的主观判断分析法发展到以多变量判别模型，再到现代金融工程下的动态计量分析方法，已经向科学的纵深发展。而目前我国信用风险的分析主要是以单一投资项目、贷款和证券为主，衍生工具、表外资产的信用风险以及信用集中风险的评估尚属空白，更没有集多种技术于一体的动态量化的信用风险管理技术。随着我国经济体制的改革深入、市场机制的建立与完善以及资本市场、银行业的迅速发展，现行的信用风险评估体制与方法已不能满足经济改革与发展的需要。因此，我国在信用风险度量方法的发展上，应博采众长、引入科学方法来确定有效指标，并建立准确的定量模型来解决信用评估问题。