信贷风险是商业银行面临的最主要的风险之一,银行对信贷风险的控制和管理关系到银行体系的稳定和国民经济的发展。目前,我国商业银行在信贷风险管理方面还远落后于西方发达国家,我国对信贷风险的分析仍处于传统的比例分析以及专家经验判断阶段,不能有效满足商业银行对贷款安全性度量的要求。因此,应用现代的计量模型计量我国的信贷风险,可以更加有效的控制我国商业银行的信贷风险,具有非常重要的意义。本文对现今公认的几种信贷风险度量方法即Credit Metrics模型、Credit Plus+模型以及Credit Portfolio View模型进行简要的说明并分析其在中国的适用性,通过对比,选取CPV模型进行实证研究。实证结果发现：在进行CPI调整、季节调整之后,最终发现固定资产投资、实际利用外资和100美元兑人民币汇率这3个宏观经济指标,可以很好地拟合宏观经济指数Y,并且拟合优度达到95%以上。而由于文中的宏观经济指数Y和违约率之间存在直接的数学转换关系,所以上述3个宏观经济指标同样可以对违约率进行良好的拟合。另外,根据这3个宏观经济指标的估计系数,可以认为：经济运行良好时,信贷违约率会下降；外资的引入会对中国商业银行的信贷资产质量造成冲击；人民币的稳步升值有利于降低不良贷款率。从实际经济的角度讲,即宏观经济直接影响违约率,验证了人们对于“经济形势影响企业还款”的认识。另外,以往的实证分析大多基于其它国家和地区或者基于某一具体行业的违约率进行研究,而本文针对的是中国商业银行整体的违约率,同样得到了较好的拟合结果,说明CPV模型至少在回归分析部分适用于中国的宏观经济环境。模型同样能够有效预测未来的违约率,另外由于宏观经济指标可以通过前期数据调整得到,因此,信贷违约率的预测是可行的,商业银行也可利用预测值提前制订相应的信贷风险防范措施。