信用风险是现代商业银行面临的最重要的风险，也是导致银行破产的最常见的原因之一。我国商业银行在信用风险管理方面，与国外大型商业银行相比，仍然存在着相当多的不足。如何提升我国商业银行的信用风险管理水平，已经成为我国理论界和银行业共同关注致力解决的问题。论文旨在充分学习和借鉴国外先进的信用风险管理技术和模型，并结合我国的实际情况，逐步形成适合我国商业银行的信用风险度量和管理技术，从技术和手段两个维度，全面提升我国商业银行信用风险管理水平，缩小我国商业银行与国外先进银行的差距，最终提升我国商业银行的国际竞争力。论文以风险管理理论为基础，采用理论分析和实证研究相结合、定性分析和定量分析相结合的方法，围绕着“什么是信用风险管理”、“不同的企业和个人的信用风险如何被量化”、“怎样进行风险预警和监控”、“如何解决管理中存在的问题”等问题为主线，对我国商业银行信用风险度量及管理进行系统分析与研究。论文分析了我国商业银行信用风险管理取得的一些成绩，指出我国商业风险管理中仍然存在较多问题，如信贷管理流程不完善、信用风险量化工具落后、缺少高素质的信用风险管理队伍等。论文对商业银行信用风险、商业银行信用风险管理体系的概念进行界定，构建了商业银行信用风险管理体系，包括信用风险识别、信用风险度量和信用风险预警，该体系是一种要素循环传递的信用风险管理体系。提出循环传递的信用风险管理体系，并围绕着信用风险识别、信用风险度量和信用风险预警三个要素展开深入研究。分析了我国商业银行信用风险的成因，主要包括理论根源和现实根源两类，揭示了商业银行信风险的形成机理，分析了非系统性信用风险和系统性信用风险的传导机制。通过对多元判别分析、Logit回归分析、Probit模型、SVM模型，结构模型、强度模型、Portfolio Manager、Credit Metrics、CreditPortfolio View及Credit Risk+等风险度量模型的基本构成和理论进行分析，结合我国商业银行信用风险管理的特点，将KMV模型应用于大型上市公司信用风险的度量；将多元判别分析应用于中小企业信用风险的度量；将Logitech回归分析应用于个人零售客户信用风险的度量，由此，建立一个相对完整的信用风险量化体系。根据我国大型上市公司的实际情况，对KMV模型的股权价值、股权价值波动率、违约触发点、债务期限和无风险利率等各项参数进行了修正。选取上海证券交易所的10家ST公司和20家非ST公司的连续250个交易日数据，对修正后的KMV模型的各项参数值进行计算，得到了违约距离与理论EDF。最后，参考标准普尔和穆迪的评级体系，将我国大型上市公司的信用评级体系分为10级，并划分了相应的期望违约概率区间，最终确定了我国大型上市公司信用风险评级体系，并通过了K-S检验。在著名的Z评分模型的基础上，根据我国中小企业的实际情况，引入了非财务因素和行业风险因素，并据此构建了S-Z-Score模型，并选取了批发和零售业、工业、交通运输和邮政业、建筑业、住宿和餐饮业、综合类等六大产业所属的70家中小企业作为样本，比较Z”模型与S-Z-Score模型的准确性。结果表明，考虑了非财务因素和行业风险因素的S-Z-Score模型，一定程度上解决了中小企业修饰财务报表，造成评级结果失真的问题，使第一类错误率显著降低，提高了中小企业信用风险判别的科学性和有效性。在研究个人信用风险时，首先确定个人信用评分指标体系的两个维度，即个人还款能力指标体系和个人还款意愿指标体系。在此基础上，结合个人信用打分法和数理统计模型，构建个人信用评分的组合模型，划分客户授信和定价区域，实现风险和收益的统一。从贷后信用风险预警机制和规范贷后风险监控流程两方面，强化我国商业银行信用风险贷后管理。并针对我国商业银行信用风险形成的原因及信用风险管理中存在的问题，提出了相应的对策。